Resumo em PDF:Estatística, por Charles Wheelan

As estatísticas nos ajudam a usar os dados para entender o mundo, e os insights estatísticos ajudam a orientar a sociedade moderna, informando práticas médicas, políticas públicas e fiscais, iniciativas educacionais, decisões comerciais e de marketing, e assim por diante. Mas as estatísticas não são apenas para "especialistas". Graças a Charles Wheelan, as estatísticas não precisam ser intimidadoras. Estatística coloca a matemática por trás das estatísticas em termos digeríveis e explica os conceitos estatísticos com exemplos relacionáveis, relevantes e até bem-humorados. Os leitores também se beneficiam de uma visão sociopolítica adicional do livro, pois Wheelan usa anedotas do mundo real para explorar como as estatísticas podem informar a tomada de decisões coletivas.

Como Wheelan faz em Estatísticaeste guia se concentra no significado e no contexto das estatísticas comumente usadas, e não em seus cálculos. Depois de explicar a visão que cada conceito estatístico oferece e como interpretá-lo, este guia usa exemplos reais e fictícios para adicionar contexto.

(continuação)...

O trabalho de Vigen foi destacado pela Harvard Business Review e recebeu críticas positivas do Boston Globe e do Washington Post, entre outros, em parte porque esses exemplos ridículos destacam o fato de que equiparar a causalidade à correlação é incorreto, não importa quão próxima seja a relação.

Outra técnica estatística, a análise de regressão, vai além da descrição da relação entre duas variáveis e nos permite fazer previsões matemáticas com base nessas relações. Por exemplo, o proprietário do viveiro acima poderia gerar uma equação com a análise de regressão para prever quantas flores suas plantas teriam com base na quantidade de luz solar que ela lhes dava.

Análise de regressão para tabagismo e câncer de pulmão

Como explica Wheelan, a análise de regressão é um elemento básico da pesquisa em ciências médicas e sociais. Um estudo da National Library of Medicine usou a análise de regressão para calcular que , para cada 1% a mais de tabagismo coletivo entre adultos americanos, as taxas de câncer de pulmão aumentam em 164 casos por 1.000 cidadãos.

As estatísticas ajudam a responder perguntas complicadas

A probabilidade é uma forma pela qual a estatística pode nos ajudar a tomar decisões mais informadas. Ela nos permite gerenciar a incerteza, calcular riscos e colocar os possíveis resultados em perspectiva. Wheelan explica que a compreensão da probabilidade pode ser especialmente relevante para nossa vida cotidiana porque tomamos decisões com base em nossa percepção de probabilidade o tempo todo. No entanto, nossa percepção dos resultados prováveis costuma ser matematicamente irracional. Por exemplo, a probabilidade de sofrer um acidente de carro ao dirigir para uma praia é muito maior do que a probabilidade de ser atacado por um tubarão, mas muitas vezes - irracionalmente - tememos mais o risco do tubarão.

A probabilidade não é intuitiva

Há vários motivos para nossa percepção matematicamente irracional da probabilidade, incluindo:

Viés de confirmação: quando nos concentramos no que esperamos e ignoramos o resto. Usando o exemplo do ataque de tubarão acima, podemos justificar nosso medo de nadar na praia com uma declaração do tipo "bem, aquele cara foi mordido por um tubarão em Cape Cod no ano passado!", ignorando as dezenas de milhares de nadadores que não foram atacados.

Lógica anedótica: Eventos improváveis estão estatisticamente sujeitos a acontecer, e as pessoas percebem e falam sobre eles quando acontecem. Essas histórias de ocorrências improváveis ficam em nossas mentes e moldam nossa percepção do que é provável. Por exemplo, digamos que você tenha um amigo diagnosticado com um câncer extremamente raro. Mesmo que o diagnóstico do seu amigo seja uma anomalia, a forma rara de câncer de repente parece mais prevalente.

Pensamento de curto prazo: Os seres humanos são evolutivamente programados para pensar a curto e médio prazo, o que pode nos fazer sentir como se estivéssemos testemunhando eventos estatisticamente improváveis quando não estamos (por exemplo, testemunhar uma inundação de 100 anos) e nos tornar incapazes de processar dados de longo prazo (por exemplo, concentrar-se na onda de frio dos últimos dias e ignorar a mudança climática).

A tendência de nosso cérebro de não entender a probabilidade faz com que seja um assunto útil a ser estudado se quisermos usar a estatística para tomar decisões mais informadas.

As pessoas geralmente usam a probabilidade para avaliar o risco ao tomar decisões financeiras. Wheelan explica que uma estatística chamada "valor esperado" pode nos ajudar a determinar se queremos correr um risco financeiro quando conhecemos a probabilidade de cada resultado possível e seu respectivo retorno. As incorporadoras imobiliárias, por exemplo, podem usar essa ferramenta para se certificar de que seus vários investimentos provavelmente darão lucro como um todo. Mesmo que uma propriedade perca dinheiro ou tenha um desempenho inferior em um determinado ano, desde que o valor esperado de seu portfólio seja lucrativo em geral, é provável que eles ganhem dinheiro.

Probabilidade e compra de estoque

Como explica Wheelan, a probabilidade é uma ferramenta eficaz para gerenciar riscos. Infelizmente, muitos de nós subutilizamos a probabilidade ao investir no mercado de ações. Pesquisas mostram que tendemos a superestimar a probabilidade de eventos raros e nossa capacidade de prevê-los. Por exemplo, as pessoas geralmente investem em uma única ação que acham que será a próxima Apple, em vez de distribuir seus investimentos em um portfólio diversificado. Portanto, as pessoas tendem a subdiversificar suas ações, o que lhes custa uma média de US$ 2.500 por ano.

O uso de estatísticas como o valor esperado é provavelmente uma boa ideia antes de investir no mercado de ações, pois pode moderar nossa "intuição" sobre uma ação com a matemática e nos ajudar a fazer investimentos mais inteligentes.

Além de nos ajudar a tomar decisões mais bem informadas, as estatísticas podem oferecer insights sobre questões que não poderiam ser respondidas por um experimento. Por exemplo, digamos que queremos saber se a exposição a um determinado produto químico (vamos chamá-lo de produto químico X) corresponde a taxas mais altas de câncer. A ética impede a exposição proposital de pessoas ao produto químico X em um ambiente de laboratório para fins científicos. Além disso, tantas outras variáveis afetam o risco pessoal de câncer de uma pessoa que não é possível saber se a substância química X foi a única causa do diagnóstico de câncer de alguém. Sem as estatísticas, perguntas complexas, mas importantes, como essa, permaneceriam sem resposta.

Para responder à pergunta se o produto químico X está associado a taxas mais altas de câncer, os pesquisadores poderiam coletar um grande conjunto de dados que incluísse pessoas expostas e não expostas ao produto químico X e registrar suas taxas de diagnóstico de câncer. Em seguida, os pesquisadores poderiam usar a análise de regressão para determinar a associação entre a exposição ao produto químico X e o diagnóstico de câncer, independentemente de outros fatores, como tabagismo, exercícios, histórico familiar e assim por diante. As estatísticas podem até nos dizer qual porcentagem do risco geral de câncer de uma pessoa está matematicamente associada à exposição ao produto químico X e não a outros fatores.

Como explica Wheelan, a capacidade de separar matematicamente variáveis individuais (como a exposição a um determinado produto químico) na complexidade do mundo real torna a análise estatística uma parte inestimável da pesquisa em ciências médicas e sociais.

Usando estatísticas para avaliar se o dinheiro pode comprar a felicidade

Os pesquisadores até mesmo usaram estatísticas para tentar responder à antiga questão de saber se o dinheiro pode comprar felicidade. Em um estudo de 2010 da Universidade de Princeton, os pesquisadores reuniram dados de 450.000 respostas a uma pesquisa Gallup sobre emoções cotidianas e avaliação geral da vida (como as pessoas classificam sua vida no "quadro geral"). Em seguida, os pesquisadores usaram a análise de regressão multivariada para analisar se uma renda alta está correlacionada com maior bem-estar emocional e melhor avaliação da vida.

Os resultados do estudo sugerem que o dinheiro pode comprar felicidade até certo ponto. A renda foi positivamente associada à avaliação da vida em geral (as pessoas tinham uma opinião mais favorável sobre suas vidas em geral se ganhassem mais dinheiro) e associada ao bem-estar emocional até uma renda de US$ 75.000. Acima de US$ 75.000, a renda não previa mais o bem-estar emocional.

Aprender estatística é empoderador

Aprender estatística é um exercício de capacitação pessoal. Wheelan explica que, graças à afinidade e à dependência da sociedade moderna em relação à tecnologia, estamos constantemente cercados e impactados por dados. Essa abundância de dados é uma bênção, pois dá aos pesquisadores a chance de estudar as questões mais urgentes da sociedade, por exemplo, usando os resultados dos alunos para destacar as desigualdades raciais e sociais em nosso sistema educacional. Porém, o volume de dados com que somos bombardeados todos os dias por meio de marketing direcionado, campanhas políticas e mídias sociais também pode ser um desafio quando não sabemos como avaliar sua confiabilidade. O estudo de estatísticas pode nos dar uma noção melhor de quanta confiança devemos depositar em diferentes fontes de informação e pode nos ajudar a interpretar corretamente as estatísticas publicadas.

Alfabetização em dados

Aprender estatística para ser um cidadão informado faz parte de um conjunto maior de habilidades chamado "alfabetização de dados". A alfabetização em dados refere-se à capacidade de analisar e interpretar dados corretamente. Assim como uma pessoa alfabetizada pode entender uma história lendo as palavras em uma página, uma pessoa alfabetizada em dados pode olhar para uma estatística, tabela, gráfico e assim por diante e interpretar corretamente sua "história".

A alfabetização de dados é uma habilidade essencial, porém negligenciada. As habilidades deficientes de alfabetização de dados prejudicam nossa capacidade individual e social de tomar decisões informadas. Por exemplo, Wheelan cita a confusão do mainstream sobre a diferença entre correlação e causalidade, combinada com a falta de conhecimento das pesquisas modernas sobre segurança de vacinas, como a causa do movimento antivacinação.

A lacuna entre as habilidades de alfabetização de dados e as necessidades de alfabetização de dados no local de trabalho moderno é cara. Muitos empregos exigem trabalhar com dados e tomar decisões usando-os, mas muitos funcionários não têm as habilidades necessárias para fazer isso de forma eficaz. As estimativas mostram que mais de US$ 109 bilhões são perdidos na economia dos EUA todos os anos devido ao subdesenvolvimento das habilidades de alfabetização de dados na força de trabalho. Em resposta a isso, a maioria das empresas está adotando a alfabetização de dados como uma habilidade essencial.

O estudo de estatísticas também nos torna menos suscetíveis a sermos enganados propositalmente. Infelizmente, Wheelan explica que o mau uso intencional das estatísticas é mais comum do que se imagina. Embora os valores estatísticos em si não possam mentir, os testes estatísticos que as pessoas decidem usar, os dados com os quais decidem calcular as estatísticas e a opção de incluir ou não estatísticas específicas de conjuntos de dados podem criar várias versões da "verdade". Por exemplo, considere as seguintes declarações baseadas no mesmo conjunto de dados hipotético:

• Vote em Mark Smith! Seus cortes de impostos economizaram para as pessoas desta cidade uma média de US$ 1.000 por ano!
• Não vote em Mark Smith! Seus "cortes de impostos" economizaram toneladas de dinheiro para o 1% mais rico dos residentes da cidade e não economizaram quase nada para os residentes de baixa renda!

Nenhuma dessas afirmações é uma mentira. Em vez disso, diferentes usos de dados e estatísticas constroem versões da verdade que melhor se adaptam a diferentes perspectivas. Embora não possamos esperar que nos aprofundemos nos dados subjacentes de cada estatística que lemos ou ouvimos, Wheelan explica que podemos identificar melhor as informações incompletas ou enganosas com um entendimento básico de estatística.

Estatísticas desonestas

Em seu livro de 1954 How to Lie With Statistics (Como mentir com estatísticas) (republicado em 1993), Darell Huff explora várias maneiras pelas quais as estatísticas são usadas para enganar deliberadamente um público. Seus exemplos incluem o uso de amostras pequenas para inflar os resultados, a coleta de amostras tendenciosas e a omissão de valores críticos para o contexto.

Como exemplo do último, veja o seguinte marketing hipotético para um suplemento para perda de peso:

Manchete: "Usuários de suplementos perderam duas vezes mais peso durante o primeiro mês do que aqueles que tomaram um placebo!"

Isso parece atraente e pode tentar muitas pessoas a gastar muito com os suplementos. No entanto, não há contexto sobre o que significa "duas vezes mais", pois não há dados reais sobre a perda de peso. Talvez as pessoas que tomaram o suplemento tenham perdido apenas um quilo, enquanto as que tomaram o placebo perderam apenas meio quilo. Embora seja verdade que um quilo é o dobro de meio quilo, os números reais são muito menos impressionantes do que o relatório faz parecer.

Huff adverte que estatísticas desonestas ou incompletas combinadas com um público analfabeto em dados tornam muitas estatísticas publicadas sem sentido, na melhor das hipóteses, e prejudiciais, na pior.