TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
Mona Chalabi: Három módszer, hogy kiszúrjuk a rossz statisztikát
Filmed:
Readability: 4.2
1,888,599 views
Néha nehéz megállapítani, hogy a statisztikai adatok hitelt érdemlők-e. De emiatt nem kell elutasítanunk a statisztikát, inkább meg kell tanulnunk a számok mögé nézni. Ebben az élvezetes, derűs előadásban Mona Chalabi adatokkal foglalkozó újságíró hasznos tanácsokat ad, amelyek segítenek kétségbe vonni, értelmezni és megérteni, hogy mit mondanak a számok.
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
A statisztikáról tartok ma előadást.
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
Ha máris gyanakvók, érthető,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
ettől még nem lesznek megszállott
összeesküvés-keresők,
összeesküvés-keresők,
00:21
it makes you skeptical.
3
9716
1296
csupán szkeptikusak.
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
Ha számokról van szó, különösen manapság,
nem árt, ha szkeptikusak.
nem árt, ha szkeptikusak.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
Jó, ha azt is meg tudják mondani,
mely számok megbízhatók,
mely számok megbízhatók,
00:29
and which ones aren't.
6
17981
1160
és melyek nem.
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
Ehhez próbálok ma segítséget adni önöknek.
00:34
But before I do,
8
22395
1169
De mindenekelőtt
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
szeretném tisztázni,
milyen számokról beszélek.
milyen számokról beszélek.
00:38
I'm not talking about claims like,
10
26451
1635
Nem olyan állításokról,
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
hogy "10-ből 9 nő ajánlja
ezt az öregedésgátló krémet".
ezt az öregedésgátló krémet".
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
Azt hiszem, erre sokan csak
összeráncoljuk a homlokunkat.
összeráncoljuk a homlokunkat.
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
Ma már azonban más statisztikákat is
megkérdőjelezünk, pl:
megkérdőjelezünk, pl:
"Az USA-ban a munkanélküliségi ráta 5%."
00:48
"The US unemployment
rate is five percent."
rate is five percent."
14
36587
2014
Ez az állítás abban különbözik,
hogy nem magáncégtől származik,
hogy nem magáncégtől származik,
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
hanem a kormánytól.
00:54
it comes from the government.
16
42165
1388
10 amerikaiból 4 nem bízik
a kormány által közölt
a kormány által közölt
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
gazdasági adatokban.
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
Trump elnök támogatói között
még rosszabb az arány:
még rosszabb az arány:
01:03
it's about 7 out of 10.
20
51049
1633
10-ből 7.
01:04
I don't need to tell anyone here
21
52706
1804
Mondanom sem kell,
milyen sokféle megosztottság
van jelen társadalmunkban,
van jelen társadalmunkban,
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
és nagy részük kezd érthetővé válni,
01:09
and a lot of them start to make sense,
23
57569
1825
ha megértjük az emberek viszonyát
a kormányzati számokhoz.
a kormányzati számokhoz.
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
01:15
On the one hand, there are those who say
these statistics are crucial,
these statistics are crucial,
25
63129
3336
Egyfelől, vannak, akik szerint
a statisztika fontos,
a statisztika fontos,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
szükség van rá, hogy értelmezzük
a társadalom egészét
a társadalom egészét
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
a tudománytalan mendemondák helyett,
01:23
and measure progress in a subjective way.
28
71331
2410
és objektívan mérjük a fejlődést.
01:25
And then there are the others,
29
73765
1467
Másfelől, vannak,
01:27
who say that these statistics are elitist,
30
75256
2156
akik szerint a statisztika elitista,
01:29
maybe even rigged;
31
77436
1208
sőt manipulált;
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
értelmetlen és nem tükrözi
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
az emberek mindennapi életét.
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
Úgy tűnik, jelenleg a második csoport
érvelése áll nyerésre.
érvelése áll nyerésre.
Az alternatív tények világában élünk,
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
ahol az emberek szerint
a statisztika nem jelent közös alapot,
a statisztika nem jelent közös alapot,
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
01:44
this starting point for debate.
37
92008
1636
kiinduló pontot a vitához.
01:45
This is a problem.
38
93668
1286
Ez probléma.
01:46
There are actually
moves in the US right now
moves in the US right now
39
94978
2067
Vannak olyan törekvések az USA-ban,
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
amelyek megszüntetnének
egyes kormányzati statisztikákat.
egyes kormányzati statisztikákat.
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
A kongresszus előtti törvényjavaslat
a faji egyenlőtlenség méréséről
a faji egyenlőtlenség méréséről
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
azt mondja: a kormánynak
nem szabadna költenie
nem szabadna költenie
01:58
to collect data on racial segregation.
43
106190
1902
szegregációs adatok gyűjtésére.
02:00
This is a total disaster.
44
108116
1885
Ez lesújtó.
Ha nincsenek erre vonatkozó adataink,
02:02
If we don't have this data,
45
110025
1748
hogyan tudnánk a diszkriminációt
tetten érni
tetten érni
02:03
how can we observe discrimination,
46
111797
1778
02:05
let alone fix it?
47
113599
1278
és főleg elkerülni?
02:06
In other words:
48
114901
1188
Más szavakkal:
Hogyan tudna a kormány
igazságos politikát kialakítani,
igazságos politikát kialakítani,
02:08
How can a government create fair policies
49
116113
2059
02:10
if they can't measure
current levels of unfairness?
current levels of unfairness?
50
118196
2771
ha nem tudja mérni
az igazságtalanság szintjét?
az igazságtalanság szintjét?
02:12
This isn't just about discrimination,
51
120991
1794
Nemcsak a diszkriminációról van szó,
02:14
it's everything -- think about it.
52
122809
1670
hanem mindenről!
Hogy szabályozhatnánk az egészségügyet,
02:16
How can we legislate on health care
53
124503
1690
a szegénységet, ha nincsenek
jó adataink róluk?
jó adataink róluk?
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
Hogyan tudnánk megvitatni a bevándorlást,
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
ha nem tudunk megegyezni,
02:22
if we can't at least agree
56
130734
1250
hogy hányan jönnek be,
vagy mennek el az országból?
vagy mennek el az országból?
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
A statisztika az államtól ered,
innen kapta nevét.
innen kapta nevét.
02:26
Statistics come from the state;
that's where they got their name.
that's where they got their name.
58
134675
3058
Célja volt, hogy jobban
mérje a népességet,
mérje a népességet,
02:29
The point was to better
measure the population
measure the population
59
137757
2157
és így azt jobban szolgálja.
02:31
in order to better serve it.
60
139938
1357
02:33
So we need these government numbers,
61
141319
1725
Szükségünk van a kormányzati számokra,
02:35
but we also have to move
beyond either blindly accepting
beyond either blindly accepting
62
143068
2647
de nem bölcs ezeket vakon elfogadni,
02:37
or blindly rejecting them.
63
145739
1268
vagy vakon elutasítani.
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
Meg kell tanulnunk
kiszúrni a rossz statisztikát.
kiszúrni a rossz statisztikát.
Én akkor kezdtem szert tenni e képességre,
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
amikor az ENSZ
statisztikai részlegében dolgoztam.
02:45
that's part of the United Nations.
67
153794
1643
Az volt a munkánk, hogy feltárjuk,
hány irakinak kellett elhagynia otthonát
hány irakinak kellett elhagynia otthonát
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 háború miatt,
02:52
and what they needed.
70
160073
1158
és mire volt szükségük.
02:53
It was really important work,
but it was also incredibly difficult.
but it was also incredibly difficult.
71
161255
3178
Fontos munka volt, de hihetetlenül nehéz.
Minden egyes nap
02:56
Every single day, we were making decisions
72
164457
2018
a számok pontosságát
befolyásoló döntéseket hoztunk:
befolyásoló döntéseket hoztunk:
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
az ország melyik részébe menjünk,
03:03
who we should speak to,
75
171448
1156
kikkel beszéljünk,
03:04
which questions we should ask.
76
172628
1568
milyen kérdéseket tegyünk fel.
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
Kezdtem elveszíteni a kedvem,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
mert bár úgy gondoltuk, jó munkát végzünk,
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
ezt egyedül az irakiak
tudták volna igazolni,
tudták volna igazolni,
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
akiknek ritkán volt lehetőségük olvasni,
netán felülvizsgálni az elemzést.
netán felülvizsgálni az elemzést.
03:18
So I started to feel really determined
81
186332
1831
Tudtam, hogy az egyetlen módja,
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
hogy pontosítsuk számainkat,
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
ha minél többen vizsgálják felül őket.
03:25
So I became a data journalist.
84
193599
1434
Úgyhogy adat-újságíró lettem.
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
Felkutatom az adatokat,
és megosztom őket a nyilvánossággal.
és megosztom őket a nyilvánossággal.
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
Bárki megteheti ezt, nem kell hozzá
profinak vagy ásznak lenni.
profinak vagy ásznak lenni.
03:34
You can ignore those words;
they're used by people
they're used by people
87
202182
2355
Felejtsék el ezeket a szavakat;
azok használják,
azok használják,
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
akik okosnak tartják magukat,
közben szerénykedni próbálnak.
közben szerénykedni próbálnak.
03:39
Absolutely anyone can do this.
89
207407
1589
Tehát bárki érthet az adatokhoz.
03:41
I want to give you guys three questions
90
209020
2067
Három kérdést ismertetek önökkel,
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
amelyek segítenek
kiszúrni a rossz statisztikát.
kiszúrni a rossz statisztikát.
03:46
So, question number one
is: Can you see uncertainty?
is: Can you see uncertainty?
92
214140
3507
Az első kérdés: Lát-e bizonytalanságot?
03:49
One of things that's really changed
people's relationship with numbers,
people's relationship with numbers,
93
217671
3364
Az emberek viszonyát a számokhoz,
03:53
and even their trust in the media,
94
221059
1641
sőt bizalmukat a média iránt
jelentősen megváltoztatta
a közvélemény-kutatás.
a közvélemény-kutatás.
03:54
has been the use of political polls.
95
222724
2258
03:57
I personally have a lot of issues
with political polls
with political polls
96
225006
2538
Sok vele a kivetnivalóm,
mert úgy gondolom, az újságíróknak
tényekről kell tudósítaniuk,
tényekről kell tudósítaniuk,
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
s nem jóslásokba bocsátkozni róluk,
04:02
and not attempt to predict them,
98
230968
1553
04:04
especially when those predictions
can actually damage democracy
can actually damage democracy
99
232545
2996
különösen, ha ez rombolja a demokráciát,
azt üzenve az embereknek,
azt üzenve az embereknek,
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
hogy ne is szavazzanak egy jelöltre,
mert esélye sincs nyerni.
04:10
he doesn't have a chance.
101
238321
1205
De inkább beszéljünk
a kutatás pontosságáról.
a kutatás pontosságáról.
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
Az egyesült királyságbeli, az olasz,
az izraeli és természetesen
az izraeli és természetesen
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
a legutóbbi amerikai
elnökválasztás alapján
elnökválasztás alapján
04:22
using polls to predict electoral outcomes
105
250648
2137
a közvélemény-kutatások előrejelzése
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
kb. olyan pontos, mintha a holdfázisból
jósolnánk meg a kórházba kerültek számát.
jósolnánk meg a kórházba kerültek számát.
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
Komolyra fordítva, egy tanulmány adatai
alapján jutottam erre a következtetésre.
alapján jutottam erre a következtetésre.
04:32
There are a lot of reasons why
polling has become so inaccurate.
polling has become so inaccurate.
108
260869
3727
Számos oka van, hogy miért lett
ilyen pontatlan a közvélemény-kutatás.
ilyen pontatlan a közvélemény-kutatás.
04:36
Our societies have become really diverse,
109
264620
1970
Társadalmaink sokszínűvé váltak,
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
emiatt a közvélemény-kutatók
nehezen tudnak
nehezen tudnak
valóban reprezentatív mintához jutni.
04:42
of the population for their polls.
111
270459
1627
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
Az emberek nem szívesen fogadják
a kutatók hívásait,
a kutatók hívásait,
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
és a megkérdezettek akár hazudhatnak is.
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
De ez nem feltétlen derül ki a médiából.
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
Egyrészt, Hillary Clinton
győzelmének valószínűségét
győzelmének valószínűségét
04:55
was communicated with decimal places.
116
283060
2791
tizedesjegy pontossággal jelezték.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
A hőmérsékletet sem tudjuk megadni
ilyen pontossággal.
ilyen pontossággal.
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
Hogyan tudnánk 230 millió szavazó
magatartását ennyire pontosan
magatartását ennyire pontosan
05:04
be that precise?
119
292772
1829
előrejelezni?
05:06
And then there were those sleek charts.
120
294625
2002
Másrészt, vannak ezek a szuper táblázatok.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
Sok adatmegjelenítés
felerősíti a bizonyosságot,
felerősíti a bizonyosságot,
és ügyesen elfojtja
kritikus gondolkodásunkat.
kritikus gondolkodásunkat.
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
Ha hallunk egy statisztikát,
szkeptikusan fogadjuk.
szkeptikusan fogadjuk.
05:17
As soon as it's buried in a chart,
124
305874
1635
Amint táblázatban jelenik meg,
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
valamiféle objektív tudománynak érezzük,
05:21
and it's not.
126
309686
1249
pedig nem az.
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
Próbáltam ezt jobban
elmagyarázni az embereknek,
elmagyarázni az embereknek,
megmutatni, hogy a számok
bizonytalanságot hordoznak.
bizonytalanságot hordoznak.
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
Fogtam néhány adathalmazt,
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
és megjelenítettem
kézzel rajzolt táblázatokba,
kézzel rajzolt táblázatokba,
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
hogy lássák az emberek,
milyen pontatlanok az adatok;
milyen pontatlanok az adatok;
05:36
so people can see that a human did this,
132
324256
1996
és lássák, hogy ezt egy ember készítette,
05:38
a human found the data and visualized it.
133
326276
1972
ő találta és jelenítette meg az adatot.
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
Pl. ahelyett, hogy ábrázolnánk
minden hónapra
minden hónapra
05:42
of getting the flu in any given month,
135
330968
2126
az influenza gyakoriságának
valószínűségét,
valószínűségét,
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
az influenzaszezon körülbelüli
eloszlását láthatják.
eloszlását láthatják.
05:47
This is --
137
335934
1167
Az ábra szerint –
05:49
(Laughter)
138
337125
1018
(Nevetés)
05:50
a bad shot to show in February.
139
338167
1486
februárban tetőzött.
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
Ez megbízhatóbb adatmegjelenítés,
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
mert ha valószínűségeket mutatnánk,
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
lehet, hogy az emberek
rosszul döntenének
rosszul döntenének
oltásuk időpontjáról.
05:59
at the wrong time.
143
347251
1456
06:01
The point of these shaky lines
144
349163
1693
Ezek a girbegurba vonalak
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
emlékeztetnek a pontatlanságra,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
de arra is, hogy nem feltétlen
egy konkrét számon,
egy konkrét számon,
06:09
but they can remember important facts.
147
357066
1866
hanem a fontos tényeken van a hangsúly:
06:10
Facts like injustice and inequality
leave a huge mark on our lives.
leave a huge mark on our lives.
148
358956
4024
Az igazságtalanság és az egyenlőtlenség
nyomot hagy az életünkön.
nyomot hagy az életünkön.
06:15
Facts like Black Americans and Native
Americans have shorter life expectancies
Americans have shorter life expectancies
149
363004
4189
A fekete és őslakos amerikaiak
várható élettartama rövidebb,
várható élettartama rövidebb,
06:19
than those of other races,
150
367217
1400
mint más fajoké,
06:20
and that isn't changing anytime soon.
151
368641
2138
és nem is fog változni mostanában.
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
A foglyok olyan magánzárkákban
tarthatók az Egyesült Államokban,
tarthatók az Egyesült Államokban,
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
amelyek kisebbek egy parkolóhelynél.
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
Az adatmegjelenítésnek az is célja,
hogy felhívja a figyelmet
hogy felhívja a figyelmet
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
néhány fontos statisztikai fogalomra,
06:36
concepts like averages.
156
384268
1636
pl. az átlagra.
06:37
So let's say you hear a claim like,
157
385928
1668
Tegyük fel, ezt hallják:
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"Az USA-ban az átlagos uszoda
medencéjébe 6,23 esetben kerül ürülék."
medencéjébe 6,23 esetben kerül ürülék."
06:44
That doesn't mean every single
swimming pool in the country
swimming pool in the country
159
392078
2797
Ez nem azt jelenti, hogy az ország
minden egyes uszodája
minden egyes uszodája
06:46
contains exactly 6.23 turds.
160
394899
2194
6,23 ürüléket tartalmaz.
06:49
So in order to show that,
161
397117
1417
Hogy ezt bemutassam,
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
felkutattam az eredeti adatokat,
amelyek a CDC-től származnak,
amelyek a CDC-től származnak,
06:53
who surveyed 47 swimming facilities.
163
401423
2065
amely 47 uszodát vizsgált.
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
Egy estét rászántam,
és helyretettem a "bogyókat".
és helyretettem a "bogyókat".
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
Láthatják, hogy az átlag
mennyire félrevezető lehet.
mennyire félrevezető lehet.
07:00
(Laughter)
166
408633
1282
(Nevetés)
07:01
OK, so the second question
that you guys should be asking yourselves
that you guys should be asking yourselves
167
409939
3901
Nézzük a második kérdést,
amit fel kell tenniük,
amit fel kell tenniük,
hogy kiszúrják a rossz számokat:
07:05
to spot bad numbers is:
168
413864
1501
07:07
Can I see myself in the data?
169
415389
1967
Látom-e magamat az adatokban?
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
Ez is tulajdonképpen
az átlaggal kapcsolatos,
az átlaggal kapcsolatos,
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
mert az emberek részben azért csalódtak
07:14
with these national statistics,
172
422946
1495
a nemzeti statisztikákban,
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
mert nem adnak választ arra,
hogy ki nyer és ki veszít
hogy ki nyer és ki veszít
07:19
from national policy.
174
427762
1156
a nemzet politikájával.
07:20
It's easy to understand why people
are frustrated with global averages
are frustrated with global averages
175
428942
3318
Érthető, hogy az embereket
bosszantják a világátlagok,
bosszantják a világátlagok,
ha teljesen más a személyes tapasztalatuk.
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
Meg akartam mutatni, hogy az adat
miként része az életünknek.
miként része az életünknek.
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
"Dear Mona" néven
tanácsadó rovatot indítottam,
tanácsadó rovatot indítottam,
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
az emberek megírhatták
kérdéseiket, aggodalmaikat,
kérdéseiket, aggodalmaikat,
07:35
and I'd try to answer them with data.
180
443294
1784
én pedig adatokkal válaszoltam.
07:37
People asked me anything.
181
445102
1200
Mindenfélét kérdeztek,
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
pl. "Normális-e, hogy nem egy ágyban
alszom a feleségemmel?"
alszom a feleségemmel?"
"Megbánják-e, akik tetováltatnak?"
07:41
"Do people regret their tattoos?"
183
449611
1591
"Mit jelent, hogy természetes
okokból hal meg?"
okokból hal meg?"
07:43
"What does it mean to die
of natural causes?"
of natural causes?"
184
451226
2164
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
Nagyszerű kérdések,
mert arra ösztönöznek,
mert arra ösztönöznek,
07:48
about ways to find
and communicate these numbers.
and communicate these numbers.
186
456404
2336
hogy fölleljem és közzétegyem az adatokat.
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
Ha azt kérdezi valaki,
"Mennyi pisi számít soknak?"
"Mennyi pisi számít soknak?"
07:53
which is a question that I got asked,
188
461291
2458
mert ezt is kérdezték,
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
fontos úgy megjeleníteni az adatokat,
07:58
to as many people as possible.
190
466777
1747
hogy minél többen értsék.
08:00
These numbers aren't unavailable.
191
468548
1575
Ezek a számok nem elérhetetlenek.
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
Csak néha megbújnak
egy tanulmány függelékében.
egy tanulmány függelékében.
08:05
And they're certainly not inscrutable;
193
473678
1839
Persze nem ellenőrizhetetlenek;
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
ha szeretnének utánanézni a
vizeletmennyiség számainak,
vizeletmennyiség számainak,
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
fogjanak egy üvegcsét és próbálják meg.
08:12
(Laughter)
196
480821
1008
(Nevetés)
08:13
The point of this isn't necessarily
197
481853
1694
Nem feltétlen lényeges,
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
hogy minden adat
kapcsolódjon a személyünkhöz.
kapcsolódjon a személyünkhöz.
08:18
I'm interested in how many women
were issued fines in France
were issued fines in France
199
486472
2880
Engem érdekel, hány nőt bírságoltak meg
Franciaországban
Franciaországban
08:21
for wearing the face veil, or the niqab,
200
489376
1959
arcfátyol vagy csador viselése miatt,
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
pedig nem ott élek,
és nem hordok fátylat.
és nem hordok fátylat.
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
A tágabb kontextus miatt érdemes
vizsgálni a kapcsolódásunkat.
vizsgálni a kapcsolódásunkat.
Sok mindenre ráláthatunk
kiindulva egy adatból,
kiindulva egy adatból,
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
pl. hogy a munkanélküliségi ráta 5%,
08:34
and seeing how it changes over time,
205
502203
1757
láthatjuk ennek időbeli változását,
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
vagy képzettség szerinti változását –
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
ezért hallottuk folyton a szüleinktől,
hogy tovább kell tanulni –,
hogy tovább kell tanulni –,
08:41
or seeing how it varies by gender.
208
509786
2032
vagy nemek szerinti alakulását.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
Ma a férfiak körében
magasabb a munkanélküliség,
magasabb a munkanélküliség,
08:45
than the female unemployment rate.
210
513993
1700
mint a nőknél.
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
A 80-as évek elejéig fordítva volt.
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
Ez az egyik legjelentősebb változás
08:52
that's happened in American society,
213
520577
1720
az amerikai társadalom életében,
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
és mindez ott van a táblázatban,
ha nemcsak az átlagszámokat nézzük.
ha nemcsak az átlagszámokat nézzük.
A tengelyek meghatározóak:
08:57
The axes are everything;
215
525621
1165
08:58
once you change the scale,
you can change the story.
you can change the story.
216
526810
2669
ha változtatjuk a beosztást,
változni fog a kép.
változni fog a kép.
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 harmadik és utolsó kérdés,
amin el kell gondolniuk,
amin el kell gondolniuk,
09:04
when you're looking at statistics is:
218
532907
1819
ha szemügyre vesznek egy statisztikát:
09:06
How was the data collected?
219
534750
1873
Hogyan gyűjtötték az adatokat?
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
Eddig csak arról beszéltem,
hogyan tesszük közzé,
hogyan tesszük közzé,
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
de az is fontos,
hogyan gyűjtjük az adatokat.
hogyan gyűjtjük az adatokat.
09:14
I know this is tough,
222
542930
1167
Tudom, bonyolult,
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
mert ennek módszertana átláthatatlan
és unalmas is lehet,
és unalmas is lehet,
09:19
but there are some simple steps
you can take to check this.
you can take to check this.
224
547226
2873
de van néhány egyszerű lépés,
amivel ellenőrizhetjük.
amivel ellenőrizhetjük.
09:22
I'll use one last example here.
225
550123
1839
Egy utolsó példát hozok fel.
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
Egy felmérés szerint a muszlimok 41%-a
támogatja a dzsihádot ebben az országban,
támogatja a dzsihádot ebben az országban,
09:28
which is obviously pretty scary,
227
556220
1525
ami kétségkívül elég ijesztő,
09:29
and it was reported everywhere in 2015.
228
557769
2642
ezt 2015-ben mindenütt közzétették.
09:32
When I want to check a number like that,
229
560435
2615
Ha ellenőrizni akarok egy ilyen számot,
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
először is megkeresem
az eredeti kérdőívet.
az eredeti kérdőívet.
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
Kiderült, hogy az újságíró,
aki tudósított a felmérésről,
aki tudósított a felmérésről,
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
nem vett figyelembe
egy kérdést a lap alján,
egy kérdést a lap alján,
miszerint hogyan definiálja
a válaszadó a dzsihádot.
a válaszadó a dzsihádot.
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
Legtöbbjük definiálása szerint:
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
"A muszlimok személyes, békés küzdelme
hitük megerősítéséért."
hitük megerősítéséért."
09:51
Only 16 percent defined it as,
"violent holy war against unbelievers."
"violent holy war against unbelievers."
236
579145
4194
16%-uk határozta meg úgy, hogy "erőszakos
szent háború a hitetlenek ellen."
szent háború a hitetlenek ellen."
09:55
This is the really important point:
237
583363
2430
Ez nagyon fontos szempont:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
a számok alapján teljességgel lehetséges,
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
hogy azok közül, akik erőszakos
szent háborúnak definiálták,
szent háborúnak definiálták,
10:03
also said they support it.
240
591125
1332
senki sem támogatta.
10:04
Those two groups might not overlap at all.
241
592481
2208
Lehet, hogy a két csoport
nem fedi egymást.
nem fedi egymást.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
Azt is érdemes megkérdezni,
hogyan végezték a felmérést.
hogyan végezték a felmérést.
10:09
This was something called an opt-in poll,
243
597783
1998
Ez szabad részvételen alapult,
10:11
which means anyone could have found it
on the internet and completed it.
on the internet and completed it.
244
599805
3402
tehát bárki megtalálhatta
és kitölthette az interneten.
és kitölthette az interneten.
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
Nem tudhatjuk, hogy muszlimok voltak-e.
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
Végül pedig, 600 válaszadó
vett részt a felmérésben.
vett részt a felmérésben.
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
Nagyjából 3 millió muszlim él
ebben az országban,
ebben az országban,
10:23
according to Pew Research Center.
248
611908
1607
a Pew Research Center szerint.
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
Vagyis a felmérés az ország
minden ötezredik muszlim lakosát
minden ötezredik muszlim lakosát
10:28
in this country.
250
616556
1168
vonta be.
10:29
This is one of the reasons
251
617748
1266
Sok esetben
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
részben ezért jobbak a kormányzati,
mint a magánstatisztikák.
mint a magánstatisztikák.
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
Egy felmérés néhány száz
vagy ezer embert kérdez meg,
vagy ezer embert kérdez meg,
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
vagy egy L'Oreal értékesítő 2005-ben
48 nőt kérdezett meg,
48 nőt kérdezett meg,
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
és megállapította:
a termékek beváltak.
a termékek beváltak.
10:43
(Laughter)
256
631251
1026
(Nevetés)
10:44
Private companies don't have a huge
interest in getting the numbers right,
interest in getting the numbers right,
257
632301
3556
A magáncégeknek nincs erős érdekeltségük,
hogy a számok jók legyenek,
hogy a számok jók legyenek,
10:47
they just need the right numbers.
258
635881
1755
nekik csak a jó számok kellenek.
10:49
Government statisticians aren't like that.
259
637660
2020
A kormányzati statisztikusok nem ilyenek.
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
Elméletben legalábbis
teljesen pártatlanok,
teljesen pártatlanok,
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
többek között, mert a munkájukban
nem számít, ki van hatalomban.
nem számít, ki van hatalomban.
10:57
They're civil servants.
262
645700
1162
Köztisztviselők.
10:58
And to do their jobs properly,
263
646886
1964
És jól végzik a munkájukat,
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
nem csak néhány száz emberrel beszélnek.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
A munkanélküliségi számok,
amiket idéztem,
amiket idéztem,
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
a Bureau of Labor Statistics adatai,
11:07
and to make their estimates,
267
655631
1335
és becsléseikhez
11:08
they speak to over 140,000
businesses in this country.
businesses in this country.
268
656990
3489
több mint 140 000 vállalattal beszéltek.
11:12
I get it, it's frustrating.
269
660503
1725
Értem, hogy ez lehangoló.
11:14
If you want to test a statistic
that comes from a private company,
that comes from a private company,
270
662252
3115
Ha ellenőrizni akarnak
egy magáncégtől származó statisztikát,
egy magáncégtől származó statisztikát,
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
vehetnek maguknak és barátaiknak
az arckrémből és kipróbálhatják.
az arckrémből és kipróbálhatják.
11:20
if it doesn't work,
you can say the numbers were wrong.
you can say the numbers were wrong.
272
668776
2591
Ha nem válik be, mondhatják,
hogy a számok nem igazak.
hogy a számok nem igazak.
Hogyan vonható kétségbe
a kormányzati statisztika?
a kormányzati statisztika?
11:23
But how do you question
government statistics?
government statistics?
273
671391
2146
11:25
You just keep checking everything.
274
673561
1630
Mindent ellenőrizzenek!
11:27
Find out how they collected the numbers.
275
675215
1913
Tudják meg, hogyan gyűjtötték az adatokat.
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
Minden benne van-e a táblázatban,
aminek ott kell lennie?
aminek ott kell lennie?
De ne mondjanak le a számokról,
mert ha így tesznek,
mert ha így tesznek,
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
a sötétben tapogatózva kell
döntéseket hoznunk,
döntéseket hoznunk,
11:37
using nothing but private
interests to guide us.
interests to guide us.
279
685753
2262
s csak magánérdekek fognak vezetni minket.
Köszönöm.
11:40
Thank you.
280
688039
1166
(Taps)
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