Statistikos portalas – Puslapis 6 – Statistikos naujienos ir pranešimai

Kaip skaityti statistinius duomenis ir nepasiduoti klaidinančioms interpretacijoms

19 rugpjūčio, 2025 www.statisticsjournal.lt

Statistika – draugas ar priešas?

Žinote tą jausmą, kai matote kokį nors antraštę tipo „80% žmonių sutinka su X” ir galvojate – oho, tai rimtas argumentas? O paskui pasirodo, kad tą tyrimą atliko pati kompanija, kuri parduoda X, ir apklausė 15 savo darbuotojų. Statistika yra nuostabi, kai ji naudojama sąžiningai, bet ji taip pat gali būti vienas iš galingiausių manipuliacijos įrankių, kokius žmonija išrado.

Gera žinia – suprasti, kada esi apgaudinėjamas, nėra taip sunku, kaip atrodo. Nereikia būti matematikos genijumi. Reikia tiesiog žinoti, į ką žiūrėti.

Imtis – viskas prasideda čia

Pirmasis klausimas, kurį turėtum užduoti matydamas bet kokį tyrimą: kiek žmonių buvo apklausta ir kas jie tokie? Tai skamba elementariai, bet dauguma žmonių šį žingsnį praleidžia.

Jei tyrimas sako, kad „trys iš keturių gydytojų rekomenduoja šį produktą” – tai reiškia, kad galbūt buvo apklausta tik keturi gydytojai. Ir gal tie keturi buvo parinkti neatsitiktinai. Imtis turi būti pakankamai didelė ir reprezentatyvi – tai yra, ji turi atspindėti visą populiaciją, apie kurią kalbama, o ne tik patogią jos dalį.

Kitas dalykas – kaip žmonės buvo atrinkti. Jei apklausa vykdoma internete ir žmonės patys renkasi dalyvauti, rezultatai bus iškreipti. Aktyviau dalyvauja tie, kuriems tema svarbi arba kurie turi stiprią nuomonę. Tai vadinama saviatrankos šališkumu, ir jis gali visiškai išversti tyrimą aukštyn kojomis.

Procentai be konteksto – klasikinė apgavystė

„Rizika išaugo 100%!” – skamba baisiai, tiesa? Bet jei pradinė rizika buvo 0,001%, tai dabar ji yra 0,002%. Vis dar labai maža. Šis triukas vadinamas santykiniu rizikos padidėjimu, ir jis naudojamas nuolat – ypač farmacijos reklamose ir sensacingose žiniasklaidos antraštėse.

Todėl visada ieškokite absoliučių skaičių. Jei kažkas sako „išaugo 50%”, klauskite – nuo ko iki ko? Kiek tai reiškia realiais žmonėmis ar atvejais? Kontekstas keičia viską.

Dar vienas mėgstamas triukas – vidurkis vietoj medianų. Tarkime, penkiems žmonėms uždirba 1000, 1000, 1000, 1000 ir 100 000 eurų. Vidurkis bus 20 800 eurų – skaičius, kuris neatspindi nė vieno realaus žmogaus situacijos. Mediana (vidurinė reikšmė) būtų 1000 eurų – daug tiksliau. Kai kalbama apie pajamas, turto pasiskirstymą ar kainas, visada klauskite: ar čia vidurkis, ar mediana?

Koreliacija – ne tas pats, kas priežastingumas

Tai tikriausiai labiausiai išnaudojamas statistinis nesusipratimas. Du dalykai gali vykti vienu metu ir neturėti nieko bendra tarpusavyje. Ledų pardavimai vasarą išauga. Nuskaндimų skaičius vasarą taip pat išauga. Ar ledai žudo? Žinoma, ne – abu reiškiniai tiesiog susiję su vasara ir karštu oru.

Kai matote teiginį „X žmonės, kurie daro Y, gyvena ilgiau” – tai dar nereiškia, kad Y yra priežastis. Galbūt žmonės, kurie daro Y, taip pat turi daugiau pinigų, geriau maitinasi, mažiau stresauja. Galbūt Y yra tik simptomas, o ne priežastis. Šie paslėpti veiksniai vadinami trikdančiais kintamaisiais, ir jie gali paversti bet kokį tyrimą beprasmiu, jei į juos neatsižvelgiama.

Grafikai, kurie meluoja tiesą sakydami

Vizualizacijos – tai atskiras menas klaidinti. Vienas klasikiausių triukų – Y ašies manipuliacija. Jei grafikas pradedamas ne nuo nulio, net mažas pokytis atrodo kaip dramatiškas šuolis. Kompanijos tai daro nuolat, rodydamos savo akcijų augimą ar produkto populiarumą.

Taip pat atkreipkite dėmesį į laiko ašį. Jei rodomas augimas per pastaruosius tris mėnesius, bet prieš tai buvo penkerių metų kritimas – tai labai selektyvi tiesa. Visada klauskite, koks yra platesnis kontekstas ir kodėl pasirinktas būtent toks laikotarpis.

Kai statistika tampa gyvenimo įgūdžiu

Skaityti statistinius duomenis kritiškai – tai ne paranoja ir ne cinizmas. Tai tiesiog pagarba sau ir savo sprendimams. Kiekvieną dieną esame bombarduojami skaičiais – apie sveikatą, politiką, ekonomiką, produktus – ir dažniausiai kažkas tų skaičių parinko labai apgalvotai, norėdamas, kad galvotume tam tikru būdu.

Geriausias ginklas prieš tai – keli paprasti klausimai: Kas atliko tyrimą ir kodėl? Kiek žmonių dalyvavo ir kaip jie buvo atrinkti? Ar tai absoliutūs, ar santykiniai skaičiai? Ar koreliacija painiojama su priežastingumu? Ar grafikas vizualiai neklaidina? Šie klausimai nepavers jūsų statistiku, bet tikrai pavers žmogumi, kurio daug sunkiau apgauti. O tai, draugai, šiais laikais yra tikrai vertinga supergalia.

Kaip dirbtinis intelektas keičia statistikos rinkimo ir analizės metodus Lietuvoje

9 rugpjūčio, 2025 www.statisticsjournal.lt

Faktai, IT

Valstybės duomenų agentūra (buvęs Statistikos departamentas) kasmet apklausia tūkstančius namų ūkių ir įmonių, kad sudėliotų vaizdą apie infliaciją, nedarbą, gyventojų pajamas. Tai brangus ir lėtas procesas – apklausėjas skambina, žmogus atsako, duomenys suvedami, tikrinami, tik tada patenka į ataskaitą. Dirbtinis intelektas šį modelį jau pradeda ardyti, ir įdomu ne tai, kad technologija egzistuoja, o tai, kiek greitai ji prasiskverbia į institucijas, kurios tradiciškai keičiasi labai atsargiai.

Nuo klausimynų prie registrų

Didžiausias poslinkis vyksta ne pačioje analizėje, o duomenų šaltiniuose. Lietuva turi palyginti gerai sutvarkytus administracinius registrus – Sodros, VMI, Gyventojų registro tarnybos duomenų bazes. Vietoj to, kad klaustų žmonių apie pajamas, vis dažniau paprasčiausiai imami mokesčių administravimo duomenys. Dirbtinis intelektas čia atlieka nuobodų, bet svarbų darbą: sujungia skirtingų formatų įrašus, aptinka dublikatus, taiso neatitikimus tarp registrų, kurie realybėje niekada nesutampa idealiai.

Tai skamba techniškai nuobodžiai, tačiau pasekmės rimtos. Kai statistika remiasi registrais, o ne apklausomis, sumažėja atsakymo klaida – žmonės apklausose linkę meluoti apie pajamas ar alkoholio vartojimą. Bet atsiranda kita problema: registrai fiksuoja tik tai, kas oficialiai deklaruota. Šešėlinė ekonomika, kurios Lietuvoje vis dar nemažai, tokiu būdu tampa dar mažiau matoma.

Teksto analizė ten, kur anksčiau dirbo žmonės rankomis

Įdomus pavyzdys – ekonominės veiklos klasifikavimas. Kai įmonė registruojasi, ji turi nurodyti NACE kodą, apibūdinantį veiklos pobūdį. Anksčiau tai buvo pusiau rankinis darbas – tarnautojas skaitė verslo planą ar aprašymą ir spėdavo, koks kodas tinkamiausias. Dabar natūralios kalbos apdorojimo modeliai gali skaityti tūkstančius tokių aprašymų per sekundes ir pasiūlyti klasifikaciją, kurią žmogus tik patvirtina arba pataiso.

Panašiai naudojama ir skundų, apklausų atvirų klausimų, net socialinių tinklų įrašų analizė – bandant suprasti nuotaikas, kurios sunkiai pagaunamos standartiniais klausimynais. Vartotojų pasitikėjimo indeksas, pavyzdžiui, tradiciškai skaičiuojamas iš uždarų klausimų. Jei prie to pridedama teksto analizė iš viešų šaltinių, gaunamas šiek tiek kitoks, greitesnis, bet ir mažiau patikimas signalas.

Prognozavimas realiu laiku

Vienas iš dalykų, kurį DI keičia pastebimiausiai – tai vadinamasis „nowcasting“, arba dabartinės situacijos įvertinimas dar prieš oficialius duomenis. BVP skaičiai paprastai vėluoja mėnesiais. Mašininio mokymosi modeliai, maitinami elektros suvartojimo, mokėjimo kortelių operacijų, krovinių vežimo duomenimis, gali pateikti apytikslį BVP augimo įvertį dar prieš pasibaigiant ketvirčiui. Lietuvos bankas ir kai kurios analitinės institucijos jau eksperimentuoja su panašiais modeliais, nors viešai apie tai kalbama mažiau, nei vertėtų.

Čia verta stabtelėti ir paklausti – ar toks greitis tikrai reikalingas smulkiai valstybei? Didelėms ekonomikoms kelių savaičių paklaida turi realią kainą, nes nuo jos priklauso centrinio banko sprendimai. Lietuvos atveju nowcasting dažniau tarnauja kaip prestižinis projektas nei praktinis įrankis, bent jau kol kas.

Kur algoritmas pralaimi žmogui

Yra ir aiškios ribos. Maži imčių dydžiai – tipiška Lietuvos statistikos problema – mašininio mokymosi modeliams yra tiesiog nepatogūs. Dideli modeliai geriausiai veikia ten, kur duomenų yra daug, o mūsų šalyje net didžiausios apklausos apima kelis tūkstančius respondentų. Modelis, treniruotas tokiais kiekiais, linkęs „perprasti“ triukšmą kaip dėsningumą.

Be to, metodologinis skaidrumas – dalykas, kuriuo oficiali statistika tradiciškai didžiuojasi – sunkiai dera su sudėtingais mašininio mokymosi modeliais. Jei Eurostat ar tarptautiniai partneriai paklaus, kodėl skaičius toks, o ne kitoks, atsakymas „taip apskaičiavo neuroninis tinklas“ nėra priimtinas. Todėl dažniausiai naudojami paprastesni, aiškiau interpretuojami modeliai, net jei jie mažiau tikslūs.

Skaičiai, kurie dar mokosi vaikščioti

Sunku nuspėti, kaip greitai šie pokyčiai taps norma, o ne eksperimentu. Lietuvos institucijos, palyginti su didesnėmis valstybėmis, turi vieną pranašumą – mažesnę biurokratinę inerciją, todėl naujus įrankius kartais išbando greičiau nei kaimyninės šalys. Bet turi ir trūkumą – ribotus žmogiškuosius resursus tam, kad tuos įrankius prižiūrėtų kompetentingai, o ne tiesiog paleistų ir tikėtųsi, jog viskas susitvarkys savaime.

Realybė, matyt, bus nuobodesnė nei entuziastų pasakojimai ir mažiau dramatiška nei skeptikų baimės. Apklausėjas su telefonu dar ilgai neišnyks visai, bet vis daugiau darbo persikels į duomenų suderinimą, anomalijų paiešką ir modelių priežiūrą. Statistika Lietuvoje netaps automatiška savaime – ji taps kitokia, priklausančia nuo to, kiek žmonių supras, ką iš tikrųjų daro algoritmas, kurį jie naudoja.

Kaip skaityti statistinius duomenis ir nepasiduoti klaidinančioms interpretacijoms: praktinis vadovas

7 rugpjūčio, 2025 www.statisticsjournal.lt

Faktai, Patarimai

Kodėl statistika taip lengvai apgauna

Turbūt esate matę antraštę tipo „Mokslininkai įrodė, kad kavos gėrėjai gyvena ilgiau”. Ir tikriausiai bent akimirką pagalvojote – gal reikėtų išgerti dar vieną puodelį? Štai čia prasideda problema. Statistika nėra melavimo įrankis, bet ji yra neįtikėtinai patogi priemonė klaidinti – ypač tuos, kurie neskiria laiko paskaityti smulkų šriftą.

Geros naujienos: norint suprasti, ar jums rodomi duomenys yra patikimi, nereikia būti matematiku. Reikia tik žinoti kelis pagrindinius dalykus.

Koreliacija nėra priežastingumas – ir tai nėra tik frazė

Tai bene dažniausiai kartojama statistikos taisyklė, bet žmonės vis tiek ją pamiršta, kai duomenys atrodo įtikinami. Pavyzdys iš realaus gyvenimo: tyrimai rodo, kad šalyse, kur vartojama daugiau šokolado, yra daugiau Nobelio premijos laureatų. Ar šokoladas daro žmones protingesnius? Žinoma, ne – tiesiog turtingesnės šalys tiek daugiau valgo šokolado, tiek turi geresnes mokslo institucijas.

Kai matote teiginį „X susijęs su Y”, visada paklauskite savęs: ar gali būti trečias veiksnys, kuris lemia abu? Dažniausiai – gali.

Absoliutūs ir santykiniai skaičiai – skirtumas, kuris keičia viską

Įsivaizduokite, kad vaistas sumažina vėžio riziką 50%. Skamba įspūdingai, tiesa? Bet jei pradinė rizika buvo 2 iš 1000, tai po vaisto ji tampa 1 iš 1000. Santykinis sumažėjimas – 50%. Absoliutus sumažėjimas – 0,1 procento punkto.

Farmacijos kompanijos, politikai ir žiniasklaida mėgsta naudoti tą skaičių, kuris atrodo įspūdingiausiai. Todėl visada verta paklausti: o koks buvo pradinis dydis? Be šio konteksto santykiniai skaičiai beveik nieko nesako.

Imties dydis ir reprezentatyvumas – du klausimai, kuriuos reikia užduoti iš karto

„Tyrimas su 12 dalyvių parodė…” – tokia antraštė turėtų iš karto sukelti įtarimą. Kuo mažesnė imtis, tuo didesnė tikimybė, kad rezultatai yra atsitiktiniai. Bet imties dydis nėra vienintelis dalykas.

Svarbu ir tai, kas buvo tiriama. Jei apklausa apie politines pažiūras buvo atlikta tik universiteto miestelyje, jos rezultatai tikrai neatspindi visos visuomenės. Reprezentatyvumas reiškia, kad tiriamoji grupė turi atspindėti tą populiaciją, apie kurią daromos išvados. Dažnai to nebūna.

Grafikai gali meluoti net nemelodami

Vienas klasikinių triukų – Y ašies manipuliacija. Jei grafikas prasideda ne nuo nulio, net nedidelis pokytis atrodo dramatiškas. Pavyzdžiui, jei akcijų kaina pakilo nuo 98 iki 102 eurų, bet grafikas rodo ašį nuo 95 iki 105, linija atrodo kaip stačias šuolis į viršų.

Kitas dalykas – spalvos ir proporcijos skritulinėse diagramose, kurios kartais vizualiai iškreipiamos. Prieš darydami išvadas iš grafiko, pažiūrėkite į skaičius po juo. Jie pasakys daugiau nei bet kokia linija.

Kai skaičiai tampa įrankiu, o ne tiesa

Statistika pati savaime nėra nei gera, nei bloga – ji yra tiek pat patikima, kiek patikimi žmonės, kurie ją renka, interpretuoja ir pateikia. Todėl svarbiausia įprotis, kurį galite susiformuoti, yra paprastas: nesustokite ties antrašte. Paklauskite, kas atliko tyrimą ir kas jį finansavo. Paklauskite, kiek žmonių buvo tiriama ir kaip jie buvo parinkti. Paklauskite, ar kalbama apie absoliučius, ar santykinius skaičius.

Tai nėra cinizmas ar nepasitikėjimas mokslu – tai elementarus kritinis mąstymas, kurio statistika tiesiog reikalauja. Ir kuo dažniau užduosite šiuos klausimus, tuo sunkiau bus jus suklaidinti – nesvarbu, ar tai darytų žiniasklaida, politikai, ar net geranoriški mokslininkai, kurie tiesiog perdėtai optimistiškai interpretavo savo rezultatus.

Kaip statistikos duomenys atskleidžia tikrąją Lietuvos gyventojų sveikatos būklę: 10 skaičių, kurie verčia susimąstyti

25 liepos, 2025 www.statisticsjournal.lt

Faktai

Kartais užtenka pažvelgti į vieną lentelę su skaičiais, kad suprastum daugiau nei perskaitęs dešimt straipsnių apie sveikatą. Lietuvos statistikos departamento ir Higienos instituto duomenys kasmet piešia gan tikslų paveikslą – ir jis ne visada malonus. Bet būtent nepatogūs skaičiai dažniausiai ir yra tie, kurie verčia susimąstyti bei ką nors keisti. Pažiūrėkime į dešimt skaičių, kurie apie mūsų sveikatą pasako kur kas daugiau, nei norėtųsi tikėtis.

1. Vidutinė gyvenimo trukmė – vis dar atsiliekame

Lietuvoje vidutinė gyvenimo trukmė svyruoja apie 75–76 metus, kai Vakarų Europoje ši riba dažnai peržengia 80 metų. Skirtumas nėra mažas – tai beveik penkeri metai gyvenimo, kurių lietuviai vidutiniškai netenka. Ir čia svarbu ne tik pati skaitmena, bet ir tai, kad atotrūkis mažėja lėtai, nepaisant medicinos pažangos.

2. Vyrai gyvena beveik 10 metų trumpiau nei moterys

Tai vienas ryškiausių Lietuvos rodiklių Europos kontekste. Vyrų ir moterų gyvenimo trukmės skirtumas siekia apie 9–10 metų, kai daugelyje ES šalių jis neviršija 5–6 metų. Priežastys žinomos – alkoholis, rūkymas, traumos, vėlyvas kreipimasis į gydytojus. Bet žinojimas ir sprendimas, deja, ne tas pats.

3. Beveik trečdalis suaugusiųjų turi antsvorio problemų

Apie 60 proc. suaugusių gyventojų turi antsvorį arba nutukimą, o iš jų reikšminga dalis – jau su nutukimu, ne tik keliais papildomais kilogramais. Tai reiškia, kad didžioji dalis visuomenės gyvena su padidėjusia rizika susirgti diabetu, širdies ligomis ar sąnarių problemomis, dažnai to nė nesuvokdama.

4. Širdies ir kraujagyslių ligos – vis dar mirties priežastis numeris vienas

Daugiau nei pusė visų mirčių Lietuvoje susijusios su širdies ir kraujagyslių sistemos ligomis. Tai skaičius, kuris nesikeičia jau dešimtmečius, nors profilaktikos priemonių ir informacijos apie sveiką gyvenseną tikrai netrūksta. Klausimas – kodėl žinios neišsiverčia į veiksmus?

5. Alkoholio suvartojimas – vienas didžiausių ES

Nors per pastarąjį dešimtmetį alkoholio suvartojimas sumažėjo, Lietuva vis dar patenka tarp lyderių ES pagal suvartojamą kiekį vienam gyventojui per metus. Skaičius apie 10–11 litrų gryno alkoholio metams reiškia ne tik sveikatos, bet ir socialines pasekmes – nuo šeimos problemų iki nelaimingų atsitikimų keliuose.

6. Savižudybių rodiklis – skaudžiausia statistika

Lietuva ilgą laiką pirmavo Europoje pagal savižudybių skaičių. Nors pastaraisiais metais rodiklis mažėja, jis vis dar išlieka vienas aukščiausių žemyne. Tai skaičius, už kurio slypi ne abstrakti statistika, o konkretūs žmonės, šeimos, bendruomenės, kurios liko be atsakymų.

7. Tik apie pusė gyventojų reguliariai tikrinasi sveikatą

Prevencinių patikrų dalyvavimo rodikliai – tarkim, gimdos kaklelio ar krūties vėžio patikrose – dažnai nesiekia net pusės tikslinės grupės. O juk tai patikros, kurios gali išgelbėti gyvybę, aptikus ligą ankstyvoje stadijoje. Kodėl žmonės vengia? Dažniausiai – baimė, laiko stoka arba tiesiog įprotis atidėlioti.

8. Rūkymas mažėja, bet ne taip greitai, kaip norėtųsi

Rūkančiųjų dalis tarp suaugusiųjų sumažėjo iki maždaug 25 proc., tačiau tai vis dar reiškia, kad kas ketvirtas gyventojas reguliariai rūko. Įdomu tai, kad jaunimo tarpe elektroninių cigarečių populiarumas auga sparčiau, nei mažėja tradicinio rūkymo paplitimas – tad bendras vaizdas nebūtinai toks šviesus, koks atrodo iš pirmo žvilgsnio.

9. Psichikos sveikatos problemos – vis dažniau įvardijamos, bet retai gydomos laiku

Apie 20 proc. gyventojų per metus patiria bent vieną psichikos sveikatos sutrikimą, tačiau tik nedidelė dalis kreipiasi profesionalios pagalbos. Statistika rodo augantį sąmoningumą – žmonės pradeda kalbėti apie tai atviriau, tačiau paslaugų prieinamumas ir stigma vis dar stabdo daugelį.

10. Sveikatos priežiūros išlaidos – auga, bet ne visada ten, kur reikia

Valstybės išlaidos sveikatai kasmet auga, tačiau didžioji dalis biudžeto keliauja į gydymą, o ne prevenciją. Tai skaičius, kuris netiesiogiai paaiškina, kodėl kiti devyni šio sąrašo skaičiai atrodo taip, kaip atrodo – sistema orientuota gesinti gaisrus, o ne jų neleisti kilti.

Kai skaičiai pradeda kalbėti

Statistika savaime nieko nepakeičia – ji tiesiog parodo veidrodį. Ir šis veidrodis sako gan aiškiai: Lietuvos gyventojų sveikata priklauso ne tik nuo medicinos sistemos, bet ir nuo kasdienių pasirinkimų, kuriuos darome patys – ką valgome, kiek judame, kaip elgiamės su stresu ir ar leidžiame sau laiku nueiti pas gydytoją. Dešimt skaičių, kuriuos aptarėme, nėra tik sausi faktai lentelėse. Tai realūs žmonės, jų sprendimai ir jų pasekmės, susumuotos vienoje ataskaitoje. Ir gal tikroji vertė šių skaičių ne ta, kad jie mus nuliūdina, o ta, kad jie duoda konkretų atspirties tašką – žinant, kur esame, lengviau suprasti, kur norime judėti toliau.

Vaikų sveikatos statistika Lietuvoje: kaip epidemiologiniai duomenys atskleidžia realią situaciją šalyje

6 liepos, 2025 www.statisticsjournal.lt

Faktai, Pranešimai

Kodėl vaikų sveikatos skaičiai kartais meluoja, o kartais – šaukia pagalbos

Kai prieš kelis metus Sveikatos apsaugos ministerija paskelbė, kad vaikų sergamumas Lietuvoje didėja, daugelis tėvų susiraukė – juk vaikų ligoninėse eilės trumpėja, o mokyklose ligonių vis mažiau. Paradoksas? Ne visai. Tiesiog epidemiologiniai duomenys – tai ne vien sausas skaičių rinkinys, o sudėtingas galvosūkis, kurį reikia mokėti perskaityti.

Lietuvoje vaikų sveikatos statistika renkami iš kelių šaltinių: pirminės asmens sveikatos priežiūros įstaigų, ligoninių, profilaktinių patikrinimų duomenų bazių ir įvairių registrų. Problema ta, kad šie duomenys ne visada atspindi tikrąją situaciją. Pavyzdžiui, jei šeimos gydytojai pradeda aktyviau diagnozuoti tam tikras ligas ar būkles, statistikoje tai atrodo kaip sergamumo augimas, nors iš tikrųjų tiesiog geriau atpažįstamos anksčiau nepastebėtos problemos.

Ką slepia diagnozių kodai ir registracijos knygos

Epidemiologinė statistika Lietuvoje remiasi Tarptautine ligų klasifikacija (TLK-10), kur kiekviena liga ar būklė turi savo kodą. Teoriškai tai turėtų užtikrinti tikslumą, bet praktikoje dažnai susidaro keistos situacijos. Vienas gydytojas alergijos simptomus užkoduoja kaip „J30.4 – alerginį rinitą”, kitas – kaip „R06.7 – čiaudulį”, o trečias išvis neregistruoja, jei simptomas nesunkus.

Dar įdomiau su psichikos sveikata. Lietuvoje oficialiai registruotų vaikų su depresija ar nerimo sutrikimais skaičius gerokai mažesnis nei Vakarų Europoje. Ar tai reiškia, kad mūsų vaikai psichiškai sveikesni? Deja, ne. Tiesiog daugelis tėvų vis dar bijo kreiptis į psichikos sveikatos specialistus, o kai kurie gydytojai vengia „klijuoti etiketes” vaikams. Rezultatas – statistika nerodo tikrosios situacijos.

Vakcinacijos duomenys: kur tiesa, o kur tik popierius

Vakcinacijos rodikliai – viena iš sričių, kur Lietuva atrodo gana gerai. Oficiali statistika rodo, kad apie 95 procentai vaikų yra paskiepyti pagal nacionalinį kalendorių. Tačiau kai kurie epidemiologai įspėja: šie skaičiai gali būti šiek tiek „pagražinti”.

Problema slypi sistemoje. Kartais vaikai paskiepijami, bet duomenys neįvedami į elektroninę sistemą laiku. Kartais, atvirkščiai – įvedami duomenys apie skiepus, kurie faktiškai atidėti dėl medicininių priežasčių. Dar sudėtingiau su vaikais, kurių šeimos dažnai keičia gyvenamąją vietą ar gydytojus – jų vakcinacijos istorija kartais „pasimeta” tarp įstaigų.

Realybė tokia: tikslus paskiepytų vaikų skaičius gali skirtis nuo oficialaus 2-3 procentiniais punktais. Gali atrodyti nedaug, bet kalbant apie bandinio imunitetą, tai gali būti kritinis skirtumas, ypač tokių užkrečiamų ligų kaip tymai ar kokliušas atveju.

Lėtinės ligos: kodėl astma „auga”, o cukrinis diabetas „stabilizuojasi”

Pažvelgus į pastarųjų dešimtmečių statistiką, matyti aiškus astma sergančių vaikų skaičiaus augimas. Prieš 20 metų Lietuvoje astma buvo diagnozuota maždaug 3 procentams vaikų, dabar – jau 7-8 procentams. Ar tai tikrai reiškia epidemiją?

Iš dalies – taip. Aplinkos tarša, gyvenimo būdo pokyčiai, mažesnis kontaktas su gamta ir mikroorganizmais tikrai prisideda prie alerginių ligų augimo. Bet ne mažiau svarbu tai, kad šiandien gydytojai tiesiog geriau atpažįsta astmą. Anksčiau vaikas, kuris dažnai kosėdavo ir švokšdavo, būdavo gydomas nuo „lėtinio bronchito” ar „dažnų peršalimų”. Dabar tas pats vaikas gauna tikslią astmos diagnozę ir tinkamą gydymą.

Su cukriniu diabetu situacija kitokia. I tipo cukrinio diabeto atvejų skaičius Lietuvoje išlieka gana stabilus – apie 20-25 nauji atvejai 100 tūkstančių vaikų per metus. Čia statistika greičiausiai atspindi realybę tiksliai, nes šios ligos neįmanoma nepastebi ar „neužregistruoti” – simptomai per daug ryškūs, o diagnozė paprastai nustatoma ligoninėje.

Nutukimas ir metabolinės problemos: statistika, kuri gąsdina

Viena iš labiausiai neramią keliančių tendencijų – vaikų nutukimo statistika. Pagal oficialius duomenis, Lietuvoje antsvoris ar nutukimas yra maždaug 15-18 procentų vaikų. Tačiau kai kurie nepriklausomi tyrimai rodo dar liūdnesnius skaičius – iki 25 procentų.

Kodėl toks neatitikimas? Pirma, ne visi vaikai reguliariai lankosi pas gydytojus, todėl jų svoris nefiksuojamas. Antra, skirtingose įstaigose naudojami skirtingi nutukimo vertinimo kriterijai. Trečia – ir tai gal svarbiausia – nutukimas dažnai neužkoduojamas kaip atskira diagnozė, jei vaikas kreipiasi dėl kitos problemos.

Dar sudėtingiau su metaboliniu sindromu ir insulino rezistencija. Šios būklės vaikams Lietuvoje diagnozuojamos retai, nors specialistai įspėja, kad problema gerokai platesnė nei rodo statistika. Daugelis šeimos gydytojų tiesiog neturi galimybių ar laiko atlikti reikiamus tyrimus – reikia ne tik pasverti vaiką, bet ir ištirti kraują, įvertinti kelis rodiklius.

Traumos ir nelaimingi atsitikimai: ką slepia skubiosios pagalbos duomenys

Vaikų traumų statistika Lietuvoje rodo mažėjančią tendenciją – per pastaruosius 10 metų sunkių traumų sumažėjo maždaug 30 procentų. Puiku, ar ne? Bet pasižiūrėjus giliau, vaizdas tampa sudėtingesnis.

Tiesa ta, kad sunkių traumų – kaukolės lūžių, vidaus organų sužalojimų – tikrai sumažėjo. Čia didelį vaidmenį suvaidino geresnė vaikų priežiūra, saugesnės žaidimų aikštelės, automobilių saugos diržai ir kėdutės. Bet lengvesnių traumų – įsipjovimų, išsinardinimų, sumušimų – statistika ne visada patikima.

Problema ta, kad ne visos lengvos traumos registruojamos. Jei mama su vaiku atvažiuoja į skubią pagalbą dėl įsipjovusio piršto, o gydytojas tik užklijuoja pleistrą ir paleidžia namo – šis atvejis gali būti užregistruotas, o gali ir ne, priklausomai nuo įstaigos tvarkos ir gydytojo kruopštumo. Todėl tikrasis lengvų traumų skaičius gali būti 20-30 procentų didesnis nei rodo oficiali statistika.

Psichikos sveikata: didžiausia statistikos „juodoji skylė”

Jei yra viena sritis, kur Lietuvos vaikų sveikatos statistika labiausiai nutolusi nuo realybės – tai psichikos sveikata. Oficialūs duomenys rodo, kad psichikos sutrikimų turi apie 5-7 procentai vaikų. Bet tarptautiniai tyrimai rodo, kad realus skaičius turėtų būti 15-20 procentų.

Kodėl toks milžiniškas atotrūkis? Priežasčių keletas. Pirma, stigma – daugelis tėvų vis dar mano, kad kreiptis į psichologą ar psichiatrą reiškia pripažinti, jog su jų vaiku „kažkas ne taip”. Antra, nepakankamas specialistų skaičius – net norint gauti konsultaciją, reikia laukti kelis mėnesius. Trečia, diagnozavimo sunkumai – daugelis psichikos sutrikimų vaikystėje pasireiškia neaiškiais simptomais, kurie gali būti palaikyti tiesiog „sunkiu charakteriu” ar „pereinamuoju amžiumi”.

Ypač blogai atsispindi statistikoje nerimo sutrikimai, lengvos ir vidutinės depresijos, elgesio problemos. Dažnai šie vaikai apskritai nepatenka į sveikatos priežiūros sistemą – jų problemos sprendžiamos (ar nesprendžiamos) šeimoje, mokykloje, socialinių tarnybų.

Kaip skaityti tarp statistikos eilučių ir ką daryti su šia informacija

Supratę, kad epidemiologinė statistika – tai tik vienas realybės atspindys, o ne pati realybė, galime išmokti ją naudoti protingai. Tėvams svarbu suprasti: jei jūsų vaikas turi kokią nors sveikatos problemą, tai, kad ji „reta pagal statistiką”, nereiškia, kad ji nereali ar nereikšminga. Atvirkščiai – galbūt ji tiesiog nepakankamai diagnozuojama.

Sveikatos politikos formuotojams svarbu žiūrėti ne tik į oficialius skaičius, bet ir į tai, kas už jų slypi. Jei sergamumo tam tikra liga statistika auga – gal tai ne epidemija, o gerėjantis diagnozavimas? Jei, atvirkščiai, skaičiai stabilūs, kai tarptautiniai tyrimai rodo augimą – gal mūsų sistema kažko „nemato”?

Gydytojams ir kitiems specialistams svarbu kruopščiai registruoti duomenis. Taip, tai užima laiko, bet tik turėdami tikslią statistiką galime planuoti prevenciją, skirti išteklius, vertinti intervencijų efektyvumą.

Praktiškai kiekvienam iš mūsų tai reiškia: būkite savo vaikų sveikatos advokatai. Jei pastebite problemą – kreipkitės į specialistus, net jei aplinkui visi sako, kad „viskas gerai”. Jei gydytojas atmeta jūsų nuogąstavimus remdamasis tuo, kad „tai reta” – ieškokite kitos nuomonės. Statistika gali būti naudinga priemonė, bet ji neturi tapti kliūtimi individualiam požiūriui į kiekvieno vaiko sveikatą.

Galiausiai, verta prisiminti, kad už kiekvieno skaičiaus slypi konkretus vaikas su savo istorija. Epidemiologija padeda matyti bendrus vaizdus, tendencijas, rizikos veiksnius. Bet ji niekada nepakeis atidaus, rūpestingo požiūrio į kiekvieną atskirą mažąjį pacientą. Ir gal būt tai – svarbiausia pamoka, kurią galime išmokti iš vaikų sveikatos statistikos labirinto.

Kaip skaityti ir interpretuoti statistikos duomenis: praktinis vadovas pradedantiesiems, remiantis Stilano.lt pavyzdžiais

27 birželio, 2025 www.statisticsjournal.lt

Patarimai

Statistika mus supa visur – naujienose, moksliniuose tyrimuose, rinkodaros ataskaitose ar net paprastame pokalbyje su draugais apie orus. Bet štai kur bėda: dauguma žmonių, pamatę skaičių lentelę ar grafiką, tiesiog patiki tuo, kas parašyta, net nepagalvoję, ką tas skaičius iš tikrųjų reiškia. O interpretuoti duomenis neteisingai – labai lengva, net jei ketinimai geri.

Pabandykime pažiūrėti, kaip pradedantysis galėtų priartėti prie statistikos duomenų be baimės ir be klaidingų išvadų. Pavyzdžius pasiskolinsime iš Stilano.lt, kur duomenų vizualizacijos ir analizės pavyzdžių netrūksta.

Kodėl vidurkis ne visada pasako tiesą

Vienas dažniausių klaidinančių dalykų – aritmetinis vidurkis. Tarkime, jei dešimt žmonių uždirba po 500 eurų, o vienas – 10000 eurų, vidurkis parodys apie 1360 eurų. Skamba neblogai, tiesa? Bet realybėje devyni iš dešimties uždirba gerokai mažiau nei tas skaičius rodo. Čia į pagalbą ateina mediana – vidurinė reikšmė, kuri tokiais atvejais atspindi situaciją tiksliau.

Stilano.lt pavyzdžiuose dažnai matome, kaip skirtingi rodikliai – vidurkis, mediana, moda – pateikiami kartu, kad skaitytojas galėtų susidaryti pilnesnį vaizdą, o ne pasikliauti vienu skaičiumi.

Procentai gali apgauti, jei nežinai bazės

„Pardavimai išaugo 50%“ – gražiai skamba, bet kas tie 50 procentų nuo ko? Jei įmonė pernai pardavė dvi prekes, o šiemet tris, augimas formaliai yra 50%, tačiau tai visiškai nereiškia to paties, ką reikštų 50% augimas iš milijono prekių. Visada verta pasidomėti, koks yra pradinis dydis, nuo kurio skaičiuojamas procentas.

Panašiai ir su sumažėjimais – jei kaina pirma pakilo 50%, o vėliau nukrito 50%, galutinė kaina nebus tokia pati kaip pradžioje. Matematika čia veikia kitaip, nei intuicija pirmiausia pasufleruoja.

Grafikai – ne visada objektyvūs

Grafinis duomenų pateikimas gali arba padėti suprasti informaciją, arba ją iškreipti. Klasikinis triukas – nupjauta Y ašis. Jei stulpelinė diagrama prasideda ne nuo nulio, o, tarkime, nuo 80, net nedidelis skirtumas tarp reikšmių gali atrodyti kaip milžiniškas šuolis.

Todėl skaitant bet kokį grafiką verta pirmiausia pažvelgti į ašių skales. Ar jos prasideda nuo nulio? Ar intervalai tarp žymių yra vienodi? Šie smulkūs, bet svarbūs detalės dažnai nulemia, kaip suvokiame pateiktą informaciją.

Koreliacija dar nereiškia priežastinio ryšio

Tai gal pati dažniausiai minima, bet vis tiek dažnai pamirštama taisyklė. Jei du dydžiai keičiasi kartu, tai nebūtinai reiškia, kad vienas sukelia kitą. Klasikinis pavyzdys – ledų pardavimai ir skendimo atvejai vasarą abu auga kartu, bet ne todėl, kad ledai sukelia skendimus, o todėl, kad karštu oru žmonės ir valgo daugiau ledų, ir dažniau maudosi.

Prieš darant išvadą apie priežastinį ryšį, verta paklausti: ar nėra trečio veiksnio, kuris veikia abu stebimus dydžius vienu metu? Dažnai atsakymas yra taip.

Imties dydis turi reikšmę

Apklausa, kurioje dalyvavo 20 žmonių, ir apklausa su 2000 respondentų negali būti vertinamos vienodai, net jei procentiniai rezultatai sutampa. Mažos imties atveju atsitiktinis nukrypimas gali smarkiai iškreipti bendrą vaizdą. Kuo didesnė imtis, tuo patikimesni duomenys, nors, žinoma, tai nėra vienintelis kokybės kriterijus – svarbu ir kaip imtis buvo sudaryta, ar ji reprezentuoja visą populiaciją.

Kelios praktinės gairės kelyje

Grįžtant prie esmės – skaitant statistiką verta išsiugdyti tam tikrą sveiką skepticizmą, bet ne cinizmą. Klauskite, iš kur duomenys, kokia metodologija naudota, ar pateiktas kontekstas leidžia suprasti visą paveikslą, ar tik jo dalį. Vidurkis, mediana, procentai, grafikai – visi šie įrankiai naudingi, jei žinai, kaip juos skaityti ir kada jais nepasitikėti aklai.

Stilano.lt pavyzdžiai gerai iliustruoja, kad duomenys retai būna vienareikšmiai – dažnai reikia pažvelgti giliau, palyginti kelis rodiklius, patikrinti šaltinį. Tai nėra sudėtinga mokslinė disciplina, prieinama tik statistikams – tai įprotis, kurį gali išsiugdyti kiekvienas, kas nori suprasti pasaulį per skaičius, o ne pasiduoti pirmam įspūdžiui.

Kaip automatiniai internetiniai teksto vertėjai iškraipo statistinius duomenis ir kaip tai interpretuoti teisingai

23 birželio, 2025 www.statisticsjournal.lt

Faktai, IT, Kalbos, Patarimai

Vertimo problema, apie kurią retai kalbama

Statistiniai duomenys yra vienas jautriausių turinio tipų, kurį galima pateikti automatiniam vertėjui. Skaičiai atrodo neutralūs, bet kontekstas, kuriame jie pateikiami, yra viskas. Kai „Google Translate”, „DeepL” ar bet kuris kitas automatinis įrankis verčia tekstą su procentais, santykiniais rodikliais ar sudėtingomis statistinėmis sąvokomis, rezultatas dažnai būna ne tik netikslus – jis gali būti tiesiogiai klaidinantis. Ir tai nėra smulkmena, kurią galima ignoruoti.

Problema egzistuoja keliais lygmenimis. Pirma, yra grynai kalbinis lygmuo – kai terminai verčiami pažodžiui, bet jų reikšmė skirtingose kalbose skiriasi. Antra, yra kultūrinis lygmuo – kai statistiniai duomenys yra susiję su konkrečia šalies sistema, ir vertimas neperteikia tos sistemos specifikos. Trečia, yra struktūrinis lygmuo – kai sakinio konstrukcija verčiama taip, kad priežasties ir pasekmės ryšys apsiverčia arba išnyksta. Kiekvienas iš šių lygmenų gali pakenkti duomenų interpretacijai, o visi trys kartu – tai jau tikra katastrofa analitikui, kuris remiasi verstu tekstu.

Kaip automatiniai vertėjai „supranta” skaičius

Automatiniai vertimo įrankiai, pagrįsti neuroniniais tinklais, iš esmės mokosi iš didelių tekstų korpusų. Jie nėra suprogramuoti suprasti statistiką – jie atpažįsta kalbos modelius ir bando juos atkartoti kitoje kalboje. Tai reiškia, kad kai vertėjas susiduria su fraze „the unemployment rate fell by 3 percentage points”, jis gali ją išversti kaip „nedarbo lygis sumažėjo 3 procentais” – ir tai yra esminis skirtumas.

Procentiniai punktai ir procentai nėra tas pats. Jei nedarbo lygis buvo 10 proc. ir sumažėjo 3 procentiniais punktais, dabar jis yra 7 proc. Bet jei sumažėjo 3 proc., tai reiškia, kad jis sumažėjo nuo 10 proc. iki 9,7 proc. Skirtumas – 0,3 procentinio punkto – gali atrodyti nedidelis, bet ekonominėje analizėje tai gali reikšti skirtingą politikos vertinimą, skirtingus biudžeto sprendimus ir skirtingas prognozes.

„DeepL” šiuo atžvilgiu veikia geriau nei „Google Translate” daugeliu atvejų, bet nė vienas iš jų nėra patikimas, kai kalbama apie statistinius niuansus. Tyrimai, kuriuose buvo lyginami automatiniai vertimai su profesionaliais vertimais medicinos ir ekonomikos srityse, nuolat rodo, kad automatiniai įrankiai daro sistemingas klaidas būtent ten, kur tikslumas yra kritiškiausias.

Terminologijos spąstai statistiniuose tekstuose

Statistinė terminologija yra ypač problematiška dėl kelių priežasčių. Daugelis terminų turi labai specifines reikšmes, kurios skiriasi nuo kasdienės kalbos vartosenos. „Significant” anglų kalboje statistiniame kontekste reiškia „statistiškai reikšmingas” – tai yra konkretus techninis terminas, susijęs su p reikšme ir hipotezių tikrinimo procedūromis. Automatinis vertėjas dažnai išverčia šį žodį kaip „reikšmingas” arba „svarbus”, kas yra teisingas vertimas kasdienine prasme, bet praranda statistinę specifiką.

Panašiai yra su tokiais terminais kaip „confidence interval” (pasikliautinasis intervalas), „standard deviation” (standartinis nuokrypis), „regression to the mean” (regresija į vidurkį) ar „correlation” (koreliacija). Kai šie terminai verčiami pažodžiui arba netiksliai, skaitytojas gali susidaryti visiškai klaidingą supratimą apie tai, ką tyrimas iš tikrųjų teigia.

Konkrečiai – „regression to the mean” lietuviškai turėtų būti verčiama kaip „regresija į vidurkį”, bet automatinis vertėjas kartais pateikia „grįžimas prie vidutinio” arba net „regresija į vidurį”, kas skamba nenatūraliai ir gali suklaidinti skaitytoją, nesusipažinusį su statistika. Dar blogiau, kai vertimas pateikia „atsitraukimas į vidurkį” – tai jau perteikia klaidingą kryptingumo pojūtį.

Praktinis patarimas: jei dirbate su statistiniais tekstais ir naudojate automatinį vertėją, sudarykite terminų žodyną prieš pradėdami darbą. Identifikuokite kiekvieną techninį terminą originale ir patikrinkite, kaip jis turėtų būti išverstas pagal oficialius statistikos standartus jūsų šalyje. Lietuvos statistikos departamentas ir Europos statistikos biuras (Eurostat) turi oficialius terminų žodynus, kurie turėtų būti pirminiai šaltiniai.

Kultūrinis kontekstas, kurį vertėjas neperteikia

Statistiniai duomenys visada egzistuoja konkrečiame institucininiame ir kultūriniame kontekste. Kai JAV ataskaita kalba apie „poverty line” (skurdo ribą), ji remiasi JAV federaline skurdo apibrėžtimi, kuri skiriasi nuo Europos Sąjungos naudojamos metodologijos. Kai automatinis vertėjas išverčia šią frazę kaip „skurdo riba”, skaitytojas lietuviškai gali manyti, kad kalbama apie tą pačią sąvoką, kurią naudoja Lietuvos statistikos departamentas – bet taip nėra.

JAV skurdo riba yra absoliutus rodiklis, apskaičiuojamas pagal minimalius pragyvenimo poreikius. ES naudoja santykinį rodiklį – 60 proc. medianos pajamų. Tai reiškia, kad palyginimas tarp JAV ir ES skurdo statistikos yra metodologiškai problematiškas, ir automatinis vertimas šios problemos nesprendžia – jis ją slepia.

Tas pats galioja sveikatos statistikai. „Life expectancy at birth” (tikėtina gyvenimo trukmė gimus) ir „healthy life years” (sveiki gyvenimo metai) yra skirtingi rodikliai, bet automatinis vertimas ne visada aiškiai atskiria šias sąvokas. Kai Europos šalių sveikatos ataskaitos verčiamos automatiškai, šis skirtumas dažnai išnyksta, ir skaitytojas gauna sumaišytą vaizdą.

Rekomendacija: prieš interpretuodami bet kokius statistinius duomenis iš verstų šaltinių, visada patikrinkite, kokia metodologija buvo naudojama originaliame šaltinyje. Tai galima padaryti ieškant originalaus dokumento metodologinės dalies arba susisiekiant su duomenis paskelbusia institucija. Tai užtrunka papildomą laiką, bet apsaugo nuo fundamentalių interpretacijos klaidų.

Sakinio struktūra ir priežastingumo iškraipymas

Vienas subtiliausių, bet potencialiai pavojingiausių automatinio vertimo problemų yra sakinio struktūros iškraipymas, kuris keičia priežasties ir pasekmės ryšį. Statistiniuose tekstuose priežastingumas yra ypač svarbus – skirtumas tarp „A sukelia B” ir „A koreliuoja su B” yra esminis, bet automatinis vertėjas ne visada jį išlaiko.

Anglų kalbos konstrukcija „associated with” dažnai verčiama kaip „susijęs su”, kas yra teisingas vertimas, bet kartais vertėjas parenka aktyvesnę konstrukciją, kuri implikuoja priežastingumą. Pavyzdžiui, „smoking is associated with higher cancer rates” gali būti išversta kaip „rūkymas lemia didesnius vėžio rodiklius” – ir tai jau yra stipresnis teiginys nei originale.

Dar viena problema – sąlyginis sakinys. Anglų kalboje „if X, then Y” yra aiški sąlyginė konstrukcija. Bet kai vertėjas susiduria su sudėtingesnėmis statistinėmis sąlyginėmis frazėmis, pvz., „controlling for age and income, the effect of education on health outcomes was…” – vertimas dažnai tampa neaiškus arba netikslus. „Controlling for” yra statistinis terminas, reiškiantis „kontroliuojant kintamąjį”, bet automatinis vertėjas gali pateikti „kontroliuojant amžių ir pajamas” arba net „atsižvelgiant į amžių ir pajamas” – pastarasis vertimas yra silpnesnis ir ne visai tikslus.

Praktinis patarimas: kai skaitote verstą statistinį tekstą, atkreipkite ypatingą dėmesį į žodžius, kurie nurodo ryšio pobūdį – „sukelia”, „lemia”, „susijęs su”, „koreliuoja”. Jei kyla abejonių, patikrinkite originalų tekstą ir ieškokite, kokia buvo originali formuluotė. Šiuolaikiniai moksliniai straipsniai dažniausiai yra prieinami anglų kalba, todėl tai nėra sudėtinga.

Skaičių formatavimas ir regioniniai skirtumai

Tai gali atrodyti kaip smulkmena, bet skaičių formatavimas yra dar viena sritis, kurioje automatiniai vertėjai daro klaidas. Skirtingose šalyse naudojami skirtingi skaičių formatai – kai kuriose šalyse tūkstančių skiriamasis ženklas yra taškas, o dešimtainė dalis atskiriama kableliu (pvz., 1.000,50), kitose – atvirkščiai (1,000.50). Automatinis vertėjas ne visada koreguoja šiuos formatus pagal tikslinę kalbą.

Kai vokiečių kalba parašytame tekste yra skaičius „1.234,56″ ir jis verčiamas į anglų kalbą, idealiu atveju jis turėtų tapti „1,234.56″. Bet automatinis vertėjas dažnai palieka originalų formatą arba jį iškraipo. Jei skaitytojas neatpažįsta šio skirtumo, jis gali interpretuoti „1.234″ kaip vieną ir du šimtus trisdešimt keturis, o ne kaip tūkstantį du šimtus trisdešimt keturis.

Dar sudėtingiau yra su valiutomis. Kai statistinis tekstas pateikia duomenis vienoje valiutoje ir automatinis vertėjas juos palieka nepakeistus, skaitytojas gali nesuvokti, kad reikia atlikti valiutos konvertavimą. O jei vertėjas bando konvertuoti valiutas – tai dar blogiau, nes jis naudoja tam tikrą kursą, kuris gali būti pasenęs arba neatitikti to laikotarpio, apie kurį kalbama tekste.

Konkreti rekomendacija: visada patikrinkite skaičių formatą originaliame tekste ir tikslinėje kalboje. Jei dirbate su finansiniais ar ekonominiais duomenimis, įsitikinkite, kad valiutos ir jų kursai yra aiškiai nurodyti ir atitinka analizuojamą laikotarpį. Niekada neremkitės automatiškai konvertuotomis valiutomis be papildomo patikrinimo.

Kaip patikrinti verstų statistinių duomenų tikslumą

Yra keletas praktinių metodų, kurie padeda sumažinti automatinio vertimo klaidų poveikį statistinių duomenų interpretacijai. Pirmiausia, visada ieškokite originalaus šaltinio. Jei tekstas buvo paskelbtas tarptautinės organizacijos – Pasaulio banko, TVF, PSO, Eurostato – originali versija dažniausiai yra anglų kalba ir laisvai prieinama internete. Tai turėtų būti pirmasis žingsnis prieš remiantis verstu tekstu.

Antra, naudokite kryžminį tikrinimą. Jei statistinis teiginys verste atrodo neįtikėtinas arba prieštarauja jūsų žinioms, patikrinkite jį kitame šaltinyje. Statistiniai duomenys retai egzistuoja vakuume – paprastai yra keletas šaltinių, kurie pateikia panašius rodiklius, ir jų palyginimas gali atskleisti vertimo klaidas.

Trečia, jei turite galimybę, naudokite profesionalų vertimą arba bent jau profesionalų redagavimą po automatinio vertimo. Tai ypač svarbu, kai statistiniai duomenys bus naudojami priimant svarbius sprendimus – verslo, politikos ar mokslo srityse. Automatinis vertimas yra geras kaip pirminis žingsnis, bet ne kaip galutinis produktas.

Ketvirta, išmokite atpažinti dažniausias klaidas. Jei žinote, kad automatiniai vertėjai dažnai painioja procentinius punktus su procentais, galite tikslingai ieškoti šios klaidos verste tekste. Tai reikalauja tam tikrų statistinių žinių, bet net bazinis supratimas apie dažniausias problemas gali labai padėti.

Penkta, kai dirbate su dideliais duomenų kiekiais ir automatinis vertimas yra neišvengiamas, apsvarstykite galimybę naudoti specializuotus vertimo įrankius, pritaikytus konkrečiai sričiai. Kai kurios platformos siūlo domenui pritaikytus vertimo modelius, kurie buvo apmokyti su statistiniais ar moksliniais tekstais ir veikia tiksliau nei bendrieji modeliai.

Kai vertimas tampa dezinformacijos šaltiniu

Yra dar vienas aspektas, apie kurį verta kalbėti atvirai – automatinio vertimo klaidų politinis ir socialinis poveikis. Statistiniai duomenys dažnai naudojami viešose diskusijose, žiniasklaidoje ir politiniuose debatuose. Kai šie duomenys yra klaidingai išversti ir klaidinga interpretacija paplinta viešojoje erdvėje, tai gali turėti realių pasekmių.

Pavyzdys iš praktikos: migracijos statistika yra viena jautriausių temų, ir automatiniai vertimai šioje srityje daro ypač daug klaidų. Sąvokos kaip „net migration” (grynoji migracija), „asylum seekers” (prieglobsčio prašytojai), „refugees” (pabėgėliai) ir „irregular migrants” (neteisėti migrantai) turi skirtingas teisines ir statistines reikšmes, bet automatiniai vertėjai dažnai jas sumaišo. Kai žiniasklaida perima tokius klaidingus vertimus, visuomenė gauna iškraipytą vaizdą apie migracijos mastą ir pobūdį.

Tas pats galioja ekonomikos statistikai. Kai BVP augimo rodikliai, nedarbo statistika ar infliacijos duomenys yra klaidingai išversti ir neteisingai interpretuoti, tai gali paveikti visuomenės nuomonę apie ekonomikos valdymą ir politinius sprendimus. Tai nėra abstrakti problema – tai realus informacinio lauko iškraipymas.

Žiniasklaidos atstovai, analitikai ir visi, kurie dirba su statistiniais duomenimis viešojoje erdvėje, turėtų laikyti automatinio vertimo tikrinimą profesiniu standartu, o ne papildoma užduotimi. Tai yra atsakomybės klausimas – tiek profesinės, tiek pilietinės.

Galiausiai, verta paminėti, kad automatiniai vertimo įrankiai nuolat tobulėja. GPT tipo modeliai, integruoti į vertimo sistemas, jau dabar veikia geriau nei ankstesnės kartos įrankiai. Bet tobulėjimas nevyksta tolygiai – ir statistiniai tekstai išlieka viena sunkiausių sričių. Tol, kol automatiniai vertėjai nesugebės patikimai perteikti statistinės terminologijos, metodologinio konteksto ir priežastingumo struktūros, kritinis požiūris į verstus statistinius duomenis išliks ne pasirinkimu, o būtinybe. Statistika yra per daug svarbi, kad ją paliktume mašinų malonei be žmogiškos priežiūros.

Kaip išmatuoti ir įrengti lanksčias grindjuostes aplink nestandartinius kampus ir iškilumus

22 birželio, 202510 birželio, 2025 www.statisticsjournal.lt

Nekilnojamas turtas, Patarimai

Kai pradedi remontuoti namus, viskas atrodo paprasta tol, kol nepasieksi tų keistų kampų, iškilumų ar įdubimų, kurie tarsi sąmoningai slepiasi kiekviename name. Lanksti dažoma grindjuostė gali būti tikras išgelbėjimas tokiose situacijose, bet tik jei žinai, kaip ją tinkamai išmatuoti ir sumontuoti.

Kodėl lanksti grindjuostė – ne tik madinga, bet ir praktiška

Pirmą kartą susidūriau su lankščia grindjuoste prieš kelerius metus, kai renovavau savo virtuvę. Turėjau tokį keistą kampą prie šaldytuvo, kur standartinė medinė grindjuostė tiesiog atsisakė bendradarbiauti. Po kelių nesėkmingų bandymų su pjūklu ir nemažai išeikvotų nervų, kaimynas pasiūlė išbandyti lankstų variantą.

Lanksti grindjuostė pagaminta iš specialaus PVC ar poliuretano, kuris leidžia jai prisitaikyti prie netaisyklingų paviršių. Ji ne tik gražiai atrodo, bet ir:

Lengvai lenkiasi aplink nestandartinius kampus
Nepūva ir netrūkinėja nuo drėgmės
Lengvai valoma ir ilgaamžė
Galima dažyti pagal poreikį

Tiesa, kaina šiek tiek aukštesnė nei įprastos grindjuostės, bet kai pagalvoji apie sutaupytą laiką ir nervus, investicija tikrai atsipirks.

Matavimo menas: kaip nepriskaičiuoti per daug ar per mažai

Čia prasideda tikrasis iššūkis. Standartinėms sienoms išmatuoti pakanka ruletės ir šiek tiek matematikos, bet su nestandartiniais kampais reikia kiek daugiau kantrybės.

Pirmiausia pasiruošk įrankius:

Lankstų matavimo juostelę (ne standartų metrą!)
Pieštukų ar žymeklį
Popieriaus lapą užrašams
Virvutę ar šnūrą ypač sudėtingiems kontūrams

Pradėk nuo paprastesnių atkarpų ir palaipsniui eik link sudėtingesnių. Kiekvieną atkarpą pažymėk ant popieriaus su trumpu aprašymu – patikėk, po valandos jau nebeatsimėsi, kur buvo „tas keistas kampas prie durų”.

Kai matuoji aplink iškilumus, pavyzdžiui, kolonas ar vamzdžius, naudok virvutę. Ją apvynioję aplink objektą, tiksliai pamatuosi reikiamą ilgį. Tik nepamirštk pridėti 2-3 cm atsargai – geriau nukarpyti, nei bėgti į parduotuvę dėl trūkstamo gabaliuko.

Kampų geometrija: kada matematika tampa praktika

Su standartiniais 90 laipsnių kampais viskas aišku, bet gyvenime retai kas būna tokia paprasta. Mano namuose, pavyzdžiui, yra kampas, kuris atrodo tarsi 90 laipsnių, bet iš tikrųjų yra 87. Gali atrodyti, kad skirtumas menkas, bet montuojant grindjuostę tie 3 laipsniai daro didžiulį skirtumą.

Nestandartiniams kampams išmatuoti naudoju paprastą, bet veiksmingą metodą:

Prie kampo pristatau du kartono gabalus išilgai sienų
Pažymiu jų susikirtimo liniją
Nukarpau pagal šią liniją – gaunu tikslų kampo šabloną
Šabloną perkeliuoju ant grindjuostės

Šis metodas ypač naudingas su įgaubtais kampais, kur grindjuostė turi „įeiti” į kampą, o ne jį apjuosti.

Iškilumų ir įdubimų sprendimas: kur lankstumas tampa privalumu

Štai kur lanksti grindjuostė tikrai nušvinta. Prisimenu, kaip bandžiau įrengti grindjuostę aplink senovinį radiatorių su visais jo iškilumais ir įdubimais. Su standartine medine grindjuoste būčiau turėjęs daryti dešimtis smulkių pjūvių ir vis tiek rezultatas būtų buvęs abejotinas.

Su lankščia grindjuoste procesas daug paprastesnis:

Iškilumams:
Grindjuostę šildau fenu (ne per karštai!) ir lėtai formuoju aplink iškilumą. Medžiaga tampa lankstesnė ir lengvai prisitaiko prie formos. Svarbu daryti tai palaipsniui – jei skubėsi, gali atsirasti raukšlių.

Įdubimams:
Čia reikia šiek tiek daugiau kantrybės. Grindjuostę įspaudžiu į įdubimą ir laiku fiksuoju, kol ji „įsimena” formą. Kartais tenka pakartoti procesą kelis kartus, kol gaunasi idealiai.

Montavimo gudrybės: kaip išvengti pradedančiųjų klaidų

Pirmą kartą montuodamas lankstų grindjuostę, padariau visas įmanomas klaidas. Dabar, turėdamas šiek tiek patirties, galiu pasidalinti tuo, ko tikrai neverta daryti.

Klaida nr. 1: Bandymas montuoti per šaltą grindjuostę. Žiemą, kai namuose vėsiau, medžiaga tampa standesnė. Prieš montavimą palaikyk grindjuostę šiltoje patalpoje bent kelias valandas.

Klaida nr. 2: Netinkamas klijavimas. Ne visi klijai tinka lankščiai grindjuostei. Aš naudoju specialų poliuretano klijų, kuris išlieka šiek tiek elastingas ir po išdžiūvimo.

Klaida nr. 3: Skubėjimas. Lanksti grindjuostė reikalauja kantrybės. Geriau skirti daugiau laiko ir padaryti kokybiškai, nei skubėti ir vėliau taisyti.

Praktinis patarimas: pradėk nuo mažiausiai matomos vietos. Taip galėsi „įsitreniruoti” prieš imantis sudėtingiausių atkarpų.

Įrankiai ir medžiagos: kas tikrai reikalinga, o be ko galima apsieiti

Internete rasite šimtus sąrašų su „būtinais” įrankiais, bet iš tikrųjų reikia gerokai mažiau nei atrodo.

Tikrai reikalinga:

Kokybiškas staklių peilis grindjuostei pjauti
Fenas formai suteikti
Tinkamas klijai
Guma ar medinis blokelis spaudimui
Švarūs skudurai pertekliaus pašalinimui

Naudinga, bet ne būtina:

Specialūs grindjuostės spaustukai
Kampų šablonai
Profesionalus šildymo pistoletas

Aš pirmą kartą viską dariau su namie turėtais įrankiais ir rezultatas buvo visai neblogas. Vėliau, įsigijęs kelis specializuotus įrankius, darbas tapo greatesnis ir patogesnės, bet ne drastiškai geresnis.

Dažniausios problemos ir jų sprendimai

Per kelis metus, padėjęs draugams ir pažįstamiems su panašiais projektais, susidūriau su tomis pačiomis problemomis ne kartą.

Problema: Grindjuostė neatsilipa nuo sienos kampuose.
Sprendimas: Greičiausiai naudojote per mažai klijų arba paviršius buvo nepakankamai švarus. Nuvalykite kampą, naudokite daugiau klijų ir laikykite spaudžiant ilgiau.

Problema: Matomi tarpai tarp grindjuostės ir sienos.
Sprendimas: Naudokite tinkamą hermetiką. Skaidrus silikoninis hermetikas puikiai užpildo nedidelius tarpus ir tampa nematomas.

Problema: Grindjuostė trūkinėja lenkimo vietose.
Sprendimas: Greičiausiai per greitai lenkėte arba medžiaga buvo per šalta. Pakeiskite pažeistą dalį ir kartokite procesą lėčiau.

Problema: Spalva neatitinka lūkesčių.
Sprendimas: Lankstį grindjuostę galima dažyti specialiais dažais plastikui. Tik būtinai naudokite gruntuotę geresniam sukibimui.

Kai viskas sudėlioja į vietą: paskutiniai štrichai ir išvados

Baigus projektą ir žiūrint į rezultatą, supranti, kad tas laikas ir pastangos tikrai apsimokėjo. Lanksti grindjuostė ne tik gražiai atrodo, bet ir suteikia tam tikro pasitenkinimo jausmo – juk įveikei tuos keistus kampus, kurie anksčiau atrodė neįmanomi.

Svarbiausia pamoka, kurią išmokau per šį procesą – neskubėti ir nepabijoti eksperimentuoti. Kiekvienas namas unikalus, ir tai, kas veikia vienoje vietoje, gali netikti kitoje. Lanksti grindjuostė suteikia laisvę prisitaikyti prie bet kokių aplinkybių.

Jei dar abejojate, ar imtis šio darbo pačiam, pasakysiu taip: jei sugebate surinkti IKEA baldą nepraradę proto, tikrai susitvarkysit ir su lankščia grindjuoste. Tiesiog skirkite pakankamai laiko, pasiruoškite reikalingus įrankius ir nepamirškite – kartais geriausi sprendimai gimsta iš klaidų. Mano pirmoji grindjuostė nebuvo tobula, bet ji mane išmokė, kaip daryti geriau kitą kartą.

O dabar, kai žinau visus gudrybės, galiu drąsiai sakyti: nestandartiniai kampai ir iškilumai nebėra priešai, o tiesiog dar vienas būdas parodyti, kad su tinkamais įrankiais ir šiek tiek kantrybės galima įveikti bet kokį iššūkį namuose.

Kaip skaityti statistinius duomenis: praktinis vadovas, padėsiantis neapsigauti naujienų antraštėse

1 birželio, 2025 www.statisticsjournal.lt

Faktai, Patarimai

Skaičiai meluoja. Arba meluojame mes?

Kiekvieną dieną naujienų portalai bombarduoja mus statistika. „Nusikalstamumas išaugo 40%.” „Nauja dieta sumažina širdies ligų riziką perpus.” „Lietuviai – vieni laimingiausių Europoje.” Skamba įtikinamai, tiesa? Problema ta, kad dauguma žmonių perskaito antraštę, patiki ja ir eina toliau. O būtent toje antraštėje dažniausiai ir slypi manipuliacija.

Statistika nėra objektyvi tiesa. Ji yra įrankis, o įrankius galima naudoti tiek gerai, tiek blogai. Žurnalistai, politikai ir rinkodaros specialistai tai žino puikiai.

Absoliutūs ir santykiniai skaičiai – klasikinė apgaulė

Štai pavyzdys: „Vaistas sumažina vėžio riziką 50%.” Skamba revoliucingai. Bet ką tai reiškia iš tikrųjų? Jei jūsų pradinė rizika susirgti buvo 2%, tai po vaisto ji tapo 1%. Santykinis sumažėjimas – 50%. Absoliutus – vienas procentinis punktas. Tai du visiškai skirtingi pasakojimai apie tą patį faktą.

Žiniasklaida beveik visada renkasi santykinį skaičių, nes jis atrodo įspūdingiau. Farmacijos kompanijos reklamose – taip pat. Kai kitą kartą pamatysite tokį teiginį, iškart klauskite: o koks buvo pradinis dydis? Be to konteksto skaičius yra beveik beprasmis.

Imtis – ta nepatogi smulkmena, kurią visi ignoruoja

„Tyrimas parodė, kad žmonės, klausantys klasikinės muzikos, uždirba daugiau.” Įdomu. O kiek žmonių dalyvavo tyrime? Jei atsakymas yra „34 studentai iš vieno universiteto” – galite tą tyrimą drąsiai pamiršti. Maža, nereprezentаtyvi imtis gali parodyti bet ką. Statistinis atsitiktinumas egzistuoja, ir su mažomis grupėmis jis daro stebuklus.

Be to, reikia klausti, kas tie žmonės. Jei apklausėte tik miesto gyventojus, jūsų išvados apie „visus lietuvius” yra, švelniai tariant, drąsios. Reprezentatyvumas – ne techninė detalė, o pagrindinis klausimas.

Koreliacija ir priežastingumas – amžinas galvos skausmas

Šis principas žinomas, bet nuolat pamirštamas. Šalyse, kur žmonės valgo daugiau šokolado, yra daugiau Nobelio premijos laureatų. Ar šokoladas daro žmones protingus? Žinoma, ne – abi tendencijos susijusios su turtingumu, o ne viena su kita.

Tačiau žiniasklaida nuolat rašo „X susiję su Y riziką” ir skaitytojai supranta tai kaip „X sukelia Y”. Žodis „susiję” čia atlieka labai svarbų darbą – jis techniškai teisingas, bet klaidina. Kai skaitote apie kokį nors ryšį, klauskite: ar buvo kontroliuojami kiti veiksniai? Ar tai tik koreliacija, ar tikrai nustatyta priežastis?

Bazinis lygis ir kontekstas – ko niekas nepasako

„Nusikalstamumas išaugo 40%!” Skamba baisiai. Bet jei praėjusiais metais buvo užfiksuoti 10 įvykių, o šiais – 14, tai matematiškai tikrai yra 40% augimas. Praktiškai – keturi papildomi atvejai dideliame mieste. Tai tragedija ar statistinis triukšmas? Labai priklauso nuo konteksto, kurio antraštė neduoda.

Tas pats veikia ir atvirkščiai. „Beveik niekas neserga X liga” gali reikšti, kad sergamumas sumažėjo nuo 0,001% iki 0,0005% – o gal tiesiog liga reta ir visada tokia buvo. Be bazinio lygio ir istorinės perspektyvos skaičiai plaukioja ore.

Tai ne paranoja – tai elementari higiena

Nereikia tapti statistiku, kad nepakliūtumėte į paprasčiausias spąstas. Pakanka kelių įpročių: visada ieškoti originalaus tyrimo, o ne jo interpretacijos; klausti, kiek žmonių buvo tiriama ir kas jie; skirti santykinius ir absoliučius skaičius; nepriimti koreliacijos kaip priežasties. Tai nėra sudėtinga – tai tiesiog atidumas, kurio žiniasklaida dažnai neskatina, nes paprastos, dramatiškos antraštės parduodasi geriau nei niuansuoti paaiškinimai. Kitą kartą, kai skaičius jus nustebins ar išgąsdinys, sustokite sekundei. Paklauskite: o palyginti su kuo? Ir kas tai matuoja? Dažnai paaiškės, kad istorija yra visiškai kitokia.

Kaip skaityti statistinius duomenis ir nepasiduoti klaidinančioms interpretacijoms: praktinis vadovas kiekvienam

1 gegužės, 2025 www.statisticsjournal.lt

Faktai, Patarimai

Skaičiai meluoja. Na, ne patys – bet žmonės, kurie juos rodo, kartais tikrai taip daro

Kiek kartų per savaitę matote antraštę tipo „Nauja studija įrodo, kad kavos gėrimas pailgina gyvenimą 20%”? Arba reklaminį skelbimą su užrašu „9 iš 10 odontologų rekomenduoja”? Statistika šiandien yra visur – politikų kalbose, produktų reklamose, socialinių tinklų įrašuose. Ir dažniausiai ji naudojama ne tam, kad jus informuotų, o tam, kad jus įtikintų.

Geroji žinia: jums nereikia būti matematiku, kad suprastumėte, kada kažkas bando jus apgauti skaičiais. Reikia tik kelių paprastų įrankių.

Absoliutūs ir santykiniai skaičiai – klasikinis triukas

Štai vienas mėgstamiausių manipuliacijų būdų. Įsivaizduokite, kad vaistas sumažina širdies priepuolio riziką 50 procentų. Skamba įspūdingai, tiesa? Bet ką tai reiškia realybėje?

Jei pradinė rizika buvo 2 iš 1000 žmonių, o dabar ji tapo 1 iš 1000 – tai santykinis sumažėjimas tikrai yra 50%. Tačiau absoliutus sumažėjimas yra vos 0,1%. Tas pats skaičius, visiškai skirtingas įspūdis.

Taisyklė paprasta: kai matote procentus, visada klauskite – procentai nuo ko? Koks buvo pradinis skaičius? Kiek žmonių tai realiai paveikė?

Imties dydis ir „reprezentatyvumas” – du žodžiai, kurie keičia viską

„Apklausta 1200 žmonių” skamba solidžiai. Bet kas tie žmonės? Jei visi jie buvo apklausti viename mieste, viename prekybos centre, vienu metu – tai ne Lietuvos nuomonė. Tai to prekybos centro lankytojų nuomonė tą dieną.

Imties dydis svarbus, bet imties kokybė svarbesnė. Maža, bet gerai atrinkta imtis gali būti daug patikimesnė nei didelė, bet šališka. Todėl ieškokite informacijos apie tai, kaip buvo renkami duomenys – ne tik kiek žmonių dalyvavo.

Koreliacija prieš priežastingumą – amžinas galvosūkis

Vasarą žmonės daugiau valgo ledų. Vasarą taip pat daugiau žmonių nuskęsta. Ar ledai kalta? Akivaizdžiai ne – abu reiškiniai tiesiog vyksta tuo pačiu metu, nes abu susiję su karštu oru.

Tai koreliacija be priežastingumo. Ir tokių pavyzdžių realiame gyvenime yra daugybė. Kai kažkas sako „tyrimai rodo, kad X sukelia Y” – klauskite: ar tai tikrai priežastinis ryšys, ar tiesiog du dalykai, kurie vyksta kartu? Ar buvo kontroliuojami kiti veiksniai?

Grafikai, kurie „šiek tiek” meluoja

Vizualizacijos – tai statistinių manipuliacijų aukso kasykla. Populiariausias triukas: Y ašis, kuri neprasideda nuo nulio. Jei rodomas augimas nuo 98 iki 100, bet grafikas prasideda nuo 97 – atrodo, kad kažkas padvigubėjo. Realybėje – pakilo 2%.

Kitas klasikas – 3D skritulinės diagramos, kuriose artimiausi segmentai vizualiai atrodo didesni nei tolimesni, nors skaičiai vienodi. Arba grafikai be jokių matavimo vienetų – tiesiog gražiai kylanti linija į viršų, be jokio konteksto.

Prieš „wow” efektą – pažiūrėkite į ašis. Visada.

Vidurkis, kuris nieko nesako

„Vidutinis atlyginimas Lietuvoje – X eurų.” Puiku. Bet koks vidurkis? Aritmetinis vidurkis yra labai jautrus ekstremaliam reikšmėms. Jei 9 žmonės uždirba 1000 eurų, o vienas – 100 000, vidutinis atlyginimas toje grupėje bus apie 10 900. Bet 9 iš 10 žmonių to pinigų kiekio niekada nematė.

Mediana – vidurinė reikšmė – dažnai yra daug sąžiningesnis rodiklis. Kai kalbama apie pajamas, kainas ar bet ką, kur yra didelė nelygybė, klauskite: ar tai vidurkis, ar mediana?

Tad ką daryti, kai sekantį kartą pamatysite statistiką?

Nesistenkite tapti skeptiku, kuris niekuo netiki. Statistika yra galingas ir svarbus įrankis – medicina, klimatologija, ekonomika be jos tiesiog neveiktų. Tikslas ne atmesti duomenis, o užduoti tinkamus klausimus.

Kas finansavo tyrimą? Kokia buvo imtis ir kaip ji atrinkta? Ar kalbama apie absoliučius ar santykinius skaičius? Ar grafikas neklaidina vizualiai? Ar koreliacija tikrai reiškia priežastingumą?

Penki klausimai. Jie nepadarys jūsų statistiku – bet padarys jus žmogumi, kurį sunkiau apgauti. O šiandieninėje informacijos pertekliaus eroje tai yra vienas vertingiausių įgūdžių, kurį galite turėti. Ir jis nieko nekainuoja – tik šiek tiek dėmesio.