Name: 選択バイアス：病院は本当に危険なのか？ (Selection Bias: Are Hospitals Really That Dangerous?)
Uploaded: 2025-07-29T18:12:00.000Z
Duration: 5 min 8 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

Some people think hospitals are the most dangerous places on Earth.

病院は地球上で最も危険な場所だと考える人もいる。

More people die inside them than anywhere else.

その中で亡くなる人の数は、他のどこよりも多い。

様態の副詞

When people say things like that, they are technically right and may get fooled by what's known as selection bias.

人々がそのようなことを言うとき、技術的には正しいのだが、選択バイアスと呼ばれるものに騙される可能性がある。

A selection bias occurs when we look at information that is not fully representative of the data intended to be studied.

選択バイアスは、調査対象のデータを完全に代表していない情報に注目したときに発生する。

As a result of the biased sample, we then draw a false conclusion.

偏ったサンプルの結果、誤った結論が導き出される。

One story that explains the bias perhaps better than any other is that of Abraham Wald.

その偏りを最もよく説明しているのが、アブラハム・ヴァルトの話だろう。

Wald was a brilliant mathematician who, after the Nazis persecuted him and his family as Jews in Austria, fled to the United States in 1938.

ヴァルトは優秀な数学者で、オーストリアでナチスにユダヤ人として迫害された後、1938年にアメリカに亡命した。

During World War II, Wald was invited to become a member of the Statistical Research Group, an elite think tank to aid the American war effort against Nazi Germany.

第二次世界大戦中、ウォルドはナチス・ドイツに対するアメリカの戦争努力を支援するためのエリート・シンクタンク、統計研究グループのメンバーに招かれた。

Air Force came to Wald and his colleagues with a problem.

空軍はウォルドたちにある問題を持ちかけた。

Many of their planes got shot down due to a lack of armor.

装甲不足のため、多くの飛行機が撃墜された。

The officers presented Wald with data for all the aircraft that made it back from their mission.

将校たちは、任務から帰還したすべての航空機のデータをワルドに提示した。

The planes had lots of holes on the body and wings, but less below the engines.

胴体と翼にはたくさんの穴が開いていたが、エンジンの下にはあまり開いていなかった。

The officers then asked the mathematicians to compute the optimal protection by concentrating the armor where the planes were getting hit the most.

そこで将校たちは数学者たちに、飛行機が最も被弾する場所に装甲を集中させることで最適な防御を計算するよう依頼した。

After studying the problem, Wald suggested something unexpected.

この問題を研究した後、ウォルドは意外なことを提案した。

The armor, he said, doesn't go where the bullet holes are.

装甲は弾痕のある場所には付かない、と彼は言う。

弾痕のないところへ行くんだ。

The officers didn't understand because they were looking at a biased sample.

警官たちは偏ったサンプルを見ていたため、理解できなかった。

ウォルドはそうではなかった。

He realized that to get representative data to analyze, he needed to include the missing holes, the missing planes, the missing information.

彼は、代表的なデータを分析するためには、欠けている穴、欠けている平面、欠けている情報を含める必要があることに気づいた。

The reason planes were coming back with fewer hits to the engine is that planes that got hit in the engine weren't coming back, he explained.

エンジンへの被弾が減って飛行機が戻ってきたのは、エンジンに被弾した飛行機が戻ってこなかったからだと彼は説明した。

But selection bias isn't just the result of missing information.

しかし、選択バイアスは情報の欠落の結果だけではない。

The Simpson paradox is a phenomenon in which a trend appears in groups of data, but then when the groups are combined, disappears.

シンプソン・パラドックスとは、データ群にトレンドが現れても、そのデータ群を組み合わせると消えてしまう現象のことである。

It shows the importance of really understanding the data we select for analysis.

これは、分析のために選択するデータを本当に理解することの重要性を示している。

One famous example came from students applying to the University of California, Berkeley, in 1973.

有名な例としては、1973年にカリフォルニア大学バークレー校を受験した学生がいる。

The data showed that males applying were more likely to be accepted than females.

データによると、女性よりも男性の方が合格する確率が高かった。

People thought that the institution was discriminating against women.

人々はこの施設が女性を差別していると考えた。

When researchers dug deeper into the data, they found out that men had applied to less competitive departments with higher rates of admission.

研究者たちがデータを掘り下げてみると、男性は競争率の低い、入学率の高い学部を志望していることがわかった。

Women chose more competitive departments with fewer available spots.

女性はより競争率が高く、募集枠の少ない学部を選んだ。

After correcting for this detail, the data showed a significant bias in favor of women, not men.

この詳細を補正した後のデータでは、男性ではなく女性に大きな偏りが見られた。

Planes that were shot in the engines were not analyzed.

エンジンを撃たれた飛行機は分析されなかった。

Women in Berkeley weren't discriminated against, but instead picked more competitive classes.

バークレー校の女性は差別されることはなかったが、その代わりに競争率の高いクラスを選んだ。

People that die in hospitals are often already sick when they are admitted.

病院で亡くなる人は、入院時にすでに病気になっていることが多い。

Is selection bias corrupting your decision-making?

選択バイアスが意思決定を狂わせる？

And if it's fooling you, how about the people behind the research you see being published in popular media?

そして、もしそれがあなたを欺くものだとしたら、一般的なメディアで発表されている研究の背後にいる人々はどうだろうか？

Did they really make sure they selected an unbiased, fully representative sample?

本当に偏りのない、完全に代表的なサンプルを選んだのだろうか？

Share your thoughts in the comments below.

下のコメント欄で感想をシェアしてください。

And if you still don't quite understand it, here is a simple challenge to experience it first-hand.

それでもまだよくわからないという人は、ここで簡単なチャレンジをしてみてほしい。

Go out of your house, knock at the doors of your next ten neighbors, and ask those who open if they are afraid of strangers.

家の外に出て、隣近所10軒のドアをノックし、ドアを開けてくれた人に見知らぬ人が怖いかどうか尋ねる。

After you are done, report your findings in the comments below and explain to us what can your research tell us about your community.

調査終了後、以下のコメント欄に調査結果を報告し、あなたの調査からあなたのコミュニティについて何が分かるかを説明してください。

If you like how we explain complicated ideas in simple cartoon animation, you can support us.

もし、私たちが複雑なアイデアをシンプルな漫画アニメーションで説明する方法を気に入っていただけたなら、私たちを応援してください。

patreon.comスラッシュ・スプラウトをご覧ください。

Just visit us, learn how it works, and what's in it for you.

私たちを訪れて、その仕組みと、あなたにとってのメリットについて学んでください。

会場でお会いできることを楽しみにしています

And if you are a parent or educator, check out our website, sproutschools.com.

また、保護者や教育関係者の方は、私たちのウェブサイトsproutschools.comをご覧ください。

There you can find this and other video lessons, additional resources, and classroom activities.

そこでは、このビデオ・レッスンやその他のビデオ・レッスン、その他のリソース、教室でのアクティビティがご覧いただけます。