A estatística é uma ferramenta útil para entender os padrões do mundo ao nosso redor. Mas nossa intuição geralmente nos decepciona quando se trata de interpretar esses padrões. Nesta série, analisamos alguns dos erros comuns que cometemos e como evitá-los quando pensamos em estatística, probabilidade e risco.

1. Assumindo pequenas diferenças são significativas

Muitas das flutuações diárias no mercado de ações representam o acaso em vez de algo significativo. Diferenças nas pesquisas quando uma parte está à frente por um ponto ou dois são, com frequência, apenas ruído estatístico.

Você pode evitar tirar conclusões erradas sobre as causas de tais flutuações, exigindo ver a “margem de erro” relativa aos números.

Se a diferença for menor do que a margem de erro, provavelmente não haverá diferença significativa, e a variação provavelmente será apenas devido a flutuações aleatórias.

Barras de erro ilustram o grau de incerteza em uma pontuação. Quando tais margens de erro se sobrepõem, a diferença é provável que seja devido ao ruído estatístico.

2. Equação da significância estatística com significado no mundo real

Muitas vezes ouvimos generalizações sobre como dois grupos diferem de alguma forma, como por exemplo, que as mulheres são mais carinhosas enquanto os homens são fisicamente mais fortes.

Essas diferenças freqüentemente se baseiam em estereótipos e na sabedoria popular, mas muitas vezes ignoram as semelhanças entre as pessoas entre os dois grupos e a variação das pessoas dentro dos grupos.

Se você escolher dois homens aleatoriamente, é provável que haja muita diferença em sua força física. E se você escolher um homem e uma mulher, eles podem acabar sendo muito semelhantes em termos de nutrição, ou o homem pode ser mais carinhoso do que a mulher.

Você pode evitar esse erro perguntando pelo "tamanho do efeito" das diferenças entre os grupos. Esta é uma medida de quanto a média de um grupo difere da média de outro.

Se o tamanho do efeito é pequeno, os dois grupos são muito semelhantes. Mesmo que o tamanho do efeito seja grande, os dois grupos provavelmente terão uma grande variação dentro deles, portanto nem todos os membros de um grupo serão diferentes de todos os membros de outro grupo.

3. Negligenciando olhar para extremos

O flipside do tamanho do efeito é relevante quando a coisa na qual você está se concentrando segue um “distribuição normal”(Às vezes chamado de“ curva de sino ”). É aqui que a maioria das pessoas está perto da média e apenas um pequeno grupo está bem acima ou bem abaixo da média.

Quando isso acontece, uma pequena mudança no desempenho para o grupo produz uma diferença que não significa nada para a pessoa média (veja o ponto 2), mas que muda radicalmente o caráter dos extremos.

Evite esse erro, refletindo se você está lidando com extremos ou não. Quando você está lidando com pessoas comuns, as diferenças entre grupos pequenos geralmente não importam. Quando você se importa muito com os extremos, diferenças de pequenos grupos podem ser importantes.

Quando duas populações seguem uma distribuição normal, as diferenças entre elas serão mais aparentes nos extremos do que nas médias.

4. Confiando em coincidência

Você sabia que há um correlação entre o número de pessoas que se afogavam a cada ano nos Estados Unidos caindo em uma piscina e número de filmes em que Nicholas Cage aparecia?

Mas existe um elo causal? tylervigen.com

Se você procurar bastante, poderá encontrar padrões e correlações interessantes que são meramente devido à coincidência.

Só porque duas coisas acontecem ao mesmo tempo, ou em padrões semelhantes, não significa que elas estejam relacionadas.

Evite esse erro perguntando quão confiável é a associação observada. É um caso único ou já aconteceu várias vezes? As futuras associações podem ser previstas? Se você viu apenas uma vez, é provável que seja devido a uma chance aleatória.

5. Obtendo causa para trás

Quando duas coisas estão correlacionadas - digamos, desemprego e problemas de saúde mental - pode ser tentador ver um caminho causal “óbvio” - dizer que problemas de saúde mental levam ao desemprego.

Mas, às vezes, o caminho causal vai na direção oposta, como o desemprego que causa problemas de saúde mental.

Você pode evitar esse erro lembrando-se de pensar em causalidade reversa quando vê uma associação. A influência poderia ir na outra direção? Ou poderia ir nos dois sentidos, criando um ciclo de feedback?

6. Esquecendo de considerar causas externas

As pessoas muitas vezes não conseguem avaliar possíveis “terceiros fatores”, ou causas externas, que podem criar uma associação entre duas coisas, porque ambas são, na verdade, resultados do terceiro fator.

Por exemplo, pode haver uma associação entre comer em restaurantes e melhorar a saúde cardiovascular. Isso pode levar você a acreditar que existe uma conexão causal entre os dois.

No entanto, pode acontecer que aqueles que podem comer nos restaurantes regularmente estejam em uma faixa socioeconômica alta, e também possam pagar por melhores cuidados de saúde, e é a assistência médica que proporciona melhor saúde cardiovascular.

Você pode evitar esse erro lembrando-se de pensar em terceiros fatores ao ver uma correlação. Se você está seguindo uma coisa como uma causa possível, pergunte a si mesmo o que, por sua vez, causa essa coisa? Poderia esse terceiro fator causar os dois resultados observados?

7. Gráficos enganosos

Muito dano ocorre no escalonamento e rotulagem do eixo vertical nos gráficos. Os rótulos devem mostrar o alcance completo e significativo do que você está olhando.

Mas às vezes o criador de gráficos escolhe um intervalo mais estreito para fazer com que uma pequena diferença ou associação pareça mais impactante. Em uma escala de 0 para 100, duas colunas podem ter a mesma altura. Mas se você representar graficamente os mesmos dados apenas mostrando do 52.5 para o 56.5, eles podem parecer drasticamente diferentes.

Você pode evitar esse erro tomando cuidado ao observar os rótulos do gráfico ao longo dos eixos. Seja especialmente cético em relação aos gráficos não marcados.

Os gráficos podem contar uma história - fazendo as diferenças parecerem maiores ou menores dependendo da escala.

Sobre o autor

Winnifred Louis, Professor Associado de Psicologia Social, A, universidade, de, queensland e Cassandra Chapman, PhD Candidate em Psicologia Social, A, universidade, de, queensland

Este artigo foi originalmente publicado em A Conversação. Leia o artigo original.

Livros relacionados:

at InnerSelf Market e Amazon