03. Coleta, amostragem e proveniência

Antes de qualquer estatística existe uma pergunta anterior: de onde vieram estas linhas e sobre quem elas permitem concluir? Este capítulo trata das quatro decisões que determinam a validade externa de qualquer análise — definir a população, reconhecer o viés de seleção, fixar a unidade de observação e registrar a proveniência.

O percurso começa pelo contato cuidadoso com os dados. A disciplina ensina a reconhecer tipos, qualidade, distribuições, relações, vieses e limites antes de construir conclusões ou modelos. Este é o capítulo 3 de 24 da disciplina Análise Exploratória de Dados. Ele retoma Tipos de dados e escalas de mensuração e utiliza essa base para avançar. Na sequência, estudaremos Perfilamento, esquema e integridade.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Coleta, amostragem e proveniência para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

População-alvo e cobertura

Começamos por População-alvo e cobertura, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

A população-alvo é o conjunto sobre o qual se pretende concluir. Ela é definida pela pergunta, não pela base disponível — e é justamente a distância entre as duas que precisa ser medida.

A prática é comparar a cobertura da fonte com a população e o período de interesse: quem está na base e não deveria estar, quem deveria estar e não está, e desde quando o registro existe. Os critérios de inclusão e exclusão precisam ser verificáveis por outra pessoa.

Viés de seleção

Depois de compreender População-alvo e cobertura, passamos a Viés de seleção. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

Há viés de seleção quando o processo de inclusão, exclusão ou permanência distorce sistematicamente a estimativa de interesse. Relação entre inclusão e o fenômeno é um sinal de atenção, mas probabilidades desiguais podem fazer parte de um desenho amostral válido quando conhecidas e consideradas na análise. O viés depende do estimando, do desenho e do ajuste.