Nathany Miguel's Key Ideas from Como mentir com estatística
by Darrell Huff

• A amostra com tendenciosidade embutida.
• A média bem escolhida (estamos falando de média aritmética, mediana ou moda? Só não é essencial distingui-las em dados com distribuição normal - ex. altura).
• Os numerozinhos que não estão ali (tamanho da amostra, grau de significância, faixa de variação ou seu desvio da média apresentada, vocabulário escolhido).
• Muito barulho por praticamente nada (quando não são apresentadas faixas de variação e/ou valor de erro provável/erro padrão).
• O gráfico exagerado (eixos ocultos e/ou com proporções impróprias)

• A figura unidimensional (pictograma - volumes de sólidos semelhantes variam na proporção ao cubo, acabam sendo usados para exagerar fatos);
• O número semiligado (quando dados são apresentados como equivalentes para provar um ponto, mesmo não sendo);
• Post hoc está de volta (a falácia post hoc é quando um determinado evento é causado por outro evento que o antecede)
• Como estatisticular (fornecer informações incorretas usando estatística, ex. decimais que dão aura de precisão, percentual que se baseia em número absoluto pequeno, mapas distorcidos, soma injustificada);

• Olhe com suspeita para "um dado surpreendentemente preciso" e "implausivelmente positivo" (ex. “EM MÉDIA, um ex-aluno de Yale da turma de 1924 ganha 25.111 dólares por ano”);
• Tente entender/identificar se uma determinada amostra omitiu grupos com maior probabilidade de reduzir suas respectivas medidas de tendência central.
• Permita-se algum grau de ceticismo em relação aos resultados quando perceber uma chance de tendenciosidade na amostra.
• Uma amostragem representa sempre outras amostras... da população; das perguntas possíveis; das atitudes e experiências do respondente em cada questão.

Pesquisa de mercado pressupõem que os entrevistados estão sendo honestos, o que não se pode garantir.

Por exemplo, ao questionar hábitos, alguns entrevistados podem responder como gostariam de ser vistos e não como são.

Sobre amostras aleatórias

• Se entrevistas nas ruas, excluis quem fica em casa.
• Se bates nas portas durante o dia, descartas as pessoas que trabalham fora.
• Se fazes entrevistas à noite, negligencias aqueles que trabalham esse horário.

Há sempre um batalha contra fontes de tendenciosidade! Tenha isso em mente ao ler e interpretar resultados.

Os números grandes: "OS USUÁRIOS da pasta de dentes Doakes relatam ter 23% menos cáries, dizem letras garrafais." 🥰

Os númerozinhos: amostra com 12 pessoas. 😅

Amostra estatisticamente inadequada: número não substancial de valores envolvidos. O número ideal depende, entre outras coisas, do tamanho e da variedade da população analisada.

A correlação pode ser de vários tipos:

• Correlação produzida por acaso;
• Com covariância em que a relação entre as variáveis é real, mas não é possível identificar qual é a causa e qual é o efeito;
• Correlação absurda ou espúria (ex. salário de pastores presbiterianos em Massachusetts e o preço do rum em Havana);

Cuidado em concluir que uma determinada correlação "continua para além dos dados com os quais foi demonstrada", ela pode se sustentar até certo ponto, e mudar de sentido rapidamente.

Quem está dizendo?

Procure por parcialidade, declaração falsa/ambígua, seleção de dados favoráveis, supressão de desfavoráveis, unidades de medida trocadas, “média” conveniente, etc.

Como ele sabe?

Identifique se o tamamho de uma amostra permite uma conclusão confiável, se um correlação é grande o suficiente para ser relevante.

O que está faltando?

"Muitos números perdem o sentido devido à falta de comparação": correlação sem medida de confiabilidade (margem de erro), percentuais sem valores brutos, média não especificada, etc.

Alguém mudou de assunto?

Isso faz sentido?

De onde obteve "exemplos valiosos":

• Business Statistics, de Martin A. Brumbaugh e Lester S. Kellogg;
• Gauging Public Opinion, de Hadley Cantril; Graphic Presentation, de Willard Cope Brinton;
• Practical Business Statistics, de Frederick E. Croxton e Dudley J. Cowden;
• Basic Statistics, de George Simpson e Fritz Kafka;
• Elementary Statistical Methods, de Helen M. Walker.