Inimeste rõõm eksimustest: miks me statistikat nii kergesti valesti mõistame ja mida teha teisiti

Statistika ümbritseb igapäevaelu rohkem kui esmapilgul paistab: vaktsiinide tõhusus, majandusprognoosid, liiklusõnnetuste arv, ilmamudelid. Ometi on inimajul loomupärane kalduvus arvude ja tõenäosuste tõlgendamisel eksida.

Selles artiklis vaatame, millised tüüpilised mõtlemisvead statistika mõistmisel ette tulevad, miks need tekivad ja kuidas end lihtsate võtetega paremini kaitsta ekslike järelduste eest.

Miks aju ja tõenäosused kokku alati ei sobi

Inimaju on kohanenud tegema kiireid otsuseid piiratud info põhjal. Evolutsiooniliselt oli kasulikum reageerida välkkiirelt, mitte sooritada rahulikku matemaatilist analüüsi. Seetõttu eelistame endiselt lugusid, näiteid ja tugevaid emotsioone kuivadele arvudele.

See, mis tundub „hea loona“, võib aga statistiliselt olla üsna nõrk tõend. Üks tuttava kogemus kaalub tihti üles tuhandete inimeste koondandmed, eriti tervise, raha või lastega seotud otsuste puhul.

Suvalisus ei näe välja nii, nagu me arvame

Üks levinumaid eksitusi puudutab juhuslikkust. Tõeline juhuslik jada sisaldab alati ka klastreid: näiteks mitu vihmast päeva järjest või mitu lotovõitu ühte piirkonda lühikese aja jooksul. Inimesele tundub see aga sageli kahtlane või „kindlasti millegi tagajärg“.

Kui näeme juhuslike sündmuste kuhjumist, kipume otsima mustreid ja põhjuseid: vandenõu, seaduserikkumine, „eriline õnn“ või „halb aura“. Tegelikult võib ainuüksi suur arv katseid (palju pileteid, palju päevi, palju inimesi) selliseid klastreid loomulikult tekitada.

Protsendid, mis kõlavad suuremalt, kui tegelikult on

Protsentuaalsed muutused on veel üks koht, kus tajutav mõju ja tegelik suurus lahknevad. Kuuldes, et mingi risk vähenes poole võrra, tundub see muljetavaldav. Tegelik tähtsus sõltub aga algtasemest.

Kui risk oli algselt üks inimene kümne tuhande kohta, siis poole võrra vähenemine tähendab edaspidi umbes ühte inimest kahekümne tuhande kohta. Oluline on alati küsida: kui palju inimesi see arvudesse ümber panduna päriselt mõjutab?

Valikukalle: andmed, mis jätavad suure osa loost rääkimata

Statistika võib olla täiesti korrektselt arvutatud, kuid ikkagi eksitav, kui andmed ei esinda tegelikku pilti. Valikukalle tekib siis, kui osa inimesi või juhtumeid jääb süstemaatiliselt välja: näiteks vastavad küsitlusele ainult aktiivsemad või tõusnud hinnad kajastavad vaid teatud kaupu.

Igapäevases elus tekib sama efekt siis, kui paneme tähele vaid neid näiteid, mis kinnitavad meie varasemat arvamust. Kui usume, et mingi ravim ei toimi, märkame teravamalt tuttavaid, kellel paremaks ei läinud, ning unustame need, kes abi said.

Korrelatsioon ei tähenda põhjuslikkust

Üks klassikalisi vigu on näha kahes koos liikuvas arvus kohe põhjuslikku seost. Kui kahel nähtusel on sama trend, ei tähenda see automaatselt, et üks teist põhjustab. Taustal võib olla kolmas tegur või lihtne kokkusattumus.

Statistiline seos annab vihjeid, kuid ei tõesta iseseisvalt põhjuslikku ahelat. Põhjuslike seoste otsimiseks kasutatakse eraldi uurimismeetodeid, eksperimente ja pikaajalisi järeluuringuid, mida tasub otsuste tegemisel eelistada üksikutele graafikutele.

Mida tavalugeja saab teha, et numbritest paremini aru saada

Statistikat ei pea ise arvutama, et seda targemalt kasutada. Olulised on mõned lihtsad harjumused, mis aitavad infot kriitilisemalt hinnata ja vältida emotsiooni ajel tehtud järeldusi.

• Küsi „millega võrreldes?“Kas protsent või risk on antud üksinda või on näidatud ka võrdlus varasema olukorra, teiste rühmade või loodusliku taustatasemega?
• Mõtle absoluutarvudesProovi protsendid ümber sõnastada: mitu inimest sajast või kümnest tuhandest see tähendab?
• Uuri, keda uuring hõlmasKas valim oli piisavalt suur ja mitmekesine? Kas see sarnaneb inimestega, kelle kohta järeldusi teha soovid?
• Vaata, kas on otsene põhjuslik seosKas on selgitatud, miks üks tegur peaks teist mõjutama, või on lihtsalt kõrvutatud kahte numbrit?

Heade allikate roll ja teadliku kahtluse kasu

Teaduslik teadmine areneb pidevalt ja üksikud uuringud võivad anda osaliselt vastukäivaid tulemusi. Seetõttu tasub eelistada allikaid, mis tuginevad mitmele eri uurimusele ning selgitavad ka ebakindlust ja piiranguid, mitte ainult muljetavaldavaid numbreid.

Tervis, keskkond ja tehnoloogia on valdkonnad, kus statistika põhjal tehakse poliitilisi, isiklikke ja majanduslikke otsuseid. Mida paremini oskame numbrites peituvaid mustreid ja ebakindlust näha, seda väiksem on oht langeda eksitavate tõlgenduste või liigse lihtsustamise lõksu.

Harjumus, mis tasub end ära kogu eluks

Statistika mõistmine ei tähenda kõiges kahtlemist, vaid teadlikku küsivust. Kui võtame paar lisasekundit, et järele mõelda, mis täpselt mõõdeti, kui palju inimesi see puudutas ja millega tulemusi võrreldi, teeme suure sammu targema infokasutuse suunas.

Selline mõtteviis valmistab paremini ette ka tulevasteks aruteludeks tehisintellekti, kliimamuutuste või terviseotsuste üle, kus arvud ja tõenäosused mängivad keskset rolli. Harjumus numbreid lahata muutub sel juhul mitte lisakoormuseks, vaid praktiliseks tööriistaks igapäevaelus.