پث‌وایز

تفکر نقادانهدرس ۸ از ۱۲

آمار فریبنده و خوانش نقادانهٔ نمودارها

«افزایش دوبرابری خطر» از ۱ در ۱۰۰۰ به ۲ در ۱۰۰۰، نمودارهایی با محور بریده‌شده، و مغالطهٔ همبستگی به جای علیت: رمزگشایی از شگردهای آماری به بیانی روشن.

چیزی که از این درس می‌بری

  • «دو برابر شدن خطر» تغییری نسبی است؛ همواره عدد مطلق را جویا شوید: افزایش از ۱ در ۱۰۰۰ به ۲ در ۱۰۰۰ تنها یک مورد اضافه است.
  • تغییر از ۱۰٪ به ۱۲٪ بیانگر ۲ واحد درصد افزایش، یا رشدی ۲۰ درصدی است؛ همواره نوع سنجه را وارسی کنید.
  • هر شاخص آماری نیازمند اعلام مخرج کسر و سطح پایه است؛ «۸۰ درصد» در جامعه‌ای ۵ نفره تنها معادل ۴ نفر است.
فهرست این درس۶
  1. ریسک نسبی در برابر ریسک مطلق (Relative vs. Absolute Risk)
  2. واحد درصد (Percentage points)
  3. مخرج‌های نامشخص و جامعه‌های آماری کوچک
  4. ارقام یکسان، دو تصویر کاملاً متفاوت
  5. همبستگی به معنای علیت نیست (Correlation ≠ Causation)
  6. مرور نکات کلیدی درس
ببین: از میان چه جمعیتی؟

۰۱تغییر از چه نقطه‌ای به کجا؟

ریسک نسبی در برابر ریسک مطلق (Relative vs. Absolute Risk)

عبارت «دو برابر شدن خطر» یک دگرگونی نسبی است؛ یعنی سنجش خطر جدید در قیاس با وضعیت پیشین. در مقابل، تغییر مطلق نشان می‌دهد که در عالم واقع، چه تعداد انسانِ اضافه درگیر این عارضه می‌شوند. اگر خطر بیماری از ۱ در ۱۰۰۰ به ۲ در ۱۰۰۰ نفر برسد، دو برابر شده است (یک «افزایش ۱۰۰ درصدی»)، اما در حقیقت، تنها یک فرد اضافه به ازای هر ۱۰۰۰ نفر دچار مشکل خواهد شد. هر دو ادعا از نظر ریاضی صادقند؛ اما تنها آمار مطلق به شما اجازه می‌دهد بسنجید که این خطر در زندگی واقعی تا چه اندازه اهمیت دارد.

تیتری اعلام می‌کند که مصرف یک مادهٔ غذایی «خطر بیماری را ۵۰ درصد افزایش می‌دهد». اگر تغییر از ۲ در ۱۰۰ نفر به ۳ در ۱۰۰ نفر باشد رویدادی مهم است؛ اما اگر از ۲ در ۱۰۰ هزار به ۳ در ۱۰۰ هزار نفر باشد، اثری عملاً ناچیز است. تیتر روزنامه به‌تنهایی هرگز این تفاوت را فاش نمی‌سازد.

مثال

تیتر جنجالی: «این عادت روزمره، خطر ابتلا را دو برابر می‌سازد!»

بدون داشتن این عادت:  ۱ مورد در هر ۱۰۰۰ نفر (۰٫۱٪)
با داشتن این عادت:     ۲ مورد در هر ۱۰۰۰ نفر (۰٫۲٪)

خروجی

تغییر نسبی: ۲ تقسیم بر ۱ = دو برابر (افزایش ۱۰۰ درصدی)
تغییر مطلق: ۱ مورد ابتلای اضافه به ازای هر ۱۰۰۰ نفر
           = معادل ۰٫۱ واحد درصد

حتی در صورت داشتن این عادت، ۹۹۸ نفر از هر ۱۰۰۰ نفر هرگز به این عارضه مبتلا نمی‌شوند. همواره دو پرسش را طرح کنید: «از میان چند نفر؟» و «از چه عددی به چه عددی؟»

خودت رو امتحان کنسؤال ۱ از ۶

گزارشی حاکی است که خطر بروز نوعی عارضهٔ دارویی «دو برابر» شده و از ۲ نفر در ۱۰٬۰۰۰ نفر به ۴ نفر در ۱۰٬۰۰۰ نفر رسیده است. در هر ۱۰٬۰۰۰ نفر، دقیقاً چند بیمار جدید درگیر این عارضه شده‌اند؟

  1. ۲ نفر
  2. ۴ نفر
  3. ۱۰۰ نفر
  4. ۵٬۰۰۰ نفر
جواب رو ببین

۲ نفر

کاملاً درست است. ۴ منهای ۲ برابر با ۲ نفر اضافه در هر ۱۰٬۰۰۰ نفر است. گرچه خطر به شکل نسبی دو برابر شده، اما در مقیاس مطلق همچنان رقمی بسیار اندک است.

واحد درصد (Percentage points)

اصطلاح تخصصی · تحلیل آماری

تفاضل ریاضیِ مستقیم میان دو مقدار درصدی. اگر نرخ سود بانکی از ۱۰ درصد به ۱۲ درصد برسد، ۲ واحد درصد افزایش یافته است؛ که به تعبیری دیگر، به معنای یک رشد ۲۰ درصدی نیز هست (زیرا ۲ واحد، یک‌پنجمِ مقدار ۱۰ است). هر دو گزاره درست هستند، اما درآمیختن آن‌ها شگردی ساده برای غلو یا کوچک‌نمایی تغییرات است.

«میزان محبوبیت ۵۰ درصد افزایش یافت»؛ این گزاره هم می‌تواند بیانگر رشد از ۴۰٪ به ۶۰٪ باشد (۲۰ واحد درصد) و هم جهش از ۲٪ به ۳٪ (تنها ۱ واحد درصد). بیان عبارت «۱ واحد درصد افزایش» مانع هرگونه سوءتعبیر می‌شود.

خودت رو امتحان کنسؤال ۲ از ۶

نرخ بیکاری از ۱۰ درصد به ۸ درصد کاهش یافته است. کدام گزاره دقیق‌ترین توصیف آماری است؟

  1. نرخ بیکاری ۲ درصد کاهش یافته است
  2. نرخ بیکاری ۲ واحد درصد کاهش یافته که معادل ۲۰ درصد افت نسبی است
  3. نرخ بیکاری ۲۰ واحد درصد افت کرده است
  4. نرخ بیکاری ۸ درصد افت داشته است
جواب رو ببین

نرخ بیکاری ۲ واحد درصد کاهش یافته که معادل ۲۰ درصد افت نسبی است

کاملاً درست است. فاصلهٔ ۱۰ تا ۸ برابر با ۲ واحد درصد است و از آنجا که ۲ معادل یک‌پنجم مقدار اولیه (۱۰) است، افت نسبی ۲۰ درصدی رخ داده است. گزارشگری علمی باید به این تمایز تصریح ورزد.

۰۳حلقهٔ مفقودهٔ آمار

مخرج‌های نامشخص و جامعه‌های آماری کوچک

اعلام اینکه «۵۰۰ مورد ابتلا در شهر ما ثبت شد» هشداردهنده به نظر می‌رسد، اما تا زمانی که ندانید از میان چه جمعیتی و میزان معمول در شرایط عادی چقدر بوده است، ارزش اطلاعاتی ندارد. در شهری ۵ میلیونی که در ماه‌های عادی ۴۵۰ مورد ثبت می‌شود، این تغییر عملاً ناچیز است. در نظرسنجی‌ها نیز وضع به همین گونه است: «۸۰ درصد کاربران رضایت داشتند» چه بسا حاصل نظرسنجی از ۴ نفر از میان ۵ نفر باشد. نمونه‌های کوچک بر اثر شانس و تصادف به‌شدت نوسان می‌کنند.

عددی با اعشار دقیق (مانند «۷۳٫۴ درصد از متخصصان توافق دارند») ممکن است موثق‌تر از عددی رُند جلوه کند. اما دقت ظاهری به معنای صحت نیست: همواره بپرسید چه کسانی و در چه شماری شمارش شده‌اند.

خودت رو امتحان کنسؤال ۳ از ۶

در تبلیغ یک نرم‌افزار آمده است: «۸۰ درصد کاربران ما را توصیه می‌کنند». این آمار فارغ از اینکه جامعهٔ آماری ۵ نفر بوده باشد یا ۵٬۰۰۰ نفر، ارزشی یکسان برای ارزیابی به همراه دارد.

  1. درست
  2. نادرست
جواب رو ببین

نادرست

نادرست است. در جامعهٔ ۵ نفره، ۸۰ درصد یعنی ۴ نفر، و جابه‌جایی نظر یک نفر نتیجه را ۲۰ واحد دگرگون می‌سازد! در مقابل، در جامعهٔ ۵٬۰۰۰ نفره تصادف خنثی می‌شود و داده‌ها معنایی استوار می‌یابند. همواره بپرسید: «۸۰ درصد از چند نفر؟»

ارقام یکسان، دو تصویر کاملاً متفاوت

محور نمودار از عدد ۵۰ آغاز می‌شود

دو ستون آماری مقادیر ۵۲ و ۵۵ را نمایش می‌دهند. با شروع محور از ۵۰، ستون اول ارتفاعی معادل ۲ واحد و ستون دوم ارتفاعی معادل ۵ واحد دارد؛ در نتیجه دومی بیش از دو برابر ستون اول به چشم می‌آید و تفاوت بسیار فاحش جلوه می‌کند.

محور نمودار از نقطهٔ صفر آغاز می‌شود

همان مقادیر ۵۲ و ۵۵ با مبدأ صفر ترسیم می‌شوند. ستون‌ها ارتفاعی تقریباً یکسان دارند؛ زیرا تفاوت واقعی تنها حدود ۶ درصد است. هیچ جهش شگرفی رخ نداده است.

خودت رو امتحان کنسؤال ۴ از ۶

یک نمودار ستونی میزان رضایت از دو برند تلفن همراه را با امتیازهای ۹۲ و ۹۶ مقایسه می‌کند. محور عمودی از عدد ۹۰ آغاز شده و در نتیجه ستون دوم سه برابر بلندتر از ستون اول دیده می‌شود. علت این رویداد چیست؟

  1. کیفیت برند دوم در واقعیت سه برابر بالاتر از برند اول است
  2. برش محور عمودی (Truncated axis)، اختلافی ناچیز در حدود ۴ درصد را به شکلی کاذب بزرگ‌نمایی کرده است
  3. نمودار فاقد اشکال است، چرا که اعداد نوشته‌شده بر روی آن از نظر ریاضی صحیح هستند
  4. برای رعایت انصاف، محور باید الزاماً از عدد ۱۰۰ آغاز می‌شد
جواب رو ببین

برش محور عمودی (Truncated axis)، اختلافی ناچیز در حدود ۴ درصد را به شکلی کاذب بزرگ‌نمایی کرده است

کاملاً درست است. از مبدأ ۹۰، ستون‌ها اندازه‌ای برابر با ۲ و ۶ دارند که سه برابر به نظر می‌رسد. اما از مبدأ صفر، ۹۲ و ۹۶ ارتفاعی همسان دارند. اعداد درست هستند، اما ترسیم گرافیکی گمراه‌کننده است.

۰۵هم‌زمانی دلیلی بر علیت نیست

همبستگی به معنای علیت نیست (Correlation ≠ Causation)

آمار فروش بستنی و آمار غرق‌شدگان در سواحل با هم اوج می‌گیرند و با هم کاهش می‌یابند. آیا بستنی عامل غرق‌شدگی است؟ خیر: گرمای هوا عامل مشترک هر دو متغیر است؛ زیرا مردم در گرما هم بستنی می‌خرند و هم شنا می‌کنند. به چنین عامل پنهانی، متغیر مخدوش‌کننده (Confounder) می‌گویند. هرگاه دو رویداد هم‌گام با یکدیگر حرکت کردند، سه پرسش مطرح کنید: آیا متغیر سومی عامل هر دوی آنهاست؟ آیا رابطه معکوس است؟ آیا صرفاً تصادفی است؟

سیاهه‌هایی از «همبستگی‌های ساختگی» نشان می‌دهند متغیرهای کاملاً بی‌ربط در گذر سال‌ها با هم اوج و فرود دارند (مانند مصرف پنیر در یک کشور و سوانح هوایی). در میان انبوه کلان‌داده‌ها، همواره برخی متغیرها بر حسب بخت و اقبال هم‌راستا می‌شوند.

خودت رو امتحان کنسؤال ۵ از ۶

داده‌های آماری نشان می‌دهند در آتش‌سوزی‌هایی که شمار آتش‌نشانان حاضر در صحنه بیشتر بوده، حجم خسارت وارده سنگین‌تر بوده است. محتمل‌ترین تفسیر علمی چیست؟

  1. حضور آتش‌نشانان مهار آتش را دشوارتر می‌سازد، بنابراین باید نیروهای کمتری اعزام شوند
  2. متغیر مخدوش‌کننده (ابعاد حریق): آتش‌سوزی‌های گسترده‌تر هم نیازمند اعزام نیروهای بیشترند و هم خسارت بزرگ‌تری به بار می‌آورند
  3. این داده‌ها تصادفی محض است و کمترین معنایی در بر ندارد
  4. میزان خسارت پس از اطفای حریق، موجب جذب مأموران آتش‌نشانی می‌شود
جواب رو ببین

متغیر مخدوش‌کننده (ابعاد حریق): آتش‌سوزی‌های گسترده‌تر هم نیازمند اعزام نیروهای بیشترند و هم خسارت بزرگ‌تری به بار می‌آورند

کاملاً درست است. ابعاد و شدت حریق متغیر مخدوش‌کننده است؛ آتشی عظیم هم خسارت بالایی می‌زند و هم ناوگان گسترده‌تری را فرا می‌خواند. حضور نیروها علت خسارت نیست، بلکه هر دو معلول گستردگی آتش هستند.

مثال

درآمد سالانهٔ ۱۰ عضو یک جامعه (به میلیون تومان):

۹ نفر:  هر کدام ۱۰ میلیون تومان
۱ نفر:  ۱۰۰۰ میلیون تومان (یک میلیارد تومان)

خروجی

میانگین حسابی (مجموع مقادیر تقسیم بر ۱۰):
  (۹ × ۱۰ + ۱۰۰۰) ÷ ۱۰ = ۱۰۹ میلیون تومان

میانه (مقدار واقع در وسط داده‌های مرتب‌شده):
  ۱۰ میلیون تومان

۹ نفر از ۱۰ نفر درآمدی به مراتب کمتر از «میانگین جامعه» دارند!

وجود یک دادهٔ بسیار بزرگ، میانگین حسابی را به شدت بالا می‌کشد، در حالی که میانه تغییر چندانی نمی‌کند. هرگاه گزارشی از «میانگین دستمزد یا قیمت مسکن» سخن گفت، بپرسید کدام سنجه مد نظر است. در بررسی درآمد و ثروت، «میانه» تصویر بسیار دقیق‌تری از شهروند معمول ارائه می‌دهد.

خودت رو امتحان کنسؤال ۶ از ۶

در مواجهه با هر ادعا، در گام نخست کدام پرسش نقادانه را مطرح می‌سازید؟

از میان چه جمعیتی؟ (مخرج کسر و جامعهٔ آماری)چه عامل پنهان دیگری ممکن است علت باشد؟ (متغیر مخدوش‌کننده)

  • «موارد این بیماری نادر امسال دو برابر شده است»
  • «دانش‌آموزانی که صبحانه می‌خورند نمرات بهتری کسب می‌کنند، پس صبحانه بهرهٔ هوشی را ارتقا می‌دهد»
  • «۹ نفر از هر ۱۰ خریدار رضایت داشته‌اند»
  • «کسانی که از حیوانات خانگی نگهداری می‌کنند طول عمر بیشتری دارند، پس برای افزایش عمر حیوان خانگی تهیه کنید»
  • «این رفتار خطر ابتلا را ۴۰ درصد افزایش می‌دهد»
  • «شهرهایی که بیمارستان‌های بیشتری دارند، با آمار مرگ‌ومیر بالاتری مواجهند»
جواب رو ببین

از میان چه جمعیتی؟ (مخرج کسر و جامعهٔ آماری): «موارد این بیماری نادر امسال دو برابر شده است», «۹ نفر از هر ۱۰ خریدار رضایت داشته‌اند», «این رفتار خطر ابتلا را ۴۰ درصد افزایش می‌دهد»

چه عامل پنهان دیگری ممکن است علت باشد؟ (متغیر مخدوش‌کننده): «دانش‌آموزانی که صبحانه می‌خورند نمرات بهتری کسب می‌کنند، پس صبحانه بهرهٔ هوشی را ارتقا می‌دهد», «کسانی که از حیوانات خانگی نگهداری می‌کنند طول عمر بیشتری دارند، پس برای افزایش عمر حیوان خانگی تهیه کنید», «شهرهایی که بیمارستان‌های بیشتری دارند، با آمار مرگ‌ومیر بالاتری مواجهند»

۰۶جمع‌بندی

مرور نکات کلیدی درس

  • «دو برابر شدن خطر» تغییری نسبی است؛ همواره عدد مطلق را جویا شوید: افزایش از ۱ در ۱۰۰۰ به ۲ در ۱۰۰۰ تنها یک مورد اضافه است.
  • تغییر از ۱۰٪ به ۱۲٪ بیانگر ۲ واحد درصد افزایش، یا رشدی ۲۰ درصدی است؛ همواره نوع سنجه را وارسی کنید.
  • هر شاخص آماری نیازمند اعلام مخرج کسر و سطح پایه است؛ «۸۰ درصد» در جامعه‌ای ۵ نفره تنها معادل ۴ نفر است.
  • نقطهٔ آغاز محورها در نمودار، بازهٔ زمانی انتخاب‌شده و تناسب مقیاس‌ها را به دقت بررسی کنید.
  • هم‌گام بودن دو متغیر ممکن است ناشی از متغیر مخدوش‌کننده، رابطهٔ علی معکوس، یا همبستگی تصادفی باشد.
  • داده‌های پرت، میانگین حسابی را تحریف می‌کنند؛ میانه در آمارهای درآمد و ثروت تصویر واقع‌بینانه‌تری از جامعه بازتاب می‌دهد.

به سبک خودت یادش بگیر.

توی اپ از یادآی بخواه این درس رو ساده‌تر توضیح بده، از زندگی خودت مثال بزنه یا عمیق‌تر بره. بعد یه مسیر کامل دور هدف خودت بساز.

Cafe Bazaar Myket توی اپ شخصی‌سازیش کن