Home Sociedade Estatísticas: Para Que Servem E Como Nos Podem Enganar

Estatísticas: Para Que Servem E Como Nos Podem Enganar

233
0

As estatísticas são uma parte fundamental da administração social e do progresso científico. São as estatísticas que permitem que os governos efectuem ilações acerca da generalidade da população, que mostram a verdade acerca da sociedade e que ajudam a contribuir para a exposição de novos fenómenos científicos. Fundamentais não só para as grandes instituições de Portugal e do estrangeiro, as estatísticas fazem também parte da vida de cada um de nós. As decisões do nosso dia-a-dia são pautadas pela melhor probabilidade, factor que nos ajuda a tomar decisões profissionais e pessoais mais acertadas. Fazem também parte do nosso entretenimento: estão na base de milhares de notícias insólitas que lemos online e são usadas de forma activa no desporto e em competições como o WSOP. Mas será que podemos confiar em todas as conclusões estatísticas que nos são apresentadas?

Na sociedade, mecanismos extremamente úteis como a lógica ou a Internet são muitas vezes submetidos à exploração tendenciosa de pessoas com intenções pouco louváveis. As estatísticas não são excepção. Mesmo quando obtidas de forma correcta e segundo todas as normas científicas, as estatísticas podem ser usadas para nos enganar. Tidas como uma ciência absoluta, estas são sujeitas a análises extremamente parciais que podem ajudar corporações, políticos, e indivíduos a moldar a verdade segundo os seus próprios interesses.

Da próxima vez que ouvir uma conclusão estatística no telejornal, no discurso de um político, ou num site de notícias na Internet, é importante avaliar a sua natureza e perceber até que ponto esta pode ou não estar desenhada para o convencer de algo que não é necessariamente verdade. Mas como podemos determinar que conclusões estatísticas são honestas, e que conclusões estatísticas são programadas para nos enganar? A resposta passa, em primeiro lugar, por saber reconhecer algumas das principais falácias associadas ao uso inapropriado de estatísticas.

Ignorar observações não-favoráveis

O mais óbvio de todos os métodos falaciosos de análise estatística é este. Quando confrontados com dados que não vão de acordo com a conclusão pretendida, cientistas desonestos podem muitas vezes descartar os casos que não lhes convêm. Esta táctica é muitas vezes difícil de identificar, mas a comunidade científica tem vindo a mostrar-se mais atenta a situações deste género. Será talvez mais simples reconhecer esta falácia nos numerosos anúncios e campanhas comerciais que utilizam “estatísticas” para promover os seus produtos. Quando uma companhia de saúde dentária, por exemplo, afirma que 95% dos dentistas recomendam o seu produto acima de qualquer outro, estas podem muitas vezes descartar de forma desonesta os exemplos de dentistas que preferem um produto da concorrência. De resto, as conclusões só não registam um contundente 100% porque tal faria com que a conclusão “científica” fosse menos convincente aos olhos do consumidor.

Manipulação de perguntas

Análises estatísticas que envolvem questionários a indivíduos são extremamente manipuláveis. Porque tudo depende de como as perguntas ou situações hipotéticas são feitas. Imaginemos, por exemplo, que dois partidos de correntes opostas pretendem conduzir um estudo estatístico relativo à problemática da eutanásia. O partido pró-eutanásia estruturaria as suas questões relativas ao tema de forma completamente diferente daquela que o partido anti-eutanásia adoptaria. As respostas à pergunta “Acredita que o Estado devia ajudar pessoas a cometer suicídio?” serão sempre radicalmente diferentes daquelas oferecidas à pergunta “Acredita que o Estado devia ajudar doentes crónicos que pretendam de forma voluntária cometer suicídio?”. Neste cenário hipotético, ambos os partidos seriam facilmente capazes de apresentar conclusões estatísticas que estariam de acordo com a sua agenda parcial.

Generalizações Absurdas

Outra maneira de manipular os resultados de um estudo científico está relacionada com a falácia da generalização. Esta ocorre principalmente quando cientistas ou investigadores utilizam uma base de dados pouco fiel para chegar a um resultado parcial. Imaginemos, por exemplo, que uma companhia que vende telefones fixos pretende conduzir um estudo que prove a utilidade e eficiência de telefones fixos. Uma maneira simples de “enganar o sistema” seria conduzir uma investigação através de números de telefone fixos. Se no nosso estudo utilizamos como sample apenas pessoas que têm um telefone fixo, então as probabilidades de obtermos uma resposta estatística favorável a esse mesmo produto são enormes. Se o mesmo estudo fosse realizado apenas com samples de pessoas que só usam telemóvel, o resultado seria completamente diferente.

Confusão entre correlação e causalidade

Já alguma vez se deparou com uma notícia quase inacreditável em que um novo estudo científico certifica que comer x alimento é benéfico para combater doença y? Se achou que havia algo de estranho com a notícia, a sua intuição estava certa. De facto, um estudo estatístico imparcial norte-americano provou que existem vários alimentos que já foram cientificamente identificados como sendo simultaneamente causa e cura do cancro. Como é que tal é possível? Através da recorrente confusão entre correlação e causalidade.
Este erro pode ser subtil em alguns casos, mas é imediatamente reconhecível a partir do momento em que o começamos a identificar. Muitas instituições duvidosas e jornais sensacionalistas aproveitam-se de coincidências para delinear conclusões estatísticas ditas “científicas” que pura e simplesmente não fazem sentido.

LEAVE A REPLY

Please enter your comment!
Please enter your name here