Métodos e estatística
Aula em tópicos, na ordem dos capítulos de livros-texto de psicologia, e as afirmações da disciplina. Para responder e ver as explicações, jogue esta disciplina: as primeiras afirmações de cada dia são grátis.
Objetivos e tipos de pesquisa
Toda pesquisa começa com um objetivo: descrever um fenômeno, verificar se duas variáveis andam juntas ou testar se uma causa a outra. Estudos descritivos observam e registram; correlacionais medem associações, mas não autorizam conclusões causais, porque a direção pode ser inversa ou uma terceira variável pode explicar tudo. Só o experimento, em que o pesquisador manipula a variável independente e sorteia quem vai para cada grupo, permite falar em causa; o grupo controle é indispensável mesmo quando o tratamento parece óbvio. Desenhos transversais comparam pessoas num único momento; longitudinais acompanham as mesmas pessoas ao longo do tempo. A expectativa do pesquisador, demonstrada por Rosenthal até com ratos, e participantes que adivinham a hipótese ameaçam a validade; o duplo-cego protege contra ambas.
Afirmações deste tópico
- “Quando duas variáveis estão correlacionadas, uma delas necessariamente causa a outra.”Responder
- “Sortear quem recebe o tratamento e quem fica no grupo controle é o que permite concluir causa em um experimento.”Responder
- “Quando um tratamento parece funcionar muito bem, o grupo controle se torna desnecessário no experimento.”Responder
- “Uma pesquisa correlacional pode ser útil para prever um comportamento mesmo sem explicar o que o causa.”Responder
- “Em um estudo duplo-cego, nem os participantes nem quem avalia os resultados sabe quem recebeu o tratamento real.”Responder
- “Os participantes de um estudo muitas vezes tentam adivinhar a hipótese do pesquisador e agem de acordo com ela.”Responder
- “Um estudo de caso aprofundado com uma única pessoa permite generalizar suas conclusões para toda a população.”Responder
- “A expectativa do pesquisador pode alterar os resultados de um experimento sem que ele perceba, mesmo quando os sujeitos são ratos.”Responder
Variáveis, escalas e amostragem
Um conceito abstrato como ansiedade só entra numa pesquisa depois de uma definição operacional, que diz exatamente como será medido; sem ela, ninguém consegue repetir o estudo. Variáveis podem ser qualitativas ou quantitativas, discretas ou contínuas, medidas em escalas nominal, ordinal, intervalar ou de razão, o que determina quais análises fazem sentido. Como raramente se estuda a população inteira, usam-se amostras: probabilísticas, quando todos têm chance conhecida de entrar, ou não probabilísticas, como as de voluntários, que podem diferir sistematicamente da população. Uma amostra bem sorteada de mil pessoas descreve um país com margem de erro de poucos pontos; uma amostra enorme mas enviesada não corrige nada. Sortear quem participa e sortear quem vai para cada grupo são coisas diferentes. A redação das perguntas também altera as respostas.
Afirmações deste tópico
- “Uma amostra de mil pessoas é pequena demais para dizer algo sobre um país de 200 milhões de habitantes.”Responder
- “Uma pesquisa respondida apenas por quem se ofereceu para participar pode dar resultados diferentes dos da população em geral.”Responder
- “Para que outro pesquisador possa repetir um estudo, é preciso definir exatamente como cada variável será medida.”Responder
- “Em um experimento, a variável independente é a que o pesquisador manipula, e a variável dependente é a que ele mede.”Responder
- “Sortear quem participa de um estudo e sortear quem vai para cada grupo do experimento são a mesma coisa e servem ao mesmo propósito.”Responder
- “Quem marca 4 em uma escala de satisfação de 1 a 5 está necessariamente duas vezes mais satisfeito do que quem marca 2.”Responder
- “A forma como uma pergunta é redigida pode mudar as respostas em uma pesquisa de opinião.”Responder
- “Uma amostra muito grande corrige o viés de uma amostra que não foi selecionada ao acaso.”Responder
- “Dividir a população em grupos, como regiões, e sortear participantes dentro de cada grupo pode gerar estimativas mais precisas do que um sorteio simples do mesmo tamanho.”Responder
Estatística descritiva
Antes de qualquer teste, os dados precisam ser resumidos e vistos. Medidas de tendência central apontam o valor típico: a média usa todos os valores e é sensível a extremos; a mediana divide o grupo ao meio e resiste a eles; a moda é o valor mais frequente. Medidas de dispersão dizem o quanto os dados se espalham: amplitude, variância, desvio padrão e intervalo interquartil. Histogramas, boxplots e gráficos de dispersão revelam assimetrias, valores atípicos e padrões que os números sozinhos escondem. Gráficos também enganam quando o eixo não começa em zero ou a escala é esticada. Além disso, uma relação observada no conjunto dos dados pode se inverter ao separar os subgrupos, o paradoxo de Simpson: agregar dados é uma decisão com consequências.
Afirmações deste tópico
- “Em uma distribuição de renda com poucos valores muito altos, a mediana descreve melhor a renda típica do que a média.”Responder
- “A média, a mediana e a moda de um conjunto de dados são sempre iguais.”Responder
- “O desvio padrão expressa, aproximadamente, quanto os valores de um grupo costumam se afastar da média.”Responder
- “Dois grupos com a mesma média têm necessariamente a mesma variabilidade.”Responder
- “Um único valor extremo altera a mediana de um conjunto de dados tanto quanto altera a média.”Responder
- “A amplitude, calculada como o maior valor menos o menor, é uma medida de dispersão pouco afetada por valores extremos.”Responder
- “Uma relação observada no conjunto dos dados nunca pode se inverter quando os dados são separados em subgrupos.”Responder
- “Conjuntos de dados com médias, desvios padrão e correlações idênticos podem ter gráficos completamente diferentes.”Responder
- “Uma correlação de 0,80 indica uma relação duas vezes mais forte do que uma correlação de 0,40.”Responder
Distribuições e a curva normal
Uma distribuição descreve quais valores uma variável assume e com que frequência. A mais conhecida é a normal, simétrica e em forma de sino, na qual cerca de 68% dos casos ficam a um desvio padrão da média e 95% a dois; muitas medidas psicológicas se aproximam dela, e escores padronizados como o z permitem comparar pessoas em escalas diferentes. Binomial e Poisson modelam contagens e eventos raros. O teorema central do limite explica por que a média de muitas amostras tende à normal mesmo quando os dados não são normais, base da inferência. A variabilidade produz ainda uma ilusão clássica: ao selecionar um grupo por valores extremos, a medição seguinte tende a se aproximar da média geral sem nenhuma intervenção, a regressão à média, frequentemente confundida com efeito de tratamento.
Afirmações deste tópico
- “Em uma curva normal, cerca de 95% dos valores ficam a até dois desvios padrão da média.”Responder
- “A maioria das variáveis medidas em psicologia segue uma distribuição perfeitamente normal.”Responder
- “As médias de muitas amostras tendem a se distribuir de forma aproximadamente normal mesmo quando a variável original não é normal.”Responder
- “Qualquer desvio da normalidade nos dados invalida um teste estatístico que supõe a curva normal.”Responder
- “Em uma distribuição com cauda longa à direita, a média costuma ser maior que a mediana.”Responder
- “Quando se seleciona um grupo por resultados extremos, a média desse grupo tende a se aproximar da média geral na medição seguinte, mesmo sem nenhuma intervenção.”Responder
- “Um escore z informa a quantos desvios padrão da média um valor está, o que permite comparar resultados de provas com escalas diferentes.”Responder
- “O QI segue a curva normal porque essa é a forma natural da inteligência na população, e não por causa de como o teste é construído.”Responder
Inferência: significância, intervalos e poder
A estatística inferencial usa a amostra para concluir sobre a população. No teste de hipóteses, parte-se da hipótese nula de ausência de efeito e calcula-se o valor p: a probabilidade de obter dados ao menos tão extremos quanto os observados se a nula fosse verdadeira. Ele não é a probabilidade de a nula ser verdadeira, e p menor que 0,05 é convenção, não fronteira natural. Um p pequeno indica evidência contra a nula, não um efeito grande: com amostras enormes, diferenças triviais ficam significativas. Por isso se reportam o tamanho de efeito, como o d de Cohen, e o intervalo de confiança, que mostra a faixa de valores plausíveis e estreita quando a amostra cresce. Poder é a chance de detectar um efeito real; estudos pequenos têm pouco poder e geram falsos negativos e estimativas infladas.
Afirmações deste tópico
- “Com o resto igual, um estudo com amostra grande produz estimativas mais precisas do que um estudo com amostra pequena.”Responder
- “Um resultado não significativo, com p maior que 0,05, prova que o efeito estudado não existe.”Responder
- “Quanto maior a amostra, mais estreito tende a ser o intervalo de confiança da média.”Responder
- “Um valor p menor que 0,05 significa que há menos de 5% de chance de a hipótese nula ser verdadeira.”Responder
- “Um resultado estatisticamente significativo é sempre um resultado grande ou importante na prática.”Responder
- “Um intervalo de confiança de 95% significa que há 95% de probabilidade de o valor verdadeiro estar dentro daquele intervalo específico.”Responder
- “O poder estatístico de um estudo é a probabilidade de ele detectar um efeito que realmente existe.”Responder
- “Um valor p muito pequeno, como 0,001, indica que o efeito encontrado é maior do que um efeito com valor p de 0,04.”Responder
- “Se um estudo encontra p = 0,04 e outro encontra p = 0,06 para o mesmo efeito, os dois chegaram a conclusões contraditórias.”Responder
- “Estudos com poder estatístico baixo que encontram um efeito significativo tendem a superestimar o tamanho desse efeito.”Responder
Testes clássicos em linguagem simples
Cada pergunta de pesquisa combina com um teste. O qui-quadrado compara frequências observadas e esperadas em categorias, como a proporção de homens e mulheres que aprovam uma medida; de tabelas assim saem razões de chances e riscos relativos, comuns em epidemiologia. O teste t compara as médias de dois grupos, ou de um mesmo grupo antes e depois; a ANOVA estende a comparação a três ou mais grupos e a mais de um fator, indicando se alguma média difere, com testes posteriores dizendo quais. A correlação de Pearson resume, entre -1 e 1, a força e a direção de uma relação linear, sem informar causa. A regressão usa uma ou várias variáveis para prever outra e estimar a contribuição de cada uma. Todos exigem checar pressupostos e ler o tamanho de efeito, não só o valor p.
Afirmações deste tópico
- “O teste t compara as médias de dois grupos para avaliar se a diferença entre elas é maior do que se esperaria pelo acaso.”Responder
- “O teste qui-quadrado é usado para comparar médias de variáveis contínuas entre grupos.”Responder
- “Uma correlação negativa indica uma relação mais fraca do que uma correlação positiva.”Responder
- “Para comparar as médias de três ou mais grupos, a ANOVA é preferível a vários testes t porque evita inflar a taxa de falsos positivos.”Responder
- “Uma ANOVA com resultado significativo informa exatamente quais grupos diferem entre si.”Responder
- “Uma correlação de Pearson próxima de zero não exclui a existência de uma relação forte, desde que ela não seja em linha reta.”Responder
- “Acrescentar um preditor irrelevante a uma regressão linear nunca aumenta o R² calculado na amostra.”Responder
- “Em uma regressão linear, o R² indica a proporção da variação do resultado que é explicada estatisticamente pelos preditores.”Responder
- “Quando as variâncias dos dois grupos são diferentes, a versão de Welch do teste t é mais segura do que a versão clássica.”Responder
Vieses, ética e replicação
Um estudo isolado nunca estabelece um achado; a ciência avança por replicação e acúmulo. Quando um consórcio tentou repetir cem estudos de psicologia publicados em boas revistas, menos da metade reproduziu o resultado original, o que expôs práticas problemáticas: rodar muitas análises e relatar só as significativas (p-hacking), definir a hipótese depois de ver os dados, interromper a coleta quando o resultado aparece. Revistas preferem resultados positivos, o viés de publicação, e estudos nulos ficam na gaveta, distorcendo a literatura. A ciência aberta responde com pré-registro, dados e códigos públicos, relatórios registrados e meta-análises. A ética exige consentimento informado, risco mínimo, confidencialidade e aprovação por comitês; Milgram e Zimbardo mostraram por quê. Confiar num único estudo chamativo é o erro mais comum.
Afirmações deste tópico
- “Um único estudo publicado em revista científica basta para considerar um achado estabelecido.”Responder
- “Registrar as hipóteses e o plano de análise antes de coletar os dados reduz a chance de um achado ser fruto de análises seletivas.”Responder
- “Formular a hipótese depois de ver os resultados e apresentá-la no artigo como se tivesse sido prevista é uma prática aceita na ciência.”Responder
- “Quem participa de uma pesquisa em psicologia tem o direito de desistir a qualquer momento, sem precisar justificar e sem sofrer penalidade.”Responder
- “Testar muitas análises diferentes e relatar só as que deram resultado significativo aumenta a chance de publicar um achado falso.”Responder
- “Estudos com resultados significativos têm mais chance de ser publicados do que estudos com resultados nulos.”Responder
- “Quando pesquisadores independentes tentaram repetir cem estudos de psicologia publicados em boas revistas, menos da metade reproduziu o resultado original.”Responder
- “Em levantamentos anônimos, só uma minoria muito pequena dos psicólogos pesquisadores admite ter decidido coletar mais dados depois de ver se o resultado era significativo.”Responder
- “Uma única replicação que não encontra o efeito original é suficiente, por si só, para provar que o estudo original estava errado.”Responder