Erro de amostragem
Um erro de amostragem é um erro estatístico que ocorre quando um analista não seleciona uma amostra que representa toda a população de dados e os resultados encontrados na amostra não representam os resultados que seriam obtidos de toda a população. Amostragem é uma análise realizada selecionando-se um número de observações de uma população maior e a seleção pode produzir erros de amostragem e erros de não amostragem.
Principais Takeaways
- Erro de amostragem é um erro estatístico que ocorre quando um analista não seleciona uma amostra que representa toda a população de dados.
- Os resultados encontrados na amostra, portanto, não representam os resultados que seriam obtidos de toda a população.
- O erro de amostragem pode ser reduzido aleatoriamente na seleção da amostra e / ou aumentando o número de observações.
Noções básicas sobre erros de amostragem
Um erro de amostragem é um desvio no valor amostrado em relação ao valor real da população, devido ao fato de a amostra não ser representativa da população ou ter algum viés de alguma forma. Mesmo amostras aleatórias terão algum erro de amostragem, uma vez que é apenas uma aproximação da população da qual é extraída.
Os erros de amostragem podem ser eliminados quando o tamanho da amostra é aumentado e também garantindo que a amostra represente adequadamente toda a população. Suponha, por exemplo, que a XYZ Company forneça um serviço baseado em assinatura que permita que os consumidores paguem uma taxa mensal para transmitir vídeos e outras programações pela Web.
A empresa deseja pesquisar os proprietários que assistem pelo menos 10 horas de programação na web a cada semana e pagam por um serviço de streaming de vídeo existente. A XYZ deseja determinar qual porcentagem da população está interessada em um serviço de assinatura com preço mais baixo. Se XYZ não pensar cuidadosamente sobre o processo de amostragem, vários tipos de erros de amostragem podem ocorrer.
Exemplos de erros de amostragem
Um erro de especificação de população significa que o XYZ não entende os tipos específicos de consumidores que devem ser incluídos na amostra. Se, por exemplo, o XYZ cria uma população de pessoas entre 15 e 25 anos de idade, muitos desses consumidores não tomam a decisão de compra sobre um serviço de streaming de vídeo porque não trabalham em período integral. Por outro lado, se a XYZ reunir uma amostra de adultos que tomam decisões de compra, os consumidores deste grupo poderão não assistir 10 horas de programação de vídeo por semana.
O erro de seleção também causa distorções nos resultados de uma amostra, e um exemplo comum é uma pesquisa que conta apenas com uma pequena parcela de pessoas que respondem imediatamente. Se a XYZ fizer um esforço para acompanhar os consumidores que não respondem inicialmente, os resultados da pesquisa podem mudar. Além disso, se o XYZ excluir os consumidores que não responderem imediatamente, os resultados da amostra podem não refletir as preferências de toda a população.
Factoring em erros de não amostragem
O XYZ também deseja evitar erros de não amostragem causados por erro humano, como um erro cometido no processo de pesquisa. Se um grupo de consumidores assiste apenas cinco horas de programação de vídeo por semana e é incluído na pesquisa, essa decisão é um erro de não amostragem. Fazer perguntas tendenciosas é outro tipo de erro.
Compare contas de investimento Nome do provedor Descrição Divulgação do anunciante × As ofertas que aparecem nesta tabela são de parcerias das quais a Investopedia recebe remuneração.