Viés de seleção

Dominando o viés de dados

Konstantinos Kattidis

Data Analytics Lead

O que é viés de seleção?

É o viés introduzido quando os dados para análise são selecionados de modo que favorecem sistematicamente certos indivíduos, grupos ou características

Diagrama mostrando a população diferente da amostra.

Assim, a amostra não representa a população que se quer analisar

Vamos ver os cinco tipos comuns de viés de seleção

1. Viés de amostragem

O viés de amostragem ocorre quando o método de amostragem não é justo ou aleatório
Surge da forma como obtemos a amostra, o que pode dificultar aplicar os achados à população inteira
Por exemplo:
- Uma plataforma de e-commerce avalia satisfação usando amostragem por conveniência
- Os resultados podem não refletir todo o público de clientes

Pessoa decidindo qual método de amostragem usar

2. Viés de subcobertura

Considere uma pesquisa de mercado focada em consumidores online, excluindo quem não tem acesso à internet
O viés de subcobertura destaca a representação insuficiente de certos grupos na amostra
Diferencia-se do viés de amostragem por focar na representação de grupos específicos, não na aleatoriedade ou justiça do método

Pesquisadores ignorando consumidores sem acesso à internet

3. Viés de não resposta

O viés de não resposta surge quando quem opta por não participar de uma pesquisa difere sistematicamente de quem participa

Pesquisa de satisfação em que respondentes estão satisfeitos e não respondentes, insatisfeitos

Em uma pesquisa de satisfação de funcionários, insatisfeitos são menos propensos a responder
Isso leva a uma visão otimista demais do clima

4. Viés de auto-seleção

Analista explorando resultados afetados por auto-seleção

O viés de auto-seleção ocorre quando as pessoas escolhem participar de um estudo ou dar feedback
Por exemplo:
- Clientes se auto-selecionam para responder a uma pesquisa de satisfação
- Quando suas opiniões não representam toda a base de clientes
- Isso distorce a percepção geral

5. Viés de sobrevivência

Acontece quando só casos bem-sucedidos entram na análise

Por exemplo:

Analisar lançamentos de produto bem-sucedidos sem considerar os que fracassaram
Isso gera insights enviesados e ignora fatores críticos que levam ao fracasso

$Pessoa analisando produtos bem-sucedidos e ignorando os que fracassaram$

Construindo uma visão coesa

Balança desequilibrada com ponto de interrogação

Não é raro vários vieses interagirem e complicarem as análises
Exemplo: uma pesquisa de satisfação pode ter viés de auto-seleção e de não resposta

Vamos praticar!

Dominando o viés de dados