Pessoal,
Todos os dias, somos confrontados com os resultados de inquéritos e sondagens. Um exemplo típico poderá ser o facto de o Presidente Obama estar à frente de Mitt Romney numa sondagem por 48% contra 45%, mas os resultados não serem estatisticamente significativos. Uma pergunta razoável poderá ser: «O que significa ser estatisticamente significativo?»
Para determinar a significância estatística, normalmente, o estatístico recorre ao critério segundo o qual, se houver apenas 5 % ou menos de probabilidade de a conclusão estar errada, esta é considerada estatisticamente significativa. Assim, quando uma sondagem indica que o Presidente Obama lidera por 49 % contra 44 % e que tal diferença é estatisticamente significativa, existe, estatisticamente, menos de 5 % de probabilidade de a conclusão estar errada. O critério dos 5% não é imutável. Por vezes, podem ser utilizados 10%, 1% ou mesmo 0,1%. No entanto, a tradição estabeleceu os 5% como o valor padrão para a «significância estatística». É também útil compreender que, quanto mais pontos de dados houver na amostra, maior será a probabilidade de os resultados serem estatisticamente significativos.
Mas se alguns dados são estatisticamente significativos, será que são sempre «praticamente» significativos? A título de exemplo, digamos que gosta muito de chocolate. A sua marca preferida participa num teste de sabor e obtém uma pontuação de 9,6 em 10, enquanto um novo chocolate obtém 9,7/10 e os resultados são estatisticamente significativos. Por outro lado, o novo chocolate custa 5 vezes mais. Vale a pena gastar mais dinheiro para passar a consumir o novo chocolate? Neste caso, temos de nos perguntar se a diferença é significativamente relevante na prática. A resposta é, muito provavelmente, não. Uma diferença de 0,1 pontos em 10 é muito pequena, e o sabor é também subjetivo. Aqui, o resultado pode não ser significativamente relevante na prática. A subjetividade de um teste de degustação pode significar que ou não consegues distinguir a diferença, ou que continuas a preferir o teu chocolate favorito.
Vamos considerar outro exemplo menos subjetivo. Suponhamos que, numa determinada aplicação, a formação de bolhas na solda seja uma preocupação crítica. Assim, mede-se a formação de bolhas em duas pastas de solda. Após recolher centenas de pontos de dados, verifica-se que a formação média de bolhas numa das pastas de solda é de 8% e, na outra, de 7%. A análise com o software Mintab® indica que a diferença é estatisticamente significativa. Mas será que a diferença é significativa na prática? Provavelmente não.
Como se determina a significância prática? Normalmente, isso é feito através de experimentação ou, em alguns casos, com base na experiência. No nosso exemplo de formação de cavidades na solda, suponhamos que as experiências tenham demonstrado que, desde que a média de formação de cavidades seja inferior a 30%, não haverá motivos de preocupação. À luz disto, a equipa de engenharia pode ter definido uma especificação segundo a qual a formação de cavidades não deve ser superior a 25% em média. (Toda esta discussão pressupõe que a dispersão ou desvio padrão dos dados não seja grande, mas este assunto é tema para outra discussão.) Assim, neste caso, a diferença entre 7 e 8 por cento de vazios pode ser estatisticamente significativa, mas não é significativa na prática. Por isso, um engenheiro prudente poderá optar pela pasta de 8%, caso esta apresente outras características desejáveis, tais como uma melhor resposta à pausa, resistência à aglomeração ou uma redução do defeito «head-in-pillow».
Por isso, pergunte-se sempre: será que a diferença é tanto estatística como prática ?
A imagem mostra a formação de grumos nas juntas de solda, o que, muitas vezes, constitui uma preocupação maior do que a formação de cavidades.
Saúde,
Dr. Ron


