Populações sintéticas a partir de estatísticas agregadas.
Como montar uma população sintética que respeite, ao mesmo tempo, muitas estatísticas de um público?
- François Pachet e Jean-Daniel Zucker
- Frontiers in Artificial Intelligence, volume 9, 23/10/2026
- revisado por pares, acesso aberto, em inglês
- Resumo da MAGNYN, publicado em .

O método de máxima entropia, publicado por François Pachet e Jean-Daniel Zucker na Frontiers in Artificial Intelligence, monta populações sintéticas a partir de estatísticas agregadas. Nos testes do artigo, com 28 atributos ou mais, ele teve de 33% a 77% menos erro que o raking, a técnica de referência. Com 12 ou menos, empatou ou perdeu.
O que o artigo testou?
O método recebe as frequências de combinações de atributos de um público e procura a população que respeite todas ao mesmo tempo. Os autores usaram a NPORS 2024, pesquisa pública do Pew Research Center com 5.626 adultos dos Estados Unidos. Foram cinco problemas, de 4 a 40 atributos, e um teste à parte com dados de controle. A comparação principal foi com o raking generalizado, técnica usada para ajustar amostras a totais conhecidos.
O que o resultado mostra?
Nos testes do artigo, com dados dos Estados Unidos, o método errou menos que o raking com 28 atributos ou mais. Com 12 ou menos, empatou ou perdeu. Com 28 atributos, o erro foi de 33% a 59% menor, conforme a configuração; com 40, de 59% a 77% menor. O erro medido é a diferença relativa média entre as frequências da população montada e as frequências pedidas. O custo foi o tempo: com 28 atributos, o ajuste levou 544 segundos, contra 55 do raking.
Grau de certeza: estudo publicado.
O que isso muda para quem decide?
Uma pesquisa com personas sintéticas parte de uma população montada, e o estudo mede essa etapa. Nos testes do artigo, com 28 atributos ou mais, a população do método respeitou as estatísticas conhecidas do público melhor que a do raking. Saber se as respostas acertam é outro teste. Quando a empresa já tem resultados de campo sobre o tema, a MAGNYN compara a simulação com eles.
Quem são os autores?
François Pachet é cofundador e diretor de tecnologia da Imagine All The People, empresa francesa de populações sintéticas. Jean-Daniel Zucker é consultor científico dela. Zucker também é afiliado ao UMMISCO, do IRD e da Sorbonne Université.
Como citar?
PACHET, François; ZUCKER, Jean-Daniel. Maximum entropy relaxation of multi-way cardinality constraints for synthetic population generation. Frontiers in Artificial Intelligence, v. 9, artigo 1840945, 2026. DOI: 10.3389/frai.2026.1840945.
O artigo tem licença Creative Commons Atribuição 4.0 (CC BY 4.0). O resumo desta página é da MAGNYN.
Veja os cases da Imagine All The People, com o grau de certeza de cada número.
Leia também MAGNYN passa a oferecer pesquisa com populações sintéticas.
Na primeira conversa, mostramos o que dá para simular no seu caso.