Estatística e Análise de Dados
Estatística descritiva
Medidas de tendência central (média, mediana, moda), dispersão (variância, desvio padrão, coeficiente de variação) e forma (assimetria, curtose). A armadilha é comparar médias sem observar dispersão ou confundir desvio padrão amostral com populacional (divisor n−1 versus n).
Probabilidade
Probabilidade condicional, independência, teorema de Bayes, distribuições binomial, Poisson, normal e exponencial. Memorize: P(A|B) = P(A∩B)/P(B); eventos independentes satisfazem P(A∩B) = P(A)P(B).
Inferência
Estimadores, intervalos de confiança, testes de hipóteses (erro tipo I, erro tipo II, p-valor, poder). Cuidado: p-valor não é a probabilidade de a hipótese nula ser verdadeira - erro recorrente em provas.
Análise de dados
Regressão linear (coeficiente de determinação, resíduos), correlação (não implica causalidade), amostragem e séries temporais. Em ciência de dados forense, atente a viés de seleção e qualidade dos dados.
Regra de ouro
Antes de calcular, escreva o que é evento, o que é condição e qual a pergunta exata.
Exemplo trabalhado
Um teste tem sensibilidade de 90% e especificidade de 95%; a prevalência é 1%. Qual a probabilidade de um positivo ser verdadeiro? Aplicando Bayes: P(doente|+) = (0,9 × 0,01) / (0,9 × 0,01 + 0,05 × 0,99) ≈ 15,4%. O resultado surpreende porque a prevalência baixa gera muitos falsos positivos. Alternativa que responde “90%” confunde sensibilidade com valor preditivo positivo.