L'illusion en statistique peut tromper le grand public. Avec le professeur Norman Fenton

Pourquoi le même site officiel de santé britannique, la même date, publie un document recommandant de vacciner les femmes enceintes et le document Pfizer déconseillant de le faire?
(image en annexe du touitte original https://twitter.com/LauwersTaty/status/1573364537398640641).

Les fonctionnaires ont été victimes d'une illusion statistique, le biais du survivant. Le prof Fenton, @profnfenton sur tw, nous en fait la démonstration en vidéo.

Le pitch de la démonstration en vidéo de : "Toute revendication d'innocuité est susceptible d'être une illusion statistique qui peut cacher des preuves solides de l'absence d'innocuité"

Ceci est un teaser pour la vidéo complète https://www.bitchute.com/video/xeZO0vOyOSEa/

La vidéo a été bannie de YT deux fois: quelle prouesse! Et surtout quelle toute bonne indication que le contenu est très dérangeant pour la doxa.

Extrait de son article sur le sujet: https://www.normanfenton.com/post/the-statistical-illusion-of-better-pregnancy-outcomes-for-vaccinated-women

"Conclusion : Bien que l'exemple n'utilise que des données hypothétiques, il illustre les limites des études du monde réel revendiquant la sécurité et l'efficacité des vaccins pour les échecs de grossesse. Pour une évaluation rigoureuse de l'innocuité, les données sur l'issue de la grossesse nécessitent une catégorisation appropriée des personnes vaccinées et non vaccinées et doivent inclure les données pour chaque phase de la grossesse (idéalement 3 trimestres, mais au moins " début " et " fin "). La plupart des études du monde réel revendiquant l'innocuité des vaccins ne sont basées que sur des données agrégées, et en tant que telle, toute revendication d'innocuité est susceptible d'être une illusion statistique qui peut cacher des preuves solides de l'absence d'innocuité."

Prof Fenton: Professor of Risk Information Management at Queen Mary University of London and a Director of Agena, a company that specialises in risk management for critical systems. I’m a mathematician by training with current focus on critical decision-making and, in particular, on quantifying uncertainty using causal, probabilistic models that combine data and knowledge (Bayesian networks). The approach can be summarized as 'smart data rather than big data'.