为什么应该热衷于统计学
-
0:01 - 0:04早在2003年
-
0:04 - 0:07英国政府进行了一项调查
-
0:07 - 0:11目的是了解国民的
-
0:11 - 0:12算术能力
-
0:12 - 0:14结果非常让人吃惊
-
0:14 - 0:17在英国,每100个正值
工作年纪的成人中 -
0:17 - 0:2147个缺乏一级的算术能力
-
0:21 - 0:25一级算术能力
是GSCE考试的低端分数 -
0:25 - 0:29它是运算分数
百分数和小数的能力 -
0:29 - 0:33这个数据使英国行政部门愈发的担忧
-
0:33 - 0:35(他们)改变了政策
-
0:35 - 0:37进行了投资
-
0:37 - 0:40然后到了2011年
他们再次进行了普查 -
0:40 - 0:44你们能猜到这一次的数字吗?
-
0:44 - 0:45这次,上升到了49
-
0:45 - 0:47(观众笑声)
-
0:47 - 0:49事实上,当我在金融时报
报道这一数据时 -
0:49 - 0:51有个读者开玩笑地说
-
0:51 - 0:55“这个数据只震惊了51%的人口”
-
0:55 - 0:57(观众笑声)
-
0:57 - 1:00但我实际上更喜欢一个学生的反应
-
1:00 - 1:03有一次我在学校展示这一信息时
-
1:03 - 1:05这个孩子举手说道
-
1:05 - 1:07“我们怎么知道得出这一数据的人
-
1:07 - 1:09不是49%中的一个呢?”
-
1:09 - 1:11(观众笑声)
-
1:11 - 1:15很明显,算术能力成了一个问题
-
1:15 - 1:17毕竟这是生活中的重要技能
-
1:17 - 1:21更何况我们还想为这个
世纪带来许多的改变 -
1:21 - 1:23这需要我们对数字越来越应用自如
-
1:23 - 1:25实际上,不仅英国存在这样的的问题
-
1:25 - 1:30OECD今年发布了一些
关于青少年计算能力的数据 -
1:30 - 1:33名单里领先的是美国
-
1:33 - 1:38大约40%的美国青少年
算术能力低下 -
1:38 - 1:39英国也名列其中
-
1:39 - 1:44但是有七个OECD国家的
数据在20%以上 -
1:44 - 1:47这就有问题了
因为情况本不必如此 -
1:47 - 1:49在图的最右端
-
1:49 - 1:52可以看到荷兰,韩国都是个位数
-
1:52 - 1:57所以,这里绝对有一个算术
问题需要我们解决 -
1:58 - 2:00和这些研究同样有用的是,
-
2:00 - 2:06我认为我们无意间轻率地
将人群分成了两个类别 -
2:06 - 2:08也就是这么两种人
-
2:08 - 2:12对数字可以应用自如
能够把玩数字的人 -
2:12 - 2:14和做不到这一点的人
-
2:14 - 2:16今天,我想要探讨的是
-
2:16 - 2:20我认为这是个错误的二分法
-
2:20 - 2:21这并不是一成不变的组合
-
2:21 - 2:25我认为,你不需要高超的算术能力
-
2:25 - 2:27才能被数字所启发
-
2:27 - 2:30这应该成为前路的起点
-
2:30 - 2:35对于我来说,这条路的起始点之一
-
2:35 - 2:36是着眼于统计学
-
2:36 - 2:40这里,我要首先承认
统计是有那么一点儿 -
2:40 - 2:41画面方面的问题的
-
2:41 - 2:42(观众笑声)
-
2:42 - 2:44统计是数学的一部分
-
2:44 - 2:47但是它是连数学家
都不怎么喜欢的那一部分 -
2:47 - 2:51因为与其它讲究精确
与确定性的数学领域不同 -
2:51 - 2:53统计学几乎是反其道而行之
-
2:54 - 2:58事实上,我自己也是
后来才转向统计学的 -
2:58 - 3:01如果你们去问问我本科时的教授
-
3:01 - 3:05我大学毕业后最不可能
有卓越成就的两个领域是什么 -
3:05 - 3:08他们会告诉你是统计和电脑编程
-
3:08 - 3:11然而现在,我要用我编的程序
-
3:11 - 3:12给你们展示统计图表
-
3:12 - 3:14是什么激发我有了这样的转变呢?
-
3:14 - 3:18是什么让我对统计产生了兴趣?
-
3:18 - 3:21那是因为统计学是
研究我们自身的科学 -
3:21 - 3:23如果你看看统计 (statistics) 的词源
-
3:23 - 3:26它是处理数据的科学
-
3:26 - 3:29围绕着我们所生活的国家或社区
-
3:29 - 3:32所以,统计学是研究
作为一个群体的我们 -
3:32 - 3:34不是作为个人的我们
-
3:34 - 3:35而且我认为作为一种群居动物
-
3:35 - 3:39我们会分享对作为一个个体,
如何与所在的群体以及同辈之间 -
3:39 - 3:41发生联系的那种痴迷
-
3:41 - 3:44统计最强大的时候
-
3:44 - 3:45是当它让我们惊讶的时候
-
3:45 - 3:49伊普索莫利(英国第二大市场调查组织)
在过去几年进行过 -
3:49 - 3:50一些很有意义的调查
-
3:50 - 3:53他们调查了超过1000个英国的成年人
-
3:53 - 3:57提出的问题是在每一百个
英格兰和威尔士人当中 -
3:57 - 3:59有多少个穆斯林?
-
3:59 - 4:02调查的平均答案
-
4:02 - 4:07是24,这是具有国民代表性的答案
-
4:07 - 4:08这是国民的想法
-
4:08 - 4:12英国人认为,在自己国家
每100个人中,有24个信仰穆斯林 -
4:12 - 4:17而官方数据显示这个数字大约是5
-
4:18 - 4:22很明显,我们的感知
与被统计资料呈现的事实之间 -
4:22 - 4:24有着巨大的差异
-
4:24 - 4:25我觉得这很有趣
-
4:25 - 4:29是什么原因引起
这样的感知差距呢? -
4:29 - 4:31我对这个研究感到很兴奋
-
4:31 - 4:34并开始在各种演讲中提出这个问题
-
4:34 - 4:35我曾经在哈默史密斯的
-
4:35 - 4:38圣保罗女子中学做过一个演讲
-
4:38 - 4:40当时我有一群像现在这样的观众
-
4:40 - 4:44唯一的差别是观众都是
六年级的女学生 -
4:44 - 4:47我说道,“姑娘们,
-
4:48 - 4:52你们觉得英国公众认为
每年有多少个 -
4:52 - 4:54青春期女孩怀孕?”
-
4:54 - 4:57当我说出答案,女孩们是非常生气的
-
4:57 - 5:01我说英国公众认为
每一百个青春期女孩中 -
5:01 - 5:03每年有15个怀孕
-
5:03 - 5:06当然她们有生气的缘由和权利
-
5:06 - 5:08因为实际上根据官方数字,
-
5:08 - 5:10(按比例)我必须要有近200个点
-
5:10 - 5:13才能将一个空白圆圈涂满色
-
5:13 - 5:16和计算能力一样
这同样不仅仅是英国的问题 -
5:16 - 5:21伊普索莫利机构在最近几年
在世界范围内扩展了调查研究 -
5:21 - 5:24他们问沙特阿拉伯人
-
5:24 - 5:26在你们国家,每一百个成年人中
-
5:26 - 5:29有多少个超重或是有肥胖症?
-
5:31 - 5:36平均答案是四分之一多一点
-
5:36 - 5:37那是他们认为的
-
5:37 - 5:40仅仅是四分之一多一点的
成年人超重或有肥胖症 -
5:40 - 5:45官方数据显示,实际上
这个数字接近四分之三 -
5:45 - 5:46(观众笑声)
-
5:46 - 5:49这又是一个巨大的差异
-
5:49 - 5:53下面这个调查我很喜欢
他们问了日本人 -
5:53 - 5:55每一百个日本人里面
-
5:55 - 5:59有多少人住在乡下?
-
5:59 - 6:03平均答案大概是一半,
稍高于50% -
6:03 - 6:08他们认为每100个日本人中
有56个居住在乡村地区 -
6:08 - 6:09而官方数字是7
-
6:10 - 6:15如此巨大的差异震惊了一些人
-
6:15 - 6:17但是对一些人来说并不惊讶
-
6:17 - 6:22比如阅读过诺贝尔经济学奖获得者
丹尼尔·卡内曼的研究成果的人 -
6:22 - 6:27他和他的同事,阿莫斯·特沃斯基
花费了数年的心血在这个 -
6:27 - 6:30人们的见解与现实脱节的问题上
-
6:30 - 6:34实际上人们是直觉很差的统计学家
-
6:34 - 6:35这背后有着很多原因
-
6:35 - 6:38个人体验,当然可以影响我们的见解
-
6:38 - 6:43但也包括媒体带有偏见
-
6:43 - 6:44而非全面客观的报道
-
6:45 - 6:47卡内曼对此有一个很好的描述
-
6:47 - 6:48他说,“我们对显而易见的
事情视而不见”—— -
6:48 - 6:50所以我们有了错误的数字——
-
6:50 - 6:53“但是我们可以对我们视而不见
这个事实视而不见。” -
6:53 - 6:56而这对做决策来说有巨大的影响
-
6:56 - 6:59那么在统计学办公室,
当这些事情在发生的时候 -
6:59 - 7:01我觉得很有趣
-
7:01 - 7:02我认为显然这是一个全球性的问题
-
7:02 - 7:06但也许与地域差异有关
-
7:06 - 7:10这里的一些问题都是关于
你对你的国家了解多少 -
7:10 - 7:14在这个问题里,是在问关于
你对6400万人口了解多少? -
7:14 - 7:16结果是,我并不是很了解
-
7:16 - 7:18所以我有了一个想法
-
7:18 - 7:21是用相同的方法
-
7:21 - 7:23但是以一种非常地方化的方式来思考
-
7:23 - 7:24这是因地制宜的吗?
-
7:24 - 7:26如果我们重新思考问题然后说
-
7:26 - 7:28你对你的当地状况了解多少?
-
7:28 - 7:30你的答案会更准确吗?
-
7:32 - 7:34对此我设计了一个测试
-
7:34 - 7:35你对你居住的地区了解多少?
-
7:36 - 7:38是一个简单的网络应用
-
7:38 - 7:39输入邮编
-
7:39 - 7:42它会根据你所在地区的普查数据
-
7:42 - 7:44给你提出问题
-
7:44 - 7:46我在设计时有特别注意
-
7:46 - 7:50想要让它适用于最广范围的人群
-
7:50 - 7:53不仅仅是49%的会把玩数字的人
-
7:53 - 7:55我想要每个人都能参与
-
7:55 - 7:57所以,针对测试的设计
-
7:57 - 8:00我的灵感是由19世纪20到30年代
奥图·纽拉特的 -
8:00 - 8:03“同形像”所激发
-
8:03 - 8:07这是使用重复图标
-
8:07 - 8:10来代表数字的方法
-
8:10 - 8:13那些数字仅仅是作为背景
-
8:13 - 8:15所以这是一个代表数量的绝佳方式
-
8:15 - 8:19不需要使用“百分比”
-
8:19 - 8:20“分数” 和“比率”
-
8:20 - 8:22这个就是测试界面
-
8:22 - 8:24界面的布局是
-
8:24 - 8:26你左手边有重复出现的图标
-
8:26 - 8:29然后这里有一张地图
展现我们问你问题的地区 -
8:29 - 8:31在右手边
-
8:31 - 8:32一共有七个问题
-
8:32 - 8:36对于每一个问题,这里有
一个从0到100的可能的答案 -
8:36 - 8:38在测试结尾
-
8:38 - 8:41你会得到一个在0和100之间的总分
-
8:41 - 8:43因为这是TEDx埃克塞特
-
8:43 - 8:45我们可以快速看一下关于
-
8:45 - 8:48埃克塞特的前几个问题
-
8:48 - 8:49第一个问题是
-
8:49 - 8:53每一百人中
有多少个在十六岁以下? -
8:53 - 8:56当然,我对于埃克塞特不那么了解
所以我随便猜了一下 -
8:56 - 8:59主要是演示这个测试怎样进行
-
8:59 - 9:03你将滑块拖至你所认可的数据图标
-
9:03 - 9:05然后点击“递交”
-
9:05 - 9:09然后我们将你的答案和现实之间的
差异用动画的方式表现出来 -
9:09 - 9:13结果是,我错得很离谱,
只得了五分 -
9:13 - 9:14那么下一个问题呢?
-
9:14 - 9:17这是问关于年龄的中位数
-
9:17 - 9:19也就是该地区大于和小于这个年龄的
-
9:19 - 9:20人口数相等
-
9:20 - 9:24我以为是35——
那对我来说是中年 -
9:24 - 9:26(观众笑声)
-
9:28 - 9:30实际上,在埃克塞特
结果是惊人的年轻 -
9:30 - 9:35是我低估了大学在这个区域的影响
-
9:35 - 9:37随着测试的进行问题的难度会增加
-
9:37 - 9:40这个问题有关房屋所有权
-
9:40 - 9:44在一百个家庭中,有多少个
是有贷款或借债的? -
9:44 - 9:45我没有直接选出脑海中的数字
-
9:45 - 9:48因为我不想有超过五十个
-
9:48 - 9:50(观众笑声)
-
9:50 - 9:53实际上,这些问题
变得越来越困难 -
9:53 - 9:55因为当你在一个地区
在一个社区 -
9:55 - 10:01人口是否老龄化或是年轻化
这样的事情,是很容易找到线索的 -
10:01 - 10:03看看周围环境就知道了
-
10:03 - 10:07像房屋所有权这样的事
要观察起来就困难得多 -
10:07 - 10:09所以我们还原了我们的启发法
-
10:09 - 10:14关于我们自认为有
多少人拥有房屋所有权的偏差 -
10:14 - 10:17然而真相是
当我们发表这个测试时 -
10:17 - 10:21我们所依据的普查数据
已经是好几年前的了 -
10:21 - 10:24我们有一个在线应用
你可以输入邮编 -
10:24 - 10:27然后得到过去几年的数据
-
10:27 - 10:28所以,在某种程度上
-
10:28 - 10:31这是有点儿过时的数据
-
10:31 - 10:35但是我很感兴趣
会得到什么样的反应 -
10:35 - 10:38用我们已有的方式去使数据游戏化
-
10:38 - 10:39通过使用动画
-
10:39 - 10:44以及利用人们会有先入之见这一事实
-
10:44 - 10:47结果是,反应...
-
10:48 - 10:50比我所期望的要好
-
10:50 - 10:53对我来说运营数据网站
需要持久的雄心 -
10:53 - 10:55因为公众有着庞大的需求
-
10:55 - 10:57(观众笑声)
-
10:57 - 11:00这个网址包含单词“统计“,"gov" 和"UK"
-
11:00 - 11:04这三个是在网址中最不受欢迎的单词
-
11:04 - 11:08惊人的是这个网站在晚上
-
11:08 - 11:109点45的时候瘫痪了
-
11:10 - 11:13因为人们实际上在基于自愿的基础上
-
11:13 - 11:15很积极地利用他们的
-
11:15 - 11:17个人时间为我们提供数据
-
11:17 - 11:19我很兴奋的看到
-
11:19 - 11:23有二十五万人在测试发起的
-
11:23 - 11:2648小时之内参与了测试
-
11:26 - 11:30并且在网络和社交媒体上
激发了巨大的讨论 -
11:30 - 11:32这些讨论大部分被
-
11:32 - 11:36在见解偏差中找到乐趣的人们所占据
-
11:36 - 11:39对于我来说,在某种程度上没有比这
-
11:39 - 11:40更令人欣慰的了
-
11:40 - 11:44我也愿意看到人们开始将它发送给政客
-
11:44 - 11:46你对你自己声称代表的区域了解多少?
-
11:46 - 11:47(观众笑声)
-
11:47 - 11:49那么我的演讲要接近尾声了
-
11:50 - 11:52回到那两类人
-
11:52 - 11:54我很好奇
-
11:54 - 11:57擅长数字的人是如何完成这个测试的
-
11:57 - 12:00英格兰和威尔士的国家统计学家,
约翰·普令吉尔 -
12:00 - 12:03你会觉得他应该做得非常好
-
12:04 - 12:06然而他在自己的区域得了44分
-
12:06 - 12:08(观众笑声)
-
12:08 - 12:13杰瑞米·拍客斯曼——我得声明
是在喝了一杯酒之后——得了36分 -
12:14 - 12:16还不如前面那位
-
12:16 - 12:19它展示给大家数字可以启示我们
-
12:19 - 12:20可以给我们带来惊讶
-
12:20 - 12:22所以我们常常把统计学
-
12:22 - 12:24作为一种不确定性的科学来谈论
-
12:24 - 12:26我今天的想法是
-
12:26 - 12:29实际上,统计是关于我们自身的科学
-
12:29 - 12:32这是为什么我们应该为此感到着迷
-
12:32 - 12:33非常感谢
-
12:33 - 12:36(观众掌声)
- Title:
- 为什么应该热衷于统计学
- Speaker:
- 艾伦·史密斯
- Description:
-
你认为自己擅长猜数字?再好好想想吧。数据视觉化专家艾伦·史密斯说,不管我们认为自己是否精通数学,我们理解和运用数字的能力都是非常有限的。在这个气氛轻松的演讲中,史密斯探索了我们知道的和我们自以为知道的事情之间的差异。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:49
Yolanda Zhang approved Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics | ||
Yolanda Zhang edited Chinese, Simplified subtitles for Why we're so bad at statistics |