어떻게 통계가 오해를 불러 일으킬 수 있는가 |마크 리델 (Mark Liddell)
-
0:07 - 0:09통계는 설득력이 있습니다.
-
0:09 - 0:13너무 설득력이 있어서
사람들, 단체, 그리고 국가들은 -
0:13 - 0:18그 정리된 데이터를 기반으로
중대한 결정을 내립니다. -
0:18 - 0:19하지만 거기에는 문제가 있습니다.
-
0:19 - 0:23어떤 통계든,결과를
완전히 뒤집을 수 있는 -
0:23 - 0:27무언가가 숨어있을 수도 있습니다.
-
0:27 - 0:31예를 들어, 여러분이 나이 든
친척 어른의 수술을 위해 -
0:31 - 0:34두 병원 중 하나를 골라야
한다고 생각해봅시다. -
0:34 - 0:36최근 두 병원에서 치료받은
1,000명의 환자 중에 -
0:36 - 0:40병원 A에서는 900명이 살아남았고
-
0:40 - 0:43반면, 병원 B에서는
800명이 살아 남았습니다. -
0:43 - 0:46그렇다면 병원 A가
더 나은 선택 같이 보입니다. -
0:46 - 0:48하지만 그러한 결정을 내리기 전에
-
0:48 - 0:51모든 환자가 똑같은 건강
상태로 병원에 오는 것이 -
0:51 - 0:54아니라는 사실을 기억해야 합니다.
-
0:54 - 0:57최근에 두 병원에 온
환자 1,000명을 -
0:57 - 1:01건강한 사람과 아픈 사람으로 나눠 보면
-
1:01 - 1:04상황이 달라 보이기 시작할 것입니다.
-
1:04 - 1:08병원 A에는 나쁜 건강 상태의
환자가 100명 밖에 오지 않았고 -
1:08 - 1:10그 중에 30명이 살았습니다.
-
1:10 - 1:12병원 B에는 나쁜 건강 상태의
환자 400명이 왔고 -
1:12 - 1:15210명을 살릴 수 있었습니다.
-
1:15 - 1:17따라서 병원 B가 더 나은 선택입니다.
-
1:17 - 1:21나쁜 건강 상태로 병원에 온
환자들에게 말이죠. -
1:21 - 1:25생존율이 52.5%나 되니까요.
-
1:25 - 1:26하지만 만약 당신의 친척이
-
1:26 - 1:28좋은 건강 상태로
병원을 가신다면 어떨까요? -
1:28 - 1:32이상하게도, 병원 B가 여전히
더 나은 선택입니다. -
1:32 - 1:36생존율이 98%나 되니까요.
-
1:36 - 1:39그런데도 어떻게 병원 A의 전반적인
생존율이 더 높을 수 있을까요? -
1:39 - 1:42병원 B가 각각 2개 그룹
환자의 더 높은 -
1:42 - 1:45생존율을 가지고 있는데도 말입니다.
-
1:45 - 1:49여기서 우리가 알아야 할 것이
바로 심슨의 역설입니다. -
1:49 - 1:52같은 자료라도 어떻게
분류하는 지에 따라 -
1:52 - 1:55정반대의 결과를 보일 수 있는 거죠.
-
1:55 - 1:59이는 취합한 데이터가 조건부 변수를
감추고 있을 때 종종 발생합니다. -
1:59 - 2:01그 변수를 잠복 변수라고도 합니다.
-
2:01 - 2:07결과에 중대한 영향을 미치는
숨겨진 추가적 요인이죠. -
2:07 - 2:10이 병원 사례에서 숨겨진 요인은
병원에 온 환자들의 -
2:10 - 2:13건강 상태에 대한 상대적인
비율이라고 할 수 있습니다. -
2:13 - 2:17심슨의 역설은 단지
가상 시나리오가 아닙니다. -
2:17 - 2:19그것은 현실에서도 종종 나타납니다.
-
2:19 - 2:22때로는 중요한 순간에 말입니다.
-
2:22 - 2:24영국의 한 연구에서는
-
2:24 - 2:28흡연자들이 비흡연자들보다
더 높은 생존율을 보였습니다. -
2:28 - 2:3020년 동안 연구를 한 결과 말이죠.
-
2:30 - 2:33그것은 참가자들을 연령대별로
분류하기 전까지 맞는 말이었습니다. -
2:33 - 2:38그런데 비흡연 참가자들은 평균적으로
나이가 많은 사람들이었습니다. -
2:38 - 2:41그래서 연구 기간 동안
사망할 확률이 더 높았던거죠. -
2:41 - 2:44정확히 말하면, 그들이 그냥 더 오래
살았기 때문이었어요. -
2:44 - 2:47여기서는 연령대가 숨은 변수이자
-
2:47 - 2:50데이터를 바르게 해석하기 위한
필수적인 요소였습니다. -
2:50 - 2:52다른 예에서는
-
2:52 - 2:54플로리다주의 사형 사건들을 분석해 보면
-
2:54 - 2:58살인죄로 유죄를 선고받은
흑인과 백인 피고인들 사이에 -
2:58 - 3:02인종 차별이 없는 것을
알 수 있습니다. -
3:02 - 3:06하지만 사건을 피해자의 인종에 따라
분류할 경우, 이야기는 달라집니다. -
3:06 - 3:08각각의 경우
-
3:08 - 3:11흑인 피고인이 사형을 선고받은
확률이 더 높았습니다. -
3:11 - 3:15백인 피고인에 대한 전체적인
사형 선고율이 조금 높아지는 이유는 -
3:15 - 3:19피해자가 백인인 경우의 사건에서
-
3:19 - 3:21사형 선고를 받을 가능성이
높기 때문입니다. -
3:21 - 3:24피해자가 흑인일 경우보다 말입니다.
-
3:24 - 3:28그리고 대부분의 살인은 같은
인종 간에 발생했습니다. -
3:28 - 3:31그렇다면 우리는 어떻게 하면 이러한
역설을 피할 수 있을까요? -
3:31 - 3:35불행히도, 딱 정해진 답이 없습니다.
-
3:35 - 3:39자료는 수많은 기준에
따라 분류 될 수 있으며 -
3:39 - 3:42오히려 데이터 전체가 더 정확한
그림을 보여주기도 합니다. -
3:42 - 3:47자의적이고 잘못된 방식으로
분류된 데이터보다 말이죠. -
3:47 - 3:52우리가 할 수 있는 것은 통계가
묘사하는 실제 상황을 꼼꼼히 연구하고 -
3:52 - 3:56숨은 변수가 있지는 않은지
생각해보는 것입니다. -
3:56 - 3:59그렇지 않으면 우리는
스스로를 지키기 힘들어집니다. -
3:59 - 4:03사람들이 오해하게 데이터를
이용하는 사람들로부터 말입니다.
- Title:
- 어떻게 통계가 오해를 불러 일으킬 수 있는가 |마크 리델 (Mark Liddell)
- Speaker:
- Mark Liddell
- Description:
-
more » « less
전체 강의 보기: http://ed.ted.com/lessons/how-statistics-can-be-misleading-mark-liddell
통계는 설득력이 있습니다. 너무 설득력이 있어서 사람들, 단체, 그리고 국가들은 그 정리된 데이터를 기반으로 몇 가지 중대한 결정을 내립니다. 그러나 어떤 통계든, 그 결과를 완전히 뒤집을 수 있는 무언가가 숨어있을 수도 있습니다. 마크 리델은 심슨의 역설에 대해 연구합니다.
강연: 마크 리델, 영상: 틴마우스 애니메이션 스튜디오.
- Video Language:
- English
- Team:
closed TED
- Project:
- TED-Ed
- Duration:
- 04:19
|
Jihyeon J. Kim approved Korean subtitles for How statistics can be misleading | |
|
|
Jihyeon J. Kim edited Korean subtitles for How statistics can be misleading | |
|
|
Jihyeon J. Kim edited Korean subtitles for How statistics can be misleading | |
|
|
Jihyeon J. Kim edited Korean subtitles for How statistics can be misleading | |
|
suhyeon sim accepted Korean subtitles for How statistics can be misleading | |
|
|
suhyeon sim edited Korean subtitles for How statistics can be misleading | |
|
|
suhyeon sim edited Korean subtitles for How statistics can be misleading | |
|
|
suhyeon sim edited Korean subtitles for How statistics can be misleading |