Apostila

Introdução às
Técnicas
de
Amostragem
(https://sites.google.com/site/gilbertosmatos1/disciplinas/disciplinas/introducao-a-
estatisitica_2017_2)

Prof. Gilberto S. Matos

Profa. Grayci-Mary L. Nascimento
Profa. Patrícia B. Leal

Campina Grande - PB
2018.2
2
Sumário

1 Introdução à Inferência Estatística 5

2 Introdução à Técnicas de Amostragem 9

2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.2 Amostragem Aleatória Simples . . . . . . . . . . . . . . . . . . . . . . 11

2.3 Amostragem Sistemática . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.4 Amostragem Estraticada . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.4.1 Amostragem Estraticada Proporcional . . . . . . . . . . . . . . 12

2.4.2 Amostragem Estraticada Uniforme . . . . . . . . . . . . . . . . 13

2.5 Tamanho de uma Amostra Aleatória Simples . . . . . . . . . . . . . . . 13

2.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3
4 SUMÁRIO
Capítulo 1

Introdução à Inferência Estatística

A Estatística é uma ciência que tem como objetivo a tomada de decisão em situa-
ções de incerteza. Esta ciência divide-se basicamente em duas partes. A primeira parte
é conhecida como Estatística Descritiva, e trata da coleta, organização e descrição
de dados. A segunda é a Estatística Inferencial, e se preocupa em fazer armações
e/ou testar hipóteses sobre características numéricas populacionais em situações de
incerteza.
Para iniciar o estudo da Estatística Inferencial é necessário compreender os seguin-
tes conceitos básicos:
Denição 1.0.1 (População). A população é um conjunto formado por todos os

elementos que possuem pelo menos uma característica em comum observável.

Exemplo 1: Se o problema a ser pesquisado está relacionado com a qualidade

de um certo produto produzido numa indústria, a população pode ser composta por
todas as peças produzidas numa determinada hora, turno, dia ou mês, dependendo dos
objetivos;
Exemplo 2: Se o objetivo de um estudo é pesquisar o nível de renda familiar de
uma certa cidade, a população seria todas as famílias desta cidade. Mas, se o objetivo
fosse pesquisar apenas a renda mensal do chefe da família, a população a ser pesquisada
seria composta por todos os chefes de família desta cidade.

Denição 1.0.2 (Amostra). A Amostra é apenas uma parte da população, ou seja,

é qualquer subconjunto não vazio da população.

Vários motivos levam a necessidade de se observar apenas uma parte da população,

como, por exemplo: a falta de tempo, recursos nanceiros e/ou humanos. A amostra
deve ser obtida através de técnicas de amostragem, as quais tem como objetivo principal
garantir a representatividade da população, ou seja, fazer com que a amostra seja um
retrato el da população.
Exemplos de amostra podem ser considerados por conjuntos formados por apenas
uma parte dos elementos populacionais descritos nos exemplos 1 e 2.

5
6 CAPÍTULO 1. INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

Dois novos conceitos estreitamente relacionados com os de população e amostra

são os de Parâmetro e Estatística, tendo em vista que:
Denição 1.0.3 (Parâmetro). É uma medida numérica que descreve uma caracte-

rística da população, ou ainda, que é obtida a partir de todos os dados populacionais

(através de um censo).

Exemplo 3: Identicando a população pela variável aleatória X , seriam parâme-

tros a Média de X (µ) e a sua Variância (σ 2 ).

Denição 1.0.4 (Estatística). É uma medida que descreve uma característica nu-

mérica da amostra, ou ainda, que é obtida a partir de dados amostrais, e que será
usada para extrair informações sobre a população.

Exemplo 4: média amostral (X ), variância amostral (S 2 ), etc.

Os parâmetros não apresentam incerteza sobre seu real valor. Por outro lado,
as estatísticas podem apresentar diferentes valores, se obtidas a partir de diversas
amostras.

Denição 1.0.5 (Inferência Estatística). É o ato de generalizar resultados da parte

(amostra) para o todo (população).

Basicamente a inferência estatística trabalha com a estimação de parâmetros e

com testes de hipóteses sobre a população baseados na amostra.

Denição 1.0.6 (Estimador). Um estimador é uma estatística empregada para es-

timar ou inferir o valor de um parâmetro desconhecido.

Um exemplo de estimador é a média amostral X , utilizada para se fazer inferência

sobre a média populacional, µ.
Notação: θb

Denição 1.0.7 (Estimativa). É o valor assumido pelo estimador em uma particular

amostra.

Exemplo 1.0.1. Considere as seguintes situações:

1. População: os eleitores da cidade de Campina Grande

Amostra: 650 eleitores escolhidos de preferência aleatoriamente (ao acaso)
Característica de interesse: percentual de eleitores que planejam votar num
candidato A nas próximas eleições.
 7

2. População: todos os automóveis Uno Mille produzidos em 1995

Amostra: alguns automóveis Uno Mille produzidos em 1995
Características de interesse: número de defeitos apresentados nos primeiros
3 meses de uso, quilometragem e uma possível relação entre estas duas variáveis.

É importante notar que características numéricas como média, variância e propor-

ção, dentre outras, são consideradas parâmetros se obtidas pelo uso de todos os dados
populacionais e por isso não apresentam incerteza sobre seu real valor. Por outro lado,
quando estas características são baseadas em dados amostrais (dados de uma parte
da população) tem-se as estatísticas, as quais podem apresentar diferentes valores se
obtidas a partir de amostras distintas.
Na inferência estatística, uma população pode ser representada/especicada por
uma distribuição de probabilidades ou função densidade de probabilidade com uma
ou mais características desconhecidas (parâmetros) sobre as quais pretendemos fazer
armações ou testar hipóteses (inferências) a partir de uma amostra. Por exemplo,
podemos considerar a população formada por todos os vestibulandos do Exame Nacio-
nal do Ensino Médio (ENEM) sobre a qual estamos interessados em conhecer a nota
média bem como a variabilidade das notas. Para isto podemos supor que a distribuição
das notas possa ser representada pela distribuição normal a partir da qual, utilizando
dados amostrais, podemos realizar inferências sobre a média e o desvio padrão.
Na próxima Seção descrevemos brevemente alguns conhecimentos sobre técnicas
de amostragem as quais constituem uma parte da Estatística de grande importância
para a realização de inferências de boa qualidade e conabilidade.
8 CAPÍTULO 1. INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
Capítulo 2

Introdução à Técnicas de Amostragem

2.1 Introdução
Técnicas de amostragem são metodologias utilizadas para a coleta de dados amostrais
(de uma parte da população) e uma das razões para se utilizar essas técnicas é coletar
dados que sejam um retrato mais el possível da população, sendo também bastante
útil por questões de economia, tempo, conabilidade dos dados e operacionalidade. Em
algumas situações não vale a pena o uso de amostragem, como, por exemplo: população
pequena, características de fácil mensuração ou necessidade de alta precisão apesar de
que, neste último caso, um censo não garante 100% de precisão/conabilidade pois
requer um maior controle sobre a coleta de dados. As técnicas de amostragem podem
ser divididas em três grandes grupos, a saber:

1. Levantamentos Amostrais - nesta técnica de amostragem a amostra é ob-

tida de uma população bem denida, por meio de processos bem protocolados
e controlados pelo pesquisador, podendo ser probabilísticos quando é possível
calcular a probabilidade de cada unidade populacional pertencer à amostra e,
caso contrário, não-probabilísticos.

Amostragem probabilística

Algumas das principais amostragens probabilísticas são: aleatória simples, sis-

temática, estraticada, conglomerado e múltipla. Neste texto daremos ênfase
somente no primeiro tipo de amostragem na sub-seção posterior.

Amostragem não-probabilística

Alguns tipos de amostragem não-probabilística são: por inacessibilidade a toda

população, a esmo ou sem norma, população formada por material contínuo e
amostragens intencionais.

9
10 CAPÍTULO 2. INTRODUÇÃO À TÉCNICAS DE AMOSTRAGEM

2. Planejamento de Experimentos - neste tipo de amostragem o principal ob-

jetivo é o de analisar o efeito de uma ou mais variáveis sobre outra, requerendo
interferência do pesquisador sobre o ambiente em estudo(população), bem como
o controle de fatores externos, com o intuito de medir o efeito desejado com a
mínima inuência de tais fatores externos. Este tipo de amostragem é bastante
utilizada em agronomia, ensaios clínicos em medicina e testes de novos produtos.
3. Levantamentos Observacionais - aqui o observador só tem controle por exce-
ção e eventualmente sobre possíveis erros grosseiros. Séries de dados temporais
são exemplos típicos desses levantamentos. Por exemplo, se queremos prever
as vendas em função de vendas passadas, não há como coletar dados a não ser
observar as vendas efetivamente ocorridas. Para realizar inferências neste caso,
podemos pensar que a série de vendas observada é uma das innitas possíveis
séries.

Nas próximas Seções apresentamos detalhes adicionais sobre algumas das princi-
pais técnicas de amostragem. Mais detalhes sobre estas e outras técnicas de amostra-
gem podem ser obtidos em diversos textos básicos e avançados de autores, tais como:
Costa Neto, Bussab & Moretinn, Barbetta, Bolfarine e Morettin (avançado) e Cochran
(avançado).
2.2. AMOSTRAGEM ALEATÓRIA SIMPLES 11

2.2 Amostragem Aleatória Simples

Este tipo de amostragem consiste em selecionar a amostra através de um sorteio, sem
restrição. A amostragem aleatória simples tem a seguinte propriedade: qualquer sub-
conjunto da população, com o mesmo número de elementos, tem a mesma probabilidade
de fazer parte da amostra.
Exemplo 5: Com o objetivo de estudar algumas características dos alunos de
uma certa disciplina, vamos extrair uma amostra aleatória simples de tamanho cinco.
A listagem dos alunos da disciplina é apresentada a seguir.
População: alunos da disciplina
ADRIANA ADRIELE ALEX ALINE KESSIA ALINE MOURA
ALLAN DEYBON AMONA ANA VIRGINIA ANDERSON ANNA KARLA
ANNE KELLY ANTONIO FILHO AROLDO ARTHUR ARCELINO ARTHUR YOHAN
AYLLANDERSON BERVYLLY BRUNA CAIO ANTONY CAISON MATHEUS
CARMEM JULIA CASSIO RAILTON CLARICE DAYVISSON DEBORA
DIEGO CLEBER DIEGO MARADONA DRYELE EDUARDA EDUARDO
ELINE ELIZABETE ELLEN EMANUEL CARLOS ERIBERTO
FELIPE AUGUSTO FLAVIA FLAVIO REGIS FRANCISCO GABRIEL
GIOVANNI GLEYDSON GRACE KELLY GRACO JOSE HELO ANNY
HUGO JANIELE JEFFERSON JOAB KLEBER JOAO CARLOS
JOAO LUIS JOAO MARIA JORGE JOSE ERALDO JUCIELLE
KLECIA ELANNE LAERCIO LAISE RAMONNY LORAYNNE LORENA THAIS
LUCAS DA SILVA LUCAS DE ASSIS LUCAS KAUE LUCAS MATHEUS LUCAS MOREIRA
LUCAS RAFAEL LUCAS SIEBRA LUCIANA MAIKO MARCELA
MARCIA MARCOS VINICIUS MARIA LUIZA MARIANA ARAUJO MARIANA RIBEIRO
MATEUS MATHEUS MAYARA BRITO MAYARA SILVEIRA MICKAEL PETRONIO
MOAMA MOEMA MOISES OSIRES PABLO PATRICK
PAULO MENDEL RAFAEL RAFAELA RENATA ELINE RENATO FRANCISCO
RODOLFO SONALY TAYNA THARRYANE THIAGO
TULIO VICTOR HUGO YAGO ROCHA YAGO YURIK YGOR
YURI
Um procedimento simples seria enumerar todos os elementos da população e atra-
vés de sorteio retirar uma amostra de tamanho 5 (com reposição) desta população.
Existem vários mecanismos de sorteio, o importante é que haja aleatoriedade no pro-
cesso. (Usar tabela de números aleatórios, considerando valores da quinta coluna, de
baixo para cima.)

2.3 Amostragem Sistemática

Em muitas situações podemos realizar uma amostragem através de uma maneira sis-
temática. Um procedimento simples para determinar a forma como a amostra será
retirada é o seguinte: suponha que de uma população de tamanho N , queremos retirar
uma amostra de tamanho n. Assim, podemos retirar, sistematicamente, um elemento
a cada Nn elementos da população, considerando a população numerada de 1 à N .
Para garantir que cada elemento da população tenha a mesma probabilidade de per-
tencer à amostra, deve-se sortear o primeiro elemento dentre os Nn primeiros elementos
populacionais e proceder a seleção a cada Nn elemento.
Observação: Quando o resultado de N
n
não for um número inteiro, recomenda-se
12 CAPÍTULO 2. INTRODUÇÃO À TÉCNICAS DE AMOSTRAGEM

arredondar o resultado para o menor inteiro mais próximo.

Exemplo 6: No exemplo anterior, utilize uma amostragem sistemática para obter

uma amostra de tamanho n = 5. Use a tabela de números aleatórios, considerando a
sétima linha, da esquerda para a direita.

Observação: Se o interesse fosse selecionar uma amostra de tamanho n = 6, e

se considerássemos a primeira linha tabela de números aleatórios, da direita para a
esquerda, teríamos:

2.4 Amostragem Estraticada

A técnica da amostragem estraticada consiste em dividir a população em subgrupos,
que denominaremos estratos. Os estratos possuem as seguintes características: são
internamente homogêneos e externamente heterogêneos. Podemos ter dois tipos de
amostragem estraticada, a proporcional e a uniforme.

2.4.1 Amostragem Estraticada Proporcional

Neste caso particular de amostragem estraticada, a proporcionalidade do tamanho
de cada estrato da população é mantida na amostra com o objetivo de torná-la bem
signicativa, ou seja, com as mesmas características da população.
Exemplo 7: Com o objetivo de levantar o estilo de liderança preferido pela comu-
nidade de uma escola, vamos realizar um levantamento por amostragem. A população
é composta por 10 servidores técnico-administrativos, 10 professores e 30 alunos, que
identicaremos da seguinte maneira:

População

Servidores: S1 S2 S3 S4 S5 S6 S7 S8 S9 S10
Professores: P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
Alunos: A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
A11 A12 A13 A14 A15 A16 A17 A18 A19 A20
A21 A22 A23 A24 A25 A26 A27 A28 A29 A30
2.5. TAMANHO DE UMA AMOSTRA ALEATÓRIA SIMPLES 13

Supondo que a preferência quanto ao estilo de liderança possa ser relativamente

homogênea dentro de cada categoria, vamos realizar uma amostragem estraticada,
proporcional por categoria, para obter uma amostra global de tamanho 10, utilizando
para isto a tabela de números aleatórios. Para o estrato SERVIDORES, comece do
início da segunda linha; para o estrato PROFESSORES, comece no início da quinta
coluna; e para o estrato ALUNOS, comece no início da última coluna. (Percorra a
tabela da esquerda para a direita e de cima para baixo).

2.4.2 Amostragem Estraticada Uniforme

Para se realizar uma amostragem estraticada uniforme deve-se selecionar a mesma
quantidade de elementos em cada estrato. Este tipo de amostragem costuma ser usado
em situações em que o maior interesse é obter estimativas separadas para cada estrato,
ou ainda, quando se deseja comparar os diversos estratos. No exemplo anterior, para
selecionar uma amostra estraticada uniforme de tamanho 12, devemos selecionar 4
indivíduos de cada estrato. (Utilize a tabela de números aleatórios, seguindo as mesmas
orientações da Sub-seção anterior para cada estrato.)

2.5 Tamanho de uma Amostra Aleatória Simples

Denição 2.5.1 (Erro Amostral). É a diferença entre o valor que a estatística pode

acusar e o verdadeiro valor do parâmetro que se deseja estimar.

Para determinar o tamanho da amostra, o pesquisador precisa especicar o erro

amostral tolerável, ou seja, o quanto ele admite errar na avaliação dos parâmetros de
interesse.
A especicação do erro amostral tolerável deve ser feita sob um enfoque proba-
bilístico, pois, por maior que seja a amostra, existe sempre o risco de o sorteio gerar
uma amostra com características bem diferentes da população de onde ela está sendo
extraída.
14 CAPÍTULO 2. INTRODUÇÃO À TÉCNICAS DE AMOSTRAGEM

Uma fórmula para o cálculo do tamanho mínimo da amostra

Sejam:
N tamanho da população;
n tamanho da amostra;
n0 uma primeira aproximação para o tamanho da amostra;
E0 erro amostral tolerável.
Um primeiro cálculo do tamanho da amostra pode ser feito, mesmo sem conhecer
o tamanho da população, através da seguinte expressão:
1
n0 = , onde 0 < E0 < 1.
E02

Conhecendo o tamanho N da população, podemos corrigir o cálculo anterior, por

N n0
n= .
N + n0

Exemplo 8: Planeja-se um levantamento por amostragem para avaliar diversas

características da população das N = 200 famílias moradoras de um certo bairro. Estas
características (parâmetros) são especialmente do tipo percentagens, tais como, a
percentagem de famílias que usam programas de alimentação popular, a percentagem
de famílias que moram em casas próprias, etc. Qual deve ser o tamanho mínimo de
uma amostra aleatória simples, tal que possamos admitir, com alta conança, que os
erros amostrais não ultrapassem 4% (E0 = 0, 04)?

Exemplo 9: Considerando os objetivos e os valores xados no exemplo anterior,

qual deveria ser o tamanho da amostra se a pesquisa fosse estendida para toda a cidade,
que contém 200.000 famílias residentes?

2.6 Exercícios
1 - Considerando a população de alunos do exemplo 5, faça uma amostragem estrati-
cada proporcional de tamanho 8, usando o gênero como variável estraticadora.
Utilize, para isto, a tabela de números aleatórios. Para o estrato SEXO FE-
MININO, utilize a sexta coluna; para o estrato SEXO MASCULINO, utilize a
segunda linha. (Percorra a tabela da esquerda para a direita e de baixo para
cima).