Metodologia
Esta página resume como o Brasil Sintético é feito, em três partes: a população, o grafo social e o motor. Quanto o motor acerta uma série real está em O que medimos.
A população
Seção intitulada “A população”As pessoas sintéticas são gêmeos digitais estatísticos da população de cada área de ponderação, município e UF. Elas reproduzem a composição de cada área, não indivíduos: a plataforma não modela pessoas nomeadas. A release v1.0.0 tem 202.096.387 pessoas sintéticas nas 27 UFs.
| Etapa | O que faz |
|---|---|
| Semente: Censo 2010 | Os registros de pessoas e domicílios da amostra do Censo 2010 são o ponto de partida. O microdado público do Censo 2022 não identifica a área de ponderação nem o município, por isso não serve de semente. |
| Alvos: Censo 2022 | Os totais de cada área de ponderação do Censo 2022 vêm dos agregados por setor censitário: sexo, idade, cor ou raça, alfabetização e os domicílios por tipo e tamanho. |
| IPU | O ajuste de pesos de dois níveis (iterative proportional updating) acerta ao mesmo tempo os totais de domicílios e os de pessoas. Depois, os pesos viram contagens inteiras, e cada domicílio recebe um endereço do CNEFE 2022 dentro do seu setor. |
| Renda modelada | O Censo 2022 não publica renda por setor. A renda de cada pessoa sintética é uma estimativa, ajustada à distribuição de 2022 por sexo, idade, escolaridade e situação urbana ou rural. Nunca é a renda observada de alguém. |
| Reponderação pela PNADC | Entre um Censo e outro, uma release menor calibra um peso por domicílio nos totais da PNADC do trimestre, por UF, em células de sexo, faixa etária, escolaridade e ocupação, sem refazer as pessoas. A primeira usou o 2º trimestre de 2026. |
- A composição de 2010 que a semente carrega (escolaridade, arranjos domiciliares, ocupações) é um viés conhecido. Os totais são os de 2022.
- De onde vem cada pessoa. Quase todas, cerca de 99,8%, partem de um domicílio da amostra de 2010, replicado tantas vezes quanto o peso pede. Na réplica, a renda é recalculada, o endereço é sorteado dentro da área de ponderação, e emprego, contatos e valores são modelados. O restante, cerca de 0,2%, são pessoas de combinações raras, geradas por modelo.
- A amostra pública do Censo não traz nome, endereço nem identificador de quem respondeu. Um teste confere, para cada pessoa sintética, que ela difere do registro da semente em pelo menos um atributo além da geografia: nenhuma é cópia exata.
- Os resultados das simulações contam pessoas sintéticas, sem o peso da PNADC.
Mais em Privacidade e uso.
O grafo social
Seção intitulada “O grafo social”Cada UF tem um grafo social: quem convive com quem, em cinco camadas.
| Camada | Como é formada | Fontes |
|---|---|---|
| Domicílio | Quem mora junto, como saiu da síntese da população. | Censo 2010 e Censo 2022 |
| Trabalho | Quem trabalha e quem tem vínculo formal saem das taxas da PNADC por sexo e idade. Quem trabalha fora do próprio município sai da pergunta de deslocamento do Censo 2010, e o município de destino, de um modelo gravitacional. O estabelecimento é escolhido pela capacidade. | PNADC, Censo 2010, RAIS (estabelecimentos), CNPJ |
| Escola | Quem tem menos de 18 anos e frequenta escola vai para uma escola da sua etapa, pela distância e pela capacidade, numa turma de 25 a 35 alunos. | Censo Escolar (INEP), CNEFE |
| Vizinhança | Contatos no próprio setor censitário e nos setores vizinhos, com peso que cai com a distância: cerca de 10 por pessoa. | Malha de setores e CNEFE do Censo 2022 |
| Digital | Só quem usa internet tem contatos nessa camada, pela taxa de uso da TIC por sexo e faixa etária. O grau médio é de cerca de 15 contatos por pessoa da UF, e 70% das ligações são sorteadas dentro do município. | TIC Domicílios |
- O único laço entre UFs é o trabalho: quem mora numa UF e trabalha em outra, pela pergunta de deslocamento do Censo 2010.
- A camada digital fica dentro da UF, porque nenhuma das fontes mede contato digital entre UFs.
O motor
Seção intitulada “O motor”O motor simula dia a dia, sobre a população e o grafo de cada UF. O mesmo pedido, na mesma release e com o mesmo motor, gera os mesmos bytes (O resultado). Cada réplica usa outros sorteios.
A adoção
Seção intitulada “A adoção”A adoção é uma taxa de risco (hazard) diária. A cada dia, quem ainda não adotou adota com uma probabilidade que depende de:
- um nível de adoção da UF;
- a faixa etária;
- a exposição a contatos que já adotaram, em todas as camadas do grafo;
- um impulso no dia do lançamento, para o grupo que adota logo de saída.
O modelo supõe que, dentro de cada grupo da população, quem adota primeiro é quem tem mais propensão. Por isso a exposição perde efeito à medida que o grupo adota. Os parâmetros são os calibrados na série do Pix de cada UF (O que medimos).
A recepção de uma mensagem
Seção intitulada “A recepção de uma mensagem”Cada pessoa exposta decide em duas etapas:
- reage ou ignora, por uma taxa de risco na mesma forma da adoção, que cresce com a exposição;
- quem reage absorve, repassa ou rejeita, em proporções que dependem do grupo da pessoa.
A exposição é sorteada. A cada dia, cada pessoa tem uma probabilidade de ver a mensagem:
- pela mídia: a intensidade de cada canal do plano, vezes o alcance do canal no grupo dela;
- pelo boca a boca: as pessoas próximas, no grafo, que estão repassando.
Um sorteio decide se ela viu. Só quem viu decide.
O alcance do canal digital é o medido pela TIC Domicílios 2025, por região e faixa etária. TV, rádio e mídia exterior não têm medição de alcance por grupo e entram só pela intensidade do pedido (O cenário).
O modelo de linguagem
Seção intitulada “O modelo de linguagem”No desenho do motor, um modelo de linguagem diz como cada grupo da população reage a uma mensagem em relação aos outros: quais grupos dão mais atenção e quais repassam mais.
- Ele dá a forma da reação, nunca o nível. O nível vem das conferências com pesquisas publicadas.
- Ele responde numa escala relativa, nunca em probabilidade.
- Ele vê só perfis agregados de grupos com pelo menos 5 pessoas, nunca uma pessoa.
- Ele roda antes da simulação, para preencher tabelas. Não entra no passo diário.
As releases
Seção intitulada “As releases”A release v2.0.0 é uma população nova, das mesmas fontes: cada domicílio sintético é sorteado no setor censitário do seu endereço no Cadastro Nacional de Endereços para Fins Estatísticos (CNEFE), e só abre o setor que tem domicílio particular ocupado no Censo e ao menos um endereço dentro dele. Os setores com 20 moradores ou mais e nenhuma pessoa sintética caem de 47.312 para 730. A release v1.2.0 refaz a camada de trabalho da v1.0.0 com o CNPJ de setembro de 2026; as demais fontes são as da v1.0.0.