Estatísticas são persuasivas
Tanto que pessoas, organizações e países inteiros
Baseiam algumas de suas decisões mais importantes em dados organizados
Mas há um problema com isso
Qualquer conjunto de estatísticas pode ter algo à espreita
Algo que pode virar os resultados completamente de cabeça para baixo
Por exemplo, imagine que você precisa escolher entre dois hospitais
Para a cirurgia de um parente idoso
Dos últimos 1000 pacientes de cada hospital
900 sobreviveram no Hospital A
Enquanto apenas 800 sobreviveram no Hospital B
Então parece que o Hospital A é a melhor escolha
Mas antes de você tomar sua decisão
Lembre-se que nem todos os pacientes chegam ao hospital
Com o mesmo estado de saúde
E se dividirmos os últimos 1000 pacientes de cada hospital
Entre aqueles que chegaram com boa saúde e aqueles
Que chegaram com saúde debilitada
O cenário começa a parecer bem diferente
O Hospital A teve apenas 100 pacientes que chegaram com saúde debilitada
Dos quais 30 sobreviveram
Mas o Hospital B teve 400, e eles conseguiram salvar 210
Então o Hospital B é a melhor escolha
Para pacientes que chegam ao hospital com saúde debilitada
Com uma taxa de sobrevivência de 52,5%
E se a saúde do seu parente for boa
Quando ela chegar ao hospital?
Por incrível que pareça, o Hospital B ainda é a melhor escolha
Com uma taxa de sobrevivência de mais de 98%
Então como o Hospital A pode ter uma taxa de sobrevivência geral melhor
Se o Hospital B tem taxas de sobrevivência melhores para pacientes
Em cada um dos dois grupos?
O que encontramos é um caso do paradoxo de Simpson
Onde o mesmo conjunto de dados pode parecer mostrar tendências opostas
Dependendo de como é agrupado
Isso geralmente ocorre quando dados agregados escondem uma variável condicional
Às vezes conhecida como uma variável oculta
Que é um fator adicional oculto que influencia significativamente os resultados
Aqui, o fator oculto é a proporção relativa de pacientes
Que chegam com boa ou má saúde
O paradoxo de Simpson não é apenas um cenário hipotético
Ele aparece de vez em quando no mundo real
Às vezes em contextos importantes
Um estudo no Reino Unido pareceu mostrar
Que fumantes tinham uma taxa de sobrevivência maior que não fumantes
Durante um período de vinte anos
Isto é, até que a divisão dos participantes por faixa etária
Mostrou que os não fumantes eram significativamente mais velhos em média
E, portanto, mais propensos a morrer durante o período do estudo
Precisamente porque eles estavam vivendo mais em geral
Aqui, as faixas etárias são a variável oculta
E são vitais para interpretar os dados corretamente
Uma análise dos casos de pena de morte da Flórida
Pareceu não revelar disparidade racial na sentença
Entre réus negros e brancos condenados por assassinato
Mas dividir os casos pela raça da vítima contou uma história diferente
Em qualquer uma das situações
Réus negros eram mais propensos a serem sentenciados à morte
A taxa geral de sentenças ligeiramente maior para réus brancos
Se devia ao fato de que casos com vítimas brancas
Tinham maior probabilidade de resultar em uma sentença de morte
Do que casos onde a vítima era negra
E a maioria dos assassinatos ocorria entre pessoas da mesma raça
Então como evitamos cair no paradoxo?
Infelizmente, não há uma resposta única
Os dados podem ser agrupados e divididos de inúmeras maneiras
E os números gerais podem às vezes dar uma imagem mais precisa
Do que dados divididos em categorias enganosas ou arbitrárias
Tudo o que podemos fazer é estudar cuidadosamente as situações reais
Que as estatísticas descrevem
E considerar se variáveis ocultas podem estar presentes
Caso contrário, nos deixamos vulneráveis àqueles que usariam dados
Para manipular outros e promover suas próprias agendas