Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introdução
O sucesso de uma análise estatística envolve aspectos importantes sobre as formas de
amostragem. Neste sentido, não basta que se saiba descrever convenientemente os
dados de uma amostra e que se dominem perfeitamente as técnicas estatísticas para
que se possa executar, com êxito, um trabalho estatístico completo. Antes de tudo, é
preciso garantir que a amostra ou amostras que serão usadas sejam obtidas por
processos adequados. Se erros grosseiros forem cometidos no momento de seleccionar
os elementos da amostra, o trabalho todo ficará comprometido e os resultados finais
serão provavelmente bastante incorretos. Deve-se, portanto, tomar especial cuidado
quanto aos critérios que serão usados na selecção da amostra. O que é necessário
garantir, em suma, é que a amostra seja representativa da população. Isso significa que,
a menos de certas pequenas discrepâncias inerentes à aleatoriedade sempre presente,
em maior ou menor grau, no processo de amostragem, a amostra deve possuir as
mesmas características básicas da população, no que diz respeito às variáveis que se
desejam pesquisar.
Os problemas de amostragem podem ser mais ou menos complexos e sutis,
dependendo das populações e das variáveis que se desejam estudar.
Em resumo, a obtenção de soluções adequadas para o problema de amostragem exige,
em geral, muito bom senso e experiência. Além disso, é muitas vezes conveniente que
o trabalho do estatístico seja complementado pelo de um especialista do assunto em
questão.
2. Conceitos preliminares
População
Universo ou população é o conjunto dos elementos a serem estudados que contêm
uma característica em comum.
Unidade Amostral
As unidades amostrais são as unidades selecionadas para se chegar aos elementos da
própria população. Podem ser os próprios elementos da população, quando há acesso
direto a eles, ou qualquer outra unidade que possibilite chegar até eles.
Amostra
Uma amostra trata-se de um subconjunto do universo ou da população, por meio do
qual se estabelecem ou se estimam as características desse universo ou população.
Amostragem
Processos de obtenção de uma amostra a partir de uma população.
3. Métodos de Amostragem
“A amostragem será probabilística (aleatória) se todos os elementos da população
tiverem probabilidade conhecida, e diferente de zero, de pertencer à amostra. Caso
contrário, a amostragem será não-probabilística (não-aleatória).”
A amostragem probabilística pode ser classificada em:
Amostragem Acidental;
Amostragem intencional;
Amostragem a esmo ou sem norma;
Amostragem sequencial;
Amostragem snowball ou bola de neve, e
Amostragem por quotas.
3.1. Amostragem Probabilística
Elementos Conglomerados
Eleitores Domicílios
Trabalhadores Empresas
Alunos Escolas
Exemplo 6: Seja uma população com N = 2000 unidades, divididas em três grupos com
N1 = 800; N2 = 700 e N3 = 500. Pretende-se extrair desta população uma amostra de
tamanho 500. Encontre as quotas ou percentagem que devem ser tiradas em cada
grupo.
Resolução:
A proporção dos elementos no subgrupo populacional é igual a proporção nos grupos
cuja soma formará o número das unidades na amostra: 𝑛𝑖 = 𝑛 ∗ 𝑝(𝑖)
Curva normal
ou Sino
3. Erro máximo permitido
Os resultados obtidos numa pesquisa elaborada a partir de amostras não são
rigorosamente exatos em relação ao universo. Esses resultados apresentam sempre um
erro de medição. Nas pesquisas sociais trabalha-se usualmente com uma estimativa de
erro entre 3 e 5%.
ATENÇÃO: quanto maior a amostra, menor o erro.
4. - Percentagem com que o fenómeno se verifica
A estimação prévia da percentagem com que se verifica um fenômeno é muito
importante para a determinação do tamanho da amostra.
Se p > 50% - situação favorável para o estimador (pode-se ter uma amostra pequena);
Se p = 50% - situação não favorável para o estimador (a amostra deve ser grande)
Se p < 50% - situação muito desfavorável para o estimador (a amostra necessariamente
deve incluir o maior número possível de unidades do universo).
4.1. Cálculo do Tamanho da Amostra
Procedimentos:
1. Analisar o questionário, ou roteiro da entrevista e escolha uma variável que
julgue mais importante para o estudo. Se possível, escolha mais do que uma
variável.
2. Verificar o nível de mensuração da variável: se nominal, ordinal ou intervalar.
3. Considerar o tamanho da população: finita ou infinita.
4. Se a variável escolhida for intervalar e a população considerada infinita, pode-
se determinar o tamanho da amostra pela fórmula:
𝑍∗𝜎 2
𝑛=( )
𝑑
onde:
diferença que o investigador admite suportar entre 𝜇 e 𝑋̅, isto é, |𝜇 − 𝑋̅| < 𝑑, onde 𝜇 é
a verdadeira média populacional, que ele não conhece, e 𝑋̅ será a média
𝑍2 ∙ 𝜎 2 ∙ 𝑁
𝑛=
𝑑2 (𝑁 − 1) + 𝑍 2 ∙ 𝜎 2
𝑁 = tamanho da população;
seguinte estimativa:
𝑍 2 ∙ 0.25
𝑛=
𝑑2
𝑑 = erro amostral, expresso em decimais. O erro amostral neste caso será a máxima
diferença que o investigador admite suportar entre 𝑝 e 𝑝̂ , isto é: |𝑝 − 𝑝̂ | < 𝑑, em que 𝑝
é a verdadeira proporção, que ele não conhece, e 𝑝̂ será a proporção (frequência
relativa) do evento a ser calculado a partir da amostra.
𝑁 = tamanho da amostra;
𝑑 = erro amostral
Estas fórmulas são básicas para qualquer tipo de composição da amostra; todavia,
existem fórmulas específicas segundo o critério de composição da amostra. Se o
investigador escolhe mais de uma variável, deve optar pelo maior “𝑛” obtido.
4.2.Distribuições amostrais
𝑋̅ = {𝑥
̅̅̅,
1 ̅̅̅,
𝑥2 𝑥̅̅̅,
3 … , ̅̅̅}
𝑥𝑘
Teorema 1. A média da distribuição amostral das médias, denotada por µ(x) é igual a
média populacional µ, isto é;
𝐸(𝑥̅ ) = 𝜇(𝑥̅ ) = 𝜇
Teorema 2. Se a população é infinita ou se a amostragem é com reposição, então a
variância da distribuição amostral das médias é dada por:
𝜎2
𝜎 2 (𝑥̅ ) =
𝑛
2 (𝑥̅ )
𝜎2 𝑁 − 𝑛
𝜎 = ∙( )
𝑛 𝑁−1
𝑛 𝑝(1−𝑝)
a) Amostra com reposição: 𝜇𝑝 = 𝑝 = 𝑁 ; 𝜎𝑝 = √ 𝑛
𝑛 𝑝(1−𝑝) 𝑁−𝑛
b) Amostra sem reposição: 𝜇𝑝 = 𝑝 = 𝑁 ; 𝜎𝑝 = √ ∙ √𝑁−1
𝑛
4.2.3. Distribuição amostral das variâncias
2∙𝜎4
𝐸(𝑠 2 ) = 𝜎 2 e 𝑣𝑎𝑟((𝑠 2 ) = 𝑛−1
(𝑛 − 1 ∙ 𝑠 2 )
≈ 𝑥 2 𝑛−1
𝜎2
Como – se pode deduzir, para uma população normal, a amostra extraída dela, deverá
ser normal, consequentemente a sua distribuição amostral também o será, isto é:
𝜎2
Se 𝑋 ≈ 𝑁(𝜇; 𝜎 2 ) então, 𝑥̅ ≈ 𝑁(𝜇; )
𝑛
𝑥̅ − 𝜇
𝑧= 𝜎
√𝑛
𝑥̅ − 𝜇
𝑡𝑛−1 = 𝑠
√𝑛
5. Conclusão