Inferência e previsão: qual a diferença?

Muitas vezes, nas estatísticas, queremos usar dados por um de dois motivos:

(1) Inferência: Queremos compreender a natureza da relação entre as variáveis preditoras e a variável resposta em um conjunto de dados existente.

(2) Previsão: Queremos usar um conjunto de dados existente para construir um modelo que preveja o valor da variável resposta de uma nova observação.

Por exemplo, suponha que temos o seguinte conjunto de dados contendo informações sobre casas:

Um exemplo de inferência:

Suponha que construímos um modelo de regressão linear múltipla usando metragem quadrada, número de quartos e número de banheiros como variáveis preditoras e preço como variável resposta.

Poderíamos então utilizar os coeficientes de regressão para compreender a variação média no preço associada a uma alteração de uma unidade em cada uma das variáveis preditoras.

Por exemplo, poderíamos entender quanto o preço muda (em média) com cada quarto adicional, cada banheiro adicional e cada metro quadrado adicional.

Um exemplo de previsão:

Poderíamos construir o mesmo modelo de regressão linear múltipla e usá-lo para prever o valor de uma nova casa com base em sua metragem quadrada, número de quartos e número de banheiros.

Por exemplo, poderíamos usar o modelo para prever o preço de uma casa nova com 3 quartos, 3 banheiros e 2.000 pés quadrados.

Poderíamos então comparar a nossa previsão com o preço de listagem real e avaliar se a casa parece subvalorizada ou sobrevalorizada.

Os exemplos a seguir ilustram a diferença entre inferência e previsão em diferentes cenários:

Exemplo 1: Inferência e previsão em esportes

Suponha que temos o seguinte conjunto de dados contendo informações sobre times profissionais de basquete:

Um exemplo de inferência:

Suponha que construímos um modelo de regressão linear múltipla usando pontos, rebotes e assistências como variáveis preditoras e vitórias como variável de resposta.

Poderíamos então usar o modelo para entender o quanto o número de vitórias muda (em média) com cada ponto, rebote e assistência adicional.

Um exemplo de previsão:

Poderíamos construir o mesmo modelo de regressão linear múltipla e usá-lo para prever quantas vitórias uma equipe terá com base no número de pontos, rebotes e assistências.

Por exemplo, poderíamos usar o modelo para prever quantas vitórias uma equipe com 90 pontos, 40 rebotes e 30 assistências terá.

Exemplo 2: Inferência e previsão nos negócios

Suponha que temos o seguinte conjunto de dados contendo informações sobre as receitas anuais (em milhões) de várias empresas:

Um exemplo de inferência:

Suponha que construímos um modelo de regressão linear múltipla usando gastos com publicidade, número de funcionários e aquisições totais como variáveis preditoras e receita anual como variável resposta.

Poderíamos então usar o modelo para entender o quanto a receita anual total muda (em média) com cada dólar adicional gasto em publicidade, cada funcionário adicional e cada aquisição adicional.

Um exemplo de previsão:

Poderíamos construir o mesmo modelo de regressão linear múltipla e usá-lo para prever a receita anual de uma empresa com base em seus gastos totais com marketing, número de funcionários e total de aquisições.

Por exemplo, poderíamos usar o modelo para prever a receita anual de uma empresa que gasta US$ 25 milhões em publicidade, tem 40 funcionários e fez 2 aquisições.

Recursos adicionais

Os tutoriais a seguir fornecem informações adicionais sobre termos importantes para entender em estatística:

Estatística descritiva ou inferencial: qual a diferença?
Níveis de medição: nominal, ordinal, intervalo e razão
Variáveis qualitativas e quantitativas: qual a diferença?