1

Aula 13: AMOSTRAGEM

A finalidade da amostragem é permitir fazer inferência sobre uma população após

inspeção de apenas parte dela.
Fatores como custo, tempo, ensaios destrutivos e populações infinitas tornam a
amostragem preferível a um estudo completo da população. Espera-se que a amostra represente a
população de que foi extraída, esse objetivo é atingido quando a amostragem é aleatória, que permite
estimar o valor do erro possível, ou seja “quão próximo” está a amostra da população em termos de
representatividade. As amostras não-aleatórias não apresentam essa característica.
A principal vantagem da amostragem aleatória é que se pode determinar o grau de
variabilidade amostral, que é essencial na inferência estatística.

Amostragem Probabilística:

Quando todos os elementos da população tiverem probabilidade conhecida, e diferente de

zero, de pertencerem a amostra. Caso contrário a amostragem será não-probabilística (subjetiva ou por
julgamento).

Técnicas de Amostragens:

1)AMOSTRA ALEATÓRIA SIMPLES:

Todos os elementos da população tem igual probabilidade de pertencer a amostra, e todas as
possíveis amostras têm também igual probabilidade de ocorrer.
– para populações discretas significa que cada item da população tem a mesma chance de ser incluído na
amostra; no caso de populações contínuas (infinitas), significa que a probabilidade de incluir qualquer
valor de um dado intervalo de valores é igual a proporção com valores naquele intervalo.
Na prática, a amostragem simples pode ser feita numerando-se a população de 1 a N, sorteando-
se a seguir, por meio de um dispositivo aleatório qualquer, n números dessa sequência, que
corresponderão aos elementos sorteados para amostra.
2605397382044143267700348601...

2) AMOSTRA SISTEMÁTICA:
Quando os elementos da população se apresentam ordenados e a retirada dos elementos da
amostra é feita periodicamente. Por exemplo, numa lista ordenada escolhe-se o k-ésimo item da lista,
onde k= N / n.
Vantagem: facilidade na determinação dos elementos da amostra.
Perigo:possibilidade da existência de ciclos de variação da variável de interesse coincidindo com o
período de retirada dos elementos da amostra.
 2

3) AMOSTRAGEM ESTRATIFICADA:
Quando a população se divide em sub-população ou estratos. Pode ser:
a) Uniforme: Estratos de mesmo tamanho. Sorteia-se igual número de elementos em cada estrato.
b) Proporcional: O número de elementos sorteados em cada estrato é proporcional ao número de
elementos em cada estrato.
c) Ótima: Toma em cada estrato, um número de elementos proporcional ao número de elementos do
estrato e também à variação da variável de interesse no estrato, medida pelo seu desvio-padrão.
Obs: onde a variação é menor, menos elementos são necessários para caracterizar o
comportamento da variável.
Dificuldade = avaliar de antemão o D.P. da variável nos diferentes estratos.
Ex: Estratificação de uma cidade em bairros.

4) AMOSTRAGEM POR CONGLOMERADO:

Quando a população apresenta uma subdivisão em pequenos grupos, subgrupos heterogênios
representativos da população global. As unidades de amostragem, sobre as quais é feito o sorteio, passa
a ser os conglomerados e não mais os indivíduos da população. Ex: quarteirões, casas, etc.

DIMENSIONAMENTO DA AMOSTRA - Procedimentos:

1) Análise do questionário, ou roteiro da entrevista e escolher uma variável que julgue mais importante
para estudo;
2) Verificar o nível de mensuração da variável: ordinal ou intervalar;
3) Considerar o tamanho da população: infinita ou finita;

DETERMINAÇÃO DO TAMANHO DA AMOSTRA

• x  z.x
z. x  z. x 
2

• x  e  e  n 
n  e 

Logo, o tamanho da amostra necessária, dependerá:

i) grau de confiança desejado;
(Modelo de distribuição: Normal = z ou Student = t)
ii) a quantidade de dispersão entre os valores individuais da população;

iii) certa quantidade específica de erro tolerável.

(e = expresso na unidade da variável, é a máxima diferença que o investigador
pode admitir suportar entre  x e )
 3

EXEMPLO 1:

1) Que tamanho de amostra será necessário para produzir um intervalo de 90 % de confiança

para a verdadeira média populacional, com erro de 1,0 em qualquer dos sentidos, se o desvio
padrão da populaçao é 10,0?

I.C.=90%, logo z = 1,65, então:

n= 1,65 . 10,0 ² = 16,5 ² = 272,25  273
1,0
*( arredondamento sempre superior)

FÓRMULAS PARA O CÁLCULO DO TAMANHO DA AMOSTRA

POPULAÇÃO INFINITA FINITA
 z. x 
2
z ². x ².N
D.P. POPULACIONAL n  n 2
 e  z 2 . x  e²( N  1)
 z. s x 
2
t ². s x ².N
D.P. AMOSTRAL * n  n
 e  t ². s x ²  e²( N  1)

 p . 1 p  
PROPORÇÃO
n  z²
 e²

 n
 
z² . p . 1 p . N

 N  1. e²  z ² p . 1  p 
* Caso n<30, usar t no lugar de z.

EXEMPLO 2:
2) Qual o tamanho da amostra necessário para obter um intervalo de 95 % de confiança para a proporção
populacional, se o erro tolerável é de 0,08 ?

Como não temos o tamanho possível da proporção populacional, devemos nos basear no intervalo mais
amplo possível: o valor amostral deve ser igual a 50% (0,50).

n = z² . p(1-p) n = 1,96² . [0,5 . 0,5 / 0,08²]

e²
= 149,9  150.

EXEMPLO 3:
3) Determine o tamanho da amostra necessário para estimar a verdadeira percentagem populacional a
menos de 4 %, usando um intervalo de confiança de 90%. É razoável suspeitar que o verdadeiro valor
seja 0,30 ou menos.
– 30 % dariam o intervalo máximo, logo: p = 0,30. Z = 1,65, então:

n = 1,65² . 0,3 . 0,7 = 357,3 ou 358

0,04²