Estatística Sem Matemática: É Possível?

01. Dados somente são úteis se fornecem informação.

02. Não há questões implícitas ou óbvias em um projeto de pesquisa.

03. As questões estatísticas devem refletir as questões científicas.

04. A última coisa que o mundo precisa é de mais um livro de estatística.

05. As equações e as estatísticas apenas refletem a diferença mostrada no gráfico.

06. Se equações lhe dão arrepios, recorra aos gráficos para apreciar a mesma informação.

07. Análises de tabelas de contingência quase nunca são apropriadas para questões estatísticas.

08. Encontrar a pergunta certa é frequentemente mais importante do que encontrar a resposta certa.

09. Uma hipótese nula é uma assertiva de como o mundo deveria ser, se nossa suposição estivesse errada.

10. O mundo ficará desnecessariamente complexo se nos afastarmos de nossos gráficos simples de dispersão.

11. Medir tudo e deixar “os dados falarem por si mesmos” não é uma maneira eficiente de descobrir as coisas.

12. Não devemos acreditar em uma estrutura (padrão), a menos que possamos visualizá-la em um gráfico simples.

13. Delinear uma amostragem é coletar os dados de forma que você tenha uma boa chance de tomar uma boa decisão.

14. A habilidade para interpretar as estatísticas não é tão importante quanto a habilidade de interpretar gráficos.

15. Rejeitar erroneamente a hipótese nula e decidir que um fenômeno existe, quando ele não existe, é chamado de erro do tipo I.

16. O pesquisador nunca pode abrir a mão da responsabilidade de usar a lógica para decidir quais variáveis devem ser incluídas.

17. Se desejamos testar as diferenças entre médias, precisamos assumir que a variabilidade dentro das categorias é aproximadamente igual.

18. Devemos construir um fluxograma que represente a maneira como acreditamos que o sistema em estudo funcione, antes de escolher a análise.

19. Por alguma razão os biólogos têm fixação em comprar médias — entretanto, frequentemente, diferenças na variabilidade são mais importantes.

20. Quando nós, outras pessoas, ou programas de computadores colocam linhas retas em gráficos, fazem isto minimizando a distância média da linha aos pontos.

21. Uma boa regra é decidir quantas repetições serão coletadas, dividi-las por dez e tentar restringir seu modelo para que não inclua mais do que este número de fatores.

22. Os pesquisadores as vezes apresentam o gráfico dos dados transformados, mas o ajuste do modelo só pode ser avaliado em relação aos dados originais, não transformados.

23. Não rejeitar a hipótese nula, quando ela é falsa, é chamado de erro do tipo II e a probabilidade de se cometer este tipo de erro é conhecida como “δ” pelos estatísticos.

24. Quando o leitor encontrar uma tabela de contingência, pode suspeitar que o pesquisador cometeu pseudo-repetição e que as inferências estatísticas são desprovidas de sentido.

25. Muitas das probabilidades apresentadas são pseudoprobabilidades, que só servem para indicar que o autor pertence a cultura científica, e não transmitem qualquer informação objetiva sobre o mundo real.

26. Grande parte das análises estatísticas pode ser vista como métodos de se reduzir problemas complexos a problemas com duas dimensões, de forma que possam ser apresentados em simples gráficos de dispersão.

27. Os maiores erros no delineamento amostral resultam de não se levar em conta conceitos básicos de lógica que muitos estudantes levariam, se sua atenção não tivesse sido desviada pela matemática das estatísticas.

28. Acreditamos que tratados matemáticos sobre estatística são tão importantes quanto engenharia de materiais ou fisiologia intracelular, porém, talvez não seja o melhor caminho para levar estudantes a dominarem o conhecimento necessário para usar a estatística de uma forma prática na interpretação de dados.