WEBVTT

00:00:06.636 --> 00:00:09.077
İstatistikler ikna edicidir.

00:00:09.077 --> 00:00:12.541
Öyle ikna edici ki, insanlar,
kurumlar ve bütün ülkeler

00:00:12.541 --> 00:00:17.747
en önemli bazı kararlarını
düzenli bilgiye dayanarak alırlar.

00:00:17.747 --> 00:00:19.484
Ancak burada bir sorun var.

00:00:19.484 --> 00:00:23.301
İstatistik verilerinde gizlenmiş,
sonuçları tamamen alt üst edebilecek

00:00:23.301 --> 00:00:27.251
bir şeyler olabilir.

00:00:27.251 --> 00:00:30.920
Örneğin, yaşlı bir akrabanızın 
ameliyatı için iki hastane arasında

00:00:30.920 --> 00:00:33.737
seçim yapmak zorunda olduğunuzu düşünün.

00:00:33.737 --> 00:00:36.434
Her iki hastanenin de 
son 1000 hastasından,

00:00:36.434 --> 00:00:39.612
A hastanesinde 900'ü hayatta kalırken

00:00:39.612 --> 00:00:43.021
B hastanesinde sadece 
800 kişi sağ kalmış.

00:00:43.021 --> 00:00:46.170
O hâlde A hastanesi 
daha iyi bir seçim gibi görünüyor.

00:00:46.170 --> 00:00:47.843
Ancak karar vermeden önce

00:00:47.843 --> 00:00:51.411
tüm hastaların hastaneye
aynı sağlık durumunda

00:00:51.411 --> 00:00:53.811
gelmediğini hatırlayın.

00:00:53.811 --> 00:00:56.703
İki hastanenin de son 1000 hastasını

00:00:56.703 --> 00:01:01.132
sağlıklı gelenler ve sağlıksız
gelenler olarak bölersek

00:01:01.132 --> 00:01:03.772
resim çok daha farklı görünmeye başlar.

00:01:03.772 --> 00:01:07.849
A hastanesine sağlıksız durumda gelen
sadece 100 hasta varken

00:01:07.849 --> 00:01:10.325
30'u kurtarılmıştır.

00:01:10.325 --> 00:01:14.852
Fakat B hastanesinde 400 hastadan
210'u kurtarılmıştır.

00:01:14.852 --> 00:01:17.169
O zaman B hastanesi

00:01:17.169 --> 00:01:20.741
ağır durumda gelen hastalar için 
%52,5 kurtulma oranıyla

00:01:20.741 --> 00:01:24.526
daha iyi bir seçimdir.

00:01:24.526 --> 00:01:28.445
Peki ya hastanızın sağlığı hastaneye
vardığında iyiyse?

00:01:28.445 --> 00:01:32.271
Garip gelebilir ama B hastanesi 
%98 hayatta kalma oranıyla

00:01:32.271 --> 00:01:35.676
yine daha iyi bir seçimdir.

00:01:35.676 --> 00:01:39.263
Her iki gruptan hastalar için B hastanesi
daha iyi kurtulma oranına sahipken

00:01:39.263 --> 00:01:44.830
A hastanesi genelde nasıl daha iyi
bir kurtulma orana sahip olabilir?

00:01:44.830 --> 00:01:48.589
Karşılaştığımız şey, 
gruplandırma şekline bağlı olarak

00:01:48.589 --> 00:01:51.899
aynı verilerin 
zıt eğilimler gösterebildiği

00:01:51.899 --> 00:01:54.664
Simpson paradoksudur.

00:01:54.664 --> 00:01:58.744
Bu durum genelde kümelenmiş bilgi
koşullu bir değişkeni örttüğünde oluşur,

00:01:58.744 --> 00:02:01.377
karışıklığa neden olan değişken
olarak da bilinir,

00:02:01.377 --> 00:02:06.584
bu ise sonuçları önemli ölçüde etkileyen
gizli bir ek faktördür.

00:02:06.584 --> 00:02:10.023
Buradaki gizli faktör, sağlıklı ve
sağlıksız gelen hastaların

00:02:10.023 --> 00:02:13.264
göreceli oranıdır.

00:02:13.264 --> 00:02:16.544
Simpson paradoksu basit bir 
varsayımsal durum değildir.

00:02:16.544 --> 00:02:18.924
Gerçek dünyada ara sıra,

00:02:18.924 --> 00:02:22.132
bazen önemli durumlarda ortaya çıkar.

00:02:22.132 --> 00:02:24.130
Birleşik Krallık'ta yapılan bir araştırma

00:02:24.130 --> 00:02:27.600
sigara içenlerin içmeyenlerden
-yirmi yıldan fazla bir sürede-

00:02:27.600 --> 00:02:30.216
daha yüksek yaşama oranına 
sahip olduğunu gösteriyordu.

00:02:30.216 --> 00:02:33.307
Katılımcıların yaş gruplarına bölünmesi,

00:02:33.307 --> 00:02:37.823
sigara içmeyenlerin önemli oranda
ortalamadan yaşlı olduğunu

00:02:37.823 --> 00:02:40.930
ve bu nedenle genel olarak
daha uzun yaşadıkları için

00:02:40.930 --> 00:02:44.438
tam da deney sırasında ölmelerinin
muhtemel olduğunu gösteriyordu.

00:02:44.438 --> 00:02:47.286
Burada karışıklığa yol açan
değişken yaş gruplarıdır ve

00:02:47.286 --> 00:02:50.176
veriyi doğru yorumlamada 
son derece önemlidir.

00:02:50.176 --> 00:02:51.559
Diğer bir örnekte ise

00:02:51.559 --> 00:02:54.281
Florida'nın idam cezası 
davalarının analizi,

00:02:54.281 --> 00:02:58.265
cinayetten hükümlü
siyahi ve beyaz zanlılar arasında

00:02:58.265 --> 00:03:01.581
ceza kararlarında ırksal eşitsizliğin
olmadığını ortaya çıkarır.

00:03:01.581 --> 00:03:06.396
Fakat davaları mağdurun ırkına göre 
ayırmak farklı bir tablo gösterir.

00:03:06.396 --> 00:03:07.969
Her iki durumda da

00:03:07.969 --> 00:03:11.091
siyahi davalıların idam cezası alması
daha muhtemeldir.

00:03:11.091 --> 00:03:15.066
Beyaz sanıkların genel ceza oranlarının
nispeten yüksek olması,

00:03:15.066 --> 00:03:18.692
mağdurların beyaz olduğu davalarda


00:03:18.692 --> 00:03:21.359
idam cezasının çıkmasının,

00:03:21.359 --> 00:03:24.091
mağdurun siyahi olduğu davalardan
daha muhtemel olması

00:03:24.091 --> 00:03:28.483
ve çoğu cinayetin aynı ırktan insanlar
arasında olmasından dolayıydı.

00:03:28.483 --> 00:03:31.319
Peki çelişkiye düşmekten 
nasıl kurtulabiliriz?

00:03:31.319 --> 00:03:34.686
Ne yazık ki hepsine uyan bir cevap yok.

00:03:34.686 --> 00:03:38.504
Veriler birçok şekilde
gruplanıp kategoriye bölünebilir

00:03:38.504 --> 00:03:42.106
ve genel rakamlar bazen 
yanıltıcı ve rastlantısal kategorilere

00:03:42.106 --> 00:03:46.638
bölünen verilerden
daha doğru bir tablo verir.

00:03:46.638 --> 00:03:52.089
Tek yapabileceğimiz, 
istatistiğin verdiği geçerli durumu

00:03:52.089 --> 00:03:55.977
iyi inceleyip karışıklığa neden olan 
değişkeni olup olmadığını düşünmektir.

00:03:55.977 --> 00:03:59.378
Aksi takdirde kendimizi, verileri 
başkalarını yönlendirmek ve

00:03:59.378 --> 00:04:02.809
kendi çıkarlarını korumak için 
kullananlara karşı savunmasız bırakırız.