Regressão Linear: da Física Experimental à Ciência de Dados e ao Aprendizado de Máquina

15. Erros comuns ao usar regressão linear

A simplicidade da regressão linear pode esconder algumas armadilhas.

• Forçar uma reta porque os pontos parecem aproximadamente alinhados.
• Confundir correlação com causalidade.
• Ignorar as incertezas das medidas.
• Usar apenas \(R^2\) para decidir se o modelo é adequado.
• Desprezar os resíduos.
• Extrapolar muito além da faixa experimental.
• Ignorar as unidades físicas dos parâmetros.
• Eliminar pontos experimentais simplesmente porque eles "estragam" a reta.

Especialmente no ensino de Física, o último erro merece atenção. Um ponto discrepante pode ser consequência de um erro experimental, mas também pode indicar que o modelo utilizado não descreve adequadamente o fenômeno.

Remover dados sem uma justificativa física ou estatística adequada pode transformar uma análise científica em uma manipulação dos resultados.

16. A regressão não substitui o raciocínio físico

Um dos riscos da atual popularização da ciência de dados é a ideia de que algoritmos podem descobrir automaticamente as leis da natureza a partir de qualquer conjunto de dados.

A realidade é mais interessante.

Um algoritmo pode encontrar padrões extraordinariamente complexos, mas interpretar esses padrões exige conhecimento do sistema, das grandezas envolvidas, das limitações experimentais e das teorias físicas disponíveis.

Na Física, uma boa análise de dados combina três elementos: