TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
Mona Chalabi: 3 modi per individuare una cattiva statistica.
Filmed:
Readability: 4.2
1,888,599 views
A volte è difficile capire quali statistiche sono degne di fiducia. Ma non dovremmo eliminarle completamente... dovremmo invece imparare a guardare cosa c'è dietro. In questo piacevole e divertente intervento, la giornalista di dati Mona Chalabi condivide degli utili spunti per aiutarci a mettere in discussione, interpretare e capire veramente cosa ci dicono i numeri.
Mona Chalabi - Data journalist
Mona Chalabi tries to take the numb out of numbers. She's left with lots of "ers." Full bio
Mona Chalabi tries to take the numb out of numbers. She's left with lots of "ers." Full bio
Double-click the English transcript below to play the video.
00:12
Now, I'm going to be talking
about statistics today.
about statistics today.
0
884
2763
Oggi parlerò di statistiche.
00:15
If that makes you immediately feel
a little bit wary, that's OK,
a little bit wary, that's OK,
1
3671
3138
Se questo vi fa sentire subito
un po' sospettosi, va bene,
un po' sospettosi, va bene,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
non siete una specie
di pazzi terroristi della cospirazione,
di pazzi terroristi della cospirazione,
00:21
it makes you skeptical.
3
9716
1296
siete scettici.
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
Quando si tratta di numeri, specialmente
adesso, dovreste essere scettici.
adesso, dovreste essere scettici.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
Ma dovreste essere in grado di dire
quali numeri sono affidabili
quali numeri sono affidabili
00:29
and which ones aren't.
6
17981
1160
e quali non lo sono.
00:31
So today I want to try to give you
some tools to be able to do that.
some tools to be able to do that.
7
19165
3206
Oggi voglio provare a darvi
degli strumenti per farlo.
degli strumenti per farlo.
00:34
But before I do,
8
22395
1169
Ma prima che lo faccia,
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
voglio chiarire
di che numeri sto parlando qui.
di che numeri sto parlando qui.
Non sto parlando di affermazioni come:
00:38
I'm not talking about claims like,
10
26451
1635
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
"9 donne su 10 raccomandano
questa crema anti età".
questa crema anti età".
Penso che molti alzino gli occhi al cielo
per numeri come questi.
per numeri come questi.
00:42
I think a lot of us always
roll our eyes at numbers like that.
roll our eyes at numbers like that.
12
30583
2972
La differenza è che ora la gente
contesta statistiche del tipo:
contesta statistiche del tipo:
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
"la disoccupazione
negli Stati Uniti è al 5%".
negli Stati Uniti è al 5%".
00:48
"The US unemployment
rate is five percent."
rate is five percent."
14
36587
2014
00:50
What makes this claim different is
it doesn't come from a private company,
it doesn't come from a private company,
15
38625
3516
Quest'affermazione è diversa
perché non viene da un gruppo privato,
perché non viene da un gruppo privato,
viene dal governo.
00:54
it comes from the government.
16
42165
1388
Circa 4 americani su 10
non si fidano dei dati economici
non si fidano dei dati economici
00:55
About 4 out of 10 Americans
distrust the economic data
distrust the economic data
17
43577
3336
00:58
that gets reported by government.
18
46937
1573
diffusi dal governo.
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
Tra i sostenitori di Trump
il dato è ancora più alto;
il dato è ancora più alto;
01:03
it's about 7 out of 10.
20
51049
1633
è di circa 7 su 10.
01:04
I don't need to tell anyone here
21
52706
1804
Non ho bisogno di dirvi
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
che ci sono tante linee di divisione
nella nostra società oggi
nella nostra società oggi
01:09
and a lot of them start to make sense,
23
57569
1825
e molte iniziano ad avere senso
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
quando si capisce la relazione della gente
con i numeri dati dal governo.
con i numeri dati dal governo.
01:15
On the one hand, there are those who say
these statistics are crucial,
these statistics are crucial,
25
63129
3336
Da un lato, c'è chi dice
che queste statistiche sono fondamentali,
che queste statistiche sono fondamentali,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
che servono per avere un'idea
della società nell'insieme
della società nell'insieme
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
per andare al di là degli aneddoti emotivi
01:23
and measure progress in a subjective way.
28
71331
2410
e misurare il progresso
in maniera [oggettiva].
in maniera [oggettiva].
01:25
And then there are the others,
29
73765
1467
Poi ci sono altri,
01:27
who say that these statistics are elitist,
30
75256
2156
che dicono che le statistiche
sono elitarie,
sono elitarie,
01:29
maybe even rigged;
31
77436
1208
forse persino manipolate;
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
non hanno senso
e non riflettono in realtà
e non riflettono in realtà
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
quello che accade
nella vita di ogni giorno.
nella vita di ogni giorno.
01:35
It kind of feels like that second group
is winning the argument right now.
is winning the argument right now.
34
83406
3487
Si ha la sensazione che il secondo gruppo
prevalga in questo momento.
prevalga in questo momento.
Viviamo in un mondo di alternative,
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
dove la gente non trova
un terreno comune nelle statistiche,
un terreno comune nelle statistiche,
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
un punto di partenza per discutere.
01:44
this starting point for debate.
37
92008
1636
01:45
This is a problem.
38
93668
1286
Questo è un problema.
01:46
There are actually
moves in the US right now
moves in the US right now
39
94978
2067
Ora negli Stati Uniti
ci sono dei tentativi
ci sono dei tentativi
per liberarsi completamente
di alcune statistiche del governo.
di alcune statistiche del governo.
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
Adesso c'è un progetto di legge
per misurare la diseguaglianza sociale.
per misurare la diseguaglianza sociale.
La bozza della legge dice che
non si dovrebbero usare soldi
non si dovrebbero usare soldi
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
per raccogliere dati
sulla segregazione razziale.
sulla segregazione razziale.
01:58
to collect data on racial segregation.
43
106190
1902
02:00
This is a total disaster.
44
108116
1885
Questo è un totale disastro.
02:02
If we don't have this data,
45
110025
1748
Se non abbiamo questi dati,
come si può osservare
la discriminazione
la discriminazione
02:03
how can we observe discrimination,
46
111797
1778
02:05
let alone fix it?
47
113599
1278
o combatterla?
02:06
In other words:
48
114901
1188
In altre parole:
02:08
How can a government create fair policies
49
116113
2059
come può un governo fare una politica equa
02:10
if they can't measure
current levels of unfairness?
current levels of unfairness?
50
118196
2771
se non può misurare
il livello di ingiustizia?
il livello di ingiustizia?
02:12
This isn't just about discrimination,
51
120991
1794
Non si tratta solo
di discriminazione,
di discriminazione,
02:14
it's everything -- think about it.
52
122809
1670
si tratta di tutto; pensateci.
02:16
How can we legislate on health care
53
124503
1690
Come si può legiferare sulla sanità
se non ci sono dati
su salute o povertà?
su salute o povertà?
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
Come si fa un dibattito pubblico
sull'immigrazione
sull'immigrazione
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
02:22
if we can't at least agree
56
130734
1250
se non si concorda almeno
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
su quanta gente entra o esce dal paese?
02:26
Statistics come from the state;
that's where they got their name.
that's where they got their name.
58
134675
3058
Le statistiche vengono dallo stato;
da lì prendono il loro nome.
da lì prendono il loro nome.
02:29
The point was to better
measure the population
measure the population
59
137757
2157
Il punto era misurare
meglio la popolazione
meglio la popolazione
per poterla servire meglio.
02:31
in order to better serve it.
60
139938
1357
C'è bisogno
di questi numeri ufficiali
di questi numeri ufficiali
02:33
So we need these government numbers,
61
141319
1725
02:35
but we also have to move
beyond either blindly accepting
beyond either blindly accepting
62
143068
2647
ma dobbiamo andare oltre
la loro ceca accettazione
la loro ceca accettazione
02:37
or blindly rejecting them.
63
145739
1268
o la loro ceca negazione.
Dobbiamo imparare l'abilità
di individuare le cattive statistiche.
di individuare le cattive statistiche.
02:39
We need to learn the skills
to be able to spot bad statistics.
to be able to spot bad statistics.
64
147031
2997
02:42
I started to learn some of these
65
150052
1528
Io ho iniziato a imparare
mentre lavoravo
in un dipartimento di statistica
in un dipartimento di statistica
02:43
when I was working
in a statistical department
in a statistical department
66
151604
2166
02:45
that's part of the United Nations.
67
153794
1643
che fa parte delle Nazioni Unite.
Il nostro lavoro era trovare quanti
iracheni erano stati cacciati di casa
iracheni erano stati cacciati di casa
02:47
Our job was to find out how many Iraqis
had been forced from their homes
had been forced from their homes
68
155461
3406
02:50
as a result of the war,
69
158891
1158
a causa della guerra
e di cosa avevano bisogno.
02:52
and what they needed.
70
160073
1158
02:53
It was really important work,
but it was also incredibly difficult.
but it was also incredibly difficult.
71
161255
3178
Un lavoro veramente importante,
ma anche estremamente difficile.
ma anche estremamente difficile.
02:56
Every single day, we were making decisions
72
164457
2018
Ogni singolo giorno prendevamo decisioni
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
che riguardavano l'accuratezza dei numeri.
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
Decisioni come in che parte
del paese dovevamo andare,
del paese dovevamo andare,
03:03
who we should speak to,
75
171448
1156
a chi dovevamo parlare,
03:04
which questions we should ask.
76
172628
1568
che domande dovevamo fare.
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
Cominciai a sentirmi demoralizzata
sul nostro lavoro,
sul nostro lavoro,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
perché pensavamo di fare
veramente un ottimo lavoro,
veramente un ottimo lavoro,
03:11
but the one group of people
who could really tell us were the Iraqis,
who could really tell us were the Iraqis,
79
179466
3278
ma le persone che potevano
confermarcelo erano gli iracheni
confermarcelo erano gli iracheni
che non avevano l'opportunità di vedere
le nostre analisi, figurarsi contestarle.
le nostre analisi, figurarsi contestarle.
03:14
and they rarely got the chance to find
our analysis, let alone question it.
our analysis, let alone question it.
80
182768
3540
03:18
So I started to feel really determined
81
186332
1831
Cominciai a sentirmi veramente sicura
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
che il modo di rendere
i numeri più precisi
i numeri più precisi
è avere quanta più gente possibile
capace di metterli in dubbio.
capace di metterli in dubbio.
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
Così divenni
una giornalista di dati
una giornalista di dati
03:25
So I became a data journalist.
84
193599
1434
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
e il mio lavoro è trovare dati
e renderli pubblici.
e renderli pubblici.
Chiunque può farlo, non solo
i fissati del computer, i geek o i nerd.
i fissati del computer, i geek o i nerd.
03:30
Anyone can do this,
you don't have to be a geek or a nerd.
you don't have to be a geek or a nerd.
86
198985
3173
03:34
You can ignore those words;
they're used by people
they're used by people
87
202182
2355
Potete ignorare quelle parole;
vengono usate
vengono usate
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
per esprimere la propria forza
fingendo di essere umili.
fingendo di essere umili.
03:39
Absolutely anyone can do this.
89
207407
1589
Sicuramente tutti possono farlo.
03:41
I want to give you guys three questions
90
209020
2067
Voglio darvi tre domande
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
che vi aiuteranno a individuare
alcune cattive statistiche.
alcune cattive statistiche.
03:46
So, question number one
is: Can you see uncertainty?
is: Can you see uncertainty?
92
214140
3507
La domanda numero uno è:
sapete vedere l'incertezza?
sapete vedere l'incertezza?
03:49
One of things that's really changed
people's relationship with numbers,
people's relationship with numbers,
93
217671
3364
Una delle cose che ha cambiato
la relazione della gente con i numeri
la relazione della gente con i numeri
03:53
and even their trust in the media,
94
221059
1641
e la sua fiducia nei media,
03:54
has been the use of political polls.
95
222724
2258
è stato l'uso dei sondaggi politici.
03:57
I personally have a lot of issues
with political polls
with political polls
96
225006
2538
Personalmente ho molti problemi
con i sondaggi
con i sondaggi
perché credo che il ruolo del giornalista
sia quello di riferire i fatti
sia quello di riferire i fatti
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
e non tentare di predirli,
04:02
and not attempt to predict them,
98
230968
1553
soprattutto quando le previsioni
possono danneggiare la democrazia
possono danneggiare la democrazia
04:04
especially when those predictions
can actually damage democracy
can actually damage democracy
99
232545
2996
04:07
by signaling to people:
don't bother to vote for that guy,
don't bother to vote for that guy,
100
235565
2732
segnalando alla gente:
è inutile votare per quel tizio,
è inutile votare per quel tizio,
non ha nessuna chance.
04:10
he doesn't have a chance.
101
238321
1205
Ma lasciamo stare per ora e parliamo
dell'accuratezza di questo tentativo.
dell'accuratezza di questo tentativo.
04:11
Let's set that aside for now and talk
about the accuracy of this endeavor.
about the accuracy of this endeavor.
102
239550
3654
04:15
Based on national elections
in the UK, Italy, Israel
in the UK, Italy, Israel
103
243228
4608
Considerando le elezioni nazionali
nel Regno Unito, Italia, Israele
nel Regno Unito, Italia, Israele
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
e naturalmente
le più recenti elezioni americane,
le più recenti elezioni americane,
04:22
using polls to predict electoral outcomes
105
250648
2137
usare i sondaggi
per predire l'esito elettorale
per predire l'esito elettorale
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
è preciso come usare la luna
per predire i ricoveri ospedalieri.
per predire i ricoveri ospedalieri.
04:28
No, seriously, I used actual data
from an academic study to draw this.
from an academic study to draw this.
107
256645
4200
Seriamente, ho usato i dati di uno studio
universitario per questo schema.
universitario per questo schema.
04:32
There are a lot of reasons why
polling has become so inaccurate.
polling has become so inaccurate.
108
260869
3727
Ci sono un sacco di ragioni per cui
i sondaggi sono diventati così scorretti.
i sondaggi sono diventati così scorretti.
Le società sono diventate molto diverse,
04:36
Our societies have become really diverse,
109
264620
1970
il che rende difficile per i sondaggisti
ottenere un buon campione rappresentativo
ottenere un buon campione rappresentativo
04:38
which makes it difficult for pollsters
to get a really nice representative sample
to get a really nice representative sample
110
266614
3821
della popolazione per i sondaggi.
04:42
of the population for their polls.
111
270459
1627
La gente non risponde volentieri
ai sondaggi telefonici
ai sondaggi telefonici
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
e inoltre, incredibile,
la gente può mentire.
la gente può mentire.
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
Ma non si viene necessariamente
a sapere guardando i media.
a sapere guardando i media.
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
Prima cosa, le probabilità
di vincita di Hillary Clinton
di vincita di Hillary Clinton
04:55
was communicated with decimal places.
116
283060
2791
è stata data con posizioni decimali.
Non usiamo posizioni decimali
per parlare di temperatura.
per parlare di temperatura.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
05:00
How on earth can predicting the behavior
of 230 million voters in this country
of 230 million voters in this country
118
288520
4228
Come diavolo si può predire
il comportamento di 230 milioni di votanti
il comportamento di 230 milioni di votanti
05:04
be that precise?
119
292772
1829
in modo così preciso?
05:06
And then there were those sleek charts.
120
294625
2002
E poi c'erano quei grafici raffinati.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
Vedete, la visualizzazione dei dati spesso
enfatizza la certezza, e funziona --
enfatizza la certezza, e funziona --
05:12
these charts can numb
our brains to criticism.
our brains to criticism.
122
300648
2620
i grafici possono rendere
il nostro cervello acritico.
il nostro cervello acritico.
05:15
When you hear a statistic,
you might feel skeptical.
you might feel skeptical.
123
303292
2558
Quando sentite una statistica,
potete essere scettici.
potete essere scettici.
05:17
As soon as it's buried in a chart,
124
305874
1635
Quando è nascosta in un grafico,
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
ha l'aspetto di una scienza obiettiva,
05:21
and it's not.
126
309686
1249
ma non lo è.
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
Stavo provando a trovare modi migliori
per comunicarlo alla gente,
per comunicarlo alla gente,
05:26
to show people the uncertainty
in our numbers.
in our numbers.
128
314086
2504
per mostrare alla gente
l'incertezza dei numeri.
l'incertezza dei numeri.
05:28
What I did was I started taking
real data sets,
real data sets,
129
316614
2246
Ho iniziato a prendere
dei gruppi di dati reali
dei gruppi di dati reali
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
e trasformarli in visualizzazioni
disegnate a mano
disegnate a mano
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
perché la gente vedesse
quanto imprecisi sono i dati;
quanto imprecisi sono i dati;
05:36
so people can see that a human did this,
132
324256
1996
perché vedesse
che li aveva fatti un umano,
che li aveva fatti un umano,
05:38
a human found the data and visualized it.
133
326276
1972
li aveva trovati
e visualizzati un umano.
e visualizzati un umano.
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
Per esempio,
invece di trovare le probabilità
invece di trovare le probabilità
di prendere l'influenza in un dato mese,
05:42
of getting the flu in any given month,
135
330968
2126
si vede l'andamento approssimativo
dell'influenza stagionale.
dell'influenza stagionale.
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
05:47
This is --
137
335934
1167
Questo è --
05:49
(Laughter)
138
337125
1018
(Risate)
05:50
a bad shot to show in February.
139
338167
1486
un brutto colpo per Febbraio.
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
È una visualizzazione
dei dati più responsabile,
dei dati più responsabile,
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
perché se dovessimo mostrare
le esatte probabilità,
le esatte probabilità,
forse si incoraggerebbero
le vaccinazioni antinfluenzali
le vaccinazioni antinfluenzali
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
al momento sbagliato.
05:59
at the wrong time.
143
347251
1456
06:01
The point of these shaky lines
144
349163
1693
Il punto di queste linee incerte
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
è che la gente si ricorda
di queste imprecisioni,
di queste imprecisioni,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
e non se ne va necessariamente
con un numero specifico,
con un numero specifico,
ma si ricorda dei fatti importanti.
06:09
but they can remember important facts.
147
357066
1866
Fatti come l'ingiustizia e l'ineguaglianza
lasciano enormi segni nelle nostre vite.
lasciano enormi segni nelle nostre vite.
06:10
Facts like injustice and inequality
leave a huge mark on our lives.
leave a huge mark on our lives.
148
358956
4024
06:15
Facts like Black Americans and Native
Americans have shorter life expectancies
Americans have shorter life expectancies
149
363004
4189
Fatti come l'aspettativa di vita più breve
per neri e nativi americani
per neri e nativi americani
06:19
than those of other races,
150
367217
1400
rispetto ad altre razze,
06:20
and that isn't changing anytime soon.
151
368641
2138
e questo non cambierà a breve.
06:22
Facts like prisoners in the US
can be kept in solitary confinement cells
can be kept in solitary confinement cells
152
370803
3901
Fatti come la possibilità
di isolare i carcerati americani in celle
di isolare i carcerati americani in celle
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
più piccole dello spazio medio
previsto per un parcheggio.
previsto per un parcheggio.
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
Lo scopo di queste visualizzazioni
è anche ricordare alla gente
è anche ricordare alla gente
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
alcuni concetti statistici importanti,
06:36
concepts like averages.
156
384268
1636
concetti come le medie.
Per esempio, affermare:
06:37
So let's say you hear a claim like,
157
385928
1668
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"Una piscina media in America contiene
6,23 evacuazioni accidentali".
6,23 evacuazioni accidentali".
06:44
That doesn't mean every single
swimming pool in the country
swimming pool in the country
159
392078
2797
Non significa che ogni
singola piscina del paese
singola piscina del paese
06:46
contains exactly 6.23 turds.
160
394899
2194
contiene esattamente 6,23 stronzi.
06:49
So in order to show that,
161
397117
1417
Per mostrarlo,
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
sono tornata ai dati originali
del Centro di Prevenzione
del Centro di Prevenzione
06:53
who surveyed 47 swimming facilities.
163
401423
2065
che ha ispezionato 47 piscine.
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
Ho passato una sera
a redistribuire la cacca.
a redistribuire la cacca.
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
Potete vedere quanto possono
essere fuorvianti le medie.
essere fuorvianti le medie.
07:00
(Laughter)
166
408633
1282
(Risate)
07:01
OK, so the second question
that you guys should be asking yourselves
that you guys should be asking yourselves
167
409939
3901
La seconda domanda che dovreste farvi
07:05
to spot bad numbers is:
168
413864
1501
per notare un brutto numero è:
07:07
Can I see myself in the data?
169
415389
1967
Io mi ritrovo in quel dato?
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
Questa domanda è
in qualche modo legata alle medie,
in qualche modo legata alle medie,
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
perché parte della ragione
per cui la gente è frustrata
per cui la gente è frustrata
dalle statistiche nazionali,
07:14
with these national statistics,
172
422946
1495
è che non dicono veramente la storia
di chi sta vincendo o perdendo
di chi sta vincendo o perdendo
07:16
is they don't really tell the story
of who's winning and who's losing
of who's winning and who's losing
173
424465
3273
nella politica nazionale.
07:19
from national policy.
174
427762
1156
07:20
It's easy to understand why people
are frustrated with global averages
are frustrated with global averages
175
428942
3318
È facile capire perché la gente
è frustrata dalle medie globali
è frustrata dalle medie globali
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
quando non fanno parte
delle loro esperienze personali.
delle loro esperienze personali.
07:26
I wanted to show people the way
data relates to their everyday lives.
data relates to their everyday lives.
177
434987
3263
Volevo mostrare il modo in cui i dati
si legano alla vita quotidiana.
si legano alla vita quotidiana.
Ho iniziato questa rubrica
chiamata "Cara Mona",
chiamata "Cara Mona",
07:30
I started this advice column
called "Dear Mona,"
called "Dear Mona,"
178
438274
2246
dove la gente mi scriveva
con domande e preoccupazioni
con domande e preoccupazioni
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
e io provavo a rispondere
con dei dati.
con dei dati.
07:35
and I'd try to answer them with data.
180
443294
1784
Chiedevano di tutto,
07:37
People asked me anything.
181
445102
1200
domande tipo: "È normale dormire
in letti separati con mia moglie?"
in letti separati con mia moglie?"
07:38
questions like, "Is it normal to sleep
in a separate bed to my wife?"
in a separate bed to my wife?"
182
446326
3261
07:41
"Do people regret their tattoos?"
183
449611
1591
"La gente si pente dei tatuaggi?"
07:43
"What does it mean to die
of natural causes?"
of natural causes?"
184
451226
2164
"Cosa vuol dire morire
per cause naturali?"
per cause naturali?"
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
Tutte queste domande sono grandiose
perché ti fanno pensare
perché ti fanno pensare
07:48
about ways to find
and communicate these numbers.
and communicate these numbers.
186
456404
2336
ai modi da trovare
per comunicare questi numeri.
per comunicare questi numeri.
07:50
If someone asks you,
"How much pee is a lot of pee?"
"How much pee is a lot of pee?"
187
458764
2503
Se qualcuno vi domanda:
"Quanta pipì è tanta pipì?"
"Quanta pipì è tanta pipì?"
07:53
which is a question that I got asked,
188
461291
2458
e questa è una domanda
che mi hanno fatto,
che mi hanno fatto,
vorrete essere proprio sicuri
che la visualizzazione abbia senso
che la visualizzazione abbia senso
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
07:58
to as many people as possible.
190
466777
1747
per più gente possibile.
Questi numeri
non sono indisponibili.
non sono indisponibili.
08:00
These numbers aren't unavailable.
191
468548
1575
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
Alle volte sono sepolti nelle appendici
di uno studio universitario.
di uno studio universitario.
08:05
And they're certainly not inscrutable;
193
473678
1839
Non sono certo imperscrutabili;
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
se vuoi testare veramente
questi numeri sul volume dell'urina,
questi numeri sul volume dell'urina,
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
puoi prendere una bottiglia
e provarci.
e provarci.
08:12
(Laughter)
196
480821
1008
(Risate)
08:13
The point of this isn't necessarily
197
481853
1694
Il punto è che non necessariamente
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
ogni singolo dato deve
riferirsi specificamente a te.
riferirsi specificamente a te.
08:18
I'm interested in how many women
were issued fines in France
were issued fines in France
199
486472
2880
Sono interessata a quante donne
sono state multate in Francia
sono state multate in Francia
08:21
for wearing the face veil, or the niqab,
200
489376
1959
per aver il velo sul viso o il niqab,
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
anche se non vivo in Francia
o indosso il velo sul viso.
o indosso il velo sul viso.
08:26
The point of asking where you fit in
is to get as much context as possible.
is to get as much context as possible.
202
494001
3835
Domandarsi dove ci si colloca
significa avere più contesto possibile.
significa avere più contesto possibile.
08:29
So it's about zooming out
from one data point,
from one data point,
203
497860
2191
Si tratta di allontanarsi
dal singolo dato,
dal singolo dato,
08:32
like the unemployment rate
is five percent,
is five percent,
204
500075
2104
come il tasso di disoccupazione del 5%,
08:34
and seeing how it changes over time,
205
502203
1757
e vedere come cambia nel tempo,
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
o vedere come cambia
in base al grado di educazione --
in base al grado di educazione --
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
per questo i genitori
vogliono che andiamo all'università --
vogliono che andiamo all'università --
08:41
or seeing how it varies by gender.
208
509786
2032
o vedere come cambia in base al genere.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
Oggi la disoccupazione maschile è più alta
08:45
than the female unemployment rate.
210
513993
1700
di quella femminile.
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
Fino ai primi anni 80
era il contrario.
era il contrario.
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
Questa è uno dei più grandi cambiamenti
08:52
that's happened in American society,
213
520577
1720
verificatisi nella società americana
08:54
and it's all there in that chart,
once you look beyond the averages.
once you look beyond the averages.
214
522321
3276
ed è tutto in quel grafico,
una volta che si guarda oltre la media.
una volta che si guarda oltre la media.
08:57
The axes are everything;
215
525621
1165
Le assi sono tutto;
08:58
once you change the scale,
you can change the story.
you can change the story.
216
526810
2669
se cambi la scala,
puoi cambiare la storia.
puoi cambiare la storia.
09:01
OK, so the third and final question
that I want you guys to think about
that I want you guys to think about
217
529503
3380
La terza e ultima domanda
alla quale voglio che pensiate
alla quale voglio che pensiate
09:04
when you're looking at statistics is:
218
532907
1819
quando guardate le statistiche è:
09:06
How was the data collected?
219
534750
1873
come sono stati raccolti i dati?
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
Finora ho parlato solo
di come si comunicano i dati,
di come si comunicano i dati,
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
ma come si raccolgono
è altrettanto importante.
è altrettanto importante.
09:14
I know this is tough,
222
542930
1167
So che è difficile,
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
perché i metodi possono essere opachi
e abbastanza noiosi,
e abbastanza noiosi,
09:19
but there are some simple steps
you can take to check this.
you can take to check this.
224
547226
2873
ma ci sono dei passi semplici
per verificare.
per verificare.
09:22
I'll use one last example here.
225
550123
1839
Uso un ultimo esempio.
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
Un sondaggio dice che in questo paese
il 41% dei mussulmani sostiene la jihad,
il 41% dei mussulmani sostiene la jihad,
09:28
which is obviously pretty scary,
227
556220
1525
il che è abbastanza allarmante,
09:29
and it was reported everywhere in 2015.
228
557769
2642
ed è stato riportato ovunque nel 2015.
09:32
When I want to check a number like that,
229
560435
2615
Quando voglio controllare
un numero come quello,
un numero come quello,
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
inizio trovando
il questionario originale.
il questionario originale.
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
Risultò che i giornalisti
che riferirono la statistica
che riferirono la statistica
ignorarono una domanda
in basso nel questionario
in basso nel questionario
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
che chiedeva agli intervistati
di definire "jihad".
di definire "jihad".
09:42
that asked respondents
how they defined "jihad."
how they defined "jihad."
233
570804
2346
09:45
And most of them defined it as,
234
573174
1981
Molti di loro la definirono:
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
"Lotta pacifica e personale
dei musulmani per essere più religiosi".
dei musulmani per essere più religiosi".
09:51
Only 16 percent defined it as,
"violent holy war against unbelievers."
"violent holy war against unbelievers."
236
579145
4194
Solo il 6% la definì: "violenta
guerra santa contro gli infedeli".
guerra santa contro gli infedeli".
09:55
This is the really important point:
237
583363
2430
Questo è un punto molto importante:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
basandosi su quei numeri,
è davvero possibile
è davvero possibile
che nessuno di quelli che l'ha definita
una violenta guerra santa
una violenta guerra santa
09:59
that no one in the survey
who defined it as violent holy war
who defined it as violent holy war
239
587996
3105
abbia anche detto
che la appoggiano.
che la appoggiano.
10:03
also said they support it.
240
591125
1332
10:04
Those two groups might not overlap at all.
241
592481
2208
Quei due gruppi possono non coincidere.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
È bene anche chiedersi
com'è stato fatto il sondaggio.
com'è stato fatto il sondaggio.
10:09
This was something called an opt-in poll,
243
597783
1998
Questo è un sondaggio chiamato opt-in,
10:11
which means anyone could have found it
on the internet and completed it.
on the internet and completed it.
244
599805
3402
significa che chiunque lo trovi
su internet può farlo.
su internet può farlo.
10:15
There's no way of knowing
if those people even identified as Muslim.
if those people even identified as Muslim.
245
603231
3339
Non c'è modo di sapere
se chi ha risposto fosse musulmano.
se chi ha risposto fosse musulmano.
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
Infine, hanno risposto
in 600 a quel sondaggio.
in 600 a quel sondaggio.
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
Ci sono circa 3 milioni di musulmani
in questo paese,
in questo paese,
10:23
according to Pew Research Center.
248
611908
1607
secondo il Pew Research Center.
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
Significa che il sondaggio
ha consultato un musulmano su 5.000
ha consultato un musulmano su 5.000
10:28
in this country.
250
616556
1168
in questo paese.
10:29
This is one of the reasons
251
617748
1266
Questa è una delle ragioni
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
per cui le statistiche del governo sono
spesso migliori di quelle dei privati.
spesso migliori di quelle dei privati.
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
Un sondaggio può includere 200,
forse mille persone,
forse mille persone,
o, se sei L'Oreal che prova
a vendere prodotti di bellezza nel 2005,
a vendere prodotti di bellezza nel 2005,
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
consulti 48 donne
per affermare che funzionano.
per affermare che funzionano.
10:43
(Laughter)
256
631251
1026
(Risate)
Le compagnie private non hanno un grande
interesse nel rilevare i numeri giusti,
interesse nel rilevare i numeri giusti,
10:44
Private companies don't have a huge
interest in getting the numbers right,
interest in getting the numbers right,
257
632301
3556
10:47
they just need the right numbers.
258
635881
1755
a loro bastano i numeri giusti.
10:49
Government statisticians aren't like that.
259
637660
2020
Le statistiche del governo non sono così.
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
Almeno in teoria,
sono completamente imparziali,
sono completamente imparziali,
10:54
not least because most of them do
their jobs regardless of who's in power.
their jobs regardless of who's in power.
261
642175
3501
perché molti fanno il loro lavoro
senza preoccuparsi di chi è al potere.
senza preoccuparsi di chi è al potere.
10:57
They're civil servants.
262
645700
1162
Sono impiegati statali.
10:58
And to do their jobs properly,
263
646886
1964
E per far bene il loro lavoro,
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
non parlano con solo duecento persone.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
I dati sulla disoccupazione
a cui mi riferivo
a cui mi riferivo
vengono
dall'Ufficio di Statistica del Lavoro,
dall'Ufficio di Statistica del Lavoro,
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
11:07
and to make their estimates,
267
655631
1335
e per fare le loro stime
11:08
they speak to over 140,000
businesses in this country.
businesses in this country.
268
656990
3489
parlano con più di 140.000 aziende
in questo paese.
in questo paese.
11:12
I get it, it's frustrating.
269
660503
1725
Lo so, è frustrante.
11:14
If you want to test a statistic
that comes from a private company,
that comes from a private company,
270
662252
3115
Se vuoi testare la statistica
di una compagnia privata,
di una compagnia privata,
puoi comprare la crema da viso per te
e un pugno di amici, provarla,
e un pugno di amici, provarla,
11:17
you can buy the face cream for you
and a bunch of friends, test it out,
and a bunch of friends, test it out,
271
665391
3361
e se non funziona,
puoi dire che era sbagliata.
puoi dire che era sbagliata.
11:20
if it doesn't work,
you can say the numbers were wrong.
you can say the numbers were wrong.
272
668776
2591
Ma come contesti
le statistiche del governo?
le statistiche del governo?
11:23
But how do you question
government statistics?
government statistics?
273
671391
2146
Continui a controllare tutto?
11:25
You just keep checking everything.
274
673561
1630
Scopri come raccolgono i numeri.
11:27
Find out how they collected the numbers.
275
675215
1913
Scopri se sullo schema
c'è tutto quello che si deve vedere.
c'è tutto quello che si deve vedere.
11:29
Find out if you're seeing everything
on the chart you need to see.
on the chart you need to see.
276
677152
3125
Ma non perdere tutta la fiducia nei numeri
perché, se lo fai,
perché, se lo fai,
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
prenderemo le decisioni
di politica pubblica al buio,
di politica pubblica al buio,
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
usando solo gli interessi privati
come guida.
come guida.
11:37
using nothing but private
interests to guide us.
interests to guide us.
279
685753
2262
Grazie.
11:40
Thank you.
280
688039
1166
11:41
(Applause)
281
689229
2461
(Applausi)
ABOUT THE SPEAKER
Mona Chalabi - Data journalistMona Chalabi tries to take the numb out of numbers. She's left with lots of "ers."
Why you should listen
After working for a humanitarian organisation, Mona Chalabi saw how important data was, but also how easily it could be used by people with their own specific agendas. Since then, her work for organizations like Transparency International and The Guardian has had one goal: to make sure as many people as possible can find and question the data they need to make informed decisions about their lives.
Chalabi is currently the Data Editor of the Guardian US, where she writes articles, produces documentaries and turns data into illustrations and animations. In 2016, her data illustrations were commended by the Royal Statistical Society.
Mona Chalabi | Speaker | TED.com