چگونه آمار می تواند گمراه کننده باشد- مارک لیدل
-
0:07 - 0:09علمِ آمار متقاعد کننده است.
-
0:09 - 0:13آنقدر که افراد، سازمان ها،
و تمامی کشورها -
0:13 - 0:18برخی از تصمیمات بسیار مهمشان را
بر پایه داده های طبقه بندی شده می گذارند. -
0:18 - 0:19ولی این یک ایراد دارد.
-
0:19 - 0:23هر مجموعه آماری ممکن است
چیزی در خفا در خود داشته باشد، -
0:23 - 0:27چیزی که ممکن است نتایج را بکلی
تغییر دهد. -
0:27 - 0:31بعنوان مثال، تصور کنید
که باید از بین دو بیمارستان یکی را -
0:31 - 0:34را برای جراحی یک
خویشاوند مُسن انتخاب کنید. -
0:34 - 0:36از ۱٫۰۰۰ نفر بیمار اخیر هر بیمارستان،
-
0:36 - 0:40۹۰۰ نفر در بیمارستان الف جان بدر بردند،
-
0:40 - 0:43در حالیکه در بیمارستان ب ۸۰۰ نفر
زنده ماندند. -
0:43 - 0:46پس بنظر می آید که بیمارستان الف
گزینه بهتری است. -
0:46 - 0:48ولی قبل از اینکه تصمیم بگیرید،
-
0:48 - 0:51بخاطر داشته باشید که
همه بیماران با سلامت یکسان -
0:51 - 0:54به بیمارستان آورده نشده اند.
-
0:54 - 0:57و اگر ۱٫۰۰۰ بیمار اخیر هر بیمارستان
را به دو گروه تقسیم کنیم -
0:57 - 1:01آنهایی که به سلامت خوبی آمدند،
و اونهایی که با سلامت کم آمده اند، -
1:01 - 1:04تصویر بسیار متفاوتی بنظر می آید.
-
1:04 - 1:08بیمارستان الف تنها ۱۰۰ بیمار با سلامت
کم داشته است، که -
1:08 - 1:10۳۰ تا از آنها زنده ماندند.
-
1:10 - 1:15اما بیمارستان ب ۴۰۰ تا داشته،
که توانستن ۲۱۰ تا را نجات دهد. -
1:15 - 1:17پس بیمارستان ب گزینه بهتریست برای
-
1:17 - 1:21بیمارانی که با شرایط سلامتی
ضعیف می رسند، -
1:21 - 1:25با نرخ حیات ۵۲/۵ %.
-
1:25 - 1:28و اگر حال خویشاوند شما وقتی
به بیمارستان می رسد خوب باشد چطور؟ -
1:28 - 1:32شگفت آور اینکه، بیمارستان ب
هنوز گزینه بهتری است، -
1:32 - 1:36با نرخ نجات بالای ۹۸%.
-
1:36 - 1:39پس چطور بیمارستان الف می تواند
نرخ بقای کلی بهتری داشته باشد -
1:39 - 1:45اگر بیمارستان ب برای بیماران در
هر یک از گروه نرخ بقای بهتری دارد؟ -
1:45 - 1:49چیزی که ما به آن مواجهیم موردی
از پاردوکس سیمسون است، -
1:49 - 1:52جایی که مجموعه داده های یکسان
می توانند روند متضاد نشان دهند، -
1:52 - 1:55بسته به آنکه چگونه دسته بندی شده اند.
-
1:55 - 1:59این اغلب وقتی رخ می دهد که انبوه داده ها
یک متغیر مشروط را پنهان کرده اند، -
1:59 - 2:01چیزی که به متغیر مخفی شناخته می شود،
-
2:01 - 2:07که یک فاکتور نهانی اضافی است که نتایج
را بطور چشمگیری تحت تاثیر قرار می دهد. -
2:07 - 2:10در اینجا، فاکتور پنهان نسبت
سهم بیمارانی است که -
2:10 - 2:13با حالِ خوب یا بد حال به بیمارستان می رسند.
-
2:13 - 2:17پاردوکس سیمسون فقط یک
سناریو فرضی نیست. -
2:17 - 2:19گاه به گاه در دنیا واقعی
سر می زند، -
2:19 - 2:22بضی اوقات در زمینه های مهم.
-
2:22 - 2:24یک مطالعه در بریتانیا اینطور نشان می داد
-
2:24 - 2:28که سیگاری ها بیشتر از غیر سیگاری ها شانس
زنده ماندن دارند -
2:28 - 2:30در یک دوره ۲۰ ساله.
-
2:30 - 2:33تقسیم شرکت کنندگان
در گروههای سنی -
2:33 - 2:38نشان میدهد که افراد غیرسیگاری
بطور چشمگیری مسنتر از متوسط افراد هستند، -
2:38 - 2:41و در نتیجه ممکن هست
که در دوره این بررسی فوت کنند، -
2:41 - 2:44دقیقا به دلیل اینکه آنها
زندگی طولانیتر داشتهاند. -
2:44 - 2:47در اینجا، گروه های سنی در خفا مانده،
-
2:47 - 2:50و تفسیر درست داده ها حیاتی است.
-
2:50 - 2:52در مثال دیگری،
-
2:52 - 2:54تحلیلی در مورد حکم های اعدام در فلوریدا
-
2:54 - 2:58نشان میدهد که هیچ
اختلاف نژادی در صدور حکم -
2:58 - 3:02بین متهمین سفید پوست و سیاه پوست
محکوم به اعدام وجود ندارد. -
3:02 - 3:06اما جداسازی پروندهای با نژاد قربانیان
داستان دیگری را بیان میکند. -
3:06 - 3:08در هر دو وضعیت،
-
3:08 - 3:11حکم اعدام بیشتری برای متهمین
سیاه پوست صادر شده است. -
3:11 - 3:15در کل نرخ حکم اعدام برای
متهمین سفید پوست کمی بیشتر بوده -
3:15 - 3:19بر پایه این واقعیت که قربانیهای آنها
سفید پوست بودند -
3:19 - 3:22تا اینکه حکم اعدام برای مواردی که
قربانیهای آنها سیاه پوست بوده اند، -
3:22 - 3:26( اگر قربانیها سفیدپوست بود حکم اعدام
بیشتری صادر میشد تا اگر سیاهپوست بود) -
3:26 - 3:29ضمن اینکه بیشتر قتلها بین افراد
همنژاد اتفاق میافتد. -
3:29 - 3:31خُب چگونه میتوان از افتادن
در این تناقضات اجتناب کنیم؟ -
3:31 - 3:35متاسفانه،
پاسخ مناسبی برای این وجود ندارد. -
3:35 - 3:39دادهها میتوانند به روشهای متعددی
دستهبندی و تقسیمبندی شوند، -
3:39 - 3:42و تعداد کلی ممکن است گاهی
یک تصویر دقیقتری را ارائه دهد -
3:42 - 3:47تا تقسیمبندی گمراه کننده
و یا دستههای دلخواه دادهها. -
3:47 - 3:52آنچه که میتوانیم بکنیم این است که به دقت
وضعیتهای واقعی آمارها را مطالعه کنیم -
3:52 - 3:56و نظر گرفتن اینکه آیا متغیرهای پنهانی
ممکن است وجود داشته باشد. -
3:56 - 3:59در غیر این صورت، خودمان را
در مقابل کسانی که ازاین دادهها برای -
4:00 - 4:04گول زدن مردم و ترویج برنامههایشان
از آنها استفاده میکنند آسیبپذیر میکنیم.
- Title:
- چگونه آمار می تواند گمراه کننده باشد- مارک لیدل
- Speaker:
- Mark Liddell
- Description:
-
more » « less
درس کامل را اینجا ببینید: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
علم آمار متقاعد کننده است. به طوری که افراد، سازمان‌ها و کشورها برخی از تصمیمات بسیار مهمشان را
بر پایه داده های طبقه بندی شده می گذارند. اما هر مجموعه‌ای از آمارها ممکن است در درونش چیزی نهفته باشد که چیزی که ممکن است نتایج را بکلی تغییر دهد.. مارک لیدل تناقض سیمسون را بررسی میکند.درس: مارک لیدل- پویانمایی: استودیوی ساخت پویانمایی تین موس
- Video Language:
- English
- Team:
closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
|
b a approved Persian subtitles for How statistics can be misleading | |
|
|
b a edited Persian subtitles for How statistics can be misleading | |
|
|
b a edited Persian subtitles for How statistics can be misleading | |
|
|
b a edited Persian subtitles for How statistics can be misleading | |
|
Hajar Almasi accepted Persian subtitles for How statistics can be misleading | |
|
|
Hajar Almasi edited Persian subtitles for How statistics can be misleading | |
|
|
Hajar Almasi edited Persian subtitles for How statistics can be misleading | |
|
|
Hajar Almasi edited Persian subtitles for How statistics can be misleading |