Como interpretar a margem de erro em Estatística

Você provavelmente já ouviu ou viu resultados como este: # 147 Esse levantamento estatístico teve uma margem de erro de mais ou menos 3 pontos percentuais. # 148- O que isso significa? A maioria das pesquisas são baseadas em informações recolhidas a partir de uma amostra de indivíduos, e não toda a população (como um censo seria). Uma certa quantidade de erro é obrigado a ocorrer - não no sentido de erro de cálculo (embora possa haver alguma de que, também), mas no sentido de erro de amostragem, que é o erro que ocorre simplesmente porque os pesquisadores não estão pedindo a todos. o margem de erro é suposto para medir a quantidade máxima pela qual se espera que os resultados da amostra sejam diferentes daqueles da população actual. Como os resultados da maioria das perguntas da pesquisa podem ser comunicadas em termos de percentagens, a margem de erro na maioria das vezes aparece como uma porcentagem, também.

Como você interpreta uma margem de erro? Suponha que você sabe que 51% das pessoas amostradas dizer que eles pretendem votar em Ms. Cálculo na próxima eleição. Agora, projetando estes resultados para toda a população votante, você teria que somar e subtrair a margem de erro e dar uma gama de resultados possíveis, a fim de ter confiança suficiente de que você está fazendo a ponte entre a sua amostra e da população. Supondo uma margem de erro de mais ou menos 3 pontos percentuais, você seria bastante confiante de que entre 48% (= 51% - 3%) e 54% (= 51% + 3%) da população vai votar Ms. Cálculo na eleição, com base nos resultados das amostras. Neste caso, a Sra cálculo pode ficar um pouco mais ou um pouco menos do que a maioria dos votos e qualquer um poderia ganhar ou perder a eleição. Isto tornou-se uma situação familiar nos últimos anos, quando os meios de comunicação querem relatar os resultados na noite da eleição, mas com base em resultados de saída das pesquisas preliminares, a eleição é # 147 demasiado perto para chamar # 148.;

A margem de erro medidas accuracy- não mede a quantidade de preconceito que possa estar presente. Resultados que parecem numericamente científica e precisa não significam nada se eles foram recolhidos de forma tendenciosa.