• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  Science >> Ciência >  >> Outros
    Causalidade vs. correlação explicada com 10 exemplos
    Você se lembra do velho jingle, "pise em uma fenda, quebre as costas da sua mãe." Mas é evidente que pisar numa fenda não quebra as costas da sua mãe. É apenas um exemplo simples de correlação sem causalidade. saulgranda/Getty Images

    Você já deve pensar que poderíamos dizer inequivocamente o que causa o quê. Mas a questão da causalidade versus correlação , que tem assombrado a ciência e a filosofia desde os seus primeiros dias, ainda nos persegue por inúmeras razões.

    Os humanos estão evolutivamente predispostos a ver padrões e psicologicamente inclinados a recolher informações que apoiem pontos de vista preexistentes, uma característica conhecida como viés de confirmação. Confundimos coincidência com correlação e correlação com causalidade.


    Conteúdo
    1. Qual é a diferença entre causalidade e correlação?
    2. Medindo a correlação
    3. 10 exemplos de correlação e causalidade

    Qual é a diferença entre causalidade e correlação?


    A diferença entre causalidade e correlação é que numa relação causal, um evento é diretamente responsável por outro, enquanto numa correlação, dois eventos existem simultaneamente, mas a sua relação pode ser devida a uma terceira variável.

    É incorreto dizer que correlação implica causalidade. Para que A cause B, tendemos a dizer que, no mínimo:


    • A deve preceder B.
    • Os dois devem covariar (variar juntos)
    • Nenhuma explicação concorrente pode explicar melhor a covariância de A e B.

    Tomados isoladamente, contudo, estes três requisitos não podem provar a causa; eles são, como dizem os filósofos, necessários, mas não suficientes. De qualquer forma, nem todos concordam com eles.

    Falando em filósofos, David Hume argumentou que a causalidade não existe em nenhum sentido comprovável [fonte:Cook]. Karl Popper e os Falsificacionistas sustentaram que não podemos provar uma relação, apenas refutá-la, o que explica porque as análises estatísticas não tentam provar uma correlação; em vez disso, eles obtêm uma dupla negativa e refutam que os dados não estão correlacionados, um processo conhecido como rejeição da hipótese nula [fonte:McLeod].

    Com tais considerações em mente, os cientistas devem conceber e controlar cuidadosamente as suas experiências para eliminar preconceitos, raciocínio circular, profecias autorrealizáveis ​​e variáveis ​​confusas. Devem respeitar os requisitos e limitações dos métodos utilizados, retirar amostras representativas sempre que possível e não exagerar os seus resultados.

    Medindo a Correlação


    Em vez de empreender a difícil (e talvez impossível) tarefa de estabelecer a causalidade, a maior parte da investigação científica centra-se na força das correlações. As correlações podem ser positivas ou negativas, fracas ou fortes. O coeficiente de correlação estatística, que varia de -1 a 1, mostra a força e a direção da correlação.

    Se você plotar pontos de dados em um gráfico onde uma variável ocupa o eixo X e outra ocupa o eixo Y, as variáveis ​​se correlacionam se tiverem um relacionamento linear.


    • Em uma correlação positiva , duas variáveis ​​se movem na mesma direção. Quando uma variável aumenta, a outra também aumenta. Em uma correlação positiva perfeita, o coeficiente de correlação é 1.
    • Em uma correlação negativa , duas variáveis ​​se movem em direções opostas. Aumentar uma variável diminui a outra. O coeficiente de correlação é um número negativo entre 0 e -1.
    • correlação zero se os pontos de dados estiverem por todo o gráfico em vez de formar uma linha reta. O coeficiente de correlação será 0.

    10 exemplos de correlação e causalidade


    Como o cérebro humano tende a procurar relações causais, os cientistas são extremamente cuidadosos ao criar experiências altamente controladas – mas ainda assim cometem erros. Aqui estão dez exemplos que ilustram como é difícil identificar a causalidade.

    10. O problema com Henry (e Hawthorne)

    Pesquisadores que investigavam a produtividade dos trabalhadores no chão de fábrica no início do século 20 descobriram o efeito Hawthorne, ou a ideia de que o conhecimento dos participantes sobre um experimento pode influenciar seus resultados. Coleção Histórica da Biblioteca Baker

    As pessoas são difíceis de pesquisar. Eles reagem não apenas ao estímulo que está sendo estudado, mas também ao próprio experimento. Os pesquisadores hoje tentam projetar experimentos para controlar esses fatores, mas nem sempre foi assim.



    Veja o caso da Hawthorne Works em Cicero, Illinois. Numa série de experiências de 1924 a 1932, os investigadores estudaram os efeitos da produtividade dos trabalhadores associados à alteração do ambiente da fábrica de Illinois, incluindo a alteração dos níveis de luz, a arrumação do local e a movimentação das estações de trabalho.

    Justamente quando pensavam que estavam no caminho certo, notaram um problema:os aumentos observados na produtividade caíram quase assim que os pesquisadores deixaram o trabalho, indicando que o conhecimento dos trabalhadores sobre o experimento - e não as mudanças dos pesquisadores - havia alimentado o impulsionar. Os pesquisadores ainda chamam esse fenômeno de Efeito Hawthorne [fonte:Obrenović].

    Um conceito relacionado, o efeito John Henry, ocorre quando membros de um grupo de controle tentam vencer o grupo experimental, acelerando seus esforços. Eles não precisam saber sobre o experimento; eles precisam apenas ver um grupo receber novas ferramentas ou instruções adicionais. Como o lendário motorista de aço, eles querem provar suas capacidades e ganhar respeito [fontes:Saretsky; Vogt].

    9. Sempre apostar no preto?

    Se a pílula cair no preto 26 vezes seguidas na roda da roleta, você estaria mais propensos a apostar no vermelho ou no preto no 27º turno? Fonte da imagem/Getty Images

    Os personagens titulares do filme "Rosencrantz e Guildenstern Are Dead" de Tom Stoppard começam o filme perplexos e finalmente assustados quando cada um dos 157 lançamentos consecutivos de uma moeda dá cara. As explicações de Guildenstern para esse fenômeno variam de loops temporais a "uma justificativa espetacular do princípio de que cada moeda individual, girada individualmente, tem a mesma probabilidade de dar cara ou coroa..."

    A evolução conectou os humanos para ver padrões, e nossa capacidade de processar adequadamente esse desejo parece entrar em curto-circuito à medida que passamos mais tempo jogando. Podemos aceitar racionalmente que eventos independentes, como lançamentos de moeda, mantêm as mesmas probabilidades, não importa quantas vezes você os realize.

    Mas também vemos esses eventos, de forma menos racional, como sequências, criando falsas correlações mentais entre eventos aleatórios. Vendo o passado como um prelúdio, continuamos pensando que a próxima virada deveria ser coroa.

    Os estatísticos chamam isto de falácia do jogador, também conhecida como falácia de Monte Carlo, depois de um exemplo particularmente ilustrativo que ocorreu naquela famosa cidade turística de Mônaco.

    Durante o verão de 1913, os apostadores observaram com crescente espanto a roda da roleta de um cassino parar no preto 26 vezes seguidas. Inflamados pela certeza de que o vermelho era "devido", os apostadores continuavam jogando suas fichas. O cassino ganhou muito dinheiro [fontes:Lehrer; Oppenheimer e Monin; Vogt].

    8. A mão quente e a pata do macaco

    As superstições assumem todas as formas nos esportes. Aqui vemos o defensor do Boston Bruins, Zdeno Chara, beijando a parte de trás de seu capacete para dar sorte durante o jogo 7 das finais da Stanley Cup contra o St. Louis Blues, em 12 de junho de 2019, no TD Garden, em Boston. A sorte de Chara acabou e os Blues venceram os Bruins por 4 a 1 para ganhar a Copa Stanley naquela noite. Michael Tureski/Icon Sportswire via Getty Images

    Nenhuma discussão sobre sequências, pensamento mágico ou falsa causalidade estaria completa sem uma folheada nas páginas de esportes. As temporadas esportivas estelares surgem de uma interação tão misteriosa de fatores – habilidade natural, treinamento, confiança, o ocasional fator X – que imaginamos padrões de desempenho, embora os estudos rejeitem repetidamente as sequências de arremessos e as superstições de “sucesso” como algo mais do que imaginário.

    A crença em marés ou quedas implica que o sucesso “causa” o sucesso e o fracasso “causa” o fracasso ou, talvez mais razoavelmente, que a variação em algum fator comum, como a confiança, causa ambos. Mas estudo após estudo não consegue confirmar isso [fonte:Gilovich, et al].

    O mesmo vale para as superstições, embora isso nunca tenha impedido o jogador aposentado da NBA e guarda do Dallas Mavericks, Jason Terry, de dormir com os shorts dos times adversários antes de cada jogo, ou o central da NHL e jogador aposentado do Ottawa Senators, Bruce Gardiner, de mergulhar seu taco de hóquei no banheiro para quebrar a queda ocasional [fonte:Exact Sports].

    A crise do segundo ano também surge normalmente de um primeiro ano muito bom. As oscilações de desempenho tendem a se equilibrar no longo prazo, um fenômeno que os estatísticos chamam de regressão em direção à média [fonte:Barnett, et al]. Nos esportes, essa média é auxiliada pela oposição, que se ajusta para contrabalançar o conjunto de habilidades bem-sucedidas do novo jogador.

    7. Desequilíbrio hormonal

    A história da terapia de reposição hormonal, antes amplamente usada para tratar os sintomas da menopausa, acabou não ser tão simples, afinal. BSIP/Grupo de Imagens Universais/Getty Images

    Os ensaios clínicos randomizados são o padrão-ouro em estatística, mas às vezes – em epidemiologia, por exemplo – considerações éticas e práticas forçam os pesquisadores a analisar os casos disponíveis.

    Infelizmente, tais estudos observacionais correm o risco de viés, variáveis ​​ocultas e, o pior de tudo, grupos de estudo que podem não refletir com precisão a população. Estudar uma amostra representativa é vital; permite que os pesquisadores apliquem os resultados a pessoas fora do estudo, como todos nós.

    Um caso em questão:terapia de reposição hormonal (TRH) para mulheres. Além de tratar os sintomas associados à menopausa, já foi aclamado por reduzir potencialmente o risco de doença coronariana (DAC), graças a um estudo observacional muito alardeado de 1991 [fonte:Stampfer and Colditz].

    Mas estudos posteriores randomizados e controlados, incluindo a Iniciativa de Saúde da Mulher em larga escala, revelaram uma relação negativa, ou estatisticamente insignificante, entre TRH e doença coronariana [fonte:Lawlor, et al.].

    Por que a diferença? Por um lado, as mulheres que usam TRH tendem a vir de estratos socioeconômicos mais elevados e receber dieta e exercícios de melhor qualidade – uma relação explicativa oculta que o estudo observacional não conseguiu explicar plenamente [fonte:Lawlor, et al].

    6. Embaralhação do mercado de ações do Super Bowl

    Você pode acompanhar a NFL e o mercado de ações. Mas usar a sequência de vitórias das 16 equipes originais da NFL para escolher suas ações provavelmente não é uma estratégia vencedora. Alistair Berg/Getty Images

    Em 1978, o repórter desportivo e colunista Leonard Koppett zombou da confusão causalidade-correlação ao sugerir ironicamente que os resultados do Super Bowl poderiam prever o mercado de ações. O tiro saiu pela culatra:as pessoas não apenas acreditaram nele, mas funcionou – com uma frequência assustadora.

    A proposta, agora comumente conhecida como Indicador do Super Bowl, era a seguinte:se um dos 16 times originais da National Football League - aqueles que existiam antes da fusão da NFL com a American Football League em 1966 - vencesse o Super Bowl, o mercado de ações iria aumentar durante o resto do ano. Se um ex-time da AFL vencesse, seria derrotado [fonte:Bonsal].

    De 1967 a 1978, o sistema de Koppett foi 12 em 12; até 1997, ostentava uma taxa de sucesso de 95%. Tropeçou durante a era pontocom (1998-2001) e principalmente em 2008, quando a Grande Recessão chegou, apesar da vitória do New York Giants (NFC). Ainda assim, em 2022, o indicador teve uma taxa de sucesso de 73% [fonte:Chen].

    Alguns argumentaram que o padrão existe, impulsionado pela crença; funciona, dizem eles, porque os investidores acreditam que funciona, ou porque acreditam que outros investidores acreditam.

    Esta noção, embora inteligente de uma forma regressiva, dificilmente explica os 12 anos de correlações bem-sucedidas anteriores ao artigo de Koppett. Outros argumentam que um padrão mais relevante reside na tendência ascendente em grande escala do mercado de ações, salvo algumas flutuações maiores e menores de curto prazo [fonte:Johnson].

    5. Big Data, pouca clareza

    Com dados suficientes, paciência e margem de manobra metodológica, as correlações são quase inevitáveis. É assim que funciona o big data. Weiquan Lin/Getty Images

    Big data – o processo de busca de padrões em conjuntos de dados tão grandes que resistem aos métodos tradicionais de análise – causa grande agitação na sala de reuniões [fonte:Arthur]. Mas será que maior é sempre melhor?

    É uma regra que é incutida na maioria dos pesquisadores em sua primeira aula de estatística:ao encontrar um mar de dados, resista ao impulso de embarcar em uma expedição de pesca. Com dados suficientes, paciência e margem de manobra metodológica, as correlações são quase inevitáveis, embora antiéticas e em grande parte inúteis.

    Afinal, a mera correlação entre duas variáveis ​​não implica causalidade; nem, em muitos casos, aponta para um relacionamento.

    Por um lado, os investigadores não podem utilizar medidas estatísticas de correlação quer queira quer não; cada um contém certas suposições e limitações que as expedições de pesca muitas vezes ignoram, para não falar das variáveis ​​ocultas, dos problemas de amostragem e das falhas de interpretação que podem obstruir um estudo mal concebido.

    Mas o big data está a ser cada vez mais utilizado e aclamado pelas suas contribuições inestimáveis ​​em áreas como a criação de programas de aprendizagem personalizados; dispositivos vestíveis que fornecem informações em tempo real para seus registros eletrônicos de saúde; e serviços de streaming de música que fornecem recomendações direcionadas [fonte:IntelliPaat]. Só não espere muito do big data no departamento de causalidade.

    4. Salário mínimo é igual ao desemprego máximo

    Para cada pessoa que se manifesta no Capitólio para aumentar o salário mínimo, há um congressista na colina quem discorda que há necessidade dessa mudança. Congressional Quarterly/CQ-Roll Call, Inc via Getty Images

    Qualquer questão relacionada com o dinheiro será necessariamente profundamente controversa e altamente politizada, e os aumentos do salário mínimo não são excepção. Os argumentos são variados e complexos, mas essencialmente um lado afirma que um salário mínimo mais elevado prejudica as empresas, o que reduz a disponibilidade de emprego, o que prejudica os pobres.

    O outro lado responde que há poucas provas para esta afirmação, e que os 76 milhões de americanos que trabalham com um salário mínimo ou abaixo dele, que alguns argumentam não ser um salário digno, beneficiariam de tal aumento. Eles argumentam que o salário mínimo federal para funcionários cobertos e não isentos (US$ 7,25 por hora em setembro de 2023) reduziu o poder de compra dos americanos em mais de 20% [fontes:Departamento do Trabalho dos EUA; Cooper, e outros].

    Como supostamente brincou o crítico literário George Shaw:"Se todos os economistas fossem colocados de ponta a ponta, eles nunca chegariam a uma conclusão", e o debate sobre o salário mínimo parece confirmar isso [fonte:Quote Investigator]. Para cada analista que afirma que os aumentos do salário mínimo afastam os empregos, há outro que argumenta contra tal correlação.

    No final, ambos os lados partilham um problema fundamental:nomeadamente, a abundância de provas anedóticas em que muitos dos seus interlocutores se apoiam. Histórias de segunda mão e dados escolhidos a dedo tornam o chá fraco em qualquer festa, mesmo quando apresentados em belos gráficos de barras.

    3. Café da manhã vence obesidade, jantar nega uso de drogas

    A família que janta junta permanece longe das drogas junta. Hum, parece bom, mas não é bem verdade. MoMo Productions/Getty Images

    Entre aplicativos de fitness, medicamentos e cirurgias, a perda de peso nos Estados Unidos é uma indústria que movimenta US$ 78 bilhões por ano, com milhões de americanos se esforçando para alcançar a barra de perda de peso anualmente [fonte:Research and Markets]. Não é de surpreender que os estudos sobre perda de peso – bons, ruins ou feios – recebam muita atenção da imprensa nos EUA.

    Vejamos a ideia popular de que tomar o pequeno-almoço vence a obesidade, uma pepita com cobertura de açúcar derivada de dois estudos principais:um, um estudo randomizado e controlado da Universidade Vanderbilt de 1992, mostrou que a reversão dos hábitos normais de pequeno-almoço, comendo ou não, estava correlacionada com a perda de peso; o outro, um estudo observacional de 2002 do Registro Nacional de Controle de Peso, correlacionou o consumo de café da manhã com perda de peso bem-sucedida – o que não é o mesmo que correlacioná-lo com perda de peso [fontes:Brown, et al.; Schlundt, et al.; Wyatt, et al.].

    Infelizmente, o estudo da NWCR não conseguiu controlar outros factores – ou, de facto, estabelecer qualquer ligação causal a partir da sua correlação. Por exemplo, uma pessoa que deseja perder peso pode se exercitar mais, tomar café da manhã ou consumir proteína de porco integral, mas sem um projeto experimental capaz de estabelecer ligações causais, tais comportamentos nada mais são do que características comumente coocorrentes [fonte :Brown, et al].

    Um problema semelhante atormenta os numerosos estudos que associam jantares em família a uma diminuição do risco de dependência de drogas entre os adolescentes. Embora atraentes por sua estratégia simples e atraente, esses estudos frequentemente falham no controle de fatores relacionados, como fortes conexões familiares ou profundo envolvimento dos pais na vida de uma criança [fonte:Miller, et al].

    2. O sexo suicida

    Pesquisadores que estudam o suicídio entre gêneros precisam estar cientes de que homens e mulheres suicidas costumam usar métodos diferentes, portanto, o sucesso de seus resultados varia amplamente. SONGPHOL THESAKIT/Getty Images

    Ouvimos frequentemente que os homens, especialmente os jovens, têm maior probabilidade de cometer suicídio do que as mulheres. Na verdade, tais declarações fazem parte da generalização empírica – o acto de fazer uma declaração ampla sobre um padrão comum sem tentar explicá-lo – e mascaram vários factores de confusão conhecidos e potenciais.

    Tomemos, por exemplo, uma Pesquisa sobre Comportamentos de Risco Juvenis de 2021 que descobriu que meninas do 9º ao 12º ano tentaram o suicídio quase duas vezes mais que estudantes do sexo masculino (13% vs. 7%) [fonte:Fundação Americana para Prevenção do Suicídio].

    Como, então, pode existir uma correlação mais elevada entre o sexo oposto e o suicídio? A resposta está nas tentativas de suicídio por metodologia:embora o método de suicídio mais comum para ambos os sexos em 2020 tenha sido por arma de fogo (57,9% para homens e 33,0% para mulheres), as mulheres tinham quase a mesma probabilidade de morrer por envenenamento ou sufocação [fonte:Instituto Nacional de Saúde Mental].

    Mesmo que pudéssemos eliminar tais factores de confusão, permaneceria o facto de que a masculinidade, por si só, não é uma causa. Para explicar a tendência, precisamos, em vez disso, identificar fatores comuns aos homens, ou pelo menos fatores suicidas.

    O mesmo ponto se aplica às taxas comparativamente elevadas de suicídio relatadas entre homens divorciados. O divórcio não leva os homens ao suicídio; na verdade, é mais indicativo de uma relação causal subjacente com fatores como a inflexibilidade do papel masculino, suas redes sociais, a crescente importância dos cuidados infantis e o desejo dos homens de controle nos relacionamentos [fonte:Scourfield e Evans].

    1. Vexação da vacinação

    As pessoas têm protestado contra a imposição de vacinas há décadas. Mas com o surto da COVID-19, a divisão assumiu um novo significado. Michael Nigro/Pacific Press/LightRocket via Getty Images

    Nenhuma lista de correlação/causalidade estaria completa sem discutir as preocupações dos pais sobre a segurança da vacinação. Antes da pandemia da COVID-19 atingir o mundo em 2020, o principal problema era o receio entre alguns pais de que a vacinação contra o sarampo, a papeira e a rubéola estivesse causalmente ligada a perturbações do espectro do autismo. Essa noção foi popularizada por celebridades como Jenny McCarthy.

    Apesar da comunidade médica ter desmascarado o artigo de Andrew Wakefield de 1998 que inspirou a falsidade, e apesar de estudos subsequentes não mostrarem nenhuma ligação causal, alguns pais continuam temerosos de uma conexão com o autismo ou outros perigos relacionados à vacina [fontes:Park; Sifferlin; Szabo].

    Depois chegou a COVID-19, que até agora matou milhões de pessoas em todo o mundo. Os cientistas correram para criar uma vacina eficaz e conseguiram; a primeira vacina COVID-19 dos EUA estava disponível em dezembro de 2020 sob a autorização de uso emergencial do FDA [fonte:FDA]. Mas também rapidamente se entrelaçou com a extrema polarização da política e da desinformação dos EUA.

    Muitos pais, especialmente os republicanos, temiam que as vacinas não fossem seguras porque foram desenvolvidas muito rapidamente e porque poderiam haver efeitos secundários a longo prazo ainda desconhecidos. Havia também receios incorrectos sobre a vacina afectar a fertilidade futura. Agora foram provados que são falsos [fonte:Kelen and Maragakis].

    Em janeiro de 2022, apenas 28 por cento das crianças de 5 a 11 anos haviam recebido pelo menos uma dose da vacina, decepcionando muitos na área médica [fontes:Hamel, Kates]. O número de crianças vacinadas está a crescer; em maio de 2023, 40% das crianças de 5 a 11 anos haviam recebido pelo menos a dose certa [fonte:CDC].

    Estes não são mal-entendidos inofensivos. Apesar de desmascarar a ligação entre o autismo e as vacinas infantis, muitos pais continuam desconfiados das vacinas. Em 2019, ocorreram 1.282 casos de sarampo em 31 estados, o número mais alto nos EUA desde 1992. A maioria desses casos ocorreu entre pessoas não vacinadas [fonte:CDC].

    Vale a pena considerar se essa correspondência é coincidente, correlativa ou causal. E os efeitos da actual hesitação na vacinação contra a COVID-19 continuam por ver.

    Muito mais informações

    Artigos Relacionados

    • As pessoas estúpidas são mais felizes?
    • Os países com leis mais rígidas sobre armas realmente têm menos crimes ou menos homicídios?
    • Existe uma correlação entre felicidade e emissões de carbono?

    Fontes

    • Fundação Americana para Prevenção do Suicídio. "Estatísticas de suicídio." (21 de fevereiro de 2022) https://afsp.org/suicide-statistics/
    • Arthur, Lisa. "O que é Big Data?" Forbes. 15 de agosto de 2013. (18 de dezembro de 2013) http://www.forbes.com/sites/lisaarthur/2013/08/15/what-is-big-data/
    • Bansal, Ayush. "Tudo o que você quer saber sobre o indicador do Super Bowl." História tecnológica. 14 de fevereiro de 2022. (16 de fevereiro de 2022)
    • Barnett, Adrian, et al. “Regressão à média:o que é e como lidar com isso.” Jornal Internacional de Epidemiologia. 27 de agosto de 2004. (16 de fevereiro de 2022)
    • Brown, Andrew W., Michelle M, Bohan Brown e David B. Allison. "Crença além das evidências:usando o efeito proposto do café da manhã sobre a obesidade para mostrar duas práticas que distorcem as evidências científicas." Jornal Americano de Nutrição Clínica. Vol. 98, não. 5. Página 1298. (18 de dezembro de 2013) http://ajcn.nutrition.org/content/early/2013/09/04/ajcn.113.064410
    • Centros de Controle e Prevenção de Doenças. "Casos e surtos de sarampo." 19 de novembro de 2021. (21 de fevereiro de 2022)
    • Centros de Controle e Prevenção de Doenças. "Calendário de imunização recomendado para pessoas de 0 a 18 anos:Estados Unidos, 2013." (18 de dezembro de 2013) http://www.cdc.gov/vaccines/schedules/hcp/imz/child-adolescent.html
    • Chen, James. "Indicador do Super Bowl." Investopédia. 10 de fevereiro de 2022. (16 de fevereiro de 2022) https://www.investopedia.com/terms/s/superbowlindicator.asp
    • Cooper, David, et al. “Vinte e um estados aumentaram seus salários mínimos no dia de Ano Novo.” Instituto de Política Econômica. 6 de janeiro de 2022. (21 de fevereiro de 2022) https://www.epi.org/blog/states-minimum-wage-increases-jan-2022/
    • ESPN. "Estatísticas de Michael Jordan." (18 de dezembro de 2013) http://espn.go.com/nba/player/stats/_/id/1035/michael-jordan
    • Esportes exatos. "Rituais e superstições pré-jogo." 19 de julho de 2010. (16 de fevereiro de 2022) https://exactsports.com/blog/pregame-superstitions/2010/07/19/
    • FDA. "FDA aprova primeira vacina COVID-19." 23 de agosto de 2021. (21 de fevereiro de 2022) https://www.fda.gov/news-events/press-announcements/fda-approves-first-covid-19-vaccine
    • Gilovich, Thomas, Robert Vallone e Amos Tversky. "A mão quente no basquete:sobre a percepção equivocada de sequências aleatórias." Psicologia cognitiva. Vol. 17. Página 295. (16 de fevereiro de 2022) https://www.sciencedirect.com/science/article/abs/pii/0010028585900106
    • Hamel, Liz, et al. "Monitor de vacina KFF COVID-19:outubro de 2021." KFF. 28 de outubro de 2021. (21 de fevereiro de 2022) https://www.kff.org/coronavirus-covid-19/poll-finding/kff-covid-19-vaccine-monitor-october-2021/
    • Hill, Caxemira. "Como a Target descobriu que uma adolescente estava grávida antes do pai." Forbes. 16 de fevereiro de 2012. (18 de dezembro de 2013) http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant -antes-de-seu-pai-fez/
    • HoopData. "Estatísticas Médias da Liga." (18 de dezembro de 2013) http://hoopdata.com/regstats.aspx
    • IntelliPaat. "10 aplicações de Big Data na vida real." (21 de fevereiro de 2022) https://intellipaat.com/blog/10-big-data-examples-application-of-big-data-in-real-life/
    • Johnson, Bob. “Você basearia suas apostas de mercado no Super Bowl?” CNBC. 27 de janeiro de 2015. (16 de fevereiro de 2022) https://www.cnbc.com/2015/01/26/would-you-base-your-market-bets-on-the-super-bowl.html
    • Johnson, Eric O. e Lonni Schultz. "Viés telescópico direto na idade de início relatada:um exemplo do tabagismo." Jornal Internacional de Métodos em Pesquisa Psiquiátrica. Vol. 14, nº 3. Página 119. (18 de dezembro de 2013) http://www.ncbi.nlm.nih.gov/pubmed/16389888
    • Kates, Jennifer e outros. "Atualização sobre vacinação COVID-19 para crianças de 5 a 22 anos nos EUA" KFF. 20 de janeiro de 2022. (21 de fevereiro de 2022) https://www.kff.org/coronavirus-covid-19/issue-brief/update-on-covid-19-vaccination-of-5-11-year -olds-in-the-u-s/
    • Lawlor, Debbie A., George Davey Smith e Shah Ebrahim. "Comentário:O enigma da substituição hormonal-doença cardíaca coronariana:esta é a morte da epidemiologia observacional?" Jornal Internacional de Epidemiologia. Vol. 33, não. 3. Página 464. (18 de dezembro de 2013) http://ije.oxfordjournals.org/content/33/3/464.full#ref-4
    • Lehrer, Jonas. "Como decidimos." Houghton Mifflin Harcourt. 2009.
    • Lorkowski, C. M. "David Hume:causalidade." Enciclopédia de Filosofia da Internet. (16 de fevereiro de 2022) https://www.simplypsychology.org/Karl-Popper.html
    • Mandell, David S., Maytali M. Novak e Cynthia D. Zubritsky. "Fatores associados à idade de diagnóstico entre crianças com transtornos do espectro do autismo." Pediatria. Vol. 116, não. 6. Página 1480. (18 de dezembro de 2013) http://pediatrics.aappublications.org/content/116/6/1480.abstract
    • Manson, JoAnn, et al. "Terapia hormonal da menopausa e resultados de saúde durante a intervenção e fases pós-parada estendida dos ensaios randomizados da Iniciativa de Saúde da Mulher." Jornal da Associação Médica Americana. Vol. 310, não. 13. Página 1353. (18 de dezembro de 2013) http://jama.jamanetwork.com/article.aspx?articleid=1745676
    • McLeod, Dr. "Karl Popper - Teoria da Falsificação." SimplesmentePsicologia. 2020. (16 de fevereiro de 2022) https://www.simplypsychology.org/Karl-Popper.html
    • Miller, Daniel, et al. "Refeições em família e resultados acadêmicos e comportamentais infantis." NCBI. 7 de agosto de 2012. (21 de fevereiro de 2022) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3498594/
    • Instituto Nacional de Saúde Mental. "Suicídio." (21 de fevereiro de 2022) https://www.nimh.nih.gov/health/statistics/suicide
    • Oppenheimer, Daniel e Benoît Monin. "A falácia do jogador retrospectivo:eventos improváveis, construção do passado e universos múltiplos." Julgamento e tomada de decisão. Vol. 4, não. 5. Página 326. (16 de fevereiro de 2022) https://psycnet.apa.org/record/2009-12960-001
    • Ozonoff, Sally, Kelly Heung, Robert Byrd, Robin Hansen e Irva Hertz-Picciotto. O início do autismo:padrões de surgimento de sintomas nos primeiros anos de vida. Pesquisa sobre autismo. Vol. 1, não. 6. Página 320. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2857525/
    • Investigador de cotações. "Se todos os economistas fossem confrontados de ponta a ponta, não chegariam a uma conclusão." 13 de setembro de 2016. (21 de fevereiro de 2022) https://quoteinvestigator.com/2016/09/13/economists/
    • Pesquisa e Mercados. "O mercado dos EUA para perda de peso e controle de dieta." Março de 2021. (21 de fevereiro de 2022) https://www.researchandmarkets.com/reports/5313560/the-u-s-weight-loss-and-diet-control-market
    • Saretsky, Gary. "O experimento OEO PC e o efeito John Henry." O Phi Delta Kappan. Vol. 53, não. 9. Página 579. (18 de dezembro de 2013) http://www.jstor.org/stable/20373317
    • Schlundt, David G., James O. Hill, Tracy Sbrocco, Jamie Pope-Cordle e Teresa Sharp. "O papel do café da manhã no tratamento da obesidade:um ensaio clínico randomizado." Jornal Americano de Nutrição Clínica. Vol. 55, não. 3. Página 645. (18 de dezembro de 2013) http://ajcn.nutrition.org/content/55/3/645.abstract?sid=2ef145a4-5324-40d0-bead-e669e51756d1
    • Scourfield, Jonathan e Rhiannon Evans. "Por que os homens correm mais risco de suicídio após um rompimento de relacionamento? Insights sociológicos." Jornal Americano de Saúde Masculina. 26 de agosto de 2014. (21 de fevereiro de 2022) https://journals.sagepub.com/doi/full/10.1177/1557988314546395
    • Cale-se, Nancy. "A última palavra sobre terapia hormonal da Iniciativa de Saúde da Mulher." NPR. 4 de outubro de 2013. (18 de dezembro de 2013) http://www.npr.org/blogs/health/2013/10/04/229171477/the-last-word-on-hormone-therapy-from-the -iniciativa de saúde feminina
    • SIFFERLIN, Alexandra. "Múltiplas vacinações no mesmo dia não aumentam o risco de autismo." Revista Time. 29 de março de 2013. (18 de dezembro de 2013) http://healthland.time.com/2013/03/29/multiple-vaccinations-on-same-day-does-not-raise-autism-risk/
    • Referência esportiva. "Líderes anuais da NBA e ABA e recordes de pontos por jogo." (18 de dezembro de 2013) http://www.basketball-reference.com/leaders/pts_per_g_yearly.html
    • Stampfer Meir J. e Graham A. Colditz. "Terapia de reposição de estrogênio e doença coronariana:uma avaliação quantitativa das evidências epidemiológicas." Medicina Preventiva. Vol. 20, não. 1. Página 47. (18 de dezembro de 2013) http://www.sciencedirect.com/science/article/pii/009174359190006P
    • Szabo, Liz. "Cronograma completo de vacinação seguro para crianças, sem ligação com autismo." EUA hoje. 29 de março de 2013. (18 de dezembro de 2013) http://www.usatoday.com/story/news/nation/2013/03/29/vaccine-schedule-autism/2026617/
    • Toporek, Bryan. "Kobe Bryant x Michael Jordan:comparando o GOAT com o aniversariante." Relatório da arquibancada. 23 de agosto de 2013. (18 de dezembro de 2013) http://bleacherreport.com/articles/1732165-kobe-bryant-vs-michael-jordan-comparing-the-goat-to-the-birthday-boy
    • EUA Secretaria de Estatísticas Trabalhistas. "Estatísticas da Força de Trabalho da Pesquisa Populacional Atual." 20 de janeiro de 2022. (21 de fevereiro de 2022https://www.bls.gov/cps/cpsaat44.htm
    • EUA Departamento de Trabalho. "Salário mínimo." (21 de fevereiro de 2022) https://www.dol.gov/general/topic/wages/minimumwage
    • Vogt, W. Paul. “Dicionário de Estatística e Metodologia”. Sábio. 1993.
    • Wyatt, Holly R., Gary K. Grunwald, Cecilia L. Mosca, Mary L. Klem, Rena R. Wing e James O. Hill. "Perda de peso a longo prazo e café da manhã em indivíduos do Registro Nacional de Controle de Peso." Pesquisa sobre obesidade, vol. 10, não. 2. Página 78. (18 de dezembro de 2013) http://onlinelibrary.wiley.com/doi/10.1038/oby.2002.13/pdf



    © Ciência https://pt.scienceaq.com