TED2009
Nate Silver: Does racism affect how you vote?
Nate Silver: Raça afeta os votos?
Filmed:
Readability: 4
498,847 views
Nate Silver tem respostas para perguntas controversas sobre raça e política: a raça de Obama fez ele perder votos em alguns lugares? Estatísticas e mitos colidem nesta fascinante apresentação, que termina com uma incrível visão de como o planejamento de uma cidade pode promover tolerância.
Nate Silver - Statistician
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries. Full bio
Math whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries. Full bio
Double-click the English transcript below to play the video.
00:15
I want to talk about the election.
0
0
3000
Eu quero falar sobre a eleição.
00:18
For the first time in the United States, a predominantly white group of voters
1
3000
3000
Pela primeira vez nos EUA, um grupo predominante de eleitores brancos
00:21
voted for an African-American candidate for President.
2
6000
3000
votou em um candidato afro-descendente para Presidente.
00:24
And in fact Barack Obama did quite well.
3
9000
2000
E na verdade Barack Obama se saiu muito bem.
00:26
He won 375 electoral votes.
4
11000
2000
Ele conseguiu o voto de 375 colégios eleitorais.
00:28
And he won about 70 million popular votes
5
13000
3000
E teve em torno de 70 milhões de votos populares
00:31
more than any other presidential candidate --
6
16000
2000
a mais do que qualquer outro candidato à presidência,
00:33
of any race, of any party -- in history.
7
18000
3000
de qualquer raça ou partido, da história.
00:36
If you compare how Obama did against how John Kerry had done four years earlier --
8
21000
4000
Se compararmos o resultado de Obama com o de John Kerry quatro anos antes --
00:40
Democrats really like seeing this transition here,
9
25000
3000
os Democratas adoram ver esta transição aqui,
00:43
where almost every state becomes bluer, becomes more democratic --
10
28000
4000
quase todos os estados tornando-se mais azuis, mais democratas --
00:47
even states Obama lost, like out west,
11
32000
2000
mesmo nos estados em que Obama perdeu, como no lado oeste.
00:49
those states became more blue.
12
34000
2000
Estes estados tornaram-se mais azuis.
00:51
In the south, in the northeast, almost everywhere
13
36000
3000
No sul, no nordeste, quase em todo lugar
00:54
but with a couple of exceptions here and there.
14
39000
3000
mas com algumas exceções aqui e ali.
00:57
One exception is in Massachusetts.
15
42000
2000
Uma exceção é Massachusetts.
00:59
That was John Kerry's home state.
16
44000
2000
Este é o estado natal de John Kerry.
01:01
No big surprise, Obama couldn't do better than Kerry there.
17
46000
2000
Sem muita surpresa, Obama não conseguiu bater Kerry aqui.
01:03
Or in Arizona, which is John McCain's home,
18
48000
2000
Ou no Arizona, que é o estado natal de McCain,
01:05
Obama didn't have much improvement.
19
50000
2000
Obama não conseguiu bom resultado.
01:07
But there is also this part of the country, kind of in the middle region here.
20
52000
2000
Mas tem esta parte do país, mais ou menos na região central.
01:09
This kind of Arkansas, Tennessee, Oklahoma, West Virginia region.
21
54000
4000
Na região de Arkansas, Tennessee, Oklahoma, West Virginia.
01:13
Now if you look at '96, Bill Clinton --
22
58000
2000
Agora, se olharmos para 1996, Bill Clinton,
01:15
the last Democrat to actually win -- how he did in '96,
23
60000
3000
o último Democrata que realmente venceu, em 1996,
01:18
you see real big differences in this part of the country right here,
24
63000
3000
vemos grandes diferenças nesta parte do país, bem aqui --
01:21
the kind of Appalachians, Ozarks, highlands region, as I call it:
25
66000
4000
na região dos Apalaches, Ozarks, as terras altas, como eu chamo.
01:25
20 or 30 point swings
26
70000
2000
20 ou 30 pontos variam
01:27
from how Bill Clinton did in '96 to how Obama did
27
72000
2000
nos resultados de Bill Clinton em 96 e Obama
01:29
in 2008.
28
74000
2000
em 2008.
01:31
Yes Bill Clinton was from Arkansas, but these are very, very profound differences.
29
76000
5000
Sim, Bill Clinton é de Arkansas, mas estas são diferenças bastante profundas.
01:36
So, when we think about parts of the country like Arkansas, you know.
30
81000
2000
Então, quando pensamos em partes do país como Arkansas...
01:38
There is a book written called, "What's the Matter with Kansas?"
31
83000
3000
Existe um livro chamado "Qual é o problema com Kansas?"
01:41
But really the question here -- Obama did relatively well in Kansas.
32
86000
3000
Mas sério, a questão é -- Obama teve um resultado relativamente bom em Kansas.
01:44
He lost badly but every Democrat does.
33
89000
2000
Ele perdeu feio mas todos os Democratas perdem.
01:46
He lost no worse than most people do.
34
91000
2000
Seu resultado não foi pior do que qualquer um teria.
01:48
But yeah, what's the matter with Arkansas?
35
93000
4000
Mas sim, qual é o problema com Arkansas?
01:52
(Laughter)
36
97000
1000
(Risos)
01:53
And when we think of Arkansas we tend to have pretty negative connotations.
37
98000
3000
E quando pensamos em Arkansas, geralmente há conotações negativas.
01:56
We think of a bunch of rednecks, quote, unquote, with guns.
38
101000
3000
Pensamos em um bando de caipiras, entre aspas, com armas.
01:59
And we think people like this probably don't want to vote
39
104000
3000
E pensamos que pessoas como essas provavelmente não querem votar
02:02
for people who look like this and are named Barack Obama.
40
107000
3000
em pessoas que deste tipo, e que são chamadas de Barack Obama.
02:05
We think it's a matter of race. And is this fair?
41
110000
3000
E pensamos que é uma questão de raça. E isto é justo?
02:08
Are we kind of stigmatizing people from Arkansas, and this part of the country?
42
113000
3000
Não estamos estigmatizando pessoas de Arkansas e desta parte do país?
02:11
And the answer is: it is at least partially fair.
43
116000
3000
E a resposta é: é pelo menos parcialmente justo.
02:14
We know that race was a factor, and the reason why we know that
44
119000
2000
Sabemos que raça foi um fator, e a razão pela qual sabemos isso
02:16
is because we asked those people.
45
121000
2000
é porque perguntamos a estas pessoas.
02:18
Actually we didn't ask them, but when they conducted
46
123000
2000
Na verdade não perguntamos, mas quando foi feita
02:20
exit polls in every state,
47
125000
2000
uma pesquisa de boca-de-urna em cada estado,
02:22
in 37 states, out of the 50,
48
127000
2000
em 37 estados do total de 50,
02:24
they asked a question, that was pretty direct, about race.
49
129000
3000
foi feita uma pergunta bem direta em relação à raça.
02:27
They asked this question.
50
132000
2000
Foi feita esta pergunta:
02:29
In deciding your vote for President today, was the race
51
134000
2000
Ao decidir seu voto para Presidente hoje, a raça
02:31
of the candidate a factor?
52
136000
2000
do candidato foi um fator importante?
02:33
We're looking for people that said, "Yes, race was a factor;
53
138000
3000
Estamos procurando pessoas que disseram: "Sim, raça foi um fator;
02:36
moreover it was an important factor, in my decision,"
54
141000
2000
e foi um fator importante em minha decisão."
02:38
and people who voted for John McCain
55
143000
3000
E pessoas que votaram em John McCain
02:41
as a result of that factor,
56
146000
2000
como resultado deste fator,
02:43
maybe in combination with other factors, and maybe alone.
57
148000
2000
talvez combinado com outros fatores, talvez não.
02:45
We're looking for this behavior among white voters
58
150000
3000
Procuramos por este comportamento entre eleitores brancos,
02:48
or, really, non-black voters.
59
153000
3000
ou na verdade, eleitores não-negros.
02:51
So you see big differences in different parts
60
156000
2000
Então vejam, grandes diferenças em partes diferentes
02:53
of the country on this question.
61
158000
2000
do país, nesta questão.
02:55
In Louisiana, about one in five white voters
62
160000
3000
Em Louisiana, cerca de um entre cinco eleitores brancos
02:58
said, "Yes, one of the big reasons why I voted against Barack Obama
63
163000
3000
disse: "Sim, uma das razões em que votei contra Barack Obama
03:01
is because he was an African-American."
64
166000
2000
é porque ele é afro-descendente."
03:03
If those people had voted for Obama,
65
168000
2000
Se estas pessoas tivessem votado em Obama,
03:05
even half of them, Obama would have won Louisiana safely.
66
170000
4000
mesmo metade delas, Obama teria ganho fácil em Louisiana.
03:09
Same is true with, I think, all of these states you see on the top of the list.
67
174000
2000
O mesmo é verdade, acredito, para todos os estados que vemos no topo da lista.
03:11
Meanwhile, California, New York, we can say, "Oh we're enlightened"
68
176000
4000
Enquanto isso, Califórnia, Nova York. Podemos dizer: "Oh, somos inteligentes,"
03:15
but you know, certainly a much lower incidence of this
69
180000
2000
mas sabem, um número muito menor destes
03:17
admitted, I suppose,
70
182000
2000
admitiram, acredito,
03:19
manifestation of racially-based voting.
71
184000
3000
alguma manifestação de voto baseado em raça.
03:22
Here is the same data on a map.
72
187000
2000
Aqui estão os mesmos dados em um mapa.
03:24
You kind of see the relationship between
73
189000
2000
Percebemos a relação entre
03:26
the redder states of where more people responded and said,
74
191000
2000
os estados mais republicanos onde mais pessoas responderam:
03:28
"Yes, Barack Obama's race was a problem for me."
75
193000
3000
"Sim, a raça de Barack Obama foi um problema para mim."
03:31
You see, comparing the map to '96, you see an overlap here.
76
196000
3000
Vejam que comparando o mapa de 96, notamos algo em comum.
03:34
This really seems to explain
77
199000
2000
Isso realmente explica
03:36
why Barack Obama did worse
78
201000
2000
porque Barack Obama foi pior
03:38
in this one part of the country.
79
203000
2000
nesta parte do país.
03:40
So we have to ask why.
80
205000
2000
Então temos que nos perguntar por quê.
03:42
Is racism predictable in some way?
81
207000
2000
O racismo é previsível de alguma forma?
03:44
Is there something driving this?
82
209000
2000
Existe algo que leva ao racismo?
03:46
Is it just about some weird stuff that goes on in Arkansas
83
211000
2000
Tem a ver somente com algo em particular que acontece em Arkansas
03:48
that we don't understand, and Kentucky?
84
213000
2000
que não entendemos, e Kentucky?
03:50
Or are there more systematic factors at work?
85
215000
2000
Ou existem outros fatores sistemáticos aqui?
03:52
And so we can look at a bunch of different variables.
86
217000
2000
E então podemos olhar para diferentes variáveis.
03:54
These are things that economists and political scientists look at all the time --
87
219000
3000
São coisas que economistas e cientistas políticos analisam o tempo todo --
03:57
things like income, and religion, education.
88
222000
3000
coisas como renda, religião e educação.
04:00
Which of these seem to drive
89
225000
2000
Quais deles parece levar
04:02
this manifestation of racism
90
227000
2000
à manifestação de racismo
04:04
in this big national experiment we had on November 4th?
91
229000
3000
nesta enorme experiência que tivemos no dia 4 de novembro?
04:07
And there are a couple of these that have
92
232000
2000
E algumas destas tiveram
04:09
strong predictive relationships,
93
234000
2000
relações altamente previsíveis --
04:11
one of which is education,
94
236000
3000
uma delas é educação.
04:14
where you see the states with the fewest years of schooling
95
239000
2000
Os estados que têm o menor número de anos de educação
04:16
per adult are in red,
96
241000
2000
nos adultos, estão em vermelho,
04:18
and you see this part of the country, the kind of Appalachians region,
97
243000
3000
e vemos esta parte do país, a região dos Apalaches,
04:21
is less educated. It's just a fact.
98
246000
2000
tem menor formação escolar. É um fato.
04:23
And you see the relationship there
99
248000
2000
E podemos ver a relação lá
04:25
with the racially-based voting patterns.
100
250000
3000
com os padrões de votos baseados em raça.
04:28
The other variable that's important is
101
253000
2000
Outra importante variável é
04:30
the type of neighborhood that you live in.
102
255000
3000
o tipo de vizinhança que que vivemos.
04:33
States that are more rural --
103
258000
2000
Estados que são mais rurais,
04:35
even to some extent of the states like New Hampshire and Maine --
104
260000
2000
mesmo alguns estados como New Hampshire e Maine,
04:37
they exhibit a little bit of
105
262000
2000
mostram um pouco
04:39
this racially-based voting against Barack Obama.
106
264000
3000
deste voto baseado em raça contra Barack Obama.
04:42
So it's the combination of these two things: it's education
107
267000
2000
Então é a combinação dessas duas coisas. É educação
04:44
and the type of neighbors that you have,
108
269000
2000
e o tipo de vizinhos que temos,
04:46
which we'll talk about more in a moment.
109
271000
2000
o que veremos melhor em seguida.
04:48
And the thing about states like Arkansas and Tennessee
110
273000
2000
O que acontece com Arkansas e Tennessee
04:50
is that they're both very rural,
111
275000
2000
é que são ambos muito rurais,
04:52
and they are educationally impoverished.
112
277000
4000
e têm uma taxa de educação menor.
04:56
So yes, racism is predictable.
113
281000
2000
Então sim, racismo é previsível.
04:58
These things, among maybe other variables,
114
283000
2000
Isto, entre outras variáveis,
05:00
but these things seem to predict it.
115
285000
2000
isto parece prever o racismo.
05:02
We're going to drill down a little bit more now,
116
287000
2000
Vamos nos aprofundar um pouco,
05:04
into something called the General Social Survey.
117
289000
2000
em algo chamado Sondagem Social Geral.
05:06
This is conducted by the University of Chicago
118
291000
2000
É realizada pela Universidade de Chicago
05:08
every other year.
119
293000
2000
a cada dois anos.
05:10
And they ask a series of really interesting questions.
120
295000
2000
E eles fazem uma série de perguntas interessantes.
05:12
In 2000 they had particularly interesting questions
121
297000
2000
Em 2000 eles tinham perguntas particularmente interessantes
05:14
about racial attitudes.
122
299000
2000
sobre a atitude em relação à raça.
05:16
One simple question they asked is,
123
301000
2000
One pergunta simples feita foi:
05:18
"Does anyone of the opposite race live in your neighborhood?"
124
303000
4000
"Alguém da raça oposta mora em sua vizinhança?"
05:22
We can see in different types of communities that the results are quite different.
125
307000
3000
Vemos diferentes tipos de comunidades que os resultados são bem diferentes.
05:25
In cites, about 80 percent of people
126
310000
3000
Em cidades, cerca de 80% das pessoas
05:28
have someone whom they consider a neighbor of another race,
127
313000
3000
tem alguém da raça oposta o qual consideram vizinho.
05:31
but in rural communities, only about 30 percent.
128
316000
3000
Mas nas comunidades rurais, somente cerca de 30%.
05:34
Probably because if you live on a farm, you might not have a lot of neighbors, period.
129
319000
3000
Provavelmente porque se você vive em uma fazenda talvez não tenha muitos vizinhos.
05:37
But nevertheless, you're not having a lot of interaction with people
130
322000
3000
Mas mesmo assim, você não tem muita interação com pessoas
05:40
who are unlike you.
131
325000
2000
que não são como você.
05:42
So what we're going to do now is take the white people in the survey
132
327000
3000
Então o que faremos agora é pegar as pessoas brancas da sondagem
05:45
and split them between those who have black neighbors --
133
330000
3000
e dividi-las entre as que têm vizinhos negros
05:48
or, really, some neighbor of another race --
134
333000
2000
ou melhor, algum vizinho de outra raça.
05:50
and people who have only white neighbors.
135
335000
3000
Pessoas que têm apenas vizinhos brancos.
05:53
And we see in some variables
136
338000
2000
E vemos em algumas variáveis
05:55
in terms of political attitudes, not a lot of difference.
137
340000
2000
em termos de atitude política, que não há muita diferença.
05:57
This was eight years ago, some people were more Republican back then.
138
342000
3000
Isto foi há oito anos, alguns eram mais Republicanos na época.
06:00
But you see Democrats versus Republican,
139
345000
2000
Mas vemos Democratas versus Republicanos,
06:02
not a big difference based on who your neighbors are.
140
347000
3000
sem muita diferença baseado em quem são seus vizinhos.
06:05
And even some questions about race -- for example
141
350000
2000
E mesmo em questões sobre raça, por exemplo,
06:07
affirmative action, which is kind of a political question,
142
352000
2000
ação afirmativa, que é uma questão política,
06:09
a policy question about race, if you will --
143
354000
2000
uma questão de política pública, se preferir.
06:11
not much difference here.
144
356000
2000
Sem muita diferença aqui.
06:13
Affirmative action is not very popular frankly, with white voters, period.
145
358000
3000
Ação afirmativa não é muito popular entre eleitores brancos, ponto.
06:16
But people with black neighbors and people with mono-racial neighborhoods
146
361000
3000
Mas pessoas com vizinhos negros em vizinhas de uma só raça
06:19
feel no differently about it really.
147
364000
3000
não têm opiniões diferentes sobre isso.
06:22
But if you probe a bit deeper and get a bit more personal if you will,
148
367000
4000
Mas se învestigarmos mais a fundo, formos mais pessoais por assim dizer,
06:26
"Do you favor a law banning interracial marriage?"
149
371000
2000
"Você apóia uma lei banindo o casamento interracial?"
06:28
There is a big difference.
150
373000
2000
Existe uma grande diferença.
06:30
People who don't have neighbors of a different race
151
375000
2000
Pessoas que não têm vizinhos de raças diferentes
06:32
are about twice as likely
152
377000
2000
têm duas vezes mais chances
06:34
to oppose interracial marriage as people who do.
153
379000
3000
de ser contra o casamento interracial.
06:37
Just based on who lives in your immediate neighborhood around you.
154
382000
3000
Só baseado em quem vive em suas imediações.
06:40
And likewise they asked, not in 2000, but in the same survey in 1996,
155
385000
4000
E o mesmo foi perguntado, não em 2000, mas na mesma sondagem em 1996,
06:44
"Would you not vote for a qualified black president?"
156
389000
4000
"Você não votaria em um qualificado presidente negro?"
06:48
You see people without neighbors who are African-American who
157
393000
2000
Vemos que as pessoas não têm vizinhos negros
06:50
were much more likely to say, "That would give me a problem."
158
395000
3000
tinham muito mais probabilidades de dizer: "Isso seria um problema."
06:53
So it's really not even about urban versus rural.
159
398000
2000
Então não é nem a questão de urbano versus rural.
06:55
It's about who you live with.
160
400000
2000
Tem a ver com quem você mora.
06:57
Racism is predictable. And it's predicted by
161
402000
2000
Racismo é previsível. E é previsível pela
06:59
interaction or lack thereof with people unlike you, people of other races.
162
404000
4000
interação ou falta de interação com pessoas diferentes, pessoas de outras raças.
07:03
So if you want to address it,
163
408000
2000
Então se formos fazer algo a respeito,
07:05
the goal is to facilitate interaction with people of other races.
164
410000
3000
o objetivo é facilitar a interação com pessoas de outras raças.
07:08
I have a couple of very obvious, I suppose,
165
413000
2000
Tenho algumas ideias, acredito que óbvias,
07:10
ideas for maybe how to do that.
166
415000
3000
para como lidar com isso.
07:13
I'm a big fan of cities.
167
418000
2000
Sou um grande fã de cidades.
07:15
Especially if we have cites that are diverse and sustainable,
168
420000
3000
Especialmente cidades que são diversificadas e sustentáveis,
07:18
and can support people of different ethnicities and different income groups.
169
423000
3000
e que abrigam pessoas de diferentes etnias e diferentes rendas.
07:21
I think cities facilitate more of the kind of networking,
170
426000
3000
Acredito que cidades facilitam os contatos,
07:24
the kind of casual interaction than you might have on a daily basis.
171
429000
3000
e interação casual que você pode ter no dia-a-dia.
07:27
But also not everyone wants to live in a city, certainly not a city like New York.
172
432000
3000
Mas nem todo mundo que viver numa cidade, certamente não numa cidade como Nova York.
07:30
So we can think more about things like street grids.
173
435000
3000
Então podemos pensar mais sobre coisas como a disposição das ruas.
07:33
This is the neighborhood where I grew up in East Lansing, Michigan.
174
438000
2000
Esta é a vizinhança em que eu cresci em East Lansing, Michigan.
07:35
It's a traditional Midwestern community, which means you have real grid.
175
440000
3000
É uma comunidade típica do meio-oeste, então realmente parece uma grade.
07:38
You have real neighborhoods and real trees, and real streets you can walk on.
176
443000
3000
Você tem vizinhos de verdade, árvores de verdade e ruas nas quais você pode andar.
07:41
And you interact a lot with your neighbors --
177
446000
3000
E você interage com muitos dos seus vizinhos,
07:44
people you like, people you might not know.
178
449000
2000
pessoas que você gosta, pessoas que você não conhece direito.
07:46
And as a result it's a very tolerant community,
179
451000
3000
E como resultado temos uma comunidade muito tolerante,
07:49
which is different, I think, than something like this,
180
454000
2000
o que é diferente, acredito, de algo como isso,
07:51
which is in Schaumburg, Illinois,
181
456000
2000
em Schaumburg, Illinois.
07:53
where every little set of houses has their own cul-de-sac
182
458000
3000
Onde cada grupo de casas tem suas próprias ruas sem saída
07:56
and drive-through Starbucks and stuff like that.
183
461000
2000
e Starbucks drive-throughs e coisas do gênero.
07:58
I think that actually this type of urban design,
184
463000
3000
Acredito que este tipo de design urbano,
08:01
which became more prevalent in the 1970s and 1980s --
185
466000
3000
que ficou mais prevalecente nos anos 70 e 80,
08:04
I think there is a relationship between that and the country becoming
186
469000
3000
acho que há uma relação entre isso e o país ter se tornado
08:07
more conservative under Ronald Reagan.
187
472000
2000
mais conservador, no governo Reagan.
08:09
But also here is another idea we have --
188
474000
3000
Mas também, aqui vai outra ideia --
08:12
is an intercollegiate exchange program
189
477000
2000
é ter um programa de intercâmbio entre escolas
08:14
where you have students going from New York abroad.
190
479000
3000
onde alunos vão de nova York para outros países,
08:17
But frankly there are enough differences within the country now
191
482000
2000
mas francamente há diferenças suficientes neste país agora
08:19
where maybe you can take a bunch of kids from NYU,
192
484000
3000
que talvez pudéssemos pegar estudantes da NYU,
08:22
have them go study for a semester at the University of Arkansas,
193
487000
2000
e fazê-los estudar um semestre na Universidade de Arkansas,
08:24
and vice versa. Do it at the high school level.
194
489000
3000
e vice versa. Com alunos do ensino médio.
08:27
Literally there are people who might be in school in Arkansas or Tennessee
195
492000
3000
Literalmente há pessoas que estudam em Arkansas e Tennessee
08:30
and might never interact in a positive affirmative way
196
495000
3000
e podem nunca interargir de forma positiva e afirmativa
08:33
with someone from another part of the country, or of another racial group.
197
498000
4000
com alguém de outra parte do país, ou de outro grupo racial.
08:37
I think part of the education variable we talked about before
198
502000
3000
Acredito que parte da variável de educação sobre a qual falamos
08:40
is the networking experience you get when you go to college
199
505000
2000
são os relacionamentos e contatos que fazemos na faculdade
08:42
where you do get a mix of people that you might not interact with otherwise.
200
507000
4000
onde temos um mix de pessoas com as quais podemos não interagir em outra situação.
08:46
But the point is, this is all good news,
201
511000
2000
Mas a questão é são boas notícias.
08:48
because when something is predictable,
202
513000
3000
Pois quando algo é previsível,
08:51
it is what I call designable.
203
516000
2000
é o que chamo de "desenhável".
08:53
You can start thinking about solutions to solving that problem,
204
518000
2000
Você pode começar a pensar em soluções para o problema.
08:55
even if the problem is pernicious and as intractable as racism.
205
520000
3000
Mesmo que o problema seja pernicioso e intratável como racismo.
08:58
If we understand the root causes of the behavior
206
523000
2000
Se entendermos as verdadeiras causas deste comportamento
09:00
and where it manifests itself and where it doesn't,
207
525000
2000
e onde se manifesta e não se manifesta,
09:02
we can start to design solutions to it.
208
527000
3000
podemos desenhar soluções para isso.
09:05
So that's all I have to say. Thank you very much.
209
530000
2000
E isso é tudo que tenho para dizer. Muito obrigado.
09:07
(Applause)
210
532000
1000
(Aplausos)
ABOUT THE SPEAKER
Nate Silver - StatisticianMath whiz and baseball fan Nate Silver was mainly known for predicting outcomes in fantasy ballgames -- until his technique hit a home run calling the outcome of the 2008 election primaries.
Why you should listen
In the 2008 election season's closing weeks, throngs of wonks and laypeople alike were glued to FiveThirtyEight.com, a habitforming political blog. Red and blue bar charts crowded the scrollbars as the pulse of exit polls crept along the site's latest projections. It seemed almost miraculous: In a year of acute turns of favor, the site's owner and mouthpiece, Nate Silver (who blogged anonymously as "Poblano" until outing himself on May 30, 2008, as a baseball numberhead), managed to predict the winners of every U.S. Senate contest -- and the general Presidential election.
Besides being just-damn-fascinating, Silver's analysis is a decidedly contrarian gauntlet thrown before an unrepentant, spectacle-driven media. The up-and-coming pundit, who cut his teeth forecasting the performance of Major League Baseball players, has a fairly direct explanation of why most projections fail: "Polls are cherry-picked based on their brand name or shock value rather than their track record of accuracy."
Silver's considerable smarts are already helping local campaigns build constituencies and strategize. He is the author of The Signal and the Noise: Why So Many Predictions Fail - but Some Don't.
Nate Silver | Speaker | TED.com