Amostragem por conveniência

Amostragem em R

Richie Cotton

Data Evangelist at DataCamp

A previsão eleitoral do Literary Digest

Primeira página do Literary Digest de 1936 com manchete de previsões eleitorais. Esperava-se que Landon tivesse 1,3 milhão de votos e Roosevelt pouco menos de 1 milhão.

Previsão: Landon 57%; Roosevelt 43%
Resultado real: Landon 38%; Roosevelt 62%
Amostra não representativa da população, gerando viés de amostragem.
Coletar dados pelo método mais fácil é chamado de amostragem por conveniência.

Encontrando a idade média dos franceses

Uma foto da Disneyland Paris.

Entreviste 10 pessoas na Disneyland Paris.
A idade média delas é 24,6 anos.
Isso será uma boa estimativa para toda a França?

¹ Imagem de Sean MacEntee

Quão precisa foi a pesquisa?

Ano	Idade média na França
1975	31,6
1985	33,6
1995	36,2
2005	38,9
2015	41,2

24,6 anos é uma estimativa ruim.
Quem visita a Disneyland não representa toda a população.

Amostragem por conveniência em notas de café

coffee_ratings %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1           82.09

coffee_ratings_first10 <- coffee_ratings %>% 
  slice_head(n = 10)

coffee_ratings_first10 %>% 
  summarize(mean_cup_points = mean(total_cup_points))

  mean_cup_points
1            89.1

Visualizando viés de seleção

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Um histograma dos pontos de xícara da população.

coffee_ratings_first10 %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Um histograma dos pontos de xícara da amostra.

Visualizando viés de seleção 2

coffee_ratings %>%
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2)

Um histograma dos pontos de xícara da população.

coffee_ratings %>%
  slice_sample(n = 10) %>% 
  ggplot(aes(x = total_cup_points)) +
  geom_histogram(binwidth = 2) +
  xlim(59, 91)

Um histograma dos pontos de xícara de uma amostra aleatória.

Vamos praticar!

Amostragem em R