1. Tipos de estudos
1.1. Um estudo longitudinal colhe informações sobre um grande número de sujeitos em muitos momentos diferentes, como uma vez a cada dois anos (Ferrari) - Estudo de Framingham.
1.2. Dados transversais - coleção de dados reunidos num único instante no tempo (Toyota)
2. Tipos de Viés
2.1. As maiores erros da estatística são feitos com análises estatística corretas utilizando dados espúrios ou inapropriados
2.2. Viés de seleção
2.2.1. Meu círculo de amigos vs todos os eleitores
2.2.2. Pesquisas em aeroportos
2.2.3. Pesquisas em paradas de ônibus
2.2.4. Pessoas que aceitaram responder a pesquisa
2.2.5. Leitores de uma revista
2.2.6. Viés de autosseleção (voluntários)
2.3. Viés de publicação
2.3.1. Coisas inusitadas acontecem vez ou outra, por simples questão de acaso
2.3.2. Achados positivos são mais interessantes
2.3.3. Achados negativos tendem a ser ignorados
2.3.4. Revistas médicas normalmente requerem registro desde o início do estudo para ser elegível à publicação
2.4. Viés de memória
2.4.1. Nossa memória se revela frágil quando tentamos explicar alguns resultados particularmente bons ou ruins no presente
2.4.2. Estudos longitudinais ajudam a reduzir este viés em comparação à estudo transversais
2.4.3. Ex: mulheres com câncer de amam
2.5. Viés de sobrevivência
2.5.1. Algumas ou muitas observações são removidas da amostra
2.5.2. Ex: Diretor da escola ou gestor de fundos mútuos
2.6. Viés do usuário saudável
2.6.1. Pessoas que se engajam com fé em atividades que lhes são benéficas são fundamentalmente diferentes daquelas que não se engajam
3. Dados
3.1. A maior parte dos livros de estatística presume que você esteja usando bons dados, da mesma maneira que um livro de cozinha presume que você não esteja comprando carne rançosa nem legumes e verduras podres.
3.2. Não há volume de análise sofisticada que possa compensar dados fundamentalmente falhos.
3.3. Coleta de dados sem um motivo específico que confiança de que os dados serão úteis no futuro
3.4. Se a estatística é trabalho de detetive, então dados são as pistas
4. Amostragem
4.1. Inferências feitas a partir de amostras razoavelmente grandes, adequadamente escolhidas, podem ser tão acuradas quanto tentar extrair a mesma informação da população inteira.
4.2. O modo mais fácil de coletar uma amostra representativa de uma população maior é selecionar de modo aleatório algum subconjunto dessa população.
4.3. (1) uma amostra representativa é uma coisa fabulosamente importante, pois abre a porta para algumas das ferramentas mais poderosas que a estatística tem a oferecer.
4.4. (2) Obter uma boa amostra é mais difícil do que parece.
4.5. (3) Muitas das afirmativas estatísticas mais abomináveis são causadas por bons métodos estatísticos aplicados a amostras ruins, e não o contrário.
4.6. (4) O tamanho importa, e quanto maior melhor.
4.7. Uma amostra maior não compensa erros em sua composição, ou um “viés”. Uma amostra ruim é uma amostra ruim.
4.8. Uma amostra grande, enviesada, é indiscutivelmente pior do que uma amostra pequena enviesada, porque dará uma falsa sensação de confiança referente aos resultados.
4.9. À medida que pesquisar com más amostras se tornam maiores, o monte de lixo só aumenta e fede mais
5. Estatística de Comparação
5.1. Busca isolar o impacto de uma intervenção ou atributo específico (método científico)
5.1.1. Grupo de tratamento
5.1.2. Grupo de controle
5.2. A meta é encontrar dois grupos de sujeitos que sejam basicamente semelhantes exceto na aplicação de qualquer que seja o “tratamento” que nos interesse.
5.3. Em ciências físicas e biológicas, criar grupos de tratamento e controle é algo relativamente simples e direto.
5.4. Desafios de pesquisas com humanos
5.4.1. Isolar apenas o tratamento
5.4.2. Não se pode fazer experimentos que causam danos
5.5. Padrão-outro
5.5.1. Designação aleatória para
5.5.1.1. Grupo de tratamento
5.5.1.2. Grupo de controle