TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
Mona Chalabi: 3 tapaa erottaa huonot tilastot
Filmed:
Readability: 4.2
1,888,599 views
Kyselyt, joissa poliittisten ehdokkaiden voittomahdollisuudet ennustetaan kahden desimaalin tarkkuudella, ovat ongelma. Mutta tilastoista ei pidä luopua kokonaan... sen sijaan niitä pitää oppia tutkimaan. Tässä hullunhauskassa puheessaan datatoimittaja Mona Chalabi jakaa muutamia keinoja, joilla voi kyseenalaistaa, tulkita ja todella ymmärtää sitä, mitä luvut kertovat.
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
Tänään puhun tilastoista.
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
Jos se saa sinut heti varautuneeksi,
se on OK,
se on OK,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
se ei tee sinusta jotain
hullua salaliittoteoreetikkoa
hullua salaliittoteoreetikkoa
00:21
it makes you skeptical.
3
9716
1296
vaan skeptisen.
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
Ja kun on kyse luvuista,
etenkin nyt kuuluu olla skeptinen.
etenkin nyt kuuluu olla skeptinen.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
Mutta pitää myös pystyä sanomaan,
mitkä luvut ovat luotettavia
mitkä luvut ovat luotettavia
00:29
and which ones aren't.
6
17981
1160
ja mitkä eivät.
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
Joten tänään haluan antaa
siihen joitain työkaluja.
siihen joitain työkaluja.
00:34
But before I do,
8
22395
1169
Ennen kuin teen niin,
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
haluan täsmentää, millaisista luvuista
nyt puhun.
nyt puhun.
00:38
I'm not talking about claims like,
10
26451
1635
En puhu väitteistä kuten
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
"9 naista 10:stä suosittelee
tätä ryppyvoidetta."
tätä ryppyvoidetta."
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
Moni aina pyörittelee silmiään
tuollaisille luvuille.
tuollaisille luvuille.
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
Eri asia on, että nykyään ihmiset
kyseenalaistavat tilastot kuten
kyseenalaistavat tilastot kuten
00:48
"The US unemployment
rate is five percent."
rate is five percent."
14
36587
2014
"USA:n työttömyysaste on 5 %."
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
Tästä väitteestä tekee erilaisen se,
ettei se ole peräisin yritykseltä
ettei se ole peräisin yritykseltä
00:54
it comes from the government.
16
42165
1388
vaan hallitukselta.
00:55
About 4 out of 10 Americans
distrust the economic data
distrust the economic data
17
43577
3336
Noin 4 amerikkalaista 10:stä
ei usko taloustilastoihin,
ei usko taloustilastoihin,
00:58
that gets reported by government.
18
46937
1573
joista hallitus kertoo.
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
Presidentti Trumpin kannattajissa
osuus on isompi,
osuus on isompi,
01:03
it's about 7 out of 10.
20
51049
1633
noin 7 henkeä 10:stä.
01:04
I don't need to tell anyone here
21
52706
1804
Minun ei tarvitse kertoa kenellekään,
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
että yhteiskunnassamme on nyt
monia vedenjakajia,
monia vedenjakajia,
01:09
and a lot of them start to make sense,
23
57569
1825
ja monet niistä käyvät järkeen,
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
kun ymmärtää ihmisten suhteen
näihin hallituksen lukuihin.
näihin hallituksen lukuihin.
01:15
On the one hand, there are those who say
these statistics are crucial,
these statistics are crucial,
25
63129
3336
Toisaalta on heitä, jotka sanovat
näiden tilastojen olevan tärkeitä,
näiden tilastojen olevan tärkeitä,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
että niillä saamme selkoa
yhteiskunnasta kokonaisuutena,
yhteiskunnasta kokonaisuutena,
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
että niillä jätämme taaksemme
tunneargumentit
tunneargumentit
01:23
and measure progress in a subjective way.
28
71331
2410
ja edistyksen subjektiivisen mittaamisen.
01:25
And then there are the others,
29
73765
1467
Sitten on heitä,
01:27
who say that these statistics are elitist,
30
75256
2156
että nämä tilastot ovat elitistisiä,
01:29
maybe even rigged;
31
77436
1208
ehkä jopa peukaloituja,
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
että niissä ei ole järkeä
eivätkä ne heijastele
eivätkä ne heijastele
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
ihmisten arkielämää.
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
Vaikuttaisi siltä, että toinen ryhmä
on nyt voitolla.
on nyt voitolla.
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
Elämme vaihtoehtoisten faktojen
maailmassa,
maailmassa,
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
jossa tilastoja ei pidetä
yhteisenä maaperänä,
yhteisenä maaperänä,
01:44
this starting point for debate.
37
92008
1636
väittelyn alkupisteenä.
01:45
This is a problem.
38
93668
1286
Tämä on ongelma.
01:46
There are actually
moves in the US right now
moves in the US right now
39
94978
2067
USA:ssa on tällä hetkellä
liikehdintää,
liikehdintää,
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
joka tähtää näiden tilastojen
poistamiseen kokonaan.
poistamiseen kokonaan.
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
Kongressissa on nyt lakiesitys
rotujen epätasa-arvon mittaamisesta.
rotujen epätasa-arvon mittaamisesta.
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
Lakiesityksessä sanotaan, ettei
valtion rahoja kuuluisi
valtion rahoja kuuluisi
01:58
to collect data on racial segregation.
43
106190
1902
käyttää keräämään dataa
rotusegregaatiosta.
rotusegregaatiosta.
02:00
This is a total disaster.
44
108116
1885
Tämä on täyskatastrofi.
02:02
If we don't have this data,
45
110025
1748
Jos tällaista dataa ei ole,
02:03
how can we observe discrimination,
46
111797
1778
kuinka voimma havainnoida
syrjintää,
syrjintää,
02:05
let alone fix it?
47
113599
1278
tai puuttua siihen?
02:06
In other words:
48
114901
1188
Toisin sanoen:
02:08
How can a government create fair policies
49
116113
2059
Kuinka hallitus voi luoda
tasa-arvoa,
tasa-arvoa,
02:10
if they can't measure
current levels of unfairness?
current levels of unfairness?
50
118196
2771
jos ei ole nykyisen epätasa-arvon mittaa?
02:12
This isn't just about discrimination,
51
120991
1794
Kyse ei ole vain syrjinnästä
02:14
it's everything -- think about it.
52
122809
1670
vaan kaikesta - ajatelkaa.
02:16
How can we legislate on health care
53
124503
1690
Kuinka säätää
terveydenhuoltolakeja,
terveydenhuoltolakeja,
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
jos ei ole dataa terveydestä
tai köyhyydestä?
tai köyhyydestä?
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
Kuinka voimme keskustella
maahanmuutosta,
maahanmuutosta,
02:22
if we can't at least agree
56
130734
1250
jos emme tiedä,
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
kuinka moni saapuu maahan
ja lähtee pois?
ja lähtee pois?
02:26
Statistics come from the state;
that's where they got their name.
that's where they got their name.
58
134675
3058
Tilastot tulevat valtiolta,
siitä ne ovat saaneet nimensä.
siitä ne ovat saaneet nimensä.
02:29
The point was to better
measure the population
measure the population
59
137757
2157
Tarkoituksena oli mitata
paremmin väestöä,
paremmin väestöä,
02:31
in order to better serve it.
60
139938
1357
jotta sitä voitaisiin palvella.
02:33
So we need these government numbers,
61
141319
1725
Tarvitsemme näitä lukuja,
02:35
but we also have to move
beyond either blindly accepting
beyond either blindly accepting
62
143068
2647
mutta emme saa vain
sokeasti hyväksyä
sokeasti hyväksyä
02:37
or blindly rejecting them.
63
145739
1268
tai torjua niitä.
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
Tarvitsemme kykyjä
huonojen tilastojen erottamiseen.
huonojen tilastojen erottamiseen.
02:42
I started to learn some of these
65
150052
1528
Aloin oppia niitä,
02:43
when I was working
in a statistical department
in a statistical department
66
151604
2166
kun työskentelin tilastoyksikössä,
02:45
that's part of the United Nations.
67
153794
1643
joka on osa YK:ta.
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
Meidän piti selvittää, kuinka monen
irakilaisen oli pakko muuttaa
irakilaisen oli pakko muuttaa
02:50
as a result of the war,
69
158891
1158
sodan seurauksena,
02:52
and what they needed.
70
160073
1158
ja mitä he tarvitsivat.
02:53
It was really important work,
but it was also incredibly difficult.
but it was also incredibly difficult.
71
161255
3178
Se oli tuikitärkeää työtä,
mutta myös tosi haastavaa.
mutta myös tosi haastavaa.
02:56
Every single day, we were making decisions
72
164457
2018
Joka ikinen päivä teimme päätöksiä,
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
jotka vaikuttivat lukujen tarkkuuteen --
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
kuten mihin osaan maata kuuluisi mennä,
03:03
who we should speak to,
75
171448
1156
kenelle puhua,
03:04
which questions we should ask.
76
172628
1568
mitä kysymyksiä esittää.
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
Ja aloin pettyä työhömme,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
sillä ajattelimme suoriutuvamme hyvin,
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
mutta se ryhmä, joka olisi
osanut sen sanoa, olivat irakilaiset,
osanut sen sanoa, olivat irakilaiset,
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
ja he harvoin saivat analyysin käsiinsä,
puhumattakaan kyseenalaistamisesta.
puhumattakaan kyseenalaistamisesta.
03:18
So I started to feel really determined
81
186332
1831
Joten aloin kokea,
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
että yksi keino tehdä luvuista tarkempia
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
on saada mahdollisimman moni
kyseenalaistamaan ne.
kyseenalaistamaan ne.
03:25
So I became a data journalist.
84
193599
1434
Minusta tuli datatoimittaja.
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
Etsin datasarjoja ja jaan ne
suurelle yleisölle.
suurelle yleisölle.
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
Kuka tahansa kykenee tähän,
ei tarvitse olla nörtti.
ei tarvitse olla nörtti.
03:34
You can ignore those words;
they're used by people
they're used by people
87
202182
2355
Nuo sanat voi sivuuttaa,
niitä käytetään,
niitä käytetään,
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
kun halutaan vaikuttaa
viisaalta ja nöyrältä.
viisaalta ja nöyrältä.
03:39
Absolutely anyone can do this.
89
207407
1589
Aivan kuka tahansa pystyy tähän.
03:41
I want to give you guys three questions
90
209020
2067
Tarjoan teille kolme kysymystä,
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
joilla huomaatte huonot tilastot.
03:46
So, question number one
is: Can you see uncertainty?
is: Can you see uncertainty?
92
214140
3507
Kysymys numero yksi:
Näkyykö epävarmuutta?
Näkyykö epävarmuutta?
03:49
One of things that's really changed
people's relationship with numbers,
people's relationship with numbers,
93
217671
3364
Yksi asia, joka on muuttanut
suhtautumista lukuihin,
suhtautumista lukuihin,
03:53
and even their trust in the media,
94
221059
1641
jopa mediaan,
03:54
has been the use of political polls.
95
222724
2258
on ollut poliittiset tiedustelut.
03:57
I personally have a lot of issues
with political polls
with political polls
96
225006
2538
Minulla on paljon
hampaankolossa niihin liittyen,
hampaankolossa niihin liittyen,
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
koska mielestäni toimittajien rooli
on reportoida faktat
on reportoida faktat
04:02
and not attempt to predict them,
98
230968
1553
eikä yrittää ennustaa niitä,
04:04
especially when those predictions
can actually damage democracy
can actually damage democracy
99
232545
2996
etenkään kun ne ennustukset
voivat haitata demokratiaa
voivat haitata demokratiaa
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
kertomalla: älä äänestä tuota tyyppiä,
04:10
he doesn't have a chance.
101
238321
1205
ei ole mahiksia.
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
Siirrytään eteenpäin ja puhutaan
tämän homman tarkkuudesta.
tämän homman tarkkuudesta.
04:15
Based on national elections
in the UK, Italy, Israel
in the UK, Italy, Israel
103
243228
4608
Nojautuen valtiopäiviin UK:ssa,
Italiassa ja Israelissa
Italiassa ja Israelissa
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
ja etenkin USA:n presidentinvaaleihin,
04:22
using polls to predict electoral outcomes
105
250648
2137
äänestystulosten ennustaminen kyselyillä
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
on liki yhtä tarkkaa kuin sairaalan
sisäänottojen ennustaminen kuulla.
sisäänottojen ennustaminen kuulla.
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
Ei kun oikeasti, käytin tähän oikeaa
tieteellistä dataa.
tieteellistä dataa.
04:32
There are a lot of reasons why
polling has become so inaccurate.
polling has become so inaccurate.
108
260869
3727
On monia syitä, miksi kyselyistä
on tullut epätarkkoja.
on tullut epätarkkoja.
04:36
Our societies have become really diverse,
109
264620
1970
Yhteiskunnistamme on tullut
monimuotoisia,
monimuotoisia,
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
minkä vuoksi on hankala saada
edustavaa otosta
edustavaa otosta
04:42
of the population for their polls.
111
270459
1627
populaatiosta.
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
Ihmiset eivät mielellään vastaa
kyselijöiden soittoihin,
kyselijöiden soittoihin,
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
ja, shokeeraavaa,
saattavat valehdellakin.
saattavat valehdellakin.
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
Mutta sitä ei välttämättä
tietäisi median perusteella.
tietäisi median perusteella.
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
Esimerkiksi Hillary Clintonin
voiton todennäköisyys
voiton todennäköisyys
04:55
was communicated with decimal places.
116
283060
2791
kerrottiin desimaaliluvuin.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
Emme käytä desimaalukuja
edes lämpötilaan.
edes lämpötilaan.
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
Kuinka ihmeessä 230 miljoonan äänestäjän
äänestyskäyttäytymisen ennustaminen
äänestyskäyttäytymisen ennustaminen
05:04
be that precise?
119
292772
1829
voi olla niin tarkkaa?
05:06
And then there were those sleek charts.
120
294625
2002
Ja sitten oli kaavioita.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
Usein kun dataa kuvataan, todennäköisyyttä
yliarvioidaan, ja se toimii --
yliarvioidaan, ja se toimii --
05:12
these charts can numb
our brains to criticism.
our brains to criticism.
122
300648
2620
nämä kaaviot voivat
lamaannutta aivomme kriittisyyden.
lamaannutta aivomme kriittisyyden.
05:15
When you hear a statistic,
you might feel skeptical.
you might feel skeptical.
123
303292
2558
Kun kuulee tilastolukuja,
saattaa olla skeptinen.
saattaa olla skeptinen.
05:17
As soon as it's buried in a chart,
124
305874
1635
Mutta kun se laitetaan kaavioon,
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
se tuntuu objektiiviselta tieteeltä,
05:21
and it's not.
126
309686
1249
mitä se ei ole.
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
Yritin löytää keinoja
kommunikoida paremmin ihmisten kanssa,
kommunikoida paremmin ihmisten kanssa,
05:26
to show people the uncertainty
in our numbers.
in our numbers.
128
314086
2504
ja näyttää lukujemme epävarmuus.
05:28
What I did was I started taking
real data sets,
real data sets,
129
316614
2246
Tein niin, että otin oikeita
datasarjoja
datasarjoja
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
ja piirsin ne käsin,
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
jotta nähtäisiin, kuinka
epätarkasta datasta on kyse;
epätarkasta datasta on kyse;
05:36
so people can see that a human did this,
132
324256
1996
että sen teki ihminen,
05:38
a human found the data and visualized it.
133
326276
1972
ihminen löysi ja havainnollisti datan.
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
Esimerkisi sen sijaan, että
ilmoitetaan todennäköisyys
ilmoitetaan todennäköisyys
05:42
of getting the flu in any given month,
135
330968
2126
flunssan saamiselle kaikkina kuukausina,
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
nähdään flunssakauden jakautuminen.
05:47
This is --
137
335934
1167
Tämä --
05:49
(Laughter)
138
337125
1018
(Naurua)
05:50
a bad shot to show in February.
139
338167
1486
on paha näyttää helmikuussa.
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
Mutta se on vastuullisempaa
havainnollistamista,
havainnollistamista,
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
sillä jos näytettäisiin
oikeat todennäköisyydet,
oikeat todennäköisyydet,
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
se ehkä kannustaisi ottamaan
influenssarokotteet
influenssarokotteet
05:59
at the wrong time.
143
347251
1456
väärään aikaan.
06:01
The point of these shaky lines
144
349163
1693
Näiden vavisevien linjojen pointti
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
on, että ihmiset muistaisivat
epätarkkuudet,
epätarkkuudet,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
mutta myös se, ettei heille
jäisi käteen jotain lukua,
jäisi käteen jotain lukua,
06:09
but they can remember important facts.
147
357066
1866
mutta he voivat muistaa
tärkeitä faktoja.
tärkeitä faktoja.
06:10
Facts like injustice and inequality
leave a huge mark on our lives.
leave a huge mark on our lives.
148
358956
4024
Kuten että epätasa-arvo
jättää jäljen elämäämme.
jättää jäljen elämäämme.
06:15
Facts like Black Americans and Native
Americans have shorter life expectancies
Americans have shorter life expectancies
149
363004
4189
Kuten että mustilla amerikkalaisilla
ja alkuperäiskansalaisilla on
ja alkuperäiskansalaisilla on
06:19
than those of other races,
150
367217
1400
muita lyhyempi elinajanodote,
06:20
and that isn't changing anytime soon.
151
368641
2138
ja se ei ole muuttumassa.
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
Faktoja, kuten että USA:ssa rikollisia
voidaan pitää selleissä,
voidaan pitää selleissä,
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
jotka ovat parkkipaikkaa pienempiä.
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
Näiden havainnollistusten pointti
on myös muistuttaa
on myös muistuttaa
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
muutamista tärkeistä
tilastollisista käsitteistä,
tilastollisista käsitteistä,
06:36
concepts like averages.
156
384268
1636
kuten keskiarvosta.
06:37
So let's say you hear a claim like,
157
385928
1668
Oletetaan, että kuulet väitteen
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"USA:ssa tavalliseen uima-altaaseen
on ulostettu 6,23 kertaa."
on ulostettu 6,23 kertaa."
06:44
That doesn't mean every single
swimming pool in the country
swimming pool in the country
159
392078
2797
Se ei tarkoita, että jok'ikisessä
maan uima-altaassa
maan uima-altaassa
06:46
contains exactly 6.23 turds.
160
394899
2194
on täsmälleen 6,23 pökälettä.
06:49
So in order to show that,
161
397117
1417
Tätä havainnollistaakseni
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
palasin alkudataan, joka
on lähtöisin CDC-viranomaiselta,
on lähtöisin CDC-viranomaiselta,
06:53
who surveyed 47 swimming facilities.
163
401423
2065
joka tutki 47 uima-allasta.
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
Ja minä käytin yhden illan
pökäleiden jakamiseen.
pökäleiden jakamiseen.
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
Näette, kuinka keskiarvot
voivat johtaa harhaan.
voivat johtaa harhaan.
07:00
(Laughter)
166
408633
1282
(Naurua)
07:01
OK, so the second question
that you guys should be asking yourselves
that you guys should be asking yourselves
167
409939
3901
OK, toinen kysymys, joka
kannattaa kysyä
kannattaa kysyä
07:05
to spot bad numbers is:
168
413864
1501
huonot luvut huomatakseen on:
07:07
Can I see myself in the data?
169
415389
1967
Näenkö itseni datassa?
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
Tämä kysymys osittain
koskettaa keskiarvoa,
koskettaa keskiarvoa,
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
sillä osasyy miksi ihmiset
ovat turhautuneita
ovat turhautuneita
07:14
with these national statistics,
172
422946
1495
näihin valtion tilastoihin,
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
on, että ne eivät kerro
kuka voittaa ja häviää
kuka voittaa ja häviää
07:19
from national policy.
174
427762
1156
valtion linjausten seurauksena.
07:20
It's easy to understand why people
are frustrated with global averages
are frustrated with global averages
175
428942
3318
On helppo ymmärtää, miksi
keskiarvot koetaan turhauttavina,
keskiarvot koetaan turhauttavina,
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
jos ne eivät vastaa omia kokemuksia.
07:26
I wanted to show people the way
data relates to their everyday lives.
data relates to their everyday lives.
177
434987
3263
Halusin näyttää ihmisille, miten
data liittyy heidän arkielämään.
data liittyy heidän arkielämään.
07:30
I started this advice column
called "Dear Mona,"
called "Dear Mona,"
178
438274
2246
Aloitin apupalstan nimeltä
"Rakas Mona",
"Rakas Mona",
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
jossa ihmiset voivat esittää
minulle kysymyksiä ja huolia
minulle kysymyksiä ja huolia
07:35
and I'd try to answer them with data.
180
443294
1784
ja pyrin vastaamaan datalla.
07:37
People asked me anything.
181
445102
1200
Minulta kysyttiin kaikkea:
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
kuten "Onko normaalia, että nukun
eri sängyssä kuin vaimoni?"
eri sängyssä kuin vaimoni?"
07:41
"Do people regret their tattoos?"
183
449611
1591
"Kadutaanko tatuointeja?"
07:43
"What does it mean to die
of natural causes?"
of natural causes?"
184
451226
2164
"Mitä on luonnollisista
syistä kuoleminen?"
syistä kuoleminen?"
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
Kaikki nämä kysymykset ovat hyviä,
koska ne saavat pohtimaan
koska ne saavat pohtimaan
07:48
about ways to find
and communicate these numbers.
and communicate these numbers.
186
456404
2336
tapoja, joilla viestiä näistä luvuista.
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
Jos joku kysyy sinulta:
"Paljonko pissaa on paljon?",
"Paljonko pissaa on paljon?",
07:53
which is a question that I got asked,
188
461291
2458
joka on kysymys, joka minulta kysyttiin,
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
haluaa pyrkiä siihen, että
havainnollistus on selkeä
havainnollistus on selkeä
07:58
to as many people as possible.
190
466777
1747
mahdollisimman monelle.
08:00
These numbers aren't unavailable.
191
468548
1575
Nämä luvut eivät ole olemattomia.
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
Joskus ne vain ovat haudattuina
jonkin tutkimuksen liitteissä.
jonkin tutkimuksen liitteissä.
08:05
And they're certainly not inscrutable;
193
473678
1839
Eivätkä ne suinkaan
ole kiistattomia,
ole kiistattomia,
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
jos oikeasti haluaa testata
virtsan volyymiä,
virtsan volyymiä,
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
voi tarttua pulloon ja testata itse.
08:12
(Laughter)
196
480821
1008
(Naurua)
08:13
The point of this isn't necessarily
197
481853
1694
Pointti ei ole välttämättä se,
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
että kaikkien datasarjojen
pitää liittyä juuri sinuun.
pitää liittyä juuri sinuun.
08:18
I'm interested in how many women
were issued fines in France
were issued fines in France
199
486472
2880
Minua kiinnostaa, moniko nainen
sai Ranskassa sakkoja
sai Ranskassa sakkoja
08:21
for wearing the face veil, or the niqab,
200
489376
1959
hunnun, tai niqabin, pitämisestä,
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
vaikken asu Ranskassa
tai pidä huntua.
tai pidä huntua.
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
Kysyt omaa paikkaasi
saadaksesi enemmän kontekstia.
saadaksesi enemmän kontekstia.
08:29
So it's about zooming out
from one data point,
from one data point,
203
497860
2191
Se on siis datasta pois zoomaamista,
08:32
like the unemployment rate
is five percent,
is five percent,
204
500075
2104
kuten että työttömyysaste
on 5 %,
on 5 %,
08:34
and seeing how it changes over time,
205
502203
1757
sen näkemistä, että
ajalla on vaikutusta,
ajalla on vaikutusta,
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
tai koulutuksella --
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
tästä syystä vanhempasi halusivat,
että menet yliopistoon --
että menet yliopistoon --
08:41
or seeing how it varies by gender.
208
509786
2032
tai kuinka sukupuoli vaikuttaa.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
Nykyään miesten työttömyysaste
on suurempi
on suurempi
08:45
than the female unemployment rate.
210
513993
1700
kuin naisten työttömyysaste.
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
Aina 80-luvulle asti
asia oli toisin.
asia oli toisin.
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
Tämä on yksi isoimmista muutoksista,
08:52
that's happened in American society,
213
520577
1720
joita on tapahtunut Amerikassa,
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
ja se kaikki on tuossa kaaviossa,
kun katsoo keskiarvojen läpi.
kun katsoo keskiarvojen läpi.
08:57
The axes are everything;
215
525621
1165
Akselit ovat kaikki kaikessa:
08:58
once you change the scale,
you can change the story.
you can change the story.
216
526810
2669
kun skaalaa muuttaa,
muuttaa tarinaa.
muuttaa tarinaa.
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
OK, kolmas ja viimeinen
kysymys teille mietittäväksi,
kysymys teille mietittäväksi,
09:04
when you're looking at statistics is:
218
532907
1819
kun katsotte tilastoja, on:
09:06
How was the data collected?
219
534750
1873
Kuinka data kerättiin?
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
Tähän mennessä olen puhunut
vain tavoista viestiä datasta,
vain tavoista viestiä datasta,
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
mutta sen keräämisen tavalla
on myös väliä.
on myös väliä.
09:14
I know this is tough,
222
542930
1167
Tiedän, tämä on rankkaa,
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
koska metodologia ei aina ole läpinäkyvä
vaan ehkä puuduttava,
vaan ehkä puuduttava,
09:19
but there are some simple steps
you can take to check this.
you can take to check this.
224
547226
2873
mutta tämän voi tarkistaa
muutamalla perusjutulla.
muutamalla perusjutulla.
09:22
I'll use one last example here.
225
550123
1839
Viimeinen esimerkki.
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
Kyselyn mukaan 41 % maamme muslimeista
kannattaa jihadia,
kannattaa jihadia,
09:28
which is obviously pretty scary,
227
556220
1525
mikä on aika pelottavaa,
09:29
and it was reported everywhere in 2015.
228
557769
2642
ja siitä uutisoitiin kaikkialla
vuonna 2015.
vuonna 2015.
09:32
When I want to check a number like that,
229
560435
2615
Kun haluan tarkistaa
tällaisen luvun,
tällaisen luvun,
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
aloitan etsimällä
alkuperäisen kyselyn.
alkuperäisen kyselyn.
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
Käy ilmi, että tästä reportoineet
toimittajat
toimittajat
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
jättivät huomioimatta kysymyksen,
09:42
that asked respondents
how they defined "jihad."
how they defined "jihad."
233
570804
2346
jossa kysyttiin, miten
jihad määriteltiin.
jihad määriteltiin.
09:45
And most of them defined it as,
234
573174
1981
Ja valtaosa määritteli sen
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
"Henkilökohtaiseksi, rauhanomaiseksi
pyrkimykseksi olla enemmän uskonnollinen."
pyrkimykseksi olla enemmän uskonnollinen."
09:51
Only 16 percent defined it as,
"violent holy war against unbelievers."
"violent holy war against unbelievers."
236
579145
4194
Vain 16 % määritteli sen
"pyhäksi sodaksi epäuskovia vastaan."
"pyhäksi sodaksi epäuskovia vastaan."
09:55
This is the really important point:
237
583363
2430
Tämä on tärkeää:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
näihin lukuihin nojautuen
on ihan mahdollista,
on ihan mahdollista,
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
ettei kukaan, joka määritteli
sen pyhäksi sodaksi,
sen pyhäksi sodaksi,
10:03
also said they support it.
240
591125
1332
kuitenkaan kannattanut sitä.
10:04
Those two groups might not overlap at all.
241
592481
2208
Ne ryhmät eivät välttämättä
ole päällekkäisiä.
ole päällekkäisiä.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
On myös hyvä kysyä,
miten kysely toteutettiin.
miten kysely toteutettiin.
10:09
This was something called an opt-in poll,
243
597783
1998
Tämä oli vapaaehtoinen kysely,
10:11
which means anyone could have found it
on the internet and completed it.
on the internet and completed it.
244
599805
3402
eli kuka tahansa internetissä
saattoi löytää ja täyttää sen.
saattoi löytää ja täyttää sen.
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
Ei voi tietää, olivatko nuo ihmiset
edes muslimeja.
edes muslimeja.
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
Ja viimeiseksi, kyselyyn
vastasi 600 henkeä.
vastasi 600 henkeä.
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
Maassamme on noin 300 miljoonaa muslimia,
10:23
according to Pew Research Center.
248
611908
1607
Pew Research Centerin mukaan laskettuna.
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
Se tarkoittaa, että kyselyyn vastasi
noin 1 muslimi 5000:sta
noin 1 muslimi 5000:sta
10:28
in this country.
250
616556
1168
muslimista maassamme.
10:29
This is one of the reasons
251
617748
1266
Tämä on osasyy,
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
miksi valtion tilastot
ovat usein yksityisiä parempia.
ovat usein yksityisiä parempia.
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
Kyselyssä saatetaan käydä läpi
sata tai ehkä tuhat ihmistä,
sata tai ehkä tuhat ihmistä,
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
tai jos on L'Oreal,
joka koittaa myydä ihonhoitotuotteita,
joka koittaa myydä ihonhoitotuotteita,
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
ehkä 48 naista riittää.
10:43
(Laughter)
256
631251
1026
(Naurua)
10:44
Private companies don't have a huge
interest in getting the numbers right,
interest in getting the numbers right,
257
632301
3556
Yrityksillä ei ole merkitystä,
että numerot ovat oikeita,
että numerot ovat oikeita,
10:47
they just need the right numbers.
258
635881
1755
tarvitaan vain oikeat numerot.
10:49
Government statisticians aren't like that.
259
637660
2020
Valtion tilastotieteilijät
eivät ole sellaisia.
eivät ole sellaisia.
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
Ainakin teoriassa he ovat
täysin puolueettomia,
täysin puolueettomia,
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
osittain siksi, että he tekevät työnsä
riippumatta siitä, kuka on vallassa.
riippumatta siitä, kuka on vallassa.
10:57
They're civil servants.
262
645700
1162
He ovat palvelijoita.
10:58
And to do their jobs properly,
263
646886
1964
Ja tehdäkseen työnsä kunnolla
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
he eivät vain puhu
parillesadalle ihmiselle.
parillesadalle ihmiselle.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
Nuo työttömyystilastot,
joihin viittasin,
joihin viittasin,
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
ovat peräisin Bureau of
Labor Statisticsista,
Labor Statisticsista,
11:07
and to make their estimates,
267
655631
1335
ja tehdäkseen arvioita
11:08
they speak to over 140,000
businesses in this country.
businesses in this country.
268
656990
3489
he puhuvat yli 140 000
yritykselle maassa.
yritykselle maassa.
11:12
I get it, it's frustrating.
269
660503
1725
Tiedän, turhauttavaa.
11:14
If you want to test a statistic
that comes from a private company,
that comes from a private company,
270
662252
3115
Jos haluaa testata
yrityksen tilastoja,
yrityksen tilastoja,
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
voi ostaa ryppyvoiteen
itselle ja ystävilleen ja testata sitä,
itselle ja ystävilleen ja testata sitä,
11:20
if it doesn't work,
you can say the numbers were wrong.
you can say the numbers were wrong.
272
668776
2591
jos se ei toimi, voit sanoa,
että numerot olivat palturia.
että numerot olivat palturia.
11:23
But how do you question
government statistics?
government statistics?
273
671391
2146
Mutta miten valtion tilastoja
kyseenalaistetaan?
kyseenalaistetaan?
11:25
You just keep checking everything.
274
673561
1630
Kaikki vain tarkistetaan.
11:27
Find out how they collected the numbers.
275
675215
1913
Selvitä, miten luvut saatiin.
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
Selvitä, näetkö kaaviossa kaiken
mikä sinun pitäisi.
mikä sinun pitäisi.
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
Mutta älä luovuta lukujen
suhteen kokonaan, sillä jos sen teet,
suhteen kokonaan, sillä jos sen teet,
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
teemme politiikkaa pimeässä hapuillen
11:37
using nothing but private
interests to guide us.
interests to guide us.
279
685753
2262
pelkät omat etumme meitä johdattamassa.
11:40
Thank you.
280
688039
1166
Kiitos.
11:41
(Applause)
281
689229
2461
(Taputuksia)
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