Kluczowe wnioski
Używaj liczb, by badać rzeczywistość, a nie odruchowo ją odrzucać
Statystyka może pomóc wyjaśnić rzeczywistość. Europejskie porównanie wykazało, że w krajach, w których było więcej bocianów, rodziło się też więcej dzieci. Zależność była rzeczywista, ale większe kraje miały więcej jednych i drugich, więc ten wzorzec nie dowodził, że bociany powodują narodziny. To ostrzeżenie przed pochopną interpretacją, a nie powód, by całkowicie nie ufać liczbom. W latach czterdziestych i pięćdziesiątych XX wieku Richard Doll i Austin Bradford Hill porównali pacjentów chorych na raka płuc z podobnymi pacjentami szpitalnymi, a następnie przez dłuższy czas obserwowali tysiące lekarzy. Zebrane przez nich dowody wykazały, że nałogowi palacze byli narażeni na raka płuc mniej więcej szesnaście razy bardziej niż osoby niepalące.
Metoda ma znaczenie. Starannie licząc przypadki, porównując właściwe grupy i obserwując ludzi przez dłuższy czas, można było odróżnić niebezpieczną przyczynę od przypadkowej zależności. Zebrane dowody przekonały lekarzy do rzucenia palenia i pomogły zapobiec zgonom. Statystyka nie jest automatycznie prawdziwa, ale bez systematycznego gromadzenia dowodów nawet poważne zagrożenie może pozostać niewidoczne.
Ważna jest tu różnica między sceptycyzmem a cynizmem. Sceptycyzm pyta, jak zmierzono dane twierdzenie i co jeszcze mogłoby wyjaśnić zaobserwowany wzorzec. Cynizm traktuje każdą odpowiedź jako podejrzaną, przez co może równie skutecznie chronić ulubione przekonanie, co łatwowierność. Badania nad paleniem pokazują też, dlaczego dowody często gromadzą się dzięki kilku różnym metodom, a nie jednemu doskonałemu eksperymentowi. Mimo to sama silna zależność nie jest uniwersalnym przepisem na udowodnienie związku przyczynowego. Istotne jest pytanie, czy zbiegają się ze sobą różne rodzaje dowodów i czy proponowane wyjaśnienie wytrzymuje konfrontację z poważnymi alternatywami.
Zatrzymaj się, gdy liczba potwierdza dokładnie to, w co chcesz wierzyć
Pragnienia zmieniają obraz dowodów. W 1937 roku czołowy znawca twórczości Vermeera Abraham Bredius ogłosił, że nowo odnaleziony obraz religijny jest arcydziełem. Był to współczesny falsyfikat autorstwa Han van Meegerena, który dopasował go do teorii Brediusa na temat Vermeera. Wiedza krytyka dawała mu więcej powodów, by uwierzyć w autentyczność obrazu, ale pragnienie odnalezienia zaginionego arcydzieła sprawiło, że przeoczył podstawowy sygnał ostrzegawczy: dzieło nie przypominało innych prac Vermeera.
Zwróć uwagę na swoją reakcję. Psychologowie nazywają rozumowaniem motywowanym sposób rozumowania ukierunkowany na pożądany wniosek. W eksperymentach osoby, którym zależało na wysokich cenach pszenicy, miały skłonność do przewidywania ich wzrostu; ci, którym sprzyjała tania pszenica, prognozowali coś przeciwnego. Zanim udostępnisz jakieś twierdzenie albo je odrzucisz, zauważ, czy wywołuje w tobie triumf, gniew czy ulgę. Taka emocjonalna reakcja to powód, by zwolnić, a nie dowód, że twierdzenie jest fałszywe.
Uderzające jest to, że uprzedzenie nie wymaga świadomej nieuczciwości. Ludzie mogą szczerze szukać dowodów, a jednocześnie stosować surowsze kryteria wobec niepożądanych ustaleń niż wobec tych, które im odpowiadają. Dlatego warto celowo się zatrzymać: można wtedy przyjrzeć się stosowanym kryteriom, a nie tylko samemu wnioskowi. Tę samą dyscyplinę można wprowadzić na poziomie instytucji, na przykład przez ślepą recenzję, w której oceniający analizują metody, nie wiedząc, czyją pracę oceniają. Świadomość emocji nie zastąpi dowodów i nie wymaże tożsamości ani presji społecznej, ale może przerwać najszybszą drogę od preferencji do pewności.
Traktuj osobiste doświadczenie jako wskazówkę, nie reprezentatywną próbę
Średnie mogą skrywać indywidualne doświadczenia. Podczas dojazdów do pracy w Londynie Tim Harford miał wrażenie, że autobusy i pociągi są zatłoczone, mimo że oficjalne dane wskazywały na ich niskie średnie obłożenie. Oba opisy mogły być prawdziwe: podróżował w godzinach szczytu, a średnia uwzględniała także puste pojazdy i pociągi jadące w kierunku przeciwnym do głównego nurtu dojazdów. Statystyka dotycząca przeciętnego pociągu nie musi opisywać podróży przeciętnego pasażera.
Niektóre wzorce widać dopiero w dużej skali. Doświadczenia jednej rodziny nie wystarczą, by ustalić, czy leczenie spowodowało powrót do zdrowia, a anegdota o dziecku, u którego zdiagnozowano autyzm po szczepieniu MMR, nie pozwala sprawdzić, czy szczepionka zwiększa ryzyko. Duńskie badanie, w którym obserwowano około 650 tysięcy dzieci, wykazało, że diagnozy autyzmu stawiano z mniej więcej taką samą częstością wśród dzieci zaszczepionych i niezaszczepionych. Osobiste doświadczenia mogą podsuwać pytania i pokazywać, jak ludzie przeżywają dane sytuacje; porównania na większą skalę pozwalają badać ogólne wzorce.
To cenna korekta fałszywego wyboru między doświadczeniem z pierwszej ręki a statystyką. W takich dziedzinach jak medycyna czy planowanie przestrzeni miejskiej średnie wyliczone na podstawie danych liczbowych mogą ujawnić wzorce niedostrzegalne dla pojedynczej osoby, a relacje osobiste pokazują ciężar, który umyka miarom zbiorczym. Najważniejsze, by dopasować dowody do pytania: doświadczenie może pokazać, co przydarzyło się jednej osobie, ale zwykle nie ustali, co stałoby się bez danej interwencji. Z kolei średnia dla całej populacji nie może narzucać jednostce tego, co ma czuć ani jaką decyzję podjąć. Żadna z tych perspektyw nie jest sama w sobie pełna.
Zdefiniuj rzecz, zanim zaczniesz ją liczyć
Słowa kształtują wynik. Tim Harford nazywa przedwczesnym zliczaniem wykonywanie obliczeń, zanim ustali się, co oznaczają liczby. W Wielkiej Brytanii szpitale różniły się tym, czy niektóre ciąże zakończone około dwudziestego drugiego lub dwudziestego trzeciego tygodnia klasyfikowano jako późne poronienia, czy jako żywe urodzenia, po których następował wczesny zgon. Różnice w sposobie ewidencjonowania tłumaczyły znaczną część pozornej różnicy w śmiertelności noworodków między szpitalami. Rzeczywiste wyniki się nie zmieniły, zmieniły się etykiety.
Dokładnie określ, co mierzysz. Twierdzenie o nierównościach może dotyczyć dochodu albo majątku netto. W zależności od przyjętej miary młody specjalista z wyższym wykształceniem i długiem studenckim może wypadać jako osoba uboższa niż ktoś, kto ma niewiele aktywów, ale nie ma długów. Nagłośnione przez Oxfam porównanie miliarderów z najbiedniejszą połową ludności świata uległo znacznym zmianom w miarę korygowania obliczeń. Zanim ocenisz statystykę, zapytaj, co policzono, kogo uwzględniono i jak zdefiniowano kluczowe pojęcia.
Ta zasada wykracza poza statystykę i obejmuje prawo, medycynę oraz administrację publiczną: kategorie decydują o tym, kto staje się widoczny dla systemu i jakie działania zostaną podjęte. Definicja nie jest jedynie technicznym szczegółem, jeśli zmienia wskaźnik śmiertelności albo dostęp do usług. Definicje nie zawsze są jednak neutralnym wyborem, przy którym jedna odpowiedź jest oczywiście właściwa. Badacze powinni jasno przedstawiać przyjęte rozwiązania, wyjaśniać, jak zmieniłyby się wyniki przy zastosowaniu alternatywnych definicji, i nie sugerować, że liczba rozstrzyga etyczne pytanie kryjące się za daną kategorią.
Każdą statystykę opatrz ramami czasowymi, punktem odniesienia i miarą skali
Pojedynczy obraz może wprowadzać w błąd. W 2018 roku przez jeden miesiąc w Londynie odnotowano chwilowo więcej zabójstw niż w Nowym Jorku. Tak wąskie porównanie niewiele mówiło o długofalowym zagrożeniu: w Londynie liczba zabójstw spadła ze 184 w 1990 roku do 130 w 2017, podczas gdy w Nowym Jorku zmniejszyła się z 2262 do 292. W tym okresie oba miasta stały się znacznie bezpieczniejsze, choć miesięczne liczby nadal się wahały.
Zmień perspektywę czasową. Rytm krótkich wiadomości sprzyja nagłym, dramatycznym wydarzeniom; dłuższa perspektywa pozwala dostrzec wolniejsze trendy. Globalny obraz przeżywalności dzieci pokazuje na przykład zmianę: z około 32 zgonów przed ukończeniem piątego roku życia na 100 dzieci w 1918 roku do około czterech w 2018 roku. Porównania pozwalają też ocenić skalę: proponowany mur graniczny w USA, którego budowa miała kosztować 25 miliardów dolarów, oznaczał wydatek około 75 dolarów na każdego Amerykanina — kwotę łatwiejszą do ogarnięcia niż sama suma całkowita.
Kontekst działa jak mianownik dla uwagi: pozwala odróżnić istotną zmianę od zwykłych wahań, a alarmującą sumę od kosztu, który ma realne konsekwencje. Porównanie nadal musi pasować do pytania. Koszt na osobę może ułatwić zrozumienie budżetu, ale przesłonić to, kto płaci i kto korzysta; trend obejmujący całe stulecie może ukazać postęp, a zarazem ukryć niedawne odwrócenie tendencji. Kontekst powinien poszerzać interpretację, a nie z góry wybierać pokrzepiający werdykt. Warto zapytać, jakie porównanie najbardziej zmieniłoby nasze rozumienie sprawy.
Szukaj badań i niepowodzeń, które nie trafiły na pierwsze strony gazet
Historie sukcesu pozostają w obiegu. Słynny eksperyment z dżemem sugerował, że kupujący znacznie częściej dokonywali zakupu, gdy mieli do wyboru sześć odmian, a nie dwadzieścia cztery. Późniejsze próby powtórzenia badania nie potwierdziły tak dużego efektu. Gdy badacze zebrali opublikowane i nieopublikowane wyniki, średni wpływ większego wyboru był bliski zeru. Pierwotny wynik zapadał w pamięć, natomiast nieudane powtórzenia i zwyczajne rezultaty były znacznie mniej widoczne.
Publikacje faworyzują zaskakujące wyniki. W projekcie, w ramach którego powtórzono sto znaczących badań psychologicznych, tylko trzydzieści dziewięć uznano za potwierdzające pierwotne ustalenia. Preferowanie przez czasopisma wyrazistych wyników, bodźce zawodowe skłaniające badaczy do uzyskiwania takich rezultatów oraz elastyczność analiz mogą ukrywać wyniki zerowe. To obciążenie publikacyjne. W przypadku decyzji dotyczących zdrowia stawka może być wysoka: opublikowane badania nad lekami przeciwdepresyjnymi wyglądały na zdecydowanie pozytywne, dopóki badacze nie odkryli wielu nieopublikowanych lub błędnie przedstawionych wyników negatywnych.
Nie chodzi o to, że opublikowane badania są bezwartościowe, lecz o to, że pojedynczy artykuł jest jednym obserwowanym elementem procesu badawczego, a nie całym tym procesem. Wcześniejsza rejestracja badań, kompletne rejestry prób klinicznych i czasopisma gotowe publikować wyniki negatywne ułatwiają przyjrzenie się temu procesowi. Powtarzanie badań również wymaga namysłu: nieudana próba odtworzenia wyniku może świadczyć o kruchości pierwotnego efektu, innej populacji albo zmienionej procedurze. Najmocniejsze wnioski płyną z przejrzystego zbioru dowodów, który obejmuje także rzetelne próby nieprzynoszące ekscytujących rezultatów.
Pytaj, kogo pominięto w danych, także tych, którzy nigdy nie odpowiedzieli
Ogromna próba może być stronnicza. W 1936 roku ankietę „Literary Digest” wypełniło 2,4 miliona osób, a sondaż przewidywał, że republikanin Alfred Landon pokona Franklina Roosevelta. George Gallup, opierając się na znacznie mniejszym sondażu obejmującym około 3000 osób, przewidział zwycięstwo Roosevelta. Listy adresatów „Literary Digest” nadmiernie reprezentowały osoby posiadające samochody i telefony, a zwolennicy Landona częściej odpowiadali na ankietę. Ogromna próba pozwoliła precyzyjnie oszacować niewłaściwą populację.
Brakujące dane zmieniają znaczenie. Wczesne badania rynku pracy w Ugandzie pomijały znaczną część pracy kobiet, ponieważ pytano wyłącznie o główne zajęcie. Pytania o dodatkowe zajęcia ujawniły około 700 tysięcy kolejnych pracujących. Współczesne zbiory danych cyfrowych mają podobne martwe pola: mapa tworzona na podstawie zgłoszeń ze smartfonów może odzwierciedlać to, kto ma takie telefony i z nich korzysta, a nie wszystkie dziury w jezdni czy wszystkich mieszkańców. Pytaj, jakich grup, doświadczeń i nieudzielonych odpowiedzi brakuje.
Brakujące dane to często kwestia władzy, a nie tylko doboru próby. Jeśli nie zbiera się danych o pracy nieodpłatnej, przemocy domowej czy stanie zdrowia danej grupy, trudniej zająć się tymi problemami, a czasem nawet je opisać. Rozwiązaniem nie jest po prostu gromadzenie większej ilości danych: większe badanie może powielić te same wykluczenia, a natarczywe zbieranie informacji może naruszać prywatność. Dobra praktyka polega na ustaleniu, kogo brakuje, wyjaśnieniu przyczyn i sprawdzeniu, czy wnioski pozostają aktualne przy wiarygodnych założeniach dotyczących nieobserwowanych przypadków.
Żądaj dowodów, zanim pozwolisz algorytmowi-czarnej skrzynce zadecydować o czyimś losie
Wzorce nie są wyjaśnieniami. Google Flu Trends wykorzystywał kiedyś zachowania użytkowników wyszukiwarki do szacowania liczby zachorowań na grypę szybciej niż raporty służb zdrowia publicznego. Czasem jednak brał sezonowe wyszukiwania za objawy grypy, a potem zawyżał skalę epidemii ponad dwukrotnie. Ponieważ jego twórcy nie rozumieli w pełni wykrytych przez model zależności, był on podatny na zmiany zwyczajów związanych z wyszukiwaniem albo terminów występowania grypy. Podobnie algorytm wykrywający wilki może nauczyć się rozpoznawać śnieg, a nie wilki.
Sprawdzaj decyzję, a nie aurę tajemniczości. Algorytm wykorzystywany do oceny pracy nauczycieli przyczynił się do zwolnienia 206 nauczycieli w Waszyngtonie w 2011 roku, mimo że wyniki testów uczniów były obarczone dużą losowością. W wymiarze sprawiedliwości tajny model oceny ryzyka wymagał udostępnienia dokumentów publicznych i zewnętrznych audytów, zanim można było zbadać jego trafność oraz konkurencyjne definicje sprawiedliwości. Porównuj algorytmy z decyzjami podejmowanymi przez ludzi, ujawniaj ograniczenia i żądaj niezależnej oceny, gdy stawką jest ludzkie życie.
Algorytmy mogą ograniczać niektóre ludzkie błędy, na przykład niespójność osądów, ale mogą też sprawić, że dawne nierówności będą wyglądały obiektywnie, bo zostaną zakodowane w oprogramowaniu. Przejrzystość jest konieczna, by poddać system kontroli, ale sama nie gwarantuje sprawiedliwości: model może być zrozumiały, a mimo to opierać się na niesprawiedliwym celu lub zniekształconych danych. Ocena powinna uwzględniać rzeczywiste wyniki w różnych grupach, ujawniać kompromisy i chronić prywatność. Nie należy pytać ogólnie, czy komputery są sprawiedliwsze od ludzi, lecz czy ten system, oceniany według jasno określonych kryteriów, poprawia daną decyzję.
Chroń niezależną statystykę publiczną — to infrastruktura obywatelska
Wiarygodne liczby wymagają niezależności. Amerykańskie Biuro Budżetowe Kongresu (Congressional Budget Office) powołano po to, by bezstronnie oceniało koszty polityki, nawet gdy jego wnioski nie podobały się partii sprawującej władzę. Jego roczny budżet wynosił około 50 milionów dolarów, w porównaniu z około 4 bilionami dolarów wydatków federalnych. Nawet niewielka poprawa jakości decyzji mogłaby uzasadnić taki koszt.
Zaufanie zależy od zabezpieczeń. Grecki statystyk Andreas Georgiou wielokrotnie stawał przed sądem po opublikowaniu szacunków deficytu znacznie wyższych niż początkowe dane rządu. W Argentynie statystykę Gracielę Bevacquę zwolniono, gdy sprzeciwiła się naciskom, by zaniżać inflację. Te przypadki pokazują, dlaczego oficjalne dane wymagają niezależności zawodowej, publicznego dostępu i ochrony przed ingerencją polityczną. Statystyki tego rodzaju są niedoskonałe, ale gdy się je tłumi lub manipuluje, obywatele i decydenci tracą wspólną podstawę do weryfikowania twierdzeń.
Urzędy statystyczne przypominają infrastrukturę, ponieważ korzystają z nich liczni użytkownicy: przedsiębiorstwa, badacze, samorządy, dziennikarze i obywatele opierają się na tych samych podstawowych pomiarach. Ich niezależność ma największe znaczenie wtedy, gdy wyniki są niewygodne dla urzędników. Oficjalny status nie powinien jednak działać jak gwarancja nieomylności. Urzędy potrzebują metod podlegających audytowi, przejrzystej historii korekt, zabezpieczeń prywatności i możliwości poddawania ich pracy zewnętrznej krytyce. Zaufanie jest największe wtedy, gdy instytucje umożliwiają sprawdzenie swojej pracy, zamiast oczekiwać, że społeczeństwo zaufa samemu autorytetowi.
Przyglądaj się argumentacji wykresu, a nie tylko jego urodzie
Wykres kieruje wzrokiem. Podczas wojny krymskiej Florence Nightingale posłużyła się wyrazistym diagramem kołowym, by pokazać, jak zmieniała się liczba zgonów w szpitalu wojskowym przed poprawą warunków sanitarnych i po niej. Po tym, jak komisja sanitarna oczyściła szpital, śmiertelność spadła z ponad 50 procent do około 20 procent. Diagram pomógł utrwalić te dowody w pamięci urzędników, którzy być może nigdy nie przyjrzeli się tabeli z liczbami.
Siła przekazu wizualnego może wprowadzać w błąd. Kolorowa infografika może porównywać nieporównywalne wielkości, ukrywać przyjęte definicje albo za pomocą tytułu i projektu skłaniać odbiorców do określonego wniosku. Nawet wykres zawierający poprawne dane może utrudniać porównania lub budzić silne emocje. Sprawdź osie, jednostki, zakres czasu i źródło. Zastanów się, czy wizualizacja pomaga dostrzec wzorzec, czy przede wszystkim sprawia, że twierdzenie wydaje się przekonujące.
Przekaz wizualny jest potężny między innymi dlatego, że percepcja działa szybko: odbiorca często zauważa kolory, kierunek i względne rozmiary, zanim przeczyta podpis. Dlatego projektowanie jest kwestią etycznej odpowiedzialności, a nie jedynie ozdobą. Wykres Nightingale pokazuje, że zaangażowanie w sprawę może iść w parze z rzetelnością, jeśli podstawowe dowody są wiarygodne i można je sprawdzić. Przekonujący wykres może jednak skłaniać do przedwczesnej pewności. Odbiorcy powinni traktować wykres jako argument wymagający oceny, a projektanci sprawiać, by istotne porównanie było łatwiejsze do dostrzeżenia niż efektowna forma.
Rozliczaj swoje prognozy, aktualizuj przekonania i nie przestawaj ciekawić się, czy możesz się mylić
Dobry osąd można korygować. Ekonomista Irving Fisher nadal obstawiał wzrost rynku, gdy jego inwestycje finansowane z dźwignią traciły na wartości. John Maynard Keynes również nie przewidział krachu z 1929 roku, ale ostatecznie porzucił nieskuteczną strategię prognozowania cykli koniunkturalnych i zmienił sposób inwestowania. Gotowość do wyciągania wniosków z porażek pomogła mu odrobić straty.
Nawyki pomagają lepiej prognozować. Badania Philipa Tetlocka objęły 27 500 prognoz przedstawionych przez blisko 300 ekspertów i wykazały, że sama wiedza specjalistyczna nie gwarantowała trafności. W późniejszych turniejach prognostycznych niektórzy uczestnicy poprawiali wyniki, stosując podstawowe zasady rachunku prawdopodobieństwa, wychodząc od częstości bazowych, rozliczając się z trafności prognoz i aktualizując szacunki w miarę pojawiania się nowych dowodów. Ciekawość pomaga ludziom poznawać niepożądane informacje, zamiast bronić własnego stanowiska. Poproszenie kogoś o szczegółowe wyjaśnienie jakiejś polityki może ujawnić braki w rozumieniu tematu i osłabić nadmierną pewność siebie.
Otwartość umysłu nie oznacza niezdecydowania; to metoda ograniczania kosztów pomyłki. Turnieje prognostyczne ujawniają błędy, które często zaciera pamięć i reputacja. Częstości bazowe są użytecznym punktem wyjścia, a następnie można skorygować szacunek na podstawie dowodów dotyczących konkretnego przypadku. Nie da się przewidzieć każdego ważnego przyszłego wydarzenia, a ciągłe aktualizowanie poglądów może rozpraszać, gdy nowe informacje są słabe. Zdyscyplinowane podejście polega na wyrażaniu niepewności, śledzeniu prognoz i zmienianiu wniosków proporcjonalnie do dowodów, a nie do poczucia wstydu czy otrzymanych pochwał.
Analiza
Główna teza książki głosi, że biegłość w rozumieniu statystyki polega mniej na wykonywaniu obliczeń, a bardziej na zadawaniu lepszych pytań. Liczba nie jest faktem, który sam się interpretuje. Zależy od definicji, sposobu gromadzenia danych, brakujących przypadków, grup porównawczych, bodźców oraz ludzkich motywacji towarzyszących jej wykorzystaniu. Przykłady Harforda wielokrotnie pokazują, że błędy pojawiają się jeszcze przed rozpoczęciem obliczeń: wskaźnik śmiertelności niemowląt zmienia się, gdy szpitale różnie klasyfikują wczesne porody; sondaż zawodzi, gdy miliony respondentów różnią się od wyborców, których ma reprezentować; algorytm bierze sezonowe wyszukiwania za oznakę choroby. Są to nie tylko błędy matematyczne, lecz także niepowodzenia w ujmowaniu problemów i projektowaniu instytucji.
Narracja przeciwstawia się również dwóm pokusom. Pierwszą jest łatwowierność, zwłaszcza wobec dopracowanych grafik, opublikowanych badań i systemów komputerowych. Drugą — powszechna nieufność, która ułatwia propagandystom odrzucanie niewygodnych dowodów. Praktyczną alternatywą proponowaną w książce jest zaufanie oparte na wyważonej ocenie: sprawdzanie pochodzenia danego twierdzenia, porównywanie go z innymi dowodami i rozróżnianie tego, co zbiór danych może wykazać, od tego, czego wykazać nie potrafi. Taka postawa ma znaczenie zarówno dla demokracji, jak i dla myślenia. Niezależna statystyka publiczna pozwala ludziom prowadzić spory w oparciu o wspólny zapis, a otwartość umożliwia jego podważanie i ulepszanie.
Zasady są najskuteczniejsze, gdy traktuje się je jako powiązane nawyki, a nie mechanicznie odhaczane punkty listy. Świadomość własnych emocji nie naprawi stronniczej próby; reprezentatywny zbiór danych nie rozstrzygnie sporu o definicję; przejrzyste algorytmy nadal mogą służyć złym celom. Każde zabezpieczenie dotyczy innego miejsca, w którym może dojść do błędu. Książka jest nie tyle podręcznikiem dowodzenia prawdziwości każdego twierdzenia, ile przewodnikiem po tym, jak rozpoznać, czy dane twierdzenie zasługuje na zaufanie, dalsze badanie czy zawieszenie osądu.
Najcenniejsza zmiana polega na przejściu od demaskowania do badania. Błyskotliwe obnażenie statystycznych sztuczek może bawić, a jednocześnie nie dawać czytelnikowi lepszego obrazu rzeczywistości. Ciekawość każe zrobić kolejny krok: co się wydarzyło, jak to zmierzono i jakie dowody skłoniłyby nas do zmiany wniosku? Nie daje to pewności. Pozwala jednak podejmować decyzje w sposób bardziej niezawodny w świecie, w którym nie da się uniknąć niepewności, a celowo podsycane wątpliwości często komuś służą.
Podsumowanie recenzji
Jak ogarnąć świat i odróżnić fakty od wyobrażeń zbiera przeważnie pozytywne recenzje za przystępne podejście do rozumienia statystyki. Czytelnicy doceniają angażujący sposób opowiadania Harforda i praktyczne wskazówki dotyczące krytycznej interpretacji danych. Dziesięć zasad przedstawionych w książce pomaga czytelnikom poruszać się wśród twierdzeń statystycznych i rozwijać dociekliwe podejście. Niektórzy recenzenci uznali treść za znajomą, ale większość chwaliła jej znaczenie w dzisiejszym świecie opartym na danych. Krytycy zwracali uwagę na sporadyczne stronniczość i uproszczenia. Ogólnie książka jest polecana osobom, które chcą poprawić swoją kompetencję statystyczną i umiejętność krytycznego myślenia.
Inni czytali również
Słowniczek
przedwczesne zliczanie
Zliczanie przed zdefiniowaniemOkreślenie Tima Harforda na rozpoczynanie obliczeń statystycznych, zanim wyjaśni się, co reprezentują dane wielkości. Pozornie zwyczajne kategorie, takie jak żywe urodzenie, samookaleczenie czy praca wymagająca kwalifikacji, mogą mieć różne definicje. Jeśli kategorie te zmieniają się w zależności od miejsca lub czasu, uzyskane sumy mogą wprowadzać w błąd, nawet gdy obliczenia są poprawne.
rozumowanie motywowane
Rozumowanie prowadzące do preferowanej odpowiedziSposób oceniania dowodów, w którym dana osoba, świadomie lub nieświadomie, skłania się ku pożądanemu wnioskowi. Ludzie mogą łatwo akceptować dowody potwierdzające ich przekonania, a jednocześnie dokładniej analizować lub odrzucać te, które zagrażają ich przekonaniom albo interesom. Inteligencja i doświadczenie nie eliminują tej skłonności, a czasem dostarczają kolejnych argumentów na jej rzecz.
szybka statystyka
Natychmiastowe, intuicyjne wrażeniaOkreślenie Tima Harforda na wrażenia szybko kształtowane przez osobiste doświadczenia, zapadające w pamięć wydarzenia i kontakt z mediami. Mogą one ujawniać wyraziste szczegóły lokalne, ale często nie odzwierciedlają sytuacji w szerszej populacji. Dramatyczna wiadomość może wpływać na postrzeganie ryzyka, nawet gdy dane długoterminowe pokazują inny obraz.
powolna statystyka
Dowody zebrane w sposób systematycznyOkreślenie Tima Harforda na informacje gromadzone w wyniku celowych, systematycznych pomiarów i porównań. Powolna statystyka może ujawniać trendy i zależności niedostrzegalne w indywidualnych doświadczeniach, ale wymaga rzetelnych definicji, reprezentatywnego gromadzenia danych i odpowiedniej analizy. Najlepiej sprawdza się w połączeniu z doświadczeniami ludzi, które mogą ujawniać to, co pomijają ogólne średnie.
błąd przeżywalności
Uczenie się wyłącznie na podstawie ocalałychZniekształcenie pojawiające się wtedy, gdy widoczne są tylko przypadki, które zakończyły się sukcesem lub przetrwały, a przypadki nieudane albo brakujące zostają pominięte. Badanie wyłącznie samolotów, które wróciły, odnoszących sukcesy firm, istniejących funduszy inwestycyjnych lub popularnych projektów finansowania społecznościowego może sprawiać, że ryzyko wydaje się mniejsze, a sukces łatwiejszy do powtórzenia, niż jest w rzeczywistości.
obciążenie publikacyjne
Publikowane są wyraziste wynikiSkłonność do częstszego publikowania badań przynoszących zaskakujące lub pozytywne wyniki niż badań wskazujących na brak efektu albo niepotwierdzających wcześniejszych rezultatów. W efekcie opublikowana literatura może wyolbrzymiać siłę lub wiarygodność danego odkrycia. Rejestry badań, prerejestracja i miejsca publikacji wyników negatywnych pomagają ujawnić brakujące dowody.
ogród rozgałęziających się ścieżek (garden of forking paths)
Wiele uzasadnionych wyborów analitycznychOkreślenie statystyka Andrew Gelmana na wiele uzasadnionych decyzji, które badacze mogą podejmować w sprawie tego, jakie dane zebrać, jakie wyniki mierzyć i jak analizować rezultaty. Każdy wybór tworzy kolejną możliwą ścieżkę analizy. Wybranie po obejrzeniu danych tej ścieżki, która prowadzi do atrakcyjnego wyniku, może sprawić, że przypadkowe wzorce będą wyglądać przekonująco.
HARKing
Hipotezy formułowane po poznaniu wynikówSkrót od angielskiego Hypothesizing After Results Known, czyli formułowania hipotez po poznaniu wyników. Badacze mogą analizować dane, dostrzec wzorzec i na tej podstawie sformułować hipotezę — to uzasadniony sposób tworzenia pomysłów. Problem pojawia się wtedy, gdy te same dane przedstawia się następnie jako niezależny test tej hipotezy. Aby uczciwie ją sprawdzić, potrzebne są nowe dane.
ciemne dane (dark data)
Istniejące, lecz nieobserwowane informacjeOkreślenie statystyka Davida Handa na informacje, które istnieją, lecz nie są uwzględnione w zbiorze danych, na przykład opinie osób, które nie odpowiedziały na ankietę. Analitycy mogą wiedzieć, że brakuje pewnych przypadków, nie wiedząc jednak, czym różnią się one od tych zaobserwowanych. Zignorowanie tej luki może prowadzić do stronniczych wniosków.
częstość bazowa
Ogólna częstotliwość występowania danego wynikuCzęstotliwość występowania danego wyniku w odpowiedniej grupie porównawczej, na przykład odsetek małżeństw kończących się rozwodem. Częstości bazowe są punktem wyjścia do oceny konkretnego przypadku. Bez nich wyraziste szczegóły dotyczące jednej osoby lub jednego wydarzenia mogą prowadzić do prognoz znacznie zawyżonych albo zaniżonych.
FAQ
O czym jest Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Rozumienie statystyki: Jak ogarnąć świat i odróżnić fakty od wyobrażeń Tima Harforda to książka o interpretowaniu i krytycznej ocenie informacji statystycznych w życiu codziennym.
- Dziesięć zasad: Książka przedstawia dziesięć zasad, które pomagają czytelnikom poruszać się w zawiłościach danych, kładąc nacisk na sceptycyzm i ciekawość.
- Przeciwdziałanie dezinformacji: Harford chce wyposażyć czytelników w narzędzia pozwalające odróżniać prawdę od oszustwa, wykorzystując przykłady historyczne i współczesne.
Dlaczego warto przeczytać Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Praktyczne zastosowanie: To ważna lektura dla każdego, kto na co dzień spotyka się ze statystyką; zawiera konkretne wskazówki pomocne w podejmowaniu świadomych decyzji.
- Rozwijanie krytycznego myślenia: Książka pomaga wypracować analityczne podejście do interpretowania statystyk, niezbędne w epoce dezinformacji.
- Angażujący sposób opowiadania: Harford posługuje się zajmującymi historiami i przykładami z życia, aby przedstawić złożone pojęcia w przystępny i bliski czytelnikowi sposób.
Jakie są najważniejsze wnioski z Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Dziesięć zasad rozumienia statystyki: Książka przedstawia zasady takie jak „Szukaj w sobie” i „Poznaj tło sprawy”, które pomagają oceniać statystyki.
- Znaczenie kontekstu: Harford podkreśla, że statystyk nie należy rozpatrywać w oderwaniu od kontekstu, który ma kluczowe znaczenie dla ich prawidłowej interpretacji.
- Sceptycyzm i ciekawość: Autor zachęca do przyjęcia postawy zdrowego sceptycyzmu i ciekawości, by podawać w wątpliwość wiarygodność twierdzeń statystycznych.
Jakie są najlepsze cytaty z Jak ogarnąć świat i odróżnić fakty od wyobrażeń i co oznaczają?
- „Statystyką można, jak się zdaje, «udowodnić» wszystko — nawet to, że bociany przynoszą dzieci.”: Ten cytat podkreśla możliwość manipulowania statystykami i wagę ich krytycznej oceny.
- „Dobra statystyka nie jest sztuczką, choć jest pewnego rodzaju magią.”: Podkreśla siłę statystyki, gdy interpretuje się ją prawidłowo.
- „Możliwość niegromadzenia danych to jedno z najważniejszych i najmniej rozumianych źródeł władzy, jakimi dysponują rządy.”: Zwraca uwagę na znaczenie gromadzenia danych w kształtowaniu polityki i opinii publicznej.
Jakie dziesięć zasad przedstawiono w Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Szukaj w sobie: Rozpoznawaj swoje emocjonalne reakcje na twierdzenia statystyczne, by nie ulegać uprzedzeniom.
- Zastanów się nad własnym doświadczeniem: Łącz osobiste doświadczenia z dowodami statystycznymi, aby uzyskać szerszy obraz.
- Unikaj przedwczesnego zliczania: Zanim wyciągniesz wnioski, ustal, co jest mierzone.
- Cofnij się i spójrz na całość: Umieść dane w kontekście, by zrozumieć trendy i wzorce.
- Poznaj tło sprawy: Poznaj kontekst statystyki, aby właściwie ją zinterpretować.
Jak Jak ogarnąć świat i odróżnić fakty od wyobrażeń podejmuje problem dezinformacji?
- Ukazywanie manipulacji statystycznych: Harford na przykładach historycznych i współczesnych objaśnia czytelnikom taktyki wykorzystywane do zniekształcania danych.
- Zachęcanie do krytycznej oceny: Książka promuje sceptycyzm i dociekliwość, które pomagają podważać wiarygodność twierdzeń statystycznych.
- Dostarczanie narzędzi analizy: Dziesięć zasad daje czytelnikom praktyczne narzędzia do skutecznego analizowania i interpretowania statystyk.
Jakie znaczenie ma kontekst w rozumieniu statystyki, według Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Kontekst kształtuje interpretację: Statystyk nie należy rozpatrywać w oderwaniu od kontekstu, który ma kluczowe znaczenie dla ich prawidłowej interpretacji.
- Unikanie błędnej interpretacji: Bez kontekstu statystyki łatwo błędnie zinterpretować lub wykorzystać do manipulacji.
- Lepsze rozumienie: Całościowe podejście sprzyja podejmowaniu lepszych decyzji na podstawie danych.
Jak mogę wykorzystać w życiu codziennym lekcje z Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Ćwicz krytyczne myślenie: Korzystaj z dziesięciu zasad jako ram oceny twierdzeń statystycznych w różnych kontekstach.
- Pracuj z danymi: Sięgaj do wiarygodnych źródeł, aby lepiej rozumieć różne zagadnienia.
- Rozwijaj ciekawość: Pielęgnuj dociekliwe podejście, by podejmować decyzje w oparciu o lepsze informacje.
Jaką rolę odgrywają emocje w interpretowaniu statystyk według Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Emocje mogą zaburzać osąd: Reakcje emocjonalne mogą prowadzić do stronniczych interpretacji.
- Świadomość uprzedzeń: Rozpoznawanie reakcji emocjonalnych pomaga ocenić wiarygodność twierdzeń statystycznych.
- Zachęta do refleksji: Zanim wyciągniesz wnioski, zatrzymaj się i zastanów, jakie emocje budzi w tobie dana statystyka.
Jak Tim Harford radzi oceniać twierdzenia statystyczne?
- Krytyczna analiza: Analizuj źródło danych, metodologię i kontekst.
- Szukaj stronniczości: Rozpoznawaj potencjalne źródła stronniczości w gromadzeniu i przedstawianiu danych.
- Domagaj się przejrzystości: Opowiadaj się za przejrzystością źródeł danych i algorytmów.
Jakie znaczenie ma przejrzystość w statystyce według Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Zaufanie do danych: Przejrzystość buduje zaufanie i umożliwia weryfikację wyników.
- Odpowiedzialność: Jawne raportowanie sprawia, że organizacje odpowiadają za swoje twierdzenia.
- Doskonalenie algorytmów: Przejrzystość umożliwia analizę algorytmów i ich ewentualne ulepszanie.
Jaką rolę odgrywają osobiste doświadczenia w rozumieniu statystyki według Jak ogarnąć świat i odróżnić fakty od wyobrażeń?
- Rozumienie kontekstu: Osobiste doświadczenia pomagają umieścić informacje statystyczne w kontekście.
- Podważanie założeń: Zastanawiaj się nad własnymi doświadczeniami, by kwestionować założenia i uprzedzenia.
- Większe zaangażowanie: Powiązanie statystyk z osobistymi doświadczeniami sprzyja głębszemu zrozumieniu.
Pobierz PDF
Pobierz EPUB
.epub idealnie nadaje się do czytania e-booków na telefonach, tabletach i czytnikach.