O que acontece quando você abre uma planilha e vê números que não fazem sentido
Você já deve ter ouvido que estatística é sobre analisar dados. Isso é verdade, mas é também uma definição útil apenas para quem nunca precisou resolver um problema real com ela. Na prática, conceitos basicos de estatistica servem para transformar confusão em algo que você consegue explicar para outra pessoa sem parecer que está inventando coisa. O primeiro erro que eu vejo todo mundo cometer é achar que precisa decorar fórmulas. Não precisa. O que importa é entender o que cada medida está dizendo sobre os dados que estão na sua frente. A média, a mediana, o desvio padrão — essas coisas existem porque alguém precisava medir algo de um jeito que não fosse "mais ou menos aqui". Eu comecei trabalhando com dados de atendimento ao cliente, e a primeira coisa que aprendi foi que a média era quase sempre uma mentira útil.
A média mente para você — e você precisa saber quando
Tomemos um exemplo simples. Imagine que você tem cinco pessoas ganhando 2.000 reais, 2.100, 2.200, 2.300 e uma ganhando 50.000. A média seria cerca de 11.720. Se você passar esse número para alguém sem contexto, essa pessoa vai pensar que o grupo inteiro ganha bem acima do salário mínimo. A mediana, que é o valor do meio quando os dados estão ordenados, seria 2.200. Esse é um número muito mais honesto sobre a realidade daquele grupo. Eu usei isso na prática quando precisei apresentar resultados de uma pesquisa de satisfação interna. A média geral era 4,2 de 5, o que parecia excelente. Mas a mediana era 3,8, e a distribuição mostrava dois picos: muitos 5 e muitos 1. Ou seja, metade dos respondentes tinha sido muito satisfeita e a outra metade, extremamente insatisfeita. A média escondia um conflito real dentro da empresa. Publicar só a média seria irresponsável.
Desvio padrão não é só uma fórmula de livro
O desvio padrão mede o quão espalhados os dados estão em relação à média. Um número baixo significa que os valores estão próximos uns dos outros. Um número alto indica dispersão. Parece óbvio, mas a parte que as pessoas ignoram é que o desvio padrão só faz sentido quando os dados têm uma distribuição aproximadamente normal. Se a distribuição for simétrica, enviesada ou tiver outliers fortes, o desvio padrão perde utilidade prática. Em um projeto meu de análise de tempo de resposta de servidores, o desvio padrão era gigantesco porque alguns requisições levavam segundos normais e outras, por causa de um gargalo específico, levavam minutos. Tratar isso como um problema estatístico comum me levou a olhar os percentis. O P90 e o P95 me disseram exatamente o que eu precisava saber: 95% das requisições eram rápidas, mas 5% eram catastróficas. Para resolver o problema, eu precisava focar nos 5%, não na média geral.
Viés de seleção é o problema que ninguém conta na faculdade
Quando você coleta dados, o método de coleta já determina o que você vai encontrar. Se você pergunta satisfação do cliente por e-mail, quem responde provavelmente são pessoas que tiveram uma experiência extrema — muito boa ou muito ruim. As que não sentiram nada tendem a não responder. Seu dados estarão enviesados e você vai tirar conclusões erradas se não considerar isso. Eu descobri isso na prática analisando dados de um formulário online de avaliação de produtos. O índice de satisfação aparente era altíssimo, mas quando cruzei com dados de devoluções, percebi que os produtos com melhores notas também tinham as maiores taxas de devolução. As pessoas insatisfeitas não respondiam ao formulário. Elas simplesmente devolviam. O viés de seleção estava distorcendo completamente a narrativa que os dados pareciam contar.
Correlação não é causalidade — mas as pessoas insistem em tratar como tal
Dois variáveis podem estar fortemente correlacionadas sem que uma cause a outra. Um exemplo clássico: o número de vendas de sorvete e o número de afogamentos aumentam juntos no verão. Isso não significa que sorvete cause afogamentos. Ambas as variáveis aumentam porque faz mais calor. Quando você vê uma correlação, o próximo passo natural é perguntar se existe um fator de confusão explicando a relação. Numa análise que fiz sobre uso de tecnologia e produtividade em equipes remotas, detectamos uma correlação positiva entre o número de reuniões diárias e a produtividade medida por tarefas concluídas. Parecia contraditório, mas ao investigar, percebemos que as equipes mais produtivas eram justamente aquelas que tinham muitos alinhamentos. O fator de confusão era o tamanho da equipe: equipes maiores precisavam de mais reuniões e também tinham mais pessoas trabalhando, o que gerava mais tarefas concluídas no total. A correlação sozinha não contava essa história.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Intervalo de confiança e margem de erro são ferramentas, não decretos
Um intervalo de confiança de 95% significa que, se você repetisse a mesma coleta de dados cem vezes, em cerca de 95 dessas vezes o intervalo calculado conteria o verdadeiro valor da população. Não significa que há 95% de chance de o valor estar naquele intervalo específico. É uma distinção técnica importante que diferencia quem entende estatística de quem apenas repete definições. A margem de erro diminui conforme o tamanho da amostra aumenta, mas não linearmente. Para reduzir a margem de erro pela metade, você precisa de quatro vezes mais dados. Esse é um ponto que as pessoas subestimam muito. Eu vi projetos inteiros pararem porque o cliente esperava que dobrar a amostra dobraria a precisão. Não funciona assim.
Teste de hipótese é mais sobre tomar decisão do que sobre provar algo
Um teste de hipótese começa com uma hipótese nula, que é a premissa de que não há efeito ou diferença. O objetivo não é provar que sua hipótese está certa, mas sim avaliar se há evidência suficiente para rejeitar a hipótese nula. O valor-p é a probabilidade de obter resultados tão extremos quanto os observados, considerando que a hipótese nula é verdadeira. O problema é que valor-p baixo não significa importância prática. Com amostras grandes o suficiente, qualquer diferença minúscula pode ser estatisticamente significativa. Num teste A/B que conduzi para uma landing page, a variação B teve valor-p de 0,003, o que parece convincente. Mas a diferença real de conversão era de 0,2 pontos percentuais. Significantemente diferente de zero? Sim. Practicamente relevante? Quase nada. A decisão final dependeu de cruzar o resultado com o custo de implementar a mudança, não apenas com o valor-p.
Outras ferramentas que todo mundo deveria conhecer
Além dos conceitos já mencionados, existem distribuições de probabilidade como a binomial, a normal e a Poisson, que modelam comportamentos diferentes. A distribuição normal é especial porque muitos fenômenos naturais se aproximam dela, e ela é a base para testes paramétricos. A Poisson é útil para contar eventos raros em um intervalo fixo. Conhecer essas distribuições ajuda a escolher a ferramenta certa para cada situação. A regressão linear é outra ferramenta fundamental. Ela permite modelar a relação entre uma variável dependente e uma ou mais independentes. O coeficiente de determinação R² indica quanto da variação da variável dependente é explicada pelo modelo. Um R² alto não garante que o modelo é bom. Ele pode estar sobreajustado aos dados de treinamento e falhar completamente em dados novos. Validar o modelo com dados não vistos é essencial.
Erros comuns que eu vejo todo mundo cometer
O primeiro é tratar dados categóricos como numéricos. Se você codifica gêneros como 0 e 1 e aplica uma média, o resultado numericamente existe, mas não tem interpretação realista sem um contexto adequado. O segundo erro é ignorar dados faltantes. Excluir observações incompletas sem analisar o padrão de falta pode introduzir viés significativo. O terceiro erro mais frequente é confiar cegamente em softwares sem entender o que eles estão calculando por baixo dos panos. Eu encontrei um problema específico com missing data em um dataset de pesquisas educacionais. Os dados faltantes não eram aleatórios — alunos com pior desempenho tendiam a não responder algumas perguntas. Remover simplesmente essas linhas Would distorcer a representação do desempenho geral. A solução que eu usei foi imputação por média ponderada pelo grupo de similaridade, mantendo a estrutura dos dados sem introduzir viés óbvio.
A estatística básica não é sobre fórmulas bonitas ou visualizações impressionantes. É sobre fazer perguntas corretas para os dados que você tem e ser honesto com as respostas que elas fornecem, mesmo quando as respostas não são confortáveis. Dominar os conceitos básicos de estatistica permite que você não seja enganado por números nem engane outras pessoas com eles.
