{"id":28012,"date":"2023-05-24T10:07:19","date_gmt":"2023-05-24T13:07:19","guid":{"rendered":"https:\/\/mindthegraph.com\/blog\/?p=28012"},"modified":"2023-05-24T10:07:21","modified_gmt":"2023-05-24T13:07:21","slug":"sampling-bias","status":"publish","type":"post","link":"https:\/\/mindthegraph.com\/blog\/pt\/vies-de-amostragem\/","title":{"rendered":"Um problema chamado vi\u00e9s de amostragem"},"content":{"rendered":"<p>Independentemente da metodologia usada ou da disciplina estudada, os pesquisadores precisam garantir que estejam usando amostras representativas que reflitam as caracter\u00edsticas da popula\u00e7\u00e3o que est\u00e3o estudando. Este artigo explorar\u00e1 o conceito de vi\u00e9s de amostragem, seus diferentes tipos e formas de aplica\u00e7\u00e3o e as pr\u00e1ticas recomendadas para atenuar seus efeitos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">O que \u00e9 vi\u00e9s de amostragem?<\/h2>\n\n\n\n<p>O vi\u00e9s de amostragem refere-se a uma situa\u00e7\u00e3o em que determinados indiv\u00edduos ou grupos de uma popula\u00e7\u00e3o t\u00eam maior probabilidade de serem inclu\u00eddos em uma amostra do que outros, resultando em uma amostra tendenciosa ou n\u00e3o representativa. Isso pode ocorrer por v\u00e1rios motivos, como m\u00e9todos de amostragem n\u00e3o aleat\u00f3rios, vi\u00e9s de auto-sele\u00e7\u00e3o ou vi\u00e9s do pesquisador.<\/p>\n\n\n\n<p>Em outras palavras, o vi\u00e9s de amostragem pode prejudicar a validade e a generaliza\u00e7\u00e3o dos resultados da pesquisa ao distorcer a amostra em favor de determinadas caracter\u00edsticas ou perspectivas que podem n\u00e3o ser representativas da popula\u00e7\u00e3o maior.&nbsp;<\/p>\n\n\n\n<p>Idealmente, \u00e9 preciso selecionar todos os participantes da pesquisa de forma aleat\u00f3ria. Entretanto, na pr\u00e1tica, pode ser dif\u00edcil fazer uma sele\u00e7\u00e3o aleat\u00f3ria de participantes devido a restri\u00e7\u00f5es como custo e disponibilidade de respondentes. Mesmo que voc\u00ea n\u00e3o fa\u00e7a uma coleta de dados aleat\u00f3ria, \u00e9 fundamental estar ciente dos poss\u00edveis vieses que podem estar presentes nos seus dados.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Alguns exemplos de vi\u00e9s de amostragem incluem:<\/h3>\n\n\n\n<ol>\n<li><strong>Vi\u00e9s volunt\u00e1rio<\/strong>: Os participantes que se voluntariam para participar de um estudo podem ter caracter\u00edsticas diferentes daqueles que n\u00e3o se voluntariam, o que leva a uma amostra n\u00e3o representativa.<\/li>\n\n\n\n<li><strong>Amostragem n\u00e3o aleat\u00f3ria<\/strong>: Se um pesquisador selecionar apenas participantes de determinados locais ou apenas participantes com determinadas caracter\u00edsticas, isso pode levar a uma amostra tendenciosa.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de sobreviv\u00eancia<\/strong>: Isso ocorre quando uma amostra inclui apenas indiv\u00edduos que sobreviveram ou tiveram sucesso em uma determinada situa\u00e7\u00e3o, deixando de fora aqueles que n\u00e3o sobreviveram ou fracassaram.<\/li>\n\n\n\n<li><strong>Amostragem por conveni\u00eancia<\/strong>: Esse tipo de amostragem envolve a sele\u00e7\u00e3o de participantes de f\u00e1cil acesso, como os que est\u00e3o por perto, ou os que respondem a uma pesquisa on-line, o que pode n\u00e3o representar a popula\u00e7\u00e3o maior.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de confirma\u00e7\u00e3o<\/strong>: Os pesquisadores podem selecionar, inconsciente ou deliberadamente, participantes que apoiem sua hip\u00f3tese ou quest\u00e3o de pesquisa, levando a resultados tendenciosos.<\/li>\n\n\n\n<li><strong>Efeito Hawthorne<\/strong>: Os participantes podem alterar seu comportamento ou suas respostas quando sabem que est\u00e3o sendo estudados ou observados, o que leva a resultados n\u00e3o representativos.<\/li>\n<\/ol>\n\n\n\n<p>&nbsp;Se voc\u00ea estiver ciente desses vieses, poder\u00e1 consider\u00e1-los na an\u00e1lise para fazer a corre\u00e7\u00e3o de vieses e entender melhor a popula\u00e7\u00e3o que seus dados representam.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Tipos de vi\u00e9s de amostragem<\/h2>\n\n\n\n<ul>\n<li><strong>Vi\u00e9s de sele\u00e7\u00e3o<\/strong>ocorre quando a amostra n\u00e3o \u00e9 representativa da popula\u00e7\u00e3o.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de medi\u00e7\u00e3o<\/strong>ocorre quando os dados coletados s\u00e3o imprecisos ou incompletos.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de relat\u00f3rio<\/strong>ocorre quando os entrevistados fornecem informa\u00e7\u00f5es imprecisas ou incompletas.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de n\u00e3o resposta<\/strong>ocorre quando alguns membros da popula\u00e7\u00e3o n\u00e3o respondem \u00e0 pesquisa, o que resulta em uma amostra n\u00e3o representativa.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Causas de vi\u00e9s de amostragem<\/h2>\n\n\n\n<ol>\n<li><strong>Amostragem por conveni\u00eancia<\/strong>Sele\u00e7\u00e3o de uma amostra com base na conveni\u00eancia, em vez de usar um m\u00e9todo cient\u00edfico.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de auto-sele\u00e7\u00e3o<\/strong>: somente aqueles que se voluntariam para participar da pesquisa s\u00e3o inclu\u00eddos, o que pode n\u00e3o ser representativo da popula\u00e7\u00e3o.<\/li>\n\n\n\n<li><strong>Vi\u00e9s da estrutura de amostragem<\/strong>Quando a estrutura de amostragem usada para selecionar a amostra n\u00e3o \u00e9 representativa da popula\u00e7\u00e3o.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de sobreviv\u00eancia<\/strong>Quando apenas alguns membros da popula\u00e7\u00e3o participam, resultando em uma amostra n\u00e3o representativa. Por exemplo, se os pesquisadores pesquisarem apenas pessoas vivas, eles podem n\u00e3o receber informa\u00e7\u00f5es de pessoas que morreram antes da realiza\u00e7\u00e3o do estudo.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de amostragem devido \u00e0 falta de conhecimento<\/strong>N\u00e3o reconhecer as fontes de variabilidade que podem resultar em estimativas tendenciosas.<\/li>\n\n\n\n<li><strong>Vi\u00e9s de amostragem devido a erros na administra\u00e7\u00e3o da amostra<\/strong>N\u00e3o usar uma estrutura de amostragem adequada ou que funcione bem ou recusar-se a participar do estudo, o que leva a uma sele\u00e7\u00e3o tendenciosa da amostra.<\/li>\n<\/ol>\n\n\n\n<h2 class=\"wp-block-heading\">Vi\u00e9s de amostragem em estudos cl\u00ednicos<\/h2>\n\n\n\n<p>Os estudos cl\u00ednicos s\u00e3o respons\u00e1veis por testar a efic\u00e1cia de um novo tratamento ou medicamento em uma popula\u00e7\u00e3o espec\u00edfica. Eles s\u00e3o uma parte essencial do processo de desenvolvimento de medicamentos e determinam se um tratamento \u00e9 seguro e eficaz antes de ser liberado para o p\u00fablico em geral. No entanto, os ensaios cl\u00ednicos tamb\u00e9m s\u00e3o propensos a vieses de sele\u00e7\u00e3o.<\/p>\n\n\n\n<p>O vi\u00e9s de sele\u00e7\u00e3o ocorre quando a amostra usada em um estudo n\u00e3o \u00e9 representativa da popula\u00e7\u00e3o a ser representada. No caso de estudos cl\u00ednicos, o vi\u00e9s de sele\u00e7\u00e3o pode ocorrer quando os participantes s\u00e3o escolhidos seletivamente para participar ou s\u00e3o auto-selecionados.<\/p>\n\n\n\n<p>Digamos que uma empresa farmac\u00eautica esteja conduzindo um estudo cl\u00ednico para testar a efic\u00e1cia de um novo medicamento contra o c\u00e2ncer. Eles decidem recrutar participantes para o estudo por meio de an\u00fancios em hospitais, cl\u00ednicas e grupos de apoio ao c\u00e2ncer, bem como por meio de inscri\u00e7\u00f5es on-line. No entanto, a amostra que eles coletam pode ser tendenciosa para aqueles que est\u00e3o mais motivados a participar de um estudo ou que t\u00eam um determinado tipo de c\u00e2ncer. Isso pode dificultar a generaliza\u00e7\u00e3o dos resultados do estudo para a popula\u00e7\u00e3o em geral.<\/p>\n\n\n\n<p>Para minimizar o vi\u00e9s de sele\u00e7\u00e3o em estudos cl\u00ednicos, os pesquisadores devem implementar crit\u00e9rios rigorosos de inclus\u00e3o e exclus\u00e3o e processos de sele\u00e7\u00e3o aleat\u00f3rios. Isso garantir\u00e1 que a amostra de participantes selecionados para o estudo seja representativa da popula\u00e7\u00e3o maior, minimizando qualquer vi\u00e9s nos dados coletados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Problemas decorrentes de vi\u00e9s de amostragem<\/h2>\n\n\n\n<p>O vi\u00e9s de amostragem \u00e9 problem\u00e1tico porque \u00e9 poss\u00edvel que uma estat\u00edstica calculada a partir da amostra seja sistematicamente err\u00f4nea. Isso pode levar a uma superestima\u00e7\u00e3o ou subestima\u00e7\u00e3o sistem\u00e1tica do par\u00e2metro correspondente na popula\u00e7\u00e3o. Isso ocorre na pr\u00e1tica, pois \u00e9 praticamente imposs\u00edvel garantir a aleatoriedade perfeita na amostragem.<\/p>\n\n\n\n<p>Se o grau de deturpa\u00e7\u00e3o for pequeno, a amostra poder\u00e1 ser tratada como uma aproxima\u00e7\u00e3o razo\u00e1vel de uma amostra aleat\u00f3ria. Al\u00e9m disso, se a amostra n\u00e3o diferir acentuadamente na quantidade que est\u00e1 sendo medida, uma amostra tendenciosa ainda pode ser uma estimativa razo\u00e1vel.<\/p>\n\n\n\n<p>Embora alguns indiv\u00edduos possam usar deliberadamente uma amostra tendenciosa para produzir resultados enganosos, na maioria das vezes, uma amostra tendenciosa \u00e9 apenas um reflexo da dificuldade de obter uma amostra verdadeiramente representativa ou da ignor\u00e2ncia da tend\u00eancia em seu processo de medi\u00e7\u00e3o ou an\u00e1lise.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Extrapola\u00e7\u00e3o: al\u00e9m do intervalo<\/h2>\n\n\n\n<p>Em estat\u00edstica, tirar uma conclus\u00e3o sobre algo al\u00e9m do intervalo dos dados \u00e9 chamado de extrapola\u00e7\u00e3o. Tirar uma conclus\u00e3o de uma amostra tendenciosa \u00e9 uma forma de extrapola\u00e7\u00e3o: como o m\u00e9todo de amostragem exclui sistematicamente determinadas partes da popula\u00e7\u00e3o em considera\u00e7\u00e3o, as infer\u00eancias s\u00f3 se aplicam \u00e0 subpopula\u00e7\u00e3o amostrada.<\/p>\n\n\n\n<p>A extrapola\u00e7\u00e3o tamb\u00e9m ocorre se, por exemplo, uma infer\u00eancia baseada em uma amostra de estudantes universit\u00e1rios for aplicada a adultos mais velhos ou a adultos com apenas a oitava s\u00e9rie do ensino fundamental. A extrapola\u00e7\u00e3o \u00e9 um erro comum na aplica\u00e7\u00e3o ou interpreta\u00e7\u00e3o de estat\u00edsticas. \u00c0s vezes, devido \u00e0 dificuldade ou impossibilidade de obter bons dados, a extrapola\u00e7\u00e3o \u00e9 o melhor que podemos fazer, mas ela sempre precisa ser considerada com pelo menos um gr\u00e3o de sal e, muitas vezes, com uma grande dose de incerteza<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Da ci\u00eancia \u00e0 pseudoci\u00eancia<\/h2>\n\n\n\n<p><a href=\"https:\/\/en.wikipedia.org\/wiki\/Sampling_bias\">Conforme mencionado na Wikipedia<\/a>Um exemplo de como a ignor\u00e2ncia de um vi\u00e9s pode existir \u00e9 o uso generalizado de uma propor\u00e7\u00e3o (tamb\u00e9m conhecida como fold change) como uma medida da diferen\u00e7a na biologia. Como \u00e9 mais f\u00e1cil obter uma grande propor\u00e7\u00e3o com dois n\u00fameros pequenos com uma determinada diferen\u00e7a, e relativamente mais dif\u00edcil obter uma grande propor\u00e7\u00e3o com dois n\u00fameros grandes com uma diferen\u00e7a maior, grandes diferen\u00e7as significativas podem n\u00e3o ser percebidas na compara\u00e7\u00e3o de medidas num\u00e9ricas relativamente grandes.&nbsp;<\/p>\n\n\n\n<p>Alguns chamaram isso de \"vi\u00e9s de demarca\u00e7\u00e3o\" porque o uso de uma propor\u00e7\u00e3o (divis\u00e3o) em vez de uma diferen\u00e7a (subtra\u00e7\u00e3o) transforma os resultados da an\u00e1lise de ci\u00eancia em pseudoci\u00eancia.<\/p>\n\n\n\n<p>Algumas amostras usam um projeto estat\u00edstico tendencioso, que, no entanto, permite a estimativa de par\u00e2metros. O U.S. National Center for Health Statistics (Centro Nacional de Estat\u00edsticas de Sa\u00fade dos EUA), por exemplo, deliberadamente extrapola a amostragem de popula\u00e7\u00f5es minorit\u00e1rias em muitas de suas pesquisas nacionais a fim de obter precis\u00e3o suficiente para estimativas dentro desses grupos.<\/p>\n\n\n\n<p>Essas pesquisas exigem o uso de pesos amostrais para produzir estimativas adequadas em todos os grupos \u00e9tnicos. Se determinadas condi\u00e7\u00f5es forem atendidas (principalmente se os pesos forem calculados e usados corretamente), essas amostras permitir\u00e3o uma estimativa precisa dos par\u00e2metros da popula\u00e7\u00e3o.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Pr\u00e1ticas recomendadas para atenuar o vi\u00e9s de amostragem<\/h2>\n\n\n\n<p>\u00c9 fundamental selecionar um m\u00e9todo de amostragem adequado para garantir que os dados resultantes reflitam com precis\u00e3o a popula\u00e7\u00e3o estudada.<\/p>\n\n\n\n<ol>\n<li><strong>T\u00e9cnicas de amostragem aleat\u00f3ria<\/strong>: O uso de t\u00e9cnicas de amostragem aleat\u00f3ria aumenta a probabilidade de a amostra ser representativa da popula\u00e7\u00e3o. Essa t\u00e9cnica ajuda a garantir que a amostra seja o mais representativa poss\u00edvel da popula\u00e7\u00e3o em quest\u00e3o e, portanto, menos propensa a conter vieses.<\/li>\n\n\n\n<li><strong>C\u00e1lculo do tamanho da amostra<\/strong>: O c\u00e1lculo do tamanho da amostra deve ser feito de modo que haja poder adequado para testar hip\u00f3teses estatisticamente significativas. Quanto maior for o tamanho da amostra, melhor ser\u00e1 a representa\u00e7\u00e3o da popula\u00e7\u00e3o.<\/li>\n\n\n\n<li><strong>An\u00e1lise de tend\u00eancias<\/strong>: Busca de fontes de dados alternativas e an\u00e1lise de quaisquer tend\u00eancias observadas nos dados que possam ser n\u00e3o selecionados.<\/li>\n\n\n\n<li><strong>Verifica\u00e7\u00e3o de vi\u00e9s<\/strong>: As ocorr\u00eancias de vi\u00e9s devem ser monitoradas para identificar a exclus\u00e3o sistem\u00e1tica ou a inclus\u00e3o excessiva de pontos de dados espec\u00edficos.<\/li>\n<\/ol>\n\n\n\n<p><strong>Cuidado com as amostras<\/strong><\/p>\n\n\n\n<p>O vi\u00e9s de amostragem \u00e9 uma considera\u00e7\u00e3o importante na realiza\u00e7\u00e3o de pesquisas. Independentemente da metodologia usada ou da disciplina estudada, os pesquisadores precisam garantir que estejam usando amostras representativas que reflitam as caracter\u00edsticas da popula\u00e7\u00e3o que est\u00e3o estudando.<\/p>\n\n\n\n<p>Ao criar estudos de pesquisa, \u00e9 fundamental prestar muita aten\u00e7\u00e3o ao processo de sele\u00e7\u00e3o da amostra, bem como \u00e0 metodologia usada para coletar dados da amostra. As pr\u00e1ticas recomendadas, como t\u00e9cnicas de amostragem aleat\u00f3ria, c\u00e1lculo do tamanho da amostra, an\u00e1lise de tend\u00eancias e verifica\u00e7\u00e3o de vieses, devem ser usadas para garantir que os resultados da pesquisa sejam v\u00e1lidos e confi\u00e1veis, o que aumenta a probabilidade de afetarem as pol\u00edticas e as pr\u00e1ticas.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Infogr\u00e1ficos cient\u00edficos atraentes em minutos<\/h2>\n\n\n\n<p><a href=\"http:\/\/mindthegraph.com\/\">Mind the Graph<\/a> \u00e9 uma poderosa ferramenta on-line para cientistas que precisam criar gr\u00e1ficos e ilustra\u00e7\u00f5es cient\u00edficas de alta qualidade. A plataforma \u00e9 f\u00e1cil de usar e acess\u00edvel a cientistas com diferentes n\u00edveis de conhecimento t\u00e9cnico, o que a torna uma solu\u00e7\u00e3o ideal para pesquisadores que precisam criar gr\u00e1ficos para suas publica\u00e7\u00f5es, apresenta\u00e7\u00f5es e outros materiais de comunica\u00e7\u00e3o cient\u00edfica.<\/p>\n\n\n\n<p>Quer voc\u00ea seja um pesquisador nas ci\u00eancias da vida, ci\u00eancias f\u00edsicas ou engenharia, o Mind the Graph oferece uma ampla gama de recursos para ajud\u00e1-lo a comunicar seus resultados de pesquisa de uma maneira clara e visualmente atraente.<\/p>\n\n\n\n<div style=\"height:21px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img decoding=\"async\" loading=\"lazy\" width=\"600\" height=\"338\" src=\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2022\/10\/r3qiu0qenda-3.gif\" alt=\"\" class=\"wp-image-25130\"\/><\/figure><\/div>\n\n\n<div style=\"height:21px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div class=\"is-layout-flex wp-block-buttons\">\n<div class=\"wp-block-button aligncenter\"><a class=\"wp-block-button__link has-background wp-element-button\" href=\"https:\/\/mindthegraph.com\/app\/offer-trial\" style=\"border-radius:50px;background-color:#dc1866\" target=\"_blank\" rel=\"noreferrer noopener\">Comece a criar infogr\u00e1ficos gratuitamente<\/a><\/div>\n<\/div>\n\n\n\n<div style=\"height:44px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>","protected":false},"excerpt":{"rendered":"<p>O vi\u00e9s de amostragem \u00e9 uma considera\u00e7\u00e3o fundamental na realiza\u00e7\u00e3o de pesquisas em disciplinas como estat\u00edstica, ci\u00eancias sociais e epidemiologia. <\/p>","protected":false},"author":38,"featured_media":28013,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[959,28],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>A problem called Sampling bias - Mind the Graph Blog<\/title>\n<meta name=\"description\" content=\"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/mindthegraph.com\/blog\/pt\/vies-de-amostragem\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"A problem called Sampling bias\" \/>\n<meta property=\"og:description\" content=\"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/mindthegraph.com\/blog\/pt\/vies-de-amostragem\/\" \/>\n<meta property=\"og:site_name\" content=\"Mind the Graph Blog\" \/>\n<meta property=\"article:published_time\" content=\"2023-05-24T13:07:19+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-05-24T13:07:21+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2023\/05\/sampling-bias-blog.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1123\" \/>\n\t<meta property=\"og:image:height\" content=\"612\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Gilberto de Abreu\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"A problem called Sampling bias\" \/>\n<meta name=\"twitter:description\" content=\"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2023\/05\/sampling-bias-blog.jpg\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Gilberto de Abreu\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutos\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"A problem called Sampling bias - Mind the Graph Blog","description":"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/mindthegraph.com\/blog\/pt\/vies-de-amostragem\/","og_locale":"pt_BR","og_type":"article","og_title":"A problem called Sampling bias","og_description":"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.","og_url":"https:\/\/mindthegraph.com\/blog\/pt\/vies-de-amostragem\/","og_site_name":"Mind the Graph Blog","article_published_time":"2023-05-24T13:07:19+00:00","article_modified_time":"2023-05-24T13:07:21+00:00","og_image":[{"width":1123,"height":612,"url":"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2023\/05\/sampling-bias-blog.jpg","type":"image\/jpeg"}],"author":"Gilberto de Abreu","twitter_card":"summary_large_image","twitter_title":"A problem called Sampling bias","twitter_description":"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.","twitter_image":"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2023\/05\/sampling-bias-blog.jpg","twitter_misc":{"Escrito por":"Gilberto de Abreu","Est. tempo de leitura":"8 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/mindthegraph.com\/blog\/sampling-bias\/","url":"https:\/\/mindthegraph.com\/blog\/sampling-bias\/","name":"A problem called Sampling bias - Mind the Graph Blog","isPartOf":{"@id":"https:\/\/mindthegraph.com\/blog\/#website"},"datePublished":"2023-05-24T13:07:19+00:00","dateModified":"2023-05-24T13:07:21+00:00","author":{"@id":"https:\/\/mindthegraph.com\/blog\/#\/schema\/person\/b28781b05825270dad9cba59503a9321"},"description":"Sampling bias is a critical consideration when conducting research within disciplines such as statistics, social science, and epidemiology.","breadcrumb":{"@id":"https:\/\/mindthegraph.com\/blog\/sampling-bias\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/mindthegraph.com\/blog\/sampling-bias\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/mindthegraph.com\/blog\/sampling-bias\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/mindthegraph.com\/blog\/"},{"@type":"ListItem","position":2,"name":"A problem called Sampling bias"}]},{"@type":"WebSite","@id":"https:\/\/mindthegraph.com\/blog\/#website","url":"https:\/\/mindthegraph.com\/blog\/","name":"Mind the Graph Blog","description":"Your science can be beautiful!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/mindthegraph.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pt-BR"},{"@type":"Person","@id":"https:\/\/mindthegraph.com\/blog\/#\/schema\/person\/b28781b05825270dad9cba59503a9321","name":"Gilberto de Abreu","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/mindthegraph.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/cc861028818e8a4fffa388f920fbdae9?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/cc861028818e8a4fffa388f920fbdae9?s=96&d=mm&r=g","caption":"Gilberto de Abreu"},"url":"https:\/\/mindthegraph.com\/blog\/pt\/author\/giba\/"}]}},"_links":{"self":[{"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/28012"}],"collection":[{"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/users\/38"}],"replies":[{"embeddable":true,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/comments?post=28012"}],"version-history":[{"count":3,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/28012\/revisions"}],"predecessor-version":[{"id":28023,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/28012\/revisions\/28023"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/media\/28013"}],"wp:attachment":[{"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/media?parent=28012"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/categories?post=28012"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mindthegraph.com\/blog\/pt\/wp-json\/wp\/v2\/tags?post=28012"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}