População e Amostra: Essenciais na Interpretação de Dados Estatísticos

As estatísticas estão em todo lugares; na mídia de notícias, nas pesquisas, nos comerciais. Seu objetivo é muitas vezes inferir as propriedades de uma população maior tendo como base um pequeno grupo. Então, quando nós lemos os resultados da pesquisa, nós não estamos estamos levando em conta apenas sobre as opiniões daqueles que responderam à pesquisa, mas a da população como um todo. Um erro comum que leva a conclusões absurdas se refere às diferenças nas amostras que foram usadas para realizar as estatísticas. Nesse vídeo você vai reconhecer a importância dos conceitos de população e amostragem e verá que isso é muito importante quando você for avaliar qualquer informação de natureza estatística.
• Acompanhe a Verve Científica nas mídias:
Verve.Cientifica
VerveCientifica
e-mail: [e-mail]
O projeto Verve Científica é apoiado pela Universidade Federal de São Paulo (ICT-UNIFESP) através de seu programa de extensão universitária. Siga o canal da UNIFESP: / canalunifesp
* Este conteúdo teve a contribuição técnica e científica da Prof. Dra. Thaciana Malaspina
(CV lattes.cnpq.br/2600060786895700)
* Link para meu Curriculum Lattes (Eudes Fileti): lattes.cnpq.br/5294929829300325
REFERÊNCIAS BÁSICAS
[1] Daniel Levitin; A field guide to lies.
[2] Carl T. Bergstrom and Jevin D. West, Calling Bullshit: The Art of Skepticism in a Data-Driven World. 2020
[3] Robert Park, Superstition: Belief in the Age of Science, 2010.
[4] Steven Pinker, Rationality: What It Is, Why It Seems Scarce, Why It Matters, 2021.
[5] courses.lumenlearning.com/boundless-statistics/chapter/sampling-distributions/
[6] towardsdatascience.com/sampling-techniques-in-statistics-9c77a39e0948
[7] investopedia.com/terms/stratified_random_sampling.asp
[8] investopedia.com/terms/s/sample.asp
[9] en.wikipedia.org/wiki/Sampling_(statistics)
[10] en.wikipedia.org/wiki/Sample_(statistics)
[11] statisticsbyjim.com/basics/sample-statistics-wrong/
[12] conjointly.com/kb/sampling-statistical-terms/
[13] www150.statcan.gc.ca/n1/edu/power-pouvoir/ch13/prob/5214899-eng.htm
[14] stat.yale.edu/Courses/1997-98/101/sample.htm
[15] en.wikipedia.org/wiki/Selection_bias
Algumas imagens e clips foram retiradas dos bancos Pexels e Pixabay.
www.pixabay.com
www.pexels.com

[@pedrohenriquecarneiro904]

Muito bom

[@OP2073]

Interessante. Gostei de como a aula foi explicada.

[@catiagomesvasconcelos]

Muitos parabéns professor Eudes! Excelente canal, com informações cada vez mais necessárias atualmente.

Olá Cária, muito obrigado pelo seu feedback! Saiba que é bom tê-la conosco. Sempre que puder, nos ajude a divulgar esse conteúdo (no boca-a-boca, no compartilhamento, etc). Infelizmente o algoritmo do CZcams não favorece esse tipo de conteúdo e toda ajuda extra com a divulgação é bem vinda. Espero também que aprecie os demais vídeos da nossa série sobre "Como Pensar como Um cientista", nesse link: czcams.com/play/PLijIUMs9xx0zMyhH4NuAKQu5fWF5c4tnA.html Abraço, Eudes.

[@luisaugustobonilha8210]

Obrigado Eudes. Muito oportuna sua explicação. 60 milhões de votos para o atual expresidetento não possui qualquer base estatística, apenas mentirosos usando números, e ainda puseram a culpa no Nordeste. Curioso como aqueles que mais dizem proteger os "mais pobres e humildes" são os que mais os usam.

[@felipefilgueiras5527]

Simplesmente bem didático. Parabéns.

Felipe, muito obrigado pelo elogio! Saiba que é bom tê-lo conosco. Grande abraço. Eudes.

[@luizhagaia]

O erro em uma estatística não é grave uma vez que as pessoas não são perfeitas.
A manipulação dos resultados de uma estática é o que realmente corrompe uma ideologia.