חיפוש באתר

קישורים

עמודים

קטגוריות

ארכיב עבור 'מה אומרת הסטטיסטיקה'

ממתינים לתוצאות הסופיות

אני מניח שכולכם יודעים מה קורה/קרה בבחירות בארה”ב בשנת 2020.  תהליך ספירת הקולות נמשך על פני מספר ימים, וכל מה שאפשר לעשות זה לעקוב אחרי התהליך: מי מוביל הספירה באיזו מדינה ובכמה. דוגמה אקראית מבוקר כתיבת שורות אלה: הכותרת של כלכליסט היא “הדרמה בארה”ב: כמעט שוויון בפנסילבניה ובג’ורג’יה, טראמפ מצמצם הפער באריזונה“.

יש נקודה חשובה שמשום מה מתעלמים ממנה: ההצבעה הסתיימה, ותוצאות הבחירות כבר נקבעו. רק שאנחנו עדיין לא יודעים מי ניצח כי לא סיימו לספור את כל הקולות.[1].

כל הדרמה הזו הזכירה לי בעיה ישנה  מסוף המאה ה-19, שנקראת פשוט “בעיית הבחירות” (The ballot problem). הניסוח מאוד פשוט. שני מועמדים מתחרים בבחירות. אם מוציאים את פתקי ההצבעה מהקלפי זה אחד זה באופן אקראי, מה הסיכוי כי המועמד שקיבל את רוב הקולות יוביל לאורך כל מהלך הספירה?

הקישור שהופיע בפיסקה הקודמת יוביל אתכם לעמוד בויקיפדיה שבו תוכלו לקרוא על ההיסטוריה של הבעיה הזו, ועל כל מיני דרכים שנמצאו כדי לפתור אותה. אפשר למשל לנסות לרשום/לספור את כל המהלכים האפשריים של ספירת הקולות, ואת כל המהלכים האפשריים שבהם המנצח מוביל לאורך כל הספירה. אפשר להשתמש באינדוקציה מתמטית. הפתרון המקורי השתמש בנוסחת נסיגה. אני רוצה להציג כאן פתרון אחר  שמבוסס על הפתרון של המתמטיקאי הצרפתי Désiré André.

סיפורנו מתחיל בעיירה ציורית במרכז אילינוי, שם מתגוררים כמה אלפי אנשים, ויש בה רק קלפי אחת. הם בוחרים באחד משני המתמודדים לנשיאות, בואו נקרא להם ג’ו ודונלד. כל קשר לפוליטיקה מקרי לחלוטין. בחרתי בשם ג’ו מכיוון שכאשר התגוררתי בארה”ב האמריקאים הכירו אותי בשם ג’ו, ובשם דונלד כי בין היתר יש לי אוסף מפואר של כ-150 ברווזים.

נניח שג’ו קיבל A קולות, ודונלד קיבל B קולות, ובאופן מסתורי אנחנו יודעים את הערכים המספריים של A ו-B לפני שהתחילה ספירת הקולות, ואנחנו גם יודעים כי A גדול מ-B, כלומר ג’ו ניצח. מה הסיכויים שג’ו יוביל לאורך כל תהליך ספירת הקולות?

יש מספר תרחישים אפשריים. נתחיל במקרה הכי קל: הפתק הראשון שהוצא מהקלפי הוא של דונלד. דונלד מוביל, ולכן ג’ו לא מוביל לאורך כל הספירה. הסיכוי לתרחיש הזה הוא B/(A+B).

עכשיו בואו נשים לב כי מכיוון שג’ו ניצח, אם דונלד מוביל בשלב מסויים, אז בנקודת זמן כלשהי לאחר מכן ייווצר שיוויון קולות, כי ג’ו קיבל יותר קולות. הנה דוגמה לתרחיש אפשרי שבו זה קורה:

מספר הקולות
שנספרו
למי ניתן הקולהיתרון של ג’ו
1דונלד1-
2דונלד2-
3דונלד3-
4ג’ו2-
5דונלד3-
6דונלד4-
7ג’ו3-
8ג’ו2-
9ג’ו1-
10ג’ו0

מה שקורה אחר כך לא ממש משנה. כל תרחיש שבו הקול הראשון הוא קול לדונלד מגיע בנקודה כלשהי לשוויון בספירה, וההסתברות לתרחיש הזה היא כאמור B/(A+B) . אפשר לתאר את התרחיש הזה בגרף הבא:

מה קורה אם הקול הראשון שנספר ניתן לג’ו? כאן ג’ו מוביל בתחילת הספירה, ולאר מכן יש שתי אפשרויות: או שג’ו ימשיך להוביל לאורך כל הספירה, או שבשלב מסויים ייווצר שיוויון בקולות.

בואו נוסיף לגרף שלנו תרחיש אפשרי שבו ג’ו מתחיל להוביל, אבל לאחר מכן הספירה מגיעה לשוויון:

אני לא בחרתי את התרחיש הזה באופן מקרי! התרחיש השני (הכחול) הוא השיקוף של התרחיש הראשון (האדום). למעשה, לכל אחד מהתרחישים שבהם דונלד מוביל בתחילת הספירה (לאחר שהקול הראשון נספר), יש תרחיש מקביל שבו ג’ו מקבל את הקול הראשון שנספר והספירה מגיעה לשוויון. גם ההיפך נכון: לכל אחד מהתרחישים שבהם ג’ו מוביל בתחילת הספירה (לאחר שהקול הראשון נספר) והספירה מגיעה בשלב כלשהו לשוויון, יש תרחיש מקביל שבו דונלד מקבל את הקול הראשון שנספר ואז הספירה חייבת להגיע לשוויון.

לכן ההסתברויות לשני סוגי התרחישים – תרחיש שבו דונלד מוביל בתחילת הספירה, ותרחיש שבו ג’ו מוביל בתחילת הספירה אך אינו מוביל לאורך כל הספירה – שוות, וכל אחת מהן שווה ל- B/(A+B). אם נחבר אותן נקבל את ההסתברות לתרחיש שבו ג’ו אינו מוביל לאורך כל הספירה, והסתברות זו שווה ל- 2B/(A+B).

מכאן קל לחשב כי ההסתברות שג’ו יוביל לאורך כל הספירה שווה ל-1 פחות ההסתברות שהוא לא יוביל לאורך כל הספירה, כלומר ל- (A+B)/(A-B).

שימו לב כי התוצאה היא בעצם ההפרש בין מספרי הקולות שניתנו למועמדים חלקי סך כל הקולות. מעניין, אבל לא בהכרח אינטואיטיבי.

אתם מוזמנים להמשיך להחזיק אצבעות למען המועמד המועדף שלכם.


הערות
  1. איזה קולות סופרים? זו שאלה אחרת שחורגת מתחומי העניין של הבלוג הזה []

על תבונה, רגישות ודברים אחרים – הקלטת מפגש הזום

הלכתם לקופת החולים וביצעתם בדיקה כלשהי. אמרו לכם שהדיוק של הבדיקה הוא 90%. מה זה אומר בעצם? איזה שאלות אתם צריכים לשאול את הרופא (או לברר עם ד”ר גוגל?) ואם אתם מחפשים בגוגל – מה בדיוק צריך לחפש?

אתמול ערכתי את מפגש הזום שני של נסיכת המדעים שעסק באבחנות רפואיות ובאופנים בהן ניתן להעריך את איכותן ואת המשמעות של התוצאות שהתקבלו.

הקלטת המפגש זמינה לצפיה בלינק https://www.youtube.com/watch?v=08F96yeDUzI

מקווה שתיהנו

איך מחשבים את אחוזי התמותה?

מאז התפרצות מגיפת הקורונה נזרקים לאוויר המון נתונים על אחוזי התמותה מהמחלה. אייך מחשבים את האחוזים האלה? לכאורה זה מאוד פשוט: לוקחים את מספר המתים ומחלקים אותו ב-… במה בדיוק? אנסה לעשות קצת סדר.

אציין כי לא אתייחס במפורש ליתרונות, החסרונות, המשמעות והפרשנות של כל מדד, אלא רק כאשר אראה צורך בכך. אתם מוזמנים לקיים דיון ולשאול שאלות בתגובות כאן או בקבוצת הפייסבוק “חפירות על סטטיסטיקה“.

עדכון (15.4.2020): לאחר שקראתי חלק מהתגובות כאן ובדף הפייסבוק של נסיכת המדעים, אני רוצה להבהיר שאין כאן שום כוונה או ניסיון להסביר את המצב הנוכחי של המגיפה. המטרה היא רק להסביר את אופן חישוב המדדים השונים. הדוגמאות שכאן מייחסות לנתונים של האוכלוסייה הכללית, ויש להבהיר כי תמונת המצב האמיתית תלויה בעוד הרבה גורמים והפוסט הזה נמנע מלהתייחס אליהם.

מהו מספר מקרי המוות?

נתחיל במונה, כלומר במספר המתים. בדרך כלל מופיע שם מספר מקרי המוות המאומתים – confirmed deaths. זהו מספר האנשים שאובחנו כחולי קורונה ומתו סמוך לזמן האבחון. לרוב זהו מספר האנשים שמתו לאחר האבחון, אם כי תיאורטית ניתן לבדוק לאחר המוות אם המנוח היה חולה.

יש אנשים הטוענים כי לא צריך להביא במניין המתים אנשים שהיו מתים “ממילא”, כמו אנשים עם מחלות רקע או אנשים בגיל מופלג. אני חושב זה לא נכון. שיעור מקרי המוות בקרב חולי קורונה שהינם חולי סכרת או מחלות אחרות כגון מחלות לב, לחץ דם גבוה ומחלות דומות אכן גבוה יותר משיעור מקרי המוות באוכלוסייה הכללית, כמו גם בקרב אנשים מבוגרים – שיעור מקרי המוות עולה עם הגיל. אבל אנשים יכולים לחיות שנים רבות עם מחלות רקע כאשר הם מקבלים טיפול רפואי מתאים, ולכן לדעתי לא צריך לגרוע אותם ממספר המתים.

גם לגבי אנשים מבוגרים – הם לא היו “מתים ממילא” עקב גילם. תוחלת החיים של גברים בישראל היא בערך 80 שנה[1]. אבל למי שהגיע לגיל 80 לא נותרו בממוצע אפס שנות חיים אלא הרבה יותר. אם תבדקו בנתוני הלמ”ס, תראו כי תוחלת שארית החיים של גבר שהגיע לגיל 80 היא 8.9 שנים (קישור לקובץ pdf). אם תחשבו על זה קצת תראו שזה הגיוני לגמרי: כל מי שהגיע לגיל 80 מת אחרי גיל 80, ולכן גיל המוות הממוצע של האנשים שהגיעו לגיל 80 בהכרח גבוה מ-80.[2]

הבעיה השניה בחישוב מספר המתים עקב תחלואה בקורונה היא שכאמור – נספרים רק אנשים שאובחנו כחולים. סביר להניח שיש עוד אנשים שמתו עקב תחלואה בקורונה אך לא אובחנו כחולים באופן “רשמי”, כלומר הם לא confirmed. כמה אנשים כאלה יש? אף אחד לא יודע. בכל מקרה, מספר המתים מקורונה אינו קטן ממספר ה- confirmed deaths, וסביר להניח שהוא יותר גבוה.

נעבור למכנה: יש לנו את מספר מקרי המוות – במה מחלקים אותו? כאן יש מספר אפשרויות.

חישוב שיעור התמותה הבסיסי

המדד הבסיסי ביותר הוא פשוט “שיעור התמותה”, ה-mortality rate שמכונה לפעמים בשם crude mortality rate. זהו מספר המתים, בתקופת זמן מסויימת, מתוך כלל האוכלוסייה, כולל אלה שלא חולים או לא אובחנו כחולים. מדד זה מצלם תמונת מצב. ניקח דוגמה. בעת כתיבת שורות אלה, יש בישראל 103 מתים עקב חולי בקורונה בחודשיים האחרונים. האוכלוסייה בישראל היא בערך 9 מיליון איש. אז מחלקים 100 ב-9000000 ומקבלים 0.001% או, כפי שמקובל בקרב האפידמיולוגים, שיעור תמותה של 1.1 אנשים ל-100,000 בחודשיים האחרונים[3]. עד כמה המדד הזה משקף את המציאות? זה תלוי כמובן בגודל המדגם, שבמקרה שלנו הוא משך הזמן בו מתבצעת המדידה. הדבר דומה במובן מסויים להערכת רמת הבטיחות של רכבים אוטונומיים.

מדדים המתייחסים לאוכלוסייה החולה

מדדים יותר רלוונטיים מתייחסים לאוכלוסייה החולה. לדוגמה, שיעור התמותה עקב סרטן הלבלב באוכלוסייה הכללית הוא נמוך כיוון שזו מחלה נדירה יחסית. אבל בקרב החולים, שיעור התמותה הוא מאוד גבוה (והוא תלוי כמובן בתקופת הזמן אליה מתייחסים, שיכולה להיות חודש מאז האבחון או שנה ממועד האבחון או כל תקופת זמן אחרת).

Case fatality rate

מדד אחד שמתייחס למספר החולים המאומתים הוא ה- case fatality rate או בקיצור CFR.[4]. כאן לוקחים את מספר המתים המאומתים, ומחלקים אותו במספר החולים המאומתים. בעת כתיבת שורות אלה, יש בישראל קצת יותר מ-11000 חולים מאומתים. נחלק 100 ב-11000 ונקבל 0.9%, או 909 ל-100000.[5]. הבעיות? כפי שציינו קודם, מספר מקרי המוות גדול ממספר מקרי המוות המאומתים. לפי אותו הגיון, גם מספר החולים בפועל גדול ממספר החולים המאומתים. שלישית, במדד זה גם חולים אסימפטומטיים נכנסים למכנה. אלה הם האנשים שנדבקו ווירוס ולא פיתחו סימפטומים קליניים של המחלה.

Infection fatality rate

אם אתם חושבים שחולים אסימפטומטיים אינם צריכים להילקח בחשבון אלא רק חולים עם תסמינים, המדד שמעניין אתכם הוא ה-infection fatality rate, או בקיצור IFR. כאן מחלקים את מספר מקרי המוות במספר החולים שפיתחו תסמינים קליניים. למיטב הבנתי, הנתון של 11000 חולים מאומתים בישראל כולל גם חולים אסימפטומטיים. ההערכה משלי מבוססת על נתוני החולים לפי מצבם:  קל, בינוני, קשה ומונשם. חיברתי את המספרים וקיבלתי קצת יותר מ-9500. נכון לעכשיו ה-IFR הוא בערך 100 חלקי 9500, כלומר קצת יותר מאחוז.

הסיכון למות

למדדי ה-CFR וה-IFR יש משמעות ותועלת במעקב אחרי הדינמיקה של המגיפה. ה-“בעיה” במדדים אלה היא שלמרבה השמחה רוב החולים לא ימותו. לכן מדדים זה אינם הסיכון של חולה במחלה למות. וזה מה שבאמת מעניין את מי שחולה, או מי שהסיכון הזה טורד את מנוחתו, ועם יד הלב, יש כאן מישהו שלא מוטרד מזה?

לפי הנתונים העכשוויים של האתר worldometers, יש כרגע בעולם כ-1.8 מיליון חולים. מה יהיה גורלם? אנחנו לא יודעים עדיין מה יהיה הגורל של רובם. אבל אנחנו כן יודעים מה עלה בגורלם של כ-549 אלף חולים המהווים כ-30% מסך החולים:  כ-115 אלף מחולים אלה מתו, וכ-434 אלף חולים הבריאו. 115 מתוך 549 הם 21%. זהו הסיכון של חולה למות. אם לא לוקחים את החולים שבסין בחשבון, הסיכון למות הוא 23%. אם מישהו בעולם שמחוץ לסין חולה בקורונה, ואנחנו לא יודעים פרטים נוספים אודותיו, אז הסיכון שלו למות הוא 23%, וזה הרבה מאוד. זאת כמובן, בתנאי שה-549 אלף שמהלך המחלה שלהם הסתיים בהבראה או מוות מייצגים את שאר 1.3 מיליון החולים שמהלך המחלה שלהם לא הסתיים. אני חושב שהם כן מייצגים. אני עוקב אחרי הנתונים האלה כמעט שלושה שבועות, והיחסים נשארים קבועים כאשר מספר החולים הכולל, מספר המתים ומספר המחלימים גדל. אחוז המתים מתוך החולים שמהלך המחלה שלהם הסתיים במשך הזמן הזה הוא קצת יותר מ-20%.

מה הסיכון למות בישראל?

אני מודה שלא עקבתי אחרי הנתונים האלה בישראל לאורך זמן, אבל אני כן יודע את תמונת המצב הנוכחית: נכון למועד כתיבת שורות אלה, 103 מתו ו-1627 החלימו. כלומר אנחנו יודעים מה עלה בגורלם של 1730 חולים. 103 מתוך 1730 זה כמעט 6%. מצבנו טוב ביחס לעולם, לפחות כרגע. זה גם מדגם קטן יחסית. מוקדם לקבוע.


הערות
  1. זה כמובן תלוי מין, מגזר וגורמים נוספים, כגון הרגלי עישון []
  2. אני לא אדון כאן באופן חישוב תוחלת החיים []
  3. אני מעגל את כל המספרים לצורך ההדגמות []
  4. אין לי מושג איך זה מתורגם לעברית []
  5. ההצגה של מספר מקרים ל-100000 היא קצת בעייתית במקרה הזה, כי לפחות כרגע יש רק 100 מתים. זה קצת דומה לחישוב מספר האפיפיורים לקמ”ר בוותיקן, ששטחו רק כחצי קמ”ר. []

ויזואליזציה של נתוני יחס חוב/תוצר

לפני מספר ימים ראיתי את הגרף הזה בטוויטר:[1]

גיגול קצר העלה כי מדובר בגרף ישן יחסית מאוקטובר 2017. מצד אחד, זהו באמת גרף מאוד יפה ומרשים. מצד שני, מקומו בדפי פייסבוק כגון Trust me, I’m a Statistician או Trust me, I’m a Data Scientist.

גרף זה הוא סוג של דיאגרמת עוגה (pie chart).  בדיאגרמת עוגה קלאסית הפרוסות הן בצורת “משולשים”, או גזרות של עיגול אם רוצים לדייק. כאן לפרוסות יש צורות אחרות, הכוללות משולשים, מרובעים, מצולעים אחרים, וצרות שאין לי מושג מה שמן[2]

אני מודה שהגרף הזה די בילבל אותי. מדובר בנתונים של חוב לאומי ויחס חוב/תוצר. בתחילה התייחסתי לנתון של יחס חוב/תוצר, ומשום מה חשבתי שהשטח של כל פרוסה בעוגה הזו מייצג את יחס החוב/תוצר של כל מדינה. זאת כנראה בגלל שהעין שלי תפסה קודם כל את הכותרת התחתונה.

בפועל, כל פרוסה מראה את החלק של המדינה מתוך סך כל החובות הלאומיים בעולם, ולכן סך כל השטחים אמור להסתכם ל-100%. [3].ניתן לראות בבירור כי המדינה עם החלק הגדול ביותר מתוך סך החובות היא ארצות הברית, ומכאן ג ניתן להסיק כי לארצות הברית יש את החוב המוחלט הגבוה ביותר במונחים דולריים. המדינה עם החלק השני הכי גדול בסך החובות היא יפן, וסין שלישית. מצאו בעוגה את הפרוסות של  איטליה, גרמניה, צרפת ובריטניה. לאיזה מדינה מבין הארבע יש חלק יותר גדול בעוגת סך החובות? האם אתם יכולים לקבוע זאת על ידי השוואת השטחים של הפרוסות?

יחס החוב/תוצר של כל מדינה מבוטא על ידי הצבע של הפרוסה בעוגה. ככל שהצבע בהיר יותר, כך יחס החוב/תוצר גבוה יותר. אפשר לראות מייד כי ליפן יש יחס חוב/תוצר גבוה מאוד. ניתן להבחין כי גם ביוון היחס הזה גבוה, למעשה השני בגובהו. האם אתם יכולים לזהות את המדינה עם היחס השלישי בגובהו? זוהי לבנון. חפשו אותה בפינה הימנית עליונה. איטליה ופורטוגל, שתופסות את המקום הרביעי והחמישי, בולטות יותר. האם אתם יכולים לראות לאיזה מדינה יש את יחס החוב/תוצר הנמוך ביותר?

לאחר שהבנו את הנתונים המוצגים בדיאגרמה הזו, אנו יכולים לנסות למצוא תובנות.

דיאגרמה זו היא למעשה גרף דו-מימדי, במובן שמוצגים בה שני משתנים שונים. בדרך כלל גרפים כאלה אמורים להראות את הקשר בין שני המשתנים. אז מה הקשר בין יחס החוב/תוצר ובין חלק החוב בסך כל החובות? אתם יכולים לראות? כי אני לא יכול. לזכותם של הכותבים ייאמר שהם לא ניסו לדון בכלל בעניין.

האם יש דרך טובה יותר להציג את הנתונים האלה באופן גרפי? כמובן שיש. בואו נשכח את כל מה שראינו עד עכשיו ונשחק קצת בנתונים.

לקחתי את נתוני יחס החוב/תוצר של כל מדינות העולם וגם את נתוני התוצר עצמם מויקיפדיה. לצורך ההדגמה, התמקדתי בנתוני מדינות ה-OECD  משנת 2017. מנתוני יחס החוב/תוצר ונתוני התוצר אפשר כמובן לחשב את גובה החוב, משם את סך החובות, ולבסוף את חלקה של כל מדינה מתוך סך החובות. הנתונים נמצאים כאן.

האפשרות הפשוטה ביותר היא לשרטט תרשים פיזור (scatter plot) משרטטים את הנתונים במערכת צירים, כשכל מדינה מיוצגת על ידי נקודה. המרחק של הנקודה מכל אחד מהצירים מייצג את הערך המתאים של הנתון.

הנה דיאגרמת פיזור בסיסית המציגה את הנתונים שלנו. למעוניינים, קוד R נמצא בגרסה האנגלית של הפוסט הזה.

בדיאגרמה ניתן לראות בבירור כי יש שתי נקודות/מדינות חריגות: אחת מהן עם יחס חוב/תוצר גדול מ-200%, חלקה של השניה בסך כל החובות גבוה מ-30%.

עיון נוסף מגלה מדינה שיחס החוב/תוצר שלה גבוה מ-150%, ועוד שתי מדינות שיחס החוב/תוצר שלהן באיזור ה-130%.

מאחר ויש כלכלנים שסבורים כי חוב גבוה זה רע, וחוב גבוה ביחס לתוצר הוא עוד יותר רע, החלטתי לחלק את הנקודות/מדינות לשלוש קבוצות:

  • בקבוצה הראשונה נכללות המדינות שיחס החוב/תוצר שלהן גבוה מ-100% או שחלקן בסך החובות גבוה מ-10%. אלה המדינות שמצבן הכלכלי “רע” על פי הפרמטרים האלה.
  • בקבוצה השניה נכללות המדינות שיחס החוב/תוצר שלהן נמוך מ-50% וגם חלקן בסך החובות נמוך מ-2%. אלה המדינות שמצבן הכלכלי “טוב” על פי הפרמטרים האלה.
  • הקבוצה השלישית כוללת את כל שאר המדינות.

קווי הגבול בין הקבוצות (2%, 10% וכולי) הם שרירותיים משהו. קבעתי אותם על פי מיטב שיפוטי.[4]

שרטטתי מחדש את הגרף: את הנקודות של המדינות שמצבן “רע” צבעתי באדום, והוספתי לגרף גם את שמה של כל מדינה מקבוצה זו. את הנקודות של המדינות שמצבן “טוב” צבעתי בירוק, ואת שאר הנקודות צבעתי בכתום:

עכשיו ניתן לראות כי:

  • יחס החוב/תוצר של המדינות שמצבן “טוב” משתרע על כל הטווח מ-0 עד 50, אם כי יש בקבוצה זו יותר מדינות שיחס החוב/תוצר שלהן מתקרב ל-50%.
  • מדינות הביניים מתחלקות בערך לשתי קבוצות: קבוצה אחת עם רמת חובות מוחלטת (כאחוז מסך החוב) נמוכה ויחס חוב/תוצר בין 50 ל-75 בערך, וקבוצה שניה של חמש מדינות  עם רמת חובות מוחלטת גבוהה יותר, כאשר לא ניתן לומר אמירה ברורה על מכנה משותף ביניהן לגבי יחס חוב/תוצר.

הערות
  1. הערה: ביצעתי כמה עריכות מינוריות בגרף לצורך ההדגמה בהמשך הפוסט []
  2. ראו לדוגמא את בריטניה בתחתית הדיאגרמה []
  3. לא בדקתי את הנתונים האלה, אני מאמין למי שיצר את הדיאגרמה, וזה גם לא כל כך משנה לדיון כאן []
  4. אם אתם מכירים כלכלן שיכול לקבוע את קווי הגבול באופן יותר מדוייק (במובן accuracy, לא במובן precision) , אשמח אם תכירו לי אותו []

הליידי הטועמת תה קר

הקוראים הוותיקים של הבלוג זוכרים בוודאי את סיפור הליידי הטועמת תה. השאלה שעמדה אז על הפרק הייתה הם ניתן להבדיל בין הטעם של תה שנמזג לתוכו חלב ובין הטעם של חלב שנמזג לתוכו תה. הניסוי שהוכיח כי אכן ניתן להבדיל בין הטעמים הוא אחד הניסויים הקלאסיים בתולדות המדע בכלל והסטטיסטיקה בפרט.

אנוכי הקטן ניסיתי היום לברר את התשובה לשאלה לא פחות חשובה.

בבית הספר של בני הצעיר נערך מדי שנה “יום ההורה המעשיר”, בו הורים מגיעים לבית הספר ומעבירים לתלמידים שיעורים בנושאים שונים לפי בחירתם, רצוי בנושאים שהם מבינים בהם משהו. ואני מה אני מבין? בקושי קצת סטטיסטיקה. לכן החלטתי לשחזר את ניסוי הליידי הטועמת תה.

השאלה שעמדה על הפרק היא האם יש הבדלים בין הטעם של שני המותגים המובילים של תה קר בישראל: נסטי ופיוז טי. וזו שאלה קריטית, מכיוון שבני הוא חסיד של אחד המותגים האלה ומסרב בכל תוקף לצרוך את המותג השני, דבר שמטיל על משפחתנו הקטנה מגבלות בלתי סבירות.

כמובן שאת השיעור התחלתי בסקירה קצרה של נושא תכנון הניסויים ותיאור הניסוי הקלאסי של פישר, אבל גולת הכותרת הייתה הניסוי עצמו.

תכנון הניסוי היה כדלקמן: בכל שלב, הוצגו לאחד התלמידים[1] שתי כוסות תה קר. לעיתים בשתי הכוסות נמזג אותו מותג תה, לעיתים בכל כוס נמזג מותג אחר. לאחר טעימה ורחרוח היה על שפן הניסוי לומר האם הוא חש בהבדל טעמים בין הכוסות או לא.

ההחלטה האם למזוג לתוך שתי הכוסות את אותו סוג תה או האם למזוג לכל כוס סוג אחר נקבעה על ידי הטלת מטבע. במקרה שהגורל קבע כי לשתי הכוסות יימזג אותו מותג תה, הטלת מטבע נוספת קבעה את המותג שיימזג לשתי הכוסות.

הזמן שלנו הספיק לביצוע של 17 טעימות, והנה התוצאות:

 

 

 

 

 

 

 

 

האם הטועם צדק
כן לא סך הכל
האם תכולת הכוסות זהה כן 5 5 10
לא 4 3 7
סך הכל 9 8 17

 

המסקנה שלי היא כי לא נמצאה עדות להבדלים בטעמים בין שני המותגים[2].  הבן שלי שוכנע. בארוחת הצהריים הוא שתה להנאה מהמותג שעד כה הוחרם. הניסוי הוכתר כהצלחה.


הערות
  1. אני נצמד לכללי האקדמיה ללשון העברית, אבל אני גם חייב לציין כי מספר הבנות היה גדול פי 3 ממספר הבנים []
  2. אתם מוזמנים לערוך מבחן חי בריבוע או מבחן פישר []