O PhD Satoshi Kanazawa, em conjunto com o também PhD Alan Miller publicaram na Psychology Today sobre algumas verdades politicamente incorretas. O texto atraiu a atenção do famoso blog Freakonomics que deu amplo destaque as posições dos autores. Anteriormente o mesmo blog já tinha dado um destaque a outra pesquisa de Kanazawa, sobre a atração de mulheres bonitas por homens feios.
(Além disto, fiz um vínculo para o artigo do Psychology Today)
Um blog especializado em estatística faz um comentário devastador sobre a pesquisa de Kanazawa. Basicamente os estudos de Kanazawa possuem erros estatísticos. Quando controla-se as variáveis intermediárias não existe nada que comprove que "pais bonitos tem mais filhas". Ou seja, a teoria não foi comprovada estatísticamente.
Mostrando postagens com marcador estatística. Mostrar todas as postagens
Mostrando postagens com marcador estatística. Mostrar todas as postagens
18 julho 2007
05 junho 2007
Uso Errado da Matemática
Sou fã da série Numb3rs (e aqui), onde um matemático ajuda o FBI na solução de diversos crimes. A notícia abaixo mostra o contrário.
Na Holanda Lucia de Berk foi condenada pela morte ou tentativa de morte de diversos pacientes nos hospitais onde trabalhava. Um especialista encontrou que a chance estatística de ser mera coincidência as mortes ocorridas nos hospitais em 1 para 342 milhões.
Entretanto, alguns cientistas holandeses argumentam que o cálculo está errado e pode ser irrelevante para o caso. Isto é conhecido como Prosecutor´s Fallacy, onde falácias estatísticas são usadas em argumentos perante a lei.
Os investigadores do caso não foram cuidadosos na coleta dos dados. Em alguns casos, consideraram alguns eventos como suspeitos somente depois de saberem que Lucia estava presente. Isto significa que o número apresentado estava inflado e provavelmente Lucia é inocente. Em um hospital, quando Lucia trabalhava, ocorreram 6 casos suspeitos; no mesmo período, antes de Lucia começar a trabalhar, foram 7 casos. Ou seja, se Lucia é uma assassina, o número de morte diminuiu com sua presença.
Na Holanda Lucia de Berk foi condenada pela morte ou tentativa de morte de diversos pacientes nos hospitais onde trabalhava. Um especialista encontrou que a chance estatística de ser mera coincidência as mortes ocorridas nos hospitais em 1 para 342 milhões.
Entretanto, alguns cientistas holandeses argumentam que o cálculo está errado e pode ser irrelevante para o caso. Isto é conhecido como Prosecutor´s Fallacy, onde falácias estatísticas são usadas em argumentos perante a lei.
Os investigadores do caso não foram cuidadosos na coleta dos dados. Em alguns casos, consideraram alguns eventos como suspeitos somente depois de saberem que Lucia estava presente. Isto significa que o número apresentado estava inflado e provavelmente Lucia é inocente. Em um hospital, quando Lucia trabalhava, ocorreram 6 casos suspeitos; no mesmo período, antes de Lucia começar a trabalhar, foram 7 casos. Ou seja, se Lucia é uma assassina, o número de morte diminuiu com sua presença.
28 janeiro 2007
Significante e não significante pode não ser significante
Quem tem o prazer de fazer pesquisa empírica já se deparou com testes de significâncias. Os softwares que usamos geralmente consideram 5% como o padrão para aceitação ou rejeição das hipóteses. Qual a razão de usar 5%? Talvez o costume na pesquisa na área de ciências sociais.
Existe muita discussão sobre a importância desse valor nas pesquisas empíricas. Afinal, a diferença entre "significante" e "não significante" é importante? Clique aqui para um artigo (PDF) de Gelman e Stern sobre o assunto
Existe muita discussão sobre a importância desse valor nas pesquisas empíricas. Afinal, a diferença entre "significante" e "não significante" é importante? Clique aqui para um artigo (PDF) de Gelman e Stern sobre o assunto
12 janeiro 2007
Estatística
Você fica confuso com as técnicas estatísticas? Não sabe como enquadrar a meta-analíse nos métodos quantitativos? Os gráficos abaixo talvez facilitem as coisas:
Fonte: Statistical Modeling, Causal Inference, and Social Science
Fonte: Statistical Modeling, Causal Inference, and Social Science
06 junho 2006
Conselhos para um orientando
Sempre que posso, leio dicas sobre orientação e metodologia. Preferencialmente algo prático, longe do linguajar acadêmico, que seja efetivamente aplicável. Como admiro muito os trabalhos produzidos pelos norte-americanos, a consulta a textos com conselhos é sempre útil.
Além disso, estamos, nós brasileiros, literalmente mudando nosso estilo científico na pesquisa contábil. Já deixamos de lado a pesquisa bibliográfica e produzimos cada vez mais textos empíricos.
Michael Kremer apresenta algumas sugestões interessantes sobre um trabalho empírico e um trabalho de modelagem. Eis alguns conselhos (adaptado):
Trabalho Empírico
1. Descreva os dados. Quantas observações? De onde vieram?
2. Inclua tabela que mostre a média das variáveis e seus desvios.
3. Como regra, é usualmente melhor mostrar os erros padrões do que a estatística "t".
4. Olhe para um artigo publicado para ver como apresentar uma tabela. Evite linhas horizontais.
5. Inclua informações básicas como o tamanho da amostra e o R.
6. Na medida do possível faça a tabela autoexplicativa, inclusive no título e nas notas.
7. Você deve explicar seu trabalho empírico com detalhes suficientes para que alguém o replique.
8. Se você usa um instrumento, explique as razões pelo qual você pensa que é válido.
Exposição
1. A introdução e a revisão não deve tomar mais do que 5 páginas. Depois disso, vá para o modelo.
2. Sempre inclua um resumo.
3. No resumo e na introdução, não somente diga o que você irá examinar, mas também descreva os resultados. (Aqui, uma nota minha: no Brasil não fazemos isso)
4. Não devem ter mais do que 45 páginas. 20 a 30 é o mais apropriado.
Além disso, estamos, nós brasileiros, literalmente mudando nosso estilo científico na pesquisa contábil. Já deixamos de lado a pesquisa bibliográfica e produzimos cada vez mais textos empíricos.
Michael Kremer apresenta algumas sugestões interessantes sobre um trabalho empírico e um trabalho de modelagem. Eis alguns conselhos (adaptado):
Trabalho Empírico
1. Descreva os dados. Quantas observações? De onde vieram?
2. Inclua tabela que mostre a média das variáveis e seus desvios.
3. Como regra, é usualmente melhor mostrar os erros padrões do que a estatística "t".
4. Olhe para um artigo publicado para ver como apresentar uma tabela. Evite linhas horizontais.
5. Inclua informações básicas como o tamanho da amostra e o R.
6. Na medida do possível faça a tabela autoexplicativa, inclusive no título e nas notas.
7. Você deve explicar seu trabalho empírico com detalhes suficientes para que alguém o replique.
8. Se você usa um instrumento, explique as razões pelo qual você pensa que é válido.
Exposição
1. A introdução e a revisão não deve tomar mais do que 5 páginas. Depois disso, vá para o modelo.
2. Sempre inclua um resumo.
3. No resumo e na introdução, não somente diga o que você irá examinar, mas também descreva os resultados. (Aqui, uma nota minha: no Brasil não fazemos isso)
4. Não devem ter mais do que 45 páginas. 20 a 30 é o mais apropriado.
Assinar:
Postagens (Atom)