Clicked Gallery

O que é o viés de seleção?

Subrayado en un libro de texto real. Explicado por Clicked.

Usado numa frase

University Course Reader · STEM

Reviewers noted the study's selection bias: every participant had been recruited from a single hospital's waiting room.

O leitor sublinhou um termo — num artigo ou no PDF de um paper. O Clicked tornou o termo estatístico «selection bias» fácil de entender:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

Viés de seleção é o erro causado pelo modo como uma amostra foi escolhida. Quando algumas pessoas ou casos tinham mais chance de serem incluídos que outros, a amostra não representa o grupo mais amplo, e as conclusões dela já começam erradas. Pesquise por telefone e você aprende o que pensa quem atende telefone; recrute voluntários e você estuda pessoas que se voluntariam. A amostra pode ser enorme e coletada honestamente e ainda assim descrever só as pessoas que estão nela.
●○○

Overview

Viés de seleção é a resposta ser manipulada por quem foi perguntado, sem manipulação nenhuma necessária. Avaliações online são escritas por gente irritada ou empolgada o bastante para digitar; o meio satisfeito está ocupado vivendo. Uma enquete num app amostra pessoas que usam o app. Antes de qualquer dado dizer qualquer coisa sobre o mundo, ele diz quem estava na sala — e na maior parte do tempo ninguém confere quem não estava. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

Viés de seleção significa que a sua amostra foi coletada de um jeito que não representa a população que lhe interessa. A demonstração clássica é uma pesquisa eleitoral americana de 1936. Uma revista coletou 2,4 milhões de respostas, tiradas de listas telefônicas e registros de automóveis, e previu o vencedor errado — porque ter telefone ou carro em 1936 significava ser abastado, e os abastados votavam diferente. Um instituto rival acertou com uma fração pequena da amostra, escolhida para espelhar o eleitorado. A lição continua valendo: como você seleciona importa mais que quantos você seleciona, e uma amostra maior de uma fonte enviesada produz a mesma resposta errada com mais confiança. O erro de seleção entra de vários jeitos. Algumas pessoas são inalcançáveis pelo seu método, algumas recusam, algumas se voluntariam porque têm opinião forte, e algumas desistem pelo caminho; o viés de sobrevivência é a mesma falha na saída. Estudar um grupo específico é ótimo enquanto as suas conclusões continuarem sendo sobre aquele grupo; o viés aparece quando uma seleção estreita fala por uma população mais ampla. O conserto é estrutural: selecione ao acaso da população que você pretende, ou declare com clareza qual grupo os seus dados conseguem descrever.
●●○

Detail

O viés de seleção quebra a única promessa que os dados fazem: a de que a amostra deveria se parecer com o mundo que ela alega descrever. Quebre isso, e os números descrevem a amostra e nada mais. Avaliações vêm dos furiosos e dos encantados, então todo produto parece polarizante. Respostas embaixo de um post vêm de quem se importou o bastante para digitar, então toda opinião parece intensa. "9 em cada 10 profissionais concordam" convida à pergunta de quais dez foram perguntados. Pesquisa séria tropeça na mesma pedra, notoriamente ao estudar os casos que forem convenientes, muitas vezes universitários, e depois publicar conclusões sobre todo mundo. E empilhar volume não conserta nada disso, porque um milhão de entradas coletadas pela mesma porta torta são a mesma amostra não representativa, mais alta. O viés mora na etapa de coleta, a única etapa que a manchete nunca mostra. Então faça a pergunta chata: como estes casos específicos acabaram neste conjunto de dados específico? A resposta normalmente explica o achado melhor que o próprio achado. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Viés de seleção é pescar com uma rede de malha larga e concluir que o lago só tem peixes grandes. A rede é o seu método de amostragem, e a malha decide o que pode acabar no barco: tudo abaixo de certo tamanho passa direto e nunca aparece na pescaria. O pescador conta honestamente e anota exatamente o que a rede entregou. Os registros são exatos; o lago é deturpado, porque o instrumento só conseguia recolher um tipo. Puxar mais dez redadas não vai ajudar; toda redada passa pela mesma malha. O único conserto é trocar a rede, e a primeira pergunta a fazer sobre qualquer conjunto de dados é a mesma: o que esta rede não conseguia pegar?
Deepest level reached.
●●●

Analogy

Viés de seleção é julgar a cidade inteira pelos ouvintes que ligam para o rádio. O apresentador pergunta o que as pessoas acham do estádio novo, as linhas acendem, e cada ouvinte tem uma opinião. Ao fim da hora a cidade está aparentemente furiosa. Só que ligar para uma rádio é um passatempo de um tipo muito específico de pessoa: opiniões fortes, tardes livres, telefone já na mão. Os milhões que deram de ombros e mudaram de estação estão, por definição, fora do ar. O programa transmitiu honestamente cada ligação que recebeu. Ele só nunca recebeu a cidade. 😎
Deepest level reached.

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

O viés de seleção é o erro sistemático introduzido quando o processo pelo qual as unidades entram numa amostra está relacionado às variáveis em estudo, tornando a amostra não representativa da população-alvo. Os mecanismos incluem a subcobertura do cadastro amostral, a autosseleção de voluntários, a não resposta e a perda diferencial de seguimento, da qual o viés de sobrevivência é um caso especial. Como o erro é estrutural, aumentar o tamanho da amostra amplifica a precisão sem reduzir o viés; a seleção aleatória, como institucionalizada em ensaios clínicos randomizados e em pesquisas probabilísticas, é a salvaguarda principal.

Quer que o Clicked explique termos como «selection bias» direto no seu navegador, até em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito