Investigue variabilidade, viés e incerteza

1. Investigue um problema

Uma pesquisa ouve apenas quem está on-line à tarde. Aumentar o número de respostas resolve o problema de seleção?

2. Entenda os conceitos

População é o conjunto sobre o qual queremos concluir; amostra é o conjunto observado. Um processo de seleção determina quem pode entrar. Uma amostra grande por conveniência pode excluir grupos sistematicamente e continuar enviesada.

Variabilidade amostral é a mudança de uma estatística entre amostras obtidas pelo mesmo desenho. Viés é um desvio sistemático relacionado ao procedimento. Sorteios repetidos ajudam a estudar variabilidade; aumentar n não corrige automaticamente viés de seleção.

Desvio padrão descreve a dispersão dos valores individuais. Erro padrão descreve a variabilidade de um estimador, como a média, entre amostras. Sob hipóteses de observações independentes de uma população com variância finita, s / sqrt(n) estima o erro padrão da média. Não é uma fórmula universal para qualquer desenho.

A simulação usa uma população sintética conhecida e uma semente para permitir reprodução. A dispersão das médias sorteadas aproxima o erro padrão nesse experimento. Amostragem sem reposição de uma população finita pode exigir correção; aqui usamos reposição para ilustrar o caso independente. Não estamos construindo um intervalo de confiança neste módulo.

Um laço repete um procedimento. Em medias = [mean(rng.choices(populacao, k=5)) for _ in range(200)], range(200) define 200 repetições; _ indica que o contador não será usado; choices sorteia cinco valores com reposição; mean calcula uma média a cada repetição. Leia o equivalente expandido abaixo antes de alterar n.

Exemplo resolvido em Python

from random import Random
from statistics import mean, pstdev
rng = Random(42)
populacao = list(range(10, 110))
medias = []
for repeticao in range(200):
    amostra = rng.choices(populacao, k=5)
    medias.append(mean(amostra))
print(mean(populacao))
print(mean(medias), pstdev(medias))

A média populacional é 59.5. As 200 médias variam; sua média tende a ficar perto de 59.5. A dispersão delas descreve o estimador, não a dispersão dos cem valores individuais.

Erros frequentes e limites

• Ouvir só voluntários não equivale a sorteio aleatório.
• Erro padrão menor não comprova ausência de viés.
• Uma semente reproduz o experimento; não torna a amostra representativa.

3. Acompanhe a aula em vídeo

Recurso complementar: o texto e o notebook permitem estudar sem assistir. Os vídeos ensinam o tema; seus dados e ferramentas podem diferir dos exemplos daqui. Títulos e autoria reconfirmados em 12/10/2026; reprodução integral e legendas ainda precisam de revisão.

4. Execute e investigue

O site confere respostas numéricas e guarda reflexões; ele não executa Python. Execute código real no notebook. A conta Google é exigida pelo Colab para executar e salvar; o curso também pode ser feito localmente sem cadastro.

Abrir notebook no ColabBaixar notebook para Jupyter

• Execute o exemplo resolvido e compare cada saída com a interpretação.
• Altere um valor do exemplo, preveja o efeito e execute novamente. Registre o que mudou.
• Restaure os dados do exemplo e resolva as duas questões. Só depois passe aos novos dados do desafio.

1. Leia a pergunta e preveja a saída.
2. Execute as células de cima para baixo com Shift+Enter.
3. Modifique o exemplo e realize as questões.
4. Volte a esta aba e confira seus resultados abaixo.

Ajuda com Colab, Jupyter e mensagens de erro · Baixar CSV sintético

5. Confira e interprete

A conferência aceita vírgula ou ponto decimal e tolerância indicada em cada questão; resultados exatos exigem igualdade. Um resultado correto não comprova o método: registre o código no notebook.

6. Resolva um desafio concreto

Simule 500 médias com reposição para n=5 e n=20. Compare as dispersões. Depois calcule a média apenas dos 20 maiores valores da população e explique por que esse recorte introduz seleção.

Dados: exemplos e CSV sintéticos, criados para ensinar; não representam estudantes reais. A entrega inclui código executado e interpretação no notebook.

rng = Random(42)
for n in [5, 20]:
    medias = [mean(rng.choices(populacao, k=n)) for _ in range(500)]
    print(n, pstdev(medias))
print(mean(populacao[-20:]))

Revise sua entrega com os critérios

Marque somente o que conferiu na sua análise. A avaliação de interpretação é sua; o site não dá nota automática.

7. O que você consegue fazer agora?

Você explica duas fontes diferentes de erro e evita confundir precisão com representatividade.

Refazer mantém seus textos.

Exporte aqui antes de navegar se o armazenamento estiver indisponível. A exportação inclui os registros disponíveis nesta página e não salva seu notebook.