Iniciar teste gratuito
Popular Novos Gêneros Autores
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Pesquisando...
SoBrief
Como Mentir com a Estatística

Como Mentir com a Estatística

Título original: How to Lie with Statistics
Uma pesquisa com milhões de pessoas errou o resultado da eleição. Descubra o que todo número de manchete deixa de fora.
por Darrell Huff 1954 142 páginas
3.84
18.000+ avaliações
Ouvir
Imersivo
V2.3
Amazon Kindle Audible
Experimente o Acesso Completo por 3 Dias
Desbloqueie o áudio e muito mais!
Continuar

Principais Lições

Uma estatística só é tão confiável quanto as escolhas que a produziram.

A amostra deixa marcas. Um relatório calculou em US$ 25.111 a renda média da turma de Yale de 1924. Mas não podia incluir todos os formandos: faltavam alguns endereços, e alguns ex-alunos não responderam ao questionário. Quem respondeu talvez estivesse em situação financeira melhor do que quem não respondeu; assim, o número poderia descrever os respondentes, e não a turma inteira.

Conte o que foi medido. A mesma distinção aparece no sogro de Darrell Huff, que concluiu que a Califórnia tinha mais criminalidade depois de se mudar para lá e ler um jornal que dedicava mais espaço aos crimes locais. Ele havia medido a cobertura jornalística, não a criminalidade. Antes de aceitar uma estatística, pergunte que população ou comportamento ela de fato representa.

Análise

O mais impressionante é que os cálculos podem estar impecáveis, enquanto a conclusão não está. Pesquisadores de opinião chamam uma das versões desse problema de viés de não resposta: quem responde pode diferir sistematicamente de quem não responde. Uma amostra grande não resolve automaticamente o problema, e a ponderação estatística não consegue corrigir de forma confiável diferenças que nunca foram medidas. O hábito útil é identificar primeiro o grupo que se quer estudar e, em seguida, perguntar quem está ausente e se essa ausência poderia alterar o resultado.

Uma pesquisa gigantesca ainda pode representar as pessoas erradas.

O tamanho não corrige a falta de cobertura. Em 1936, a revista Literary Digest entrevistou milhões de pessoas e previu uma vitória decisiva de Alf Landon sobre Franklin Roosevelt. Roosevelt venceu. A revista havia selecionado nomes de listas telefônicas e de assinantes, que, na época, super-representavam pessoas com mais dinheiro e faziam a amostra se afastar do eleitorado como um todo. Uma pesquisa pode ser enorme e, ainda assim, consultar o recorte errado da população.

As pessoas influenciam as respostas. Em outro estudo, pessoas negras entrevistadas em uma cidade do Sul deram respostas diferentes sobre as relações raciais dependendo de os entrevistadores serem negros ou brancos. A identidade do entrevistador, a formulação das perguntas, o acesso aos participantes e o desejo destes de dar uma resposta socialmente aceitável podem influenciar os resultados. Uma amostra não é simplesmente um amontoado de pessoas. É um processo para chegar até elas e fazer perguntas.

Análise

Essa distinção antecipa uma ideia central da metodologia de pesquisas: o cadastro amostral define quem pode aparecer nos dados. A seleção aleatória dentro de um cadastro falho não o torna representativo. Os efeitos do entrevistador também mostram que a medição é interativa, não passiva. As pesquisas modernas podem testar formulações e modos de coleta, mas não existe uma visão desimpedida da opinião pública. Os resultados são respostas produzidas em condições específicas, não um acesso sem filtros ao que todos pensam.

Nunca aceite uma média antes de saber de qual tipo ela é.

Três médias, três histórias. A média aritmética soma todos os valores e divide o resultado pelo número de valores. A mediana marca o ponto central, com metade dos valores acima e metade abaixo. A moda é o valor mais frequente. Huff ilustra a diferença com um bairro em que a maioria das famílias tem renda modesta, mas alguns moradores milionários elevam a média aritmética a US$ 15 mil, enquanto a mediana é de apenas US$ 3.500. Os dois números podem ser calculados corretamente, mas respondem a perguntas diferentes.

A assimetria muda o quadro. As distribuições de renda costumam ter uma longa cauda superior, de modo que algumas rendas muito altas afastam a média aritmética daquilo que a maioria ganha. Para uma medida mais ou menos simétrica, como a altura de um grupo, as três médias podem ser semelhantes. Quando um relatório diz apenas “média”, pergunte qual medida foi usada e qual é o aspecto da distribuição.

Análise

Escolher uma média é decidir o que será considerado representativo. A média aritmética é útil para totais e algumas operações matemáticas, enquanto a mediana muitas vezes descreve melhor a pessoa típica em uma distribuição assimétrica. Nenhuma das duas é, por natureza, honesta ou desonesta. O que importa é a adequação da medida à pergunta. Apresentar várias medidas-resumo, ou a distribuição, pode impedir que um único número conveniente se passe por uma população complexa.

Exija a amplitude e a incerteza por trás de toda estimativa bem arrumada.

Uma estimativa pontual esconde variações. Um tamanho familiar de 3,6 pessoas parece um modelo natural para a construção de moradias, mas Huff observa que famílias com três ou quatro integrantes representavam apenas 45% dos domicílios nos dados que ele cita. Trinta e cinco por cento tinham um ou dois moradores, e 20% tinham mais de quatro. Construir principalmente para a família média significava ignorar a maioria dos domicílios.

Estudos pequenos podem ser inconclusivos. Um teste da vacina contra a poliomielite incluiu 450 crianças vacinadas e 680 controles, mas não houve nenhum caso em nenhum dos grupos durante o período de observação. Com base na taxa habitual, esperavam-se apenas cerca de dois casos entre os grupos, poucos demais para avaliar a vacina. Um resultado precisa de contexto: tamanho da amostra, variação esperada e uma faixa de valores plausíveis, não apenas um número de manchete.

Análise

Essa lição liga a incerteza estatística a um bom planejamento. Um urbanista que vê apenas uma média pode construir para um domicílio que mal existe; um pesquisador que não observa nenhum evento em um estudo pequeno pode confundir falta de evidência com evidência de que não há efeito. A prática moderna costuma apresentar intervalos de confiança, mas um intervalo ainda depende de pressupostos sobre amostragem e medição. Ele não dá conta de todos os vieses ocultos; por isso, a incerteza deve ser descrita, não tratada como uma margem decorativa.

Uma diferença mensurável pode ser pequena demais para importar.

Os números precisam de escala. Uma comparação em laboratório da fumaça de cigarros constatou que as marcas eram quase iguais quanto às substâncias nocivas medidas. Em seguida, um anunciante promoveu a Old Gold por ter ficado em último lugar, omitindo o quão pequena era a diferença. A classificação era real; a implicação dramática não era sustentada pela dimensão da diferença.

O acaso também importa. Um teste com um grupo pequeno pode produzir um resultado de aparência impressionante simplesmente por flutuação aleatória. Huff descreve um teste de pasta de dente envolvendo apenas doze pessoas: se uma empresa repetir testes pequenos em número suficiente, um deles poderá mostrar, por acaso, um resultado favorável. A significância estatística ajuda a avaliar se uma diferença observada poderia plausivelmente ter surgido ao acaso, mas não diz aos leitores se essa diferença é importante no cotidiano.

Análise

Duas perguntas costumam ser confundidas: é possível distinguir um resultado do ruído aleatório? E ele é grande o bastante para importar? Não são a mesma coisa. Com observações suficientes, um efeito minúsculo pode se tornar estatisticamente detectável; com poucas observações, um efeito relevante pode continuar incerto. Há também uma ressalva técnica: um nível de significância convencional não é a probabilidade de uma afirmação ser verdadeira. Além do resultado do teste, os leitores precisam conhecer a dimensão do efeito, a incerteza e as consequências práticas.

Examine os eixos de um gráfico antes de acreditar em seu efeito dramático.

A escala altera a história. Huff apresenta um gráfico em que a renda nacional aumenta 10% em um ano. Com o eixo vertical começando em zero, o aumento parece moderado. Se a maior parte do eixo for cortada, a mesma linha parece disparar. Altere as proporções do gráfico e o aumento parecerá ainda mais dramático, embora os números subjacentes não tenham mudado.

As imagens ampliam as dimensões. Se um pictograma dobra tanto a altura quanto a largura de um objeto para representar o dobro da quantidade, a área desenhada fica quatro vezes maior. Um objeto tridimensional pode sugerir um volume oito vezes maior. Huff descreve um gráfico da indústria que usou altos-fornos enormes para fazer um aumento de aproximadamente uma vez e meia na capacidade de produção de aço parecer muito maior. Confira as escalas, as linhas de base e o que o tamanho de uma imagem representa.

Análise

Os gráficos se comunicam por meio da percepção antes que os leitores examinem os rótulos. Por isso, o design visual faz parte do raciocínio estatístico; não é mera decoração. Um eixo truncado pode ser apropriado quando está claramente assinalado e é usado para examinar pequenas variações, mas não deve sugerir silenciosamente uma variação maior. Gráficos pictóricos trazem um problema adicional, pois as pessoas comparam intuitivamente áreas e volumes, mesmo quando os dados representam apenas a altura. Gráficos honestos deixam clara a correspondência entre quantidade e forma.

Certifique-se de que o número mede aquilo que se afirma que ele mede.

Uma medida substituta pode mudar o assunto. Huff chama de número semiadstrito (semiattached figure) uma estatística com ligação fraca: um número legítimo, mas que não comprova diretamente a conclusão anunciada. Por exemplo, um relatório de laboratório segundo o qual um líquido matou germes em um tubo de ensaio não prova que ele cure um resfriado na garganta de uma pessoa. Do mesmo modo, um espremedor anunciado como capaz de extrair 26% mais suco foi comparado a um espremedor manual, não necessariamente a outras máquinas.

Use o denominador pertinente. O fato de haver mais mortes em rodovias às 19h do que às 7h não demonstra que um motorista individual esteja quatro vezes menos seguro à noite; pode haver mais pessoas dirigindo nesse horário. Para comparar os riscos dos transportes, é preciso usar taxas relativas à exposição, como o número de mortes por passageiro-quilômetro, em vez de se basear apenas nos totais brutos.

Análise

Esse é um problema de validade de construto: saber se uma medida de fato capta o conceito mencionado na afirmação. Também explica por que os denominadores importam. Uma contagem descreve a magnitude do problema, enquanto uma taxa pode descrever o risco; a escolha depende da decisão a tomar. Mesmo uma taxa bem escolhida pode enganar se os grupos diferirem em idade, saúde ou exposição. A melhor comparação corresponde à pergunta e explicita seus pressupostos.

A correlação pode revelar um padrão sem identificar sua causa.

Uma variação conjunta não é uma explicação. Huff discute um estudo que constatou que estudantes universitários fumantes tiravam notas mais baixas do que os não fumantes. Mesmo que a associação seja real, isso não mostra que fumar tenha reduzido as notas. Notas baixas podem influenciar o hábito de fumar, ou um terceiro fator, como os hábitos sociais, pode afetar ambos. A mesma cautela vale quando pessoas com diploma universitário ganham mais: sua capacidade prévia ou os recursos da família podem ajudar a explicar a diferença.

Procure outros caminhos possíveis. Duas tendências podem crescer juntas porque ambas respondem a uma mudança mais ampla, ou porque a relação entre elas muda em níveis diferentes. Huff observa que mais chuva pode ajudar as lavouras até certo ponto, enquanto chuva excessiva pode danificá-las. Uma correlação é evidência de um padrão nos dados observados. Para sustentar uma afirmação causal, é preciso um método ou argumento que diferencie explicações concorrentes.

Análise

A inferência causal faz uma pergunta mais difícil do que saber se duas variáveis se movem juntas: o que teria acontecido com as mesmas pessoas ou unidades sob uma condição diferente? Experimentos aleatorizados podem ajudar a responder a essa pergunta, enquanto estudos observacionais precisam lidar com fatores de confusão e seleção. Ainda podem ser valiosos, sobretudo quando experimentos são impraticáveis, mas suas conclusões causais exigem pressupostos explícitos. Um número convincente deve reduzir as explicações alternativas, não apenas escolher aquela que seu patrocinador prefere.

Exija o denominador por trás das porcentagens e a base de comparação por trás das tendências.

As porcentagens precisam de uma base. Um relatório trabalhista apresentou o índice de 4,9% para empregos domésticos que pagavam determinado salário. Essa porcentagem vinha de apenas dois casos entre 41 propostas. A contagem bruta deixa mais clara a dimensão das evidências. As porcentagens também podem variar quando sua base muda: um aumento salarial de 20% depois de um corte de 20% não restaura o salário original, porque o aumento se aplica a um valor menor.

As variações não se somam simplesmente. Um desconto de 50%, seguido de outro de 20%, corresponde a uma redução de 60% em relação ao preço original, não de 70%. Do mesmo modo, uma empresa pode apresentar os mesmos lucros como proporção das vendas, retorno sobre o investimento ou variação em relação a um ano escolhido. Antes de interpretar a porcentagem, pergunte qual é o denominador e qual é o ponto de comparação.

Análise

Porcentagens são quantidades relativas e, por isso, carregam um valor de referência invisível. Sem essa base, uma porcentagem pode soar precisa e, ainda assim, ser difícil de interpretar. Isso é especialmente importante ao comparar crescimentos a partir de valores iniciais desiguais: uma base pequena pode produzir uma grande variação percentual mesmo quando a variação absoluta é modesta. Um bom relatório apresenta tanto a taxa quanto as contagens ou valores subjacentes, permitindo aos leitores entender a dimensão e também a direção da mudança.

Faça cinco verificações antes de acreditar em uma estatística.

Transforme o ceticismo em rotina. O método de encerramento de Huff é uma breve auditoria das evidências, não uma razão para rejeitar os números em bloco. Pergunte:

1. Quem produziu a estatística e o que essa pessoa ou entidade pode ganhar com ela?
2. Como os dados foram coletados e quem não pôde ou não quis participar?
3. Quais contagens, faixas, comparações ou medidas de incerteza estão ausentes?
4. A quantidade medida corresponde à conclusão apresentada?
5. O resultado faz sentido quando comparado à experiência cotidiana e a outras evidências?

Siga a cadeia. Uma estatística passa pela coleta, classificação, cálculo, apresentação e interpretação. A distorção pode surgir em qualquer elo, mesmo sem fraude deliberada. Quanto mais importante a afirmação, mais necessário é rastrear essa cadeia, em vez de se deixar impressionar por casas decimais, nomes de instituições ou um gráfico apresentado com confiança.

Análise

A lista de verificação é útil porque transforma a alfabetização estatística em perguntas que podem ser feitas sem matemática avançada. Também mantém o ceticismo disciplinado: um relatório fraco não prova que a afirmação oposta seja verdadeira. Na prática, as perguntas funcionam melhor em conjunto. Uma fonte respeitável ainda pode usar uma amostra ruim, e uma amostra representativa ainda pode medir a coisa errada. O objetivo é uma confiança calibrada, proporcional à qualidade e à relevância das evidências.

Análise

A principal contribuição de Huff é fazer com que o ceticismo estatístico comece antes dos cálculos. Os leitores costumam encontrar uma média, porcentagem ou gráfico bem apresentado e presumir que o perigo está em erros de aritmética. As escolhas de maior consequência costumam ocorrer antes: quem entra na amostra, como uma categoria é definida, qual linha de base é escolhida, o que conta como resultado e quais comparações são publicadas. O cálculo pode ser exato, enquanto o percurso da observação à conclusão continua enviesado.

Os exemplos do livro tornam esse argumento memorável porque mostram os mesmos dados sustentando impressões muito diferentes. A média de um bairro sobe quando alguns milionários são incluídos. Um gráfico de linhas se torna alarmante quando sua linha de base desaparece. Uma associação real é confundida com uma relação de causa e efeito. Não são apenas truques de anunciantes desonestos. São falhas de medição e interpretação que podem surgir de incentivos, convenções, pressa ou pressupostos não examinados. Por isso, a atenção de Huff tanto à manipulação deliberada quanto à incompetência corriqueira é mais útil do que um simples alerta para desconfiar dos especialistas.

O livro também se beneficia de uma ressalva moderna importante. A significância estatística não prova que uma afirmação seja verdadeira, e não atingir um limiar não prova que um efeito esteja ausente. A dimensão do efeito, a incerteza, o desenho do estudo e as consequências do erro são importantes. Da mesma forma, a amostragem aleatória trata apenas da incerteza de seleção, e somente sob seus pressupostos. Ela não corrige perguntas enganosas, respostas imprecisas ou uma incompatibilidade entre a medida e a afirmação.

Alguns exemplos estão ligados à mídia e às instituições dos anos 1950, mas os problemas subjacentes persistem sempre que as evidências são condensadas para persuadir. A habilidade duradoura não é desconfiar dos números; é rastrear o que um número representa. Os leitores que perguntam sobre população, medição, comparação, incerteza e incentivos conseguem resistir à manipulação sem abrir mão de aprender com evidências quantitativas.

Resumo em 30 Segundos
Os números podem ser calculados corretamente e ainda assim induzir ao erro quando as amostras excluem grupos importantes, as médias ocultam assimetrias ou os gráficos distorcem a escala. Uma pesquisa com milhões de pessoas previu o vencedor errado porque suas listas favoreciam eleitores mais ricos. As porcentagens precisam vir acompanhadas das contagens e dos pontos de comparação que lhes dão contexto; associações observadas, por si só, não estabelecem causalidade. Verifique quem coletou os dados, como foram medidos, o que está faltando e se a conclusão é compatível com as evidências.
Contém spoilers

Última atualização:

Reportar Problema

Resumo das Resenhas

3.84 de 5
Média de 18.000+ avaliações do Goodreads e Amazon.

Como Mentir com a Estatística é amplamente elogiado como um guia atemporal e acessível para compreender e avaliar criticamente informações estatísticas. Os leitores apreciam suas explicações claras, seu humor e seus exemplos práticos, que revelam truques comuns usados para enganar com dados. Muitos o consideram leitura essencial para desenvolver conhecimentos estatísticos e habilidades de pensamento crítico. Enquanto alguns acham encantadores os exemplos datados, outros gostariam de encontrar conteúdo mais moderno. Em geral, os críticos recomendam muito o livro por suas valiosas lições sobre como interpretar estatísticas no cotidiano.

Sua avaliação:
4.38
427 avaliações
Quer ler o livro completo?

Glossário

distorção estatística (statisticulation)

Enganar por meio de material estatístico

Termo de Huff para a prática de desinformar as pessoas manipulando ou apresentando material estatístico de maneiras que distorcem seu significado. A distorção pode ser deliberada, mas também pode resultar de incompetência, divulgação seletiva, simplificação excessiva ou escolhas feitas por pessoas que transmitem resultados de pesquisadores ao público.

número semiadstrito (semiattached figure)

Um número tenuemente ligado à afirmação que pretende sustentar

Uma estatística genuína ou aparentemente genuína apresentada como evidência de uma conclusão que, na realidade, não comprova. Um resultado de laboratório sobre germes em um tubo de ensaio, por exemplo, não prova por si só que um tratamento cura uma doença. O número pode estar correto, embora sua conexão com a afirmação seja enganosa.

amostragem aleatória estratificada

Amostragem aleatória dentro de grupos definidos

Um método de amostragem que divide uma população em categorias, como faixas etárias ou grupos de renda, e então seleciona pessoas dessas categorias nas proporções pretendidas. Pode ser mais prático do que extrair uma amostra puramente aleatória de toda a população, mas depende de categorias precisas e de que as pessoas sejam alcançadas aleatoriamente dentro de cada grupo.

erro provável

Uma medida antiga da incerteza de uma estimativa

Uma medida usada por Huff para expressar a incerteza de uma estimativa obtida por amostragem. Em sua explicação, o erro provável fornece um intervalo que se espera conter o valor verdadeiro em metade das repetições. Ele descreve a precisão da amostragem, não se um teste mede a coisa certa nem se a amostra é enviesada.

erro-padrão

Variabilidade estimada da amostragem

Uma medida de quanto uma estatística amostral normalmente variaria em amostras repetidas da mesma população. Huff o descreve como uma alternativa mais conveniente ao erro provável e observa que, sob pressupostos conhecidos, um intervalo de um erro-padrão abrange cerca de dois terços dos casos. Ele não capta todas as fontes de viés.

falácia post hoc

Confundir associação com causalidade

O erro de concluir que um evento ou condição causou outro simplesmente porque ocorrem juntos ou porque um sucede ao outro. Huff ressalta que uma correlação pode resultar do acaso, de uma influência no sentido inverso ou de um terceiro fator que afeta ambas as variáveis. Para estabelecer causalidade, são necessárias evidências que permitam distinguir essas explicações.

distribuição normal

Uma distribuição simétrica, em forma de sino

Uma distribuição em que os valores se concentram em torno de um ponto central e se tornam menos comuns em direção a qualquer um dos extremos, formando uma curva aproximadamente simétrica em forma de sino. Numa distribuição assim, a média, a mediana e a moda coincidem ou ficam próximas umas das outras. Huff a contrapõe às distribuições assimétricas, como a de renda, em que alguns valores extremos podem afastar a média da mediana.

Perguntas Frequentes

Sobre o que trata "Como Mentir com a Estatística"?

  • Visão geral: "Como Mentir com a Estatística", de Darrell Huff, é um guia para entender como as estatísticas podem ser manipuladas para induzir ao erro ou enganar.
  • Objetivo: O livro busca ensinar aos leitores os truques comuns usados na apresentação de dados estatísticos que podem distorcer a verdade.
  • Conteúdo: Aborda vários métodos estatísticos e como podem ser usados para criar falsas impressões, de amostras enviesadas a gráficos enganosos.
  • Ilustrações: O livro é ilustrado por Irving Geis, o que ajuda a visualizar os conceitos discutidos.

Por que devo ler "Como Mentir com a Estatística"?

  • Pensamento crítico: Aumenta sua capacidade de analisar criticamente informações estatísticas apresentadas na mídia, em anúncios e em pesquisas.
  • Conscientização: O livro conscientiza sobre o possível uso indevido das estatísticas no cotidiano.
  • Exemplos práticos: Apresenta exemplos práticos e relatos que tornam os conceitos mais próximos da realidade e fáceis de entender.
  • Autodefesa: A leitura oferece o conhecimento necessário para se defender de manipulações estatísticas enganosas.

Quais são as principais lições de "Como Mentir com a Estatística"?

  • Viés na amostragem: Desconfie de amostras enviesadas que não representam corretamente a população inteira.
  • Médias enganosas: Entenda a diferença entre média, mediana e moda, e como podem ser usadas para induzir ao erro.
  • Engano gráfico: Reconheça como os gráficos podem ser manipulados para exagerar ou minimizar tendências.
  • Correlação e causalidade: Aprenda a distinguir correlação de causalidade para evitar conclusões falsas.

Quais são as melhores citações de "Como Mentir com a Estatística" e o que significam?

  • "Há três tipos de mentira: mentiras, mentiras deslavadas e estatísticas." Essa frase, atribuída a Disraeli, ressalta como as estatísticas podem ser usadas para enganar.
  • "O pensamento estatístico será um dia tão necessário para uma cidadania eficiente quanto a capacidade de ler e escrever." H. G. Wells enfatiza a importância de compreender estatísticas na sociedade moderna.
  • "Números redondos são sempre falsos." Samuel Johnson sugere que devemos desconfiar de números arrumadinhos demais, pois muitas vezes simplificam em excesso dados complexos.
  • "Não são tanto as coisas que não sabemos que nos metem em encrenca. São as coisas que sabemos e que não são assim." Artemus Ward alerta contra crenças falsas, que podem ser perpetuadas por estatísticas enganosas.

Como Darrell Huff explica o conceito de "A amostra com viés embutido"?

  • Definição: Uma amostra enviesada é aquela que não representa corretamente a população que deveria refletir.
  • Exemplo: Huff usa o exemplo da renda dos formandos de Yale: foram incluídas apenas as pessoas cujos endereços eram conhecidos e que responderam, o que distorceu os resultados.
  • Impacto: Essas amostras podem levar a conclusões que não refletem a situação real, muitas vezes exagerando ou minimizando a realidade.
  • Solução: Para evitar vieses embutidos, certifique-se de que as amostras sejam aleatórias e representativas.

O que significa "A média bem escolhida" no contexto do livro?

  • Médias diferentes: Huff explica a diferença entre média, mediana e moda, e como cada uma pode contar uma história diferente.
  • Manipulação: Ao escolher um tipo específico de média, é possível apresentar dados de uma maneira que sustente determinada narrativa.
  • Exemplo: A renda média de um bairro pode parecer alta ou baixa dependendo de se usar a média aritmética ou a mediana.
  • Avaliação crítica: Questione sempre que tipo de média está sendo usado e por quê.

Como "Os pequenos números que não estão lá" são usados para induzir ao erro?

  • Dados ausentes: Números importantes, como o tamanho da amostra ou as margens de erro, muitas vezes são omitidos, levando a conclusões enganosas.
  • Intervalo e desvio: Sem compreender o intervalo ou o desvio, uma média pode não ter sentido.
  • Exemplo: Estatísticas habitacionais baseadas no tamanho médio das famílias podem representar incorretamente as necessidades da população.
  • Atenção: Procure números ausentes que poderiam mudar a interpretação dos dados.

O que é o "Gráfico espetaculoso" e como ele engana?

  • Manipulação de gráficos: Os gráficos podem ser manipulados por meio do corte dos eixos ou da alteração das escalas para exagerar tendências.
  • Impacto visual: Uma pequena mudança pode parecer significativa se o gráfico for concebido para enganar visualmente.
  • Exemplo: Um aumento de dez por cento pode parecer uma alta dramática se o eixo do gráfico for cortado.
  • Observação crítica: Confira sempre as escalas e os eixos dos gráficos para entender os dados reais.

Como "A imagem unidimensional" induz os leitores ao erro?

  • Gráficos pictóricos: Usam imagens para representar dados, o que pode exagerar diferenças por meio da manipulação do tamanho.
  • Impressões enganosas: Uma imagem maior pode sugerir uma diferença muito maior do que os dados permitem concluir.
  • Exemplo: Um saco de dinheiro que representa a renda pode ser desenhado maior para sugerir uma disparidade mais ampla.
  • Ceticismo: Tenha cautela com representações pictóricas que podem distorcer os dados reais.

O que é o "Número semiadstrito" e como é usado?

  • Definição: Consiste em usar um número relacionado à afirmação, mas que não é diretamente pertinente a ela.
  • Exemplo: Afirmar que um produto mata germes em um tubo de ensaio para sugerir que cura resfriados em seres humanos.
  • Correlação enganosa: Cria uma falsa impressão de causalidade ou pertinência.
  • Questionamento crítico: Pergunte sempre como o número se relaciona com a afirmação apresentada.

Como o livro aborda a falácia "post hoc"?

  • Falácia post hoc: Supor que, por um evento acontecer depois de outro, o primeiro causou o segundo.
  • Exemplo: Associar o fumo a notas baixas sem considerar outros fatores.
  • Várias explicações: Pode haver outros fatores que causam ambos os eventos, ou a relação pode ser coincidência.
  • Análise cética: Considere sempre explicações alternativas para as correlações.

Como os leitores podem "retrucar a uma estatística", segundo Darrell Huff?

  • Questione a fonte: Considere quem apresenta a estatística e quais vieses essa pessoa pode ter.
  • Verifique a metodologia: Examine como os dados foram coletados e se a amostra era representativa.
  • Procure informações ausentes: Identifique dados que poderiam alterar a interpretação.
  • Avalie a lógica: Certifique-se de que as conclusões tiradas dos dados fazem sentido lógico e não se baseiam em pressupostos falhos.

Sobre o Autor

Darrell Huff foi um escritor e jornalista americano, mais conhecido por seu livro Como Mentir com a Estatística, publicado em 1954. O livro tornou-se um sucesso de vendas inesperado e permaneceu sendo publicado por mais de seis décadas, com mais de 1,5 milhão de exemplares vendidos. Huff escreveu vários outros livros sobre diversos temas, incluindo humor e jogos de palavras. Não tinha formação formal em estatística, mas desenvolveu interesse pelo assunto por meio de seu trabalho como jornalista. Seu estilo espirituoso e acessível tornou compreensíveis para o público geral conceitos estatísticos complexos, contribuindo para a popularidade duradoura de sua obra mais famosa.

Baixar PDF

Para guardar este resumo de Como Mentir com a Estatística para depois, baixe o PDF grátis. Você pode imprimi-lo ou ler offline quando quiser.
Baixar PDF

Baixar EPUB

Para ler este resumo de Como Mentir com a Estatística no seu dispositivo ou aplicativo de leitura, baixe o EPUB grátis. O formato digital .epub é ideal para ler e-books em celulares, tablets e leitores digitais.
Baixar EPUB
Quer ler o livro completo?
Seguir
Ouvir
Início
Swipe
Biblio
App
Experimente o Acesso Completo por 3 Dias
Ouça, salve e muito mais
Comparar Recursos Gratuito Pro
📖 Ler Resumos
Leia resumos ilimitados. Usuários gratuitos recebem 3 por mês
🎧 Ouvir Resumos
Ouça resumos ilimitados em 40 idiomas
—
❤️ Favoritos Ilimitados
Usuários gratuitos são limitados a 4
—
📜 Histórico Ilimitado
Usuários gratuitos são limitados a 4
—
📥 Downloads Ilimitados
Usuários gratuitos são limitados a 1
—
Cronograma Sem Risco
Hoje: Acesso Imediato
Ouça resumos completos de mais de 26.000 livros. São mais de 12.000 horas de áudio!
Dia 2: Lembrete do Teste
Enviaremos uma notificação avisando que seu teste está acabando.
Dia 3: Sua assinatura começa
A cobrança será feita em 25 de nov.,
cancele a qualquer momento antes.
Consume 2.8× More Books
2.8× mais livros Audição Leitura
Nossos usuários nos amam
1M+ leitores
Trustpilot Rating
TrustPilot
4.6 Excelente
Este site é revolucionário. Tenho lido resumos de livros como nunca antes. Recomendo muito, muito mesmo.
— Dave G
Vale o meu dinheiro e tempo, e muito bem feito. Nunca vi essa qualidade de resumos em outros sites. Muito útil!
— Em
Altamente recomendado!! Serviço fantástico. Perfeito para quem quer algo além de uma prévia, mas sem todos os detalhes de um audiolivro completo.
— Greg M
Economize 62%
Anual
$119.88 $44.99/ano/ano
$3.75/mês
Mensal
$9.99/mês
Iniciar Teste Gratuito de 3 Dias
3 dias grátis, depois $44.99/ano. Cancele quando quiser.
Unlock a world of fiction & nonfiction books
Mais de 26.000 livros pelo preço de 2 livros
Leia qualquer livro em 10 minutos
Descubra novos livros como no Tinder
Solicite qualquer livro se ainda não tiver resumo
Leia mais livros do que qualquer pessoa que você conhece
App nº 1 para amantes de livros
Lifelike & immersive summaries
Garantia de reembolso de 30 dias
Baixe resumos em EPUB ou PDF
Cancele a qualquer momento em poucos cliques

Por que só um resumo?

Scanner
Encontre um código de barras para escanear

⭐
⭐
⭐
Temos um presente especial para si
Abrir
38% de desconto
DESCONTO PARA VOCÊ
⭐
⭐
⭐
$79.99
$49.99/ano
Apenas $4.16 por mês
Continuar
Comece com 2 toques e cancele com facilidade
Configurações
Geral
Widget
Carregando...