TEDNYC
Mona Chalabi: 3 ways to spot a bad statistic
Mona Chalabi: Três modos de identificar uma estatística ruim
Filmed:
Readability: 4.2
1,888,599 views
Algumas vezes, é difícil saber quais estatísticas são confiáveis. Mas não devemos excluir as estatísticas completamente... pelo contrário, devemos apreender a ver além dos números. Nesta agradável e engraçada palestra, a jornalista de dados Mona Chalabi passa dicas úteis que ajudam a questionar, interpretar e verdadeiramente entender o que os números estão dizendo.
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
E se você já estiver se sentindo
com o pé atrás, tudo bem,
com o pé atrás, tudo bem,
00:18
that doesn't make you some
kind of crazy conspiracy theorist,
kind of crazy conspiracy theorist,
2
6833
2859
isto não faz de você
um maluco conspirador,
um maluco conspirador,
mas sim um cético.
00:21
it makes you skeptical.
3
9716
1296
00:23
And when it comes to numbers,
especially now, you should be skeptical.
especially now, you should be skeptical.
4
11036
3886
E quando o assunto é números,
principalmente agora, seja cético.
principalmente agora, seja cético.
00:26
But you should also be able to tell
which numbers are reliable
which numbers are reliable
5
14946
3011
Mas você precisa saber diferenciar
números confiáveis
números confiáveis
de números não confiáveis.
00:29
and which ones aren't.
6
17981
1160
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
Então hoje vou tentar dar
a vocês ferramentas para fazer isso.
a vocês ferramentas para fazer isso.
00:34
But before I do,
8
22395
1169
Mas antes disso, quero esclarecer
sobre quais números estou falando aqui.
sobre quais números estou falando aqui.
00:35
I just want to clarify which numbers
I'm talking about here.
I'm talking about here.
9
23588
2839
Não estou falando de dados como
00:38
I'm not talking about claims like,
10
26451
1635
"nove entre dez mulheres
recomendam cremes anti-idade".
recomendam cremes anti-idade".
00:40
"9 out of 10 women recommend
this anti-aging cream."
this anti-aging cream."
11
28110
2449
Acho que muitos de nós já sabem disso.
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
A diferença é que hoje as pessoas
questionam estatísticas como:
questionam estatísticas como:
00:45
What's different now is people
are questioning statistics like,
are questioning statistics like,
13
33579
2984
"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
Este dado é diferente porque ele
não vem de uma empresa privada,
não vem de uma empresa privada,
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
mas sim do governo.
00:54
it comes from the government.
16
42165
1388
Cerca de quatro entre dez americanos
não confiam nos dados econômicos
não confiam nos dados econômicos
00:55
About 4 out of 10 Americans
distrust the economic data
distrust the economic data
17
43577
3336
fornecidos pelo governo.
00:58
that gets reported by government.
18
46937
1573
Entre os apoiadores do presidente Trump,
esse número é ainda maior:
esse número é ainda maior:
01:00
Among supporters of President Trump
it's even higher;
it's even higher;
19
48534
2491
cerca de sete entre 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 lembrar vocês
01:06
that there are a lot of dividing lines
in our society right now,
in our society right now,
22
54534
3011
que temos muitas linhas divisórias
em nossa sociedade hoje,
em nossa sociedade hoje,
01:09
and a lot of them start to make sense,
23
57569
1825
e muitas delas começam a fazer sentido,
01:11
once you understand people's relationships
with these government numbers.
with these government numbers.
24
59418
3687
quando se entende o relacionamento
das pessoas com os números do governo.
das pessoas com os 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 aqueles que dizem
que as estatísticas são cruciais,
que as estatísticas são cruciais,
01:18
that we need them to make sense
of society as a whole
of society as a whole
26
66489
2630
e que precisamos delas para entender
a sociedade como um todo,
a sociedade como um todo,
01:21
in order to move beyond
emotional anecdotes
emotional anecdotes
27
69143
2164
a fim de deixar de lado
questões emocionais
questões emocionais
01:23
and measure progress in a subjective way.
28
71331
2410
e medir o progresso de forma objetiva.
01:25
And then there are the others,
29
73765
1467
E há outros que dizem que as estatísticas
são elitistas, talvez até manipuladas;
são elitistas, talvez até manipuladas;
01:27
who say that these statistics are elitist,
30
75256
2156
01:29
maybe even rigged;
31
77436
1208
01:30
they don't make sense
and they don't really reflect
and they don't really reflect
32
78668
2394
que elas não fazem sentido
e realmente não mostram
e realmente não mostram
01:33
what's happening
in people's everyday lives.
in people's everyday lives.
33
81086
2296
o que está acontecendo
no dia a dia das pessoas.
no dia a dia das pessoas.
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
E parece que este último grupo
está vencendo a discussão.
está vencendo a discussão.
Vivemos em um mundo de fatos alternativos,
01:38
We're living in a world
of alternative facts,
of alternative facts,
35
86917
2108
onde não há um consenso
sobre as estatísticas
sobre as estatísticas
01:41
where people don't find statistics
this kind of common ground,
this kind of common ground,
36
89049
2935
serem um ponto de partida para os debates.
01:44
this starting point for debate.
37
92008
1636
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 na verdade movimentos
nos Estados Unidos
nos Estados Unidos
01:49
to get rid of some government
statistics altogether.
statistics altogether.
40
97069
2861
para acabar de vez
com as estatísticas do governo.
com as estatísticas do governo.
Tramita no Congresso um projeto de lei
sobre medição de desigualdades raciais.
sobre medição de desigualdades raciais.
01:51
Right now there's a bill in congress
about measuring racial inequality.
about measuring racial inequality.
41
99954
3387
Esse projeto defende
que recursos do governo
que recursos do governo
01:55
The draft law says that government
money should not be used
money should not be used
42
103365
2801
não sejam usados para coletar dados
sobre segregação racial.
sobre segregação racial.
01:58
to collect data on racial segregation.
43
106190
1902
02:00
This is a total disaster.
44
108116
1885
Isso é um desastre total.
02:02
If we don't have this data,
45
110025
1748
Sem esses dados,
02:03
how can we observe discrimination,
46
111797
1778
como poderemos identificar
discriminações, e até corrigi-las?
discriminações, e até corrigi-las?
02:05
let alone fix it?
47
113599
1278
Em outras palavras, como um governo
pode criar políticas justas,
pode criar políticas justas,
02:06
In other words:
48
114901
1188
02:08
How can a government create fair policies
49
116113
2059
se não consegue 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
Não se trata apenas de discriminação,
é sobre tudo, pensem bem.
é sobre tudo, pensem bem.
02:12
This isn't just about discrimination,
51
120991
1794
02:14
it's everything -- think about it.
52
122809
1670
Como podemos legislar na área da saúde,
02:16
How can we legislate on health care
53
124503
1690
se não temos bons dados
sobre saúde ou pobreza?
sobre saúde ou pobreza?
02:18
if we don't have good data
on health or poverty?
on health or poverty?
54
126217
2271
Como podemos debater
publicamente sobre imigração,
publicamente sobre imigração,
02:20
How can we have public debate
about immigration
about immigration
55
128512
2198
se não concordamos nem sobre o número
de pessoas que entram e saem do país?
de pessoas que entram e saem do país?
02:22
if we can't at least agree
56
130734
1250
02:24
on how many people are entering
and leaving the country?
and leaving the country?
57
132008
2643
As estatísticas vêm do governo,
é daí que o nome se originou.
é daí que o nome se originou.
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 propósito era medir melhor a população,
para poder servi-la melhor.
para poder servi-la melhor.
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
Então, precisamos dos números do governo,
02:33
So we need these government numbers,
61
141319
1725
mas também temos que ir além
de simplesmente aceitá-los ou rejeitá-los.
de simplesmente aceitá-los ou rejeitá-los.
02:35
but we also have to move
beyond either blindly accepting
beyond either blindly accepting
62
143068
2647
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
Precisamos aprender as técnicas
para identificar estatísticas ruins.
para identificar estatísticas ruins.
02:42
I started to learn some of these
65
150052
1528
Comecei a aprender algumas delas,
02:43
when I was working
in a statistical department
in a statistical department
66
151604
2166
quando trabalhei em um departamento
de estatística das Nações Unidas.
de estatística das Nações Unidas.
02:45
that's part of the United Nations.
67
153794
1643
Nosso trabalho era descobrir
quantos iraquianos
quantos iraquianos
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
foram expulsos de seus lares devido
à guerra, e do que eles precisavam.
à guerra, e do que eles precisavam.
02:50
as a result of the war,
69
158891
1158
02:52
and what they needed.
70
160073
1158
Era um trabalho muito importante,
mas também incrivelmente difícil.
mas também incrivelmente difícil.
02:53
It was really important work,
but it was also incredibly difficult.
but it was also incredibly difficult.
71
161255
3178
Todos os dias tomávamos decisões
02:56
Every single day, we were making decisions
72
164457
2018
que afetavam a exatidão
dos nossos números;
dos nossos números;
02:58
that affected the accuracy
of our numbers --
of our numbers --
73
166499
2157
decisões como para que parte
do país deveríamos ir,
do país deveríamos ir,
03:00
decisions like which parts
of the country we should go to,
of the country we should go to,
74
168680
2744
com quem deveríamos falar,
que perguntas deveríamos fazer.
que perguntas deveríamos fazer.
03:03
who we should speak to,
75
171448
1156
03:04
which questions we should ask.
76
172628
1568
E comecei a ficar bem desiludida
com o nosso trabalho,
com o nosso trabalho,
03:06
And I started to feel
really disillusioned with our work,
really disillusioned with our work,
77
174220
2680
pois achávamos que estávamos
fazendo um bom trabalho,
fazendo um bom trabalho,
03:08
because we thought we were doing
a really good job,
a really good job,
78
176924
2518
mas os únicos que poderiam realmente
nos dizer isso eram os iraquianos,
nos dizer isso eram os iraquianos,
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
e eles raramente tinham a chance de ver
nossas análises, e sequer questioná-las.
nossas análises, e sequer questioná-las.
03:14
and they rarely got the chance to find
our analysis, let alone question it.
our analysis, let alone question it.
80
182768
3540
03:18
So I started to feel really determined
81
186332
1831
Então eu decidi que o único modo
de ter números mais precisos,
de ter números mais precisos,
03:20
that the one way to make
numbers more accurate
numbers more accurate
82
188187
2311
03:22
is to have as many people as possible
be able to question them.
be able to question them.
83
190522
3053
é ter o maior número de pessoas
questionando esses números.
questionando esses números.
Então me tornei uma jornalista de dados.
03:25
So I became a data journalist.
84
193599
1434
03:27
My job is finding these data sets
and sharing them with the public.
and sharing them with the public.
85
195057
3904
Meu trabalho é encontrar esses grupos
de dados e partilhá-los com o público.
de dados e partilhá-los com o público.
Qualquer um pode fazer isso,
não precisa ser "geek" ou "nerd".
não precisa ser "geek" ou "nerd".
03:30
Anyone can do this,
you don't have to be a geek or a nerd.
you don't have to be a geek or a nerd.
86
198985
3173
Ignorem essas palavras, 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
enquanto fingem ser humildes.
enquanto fingem ser humildes.
03:36
trying to say they're smart
while pretending they're humble.
while pretending they're humble.
88
204561
2822
Qualquer um pode fazer isso.
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 três perguntas que vão ajudá-los
a identificar estatísticas ruins.
a identificar estatísticas ruins.
03:43
that will help you be able to spot
some bad statistics.
some bad statistics.
91
211111
3005
A primeira pergunta é: você
consegue identificar a incerteza?
consegue identificar a 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 realmente 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 até a confiança na mídia, tem sido
o uso de pesquisas de intenção de voto.
o uso de pesquisas de intenção de voto.
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
Eu pessoalmente tenho alguns
problemas com essa pesquisas,
problemas com essa pesquisas,
03:59
because I think the role of journalists
is actually to report the facts
is actually to report the facts
97
227568
3376
pois o papel dos jornalistas, na verdade,
é reportar os fatos
e não tentar prevê-los,
e não tentar prevê-los,
04:02
and not attempt to predict them,
98
230968
1553
especialmente 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
ao sinalizar às pessoas:
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
nem votem naquele candidato,
ele não tem a menor chance.
ele não tem a menor chance.
04:10
he doesn't have a chance.
101
238321
1205
Vamos deixar isso de lado agora
e falar sobre a exatidão dessas pesquisas.
e falar sobre a exatidão dessas pesquisas.
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
Baseando-se nas eleições nacionais
no Reino Unido, Itália, Israel
no Reino Unido, Itália, Israel
04:19
and of course, the most recent
US presidential election,
US presidential election,
104
247860
2764
e, é claro, a mais recente eleição
presidencial americana,
presidencial americana,
04:22
using polls to predict electoral outcomes
105
250648
2137
usar pesquisas para prever
o resultado das eleições
o resultado das eleições
04:24
is about as accurate as using the moon
to predict hospital admissions.
to predict hospital admissions.
106
252809
3812
é tão preciso como usar a Lua
para prever hospitalizações.
para prever 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
É sério, eu usei dados reais
de estudos acadêmicos para concluir isso.
de estudos acadêmicos para concluir isso.
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 para as pesquisas
eleitorais terem ficado tão imprecisas.
eleitorais terem ficado tão imprecisas.
Nossas sociedades tornaram-se
bastante diversas,
bastante 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
conseguirem uma amostra representativa
conseguirem uma amostra representativa
da população para suas pesquisas.
04:42
of the population for their polls.
111
270459
1627
As pessoas estão hesitando
em responder pesquisas por telefone,
em responder pesquisas por telefone,
04:44
People are really reluctant to answer
their phones to pollsters,
their phones to pollsters,
112
272110
3006
e também, o que surpreende,
as pessoas podem mentir.
as pessoas podem mentir.
04:47
and also, shockingly enough,
people might lie.
people might lie.
113
275140
2276
Mas você não precisa saber disso
para olhar os dados.
para olhar os dados.
04:49
But you wouldn't necessarily
know that to look at the media.
know that to look at the media.
114
277440
2811
04:52
For one thing, the probability
of a Hillary Clinton win
of a Hillary Clinton win
115
280275
2761
Uma das razões é que a probabilidade
da Hillary Clinton vencer
da Hillary Clinton vencer
04:55
was communicated with decimal places.
116
283060
2791
foi divulgada em casas decimais.
04:57
We don't use decimal places
to describe the temperature.
to describe the temperature.
117
285875
2621
Não usamos casas decimais
para mostrar a temperatura.
para mostrar 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 o comportamento
de 230 milhões de eleitores neste país
de 230 milhões de eleitores neste país
poderia ser previsto de forma tão precisa?
05:04
be that precise?
119
292772
1829
E havia também
aqueles gráficos sofisticados.
aqueles gráficos sofisticados.
05:06
And then there were those sleek charts.
120
294625
2002
Muitos gráficos vão exagerar
a certeza, e isso funciona.
a certeza, e isso funciona.
05:08
See, a lot of data visualizations
will overstate certainty, and it works --
will overstate certainty, and it works --
121
296651
3973
Esses gráficos podem entorpecer
nosso julgamento.
nosso julgamento.
05:12
these charts can numb
our brains to criticism.
our brains to criticism.
122
300648
2620
Ao ouvir uma estatística,
você pode se sentir cético.
você pode se sentir cético.
05:15
When you hear a statistic,
you might feel skeptical.
you might feel skeptical.
123
303292
2558
E assim que elas aparecem num gráfico,
assumem uma áurea de ciência objetiva,
assumem uma áurea de ciência objetiva,
05:17
As soon as it's buried in a chart,
124
305874
1635
05:19
it feels like some kind
of objective science,
of objective science,
125
307533
2129
05:21
and it's not.
126
309686
1249
e na verdade não são.
05:22
So I was trying to find ways
to better communicate this to people,
to better communicate this to people,
127
310959
3103
Então, estava buscando formas
de explicar isso às pessoas,
de explicar isso às pessoas,
mostrar-lhes a incerteza
nos nossos números.
nos nossos números.
05:26
to show people the uncertainty
in our numbers.
in our numbers.
128
314086
2504
O que fiz foi pegar conjuntos
reais de dados,
reais de dados,
05:28
What I did was I started taking
real data sets,
real data sets,
129
316614
2246
e transformá-los em visualizações manuais,
05:30
and turning them into
hand-drawn visualizations,
hand-drawn visualizations,
130
318884
2652
para que as pessoas consigam ver
como esses dados são imprecisos,
como esses dados são imprecisos,
05:33
so that people can see
how imprecise the data is;
how imprecise the data is;
131
321560
2672
05:36
so people can see that a human did this,
132
324256
1996
para que as pessoas vejam
que alguém fez isso,
que alguém fez isso,
05:38
a human found the data and visualized it.
133
326276
1972
obteve os dados e fez os gráficos.
05:40
For example, instead
of finding out the probability
of finding out the probability
134
328272
2672
Se em vez de descobrir a probabilidade
de ficar gripado em um determinado mês,
de ficar gripado em um determinado mês,
05:42
of getting the flu in any given month,
135
330968
2126
você visse a incidência aproximada
de casos de gripe na época de alta.
de casos de gripe na época de alta.
05:45
you can see the rough
distribution of flu season.
distribution of flu season.
136
333118
2792
05:47
This is --
137
335934
1167
Melhor não...
05:49
(Laughter)
138
337125
1018
(Risos)
...mostrar em fevereiro.
05:50
a bad shot to show in February.
139
338167
1486
Mas é também uma visualização
mais responsável dos dados,
mais responsável dos dados,
05:51
But it's also more responsible
data visualization,
data visualization,
140
339677
2455
pois se você mostrasse
as probabilidades exatas,
as probabilidades exatas,
05:54
because if you were to show
the exact probabilities,
the exact probabilities,
141
342156
2455
talvez encorajasse as pessoas
a se vacinarem contra a gripe
a se vacinarem contra a gripe
05:56
maybe that would encourage
people to get their flu jabs
people to get their flu jabs
142
344635
2592
no momento errado.
05:59
at the wrong time.
143
347251
1456
06:01
The point of these shaky lines
144
349163
1693
Ressalto essas linhas duvidosas
06:02
is so that people remember
these imprecisions,
these imprecisions,
145
350880
2911
para que as pessoas se lembrem
dessas imprecisões,
dessas imprecisões,
mas também para que elas não descartem
simplesmente um número qualquer,
simplesmente um número qualquer,
06:05
but also so they don't necessarily
walk away with a specific number,
walk away with a specific number,
146
353815
3227
e sim se lembrem dos fatos 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
Fatos como injustiça e desigualdade
deixam marcas profundas em nossas vidas.
deixam marcas profundas em nossas vidas.
Fatos como o de americanos negros
e nativos terem expectativa de vida menor
e nativos terem expectativa de vida menor
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
que as outras raças,
e que isso não deve mudar no curto prazo.
e que isso não deve mudar no curto prazo.
06:20
and that isn't changing anytime soon.
151
368641
2138
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
Fatos como o de prisioneiros nos EUA
poderem ser mantidos em celas solitárias
poderem ser mantidos em celas solitárias
06:26
that are smaller than the size
of an average parking space.
of an average parking space.
153
374728
3342
menores que o espaço de uma vaga
de estacionamento de carro.
de estacionamento de carro.
06:30
The point of these visualizations
is also to remind people
is also to remind people
154
378535
3335
O sentido dessas visualizações
é para lembrar às pessoas
é para lembrar às pessoas
06:33
of some really important
statistical concepts,
statistical concepts,
155
381894
2350
alguns conceitos estatísticos
muito importantes,
muito importantes,
06:36
concepts like averages.
156
384268
1636
conceitos como médias.
Digamos que você ouve uma alegação como:
06:37
So let's say you hear a claim like,
157
385928
1668
06:39
"The average swimming pool in the US
contains 6.23 fecal accidents."
contains 6.23 fecal accidents."
158
387620
4434
"Em média uma piscina 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
Isso não significa
que cada piscina no país
que cada piscina no país
contenha exatamente 6,23 cocôs.
06:46
contains exactly 6.23 turds.
160
394899
2194
Para mostrar isso, voltei
aos dados originais, que vieram
aos dados originais, que vieram
06:49
So in order to show that,
161
397117
1417
06:50
I went back to the original data,
which comes from the CDC,
which comes from the CDC,
162
398558
2841
do Controle e Prevenção de Doenças,
que pesquisou 47 locais com piscina.
que pesquisou 47 locais com piscina.
06:53
who surveyed 47 swimming facilities.
163
401423
2065
06:55
And I just spent one evening
redistributing poop.
redistributing poop.
164
403512
2391
E fiquei apenas uma tarde
redistribuindo o cocô.
redistribuindo o cocô.
06:57
So you can kind of see
how misleading averages can be.
how misleading averages can be.
165
405927
2682
Já deu para ver como
as médias podem enganar.
as médias podem enganar.
07:00
(Laughter)
166
408633
1282
(Risos)
07:01
OK, so the second question
that you guys should be asking yourselves
that you guys should be asking yourselves
167
409939
3901
Certo, então a segunda questão
que vocês devem se perguntar
que vocês devem se perguntar
para identificar números ruins é:
07:05
to spot bad numbers is:
168
413864
1501
posso me ver neste dado?
07:07
Can I see myself in the data?
169
415389
1967
07:09
This question is also
about averages in a way,
about averages in a way,
170
417380
2913
Essa questão também é,
de certa forma, sobre médias,
de certa forma, sobre médias,
pois em parte as pessoas
estão tão frustradas
estão tão frustradas
07:12
because part of the reason
why people are so frustrated
why people are so frustrated
171
420317
2605
com as estatísticas nacionais,
07:14
with these national statistics,
172
422946
1495
porque elas realmente não dizem
quem está ganhando e quem está perdendo
quem está ganhando e quem está perdendo
07:16
is they don't really tell the story
of who's winning and who's losing
of who's winning and who's losing
173
424465
3273
na política nacional.
07:19
from national policy.
174
427762
1156
É fácil entender que as pessoas
se frustrem com médias globais,
se frustrem com médias globais,
07:20
It's easy to understand why people
are frustrated with global averages
are frustrated with global averages
175
428942
3318
quando elas não refletem
suas experiências pessoais.
suas experiências pessoais.
07:24
when they don't match up
with their personal experiences.
with their personal experiences.
176
432284
2679
Eu queria mostrar às pessoas como dados
se relacionam com suas vidas diárias.
se relacionam com suas vidas diárias.
07:26
I wanted to show people the way
data relates to their everyday lives.
data relates to their everyday lives.
177
434987
3263
Criei a coluna de conselhos "Dear Mona",
07:30
I started this advice column
called "Dear Mona,"
called "Dear Mona,"
178
438274
2246
onde as pessoas enviavam
questões e preocupações
questões e preocupações
07:32
where people would write to me
with questions and concerns
with questions and concerns
179
440544
2726
e eu tentaria respondê-las com dados.
07:35
and I'd try to answer them with data.
180
443294
1784
As pessoas me perguntavam qualquer coisa,
07:37
People asked me anything.
181
445102
1200
questões como: "É normal eu dormir
em cama separada da minha esposa?"
em cama separada da minha esposa?"
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 se arrependem das 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 morte
por causas naturais?"
por causas naturais?"
E todas essas perguntas são ótimas,
07:45
All of these questions are great,
because they make you think
because they make you think
185
453414
2966
pois nos fazem pensar em modos
de encontrar e comunicar esses números.
de encontrar 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 te perguntasse:
"Quanto é muito xixi?",
"Quanto é muito xixi?",
07:53
which is a question that I got asked,
188
461291
2458
uma pergunta, aliás, que recebi,
07:55
you really want to make sure
that the visualization makes sense
that the visualization makes sense
189
463773
2980
você ia querer que a resposta
fizesse sentido
fizesse sentido
ao 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
Esses números estão disponíveis.
08:02
Sometimes they're just buried
in the appendix of an academic study.
in the appendix of an academic study.
192
470147
3507
Às vezes estão apenas escondidos
no apêndice de um trabalho acadêmico.
no apêndice de um trabalho acadêmico.
E eles certamente não são impenetráveis.
08:05
And they're certainly not inscrutable;
193
473678
1839
Se você quer realmente validar
os números do volume de urina,
os números do volume de urina,
08:07
if you really wanted to test
these numbers on urination volume,
these numbers on urination volume,
194
475541
2975
08:10
you could grab a bottle
and try it for yourself.
and try it for yourself.
195
478540
2257
basta pegar uma garrafa
e tentar você mesmo.
e tentar você mesmo.
(Risos)
08:12
(Laughter)
196
480821
1008
A questão é que não necessariamente
08:13
The point of this isn't necessarily
197
481853
1694
toda pesquisa vai se relacionar
especificamente com você.
especificamente com você.
08:15
that every single data set
has to relate specifically to you.
has to relate specifically to you.
198
483571
2877
Estou interessada em saber
quantas mulheres foram multadas na França
quantas mulheres foram multadas na 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 usarem burcas ou nicabes,
mesmo que eu não more na França
ou use a burca.
ou use a burca.
08:23
even if I don't live in France
or wear the face veil.
or wear the face veil.
201
491359
2618
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 razão de perguntar como isso te afeta
é entender o máximo do contexto.
é entender o máximo do contexto.
Então trata-se de dar um close
em um dado específico,
em um dado específico,
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 de 5%,
e ver como ela se comporta com o tempo,
08:34
and seeing how it changes over time,
205
502203
1757
08:35
or seeing how it changes
by educational status --
by educational status --
206
503984
2650
ou como ela se modifica
por status educacional;
por status educacional;
é por esta razão que seus pais sempre
quiseram que você fosse à faculdade;
quiseram que você fosse à faculdade;
08:38
this is why your parents always
wanted you to go to college --
wanted you to go to college --
207
506658
3104
08:41
or seeing how it varies by gender.
208
509786
2032
ou ver como ela varia por gênero.
08:43
Nowadays, male unemployment rate is higher
209
511842
2127
Hoje, a taxa de desemprego dos homens
é mais alta que a das mulheres.
é mais alta que a das mulheres.
08:45
than the female unemployment rate.
210
513993
1700
08:47
Up until the early '80s,
it was the other way around.
it was the other way around.
211
515717
2695
Até o início dos anos 80, era o contrário.
08:50
This is a story of one
of the biggest changes
of the biggest changes
212
518436
2117
É a história de uma das maiores mudanças
na sociedade americana,
na sociedade americana,
08:52
that's happened in American society,
213
520577
1720
e está tudo lá nos gráficos,
uma vez que você enxerga além das médias.
uma vez que você enxerga além das médias.
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
Os eixos são tudo, uma vez que você
muda a escala, você muda a história.
muda a escala, você muda a história.
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
Certo, então a terceira e última questão
em que quero que você pensem
em que quero que você pensem
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
quando estiverem olhando estatísticas é:
como esses dados foram coletados?
como esses dados foram coletados?
09:04
when you're looking at statistics is:
218
532907
1819
09:06
How was the data collected?
219
534750
1873
Até agora só falei de como
os dados são mostrados,
os dados são mostrados,
09:09
So far, I've only talked about the way
data is communicated,
data is communicated,
220
537667
2939
mas como são coletados
é tão importante quanto.
é tão importante quanto.
09:12
but the way it's collected
matters just as much.
matters just as much.
221
540630
2276
Eu sei que isso é difícil, metodologias
podem ser obscuras e até meio chatas,
podem ser obscuras e até meio chatas,
09:14
I know this is tough,
222
542930
1167
09:16
because methodologies can be opaque
and actually kind of boring,
and actually kind of boring,
223
544121
3081
mas há alguns passos
bem simples para verificar isso.
bem simples para 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 aqui.
09:24
One poll found that 41 percent of Muslims
in this country support jihad,
in this country support jihad,
226
552309
3887
Uma pesquisa mostrou que 41%
dos muçulmanos dos EUA apoiam as "jihads",
dos muçulmanos dos EUA apoiam as "jihads",
09:28
which is obviously pretty scary,
227
556220
1525
o que é obviamente bem assustador,
e foi amplamente divulgado em 2015.
e foi amplamente divulgado em 2015.
09:29
and it was reported everywhere in 2015.
228
557769
2642
Quando quero validar números como esses,
09:32
When I want to check a number like that,
229
560435
2615
09:35
I'll start off by finding
the original questionnaire.
the original questionnaire.
230
563074
2501
começo procurando o questionário original.
Acontece que os jornalistas
que divulgaram aquela estatística,
que divulgaram aquela estatística,
09:37
It turns out that journalists
who reported on that statistic
who reported on that statistic
231
565599
2926
09:40
ignored a question
lower down on the survey
lower down on the survey
232
568549
2231
ignoraram uma questão
mais abaixo na pesquisa,
mais abaixo na pesquisa,
que perguntava aos entrevistados
como eles definiam "jihad".
como eles definiam "jihad".
09:42
that asked respondents
how they defined "jihad."
how they defined "jihad."
233
570804
2346
09:45
And most of them defined it as,
234
573174
1981
E a maioria deles definiu como:
09:47
"Muslims' personal, peaceful struggle
to be more religious."
to be more religious."
235
575179
3942
"Luta pacífica e 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
Apenas 16% definiu "jihad" como:
"guerra santa e violenta contra céticos".
"guerra santa e violenta contra céticos".
09:55
This is the really important point:
237
583363
2430
Este é o ponto mais importante:
09:57
based on those numbers,
it's totally possible
it's totally possible
238
585817
2155
baseado naqueles 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 nenhum que definiu "jihad"
como guerra santa violenta
como guerra santa violenta
também tenha dito que a apoia.
10:03
also said they support it.
240
591125
1332
10:04
Those two groups might not overlap at all.
241
592481
2208
Aqueles dois grupos podem não se sobrepor.
Vale a pena perguntar também
como a pesquisa foi feita.
como a pesquisa foi feita.
10:07
It's also worth asking
how the survey was carried out.
how the survey was carried out.
242
595122
2637
Essa foi um tipo de pesquisa voluntária,
10:09
This was something called an opt-in poll,
243
597783
1998
o que significa que estava disponível
para qualquer um na internet.
para qualquer um na internet.
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 há como saber se essas pessoas
são realmente muçulmanas.
são realmente 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
E, finalmente, 600 pessoas
responderam à pesquisa.
responderam à pesquisa.
10:18
And finally, there were 600
respondents in that poll.
respondents in that poll.
246
606594
2612
Há aproximadamente
3 milhões de muçulmanos no país,
3 milhões de muçulmanos no país,
10:21
There are roughly three million
Muslims in this country,
Muslims in this country,
247
609230
2654
de acordo com o Pew Research Center.
10:23
according to Pew Research Center.
248
611908
1607
Ou seja, a pesquisa alcançou,
aproximadamente,
aproximadamente,
10:25
That means the poll spoke to roughly
one in every 5,000 Muslims
one in every 5,000 Muslims
249
613539
2993
1 em cada 5 mil muçulmanos deste país.
10:28
in this country.
250
616556
1168
Essa é uma das razões
10:29
This is one of the reasons
251
617748
1266
pela qual estatísticas governamentais
quase sempre são melhores que as privadas.
quase sempre são melhores que as privadas.
10:31
why government statistics
are often better than private statistics.
are often better than private statistics.
252
619038
3607
Uma pesquisa pode atingir centenas,
talvez milhares de pessoas,
talvez milhares de pessoas,
10:34
A poll might speak to a couple
hundred people, maybe a thousand,
hundred people, maybe a thousand,
253
622669
3035
ou, se você é a L'Oreal, vendendo
produtos de cuidados faciais em 2005,
produtos de cuidados faciais em 2005,
10:37
or if you're L'Oreal, trying to sell
skin care products in 2005,
skin care products in 2005,
254
625728
3058
falar com 48 mulheres
para atestar que funcionam.
para atestar que funcionam.
10:40
then you spoke to 48 women
to claim that they work.
to claim that they work.
255
628810
2417
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
Empresas privadas não têm um grande
interesse em obter números corretos,
interesse em obter números corretos,
elas apenas precisam dos números certos.
10:47
they just need the right numbers.
258
635881
1755
10:49
Government statisticians aren't like that.
259
637660
2020
Estatísticos do governo não são assim.
10:51
In theory, at least,
they're totally impartial,
they're totally impartial,
260
639704
2447
Pelo menos em teoria,
são totalmente imparciais.
são totalmente imparciais.
Também porque a maioria deles trabalha
independentemente de quem está no poder.
independentemente de quem está 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
Eles são funcionários públicos.
10:57
They're civil servants.
262
645700
1162
10:58
And to do their jobs properly,
263
646886
1964
E para fazer o trabalho direito,
11:00
they don't just speak
to a couple hundred people.
to a couple hundred people.
264
648874
2363
não pesquisam apenas
algumas centenas de pessoas.
algumas centenas de pessoas.
11:03
Those unemployment numbers
I keep on referencing
I keep on referencing
265
651261
2318
Os números de desemprego que fico citando
vieram do Bureau of Labor Statistics,
11:05
come from the Bureau of Labor Statistics,
266
653603
2004
e para fazer essas estimativas, eles falam
com mais de 140 mil empresas neste país.
com mais de 140 mil empresas neste país.
11:07
and to make their estimates,
267
655631
1335
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
Para validar estatísticas
de uma empresa privada,
de uma 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
você e um grupo de amigas
compram o creme facial, testam,
compram o creme facial, testam,
11:17
you can buy the face cream for you
and a bunch of friends, test it out,
and a bunch of friends, test it out,
271
665391
3361
e, se não funcionar,
os números estavam errados.
os números estavam 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
Verifique tudo.
11:25
You just keep checking everything.
274
673561
1630
Descubra como eles coletaram os números.
11:27
Find out how they collected the numbers.
275
675215
1913
Descubra se o gráfico está mostrando
tudo o que você precisa ver.
tudo o que você precisa 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 desista totalmente dos números,
porque se você desistir,
porque se você desistir,
11:32
But don't give up on the numbers
altogether, because if you do,
altogether, because if you do,
277
680301
2965
estaremos tomando decisões
de políticas públicas no escuro,
de políticas públicas no escuro,
11:35
we'll be making public policy
decisions in the dark,
decisions in the dark,
278
683290
2439
sem nada para nos guiar
a não ser o interesse privado.
a não ser o interesse privado.
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