Como funciona a comparação de cenários?

Vamos imaginar a seguinte situação: Uma Lei entra em vigor em 2014, causando uma disrupção na forma como um determinado tema é discutido no Judiciário. Alguns anos depois, o STF começa a receber Recursos Extraordinários, todos contendo argumentos subjetivos sobre os impactos negativos que tal Lei causou à população e ao Judiciário. Inclusive com exemplos e jurisprudências pontuais reforçando tais argumentos.

Vamos supor, ainda, que você é uma das partes atingidas de forma positiva pela Lei e, por conhecer na prática como ela funciona, garante que tais argumentos são inverossímeis.

O que você faz para provar isso?

Bom, situações como essa são mais comuns do que parece. Essa situação, em particular, realmente aconteceu e está disponível neste post , onde falamos sobre as Avaliações de Resultados Regulatórios (ARR) e Análises de Impacto Regulatório (AIR).

Na Estatística, a comparação de cenários é mais conhecida como “testes de hipóteses”, onde testamos de forma quantitativa certas suposições, ou afirmações subjetivas, respondendo de forma favorável ou desfavorável tais afirmações com a maior confiança possível. 

No exemplo acima, as hipóteses eram definidas pelos argumentos subjetivos das partes que interpuseram os Recursos Extraordinários, como por exemplo:

“Tal Lei está aumentando a carga do Judiciário uma vez que i) Incentiva ações frívolas, ii) aumenta o tempo das discussões e iii) aumenta a taxa de recorribilidade”

Através de uma análise qualitativa é até possível encontrar jurisprudências que evidenciam tais hipóteses. Mas a questão é: Quem garante que tais jurisprudências não representam casos isolados? 

Embora seja contra-intuitivo, não precisamos analisar todos os processos do tema em questão para testarmos tais hipóteses/afirmações. A estatística garante que uma pequena amostra aleatória é suficiente para inferirmos algo sobre toda uma população. É exatamente a mesma ideia por trás do “exame de sangue”. Não precisamos tirar todo o nosso sangue para sabermos se temos ou não determinado problema, basta uma pequena amostra.

Em geral, essas análises tendem a capturar a maior quantidade de informações possíveis (com os recursos disponíveis) que tenham alguma relação com a afirmação/hipótese a ser testada. Esses dados são então tratados e preparados para as análises, que irão, na maior parte das vezes, comparar indicadores numéricos na hipótese de tal afirmação ser verdadeira ou não. Em seguida, calculamos a probabilidade da hipótese ser ou não rejeitada. 

Passo a passo  para realizar um teste de hipóteses

1. Chamar um Estatístico (ou uma Consultoria Estatística, como a Terranova)
2. Definir qual é a hipótese a ser testada
   1. Exemplos: 
      1. “A Lei aumentou o número de processos após determinado marco”,
      2. “O valor de condenação de casos de um determinado tema são maiores quando pedimos B”
      3. “O medicamento/tratamento X não funciona para a doença Y”
3. Coletar uma amostra aleatória da população de interesse
   1. Exemplos:
      1. Processos sobre o tema de interesse antes e depois do marco
      2. Processos sobre o tema de interesse quando pedimos ou não “B”.
      3. Pacientes com a doença Y que realizaram ou não o tratamento X.
4. Tratar a base de dados
5. Fazer a comparação dos indicadores que determinam o evento de interesse.
   1. Exemplos:
      1. Volume médio mensal de processos antes e depois do marco.
      2. Valor médio de condenação dos casos quando pedimos B e quando não pedimos.
      3. Taxa de recuperação/velocidade de recuperação dos pacientes que se trataram ou não com X