PRINCÍPIOS DE ESTATÍSTICA INFERENCIAL COM PEQUENOS CONJUNTOS DE DADOS: MÉTODOS ROBUSTOS E INTERPRETAÇÕES RESPONSÁVEIS

Pesquisas aplicadas nas ciências sociais, no marketing e no comportamento do consumidor frequentemente enfrentam restrições amostrais decorrentes de custos, acesso limitado a participantes ou delineamentos experimentais controlados. Tais contextos desafiam a aplicação de métodos inferenciais clássicos baseados em grandes amostras e distribuições assintóticas. Este capítulo apresenta fundamentos conceituais, limitações e alternativas robustas para a análise de pequenos conjuntos de dados, discutindo estratégias como reamostragem (bootstrap, jackknife), testes não paramétricos e modelagem penalizada. Além dos aspectos técnicos, são abordadas boas práticas de interpretação e relato, alinhadas à transparência científica e à reprodutibilidade. O texto inclui exemplos práticos em Jamovi e R, oferecendo um guia abrangente para pesquisadores que enfrentam o desafio da inferência com amostras reduzidas.