Como Números Podem Enganar: A Estatística Mal Usada
Resposta rápida: um número pode estar matematicamente correto e ainda assim criar uma impressão enganosa, dependendo de qual medida estatística é escolhida para representar os dados — a média em vez da mediana, por exemplo, ou uma amostra não representativa apresentada como se fosse geral.
Entender essas armadilhas comuns ajuda a ler notícias, propagandas e relatórios com mais criticidade, sem precisar ser um especialista em estatística.
📊 Calcule as medidas estatísticas dos seus dados Use a Calculadora de Estatística gratuita.Escolher a medida que favorece a narrativa
Como já vimos, média e mediana podem contar histórias bem diferentes sobre o mesmo conjunto de dados. Uma empresa pode divulgar o "salário médio" dos funcionários (inflado por salários de executivos) para parecer mais generosa do que a mediana revelaria. Esse tipo de escolha seletiva de medida — tecnicamente correta, mas contextualmente enganosa — é uma das formas mais comuns de manipulação estatística.
Amostras não representativas
Uma pesquisa realizada só com clientes que já compraram um produto, por exemplo, tende a mostrar satisfação mais alta do que a população geral — porque quem não gostou já parou de comprar e não está na amostra. Resultados de pesquisas dependem fortemente de quem foi perguntado, não só de quantas pessoas responderam.
Gráficos com eixos manipulados
Cortar o eixo Y de um gráfico para não começar em zero pode fazer uma diferença pequena parecer enorme visualmente — uma variação real de 2% pode parecer uma mudança dramática se o gráfico for construído para exagerar a escala. Essa técnica é usada com frequência (às vezes por descuido, às vezes de propósito) em relatórios financeiros e reportagens.
Correlação não é causação
Talvez o erro estatístico mais citado: duas variáveis que se movem juntas (correlação) não significam necessariamente que uma cause a outra. Vendas de sorvete e afogamentos aumentam juntos no verão, mas um não causa o outro — ambos são causados por um terceiro fator, o calor. Confundir correlação com causação é um erro comum tanto em análises informais quanto em estudos mal conduzidos.