Když chybí vysvětlivky

„Uživatelé hlásí o 23 % méně zubního kazu při použití zubní pasty Doakes“, hlásá velký nápis. Mohli byste mít o 23 % méně bolesti, tak čtete dál. S uspokojením zjistíte, že tyto výsledky pocházejí z „nezávislé“ laboratoře a jsou potvrzené „certifikovaným“ znalcem. Co víc byste chtěli?

Přesto, pokud nejste mimořádně důvěřiví nebo optimističtí, uvědomíte si na základě svých zkušeností, že jedna zubní pasta bude sotva o moc lepší než nějaká jiná.  Jak ale v tom případě mohou lidé od Doakesů publikovat takové výsledky? Mohou takhle beztrestně lhát, a ještě tak velikými písmeny? Nemohou a ani nemusejí. Existují snadnější a efektivnější způsoby.

Základním fíglem je nepřiměřený vzorek – v tomto případě velmi malý, statisticky nevýznamný.  Z hlediska potřeb Doakes je ale naprosto přiměřený. Testovací skupinu uživatelů, jak zjistíte, když si přečtete malá písmenka, tvořilo pouhých dvanáct osob.

(Doakes byste měli pochválit, že vám dali férovou šanci. Někteří inzerenti by tuto informaci vynechali, takže by i statisticky zdatní uživatelé mohli pouze hádat, jaké že triky zde byly použity. On vzorek o dvanácti lidech není až tak špatný, když se podíváte kolem. Před pár lety přišlo na trh něco, co se nazývalo Zubní prášek Dr. Cornishe. Výrobce tvrdil, že vykazuje „pozoruhodný úspěch v léčbě … zubního kazu.“ Základní idea spočívala v tom, že prášek obsahuje močovinu a laboratorní pokus měl prokázat, že je pro tento účel vhodná. Nesmyslnost tohoto tvrzení spočívala v tom, že tento pokus byl čistě předběžný a látka byla aplikována přesně v šesti případech.)

Vraťme se ale k tomu, jak snadno mohou Doakes otisknout takový titulek, aniž by v něm lhali a jak mohou mít certifikát na všechno, co v něm říkají. Na skupině šesti lidí budete po dobu šesti měsíců sledovat zubní kazy a pak nasadíte pastu Doakes. Mohou se stát tři věci: buď bude zubního kazu výrazně víc, nebo výrazně míň, anebo ho bude zhruba stejně. Pokud nastane první nebo poslední možnost, Doakes & Company si to číslo zapíše (někam stranou) a zkusí to znovu. Dříve nebo později, v podstatě náhodou, vykáže testovací skupina výrazné zlepšení, které vydá na takový titulek a možná i na celou reklamní kampaň.

Stalo by se to, ať by používali pastu Doakes nebo jedlou sodu nebo kdyby dál používali svou starou zubní pastu.

Důležité je pracovat s malou skupinou, neboť ve velké skupině bude každá změna, která se náhodou projeví, nejspíš velmi malá a nevydá na palcový titulek. Když prohlásíte, že došlo ke zlepšení o 2 %, tak to prodeji zubní pasty moc nepomůže.

Jak lze dosáhnout čirou náhodou výsledků, které absolutně nic neprokazují – s použitím dostatečně malého počtu případů?  Můžete si to vyzkoušet sami pro sebe a zdarma. Zkuste jenom házet mincí. Jak často padne orel? V polovině případů, samozřejmě. To ví každý.

Dobře, tak to prověříme a uvidíme … právě jsem zkusil desetkrát hodit mincí a orel mi padnul osmkrát, což znamená, že orel padá v osmdesáti procentech případů. No a takhle se to dělá se statistikou zubní pasty. Teď si to zkuste sami. Možná dosáhnete výsledku padesát na padesát, ale možná taky ne; máte stejně dobrou šanci jako já, že váš výsledek bude náhodou na hony vzdálený poměru padesát na padesát. A když budete mít dost trpělivosti, abyste hodili mincí tisíckrát, je téměř (ne však naprosto) jisté, že počet hodů kdy padne orel, bude blízký polovině všech hodů – to je výsledek, který představuje skutečnou pravděpodobnost. Pouze za předpokladu, že je počet provedených pokusů dostatečně velký, dá se průměr použít jako spolehlivý popis nebo předpověď.

Kolik pokusů je ale dostatečný počet? To je choulostivá otázka. Přijde na to, jak velký a jak rozmanitý je soubor, ze kterého vzorek vybíráte. Roli hraje i to, jaký jev sledujete.

Pozoruhodným způsobem se to projevilo před několika lety při testování vakcíny proti obrně. Zdálo se, že je to na poměry v medicíně velmi rozsáhlý test: v jedné komunitě bylo očkováno 450 dětí a 680 jich bylo pro kontrolu ponecháno bez vakcíny. Krátce nato přišel do komunity člověk, který onemocněl obrnou. Ani u jedno z očkovaných dětí se neprojevily známky nakažení touto nemocí.

Ovšem ani u žádného z těch kontrolních, neočkovaných dětí. Při přípravě projektu vědci přehlédli nebo nepochopili základní fakt – totiž velmi zřídkavý výskyt paralytické obrny. Ve skupině této velikosti se běžně mohly očekávat nanejvýš dva případy onemocnění, takže celý test byl nesmyslný už od samého začátku. Bývalo by muselo být tak patnáctkrát až dvacetkrát víc dětí, aby výsledek testu skutečně něco prokazoval.

Mnoho velkých, časem však pomíjivých lékařských objevů přišlo na svět podobně. „Pospěšte si,“ volal jeden lékař, „a používejte nový lék, než bude pozdě.“

Vina není vždycky jen na samotné medicíně. Za spuštěním léčby, jejíž účinnost není prokázaná, často stojí tlak veřejnosti a ukvapení novináři. Zvlášť, když je poptávka velká a statistická průprava slabá. Tak to bylo s očkováním proti rýmě, které bylo před několika lety velmi populární a teď nedávno je to to samé s antihistaminiky. Podstatná část popularity těchto neúspěšných „léčebných postupů“ vyplynula z nejasného charakteru těch onemocnění a z nedostatku logiky. Rýma se časem vyléčí sama.

Jak zabráníte tomu, abyste byli mateni nepřesvědčivými výsledky? Musí být každý člověk sám statistikem a studovat výchozí data? Tak strašné to není; existuje poměrně srozumitelný test významnosti. Stačí uvést, s jakou pravděpodobností je údaj z testu skutečným důsledkem provedeného pokusu a nakolik mohl výsledek vzniknout náhodou. Je to takové drobné číslo, vysvětlivka, která tam schází – s odůvodněním, že vy, laický čtenář, byste to nepochopil. Nebo naopak, pokud je v tom nějaká finta, že byste to pochopil.

Když vám zdroj vašich informací sdělí hladinu statistické významnosti, budete lépe vědět, na čem jste. Tato míra významnosti se nejjednodušeji vyjadřuje jako pravděpodobnost. Je to ten případ, kdy vám Statistický úřad sdělí, že jeho čísla mají uváděnou přesnost v devatenácti případech z dvaceti. Pro většinu účelů je tato pětiprocentní úroveň významnosti zcela dostačující. Pro některé účely je požadovaná jednoprocentní úroveň což znamená, že ze sta pokusů nastává v devadesátidevíti případech určitá odchylka nebo něco takového. Takhle velké pravděpodobnosti jsou někdy označovány jako „prakticky jisté“.

Existuje další typ drobných údajů, které tam chybí, typ, jehož vynechání může být stejně škodlivé. Je to ten typ údaje, který říká, v jakém rozpětí jsou prvky nebo jejich odchylky od daného průměru. Průměr – ať už aritmetický nebo medián, specifikovaný nebo nespecifikovaný – je často tak velkým zjednodušením, že je horší než nepoužitelný. Někdy je zdravější nevědět o dané věci vůbec nic než vědět něco, co není pravda.  Poloviční znalost může být nebezpečná věc.

Podle statistik sestává například průměrná americká rodina z 3,6 osob. Předpokládalo se, že tuto velikost bude mít většina domácností. Když se to převede do reality, znamená to tři nebo čtyři osoby, což potom znamená dvě ložnice.

Ale rodin o této „průměrné“ velikosti, je mezi všemi rodinami dost málo. „Stavíme průměrné domy pro průměrné rodiny,“ říká stavitel a nedbá na většinu rodin, které jsou buď větší nebo menší. V některých oblastech se na základě tohoto předpokladu stavělo příliš mnoho domů se dvěma ložnicemi a nestavělo se dost pro rodiny menší a větší. To je tedy příklad statistiky, jejíž neúplnost byla zavádějící a mělo to drahé následky. Americká Asociace veřejného zdraví k tomu říká: „Když se podíváme na aritmetický průměr z druhé strany a zjistíme rozsah jeho zkreslení, dojdeme k tomu, že tříčlenných a čtyřčlenných rodin je dohromady jen 45 %. Vedle toho je 35 % jednočlenných a dvoučlenných; 20 % rodin má víc než čtyři členy.“

S tím přesvědčivým a autoritativním údajem „3,6“ prostě zdravý rozum poněkud selhal. Toto precizní číslo jaksi zastínilo fakt, známý z běžné zkušenosti – že mnoho rodin je malých a jen málo je velkých.

Velmi podobné to bylo s drobnými čísly, která chyběla v tom, čemu se říká „Gesselovy normy“. Tatínkům a maminkám to způsobilo velké trápení. Přečetli si v sobotní příloze novin, že „díte“ se naučí sedět zpříma ve věku tolika a tolika měsíců a samozřejmě začali hned myslet na své vlastní děti. Když si jejich dítě nedokáže v tom věku sednout, dojdou rodiče k závěru, že jejich potomek je „retardovaný“ nebo „podprůměrný“ nebo něco podobně odporného. Vzhledem k tomu, že v uvedeném věku si nedokáže sednou skoro polovina dětí, bylo nešťastných rodičů poměrně hodně. Když to vezmeme čistě matemeticky, tak je toto neštěstí samozřejmě vyváženo radostí té druhé poloviny rodičů, kteří zjistí, že jejich děti jsou „pokročilé“. Snaha nešťastných rodičů, kteří budou nutit své děti, aby se přizpůsobily normám a přestaly být pozadu, mohou však dětem vážně ublížit.

Kritika však nepadá na hlavu Dr. Arnolda Gesella nebo na jeho metody. Chyba je v tom, že se informace filtruje přes senzacechtivého nebo špatně informovaného pisálka ke čtenáři, kterému nescházejí údaje, které při tom filtrování jaksi zmizely.  Velká část nedorozumění by odpadla, kdyby se ke „standardní úrovni“ nebo k průměru uvedlo i rozpětí (tzv. percentilové rozdělení). Když rodiče uvidí, že jejich děcko je v mezích normálu, přestanou si dělat starosti s nějakou malou a nepodstatnou odchylkou. Stejně je sotva někdo ve všech ohledech přesně v normálu. Je to jako když hodíte stokrát mincí – také vám nepadne přesně padesátkrát panna a padesátkrát orel.

Všechno to zlo pochází ze záměny „normálního“ se „žádoucím“. Dr. Gesell prostě uvedl zjištěná fakta; rodiče si ale přečetli knihy a články a došli k závěru, že dítě, které začne chodit o den nebo o měsíc později, musí být horší.

Zprávy Dr. Alfreda Kinseye[1] sklidily velkou a velmi hloupou kritiku (nejspíš od lidí, kteří ty zprávy ani pořádně nepřečetli). Zlobili se, protože normální vnímali jako dobré, správné a žádoucí. Říkali, že Dr. Kinsey kazí mládež tím, že jí dává návody a zvláště pak tím, že považuje všechny populární, ale neschválené sexuálních praktiky za normální. On ale jenom oznámil to, co zjistil. Že tyto aktivity jsou obvyklé, tedy normální, ale nedával jim žádná schvalovací razítka nebo cejchy. Jestli jsou nebo nejsou nemravné, nebylo předmětem zkoumání v oboru, který Dr. Kinsey1 považoval za svůj. Narazil na to, s čím muselo bojovat i mnoho dalších badatelů: s faktem, že mluvit o věcech, které mají velký emocionální dopad je nebezpečné, pokud hned neřeknete, zda jste pro nebo proti.

Zrádné je, že chybějící vysvětlivky často ani nepostrádáme. Je to samozřejmě i tajemství jejich úspěchu. Kritici dnešního novinářského stylu si stěžují, že ubývá té staré, poctivé novinářské práce, která vyžadovala u všeho být. Krutě odsuzují „Washingtonské korespondenty od stolu,“ kteří se živí nekritickým přepisováním toho, co jim vláda předhodí. Jako příklad takové pasivní žurnalistiky zvažte tento údaj ze seznamu „nových průmyslových objevů“ ve zpravodajském časopise Fortnight: „Nová studená lázeň firmy Westinghouse ztrojnásobuje tvrdost oceli.“

No, to zní skoro jako objev … dokud se tomu nepodíváte na zoubek a nezjistíte, co to znamená. Pak je to najednou neuchopitelné jako rtuť.  Udělá snad ta lázeň konkrétní ocel třikrát tvrdší, než byla předtím? Nebo je výsledkem ocel, která je třikrát tvrdší než jakákoliv dosavadní ocel? Nebo co to vlastně znamená? Ukazuje se, že reportér převzal některá slova, aniž by zjišťoval, co znamenají. A od vás se čeká, že si je stejně nekriticky přečtete a budete se radovat, že jste se z nich něco dozvěděli. Velmi silně to připomíná starou definici přednášky z příručky o výuce: přednáška je proces, při kterém se obsah učebnice pedagoga přenáší do sešitu studenta, aniž by prošel hlavami obou zúčastněných.

Před pár minutami, když jsem hledal v časopise Time něco o dr. Kinseyovi, jsem narazil na další takové prohlášení, které se na druhý pohled úplně sesype.  Objevilo se v inzerátu skupiny elektrárenských společností v roce 1948. „Dnes je elektrický proud dostupný více než třem čtvrtinám amerických zemědělských farem …“ To zní opravdu pěkně. Tyhle elektrárenské společnosti dělají svou práci dobře.  Samozřejmě, kdybyste chtěli být zlí, mohli byste to parafrázovat a říct, že „téměř pro jednu čtvrtinu amerických farem je dnes elektrický proudu nedostupný.“ Ten skutečný trik je ale ve slově „dostupný,“ a když ho ty společnosti použily, mohly tvrdit cokoliv, co chtěly. Zjevně to neznamená, že všichni tito farmáři proud mají, jinak by to v tom inzerátu tak napsali. Oni mají proud pouze „dostupný“ – a to podle všeho co vím, může znamenat, že elektrické dráty vedou kolem jejich farem nebo jsou jen deset nebo sto mil od nich.

Dovolte, abych ocitoval titulek jednoho článku, otištěného v Collieru v roce 1952: Už dnes můžete říct, JAK VYROSTE VAŠE DÍTĚ.“ Spolu s článkem jsou otištěny dvě nápadné tabulky, jedna pro chlapce a jedna pro dívky, které ukazují, jaké procento své konečné výšky dosahuje dítě v každém roce svého života. „Chcete-li určit výšku svého dítěte při maturitě“, říká titulek, „porovnejte jeho aktuální výšku s tabulkou.“

Legrační na tom je, že sám tento článek – když si ho přečtete celý – vám řekne, v čem je fatální slabina těch tabulek. Všechny děti nerostou stejným způsobem. Některé začínají pomalu a pak zrychlují; některé vystřelí rychle, ale po čase zpomalí; u ještě dalších je proces růstu relativně stabilní. Tabulka, jak asi tušíte, je založena na průměrech, vypočítaných z velkého počtu měření. Z hlediska celku nebo průměru jsou výšky stovek dětí, vybraných náhodně, bezesporu dostatečně přesné. Ale rodič má zájem v dané chvíli jen o jednu výšku a k tomuto účelu je taková tabulka naprosto bezcenná. Jestli si přejete vědět, jak velké bude vaše dítě, možná to nejlépe odhadnete, když se podíváte na jeho rodiče a prarodiče. Tato metoda sice není tak vědecká a jasná, jako ty tabulky, ale je přinejmenším stejně přesná.

Pobavilo mě, když jsem si toho všimnul a vzal jsem výšku, se kterou jsem se zapisoval do vojenského kurzu na střední škole. To mi bylo 14 a skončil jsem v zadní řadě čety těch nejmenších. Měl jsem časem růst na pouhých 5 stop a 8 palců. Teď mám 5 stop a 11 palců. Třípalcový (cca 7,5 cm) omyl ve výšce člověka, to mi přijde jako hodně špatný odhad.

Mám před sebou dva obaly od vloček s hrozinkami a ořechy. Jsou to dvě různé verze, jak vyplývá z toho, co je na nich vytištěno: citují Pistolníka Peta a ten říká, „Jestli chcete být jako Hoppy … musíte jíst jako Hoppy!“ Obě nabízejí grafy (jejichž „pravdivost potvrdili vědci!“), které dokazují, že tyto vločky „vám začnou dodávat energii za pouhé 2 minuty!“ V jednom případě je graf ukrytý v houštině výkřiků a má čísla postraně; ve druhém případě byla čísla vynechána. To je ale úplně jedno, protože tu není sebemenší náznak, co ta čísla znamenají. Oba grafy ukazují strmě stoupající červenou křivku („uvolňování energie“), ale na jednom začíná minutu poté, co sníte vločky s rozinkami a ořechy, a na druhém začíná dvě minuty poté, co jste dojedli. Jedna čára šplhá nahoru skoro dvakrát rychleji než ta druhá, což rovněž naznačuje, že ani autor grafů jim nepřikládal valný význam.

Taková pitomost se dá namalovat snad jen tehdy, když víte, že přijde do rukou malých děcek nebo jejich rozespalých rodičů. S takovým statistickým šmejdem by jistě nikdo neurážel inteligenci zdatného obchodníka … nebo ano? Dovolte mi zmínku o grafu, který byl využit jako reklama na reklamní agenturu (doufám, že to není matoucí). Bylo to v takové spíš odbornější rubrice časopisu Fortune. Čára na tomto grafu znázorňovala působivý trend růstu obchodů agentury rok od roku. Nebyla tam žádná čísla. Tento graf mohl se stejnou poctivostí znázorňovat buď obrovský růst, při němž se obrat zdvojnásobuje nebo zvyšuje o miliony dolarů ročně, nebo pokrok rychlostí šneka, při němž se roční obrat zvyšuje jen o dolar nebo dva. Výsledný dojem však byl neobyčejný.

Průměrům, grafům či trendům přiliš nevěřte, chybí-li dostatečné upřesnění či vysvětlení. Bez nich jste tak slepí jako muž, který si vybírá místo na stanování jen podle zpráv o průměrné teplotě. Průměrnou teplotu 61 stupňů (myšleno Fahrenheita, což je 16,1 stupňů Celsia) můžete považovat za příjemný roční průměr. V Kalifornii si můžete vybrat několik míst s tímto průměrem – třeba vnitrozemská poušť nebo Ostrov San Nicolas na jižním pobřeží. Když budete ignorovat rozpětí, můžete mrznout nebo se usmažíte. V San Nicolas je rozpětí mezi 8,3 až 30,5 stupňů Celsia, ale v poušti je to od  -9,5 do + 40 stupňů Celsia).

Oklahoma City může nabídnout podobnou průměrnou teplotu za posledních 60 let: 15,6 stupňů Celsia. Za tímto chladným a příjemným číslem se ale skrývá rozpětí přes 70 stupňů Celsiovy stupnice.

Poznámka Evy Zamrazilové:

V komentáři ke kapitole 1 jsem poukázala na to, že i když je jakékoli výběrové šetření provedeno zcela korektně a není tedy zatíženo systematickou chybou, stejně jsou jeho výsledky vždy zatíženy tzv. statistickou chybou. Výsledky výběrového šetření jsou vždy jen odhadem, který s určitou pravděpodobností platí pro celý základní soubor. Statistickou chybu nelze odstranit, protože to je cena, kterou platíme za to, že nelze prozkoumat kompletně celý základní soubor. Statistické chyby se tedy (na rozdíl od chyby systematické) nelze zbavit, ale lze odhadnout její velikost.  K odhadu statistické chyby se obvykle používá směrodatná odchylka. Podle ní se stanoví interval, v němž s určitou pravděpodobností leží odhadovaná veličina. To je pak maximální a naprosto korektní vymezení přesnosti výsledku výběrového šetření.

Jak to v praxi probíhá. Začneme s tím, jak vysokou statistickou chybu odhadu jsme ochotni tolerovat – obvykle je tolerována statistická chyba ve výši 5 %, někdy je požadováno pouhé 1 %.  Potom statistik určuje tzv. interval spolehlivosti, tedy interval, v němž s pravděpodobností 95 % (nebo 99 %) leží skutečná hodnota sledovaného ukazatele pro celý základní soubor.  Ve většině případů se předpokládá tzv. normální rozdělení a pak se interval spolehlivosti získá pronásobením směrodatné odchylky (z výsledků, které jsme získali ve výběrovém šetření) a kvantilu normovaného normálního rozdělení. Když akceptujeme 5 % výši statistické chyby, je příslušná hodnota kvantilu 1,96; když jsme ochotni připustit jen 1% výši chyby, je hodnota kvantilu 2,69. Možná jste již slyšeli o pravidle 2 nebo 3 sigma – to je odvozené pravidlo založené právě na tomto principu. Čím vyšší pravděpodobnost požadujeme, tím širší musí být interval. 95 % je většinou považováno za rozumný kompromis mezi přesností odhadu a šířkou intervalu.

Potom si můžeme být na 95 % jisti, že výsledek z výběrového šetření leží v intervalu (výsledek +/- 1,96násobek směrodatné odchylky), jinak řečeno, že s 95 % pravděpodobností se bude zjišťovaná hodnota v základním souboru nalézat v námi vymezeném intervalu.

Společně s výsledky výběrového šetření by tedy měly být uváděny i podmínky, za nichž byl výzkum proveden. Mělo by být správně uvedeno, jak rozsáhlý byl výběrový soubor, a jak široký je interval, v němž s 95 % (nebo 99 %) pravděpodobností leží skutečná hodnota odhadované charakteristiky, o níž ve výběrovém šetření jde. Proto nazval pan Huff tuto kapitolu ironicky „The Little Figures that are not there“, doslova „Drobné údaje, které tam nejsou“.  Dnes bychom také mohli říct, že „ďábel je v detailu“. Více se o výběrových šetřeních můžete dozvědět na webových stránkách ČSÚ, kde u výsledků šetření „drobná čísla nikdy nechybí. Můžete také zasurfovat po webových stránkách agentur, které se různými šetřeními či průzkumy veřejného mínění profesionálně zabývají.

doc. Ing. Eva Zamrazilová, CSc.

Po studiu na národohospodářské fakultě VŠE vyučovala teorii statistiky a ekonomickou statistiku na VŠE, pracovala jako vědecký pracovník v Ústavu prognózování VŠE, v Ekonomickém ústavu ČSAV a Výzkumném ústavu práce a sociálních věcí. V 90. letech spolupracovala na řadě studií k tématice transformace české ekonomiky, absolvovala krátkodobé stáže v zahraničí. Doktorandské studium ukončila v roce 1990 na Katedře statistiky NH fakulty VŠE. Od roku 1994 pracovala na makroekonomických analýzách a prognózách v Týmu hlavního ekonoma Komerční banky. Byla členkou vědeckého grémia České bankovní asociací v rámci Pracovní skupiny pro ekonomické a měnové otázky, je členkou předsednictva České společnosti ekonomické a nositelkou ceny ČSE. Přednáší makroekonomickou analýzu na Vysoké škole ekonomie a managementu. Dlouhodobě publikuje v domácím i zahraničním odborném tisku na témata makroekonomické rovnováhy, konvergenčního procesu tranzitivních ekonomik, hospodářské politiky, trhu práce (je autorkou či spoluautorkou více než 150 odborných titulů), rovněž přednáší na odborných konferencích. S účinností od 1. března 2008 byla Eva Zamrazilová jmenována členkou bankovní rady ČNB.

Poznámka ČSÚ – Tereza Košťáková, Petr Musil

Každý z nás je často konfrontován se sděleními, která jsou ilustrována či podpořena číselnými údaji, což vyvolává dojem důvěryhodnosti a vědeckosti. Sdělením, která jsou podpořena čísly, máme nepochybně tendenci více důvěřovat než všeobecným formulacím. Toho si je vědoma řada tvůrců reklam a dalších sdělení, a proto se snaží podpořit svá tvrzení statistickými ukazateli. Jako zvídaví uživatelé bychom se měli ptát: O čem ukazatel vypovídá? Jak byl spočítán? Jaká data byla využita? Odpovědi na tyto otázky by měly být součástí sdělení, někdy avšak zcela chybí či jsou neúplné nebo velmi nenápadné.

Český statistický úřad vytváří a publikuje řadu statistických ukazatelů, které popisují ekonomický, demografický, sociální a ekologický vývoj České republiky. Většina ukazatelů je mezinárodně srovnatelná, neboť vychází z metodik OSN, Eurostatu a dalších mezinárodních institucí. Český statistický úřad důsledně zveřejňuje metodické vysvětlivky, které seznamují uživatele s obsahem ukazatelů a se způsobem jejich vzniku. Čtenář se dozví informace jak o sběru a zpravování dat, tak o tvorbě výsledných statistických ukazatelů. Jestliže uživatel nenajde odpovědi na své otázky v publikacích nebo na webu, může se obrátit přímo na zaměstnance ČSÚ. Infoservis je zde od toho, aby pomohl uživatelům nalézt odpovědi, nasměroval je k potřebným informacím či zprostředkoval konzultaci se specializovanými odborníky. Každý rok vyřizuje tisíce požadavků českých i zahraničních uživatelů.

Ing. Tereza Košťáková

Absolvovala obory Hospodářská politika a Ekonomická žurnalistika na Vysoké škole ekonomické v Praze. Pracuje v Českém statistickém úřadě, kde postupně zastávala různé pozice. Mimo jiné se podílela na vývoji nové metody odhadu zahraničního obchodu v podmínkách jednotného trhu EU, od roku 2014 byla vedoucí oddělení čtvrtletních odhadů v odboru národních účtů, které odpovídá za čtvrtletní odhady hrubého domácího produktu a souvisejících makroekonomických agregátů. Patří mezi uznávané odborníky v oblasti zahraničního obchodu a dopadů globalizace na vypovídací schopnost statistických ukazatelů. Je autorkou populárně naučné knihy „O složitém jednoduše – aneb nebojte se statistiky, nekouše“.

Ing. Petr Musil, Ph.D.

Absolvoval obor Statistické a pojistné inženýrství na Vysoké škole ekonomické v Praze, kde získal doktorát v oboru Statistika. Již při studiích nastoupil do Českého statistického úřadu, kde prošel několika pozicemi a od roku 2021 je ředitelem sekce makroekonomických statistik. Podílel se na zavádění mezinárodních standardů národního účetnictví ve vybraných zemích v rámci mezinárodních projektů. Je autorem nebo spoluautorem desítek odborných článků a konferenčních příspěvků. Patří mezi uznávané odborníky v oblasti ekonomické statistiky. V rámci pedagogické činnosti se podílí na výuce ekonomické a sociální statistiky na Fakultě informatiky a statistiky VŠE v Praze.

Zdroj: Darrell Huff

Předchozí článekCo průměr zatajuje
Další článekMnoho povyku, prakticky pro nic

Jak lhát se statistikou