Qual a importância da estatística para a pesquisa?

Se você está na academia há muito tempo, pode ser que já tenha se deparado com inúmeros “desafios estatísticos” e que não seja muito fã dessa ciência.

Se você está começando uma iniciação científica ou um mestrado/doutorado, pode ser que normalizar dados ou interpretar uma ANOVA de duas vias esteja tirando o seu sono. No entanto, sem estatística não fazemos pesquisa. Confira três usos das análises estatísticas:

1: A estatística permite que os pesquisadores projetem estudos de forma que os resultados dos estudos possam ser extrapolados para uma população maior. Ex: Você quer estimar a população de uma certa espécie de planta. Um caminho seria sair por aí e coletar dados de todos os indivíduos dessa população. Uma opção menos lunática é amostrar parte da população e usar os dados dessa fração para tirar conclusões sobre a população como um todo.

2: As estatísticas permitem que os pesquisadores realizem testes de hipóteses para determinar se alguma afirmação sobre um novo medicamento, novo procedimento, novo método de fabricação etc. é verdadeira. Ex: Um cientista quer saber se uma nova droga tem efeito na pressão arterial de pacientes. A hipótese nula é: a média de pressão arterial não se altera após o uso da droga. A hipótese alternativa é que sim, a droga altera a pressão arterial (aumentando ou diminuindo). O pesquisador pode, então, realizar um teste-T com os dados coletados de P.A. Se o valor de P for menor que um valor de significância (por exemplo: 0,05), pode-se descartar a hipótese nula e considerar que a hipótese alternativa é verdadeira. Ou seja, a droga alterou a média de pressão arterial.

H0 - hipótese nula 

H1 - hipótese alternativ

3: As estatísticas permitem que os pesquisadores criem intervalos de confiança para capturar a incerteza em torno das estimativas populacionais.

Intervalo de confiança é um intervalo numérico (de um parâmetro populacional, como a média ou o desvio-padrão), associado a uma probabilidade (o nível de confiança), que representa a confiança de que o intervalo contém o parâmetro.

Ex: Suponha que um grupo de pesquisa queira estimar o peso de indivíduos machos de uma espécie de urso. Ao invés de pesar todos os indivíduos da população, pode-se amostrar alguns indivíduos e extrapolar a média de peso para todos os outros, calculando um intervalo de confiança de 95%, por exemplo. Em outras palavras, o grupo pode afirmar que eles estão 95% confiantes de que eles estimaram uma faixa de peso verdadeira dos machos daquela espécie (entre 292,75 kg e 307,25kg).

• Tamanho amostral n = 25

• Média dos pesos x = 300

• Desvio padrão da amostra s = 18,5

95% Intervalo de confiança: 300 +/- 1,96*(18,5/√25) = [292,75; 307,25]