As pesquisas eleitorais servem como meio de prever a realidade?

As pesquisas eleitorais servem como meio de prever a realidade? Comparar as publicações das pesquisas eleitorais de intenção de voto com os resultados das urnas propriamente ditas são frequentemente criticados.

E nestas eleições de primeiro turno de 2022 esta comparação deixou muito a desejar. Os resultados das pesquisas foram bem diferente da realidade para rigorosamente todos os institutos de pesquisa, principalmente em relação ao segundo colocado.

O que pode ter acontecido? Fraude? Falha na metodologia da pesquisa? Ou simplesmente as pesquisas indutivas nem sempre funcionam mesmo, ou detém de incertezas muito altas?

Este artigo tem a intenção de esclarecer as vantagens e os limites das pesquisas de quaisquer natureza, principalmente aquelas que tem a intenção de prever a realizada por meio do uso da estatística indutiva, que se propõem a analisar uma fração da população por meio de amostras e, a partir daí, tirar conclusões sobre a realidade da população.

Uma amostra da população é realmente representativa da realidade?

Esta é a pergunta que vale um milhão de dólares! E a resposta curta é SIM. Uma amostra é representativa da realidade, se, e somente se, for coletada com a garantia de que seja totalmente aleatória e não viciada. E é exatamente aí que mora o problema. Não é tão simples assim assegurar esta aleatoriedade e evitar os vícios.

Uma amostra estatisticamente válida consiste numa fração de uma população bem maior que, sendo avaliada, fornece as mesmas conclusões quando se comparado a avaliação da população inteira.

Esta situação é passível de verificação numa eleição, onde será feita a apuração de 100% dos votos, ou seja, da população inteira. Mas nem sempre viável no mundo corporativo. É por isto que a estatística indutiva (estudo das amostras) é tão utilizada no meio empresarial, pois não seria possível, nem viável economicamente, avaliar a população inteira.

Quando estas conclusões não são as mesmas, conclui-se que a amostra não fora estatisticamente válida. Perceba que não é a quantidade de elementos da amostra que importa, chamado de tamanho da amostra. Para a estatística indutiva funcionar basta que seja assegurada a aleatoriedade e o não vício da amostra.

O que é uma amostra considerada válida para as pesquisas?

Uma justificativa bastante utilizada é que, para reconhecer o sabor de uma sopa (independentemente do tamanho do caldeirão) colhe-se apenas uma pequena colherzinha da mesma para ser experimentada. A partir desta experimentação, concluímos sob o sabor (ideal ou não) da sopa toda. Esta colherzinha será uma amostra válida se, e somente se, for aleatória e não viciada. Exemplo: se a amostra for de uma parte queimada da sopa, estamos viciando a amostra.

Outra aplicação importante é que, para sabermos sob as circunstâncias de saúde de uma pessoa colhe-se apenas uma pequena fração quantitativa de seu sangue para concluir sobre todo o estado de saúde do paciente. Esta amostra de sangue será considerada válida se, e somente se, for aleatória e não viciada. Exemplo: se a amostra do sangue não assegurar o jejum prescrito, estamos viciando a amostra.

As amostras são, portanto, largamente utilizadas pela estatística indutiva para estabelecimento de diagnósticos das situações reais da população maior. A questão básica é: de que tamanho deveria ser a amostra e como assegurar a aleatoriedade e evitar os vícios para que as conclusões sejam o mais próximas possível da realidade da população?

A estatística, como braço fundamental da matemática (protagonizada inicialmente por Carl Friedrich Gauss), desenvolveu uma série de argumentações científicas para definir o melhor tamanho de uma amostra. É verdade que quanto maior o tamanho da amostra, menos precisaremos da estatística indutiva e mais estaremos utilizando a estatística descritiva. Portanto, este conhecimento é relevante.

Qual o tamanho de amostra ideal para as pesquisas

Como já dissemos anteriormente, se for possível garantir a total aleatoriedade da amostra e não vício, então o tamanho de amostras padrão pode ser entre 30 e 40 com grande força conclusiva. Explicar isto aos detalhes exigiria algo maior que este artigo e talvez mais embasamento acadêmico, mas a conclusão científica é esta, acredite!

É por este motivo que o tamanho ideal de pontos nas Cartas de Controle são de 30 plotagens. Cartas de Controle são gráficos lineares que constituem o instrumento principal do CEP (Controle Estatístico do Processo), metodologia desenvolvida por Walter Shewart e depois difundida no mundo todo por William Edward Deming.

Quando a aleatoriedade e a ausência de vícios pode ser plenamente garantida, números superiores a 30 contribuem muito pouco para melhorar o poder conclusivo. Em contrapartida, tamanho de amostras inferiores a 30 não fornecem a força necessária para uma conclusão confiável.

Para ilustrar o poder do número 30, veja abaixo um vídeo bastante interessante que exemplifica o que podemos fazer quando 30 pessoas estão num ambiente reunidas para adivinhar aniversários coincidentes:

Mas você pode estar pensando: “porque então as pesquisas eleitorais tem bem mais de 30 ou 40 respostas?” Normalmente estão entre 2 a 3 mil respostas. Embora ainda muito menor que a quantidade total de eleitores, que é de 150.000.000 aproximadamente (considerando o Brasil inteiro). Ou seja, uma representatividade de 0,002% no máximo.

Como disse a quantidade é irrelevante, desde que seja entre 30 a 40. O que justifica esta quantidade maior é por conta da aleatoriedade e do não vício. Ou seja, seriam 30 a 40 pessoas para cada fração de representatividade que o âmbito da pesquisa queira expressar.

Exemplo: Se formos considerar o Brasil, então, para expressar todos os estados teríamos que ter de 30 a 40 respostas por estado (30 x 26 = 780 respostas) e ainda dividir cada estado em classe econômica, os mais pobres e os mais ricos (780 x 2 = 1.560 respostas). Nesta expressão da sociedade, precisaríamos algo em torno de 1.560 respostas capturadas aleatoriamente em 26 estados e em locais onde predomine pessoas mais pobres (780 respostas) e em locais onde predomine pessoas mais ricas (780 respostas).

A aleatoriedade é simples de assegurar e o tamanho também (30 está ótimo), mas é extremamente desafiante assegurar a ausência de vícios numa pesquisa eleitoral. Isto porque as possibilidades de expressão da sociedade (mapeamento e escolha do vício) sempre poderão ser questionados. Porque dividir entre pobres e ricos? Melhor seria extratificar por cidade (podem defender alguns) e, neste caso, o tamanho da amostra pode ficar bem maior e inviabilizar totalmente a pesquisa.

Quais os cuidados para se interpretar as pesquisas

Antes de saber qual o nível de confiança de uma pesquisa (que sempre gira em torno de 2% para mais ou para menos) é muito importante saber os critérios de expressão da população e se foram coletados 30 amostras para cada expressão da sociedade escolhida. Sabido isto, pelo menos o vício estaria mapeado, e os resultados devem ser considerados no âmbito deste vício.

Mas estes detalhes raramente são divulgados, infelizmente, ou sequer considerados no mapeamento da expressão da população. Quero crer que não seja por interesses escusos ou por fraude explícita, mas sim por falta de possibilidades de eliminar 100% dos vícios, o que seria impossível com a estatística indutiva. Podemos mapear e escolher os vícios, mas jamais eliminá-los por completo.

Numa pesquisa eleitoral sempre haverão vícios (explícitos ou implícitos) e isto já justifica eventuais erros entre os resultados das pesquisas e a apuração das urnas propriamente ditas. Por isto que sempre digo que a opção de voto de um eleitor não deve ser influenciada pelos resultados das pesquisas, pois se desconhece os vícios escolhidos. O voto deve se basear na consciência do indivíduo e não nas pesquisas (vide artigo sobre voto consciente).

A aplicação da estatística indutiva (pesquisas) no ambiente corporativo

A origem do nome da Gauss Consulting Group é, obviamente, uma homenagem a Carl Friedrich Gauss, um dos mais proeminentes matemáticos que o mundo já conheceu e que deu origem ao braço da estatística como ramificação da matemática.

Por ser uma paixão antiga, a temática estatística foi desde sempre tema de estudo profundo e heutagógico de minha parte e representou o início de minha atuação como consultor de organização.

Sendo assim, a aplicação da estatística é uma parte muito forte em nossa empresa e que caracteriza um de nossos grande diferenciais. Os REPG incluem como base do RT 2 (referencial temático relativo a indicadores e análise crítica) a aplicação do que chamamos de Estatística Interpretacional (veja o artigo), que nada mais é do que aplicar de forma sistemática a estatística indutiva como base de toda a nossa abordagem de análise crítica de desempenho e performance organizacional por meio de indicadores (veja o artigo).

Nada é mais importante do que tratar os indicadores da organização considerando a estatística indutiva como base para as interpretações e para as tomadas de decisão. Um de nossos cursos de especialização capacita especificamente as lideranças sobre este aspecto, que, infelizmente, fogem deste tema desde sempre. Nossa missão é desmistificar a aplicação da estatística no ambiente corporativo.

Adm. M.Sc. Orlando Pavani Júnior