TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
Mona Chalabi: Três formas de detetar uma má estatística
Filmed:
Readability: 4.2
1,888,599 views
As sondagens que preveem as hipóteses de candidatos políticos com décimas, são um problema. Mas não podemos excluir totalmente as estatísticas... em vez disso, devemos aprender a olhar por detrás delas. Nesta palestra agradável e divertida, a jornalista Mona Chalabi partilha connosco pistas para ajudar a questionar, a interpretar e a compreender verdadeiramente o que os números nos dizem.
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
Hoje vou falar de estatísticas.
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 isso vos faz sentir desconfiados,
tudo bem,
tudo bem,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
isso não quer dizer que sejam
um louco conspirador.
um louco conspirador.
00:21
it makes you skeptical.
3
9716
1296
mas apenas que são céticos.
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
Quando se trata de números,
sobretudo agora, devemos ser céticos.
sobretudo agora, devemos ser céticos.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
Mas também temos que poder
dizer quais os números fiáveis
dizer quais os números fiáveis
00:29
and which ones aren't.
6
17981
1160
e quais os que não são.
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
Hoje vou tentar dar-vos
ferramentas para o poderem fazer.
ferramentas para o poderem fazer.
00:34
But before I do,
8
22395
1169
Mas, antes disso,
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
quero esclarecer quais os números
de que estou a falar.
de que estou a falar.
00:38
I'm not talking about claims like,
10
26451
1635
Não estou a falar de afirmações como:
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
"Nove em dez mulheres recomendam
este creme antirrugas".
este creme antirrugas".
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
Penso que muita gente
revira os olhos a números destes.
revira os olhos a números destes.
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
Mas a diferença, é que as pessoas
questionam estatísticas como:
questionam estatísticas como:
"A taxa de desemprego nos EUA é de 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
Esta afirmação é diferente
porque não provém de uma empresa privada,
porque não provém de uma empresa privada,
provém do governo.
00:54
it comes from the government.
16
42165
1388
00:55
About 4 out of 10 Americans
distrust the economic data
distrust the economic data
17
43577
3336
Cerca de quatro em dez americanos
não confiam nos dados económicos
não confiam nos dados económicos
00:58
that gets reported by government.
18
46937
1573
que são publicados pelo governo.
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
Para os apoiantes do Presidente Trump
ainda são mais altos: sete em cada dez.
ainda são mais altos: sete em cada dez.
01:03
it's about 7 out of 10.
20
51049
1633
01:04
I don't need to tell anyone here
21
52706
1804
Não preciso de dizer a ninguém aqui
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
que há muitas linhas de divisão,
neste momento, na nossa sociedade
neste momento, na nossa sociedade
01:09
and a lot of them start to make sense,
23
57569
1825
e começam a fazer sentido,
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
quando percebemos as relações das pessoas
com estes números do governo.
com estes números do governo.
01:15
On the one hand, there are those who say
these statistics are crucial,
these statistics are crucial,
25
63129
3336
Por um lado, há quem diga
que estas estatísticas são fundamentais,
que estas estatísticas são fundamentais,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
para apreciar a nossa sociedade,
no seu todo,
no seu todo,
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
para ultrapassar
as historietas emotivas
as historietas emotivas
01:23
and measure progress in a subjective way.
28
71331
2410
e medir o progresso
duma forma objetiva.
duma forma objetiva.
01:25
And then there are the others,
29
73765
1467
Depois, há os outros,
que dizem que estas estatísticas
são elitistas,
são elitistas,
01:27
who say that these statistics are elitist,
30
75256
2156
01:29
maybe even rigged;
31
77436
1208
até talvez manipuladas;
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
não fazem sentido
e não refletem necessariamente
e não refletem necessariamente
o que acontece na vida quotidiana
das pessoas.
das pessoas.
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
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
Parece que este segundo grupo
está neste momento a ganhar terreno.
está neste momento a ganhar terreno.
Vivemos num mundo de factos alternativos,
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
em que as estatísticas
não são uma base de entendimento,
não são uma base de entendimento,
01:44
this starting point for debate.
37
92008
1636
um ponto de partida para debate.
01:45
This is a problem.
38
93668
1286
Isso é um problema.
01:46
There are actually
moves in the US right now
moves in the US right now
39
94978
2067
Há hoje um movimento
de direita dos EUA
de direita dos EUA
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
para nos livrarmos
das estatísticas do governo.
das estatísticas do governo.
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
Há um projeto de lei no Congresso
para medir a desigualdade racial.
para medir a desigualdade racial.
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
Esse projeto diz que o dinheiro do governo
não deve ser usado
não deve ser usado
01:58
to collect data on racial segregation.
43
106190
1902
para reunir dados sobre este tema.
02:00
This is a total disaster.
44
108116
1885
Isto é um desastre total.
02:02
If we don't have this data,
45
110025
1748
Se não tivermos esses dados,
02:03
how can we observe discrimination,
46
111797
1778
como podemos observar a discriminação,
e sobretudo corrigi-la?
e sobretudo corrigi-la?
02:05
let alone fix it?
47
113599
1278
02:06
In other words:
48
114901
1188
Por outras palavras,
02:08
How can a government create fair policies
49
116113
2059
como criar políticas justas,
se não se puder medir
os atuais níveis de injustiça?
os atuais níveis de injustiça?
02:10
if they can't measure
current levels of unfairness?
current levels of unfairness?
50
118196
2771
02:12
This isn't just about discrimination,
51
120991
1794
Não se trata apenas de discriminação,
trata-se de tudo — pensem nisso.
trata-se de tudo — pensem nisso.
02:14
it's everything -- think about it.
52
122809
1670
Como legislar sobre a saúde,
02:16
How can we legislate on health care
53
124503
1690
se não houver bons dados
sobre a saúde e a pobreza?
sobre a saúde e a pobreza?
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
Como fazer um debate público
sobre imigração
sobre imigração
02:22
if we can't at least agree
56
130734
1250
sem saber, pelo menos,
quantas pessoas entram e saem do país?
quantas pessoas entram e saem do país?
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
"Estatísticas" provêm de "estado",
é daí que vem o seu nome.
é daí que vem o seu nome.
02:26
Statistics come from the state;
that's where they got their name.
that's where they got their name.
58
134675
3058
O objetivo era medir melhor a população
a fim de melhor a servir.
a fim de melhor a servir.
02:29
The point was to better
measure the population
measure the population
59
137757
2157
02:31
in order to better serve it.
60
139938
1357
Precisamos destes números do governo,
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
mas também temos que deixar
de os aceitar cegamente
de os aceitar cegamente
ou de os rejeitar cegamente,
02:37
or blindly rejecting them.
63
145739
1268
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
Temos que aprender
a detetar as más estatísticas.
a detetar as más estatísticas.
Comecei a aprender algumas delas
02:42
I started to learn some of these
65
150052
1528
02:43
when I was working
in a statistical department
in a statistical department
66
151604
2166
ao trabalhar num serviço de estatística
02:45
that's part of the United Nations.
67
153794
1643
que faz parte das Nações Unidas.
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
Tínhamos que saber
quantos iraquianos tinham sido forçados
quantos iraquianos tinham sido forçados
a sair de casa por causa da guerra
e de que precisavam.
e de que precisavam.
02:50
as a result of the war,
69
158891
1158
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
Era um trabalho muito importante,
mas também muito difícil.
mas também muito difícil.
02:56
Every single day, we were making decisions
72
164457
2018
Todos os dias, estávamos a tomar decisões
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
que afetavam o rigor dos nossos números
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
— decisões como, quais as partes
do país onde devíamos ir,
do país onde devíamos ir,
03:03
who we should speak to,
75
171448
1156
com quem devíamos falar,
que perguntas devíamos fazer.
que perguntas devíamos fazer.
03:04
which questions we should ask.
76
172628
1568
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
Comecei a ficar desiludida
com o nosso trabalho,
com o nosso trabalho,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
porque estávamos a fazer
um trabalho muito bom,
um trabalho muito bom,
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
mas o grupo de pessoas
que nos podia dizer eram os iraquianos.
que nos podia dizer eram os iraquianos.
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
Mas eles raramente viam a nossa análise,
quanto mais questioná-la.
quanto mais questioná-la.
03:18
So I started to feel really determined
81
186332
1831
Sentia-me deveras convencida
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
de que os números
só podiam ser mais rigorosos,
só podiam ser mais rigorosos,
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
se houvesse o maior número possível
de pessoas a questioná-los.
de pessoas a questioná-los.
03:25
So I became a data journalist.
84
193599
1434
Passei a ser jornalista de investigação.
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
O meu trabalho é encontrar esses dados
e partilhá-los com o público.
e partilhá-los com o público.
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
Qualquer um pode fazer isto,
não é preciso ser "geek" ou "nerd".
não é preciso ser "geek" ou "nerd".
Ignorem estas palavras,
são usadas por pessoas
são usadas por pessoas
03:34
You can ignore those words;
they're used by people
they're used by people
87
202182
2355
que tentam passar por espertas,
embora finjam ser humildes.
embora finjam ser humildes.
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
Toda a gente pode fazer isto.
03:39
Absolutely anyone can do this.
89
207407
1589
03:41
I want to give you guys three questions
90
209020
2067
Vou fazer-vos três perguntas
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
que vos ajudarão a conseguir
detetar más estatísticas.
detetar más estatísticas.
Pergunta número um:
Conseguem ver incerteza?
Conseguem ver incerteza?
03:46
So, question number one
is: Can you see uncertainty?
is: Can you see uncertainty?
92
214140
3507
03:49
One of things that's really changed
people's relationship with numbers,
people's relationship with numbers,
93
217671
3364
Uma das coisas que mudou
a relação das pessoas com os números,
a relação das pessoas com os números,
03:53
and even their trust in the media,
94
221059
1641
e a sua confiança nos "media",
03:54
has been the use of political polls.
95
222724
2258
tem sido o uso das sondagens políticas,
03:57
I personally have a lot of issues
with political polls
with political polls
96
225006
2538
Eu tenho muitos problemas
com as sondagens políticas
com as sondagens políticas
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
porque acho que o papel dos jornalistas
é relatar os factos
é relatar os factos
04:02
and not attempt to predict them,
98
230968
1553
e não tentar prevê-los,
sobretudo quando essas previsões
podem prejudicar a democracia
podem prejudicar a democracia
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
dizendo às pessoas:
não votem neste tipo,
não votem neste tipo,
ele não tem a mínima hipótese.
04:10
he doesn't have a chance.
101
238321
1205
Mas deixemos isto de lado, por agora,
e falemos o rigor desta atividade.
e falemos o rigor desta atividade.
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
Com base nas eleições nacionais,
no Reino Unido, na Itália, em Israel
no Reino Unido, na Itália, em Israel
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
e, claro, nas eleições presidenciais
mais recentes nos EUA,
mais recentes nos EUA,
04:22
using polls to predict electoral outcomes
105
250648
2137
as sondagens para prever
os resultados eleitorais
os resultados eleitorais
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
são tão rigorosas como usar a lua
para prever as hospitalizações.
para prever as hospitalizações.
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
A sério, eu usei dados atuais
de um estudo académico para traçar isto.
de um estudo académico para traçar isto.
04:32
There are a lot of reasons why
polling has become so inaccurate.
polling has become so inaccurate.
108
260869
3727
Há muitas razões por que as sondagens
se tornaram tão pouco rigorosas.
se tornaram tão pouco rigorosas.
As nossas sociedades tornaram-se
muito diversas,
muito diversas,
04:36
Our societies have become really diverse,
109
264620
1970
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
o que torna difícil aos pesquisadores
conseguir uma boa amostra representativa
conseguir uma boa amostra representativa
04:42
of the population for their polls.
111
270459
1627
da população para as sondagens.
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
As pessoas têm relutância
em responder por telefone,
em responder por telefone,
e, por chocante que pareça,
também podem mentir.
também podem mentir.
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
Mas não saberiam isso, forçosamente,
seguindo os "media".
seguindo os "media".
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
Por um lado, a probabilidade
de Hillary Clinton ganhar
de Hillary Clinton ganhar
04:55
was communicated with decimal places.
116
283060
2791
foi apresentada com décimas.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
Não usamos décimas
para descrever a temperatura.
para descrever a temperatura.
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
Como é que o comportamento
de 230 milhões de votantes neste país,
de 230 milhões de votantes neste país,
podia ser previsto de modo tão rigoroso?
05:04
be that precise?
119
292772
1829
05:06
And then there were those sleek charts.
120
294625
2002
Depois, havia aqueles gráficos elegantes.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
Uma data de visualizações de dados
vai reforçar a certeza, e funciona
vai reforçar a certeza, e funciona
— estes gráficos podem nublar
o nosso cérebro quanto à crítica.
o nosso cérebro quanto à crítica.
05:12
these charts can numb
our brains to criticism.
our brains to criticism.
122
300648
2620
05:15
When you hear a statistic,
you might feel skeptical.
you might feel skeptical.
123
303292
2558
Ao ouvir uma estatística,
podemos sentir-nos céticos.
podemos sentir-nos céticos.
05:17
As soon as it's buried in a chart,
124
305874
1635
Mas, quando aparece num gráfico,
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
fica com o aspeto de uma ciência objetiva
mas não é.
mas não é.
05:21
and it's not.
126
309686
1249
Por isso, tentei encontrar modos
de comunicar isto às pessoas,
de comunicar isto às pessoas,
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
para mostrar às pessoas
a incerteza dos nossos números.
a incerteza dos nossos números.
05:26
to show people the uncertainty
in our numbers.
in our numbers.
128
314086
2504
05:28
What I did was I started taking
real data sets,
real data sets,
129
316614
2246
Comecei a arranjar
grupos de dados reais
grupos de dados reais
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
e transformá-los em visualizações,
traçadas à mão
traçadas à mão
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
para as pessoas verem
como os dados são imprecisos,
como os dados são imprecisos,
para verem que foi
um ser humano que fez isto,
um ser humano que fez isto,
05:36
so people can see that a human did this,
132
324256
1996
05:38
a human found the data and visualized it.
133
326276
1972
um homem que encontrou os dados
e os visualizou.
e os visualizou.
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
Por exemplo, em vez de
encontrar a probabilidade
encontrar a probabilidade
05:42
of getting the flu in any given month,
135
330968
2126
de apanhar uma gripe
num determinado mês.
num determinado mês.
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
podemos ver a distribuição grosseira
da estação da gripe.
da estação da gripe.
05:47
This is --
137
335934
1167
É assim...
(Risos)
(Risos)
05:49
(Laughter)
138
337125
1018
Uma imagem má para fevereiro.
05:50
a bad shot to show in February.
139
338167
1486
Mas é uma visualização de dados
mais responsável
mais responsável
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
porque, se vos mostrarmos
as reais possibilidades,
as reais possibilidades,
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
talvez isso encoraje as pessoas
a apanhar a vacina da gripe
a apanhar a vacina da gripe
05:59
at the wrong time.
143
347251
1456
na altura errada.
06:01
The point of these shaky lines
144
349163
1693
O objetivo destas linhas imprecisas
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
é para as pessoas se lembrarem
destas imprecisões,
destas imprecisões,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
mas também não contêm necessariamente
um número específico,
um número específico,
mas podem relembrar factos importantes.
06:09
but they can remember important facts.
147
357066
1866
06:10
Facts like injustice and inequality
leave a huge mark on our lives.
leave a huge mark on our lives.
148
358956
4024
Factos como a injustiça e a desigualdade
deixam uma marca enorme na nossa vida.
deixam uma marca enorme na nossa vida.
Os americanos negros ou os nativos
têm uma expetativa de vida mais curta
têm uma expetativa de vida mais curta
06:15
Facts like Black Americans and Native
Americans have shorter life expectancies
Americans have shorter life expectancies
149
363004
4189
06:19
than those of other races,
150
367217
1400
do que os de outras etnias
06:20
and that isn't changing anytime soon.
151
368641
2138
e isso não vai mudar dentro em pouco
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
Factos como os presos nos EUA
podem estar em celas de isolamento
podem estar em celas de isolamento
que são mais pequenas que o tamanho
de um espaço vulgar para estacionamento.
de um espaço vulgar para estacionamento.
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
O objetivo destas visualizações
também serve para recordar às pessoas
também serve para recordar às pessoas
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
alguns conceitos estatísticos
deveras importantes,
deveras importantes,
06:36
concepts like averages.
156
384268
1636
conceitos como médias.
06:37
So let's say you hear a claim like,
157
385928
1668
Digamos que ouvem uma afirmação como:
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"A piscina média nos EUA
contém 6,23 acidentes fecais".
contém 6,23 acidentes fecais".
06:44
That doesn't mean every single
swimming pool in the country
swimming pool in the country
159
392078
2797
Isto não significa que todas
as piscinas no país
as piscinas no país
06:46
contains exactly 6.23 turds.
160
394899
2194
contenham exatamente 6,23 de fezes.
06:49
So in order to show that,
161
397117
1417
Para mostrar isso,
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
fui aos dados originais
que provêm do CDC
que provêm do CDC
06:53
who surveyed 47 swimming facilities.
163
401423
2065
que analisou 47 piscinas.
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
Só gastei uma tarde
a redistribuir os cocós.
a redistribuir os cocós.
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
Estão a ver como estas médias
podem ser enganadoras.
podem ser enganadoras.
(Risos)
07:00
(Laughter)
166
408633
1282
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, agora a segunda pergunta
que devem fazer a vós mesmos,
que devem fazer a vós mesmos,
para detetar números maus, é:
07:05
to spot bad numbers is:
168
413864
1501
07:07
Can I see myself in the data?
169
415389
1967
"Revejo-me nestes dados?"
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
Esta pergunta, de certo modo,
também tem a ver com médias.
também tem a ver com médias.
Parte da razão para as pessoas
se sentirem frustradas
se sentirem frustradas
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
com estas estatísticas nacionais,
07:14
with these national statistics,
172
422946
1495
é porque elas não contam a história
de quem está a ganhar ou a perder
de quem está a ganhar ou a perder
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
com a política nacional.
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
Percebe-se porque é as pessoas
se sentem frustradas com médias globais
se sentem frustradas com médias globais
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
quando não se adequam
às suas experiências pessoais.
às suas experiências pessoais.
Eu queria mostrar como os dados
se relacionam com a sua vida diária.
se relacionam com a sua vida diária.
07:26
I wanted to show people the way
data relates to their everyday lives.
data relates to their everyday lives.
177
434987
3263
07:30
I started this advice column
called "Dear Mona,"
called "Dear Mona,"
178
438274
2246
Comecei a coluna de conselhos
"Querida Mona",
"Querida Mona",
em que as pessoas
podem fazer perguntas
podem fazer perguntas
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
e eu tento responder-lhes com dados.
07:35
and I'd try to answer them with data.
180
443294
1784
As pessoas perguntam-me tudo:
07:37
People asked me anything.
181
445102
1200
"É normal dormir numa cama
separada da minha mulher?"
separada da minha mulher?"
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
"As pessoas arrependem-se
das suas tatuagens?"
das suas tatuagens?"
07:41
"Do people regret their tattoos?"
183
449611
1591
07:43
"What does it mean to die
of natural causes?"
of natural causes?"
184
451226
2164
"O que significa morrer
de causas naturais?"
de causas naturais?"
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
Todas estas perguntas são ótimas,
porque nos fazem pensar
porque nos fazem pensar
na maneira de encontrar
e comunicar esses números.
e comunicar esses números.
07:48
about ways to find
and communicate these numbers.
and communicate these numbers.
186
456404
2336
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 alguém perguntar:
"Que quantidade de urina é muita urina?"
"Que quantidade de urina é muita urina?"
07:53
which is a question that I got asked,
188
461291
2458
— foi uma pergunta que me fizeram —
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
queremos ter a certeza
de que a visualização faça sentido
de que a visualização faça sentido
para o maior número de pessoas possível.
07:58
to as many people as possible.
190
466777
1747
08:00
These numbers aren't unavailable.
191
468548
1575
Estes números não estão indisponíveis.
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
Por vezes, estão enterrados
no apêndice de um estudo académico.
no apêndice de um estudo académico.
08:05
And they're certainly not inscrutable;
193
473678
1839
E, certamente, não são impenetráveis;
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
se realmente quiserem testar
os números do volume da urina,
os números do volume da urina,
podem agarrar numa garrafa
e tentarem.
e tentarem.
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
08:12
(Laughter)
196
480821
1008
A questão aqui não é necessariamente
08:13
The point of this isn't necessarily
197
481853
1694
que cada conjunto de dados
se relacione especificamente convosco.
se relacione especificamente convosco.
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
Quero saber quantas mulheres
foram multadas, em França,
foram multadas, em França,
08:18
I'm interested in how many women
were issued fines in France
were issued fines in France
199
486472
2880
08:21
for wearing the face veil, or the niqab,
200
489376
1959
por usar o véu na cara, o "niqab",
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
mesmo que não viva em França
nem tape a cara com um véu.
nem tape a cara com um véu.
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
Perguntei se vos encaixavam
para encontrar o contexto, se possível
para encontrar o contexto, se possível
Trata-se de ampliar a partir de um dado,
08:29
So it's about zooming out
from one data point,
from one data point,
203
497860
2191
08:32
like the unemployment rate
is five percent,
is five percent,
204
500075
2104
como a taxa de desemprego
ser de 5%
ser de 5%
08:34
and seeing how it changes over time,
205
502203
1757
e ver como ela muda com o tempo
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
ou ver como ela muda
consoante o grau de instrução
consoante o grau de instrução
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
— por isso os vossos pais queriam
que fossem para a faculdade —
que fossem para a faculdade —
08:41
or seeing how it varies by gender.
208
509786
2032
ou ver como ela varia, consoante os sexos.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
Hoje, a taxa de desemprego
masculina é mais alta
masculina é mais alta
08:45
than the female unemployment rate.
210
513993
1700
do que a feminina.
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
Até ao início dos anos 80,
era o contrário.
era o contrário.
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
Esta é a história de uma
das maiores mudanças
das maiores mudanças
08:52
that's happened in American society,
213
520577
1720
na sociedade norte-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
e está aqui tudo neste gráfico,
se olharmos para além das médias.
se olharmos para além das médias.
08:57
The axes are everything;
215
525621
1165
Os eixos são tudo.
08:58
once you change the scale,
you can change the story.
you can change the story.
216
526810
2669
Se mudarmos a escala,
podemos mudar a história.
podemos mudar a história.
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
A terceira e última pergunta
que eu queria que vocês pensassem
que eu queria que vocês pensassem
09:04
when you're looking at statistics is:
218
532907
1819
quando olharem para as estatísticas, é:
09:06
How was the data collected?
219
534750
1873
"Como foram recolhidos os dados?"
Até aqui, só falei da forma
como os dados são comunicados
como os dados são comunicados
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
mas a forma como são recolhidos
também é importante.
também é importante.
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
Sei que isto é difícil,
09:14
I know this is tough,
222
542930
1167
porque as metodologias podem
ser opacas e bastante aborrecidas,
ser opacas e bastante aborrecidas,
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
mas há uns passos simples
para poderem verificar isso.
para poderem verificar isso.
09:19
but there are some simple steps
you can take to check this.
you can take to check this.
224
547226
2873
09:22
I'll use one last example here.
225
550123
1839
Vou usar um último exemplo.
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
Uma sondagem concluiu que 41% de
muçulmanos neste país apoiam a "jiade",
muçulmanos neste país apoiam a "jiade",
09:28
which is obviously pretty scary,
227
556220
1525
o que é obviamente assustador.
09:29
and it was reported everywhere in 2015.
228
557769
2642
Isto foi relatado em toda a parte,
em 2015.
em 2015.
09:32
When I want to check a number like that,
229
560435
2615
Quando eu quero verificar
um número como este,
um número como este,
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
começo por procurar
o questionário original.
o questionário original.
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
Acontece que os jornalistas
que relataram esta estatística
que relataram esta estatística
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
ignoraram uma questão
mais abaixo, no estudo,
mais abaixo, no estudo,
09:42
that asked respondents
how they defined "jihad."
how they defined "jihad."
233
570804
2346
que pedia aos inquiridos
que definissem "jiade".
que definissem "jiade".
09:45
And most of them defined it as,
234
573174
1981
A maior parte deles definiu-o assim:
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
"Luta pacífica, pessoal, dos muçulmanos,
para serem mais religiosos".
para serem mais religiosos".
09:51
Only 16 percent defined it as,
"violent holy war against unbelievers."
"violent holy war against unbelievers."
236
579145
4194
Só 16% o definiram como
"guerra santa violenta contra os infiéis".
"guerra santa violenta contra os infiéis".
09:55
This is the really important point:
237
583363
2430
Esta é a questão realmente importante:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
com base nestes números,
é totalmente possível
é totalmente possível
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
que quem a definiu como
guerra santa violenta
guerra santa violenta
também tenha dito que não a apoiava.
10:03
also said they support it.
240
591125
1332
10:04
Those two groups might not overlap at all.
241
592481
2208
Estes dois grupos podiam
nem sequer se sobrepor.
nem sequer se sobrepor.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
Também vale a pena perguntar
como foi efetuado o estudo.
como foi efetuado o estudo.
10:09
This was something called an opt-in poll,
243
597783
1998
Esta sondagem era voluntária,
qualquer pessoa podia encontrá-la
na Internet e preenchê-la.
na Internet e preenchê-la.
10:11
which means anyone could have found it
on the internet and completed it.
on the internet and completed it.
244
599805
3402
Não se pode saber se essas pessoas
se identificavam sequer como muçulmanas
se identificavam sequer como muçulmanas
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
Por fim, houve 600 respostas
a essa sondagem.
a essa sondagem.
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
Há cerca de três milhões
de muçulmanos neste país,
de muçulmanos neste país,
segudo o Centro de Pesquisas Pew.
10:23
according to Pew Research Center.
248
611908
1607
Ou seja, o inquérito contactou
um em cada 5000 muçulmanos
um em cada 5000 muçulmanos
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
neste país.
10:28
in this country.
250
616556
1168
É por isso
que as estatísticas governamentais
que as estatísticas governamentais
10:29
This is one of the reasons
251
617748
1266
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
são quase sempre melhores
do que as estatísticas privadas.
do que as estatísticas privadas.
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
Uma sondagem pode falar
com centenas ou milhares de pessoas
com centenas ou milhares de pessoas
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
ou, se for a L'Oreal, a tentar vender
produtos para a pele em 2005,
produtos para a pele em 2005,
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
fala com 48 mulheres
que afirmam que eles funcionam.
que afirmam que eles funcionam.
10:43
(Laughter)
256
631251
1026
(Risos)
10:44
Private companies don't have a huge
interest in getting the numbers right,
interest in getting the numbers right,
257
632301
3556
As empresas privadas não têm
grande interesse em ter um número correto,
grande interesse em ter um número correto,
10:47
they just need the right numbers.
258
635881
1755
só precisam do número bom.
Os estatísticos governamentais
não são assim.
não são assim.
10:49
Government statisticians aren't like that.
259
637660
2020
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
Em teoria, pelo menos,
são totalmente imparciais,
são totalmente imparciais,
o trabalho é realizado,
seja quem for que esteja no poder.
seja quem for que esteja no poder.
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
São funcionários públicos.
10:57
They're civil servants.
262
645700
1162
10:58
And to do their jobs properly,
263
646886
1964
O trabalho é feito conscienciosamente,
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
não se falam apenas
com umas centenas de pessoas.
com umas centenas de pessoas.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
Os números do desemprego
que tenho referido
que tenho referido
provêm do Gabinete
de Estatística do Trabalho.
de Estatística do Trabalho.
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
11:07
and to make their estimates,
267
655631
1335
Para fazer as suas estimativas, falam
com mais de 140 000 empresas.
com mais de 140 000 empresas.
11:08
they speak to over 140,000
businesses in this country.
businesses in this country.
268
656990
3489
Eu sei, é frustrante.
11:12
I get it, it's frustrating.
269
660503
1725
Se quiserem testar uma estatística,
duma empresa privada,
duma empresa privada,
11:14
If you want to test a statistic
that comes from a private company,
that comes from a private company,
270
662252
3115
compram o creme para a pele
com um grupo de amigas, e testam-no.
com um grupo de amigas, e testam-no.
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
Se não funcionar,
os números estão errados.
os números estão errados.
11:20
if it doesn't work,
you can say the numbers were wrong.
you can say the numbers were wrong.
272
668776
2591
Mas como questionar
as estatísticas do governo?
as estatísticas do governo?
11:23
But how do you question
government statistics?
government statistics?
273
671391
2146
Continuem a verificar tudo.
11:25
You just keep checking everything.
274
673561
1630
Vejam como recolheram os números.
11:27
Find out how they collected the numbers.
275
675215
1913
Vejam se estão a ver no gráfico
tudo o que precisam de ver.
tudo o que precisam de ver.
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
Mas não desistam dos números
porque, se o fizerem,
porque, se o fizerem,
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
contribuem para que as decisões públicas
sejam tomadas no escuro,
sejam tomadas no escuro,
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
usando apenas os interesses privados
para nos guiar.
para nos guiar.
11:37
using nothing but private
interests to guide us.
interests to guide us.
279
685753
2262
Obrigada.
11:40
Thank you.
280
688039
1166
(Aplausos)
11:41
(Applause)
281
689229
2461
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