Não são bem as coisas que não sabemos que nos causam problemas. São as coisas que sabemos que não são assim.

Não saber nada sobre um assunto muitas vezes é mais saudável do que saber o que não é verdadeiro, e saber pouco pode ser perigoso.

<ul><li class="ql-align-justify">A amostra com tendenciosidade embutida.</li><li class="ql-align-justify">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).</li><li class="ql-align-justify">Os numerozinhos que não estão ali (tamanho da amostra, grau de significância, faixa de variação ou seu desvio da média apresentada, vocabulário escolhido).</li><li class="ql-align-justify">Muito barulho por praticamente nada (quando não são apresentadas faixas de variação e/ou valor de erro provável/erro padrão).</li><li class="ql-align-justify">O gráfico exagerado (eixos ocultos e/ou com proporções impróprias)</li></ul>

As mentiras

<ul><li>A figura unidimensional (pictograma - volumes de sólidos semelhantes variam na proporção ao cubo, acabam sendo usados para exagerar fatos);</li><li>O número semiligado (quando dados são apresentados como equivalentes para provar um ponto, mesmo não sendo);</li><li>Post hoc está de volta (a falácia post hoc é quando um determinado evento é causado por outro evento que o antecede) </li><li>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);</li></ul>

As mentiras 

<ul><li class="ql-align-justify">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”);</li><li class="ql-align-justify">Tente entender/identificar se uma determinada amostra omitiu grupos com maior probabilidade de reduzir suas respectivas medidas de tendência central.</li><li class="ql-align-justify">Permita-se algum grau de ceticismo em relação aos resultados quando perceber uma chance de tendenciosidade na amostra.</li><li class="ql-align-justify">Uma amostragem representa sempre outras amostras... da população; das perguntas possíveis; das atitudes e experiências do respondente em cada questão.</li></ul>

[+] Sobre as amostras: dicas

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<ul><li>Se entrevistas nas ruas, excluis quem fica em casa.</li><li>Se bates nas portas durante o dia, descartas as pessoas que trabalham fora.</li><li>Se fazes entrevistas à noite, negligencias aqueles que trabalham esse horário.</li></ul>Há sempre um batalha contra fontes de tendenciosidade! Tenha isso em mente ao ler e interpretar resultados.

[+] Sobre amostras de pesquisas de mercado

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.

[+] Sobre os numerozinhos

A correlação pode ser de vários tipos:<ul><li class="ql-align-justify">Correlação produzida por acaso;</li><li class="ql-align-justify">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;</li><li class="ql-align-justify">Correlação absurda ou espúria (ex. salário de pastores presbiterianos em Massachusetts e o preço do rum em Havana);</li></ul>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.

[+] Sobre o post hoc: cuidados

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?

Pergunte-se

De onde obteve "exemplos valiosos":<ul><li>Business Statistics, de Martin A. Brumbaugh e Lester S. Kellogg;</li><li>Gauging Public Opinion, de Hadley Cantril; Graphic Presentation, de Willard Cope Brinton;</li><li>Practical Business Statistics, de Frederick E. Croxton e Dudley J. Cowden;</li><li>Basic Statistics, de George Simpson e Fritz Kafka;</li><li>Elementary Statistical Methods, de Helen M. Walker.</li></ul>

Livros citados pelo utor

Quando foi publicado pela primeira vez, em 1954, o livro de Darrell Huff foi saudado como pioneiro em conjugar linguagem simples e ilustrações para tratar de um tema polêmico e controverso: o mau uso da estatística para maquiar dados e abalizar opiniões. Hoje, em tempos de internet e big data, o livro continua genuinamente subversivo e ainda mais relevante. Qual é, afinal, o grau de confiança que devemos depositar nas análises estatísticas? Segundo Huff, vale ter sempre um pé atrás. Amostras enviesadas, gráficos dúbios, listagens incompletas: item por item o autor apresenta os vilões da interpretação de dados. Em um capítulo, ele aponta como os gráficos estatísticos, mesmo matematicamente corretos, podem não representar em nada a realidade. Em outro, vemos que uma mesma projeção pode mostrar um futuro positivo ou alarmante, dependendo da amplitude de dados que ela cobre. O livro termina com um brilhante passo a passo para o leitor aprender a diferenciar informação de enrolação. Escrito com humor e repleto de advertências tão atemporais quanto a ciência matemática, Como mentir com estatística é uma leitura agradável e absolutamente acessível. Indispensável para quem se vê bombardeado diariamente, seja pela mídia ou pela timeline do Facebook, por infográficos e estatísticas que se pretendem verdades incontestáveis.

books

Books

Quando foi publicado pela primeira vez, em 1954, o livro de Darrell Huff foi saudado como pioneiro em conjugar linguagem simples e ilustrações para tratar de um tema polêmico e controverso: o mau uso da estatística para maquiar dados e abalizar opiniões.Hoje, em tempos de internet e big data, o livro continua genuinamente subversivo e ainda mais relevante. Qual é, afinal, o grau de confiança que devemos depositar nas análises estatísticas?Segundo Huff, vale ter sempre um pé atrás. Amostras enviesadas, gráficos dúbios, listagens incompletas: item por item o autor apresenta os vilões da interpretação de dados. Em um capítulo, ele aponta como os gráficos estatísticos, mesmo matematicamente corretos, podem não representar em nada a realidade. Em outro, vemos que uma mesma projeção pode mostrar um futuro positivo ou alarmante, dependendo da amplitude de dados que ela cobre. O livro termina com um brilhante passo a passo para o leitor aprender a diferenciar informação de enrolação.Escrito com humor e repleto de advertências tão atemporais quanto a ciência matemática, Como mentir com estatística é uma leitura agradável e absolutamente acessível. Indispensável para quem se vê bombardeado diariamente, seja pela mídia ou pela timeline do Facebook, por infográficos e estatísticas que se pretendem verdades incontestáveis.“Uma exploração hilária das mentiras da matemática.” The New York Times“Peça por peça, Huff desmonta o modo como os marqueteiros usam estatísticas, tabelas e gráficos para apresentar números que confundem e enganam o público.” The Wall Street Journal

Darrell Huff

Como mentir com estatística

"an aggregated measure of self- and social-awareness, evolved social beliefs and attitudes, and a capacity and appetite to manage complex social change."

About Social Intelligence

"the ability to understand and manage men and women and boys and girls, to act wisely in human relations

"competence to optimally understand one's environment and react appropriately for socially successful conduct"

"It leans more toward Jean Piaget's theory that intelligence is not a fixed attribute, but a complex hierarchy of information-processing skills underlying an adaptive equilibrium between the individual and the environment."

Not A Fixed Attribute 

"More recently, popular science writer Daniel Goleman has drawn on social neuroscience research to propose that social intelligence is made up of social awareness (including empathy, attunement, empathic accuracy, and social cognition) and social facility (including synchrony, self-presentation, influence, and concern)."

Made Of Social Awareness And Social Facility

I took the The Four Factor Test of Social Intelligence in a random app I wanted to know a litle bit more about this type of intelligence. 

Como mentir com estatística

Social intelligence - Wikipedia

Nathany Miguel