Resumo do livroEstatística, por Charles Wheelan

Resumo de 1 páginaResumo de 1 página do livro Estatística

Wheelan abre Estatística com a admissão de que, às vezes, ele tinha dificuldades para ver a relevância do que estava aprendendo como estudante de matemática. Portanto, ele coloca a relevância da estatística em primeiro plano no livro, construindo sua discussão de cada conceito estatístico em torno do motivo pelo qual devemos conhecê-lo. Melhor ainda, Wheelan prova que a estatística não precisa ser intimidadora, colocando a matemática por trás da estatística em termos digeríveis e explicando os conceitos com exemplos relacionáveis, relevantes e até mesmo bem-humorados.

Este guia se concentra principalmente em dois temas principais da Estatística. Primeiro, abordamos o significado de muitas estatísticas comuns, como interpretá-las e por que elas são importantes. Assim como Wheelan, usamos exemplos reais e fictícios para adicionar contexto a cada estatística abordada. Em segundo lugar, examinamos a discussão de Wheelan sobre as consequências da parcialidade e da aplicação e interpretação incorretas das estatísticas para defender que todos devem desenvolver um conhecimento básico de estatística.

Estatísticas Organizar dados

Dependemos de dados para entender o mundo, mas sem estatísticas, os conjuntos de dados seriam praticamente inúteis. Imagine perguntar a um vendedor de carros qual é a quilometragem de um carro e receber uma planilha de 100 páginas com as milhas individuais que o carro percorreu e a quantidade de gasolina usada em cada milha! Embora a planilha possa ser abrangente, ela também é bastante inútil se você estiver esperando uma resposta rápida. Com as estatísticas, podemos pegar conjuntos de dados complicados e transformá-los em valores significativos e acionáveis, como a média de milhas por galão.

As estatísticas que resumem conjuntos de dados são chamadas de estatísticas descritivas. Duas das estatísticas descritivas mais conhecidas e comumente usadas são a média (a média) e a mediana (o número do meio quando você coloca todos os seus dados em ordem numérica). A média e a mediana são chamadas de medidas de tendência central e, embora ambas nos informem sobre o "meio" de um conjunto de dados, Wheelan explica que elas podem transmitir mensagens muito diferentes. Com um conhecimento básico de estatística, podemos saber quando usar uma em vez da outra e identificar quando alguém pode estar informando a média em vez da mediana (ou vice-versa) para promover um objetivo.

Digamos que as autoridades de uma praia fictícia estivessem coletando dados sobre o número de picadas de águas-vivas sofridas pelos banhistas a cada semana durante o verão. Os dados poderiam ser mais ou menos assim:

Shortform NotaShortform : neste exemplo, o conjunto de dados é ordenado naturalmente, portanto, não precisamos ordená-lo para determinar a mediana).

O número médio de picadas de água-viva é 42. O número mediano de picadas é zero. As autoridades da praia poderiam dizer:

A) "Visite nossa praia! O número médio de picadas semanais/500 banhistas durante o verão é de apenas 42!"

ou

B) "Visite nossa praia! O número médio de picadas semanais durante o verão é zero!"

Nenhuma dessas afirmações está incorreta, mas elas transmitem uma mensagem diferente aos possíveis banhistas. As autoridades da praia certamente anunciarão a opção B em vez da opção A porque a opção B faz com que a praia pareça mais atraente. Como estudantes astutos de estatística, devemos nos perguntar qual medida de tendência central capta melhor a "história" do conjunto de dados e estar cientes de que nenhuma estatística isolada pode transmitir totalmente a complexidade do mundo real.

A utilidade da tendência central

As medidas de tendência central são fundamentais para a forma como pensamos e comunicamos os dados. Mas, como Wheelan adverte e nosso exemplo da água-viva destaca, se não forem usadas com cuidado, elas podem ser inúteis ou até mesmo perigosas.

Um TED Talk intitulado "The Myth of Average" (O mito da média) destaca como a aplicação incorreta da tendência central afetou a Força Aérea dos Estados Unidos na década de 1950. Apesar de ter pilotos bem treinados e os aviões mais avançados até então, a Força Aérea estava insatisfeita com o desempenho dos pilotos. Pesquisas sobre as dimensões de milhares de pilotos revelaram que os cockpits projetados para o piloto de "tamanho médio" não se ajustavam bem a nenhum piloto, e os cockpits mal ajustados impediam que os pilotos dessem o melhor de si. Em resposta, a Força Aérea mudou o foco de seu projeto, deixando de fabricar cabines de pilotagem que se ajustassem a uma pessoa comum para fabricar cabines de pilotagem que pudessem acomodar os extremos das dimensões humanas. Essa mudança melhorou o desempenho dos pilotos existentes e permitiu que a Força Aérea recrutasse o grupo mais diversificado de pilotos de caça do mundo.

A lição desse exemplo é que uma ferramenta projetada para o usuário comum provavelmente não será ideal para ninguém. Em muitos casos, como o de uma tesoura, podemos aceitar facilmente esse compromisso. Entretanto, quando se trata de cenários que alteram a vida, como pilotar um avião, talvez seja melhor repensar os projetos baseados em uma média.

As estatísticas revelam e descrevem as relações

As estatísticas descritivas também podem esclarecer e descrever as relações entre as variáveis em um conjunto de dados. Como explica Wheelan, **analisar a correlação entre duas variáveis pode nos dizer se uma mudança na...

Estatística Resumo Introdução Shortform

Wheelan explica que o aprendizado de estatística pode nos tornar consumidores mais críticos de informações e nos ajudar a tomar decisões informadas. Como estudantes de estatística, podemos aprender a avaliar as informações que nos são apresentadas em campanhas políticas e de marketing, nas notícias, em publicações científicas e assim por diante, e colocar essas informações em um contexto útil. O aprendizado de estatística também nos ajudará a identificar usos enganosos ou equivocados de dados e estatísticas, em vez de sermos enganados por eles.

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.

Sobre o autor

Charles J. Wheelan é membro do corpo docente do Dartmouth College e ex-membro do corpo docente da Universidade de Chicago, com especialização em políticas públicas. Ele é bacharel pelo Dartmouth College, mestre em assuntos públicos pela Universidade de Princeton e doutor em políticas públicas pela Universidade de Chicago.

Resumo deEstatística Por que aprender Estatística?

A segunda metade do título de Estatística , Stripping the Dread From the Data (Tirando o medo dos dados), diz aos leitores por que o livro de Wheelan é uma boa escolha se eles têm curiosidade sobre estatística, mas estão apreensivos com um livro baseado em matemática. Wheelan, autor best-seller do New York Times, professor sênior do Dartmouth College e ex-professor sênior da Universidade de Chicago, usa suas habilidades como professor e contador de histórias para tornar a análise de dados compreensível, digerível e divertida.

Como explica Wheelan, as estatísticas são ferramentas poderosas para resumir informações e fazer inferências a partir de dados. Ele observa que, sem elas, as pessoas teriam dificuldade para extrair significado das montanhas de dados que nossa sociedade gera diariamente. Portanto, as estatísticas tornam os dados significativos e acionáveis.

As percepções que geramos com as estatísticas ajudam a administrar a sociedade como a conhecemos. Por exemplo, as melhores práticas em medicina e educação são estabelecidas por meio de análises estatísticas de dados. Os legisladores usam dados para informar políticas. Os entusiastas do esporte usam dados para discutir a habilidade e o potencial de seus jogadores e times favoritos, e a lista continua. Usamos estatísticas de tantas maneiras que Wheelan nos lembra que elas informam nossas vidas diárias...

ResumoEstatística Usando estatísticas descritivas para descrever medidas de tendência central

Agora que já definimos por que aprender estatística é importante, veremos alguns termos e conceitos básicos de estatística, começando pela estatística descritiva. Como o próprio nome sugere, as estatísticas descritivas coletam informações em um conjunto de dados e as condensam em um número significativo , como uma média ou um percentil.

Ao usar estatísticas descritivas para resumir dados, Wheelan explica que sempre fazemos concessões entre complexidade e utilidade. Sempre que pegamos dados do mundo real e os condensamos em um único valor, obtemos uma visão dos dados como um todo, mas perdemos algumas das nuances e a "história" por trás desses dados.

Por exemplo, digamos que sua escola primária local tenha implementado um novo programa de leitura que melhorou as habilidades gerais de leitura dos alunos em 15%. Que bom! No entanto, uma análise mais aprofundada pode mostrar que esses ganhos se concentraram nos alunos de famílias de alta renda, e as habilidades de leitura dos alunos de baixa renda permaneceram praticamente as mesmas. À luz desse quadro mais completo, parece claro que o programa precisa ser modificado.

Como mostra o exemplo de nosso programa de leitura, as estatísticas descritivas que escolhemos ao resumir os dados têm um impacto determinante na história que o...

ResumoEstatística Usando estatísticas descritivas para resumir a distribuição de dados

Como vimos, as medidas de tendência central não nos dão a "história completa" de um conjunto de dados. Podemos ter uma visão mais clara dessa história combinando a tendência central com uma descrição da distribuição dos dados.

A distribuição normal

A distribuição normal é um conceito fundamental em estatística. Uma distribuição normal refere-se a um conjunto de dados que forma uma curva em forma de sino perfeitamente simétrica em torno da média quando representada graficamente como uma distribuição de frequência (uma representação visual de dados em que a altura das barras representa o número de vezes que um resultado específico ocorre).

(Observe que a média e a mediana serão as mesmas em uma distribuição perfeitamente simétrica).

Quando um conjunto de dados tem a mesma aparência em ambos os lados da média, dizemos que ele é simétrico. As distribuições simétricas parecem intuitivamente familiares porque, como explica Wheelan, elas ocorrem na vida real o tempo todo. Por exemplo, a maioria dos bebês começa a engatinhar entre seis e 12 meses, com uma média de cerca de nove meses. Alguns engatinham antes dos seis meses e outros engatinham depois dos 12 meses, mas o pico de nossa frequência...

Exercício de Shortform : Identificar estatísticas enganosas

Wheelan explica que qualquer pessoa com vontade e um programa de computador capaz pode realizar análises estatísticas. Essa acessibilidade, combinada com a facilidade e a velocidade do compartilhamento de informações em nossa cultura voltada para a tecnologia, facilita que estatísticas enganosas entrem em nossas vidas e informem nossas opiniões ou decisões.

Pense na última vez em que você leu ou ouviu uma estatística que chamou sua atenção. Qual foi sua impressão inicial sobre a validade da estatística?

Resumo deEstatística Usando a probabilidade para tomar decisões

A probabilidade é outra maneira de usar a estatística descritiva para tomar decisões informadas.

A probabilidade é uma razão matemática que comunica a probabilidade de um determinado evento em relação a todos os outros resultados possíveis. A probabilidade nos permite gerenciar a incerteza medindo os riscos e colocando 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 seguir, discutiremos alguns dos conceitos básicos e aplicações da probabilidade.

A probabilidade não é intuitiva

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

• Viés de confirmação: é quando nos concentramos no que esperamos e ignoramos o que...

Estatística Resumo das "suposições seguras" com estatísticas inferenciais

Examinamos como as estatísticas descritivas nos ajudam a resumir e descrever dados, caracterizar relacionamentos e fazer previsões. Em seguida, passaremos às estatísticas inferenciais, que nos permitem extrapolar os dados coletados e fazer inferências sobre como o mundo funciona.

Wheelan descreve a estatística inferencial como a combinação de dados e probabilidade. Assim como a probabilidade nunca é uma garantia de um resultado, não há respostas definitivas na estatística inferencial. Em vez disso, a estatística inferencial nos ajuda a usar o que sabemos para fazer as melhores suposições baseadas em matemática sobre o que queremos saber.

A estatística inferencial não fornece um mecanismo

Como explica Wheelan, as estatísticas inferenciais são muito eficazes para iluminar e descrever relacionamentos, mas não podem de fato provar nada por si mesmas, pois se baseiam exclusivamente em dados numéricos que não conseguem captar a complexidade do mundo real. Em outras palavras, as estatísticas inferenciais nos dão um motivo convincente para acreditar que duas variáveis estão relacionadas, mas não fornecem um [mecanismo para isso...

Resumo deEstatística Encontrando respostas com a análise de regressão

Todos os cenários de estatísticas e coleta de dados que abordamos até agora foram relativamente simples porque se referem principalmente a apenas uma variável. Entretanto, Wheelan argumenta que muitas questões de pesquisa socialmente importantes são "confusas", com variáveis entrelaçadas que abrangem períodos proibitivamente longos.

Por exemplo, digamos que você queira saber se a exposição a um determinado produto químico (vamos chamá-lo de produto químico X) está associada a um risco maior de desenvolver câncer. Não é possível elaborar um estudo de pesquisa para testar essa questão porque expor um grupo de pessoas a um produto químico que você suspeita que cause câncer seria eticamente problemático. Além disso, há uma infinidade de outras variáveis, além da exposição a produtos químicos, que afetam o risco de as pessoas desenvolverem câncer: tabagismo, genética, dieta, exercícios e assim por diante. Por fim, o risco de desenvolver câncer é geralmente medido ao longo da vida. É compreensível que os pesquisadores queiram respostas dentro de suas vidas.

Em cenários de pesquisa "confusos", uma ferramenta estatística inferencial chamada análise de regressão pode nos ajudar a inferir relações entre variáveis que, de outra forma, não poderíamos estudar. **A análise de regressão quantifica...

Exercício de Shortform : Projetar um estudo

Agora que já abordamos o potencial e as armadilhas da estatística inferencial, pense em uma pergunta de seu interesse e em como você poderia usar a estatística para ajudar a respondê-la.

Quais são suas variáveis independentes e dependentes neste estudo? Quais são suas hipóteses nulas e alternativas?

ResumoEstatística Dados de qualidade: A espinha dorsal das estatísticas confiáveis

Examinamos algumas das estatísticas mais comumente usadas que provavelmente encontraremos em nosso dia a dia. Entretanto, entender como executar análises estatísticas é apenas uma pequena parte do processo geral da estatística. Wheelan explica que, de certa forma, a "parte matemática" da estatística é a parte mais fácil, pois fazemos a maioria das análises estatísticas em um computador e as próprias fórmulas estatísticas são imutáveis e fáceis de consultar. Portanto, uma vez que tenhamos conhecimento suficiente sobre estatística para entender quais fórmulas usar e o que significam as estatísticas resultantes, o componente de cálculos é simplesmente uma questão de inserir os dados nas equações escolhidas.

Como as estatísticas em si são relativamente "fáceis" de calcular, Wheelan explica que pessoas bem-intencionadas produzem estatísticas enganosas o tempo todo. Ele observa que muitas das estatísticas que encontramos são matematicamente precisas (se você repetisse seus cálculos, obteria o mesmo resultado), mas factualmente imprecisas (embora seus números sejam "justos", eles estão errados). Em outras palavras, os números são resistentes a um exame minucioso, mas não explicam com precisão uma situação.

Por exemplo, você pode usar estatísticas para apresentar uma [ligação entre...

Resumo deEstatística Reduzindo o viés nos dados

Agora que já discutimos alguns dos desafios e estratégias para a coleta de dados, analisaremos a discussão de Wheelan sobre a confiabilidade dos nossos dados em si.

Uma das características mais importantes dos dados confiáveis é que eles fornecem uma representação verdadeira da população que estamos estudando. Como discutimos em nossa seção sobre estatística inferencial, muitos projetos de pesquisa e análises estatísticas dependem de amostragem como forma de aprender sobre uma população maior. Se os dados coletados em nossa amostra não representarem com precisão a população, as estatísticas resultantes não serão confiáveis. Wheelan destaca duas maneiras principais de garantir uma amostra representativa:

Amostragem aleatória: Uma amostra verdadeiramente aleatória é ideal para a coleta de dados. A amostragem aleatória nos permite ter uma confiança razoável de que estamos capturando a diversidade da população subjacente, pois qualquer indivíduo tem a mesma chance que qualquer outro de ser selecionado. Portanto, a diversidade da amostra deve estar próxima da diversidade da população. Quando uma amostra reflete com precisão a composição de sua população, ela é chamada de "amostra representativa".

Grandes tamanhos de amostra: Quanto maior o tamanho de nossa amostra,...

Exercício de Shortform : Examine suas fontes de preconceito

Considere o seguinte cenário hipotético de pesquisa:

Pesquisadores interessados no efeito da ioga e da meditação sobre o bem-estar emocional montaram um estande em um grande ashram no último dia de um retiro de ioga de uma semana. (Sua hipótese nula é que a prática de ioga e meditação todos os dias não tem impacto sobre o bem-estar emocional). Quando os participantes saem do retiro, muitos param no estande para preencher o questionário dos pesquisadores, no qual é perguntado se eles acreditam que a ioga e a meditação têm um impacto positivo em seu bem-estar emocional e se avaliam sua sensação de bem-estar emocional hoje em comparação com o primeiro dia do retiro. Usando esses dados, os pesquisadores rejeitam sua hipótese nula e publicam um artigo intitulado: "Daily Yoga Practice Universally Improves Emotional Well-Being" (A prática diária de ioga melhora universalmente o bem-estar emocional).

Que fontes de viés de seleção você pode identificar neste estudo? (Lembre-se de que o viés de seleção ocorre quando nossa amostra não é aleatória e determinados subconjuntos da população são representados a mais ou a menos).