کاربرد آمارو ریاضیات در دموکراسی و دیکتاتوری

در


کاربرد آمار و ریاضیات در دموکراسی و دیکتاتوری
از جنبش جان سیاهان مهم است و مسئله شکاف دستمزدها بر اساس جنسیت در آمریکا تا افسانه بهداشت و درمان کوبا و «جهش بزرگ به جلو» در چین مائو!
در نهایت این سوال که : ««آمار و ریاضیات ابزار پیشرفت دمکراسی است یا تثبیت دیکتاتوری؟»»
«بیل کلینتون» یکبار گفت: ««سرتیتر مطبوعات را دنبال نکنید! روند داده‌ها را دنبال کنید»»
هدفم در این ویدیو اینه که نشون بدم چرا دنبال کردن دومی بدون داشتن بینش درست هم می‌تواند گمراه کننده باشد!
این موضوع به ویژه در حکومتهایی مثل جمهوری اسلامی اهمیت داره.
درود و سلام حامی هستم با کاربرد «آمار» در دیکتاتوری و دموکراسی. اگر میخواین بدونید که چگونه با آمار میشود به دموکراسی ثبات بخشید و یا در دیکتاتوری ابزار سرکوبش کرد، تا انتها همراهم باشید. لایک و عضویت در کانال هم از امکاناتی هست که میتونید ازش استفاده کنید.
علم مدرن از ترکیب تئوری‌ها با «ریاضیات و آمار» به وجود آمد. دلایل اوج گیری تفکر آماری روایت بسیار جذابی داره: علم آمار هم مانند بسیاری از علوم دیگر از کلیسا آغاز شد! در سال 1744 یعنی چیزی حدود دویست و هفتاد سال پیش، دو کشیش پروتستان در اسکاتلند، «الکساندر وبستر» و «رابرت والاس» تصمیم گرفتند یک صندوق بیمه عمر برای بیوه‌ها و فرزندان کشیش‌های فوت شده ابداع کنند. برای این کار هرکشیش باید بخشی از درآمد خود را ماهانه به صندوق میپرداخت تا بعد از مرگش خانواده‌اش با سود سهام آن زندگی کند.
مسئله تاریخی پیش روی این دو کشیش این بود که بر اساس تعداد کشیش‌های فوت شده در هر سال، تعداد فرزندان هرکدام، میانگین سنی مرگ و بسیاری از پارامترهای دیگر تعیین کند که هر کشیش چقدر باید به صندوق بیمه بپردازد که این سیستم به حیات خود ادامه دهد و زیان‌ده نشود.
آنها با کمک استاد دانشگاهی در ادینبورگ به نام «کالین مک لورین»و «قانون اعداد بزرگ» ژاکوب برنولی این محاسبات را انجام دادند. پیش‌بینی آنها این بود که تا سال 1765 سرمایه‌ای معادل 58،348 پوند در اختیار داشته باشند. این پیش بینی با اختلاف یک پوند درست از کار درآمد!!! حقیقت تاریخی جالب اینکه، این صندوق امروز هم با سرمایه‌ای بیش از 100 میلیارد پوند با نام (بیوه‌های اسکاتلندی) به حیات خود ادامه میدهد!
موفقیت این محاسبات به سرعت راه خود را به بقیه صندوق‌های بازنشستگی و صنعت بیمه باز کرد و در نهایت پای آمار به علم تجربی هم باز شد. یکی از روحانیون کلیساهای انگلیکان، «رابرت مالتوس» که بنیانگزار علم جمعیت شناسی بود از دانش آمار استفاده وسیعی کرد. تحقیقات مالتوس سنگ بنای تحقیقات شخص دیگری شد که او هم تحصیلاتش در زمینه الهیات بود: «چارلز داروین»!
که در نهایت به خلق اثر «بنیاد انواع» و «نظریه فرگشت» منتهی شد...
شجاعت دو جوان گستاخ، «ورنر هایزنبرگ» و «اروین شرودینگر» در برابر غولهای فیزیک مدرن یعنی «ماکس پلانک» و «آلبرت اینشتین» پای آمار را به فیزیک نظری هم باز کرد و امروزه تقریبا شاخه‌ای از علوم نیست (به جز علوم اسلامی!) که با زبانی به جز آمار محتوایش را صورتنبدی کند. پیشرفت‌ حیرت انگیز علوم مبتنی بر آمار کم‌کم این باور را ایجاد کرد که دیگر چوب جادویی حقیقت پیدا شده است. « فیشر»ها حتی فراتر از این رفتند و گفتند برای تحلیل دیگر تئوری هم نیاز نیست و مدل آماری برای علم تجربی کافی است!
سیلی سخت تاریخ لازم بود تا بشر بار دیگر فروتنی پیشه کند! بریم سراغ محدودیتهای ذاتی روشهای آمار، هر فرآیند آماری از 3 مرحله تشکیل شده. مدلسازی، نمونه‌برداری و تعیین پارامترهای مدل.
فرض میکنیم یه مدل آماری نُرمال برای گرایش سیاسی مردم ایران انتخاب کردیم. اگر برای تشخیص گرایش سیاسی مردم ایران فقط به صفحه اصلی اپ های خود مثلا توییتر، اینستاگرام، فیسبوک و غیره خودتون اکتفا کنید دچار سوگیری انتخاب شدید! چرا؟ چون اونجا بیشتر چیزهایی نشون داده میشه که شما انتخاب کردید و فالو کردید.
اجازه بدید چند مورد از این بایس‌ها یا به فارسی جانبداری ها و تعصب ها و یا سوگیری ها رو با مثالهای تاریخی با هم بررسی کنیم تا دید خیلی بهتری از زوایای تاریک علم آمار به دست بیاریم!
1. سوگیری نجات یافته‌ها : مشهورترین مثال تاریخی این جانبداری در جنگ جهانی دوم اتفاق افتاده: بریتانیا تصمیم گرفت به هواپیماهای خودش آرموور یا زره بیشتری اضافه کنه تا از نرخ بالای تلفات کم کنه. مشکل اینجا بود که وزن هواپیما پارامتر کلیدیه و هزینه زره بالاست... برای همین باید زره به حیاتی‌ترین بخشها فقط اضافه میشد تا وزن اضافی به هواپیما و هزینه بسیار بالا به کشور تحمیل نشه. اونها هواپیماهایی که برمیگشتن به پایگاه رو به دقت برای پیدا کردن الگوی گلوله‌های اصابت کرده بررسی میکردن. تا ببینن بیشترین نقاط مورد اصابت کجاست تا به اونجا زره اضافه کنن. این الگو به دست اومد. یعنی بالها و دم هواپیما. قبل از نهایی کردن طرح با اقتصاددان اتریشی «آبراهام والد» مشورت کردن.
چیزی که گفت یکی از اسطوره‌های جنگ جهانی دوم محسوب میشه. اون گفت که اون هواپیماهایی که برگشتن اونهایی هستن که گلوله‌ها به بخشهای کمتر حیاتیشون اصابت کرده! و باید به بقیه قسمت‌ها زره اضافه کرد! یعنی کابین و پروانه. مثال دیگه این نمودار: مقایسه درصد نفراتی که حداقل 4 هفته تو صف بودن تا پزشک متخصص رو ببینن در کشورهای مختلف. آمار میگه که آمریکا بهترین نتایج رو داره. ولی باید مراقب این نکته مهم باشیم: کسایی که نتونن از پس هزینه درمان بربیان اصلا وارد چرخه درمان نمیشن. نمونه آماری سوگیری شده!
۲. سوگیری دسترسی: مشهورترین مثالش اندازه‌گیری آمار کشته‌ها و زخمی‌های بلایی طبیعیه. مخصوصاً سیل و زلزله. به این دلیل که دسترسی به قربانی‌ها آسون نیست و پلتفرمی هم برای آمارگیری وجود نداره. یا مثال دیگه به قتل رسیده ها توسط رژیم فعلی ایران هست.
۳.سوگیری شناختی : مشهور ترین نمونه اش همون سوگیری تاییده : شما یک تئوری داری و روش تعصب داری. نمونه‌های آماری که تئوری رو رد میکنه میریزی دور و فقط اونهایی که تاییدکننده تئوری شماست رو نگه میداری! (گلچین کردن). برخورد افراد خداباور با نظریه فرگشت یا بیگ بنگ از همین دست محسوب میشه. مثلا اول شواهدی برای بیگ بنگ پیدا میشه: نادیده میگیرن. بعد شواهدی برای نظریه نظم دقیق جهانی، این رو با ولع قبول میکنین! بعداً برای مالتی-ورس اگر شواهدی پیدا بشه: نادیده میگیرن! و به همین ترتیب...
4. سوگیری اسپانسر: اگر دولت یا شرکتی به شما پول بدهد تا در زمینه‌ای تحقیق کنید به احتمال زیاد شواهد آماری که پیدا میکنید به سمتی سوگیری دارد که منافع آن دولت/شرکت را تامین کند! نمونه واضح آن دانشمندان انکارکننده تغییرات آب و هوایی کره زمین! یا همین روزنامه ایران در مورد درصد رضایت مردم، اگر این آمارگیری مستند باشه تازه.
برای تنوع! به این سوال جواب بدید :)
اینکه میگفتن و میگن تونل های حزب الله دلیلی بر اینه که «اسرائیل 25 سال آینده را نخواهد دید» و بیش از 200 بار بمباران پایگاه‌های سپاه در سوریه رو نادیده میگیرن، جزو کدوم یک از انواع سوگیری محسوب میشه؟!
اینها بخشی از مشکلات نمونه‌برداری آماری بود که نتایج تحقیق رو به نحو شگفت‌انگیزی به بیراهه میکشونه!
چند نمونه از محدودیتهای تحلیل رو هم بررسی کنیم و بعد چند مثال دنیای واقعی با محوریت سیاست بزنیم. 4 مورد از اشتباهات تحلیل آماری رو مطرح میکنم اینجا:
1. نقش متغیر پنهان: زمانی دولت آمریکا مشاهده کرد که بین داشتن فندک و احتمال ابتلا به سرطان یک همبستگی آماری بالا وجود داره! به همین دلیل برای کاهش نرخ سرطان روی فندک مالیات سنگینی بستن! غافل از اینکه داشتن فندک نشانه کشیدن سیگاره و اونه که سرطان‌زاست!
2. علیت معکوس: فرض کنید شما مشاهده آماری میکنید که آدمهایی که معلم خصوصی دارن از بقیه نمرات کمتری میگیرن به صورت میانگین. نتیجه میگیرید که داشتن معلم خصوصی به نمره‌ها ضربه میزنه. در حالی که ماجرا برعکسه: داشتن نمرات بد در درجه اول، دلیل داشتن معلم خصوصی بوده!
3. مغلطه آماری مشهور پیش‌فرض نادرست: اینکه A قبل از B اتفاق افتاده و یک همبستگی آماری هم وجود داره. پس A علت B محسوب میشه!
نتیجه گرفتن علیت از همبستگی آماری یکی از بدترین نوع اشتباهات رایج آماریه. مثال معروفش (غذاهای اصلاح نژادی شده مثل سویا) و اثرشون روی سرطان! از زمان رایج شدن مصرف این غذاها نرخ سرطان در دنیا زیاد شده و خیلی‌ها بر همین اساس این تئوری رو مطرح کردن که این غذاها سرطانزان. البته مؤسسه ملی سلامت امریکا در نهایت گفت که هیچ رابطه واقعی مشاهده نشده و میتونه دلایل دیگه‌ای داشته باشه افزایش نرخ سرطان و به قائله خاتمه داد!
4. رسیدیم به قاتل بیشتر از نیمی از مقالات آکادمیک در سراسر جهان! : سلاخی داده
قبل از بیان این مفهوم باید اول درباره داده پی توضیح بدم.
ما در علوم تجربی همیشه در حال تلاشیم تا نشون بدیم که یک پارامتر روی یک متغیر تاثیرگذاره یا نه. مثلا مصرف کلسیم در قد یا میزان تحصیلات بر درآمد.
روش کلی استفاده از برهان خُلفه. ما اول یک مدل آماری داریم. فرض میکنیم پارامتر P تاثیرگذار نیست. به این فرض میگیم فرض صفر. بعد پارامتر P رو تغییر میدیم و نمونه‌برداری میکنیم و میانگین نمونه ها رو مقایسه میکنیم. اینجا کمی پیچیده میشه داستان :)
محاسبه میکنیم که در اون مدل احتمال وقوع همچین میانگینی چقدره. اگر این عدد نزدیک به صفر باشه معنیش چیه؟ یعنی فرض صفر غلط بوده! چون با فرض صفر از نظر ما امکان نداشته که این مشاهده آماری اتفاق بیفته، ولی اتفاق افتاده! و این تناقضه! پس فرض صفر غلطه و پارامتر P اثرگذاره.
به احتمال وقوع اون میانگین با تغییر پارامتر میگن داده پی. گفتم که نزدیک به صفر. تو علم آمار در حال حاضر به کمتر از 5 درصد میگن نزدیک به صفر.
داده پی به ما یک چیز دیگه هم میگه: احتمال مشاهده اون نتیجه! حتی با وجود برقراری فرض صفر!
یعنی در نمونه‌های آماری زیاد بالاخره یه همبستگی آماری ممکنه دیده بشه. ولی این فقط محصول شانس و تصادفه! نه اینکه واقعا پارامتر P اثرگذار باشه! سلاخی داده دقیقا همینجا اتفاق میفته! یعنی به نحو مصنوعی تلاش میشه که یک همبستگی نشون داده بشه. چطوری؟!
انقدر آزمایش میکنیم تا یک همبستگی آماری دیده بشه. بعد بقیه آزمایشها رو میریزیم دور و فقط همون مورد خاص رو گزارش میکنیم! تعداد عجیبی مقاله در دنیا با این منطق داره تولید میشه.
تو علوم انسانی که آزمایشگاهی در کار نیست،چطور سلاخی داده رو انجام میدن؟ ور رفتن زیاد با متغیرها و مدل‌ها!
مثلا یکنفر یک تئوری داره در مورد رابطه فقر و خودکشی تو آمریکا. روی 50 تا ایالت اندازه گیری میکنه. توی ایالت تگزاس یک همبستگی دیده میشه! در حالی که ما میدونیم طبق داده پی این نشاندهنده هیچی نیست! و فقط محصول تصادف و شانسه. ولی طرف مقاله میده: «رابطه فقر و خودکشی در ایالت تگزاس!»
برای مثال در یک گزارش با سر تیتر «باور کنید یا نه، اکثر یافته های تحقیقاتی منتشر شده احتمالا نادرست هستند» نوشته که در زمینه داروی سرطان از 53 مقاله، نتایج 47 تا از مقاله هایی که تو نشریه نیچر چاپ شده بودن، قابل تکرار نبوده! (معتبرتر از نشریه نیچر داریم؟!!) الان دیگه دلیلش رو میدونید!
بنابراین سلاخی داده به نوعی، گزارش بخشی از واقعیت به عنوان همه واقعیته. و بزرگان گفتن نیمی از حقیقت تمامش دروغه!
همونطور که اهل فن میگن باید برای به دست آوردن حقیقت آمار رو شکنجه کرد!
بریم برای انجامش رو چندتا مثال!
مثال اول: در آمریکا معتقدن شکاف دستمزدها بر اساس جنسیت وجود داره به دلایل سکسیستی. یعنی زنها به ازای هر $ درآمد مردها، 77 سنت درآمد دارن. این آمار درسته. اما تنها بخشی از واقعیته. نتایج تحقیقات آماری یک ارگان فمنیستی رو ببینیم: انجمن زنان دانشگاهی آمریکا:
اگر زنها رو در هر شغل با مردها در همون شغل مقایسه بشن و نه کل زنها با کل مردها! و چند فاکتور دیگه هم لحاظ بشه (سن، دموگرافی، نوع شغل و ...) اون فاصله 23 سنتی نهایتاً به 6 سنت تقلیل پیدا میکنه!
مثال دوم: جنبش جان سیاهان مهم است بر این اساس شکل گرفته که پلیسهای آمریکایی از لحاظ نژادی سوگیری دارن و به سیاهپوست‌ها بیشتر شلیک میکنن. این ادعای آماری هم در مجموع درسته. اما تمام واقعیت نیست!
پژوهش اقتصاددان هاروارد «رونالد فرایر» جالبه. با مطالعه بیش از 1000 مورد استفاده از اسلحه: 24 درصد احتمال اینکه پلیس بر علیه سیاه‌پوستها از اسلحه استفاده کنه کمتره!
و از اون جالبتر احتمال اینکه یک سیاهپوست یک پلیس رو بکشه 18/5 برابر اینه که یک پلیس یک مرد سیاهپوست رو بکشه.
پس چرا آمار مطلق چیز دیگه‌ای میگه؟ «اثر متغیر پنهان» یادتون هست؟
پلیس به تعداد بیشتری از سیاهپوست ها شلیک میکنه به این دلیل ساده که تعداد بیشتری سیاهپوست مجرم وجود داره! وقتی اثر نسبت جمعیت هم وارد بشه آمار ترسناک میشه!
به طور مثال در شهر نیویورک 23 درصد جمعیت سیاهپوسته. اما بیشتر از 75 درصد تیراندازیها رو انجام میدن!
البته این آمار بالای جرم میتونه به فقر، نبود عدالت آموزشی و ... مرتبط باشه که در جای خودش قابل بحثه. یک چیز اما واضحه: پلیس‌ها بابت رنگ پوست نمیکشند (رفتار تحقیر آمیز چرا).
در واقع جنبش جان سیاهپوستان مهم است با ندیدن متغیر پنهان در این مسئله و مجبور کردن پلیسها به حضور کمتر در مناطقی که سیاهپوست‌ها بیشتر اونجا زندگی میکنن باعث شد که آمار کشته شده‌های سیاه‌پوست در عمل بالاتر بره!
تمام این مباحث طولانی مطرح شد تا به یک نکته برسم: همه اینها مربوط به دمکراسیه! و فضای آزاد تحقیق آماری که در اون گروه‌های سیاسی و علمی با دیدگاه‌های متفاوت میتونن داده‌ها رو بررسی کنن. یعنی آمار و ریاضیات وسیله پیشرفت جامعه و رسیدن به حقیقته. در دیکتاتوری داستان اما متفاوته!
آمار در دیکتاتوری عموماً 3 تا کاربرد داره: 1. فریب و پروپگاندا 2. ارضای منویات متوهمانه دیکتاتور 3. مشروعیت بخشی به رژیم سرکوبگر
هرکدوم رو سعی میکنم با مثالهایی نشون بدم.
برای مورد دوم مثال جالب قحطی بزرگ چین در زمان مائوئه: مائو که قصد داشت چین را به سرعت به ابرقدرت تبدیل کند، از 1958 تا 1961 برنامه «جهش بزرگ به جلو» رو اجرا کرد. یکی از اهداف 3 برابر کردن محصولات کشاورزی بود! تا مازاد تولید صرف تامین مالی پروژه‌های صنعتی بشه!
طبیعتا در اون اقتصاد متمرکز با اون بوروکراسی عریض و طویل در اون زمانبندی امکانپذیر نبود. نتیجه اینکه مقامات محلی درباره میزان تولید آمار فیک و دروغ تولید میکردن و این آمار تا بالاترین سطح کشور میرسید و مبنای استراتژی قرار میگرفت. خطای اندازه گیری تولید واقعی بیش از 50 درصد بود!
بر همین اساس چینی که میلیونها تُن برنج به کشورهای دیگه در ازای اسلحه و ماشین آلات سنگین میفروخت دچار بزرگترین قحطی تاریخ بشر شد!
تلخ‌تر از این کثافتکاری کمونیسم، این بود که کشورهایی مثل تانزانیا هم آمار «معجزه کشاورزی چین» رو باور کردن و رفتن سراغ مزارع اشتراکی اجباری. نتیجه؟
بزرگترین صادرکننده مواد غذایی آفریقا تبدیل شد به وارد کننده محض. 90 درصد کشاورزها در مزارع اشتراکی زندگی میکردن. ولی فقط 5 درصد غذای کشور رو تولید میکردن ( مقایسه کنید با دو درصد جمعیت آمریکا که به اندازه یک میلیارد نفر دارن غذا تولید میکنن) برای مورد سوم هم یکی از قبله‌های عاشقان کمونیسم رو بررسی کنیم با هم: سیستم بهداشت و درمان کوبای برادر فیدل کاسترو! تا زوایای پنهان اون چیزی که انقدر در این سالها روش مانور داده شده رو باهم ببینیم یعنی بهداشت و درمان باکیفیت و رایگان برای همه مردم.
معروف‌ترین شاخص اندازه‌گیری سطح بهداشت و درمان یک کشور «میانگین مرگ و میر نوزاد»ه. سال 2017 در کوبا این نرخ 4.4 در 1000 تولد بوده. برای آمریکا این عدد 5.9 در 1000 تولد بوده! بریم آمار رو شکنجه کنیم ببینیم داستان چیه. یکی از نکات جالب اینجاست: آمریکا خیلی سختگیرانه تر محاسبه میکنه این عدد رو: یعنی نرخ مرگ و میر جنین دیررس رو هم در این شاخص لحاظ میکنه. در حالی که کشوری مثل کوبا نرخ مرگ جنین دیررس (22 هفته) و نوزاد (هفته اول تولد) رو جدا میکنه و فقط دومی رو گزارش میکنه
یکم عمیق‌تر بشیم. اگر واقعا دارن با آمار بازی میکنن باید یکجایی خودش رو نشون بده. بله: اون نرخ سقط جنینه! یکی از بالاترین سطوح سقط جنین رو در دنیا داره کوبا که هرچند عوامل اقتصادی و اجتماعی تاثیرگذارن، ولی اجبار زنان به سقط کردن فرزندشون کاملا روتینه! بریم سراغ پزشکی بین الملل کوبا که ورد زبونهاست: 37000 پزشک کوبایی در 77 کشور دنیا مشغوط طبابتن. درآمد دولت کوبا از این مسیر چیزی حدود 8 میلیارد دلار بوده. از سال 2013 تا 2015 دولت برزیل بابت هر خدمات پزشکی 4300 $ به کوبا میداد که حدود 1100 $ به پزشک میرسید. درآمد داخلی پزشکها چیزی حدود 250 تا 300 $، در مقام مقایسه و دیگه اینکه میتونن بخش زیادی از درآمد برون مرزی خودشون رو برای خانوادشون بفرستن بدون مالیات. این انگیزه دوسال دوری از خانواده رو بهشون میده. یعنی بردگان خودخواسته دولت!
آمریکا در حدود 17 درصد از تولید ناخالص داخلی خودش رو صرف بهداشت و درمان میکنه. کوبا در حدود 11 درصد. خیلی از هزینه‌های بهداشت و درمان صرف نوسازی تجهیزات پزشکی و بیمارستانها میشه. چیزی که تقریبا در کوبا وجود نداره.
حتی مهم اینجاست که بخشی از هزینه‌ها به نوعی به بیمارها منتقل شده تا از دوش دولت برداشته بشه و نتیجه اصلا بهداشتی نیست. بیمار باید وسایل شخصی خودش را با خودش بیاره: حوله، صابون، ملحفه و ...
بیشتر از این ادامه نمیدم. به نظرم مسئله شفاف شد: بهداشت و درمان کوبا مثل نانوتکنولوژی و امنیت و عدالت و کلی چیز دیگه! در ایران یه ابزاره فقط برای مشروعیت بخشیدن به دهه‌ها دیکتاتوری در کشوری که مردمش هرچند باسوادن، ولی سوادشون فقط برای خوندن روزنامه رسمی کشورشون به کار گرفته میشه.
جمع بندی کنم: کاربرد آمار در کشورهای دیکتاتوری و دمکراسی یکسان نیست. در کشورهای لیبرال دمکرات آمار ابزاریه برای توسعه. پیدا کردن ایرادها و یکی کردن زبان گفت‌وگو. در کشورهای دیکتاتوری آمار ابزاریه برای بستن دهان مخالفین، توجیه دیکتاتوری و سرکوب و پروپگاندا.
هرکس که از طریق مقایسه‌ آماری جمهوری اسلامی با کشورهای لیبرال دمکرات مبتنی بر سرمایه‌داری صنعتی در مواردی مثل نابرابری، نرخ تصادفات، تعداد تلفات تظاهرات و ... بخواد شرایط استثنایی ما یعنی «دیکتاتوری اسلامی» رو نرمال سازی و عادی کنه خائن به مردم، به علم و به اخلاقیاته.
سپاس که تا اینجا همراه بودید، این ویدیو از نوشتاری بود که درد مشترک اکانتی در فضای مجازی اون رو ارائه داده بود.
شما چه نمونه هایی از کشور ایران و استفاده ابزاری حکومت برای سرکوب در رسانه دیدید؟ کامنت کنید.
در هرجای دنیا که هستید شاد و سلامت و حق جو باشید. تا درودی دیگر بدرود.
====
00:00 آمار و ریاضیات ابزار پیشرفت دموکراسی یا تثبیت دیکتاتوری؟
01:18 داستان شکل گیری علم مدرن
03:02 سنگ بنای چارلز داروین، نظریه فرگشت و بنیاد انواع
04:37 فرایند آماری، گرایش سیاسی مردم ایران؟
05:04 سوگیری نجات یافته‌ها، هواپیماهای بریتانیا و پزشک متخصص
07:20 سوگیری دسترسی، آمار کشته‌ها و زخمی‌ها
07:43 سوگیری شناختی، سوگیری تایید، گلچین کردن
08:28 سوگیری اسپانسر، دولت و شرکت، آمار روزنامه ایران
09:21 اشتباهات تحلیلی، نقش متغیر پنهان
09:45 مثال علیت معکوس
10:09 مغلطه آماری مشهور، پیش‌فرض نادرست، اول مرغ بوده یا تخم مرغ؟
10:22 فرآورده‌های اصلاح نژادی شده و تاثیرش بر سرطان
11:04 قاتل مقالات دانشگاهی و آکادمیک، سلاخی داده
14:28 گزارش نیمی از واقعیت، تمامش دروغ است
14:35 شکنجه آمار، بدست آوردن حقیقت، میزان حقوق بر اساس جنسیت در آمریکا
15:25 جنبش جان سیاهان مهم است
17:27 سه کاربرد آمار در دیکتاتوری
18:04 قحطی بزرگ در چین مائو، جهش بزرگ به جلو
19:47 قبله‌های عاشقان کمونیسم، افسانه بهداشت و درمان کوبا ی برادر فیدل کاسترو
22:43 ابزار مشروعیت بخشی به سرکوب
24:27 دلیل آمارسازی جمهوری اسلامی
====
instagram: https://www.instagram.com/hami4ir/
Twitter: https://twitter.com/IrHamid
Facebook: https://www.facebook.com/hamidg/
Clubhouse:
https://www.clubhouse.com/@hami.nami?utm_medium=ch_profile&utm_campaign=5aC-ylKM5EuWBXp4M0HeqA-192156
Reddit: reddit.com/user/RevelationsC/

کلمات کلیدی»»

#دیکتاتوری_و_دموکراسی #آمارسازی_جمهوری_اسلامی #چارلزداروین #سه_کاربرد_آمار_در_دیکتاتوری #جنبش_جان_سیاهان_مهم_است #بیوه_های_اسکاتلندی #افسانه_بهداشت_و_درمان_کوبا #ابزار_مشروعیت_بخشی_به_سرکوب #دلیل_آمارسازی_روزنامه_ایران #اول_مرغ_بوده_یا_تخم_مرغ #آمار_گرایش_سیاسی_مردم_ایران #آمار_کشته_ها_و_زخمی_ها #گلچین_کردن #آلبرت_اینشتین #بنیادانواع_نظریه_فرگشت #مثالهای_آماری
#RevelationsC
Revelations Team,کاربرد «آمار» در دیکتاتوری و دمکراسی,جنبش black lives matter,بیوه‌های اسکاتلندی,صندوق‌های بازنشستگی و صنعت بیمه,بنیاد انواع و نظریه فرگشت چارلز داروین,فیزیک ماکس پلانک و آلبرت اینشتین,گرایش سیاسی مردم ایران,نجات یافته‌ها Survivorship Bias,دسترسی availability bias,شناختی cognitive bias,مالتی-ورس multi-verse,نقش متغیر پنهان latent variable effect,علیت معکوس reversed causality,مغلطه آماری مشهور post hoc ergo propter hoc,آمارسازی روزنامه ایران,کوبا

نظرات

ارسال یک نظر