0 valutazioniIl 0% ha trovato utile questo documento (0 voti)
88 visualizzazioni28 pagine
* O documento apresenta as técnicas de amostragem probabilística e não probabilística, discutindo suas aplicações e limitações.
* São descritas formas de amostragem probabilística como aleatória simples, sistemática, estratificada e por conglomerados.
* Também são apresentadas formas não probabilísticas como por acessibilidade, conveniência, intencional ou por cotas.
Descrizione originale:
Titolo originale
Amostragens Probabilística e Não Probabilísticas.técnicas e Aplicações Na Determinação de Amostras.2012.1
* O documento apresenta as técnicas de amostragem probabilística e não probabilística, discutindo suas aplicações e limitações.
* São descritas formas de amostragem probabilística como aleatória simples, sistemática, estratificada e por conglomerados.
* Também são apresentadas formas não probabilísticas como por acessibilidade, conveniência, intencional ou por cotas.
* O documento apresenta as técnicas de amostragem probabilística e não probabilística, discutindo suas aplicações e limitações.
* São descritas formas de amostragem probabilística como aleatória simples, sistemática, estratificada e por conglomerados.
* Também são apresentadas formas não probabilísticas como por acessibilidade, conveniência, intencional ou por cotas.
PROGRAMA DE PS-GRADUAO EM CNCAS FLORESTAS KENNY DELMONTE OLIVEIRA KEYLLA LOPES DE ALMEIDA THIAGO LEITE BARBOSA AMOSTRAGENS PROBABILISTICA E NO PROBABILISTICA: tcnicas e apica!"es na #ete$%ina!&' #e a%'st$as JERNMO MONTERO 2012 RES(MO Este trabalho teve como principal objetivo geral investigar sobre as tcnicas e aplicaes na determinao de amostras, tanto para amostragens probabilsticas quanto para no probabilsticas, bem como apresentar conceitos e definies inerentes a estas amostragens, informar as situaes adequadas para o uso das diversas tcnicas e evidenciar quais so as limitaes do uso de cada uma. nicialmente foi realizada uma pesquisa bibliogrfica visando prover o pesquisador de maior conhecimento sobre o assunto em estudo, por meio de levantamento em fontes bibliogrficas como livros, teses e artigos de revistas especializadas, onde a anlise e discusso das tcnicas apresentadas esto baseadas em proposies tericas de diversos autores. Este estudo permitiu constatar que uma amostra trata-se de um subconjunto do universo ou da populao, por meio do qual se estabelecem ou se estimam suas caractersticas. Sendo que, uma populao ou universo nada mais do que um conjunto de elementos que possuem determinadas caractersticas, e os principais requisitos de uma amostra probabilstica que esta deve ser homognea e representativa da populao da qual foi retirada, portanto uma amostra ser tanto mais ideais quanto mais prximos forem seus atributos da equiprobabilidade e independncia. Espera-se que este trabalho sirva como fonte conceitual e base para a compreenso dos principais critrios de adoo de cada um dos tipos de amostragem e suas limitaes. Para enriquecimento e ampliao da proposta sugere-se uma pesquisa mais abrangente dos muitos mtodos de cada um dos tipos de amostragem. Palavras chave: Estatstica. Amostragem. Probabilidade. Populao. S(M)RIO * INTROD(+O,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 3 - OB.ETIVOS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6 2.1 OBJETVO GERAL............................................................................................. 6 2.2 OBJETVOS ESPECFCOS.............................................................................. 6 / REVISO DE LITERAT(RA,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 7 3.1 AMOSTRAGEM........................................................................................................... 7 3.2 TCNCAS DE AMOSTRAGEM............................................................................... 8 /,-,* Tcnica #e a%'st$a0e% p$'1a1i2stica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 8 3.3 FORMAS DE AMOSTRAGEM PROBABLSTCA................................................ 9 /,/,* A%'st$a0e% aeat3$ia si%pes,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 9 /,/,- A%'st$a0e% siste%4tica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 10 /,/,/ A%'st$a0e% est$ati5ica#a,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 12 /,/,6 A%'st$a0e% p'$ c'n0'%e$a#'s,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 13 /,/,7 Tcnica #e a%'st$a0e% n&' 8 p$'1a1i2stica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 15 3.4 FORMAS DE AMOSTRAGEM NO - PROBABLSTCA..................................... 18 /,6,* A%'st$a0e% p'$ acessi1ii#a#e,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 18 /,6,- A%'st$a0e% #e c'n9eni:ncia,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 19 /,6,/ A%'st$a0e% intenci'na '; p'$ <;0a%ent',,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 19 /,6,6 A%'st$a0e% p'$ c'tas,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 21 /,6,7 A%'st$a0e% a es%' '; se% n'$%a,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 22 /,6,= A%'st$a0e% >;an#' a p'p;a!&' 5'$%a#a p'$ %ate$ia c'nt2n;',,,,,,, 22 6 CONSIDERACOES ?INAIS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 23 7 RE?ERENCIAS BIBLIOGR)?ICAS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 24 AP@NCICE,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 26 3 * INTROD(+O Segundo Pimentel Gomes (1984) por trs de cada publicao cientfica, de pesquisa ou de divulgao, h toda uma tcnica e toda uma cincia, que tem como alvo obter dados quantitativos (as estatsticas) e interpret-los convenientemente. A Estatstica a cincia que lida com isso, sendo esta uma cincia muito antiga, pois j em tempos remotos, realizava-se o levantamento de dados sobre colheitas, tamanhos de rebanhos e populaes humanas. A partir do momento em que o homem se organizou em sociedade a estatstica surgiu como processo organizado de contagem. No sc. XV esta era tida como uma disciplina autnoma destinada exclusivamente a descrever fatos ligados ao processo poltico, com base no planejamento do estado, afirma Cmara e Silva, (2001). Mas o estudo propriamente cientfico desses problemas, com base em clculos probabilsticos, relativamente recente, e s se desenvolveu satisfatoriamente no sculo atual (PMENTEL GOMES, 1984). O processo de contagem do todo, denominado Censo, apesar de ter sido um dos primeiros procedimentos estatsticos, no dos tempos passados, sendo, porm uma importante rea da estatstica atualmente. Seguido deste processo, surgiram outros campos, designados por estatstica ndutiva ou nferencial. Subdividindo-se ainda em diversas reas com base em sua especificidade dentre as quais se citam a Estatstica Paramtrica ou No Paramtrica, Descritiva ou nferencial, Probabilstica ou No Probabilstica, alm de aplicaes em reas especficas como Hidrologia Estatstica (NAGHETTN; PNTO, 2007), Estatstica Ambiental (RODRGUES, 2006), Estatstica Aplicada a Administrao (TAVARES, 2007) ou apenas a Estatstica Bsica (CRESPO, 1999). Freitas (2003) define a palavra estatstica, como a cincia que investiga os processos de obteno, organizao e anlise de dados sobre uma populao, e os mtodos de tirar concluses ou fazer predies com base nesses dados. A estatstica, como parte da matemtica aplicada, trata da coleta, da anlise e da interpretao dos dados observados. Examinando os mais variados fenmenos das diversas reas do conhecimento, ela se apresenta como um valioso instrumento de trabalho nos tempos contemporneos (RODRGUES, 2006). 4 Ao conjunto finito ou infinito de todos os possveis resultados ou realizaes, de uma varivel qualquer dado o nome de populao. Na maioria das situaes, o que se conhece um subconjunto extrado da populao, com um nmero limitado de observaes o qual chamado de amostra. Essa por sua vez, constituda por elementos que so extrados da populao, de maneira aleatria e independente (NAGHETTN; PNTO, 2007). Pode-se dizer que um dos principais objetivos dessa cincia de extrair concluses vlidas sobre o comportamento populacional da varivel em anlise, somente a partir da informao contida na amostra. Para obteno de concluses que sejam teis tomada de decises, faz-se necessrio o estabelecimento de um modelo matemtico probabilstico. Embora esse seja incapaz de prever com exatido certos fenmenos, revela-se til quando se deseja conhecer a ocorrncia da probabilidade em que um fenmeno seja igualado ou superado (NAGHETTN; PNTO, 2007). Porm amostras no probabilsticas so muitas vezes empregadas em trabalhos estatsticos, quer por simplicidade ou mesmo pela impossibilidade da obteno de amostras probabilsticas (COSTA NETO, 1977). Duas ramificaes, de grande importncia para cincias aplicadas, tm sido apresentadas teoria de probabilidades: a estatstica matemtica e o estudo de processos estocsticos. A primeira o ramo da teoria de probabilidades que permite analisar um conjunto limitado de observaes de um fenmeno aleatrio e extrair inferncias quanto ocorrncia das provveis realizaes do fenmeno em estudo. J o estudo de processos estocsticos refere-se identificao e interpretao da aleatoriedade presente nestes processos (NAGHETTN; PNTO, 2007). nicialmente deve ser definido qual ou quais as caractersticas dos elementos que devero ser verificadas, pois no se trabalha estatisticamente com os elementos existentes, mas com caractersticas dos mesmos, ou seja, com os valores de uma varivel ou caracterstica de interesse, e no com os elementos originalmente considerados. Esta escolha depender dos objetivos do estudo, podendo esta varivel ser qualitativa, quando resultar de uma classificao por tipos ou atributos, ou quantitativa, quando seus valores forem expressos em nmeros (FRETAS, 2003). Sendo assim, importante compreender quais so as situaes adequadas para o uso 5 das tcnicas de amostragem probabilstica e amostragem no probabilstica, e quais so as limitaes do uso de cada uma dessas tcnicas. O presente trabalho trata-se de uma pesquisa bibliogrfica que visa prover o pesquisador de maior conhecimento sobre o assunto estudado. Nesse estgio de investigao, o levantamento bibliogrfico dado a partir de informaes pertinentes encontradas em livros, teses e artigos de revistas especializadas. Os principais recursos utilizados para esta pesquisa foram: biblioteca do Departamento de Cincias Florestais e da Madeira, e a rede mundial de computadores nternet. A anlise e discusso das tcnicas apresentadas esto baseadas em proposies tericas de diversos autores. 6 - OB.ETIVOS 2.1 OBJETVO GERAL nvestigar sobre as tcnicas e aplicaes na determinao de amostras, tanto para amostragens probabilsticas quanto para no probabilsticas. 2.2 OBJETVOS ESPECFCOS Apresentar conceitos e definies inerentes a amostras probabilsticas e no probabilsticas; nformar as situaes adequadas para o uso das diversas tcnicas; Evidenciar quais so as limitaes do uso de cada uma dessas tcnicas. 7 / REVISO DE LITERAT(RA 3.1 AMOSTRAGEM Por mais que o estudo de todos os elementos da populao possibilite um preciso conhecimento das variveis que esto sendo pesquisadas, nem sempre possvel obter as informaes de todos os elementos da populao. Limitaes de tempo, custo e vantagens do uso de tcnicas de inferncia justifica o uso de amostras. Por essa razo, o mais frequente trabalhar com uma amostra, ou seja, com uma pequena parte dos elementos que compe o universo (GL, 2010). Torna-se claro que a representatividade da amostra depender do seu tamanho e da forma como coletada visando obter uma amostra significativa, e que de fato represente toda a populao (GONALVES, 2009). Uma amostra trata-se de um subconjunto do universo ou da populao, por meio do qual se estabelecem ou se estimam as caractersticas desse universo ou populao. Sendo que, uma populao ou universo nada mais do que um conjunto de elementos que possuem determinadas caractersticas (MASSUKADO-NAKATAN, 2009). De forma concisa a amostra pode ser definida, de acordo com Levine et al., (2008), como uma parcela de uma populao selecionada para fins de anlise. A representatividade e imparcialidade so duas questes importantes que devem ser levadas em conta na retirada da amostra, pois para ser apropriada a amostra tem que ser representativa, ou seja, deve conter em proporo tudo o que a populao possui. Alm do mais, todos os elementos da populao devem ter igual oportunidade de fazer parte da amostra, ou seja, tambm deve ser imparcial (GONALVES, 2009). Quando essa amostra rigorosamente selecionada, os resultados obtidos tendem a aproximar-se bastante dos auferidos se todos os elementos do universo fossem pesquisados. E, com o auxlio de procedimentos estatsticos, torna-se possvel at mesmo calcular a margem de segurana dos resultados obtidos (GL, 2010, p. 109). 8 A amostragem pode ser dividida basicamente em amostragem probabilstica e no probabilstica. A primeira, por seguir as leis estatsticas, permite a expresso da probabilidade matemtica, ou seja, de se encontrar na amostra as caractersticas da populao, ao passo que a segunda depende de critrio e julgamento estabelecido pelo pesquisador para a produo de uma amostra fiel. As vantagens e desvantagens dos dois tipos que a amostra no probabilstica mais rpida e menos onerosa, enquanto, que a probabilstica confere maior confiabilidade aos resultados obtidos, na medida em que, nesta, cada elemento da populao possui a mesma probabilidade, previamente conhecida e diferente de zero, de ser includo na amostra, alm de que numa amostragem probabilstica possvel extrair concluses que podem ser generalizadas para toda a populao algo que no se pode fazer na no probabilstica (STEVESON, 1986). 3.2 TCNCAS DE AMOSTRAGEM /,-,* Tcnica #e a%'st$a0e% p$'1a1i2stica As amostras por probabilidade so amostras em que os componentes so extrados da populao de acordo com probabilidades conhecidas. O mecanismo de probabilidade pelo qual os componentes so selecionados especificado antes de iniciada a amostragem e no deixa ao investigador qualquer margem para decidir que itens da populao devem ser includos na amostra (MERRLL; FOX, 1977). Os elementos da amostra so selecionados atravs de alguma forma de sorteio no tendencioso, como por exemplo, tabelas de nmeros aleatrios ou nmeros aleatrios gerados por computador. Com a utilizao de sorteio elimina-se a influncia do pesquisador na obteno da amostra, e garante que todos os integrantes da populao tem a probabilidade de pertencer amostra (FRANCO s.d.). Segundo Fonseca e Martins (1996), os mtodos de amostragem probabilstica exigem que cada elemento da populao possua determinada probabilidade de ser selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho da populao, a probabilidade de cada elemento ser 1/N. So mtodos que 9 garantem cientificamente a aplicao das tcnicas estatsticas de inferncia. E somente com base em amostragens probabilsticas que se podem realizar inferncias ou indues sobre a populao a partir do conhecimento da amostra. Merrill e Fox (1977) citam que ao delinear uma amostra por probabilidade, o investigador pode determinar o tamanho da amostra necessrio para obter um determinado grau de exatido na estimativa de um parmetro. Alm disso, h menos oportunidade para os inspecionadores ou entrevistadores introduzirem vcios na coleta de dados para a amostra, porque seu julgamento no entra no jogo na escolha dos itens da amostra. 3.3 FORMAS DE AMOSTRAGEM PROBABLSTCA /,/,* A%'st$a0e% aeat3$ia si%pes Trata-se do mtodo mais elementar e frequentemente utilizado. Nesse processo de amostragem, assim como em outros mtodos probabilsticos, assegurado que todos os elementos do universo tenham a mesma possibilidade de serem considerados (FONSECA; MARTNS, 1996). Para realizar uma amostragem aleatria simples, recomenda-se fazer uma listagem dos elementos da populao, atribuindo aleatoriamente um nmero para cada um desses elementos. Feito isso, o pesquisador dever sortear dentro de toda a populao, atribuindo aleatoriamente um nmero para cada um desses elementos. Feito isso, o pesquisador dever sortear dentro de toda a populao, desconhecendo inteiramente a quem esses nmeros esto associados, os nmeros adequados de elementos que iro compor a amostra (ANDERSON; SWEENEY; WLLAMS, 2007). Para reali zao do sorteio, normalmente so utili zadas Tabelas de Nmeros Aleatrios (TNA) que consistem em sequencias de dgitos contendo os algarismos 0, 1, 2,..., 7, 8 e 9, distribudos aleatoriamente (APNDCE A). Esses nmeros podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer ordem, como por colunas, num sentido ou noutro, por linhas, diagonalmente, etc., e podem ser considerados aleatrios (STEVENSON, 1986). 10 Nesse tipo de amostragem, a variabilidade amostral ou erro amostral bem determinado, e para se obter uma boa amostragem recomendvel que a populao seja homognea e grande, essa tcnica tambm mais adequada quando se conhece a lista de todos os elementos que compem a populao alvo (FRANCO, s.d.). Um simples exemplo dessa tcnica pode ser observado ao aplicar um questionrio sobre satisfao com os servios da agncia em 10 clientes de um banco de dados de 100 pessoas, em que, a aleatria simples est em atribuir um nmero a cada cliente e proceder com o sorteio de 10 clientes. /,/,- A%'st$a0e% siste%4tica De acordo com Merrill e Fox (1977), em muitos casos, as amostras sistemticas podem ser tratadas como se fossem amostras aleatrias. A amostragem sistemtica trata-se de uma variao da aleatria simples, que exige que cada elemento da populao possa ser identificado de acordo com sua posio, o que s pode ser feito em caso de se poder identificar a posio de cada membro num sistema ordenado (FRANCSCO, 2011). Em uma amostragem sistemtica, todo k-simo elemento de uma populao ordenada includo na amostra. O ponto de partida escolhido, aleatoriamente, entre os k primeiros elementos, e a amostragem prossegue at que tenham sido escolhido n elementos (MERRLL; FOX, 1977). No mesmo exemplo usado para ilustrar uma amostragem aleatria simples, onde se aplica um questionrio sobre satisfao com os servios da agncia em 10 clientes de um banco de dados de 100 pessoas, a amostragem sistemtica se daria da seguinte forma: Tem-se N unidades (digamos N = 100) a serem escolhidas e precisa-se de uma amostra de tamanho n (digamos n =10); Dividimos N por n = 100/10 = 10 (N/n); Selecionamos ao acaso um nmero entre 1 e 10 por exemplo, 7; A primeira unidade a ser escolhida ser 7, a segunda a 17, a terceira 27 e assim por diante... 77, 87..., 97; 11 Assim criou-se uma lgica de escolha aleatria sistemtica. De acordo com Franco (s.d.), esse tipo de amostragem requer uma listagem dos itens da populao como a amostragem aleatria simples, entretanto, deve-se tomar cuidado se a populao do tipo homem, mulher, homem, mulher, ou se os itens se apresentam agrupados ou com carter peridico, pois esta lgica poderia se criar uma tendenciosidade indesejada, pois poderiam ser escolhidos somente homens ou somente mulheres. Ento, torna-se recomendvel que a populao seja homognea (KARMEL; POLASEK, 1974; FRANCO, s.d.). Outra desvantagem desse modelo de amostragem, que em populaes muito grandes, pode ser muito trabalhoso a identificao de cada elemento (FRANCO, s.d.). Entretanto, a amostragem sistemtica uma tcnica relativamente simples e, em alguns casos, pode ser mais eficiente do que a amostragem aleatria simples. A principal dificuldade realmente o fato de que as amostras sistemticas nem sempre so aleatrias. Ento, se a populao ordenada de modo sistemtico em relao s caractersticas estudadas, ento possvel que somente determinados tipos de elementos sejam includos, ou que certos tipos sejam sistematicamente mais includos do que outros (MERRLL; FOX, 1977). Para entender melhor essa desvantagem de uma seleo sistemtica quando h alguma periodicidade na lista dos elementos a serem sorteados, tornando a seleo tendenciosa, observe o seguinte exemplo: se uma lista de moradias, ordenadas segundo as ruas, amostrada atravs da retirada do dcimo domiclio, se houver dez casas em cada quadra da rua, a amostra conter ou todas as casas de esquina ou no conter nenhuma, oque pode afetar significativamente no resultado da pesquisa dependendo do parmetro estudado. Apesar disso, muitas selees sistemticas so equivalentes s escolhidas aleatrias (KARMEL; POLASEK, 1974). /,/,/ A%'st$a0e% est$ati5ica#a A amostragem aleatria simples o tipo mais fcil de delineamento de amostragem, porm quando so disponveis informaes suplementares sobre a 12 populao, alm de apenas uma lista das unidades a serem amostradas, outros planejamentos podem ser usados, nesse caso, a amostragem estratificada seria mais interessante. Alm do mais, em certas circunstncias, a amostra estratificada fornece erro de amostragem menor que uma aleatria simples, do mesmo tamanho (KARMEL; POLASEK, 1974). Algumas vezes a amostragem aleatria simples no garante que a amostra seja to representativa em relao outra varivel, como por exemplo, o levantamento de dados de uma populao, em que esta pode ser estratificada (em subgrupos ou estratos) por sexo, idade, renda ou classe social poderia tornar-se mais adequado para populaes heterogneas dependendo do foco da pesquisa (FRANCO, s.d.). Sendo assim, a variao dentro dos subgrupos menor por serem mais homogneos do que a variao entre os subgrupos, tornando a amostragem mais representativa da populao, oferecendo mais preciso do que as amostragens aleatrias simples e sistemtica, e dessa forma, exigindo maior conhecimento (mais informaes) da populao. Para STEVENSON (1986), a amostragem estratificada pressupe a diviso da populao em subgrupos (estratos) de itens procedendo-se ento amostragem em cada subgrupo. A lgica do processo que, dispondo dos itens da populao global, o que leva necessidade de um menor tamanho de amostra. possvel perceber isto considerando um caso extremo: Suponha idnticos os itens em cada estrato. Em tal caso, basta uma nica observao de cada subgrupo para dizer do seu comportamento. Dessa forma, quanto maior a semelhana entre os elementos de cada estrato, menor o tamanho da amostra necessria. Relembrando o exemplo em que se aplicar um questionrio sobre satisfao com os servios da agncia em 10 clientes de um banco de dados de 100 pessoas. Uma estratificao por sexo (masculino e feminino) seria da seguinte forma: primeiro verifica-se o percentual de cada sexo sobre a populao, ento, suponhamos que das 100 pessoas 30% so mulheres e 70% so homens. Aps essa verificao, delimita-se que dos 10 clientes a serem entrevistados 03 (30% da amostra) devem ser mulheres e 07 (70% da amostra) homens. 13 Para o exemplo dado acima, possvel chamar ateno para outro ponto importante nesse tipo de amostragem. Sendo este, o fato de que a amostragem estratificada pode ser ainda proporcional ou no proporcional. Para uma amostragem proporcional, busca-se uma amostra similar composio da populao, por exemplo, se entre os funcionrios do departamento metade so mulheres, uma amostra estratificada por sexo dever ser composta por 50% de mulheres. No entanto, para uma amostragem no proporcional, no se observa a extenso dos estratos em relao populao, o que pode afetar significativamente no resultado da pesquisa (FRANCSCO, 2011). /,/,6 A%'st$a0e% p'$ c'n0'%e$a#'s Na amostragem por conglomerados, os elementos da populao so divididos em grupos distintos denominados conglomerados. Cada elemento da populao pertence a um e somente um conglomerado. Extrai-se, ento, uma amostra aleatria simples dos conglomerados. Todos os elementos contidos em cada conglomerado amostrado formam a amostra. A amostragem por conglomerados tende a produzir os melhores resultados quando os elementos neles contidos no so similares. No caso ideal, cada conglomerado uma verso representativa em pequena escala da populao inteira (ANDERSON; SWEENEY; WLLAMS, 2007). Trata-se de um tipo de amostragem por ncleo, em que os ncleos so subdivises geogrficas, como quarteires, cidades, ou estados. Os conglomerados (unidades de amostragem) a serem includos na amostra so escolhidos aleatoriamente, e as unidades elementares de onde se obtero as informaes desejadas so, ento aleatoriamente selecionadas em relaes a todas as unidades dentro de cada rea (MERRLL; FOX, 1977). Karmel e Polasek (1974) relacionam o uso desse mtodo para amostras de populaes humanas, pois uma das coisas mais difceis para esse tipo de amostra, seja para qualquer proposito, decorrente do fato de que a populao pode estender-se sobre uma rea muito grande. 14 O valor da amostragem por conglomerados depende de quo representativo cada conglomerado da populao inteira. Se todos os conglomerados forem similares nesse sentido, a amostragem de um pequeno nmero de conglomerados produzir boas estimativas dos parmetros populacionais (ANDERSON; SWEENEY; WLLAMS, 2007). ndicada para situaes onde difcil a identificao dos elementos, como por exemplo, para a populao de uma cidade, em que a seleo da amostra por conglomerado poderia ser realizada em quarteires ou em bairros. Normalmente, os conglomerados tpicos para a seleo de amostras so quarteires, famlias, organizaes, edifcios, fazendas e bairros (MASSUKADO-NAKATAN, 2009). Segundo Merrill e Fox (1977), a amostragem por conglomerado, tambm conhecida como amostragem por rea, elimina o problema de relacionar todos os itens de uma grande populao finita. , portanto, um processo muito til na obteno de amostras por probabilidade em pesquisas de mbito nacional. Os departamentos governamentais, por exemplo, empregam frequentemente a amostragem por conglomerado. Segundo (FRANCO s.d.), uma amostragem por conglomerado recomendada quando: preciso fazer entrevistas ou observaes em grandes reas geogrficas; O custo de obteno dos dados cresce com o aumento da distncia entre os elementos; No se tem a lista de todos os elementos da populao ou a obteno desta listagem dispendiosa; Um exemplo tpico desse tipo de amostragem : como deve ser escolhida uma amostra para estimar o rendimento mdio familiar em uma grande cidade? Como no h uma listagem de todas as famlias da cidade e praticamente impossvel obt-la, no possvel usar a amostragem aleatria simples e estratificada. Ento, a cidade pode ser dividida em bairros (conglomerados) e tomada uma amostra aleatria dos bairros e neles pesquisa-se a renda de todas as famlias do bairro. 15 A amostragem por conglomerados bastante utilizada em casos nos quais a populao muito extensa, ento, essa forma de amostragem torna-se extremamente til (FRANCSCO, 2011). Levine et al., (2008) citam que a amostra por conglomerado pode exigir maiores amostras do que outros tipos de amostragem, para proporcionar o mesmo grau de exatido nas estimativas, mas essa desvantagem mais do que compensada pela reduo de custos que se obtm concentrando-se os entrevistadores em um nmero limitado de zonas geogrficas, acarretando menores despesas, por exemplo. Esse aspecto preponderante no caso de pesquisas de mbito nacional. importante que no se confunda os mtodos de amostragem por conglomerado com o mtodo de amostragem estratificada, pois como j foi mencionado anteriormente, o primeiro mtodo divide a populao em vrios subgrupos homogneos com elementos heterogneos, selecionados baseando-se na facilidade ou disponibilidade de acesso, j o segundo mtodo a populao e dividida em subgrupos heterogneos com elementos homogneos, selecionados com base nos critrios relacionados s variveis em estudo. /,/,7 Tcnica #e a%'st$a0e% n&' p$'1a1i2stica Levine et al., (2008, p. 218) afirma que em uma amostra no probabilstica voc seleciona os itens ou indivduos sem conhecer suas respectivas probabilidades de seleo. Sendo assim, uma amostragem ser no probabilstica quando a probabilidade de alguns ou de todos os elementos da populao de pertencer amostra desconhecida (MASSUKADO-NAKATAN, 2009). Sobre esta temtica Levine et al., (2008) defende a ideia de que a teoria desenvolvida para amostragem probabilstica no pode ser aplicada a amostragem no probabilstica. As tcnicas estatsticas pressupem que as amostras utilizadas sejam probabilsticas, o que muitas vezes no se pode conseguir (MERRL; FOX, 1977). 16 Deste modo, amostras no probabilstica so muitas vezes empregadas em trabalhos estatsticos, por simplicidade ou por impossibilidade de se obterem amostras probabilsticas, como seria desejvel (COSTA NETO, 1977). Pode-se inferir que normalmente amostras no probabilsticas so utilizadas em pesquisa quando h uma restrio de cunho operacional ao uso da amostragem probabilstica, como, por exemplo, o fato de a populao ser infinita ou de no se ter acesso a todos os elementos da mesma (GONALVES, 2009). Muitas vezes a necessidade de optarmos pela utilizao de uma amostra no probabilstica deriva-se da inacessibilidade a toda a populao. Quando esta situao ocorre o pesquisador forado a colher a amostra na parte da populao que lhe acessvel. Surge aqui, portanto, uma distino entre populao objeto e populao amostrada. A populao objeto aquela que temos em mente ao realizar o trabalho estatstico. Apenas uma parte desta populao, porm, est acessvel para que dela retiremos a amostra. Esta parte a populao amostrada. (COSTA NETO, 1977). Uma situao muito comum em que ficamos diante da inacessibilidade a toda a populao o caso em que parte da populao no tem existncia real, ou seja, uma parte da populao ainda hipottica (MERRL; FOX, 1977). Em muitos casos os efeitos da utilizao de uma amostragem no probabilstica podem ser considerados equivalentes a uma amostra probabilstica, resulta que os processos no probabilsticos de amostragem tm tambm sua importncia (COSTA NETO, 1977). Se as caractersticas da varivel de interesse, por exemplo, forem s mesmas na populao objeto e na populao amostrada, ento este tipo de amostragem equivaler a uma amostragem probabilstica (COSTA NETO, 1977). No entanto deve se ter cuidado ao optar-se pela utilizao desta modalidade de amostra, uma vez que este tipo de amostragem subjetiva, baseada na deciso pessoal do pesquisador, e a variabilidade amostral no pode ser estabelecida com preciso (FRANCO, s.d.). Conforme Levine et al., (2008) amostras no probabilsticas podem oferecer certas vantagens, tais como convenincia, velocidade e baixo custo. Entretanto, elas carecem de preciso, em decorrncia de vieses de seleo, e o fato de os resultados 17 no poderem ser generalizados supera, em muito, essas vantagens. Por conseguinte, os mtodos de amostragem no probabilstica devem ser utilizados exclusivamente para estudos em pequena escala que precedam grandes investigaes. Para os casos em que o uso da amostra no probabilstica for vivel, deve-se atentar para algumas variveis para que o mesmo obtenha xito, o sucesso da utilizao de uma amostra no probabilstica em uma pesquisa depende, por exemplo, dos critrios e julgamentos do pesquisador (MASSUKADO-NAKATAN, 2009). De acordo com Anderson, Sweeney e Williams (2007) nos mtodos de amostragem probabilstica, h frmulas disponveis para avaliar a "excelncia dos resultados amostrais em termos do quo prximo eles esto dos parmetros populacionais a serem determinados, uma avaliao da excelncia no pode ser feita com base em amostragens no probabilsticas. Em uma amostragem no probabilstica no se conhece a probabilidade do elemento da populao pertencer amostra, o erro amostral no pode ser estimado, e no se podem estender os dados da amostra para a populao com uma medida de probabilidade de acertar, entretanto, uma amostragem desse tipo pode ser utilizada quando a listagem dos elementos da populao nem sempre possvel na prtica. E ainda, na etapa preliminar em projetos de pesquisa, em projetos de pesquisa qualitativa onde h bom conhecimento da populao e onde a populao no pode ser relacionada (FRANCO, s.d.). A escolha da tcnica de amostragem uma etapa importante do mtodo cientfico de pesquisa. Quando a amostra rigorosamente selecionada, os resultados obtidos no levantamento tendem a aproximar-se bastante dos que seriam obtidos caso fosse possvel pesquisar todos os elementos do universo (GL, 2010, p. 109). No entanto vlido lembrar que conforme Cervo e Bervian (2003) o mtodo apenas um meio de acesso; s a inteligncia e a reflexo descobrem o que os fatos realmente so. Segundo Andrade (2010) h mais exatido nas cincias experimentais que nas cincias humanas. Na verdade, as cincias experimentais pesquisam, de modo geral, 18 fenmenos fsicos, regidos por determinismo da natureza, por leis fatais passveis de previso e que podem at ser provocados para serem mais bem observados. Neste contexto a seleo do tipo de amostragem com o qual se ir trabalhar influenciar diretamente na exatido dos resultados encontrados, sendo, portanto de fundamental importncia escolha de uma tipologia amostral coerente com o carter da pesquisa e com o objetivo impetrado pela mesma. Nos tpicos que se seguem sero apresentados alguns tipos de amostragem probabilstica e no probabilstica. 3.4 FORMAS DE AMOSTRAGEM NO PROBABLSTCA /,6,* A%'st$a0e% p'$ acessi1ii#a#e Este pode ser considerado o menos rigoroso de todos os tipos de amostragem, uma vez que se procede a seleo dos elementos aos quais se tem acesso para que a realizao da pesquisa se torne possvel (MASSUKADO-NAKATAN, 2009). nfelizmente esta situao ocorre com muita frequncia na prtica, uma vez que de acordo com Costa Neto (1977, p. 43) "nem sempre possvel se ter acesso a toda a populao objeto de estudo, sendo assim preciso dar segmento a pesquisa utilizando- se a parte da populao que acessvel na ocasio da pesquisa. Um exemplo da aplicao desta tipologia de amostragem dado por Massukado e Nakatani (2009) Entrevistar os gerentes gerais dos hotis x e y, pois foram os que autorizaram a entrevista. Outra exemplificao seria conforme Costa Neto (1977) o fato de que ao se buscar pesquisar a populao constituda por todas as peas produzidas por certa mquina que se encontra em funcionamento, no ser possvel se ter acesso parte da populao constituda pelas peas que ainda sero produzidas. /,6,- A%'st$a0e% #e c'n9eni:ncia uma tcnica de amostragem em que, como o prprio nome implica, a amostra identificada primeiramente por convenincia. Elementos so includos na amostra 19 sem probabilidades previamente especificadas ou conhecidas de eles serem selecionados. Por exemplo, um professor que faz pesquisas em uma universidade pode utilizar estudantes voluntrios para compor uma amostra, simplesmente porque eles esto disponveis e participaro como objetos de experincia por pouco ou nenhum custo (ANDERSON; SWEENEY; WLLAMS, 2007). O presente caso de amostragem no probabilstica pode ocorrer segundo Costa Neto (1977) quando, embora se tenha a possibilidade de atingir toda a populao, retiramos a amostra de uma parte que seja prontamente acessvel. De acordo Anderson, Sweeney e Williams (2007) amostras por convenincia tm a vantagem de permitir que a escolha de amostras e a coleta de dados sejam relativamente fceis; entretanto, impossvel avaliar a "excelncia da amostra em termos de sua representatividade da populao. Uma amostra por convenincia tanto pode produzir bons resultados como no; nenhum procedimento estatisticamente justificvel possibilita uma anlise de probabilidade e inferncia sobre a qualidade dos resultados da amostra. /,6,/ A%'st$a0e% intenci'na '; p'$ <;0a%ent' Nas amostras intencionais enquadram-se os diversos casos em que o pesquisador deliberadamente escolhe certos elementos para pertencer amostra, por julgar tais elementos bem representativos da populao (COSTA NETO, 1977, p. 45). Um exemplo prtico deste tipo de amostragem ao se almejar investigar variveis inerentes a uma comunidade proceder aplicao dos questionrios junto aos lderes da comunidade, por julgar que estes sejam representativos da mesma. A intencionalidade torna uma pesquisa mais rica em termos qualitativos. Em uma pesquisa que tenha por objetivo identificar atitudes polticas de um grupo de operrios, por exemplo, como a pesquisa tem como objetivo a mobilizao do grupo envolvido, ser interessante selecionar trabalhadores conhecidos como elementos ativos em relao aos movimentos sindicais e polticos, bem como trabalhadores sem qualquer participao em movimentos dessa natureza. As informaes que estes dois grupos de trabalhadores podem transmitir sero muito mais ricas as que seriam obtidas 20 com base em critrios rgidos de seleo de amostras. Estas informaes no so generalizveis para totalidade da populao, mas podem proporcionar os elementos necessrios para identificao da dinmica do movimento. O emprego deste tipo de amostra requer conhecimento da populao e dos elementos selecionados (MASSUKADO-NAKATAN, 2009). De acordo com Gil (2010) na pesquisa etnogrfica, por exemplo, no existe a preocupao do pesquisador em selecionar uma amostra com base em critrios estatsticos de proporcionalidade e representatividade em relao ao universo pesquisado. A ocorrncia mais comum a seleo da amostra com base no julgamento do prprio pesquisador. Ele seleciona os membros do grupo, organizao ou comunidade que julgar mais adequados para fornecer repostas ao problema proposto. O perigo deste tipo de amostragem obviamente grande, pois o pesquisador pode facilmente se equivocar em seu pr-julgamento (COSTA NETO, 1977). A utilizao da amostra intencional ou por julgamento tambm muito comum numa tipologia de pesquisa conhecida como pesquisa-ao. Neste tipo de pesquisa segundo Gil (2010) o critrio de representatividade dos grupos investigados mais qualitativo que quantitativo, sendo assim recomendvel utilizao de amostras selecionadas pelo critrio de intencionalidade. 21 /,6,6 A%'st$a0e% p'$ c'tas Apresenta maior rigor dentre as amostragens no probabilsticas (MASSUKADO-NAKATAN, 2009). Conforme Merrill e Fox (1977) a amostragem por cotas um tipo de amostragem por julgamento. Em uma amostra por cota, fixam-se cotas de acordo com determinados critrios, mas, dentro das cotas, a escolha dos itens da amostra depende de julgamento pessoal. Este tipo de amostragem muito utilizado em pesquisas eleitorais e de mercado, tendo como principal vantagem seu baixo custo (GL, 2010). O custo por entrevistado pode ser relativamente pequeno para uma amostra por cota, mas h numerosas oportunidades de vcios que podem invalidar os resultados (MERRL e FOX, 1977). utilizada quando no existe um cadastro da populao que possibilite a realizao do sorteio necessrio amostragem aleatria, mas ao mesmo tempo, existe informao suficiente sobre o perfil populacional (MASSUKADO-NAKATAN, 2009). De modo geral, desenvolvida em trs fases: (1) classificao da populao em funo de propriedades tidas como relevantes para o fenmeno estudado; (2) determinao da proporo da populao a ser colocada em cada classe com base na constituio conhecida ou presumida da populao; (3) fixao de cotas para cada entrevistador encarregado de selecionar elementos da populao a ser pesquisada de modo tal que amostra total seja composta em observncia proporo das classes consideradas (GL, 2010). Em uma pesquisa sobre audio de rdio, por exemplo, o entrevistador pode ser mandado entrevistar 500 pessoas residentes em determinada rea, de tal forma que, de cada 100 pessoas entrevistadas, 50 sejam donas de casa, 30 sejam fazendeiros e 20, crianas de menos de 15 anos. Dentro destas cotas, o entrevistador tem liberdade de escolher os entrevistados (MERRLL; FOX, 1977). 22 /,6,7 A%'st$a0e% a es%' '; se% n'$%a Amostragem a esmo ou sem norma a amostragem em que o pesquisador, para simplificar o processo, procura ser aleatrio sem, no entanto, realizar propriamente o sorteio usando algum dispositivo aleatrio confivel (COSTA NETO, 1977). Os resultados da amostragem a esmo so, em geral, equivalentes aos de uma amostragem probabilstica se a populao homognea e se no existe a possibilidade do pesquisador ser inconscientemente influenciado por alguma caracterstica dos elementos da populao (GONALVES, 2009). /,6,= A%'st$a0e% >;an#' a p'p;a!&' 5'$%a#a p'$ %ate$ia c'nt2n;' Quando a populao formada por material continuo impossvel realizar amostragem probabilstica, devido impraticabilidade de um sorteio rigoroso. Se a populao for lquida ou gasosa, o que se costuma fazer, com resultado satisfatrio, homogeneiz-la e retirar a amostra a esmo. Tal procedimento pode s vezes, tambm ser utilizado em caso de material slido (COSTA NETO, 1977). Outro procedimento que pode ser empregado nesses casos, especialmente quando a homogeneizao no praticvel, a enquartao, a qual consiste em subdividir a populao em diversas partes (a origem do nome pressupe a diviso em quatro partes), sorteando-se uma ou mais delas para constituir a amostra ou para delas retirar a amostra. (COSTA NETO, 1977). 23 6 CONSIDERA+AES ?INAIS A cincia estatstica subdivida em duas subreas quanto aos tipos de amostragem, a probabilstica e no probabilstica, sendo que cada uma destas tcnicas deve ser aplicada em situaes especficas, o que permite ao pesquisador adotar os mtodos relativos aos seus objetivos. A adoo do censo como estudo dos elementos populacionais, deve ser preferida quando as limitaes de tempo e custos no so um problema, o que raramente constatado, assim a opo mais plausvel a adoo de tcnicas de inferncia. Os principais requisitos de uma amostra probabilstica que esta deve ser homognea e representativa da populao da qual foi retirada e uma amostra ser tanto mais ideais quanto mais prximos forem seus atributos da equiprobabilidade e independncia. O rigor de amostragem decresce medida que se parte das formas de amostragem probabilsticas a no probabilsticas, no entanto cada uma destas tcnicas tem sua importncia, pois uma vez que no seja possvel realizar amostras probabilsticas devido a impossibilidades de amostragem, como ocorrncia de populaes infinitas ou em ultimo caso optando pela simplicidade, de forma que a probabilidade de alguns ou todos os elementos da populao pertena amostra desconhecida a segunda opo dever ser a alternativa. 24 7 RE?ERENCIAS ANDERSON, D. R.; SWEENEY, D. J.; WLLAMS, T. A. Estat2stica apica#a B a#%inist$a!&' e ec'n'%ia, 2. ed. So Paulo: Editora Cengage Learning, 2007. 597 p. ANDRADE, M. M. Int$'#;!&' B %et'#''0ia #' t$a1aC' cient25ic'. 10. ed. So Paulo: Atlas, 2010. 158 p. CMARA, F. C. da; SLVA, O. Estat2stica n&' pa$a%t$ica: testes de hipteses e medidas de associao. Ponta Delgada: Universidade de Aores, 2001. CERVO, A. L; BERVAN, P. A. Met'#''0ia cient25ica. 5. ed. So Paulo: Prentice Hall, 2002. 242 p. COSTA NETO, P. L. O. Estat2stica, So Paulo: Edgard Blcher, 1977. 264 p. CRESPO, A. A. Estat2stica 54ci. [S.l.]: Editora Saraiva, 1999. FONSECA, J. S.; MARTNS, G. A. C;$s' #e estat2stica, 6. ed. So Paulo: Atlas, 1996. 320 p. FRANCSCO, T. R'tei$' pa$a ' #esen9'9i%ent' #e t$a1aC's cient25ic's ?ACIERC, 2011. Disponvel em: <http://pt.scribd.com/SeleSilveira2780/d/55993082/ 24-Tipos-de- amostragem>. Acesso em: 20 maio 2012. FRANCO, M. G. P$incipais tip's #e a%'st$a0e%, [s.d.]. Disponvel em: <http://www.assedipa.com.br/portal/ined/conteudo/..%5Caula_virtual%5Clogistica %5CAlexandre_albuquerque/M%C3%89TODOS%20QUANTTATVOS%20AULA %2004.pdf>. Acesso em: 20 maio 2012. FRETAS, C. da C.; RENN, C. D.; SOUSA JNOR, M. A. Estat2stica: curso 1. So Jos dos Campos: NPE, 2003. 165 p. GL, A. C. C'%' ea1'$a$ p$'<et's #e Pes>;isa. 5. ed. So Paulo: Atlas, 2010. 184 p. GONALVES, J. B. A%'st$a0e%: conceitos bsicos. 2009. Disponvel em: <http://www.ebah.com.br/content/ABAAAAVCsAA/amostragem. Acesso em: 20 maio 2012. KARMEL, P. H.; POLASEK, M. Estat2stica Ge$a e Apica#a pa$a Ec'n'%istas, 2. ed. So Paulo: Atlas, 1974. 601 p. LEVNE, D. M.; et al. Estat2stica: teoria e aplicaes. 5. ed. Rio de Janeiro: TLC, 2008. 752 p. 25 MASSUKADO-NAKATAN, M. S. Mt'#'s e tcnicas #e pes>;isa e% t;$is%': Amostragem. 2009. Disponvel em: http://www.turismo.ufpr.br/drupal5/files/ Aula %2022%20-%20Amostragem.pdf. Acesso em: 20 maio 2012. MERRLL, W. C.; FOX, K. A. Estat2stica Ec'nD%ica: Uma ntroduo. So Paulo: Atlas, 1977. 738 p. NAGHETTN, M; PNTO, E. J. de A. Hi#$''0ia estat2stica. Belo Horizonte, MG: CPRM, 2007. 552 p. PMENTEL GOMES, F. A Estat2stica M'#e$na na Pes>;isa A0$'pec;4$ia. Piracicaba: Potafos, 1984. 160 p. RODRGUES, W. C. Estat2stica A%1ienta. 3. ed. [S.l.]: USS, 2006. 47 p. STEVESON, W. J. Estat2stica apica#a B a#%inist$a!&', So Paulo: Harbra, 1986. 495 p. TAVARES, M. Estat2stica apica#a B a#%inist$a!&'. [S.l.]: SUAB, 2007. 142 p. 26 AP@NDICE AP@NDICE 8 Ta1ea #e NE%e$'s Aeat3$i's FTNAG LinCas C';nas 01 02 03 04 05 06 01 470 715 699 472 408 370 27 02 292 653 252 237 989 243 03 360 536 549 500 986 173 04 052 198 427 537 325 229 05 305 904 332 486 098 566 06 637 138 348 359 209 995 07 536 379 072 338 695 003 08 040 692 174 197 232 111 09 420 235 898 268 955 840 10 797 491 428 282 244 115 11 840 242 660 957 088 588 12 735 313 200 637 842 314 13 560 234 355 179 865 249 14 309 725 729 660 825 540 15 018 926 857 365 571 793 16 933 051 588 512 604 190 17 195 368 742 249 106 398 18 115 644 018 783 756 775 19 178 674 153 365 862 817 20 381 943 264 363 870 342 21 432 999 878 640 599 142 22 114 545 930 309 805 333 23 806 814 413 395 509 178 24 350 242 257 813 625 965 25 012 465 625 395 753 951