Muito aprendizado nos negócios e na vida ocorre simplesmente pela observação. O aprendizado automático (conhecimento adquirido sem consciência) sustenta a habituação e o condicionamento clássico. O processo de aprendizado automático pode atrair as pessoas para o aprendizado tendencioso. Um bom pensamento estatístico pode melhorar nossas habilidades lógicas e de resolução de problemas. Estatística é a arte de fazer suposições numéricas sobre questões intrigantes (Wheelan, 2013).
1. Resolvendo o problema certo: A parte mais difícil de resolver um problema é a compreensão exata do problema. O problema tem que ser acionável (por exemplo, estar preso em um trabalho ou relacionamento errado). Se não é acionável, então, é um problema de gravidade (Burnett & Evans, 2016). O problema da gravidade é uma situação (uma circunstância) ou um fato da vida (por exemplo, envelhecer). Não é um problema que possa ser resolvido. A única resposta a um problema de gravidade é a aceitação.
2. Forme uma hipótese: o primeiro passo no pensamento estatístico é a formação de uma hipótese (um palpite). Por exemplo, hipotetizamos a seguinte relação: as crianças que cresceram com muitos livros em casa tendem a se sair melhor na escola. O objetivo é falsificar a hipótese inicial por meio de observações e experimentos. Se falharmos em rejeitar a hipótese nula, aceitamos por padrão.3
3. A teoria subjacente: Toda observação tem mais de uma interpretação. As observações geralmente não anunciam seu significado e muitas vezes convidam uma interpretação incorreta. Portanto, precisamos de uma teoria orientadora que permita a seleção de uma conta sobre outra. Por exemplo, a pesquisa mostra que a educação e a renda dos pais de um aluno têm um impacto significativo no desempenho do aluno.
4. Associação não é o mesmo que causa: uma causa é algo que produz um efeito. Por exemplo, cercar crianças com muitos livros não necessariamente as faz ler. As duas variáveis estão positivamente correlacionadas.
5. Confundir fator: Um confundidor é uma terceira variável que você não conta para isso. Essas variáveis distorcem o verdadeiro nexo causal. No exemplo anterior, ambas as variáveis (presença de livros e desempenho acadêmico) são provavelmente causadas por uma terceira variável, que é a educação parental.
6. Reversão para a média: desempenho passado não é garantia de desempenho futuro. O pensamento estatístico nos diz que qualquer outlier provavelmente será seguido por resultados mais consistentes com a média de longo prazo. Esse fenômeno é conhecido como reversão à média ou o que é normal. Isso explica por que o novato de beisebol do ano é uma decepção no segundo ano. Se considerarmos o desempenho como uma variável contínua sujeita a média e variância, teremos performances distribuídas com valores extremos. Qualquer número de outras coisas pode estar operando para aumentar ou diminuir o nível de desempenho.
7. Probabilidade não é determinista: nossa intuição não compreende a natureza da aleatoriedade. Nós vemos padrões onde nenhum pode realmente existir. Por exemplo, se uma moeda surgir cinco vezes seguidas, as pessoas terão uma forte sensação de que a próxima jogada é mais provável que virada do que cara. Cada flip é um evento independente. Da mesma forma, uma inundação este ano não diz nada sobre se uma inundação acontecerá no próximo ano.
8. Prepare-se para o pior cenário: Os maiores riscos são os que dificilmente podemos imaginar que poderiam acontecer. O filósofo Taleb (2012) recomenda que, para tomar uma decisão, você precise se concentrar nas consequências (que você pode conhecer), em vez da probabilidade (que você não pode saber). Quanto mais incerteza você enfrentar no futuro, fará bem em ter opções. Chance favorece a preparação. Uma estratégia importante para as forças armadas é investir na prontidão, não na previsão.
9. Atualização da crença: Parece que usamos a percepção (a maneira como as coisas aparecem) para guiar nossas ações (Siegel, 2017). Considere este pensamento prejudicial. Uma professora percebe que as alunas são fracas em matemática. Consequentemente, ele vai esperar e exigir menos dela, e ele vai perceber seu desempenho como sendo pior do que um estudante do sexo masculino. O julgamento perceptivo é uma forma de crença. Se nossas crenças anteriores influenciam nossa experiência, nossa experiência pode continuar a fortalecer essas próprias crenças. Não atualizar as crenças anteriores explica o pensamento positivo.
10. Generalização: Grande parte da pesquisa científica visa descobrir as causas da doença no nível da população. Em última análise, queremos entender por que a doença ocorre em indivíduos (por que o indivíduo A tornou-se insalubre?). Não se pode necessariamente concluir o mesmo relacionamento do nível de grupo para o nível individual. As estatísticas nunca oferecem certeza absoluta. Em vez disso, fatos são conhecidos com graus de confiança.
Referências
Burnett B e Evans D (2016). Projetando sua vida: como construir uma vida bem-vivida e alegre. NY: Knopf
Siegel S. (2017). A racionalidade da percepção. Universidade de Oxford.
Taleb, NM (2012) Antifragile, Nova Iorque: Random House
Wheelan, C. (2013). Estatísticas nuas: tirando o medo dos dados. Nova Iorque, NY: WW Norton & Company.
