Atija Joaquim Mualeto

Bendito Carvalho Sijapata

Daniel José
Davide Saide
Hermínio Miguel Napasso

Amostras Estatísticas e Amostras Aleatórias

(Licenciatura em Ensino de Química, com Habilitações em Gestão de Laboratórios)

Universidade Rovuma
Extensão de Niassa
2020
 Atija Joaquim Mualeto
Bendito Carvalho Sijapata
Daniel José
Davide Saide
Hermínio Miguel Napasso

Amostras Estatísticas e Amostras Aleatórias

Trabalho de pesquisa referente à Cadeira

de Cálculo e Representação de Dados
Experimentais, a ser entregue no
Departamento de Ciência Naturais e
Matemática para fins avaliativos. Sob
orientação do Docente: Msc. Neuana
Fernando Neuana.

Universidade Rovuma
Extensão de Niassa
2020
Índice
1. Introdução ............................................................................................................................... 3

1.1. Objectivos ........................................................................................................................ 3

1.1.1. Objectivo geral .......................................................................................................... 3

1.1.2. Objectivos específicos ............................................................................................... 3

1.2. Metodologia ..................................................................................................................... 3

2. Fundamentação Teórica .......................................................................................................... 4

2.1. Amostra ............................................................................................................................ 4

2.1.1. Tipos de amostras ...................................................................................................... 4

2.2. Amostragem ..................................................................................................................... 5

2.3. Identificação da população .............................................................................................. 6

2.4. Dimensão da amostra ....................................................................................................... 6

2.4.1. Dimensão da amostra bruta ....................................................................................... 7

2.5. Métodos de selecção da amostra ou composição da amostra .......................................... 7

2.5.1. Amostragem aleatória simples .................................................................................. 7

2.5.2. Amostragem sistemática ........................................................................................... 8

2.5.3. Amostragem estratificada ........................................................................................ 10

2.5.4. Amostragem por conglomerados (ou agrupamentos) ............................................. 10

3. Conclusões ............................................................................................................................ 12

4. Referências bibliográficas .................................................................................................... 13

 3

1. Introdução
O presente trabalho tem como tema “Amostras Estatísticas e Amostras Aleatórias”, a essência
de presente estudo é levantar aspectos ligados a técnica ou métodos usados na preparação das
amostras (amostragem). A amostra como parte dum um todo em estudo (universo), requer
alguns cuidados para a sua selecção tendo em conta o tipo de análise que se pretende realizar
aliada a sua dimensão, até mesmo ao tipo dessa amostra, para tal no desenrolar deste estudo
levantam-se aspectos relacionada aos tipos de amostra, amostragem, dimensão da amostra,
composição da amostra ou métodos usados para selecção da amostra, com vista a difundir
certas visões a serem levadas em conta pelos pesquisadores na realização de análise,
concretamente para os estudantes de Química.

1.1. Objectivos
1.1.1. Objectivo geral
 Estudar sobre as amostras estatísticas e amostras aleatórias.

1.1.2. Objectivos específicos

 Dar conceitos relacionados com amostra e amostragem;
 Descrever os tipos de amostra;
 Identificar a composição da amostra ou métodos usados na selecção da amostra.

1.2. Metodologia
Para a realização do presente trabalho, recorreu-se ao método de pesquisa bibliográfica, que
consistiu no levantamento de teorias já existentes nas dissertações, artigos, revistas a respeito
de amostras estatísticas e amostras aleatórias.
 4

2. Fundamentação Teórica
2.1. Amostra
Existe uma gama de definições sobre a amostra, mas como diz SILVEIRA (2015), amostra é a
“Porção limitada do material tomada do conjunto (universo) seleccionada de maneira a
possuir as características essenciais do conjunto".

Por outro lado NERY (2009), diz que "Amostra é uma quantidade limitada de uma substância
ou um material utilizado para representar ou estudar suas propriedades. As amostras podem
ser objectos contáveis ou não".

Portanto, amostra é uma entidade ou matéria colectada num universo de materiais, no intuito
de se averiguar informações desconhecidas sobre os mesmos. Um acto de obtenção de uma
amostra é denominado de mostragem. Os materiais amostrados podem ser sólidos, líquidos e
gasosos (análito), por vezes uma amostra líquida é chamada de alíquota. (NERY et al 2009).

2.1.1. Tipos de amostras

GONÇALVES (2010), divide a amostra em 4 tipos, a destacar:

Amostra média: permite reduzir a qualidade média da totalidade. Deve representar uma
composição similar, apesar do seu reduzido volume, àquele que resultaria o todo;

Amostra arbitrária:é a tomada apenas aleatória de uma parte do produto, não permitindo
deduzir a composição média da totalidade;

Amostra legal: tem caráter de prova jurídica, destinando-se a verificar se o produto está de
acordo com a regulamentação vigente;

Contra-amostra: é deixada em poder do proprietário ou responsável: deve ser tomada pelas

mesmas condições das outras amostras destinadas ao laboratório.

Por outro lado MATOS (2013), afirma que existem dois tipos de amostra, que são:

Amostras Fluídas Homogêneas: Coletadas em frascos com o mesmo volume (do alto, do
meio e do fundo do recipiente), após agitação e homogeneização;

Amostras Sólidas: Cujos constituintes diferem em textura, densidade e tamanho de

partículas, devem ser moídas e misturadas..
 5

O processo de amostragem deve assegurar que as unidades amostrais sejam representativas de

todo o material ou população (universo amostral). Amostra no contexto estatístico
corresponde a várias pequenas partes tiradas de partes diferentes de todo o material. Em várias
outras obras, salientam que existem dois grandes tipos de amostra, concretamente: Amostra
Bruta e Amostra Laboratorial.

Amostra bruta: é a colecção de unidades amostrais ou incrementos de amostragem.

Amostra de laboratório: normalmente é obtida através da redução em tamanho da amostra

bruta para u ma quantidade de material homogéneo. Para as análises realizadas no laboratório,
a amostra bruta é normalmente reduzida em tamanho para uma quantidade de material
homogéneo para tornar-se a amostra de laboratório. Em alguns casos, como os de amostragem
de pós, líquidos e gases, não temos itens obviamente discretos.

2.2. Amostragem
Para SKOOG (2006), a amostragem: é o processo pelo qual uma amostra da população é
reduzida em tamanho para uma quantidade de material homogéneo que pode ser
convenientemente manuseado no laboratório e cuja composição seja representativa da
população.

SKOOG (2006), afirma que, estatisticamente, os objectivos do processo de amostragem são:

1. Obter um valor médio que seja uma estimativa sem tendências da média da população.
Esse objectivo pode ser atingido apenas se todos os membros da população tiverem
uma probabilidade igual de estarem incluídos na amostra.

2. Obter uma variância que seja uma estimativa sem viesses da variância da população,
para que os limites de confiança válidos para a média possam ser encontrados e vários
testes de hipóteses possam ser aplicados. Esse objectivo pode ser alcançado apenas se
toda amostra possível puder ser igualmente colectada.

Para SILVEIRA (2015), amostragem: é conjunto de operações com as quais se obtém do

material em estudo, uma porção pequena, que represente todo o conjunto de amostras.

Idem, o plano de amostragem devera começar por determinar qual o nível de extensão
geográfica em que o processo de amostragem devera ser conduzido (mundial, nacional,
regional, urbano, rural, grupo de indivíduos, etc.).
 6

Idem, a construção da amostra propriamente dita envolve alguns critérios a saber:

 A identificação da população;
 A dimensão da amostra;
 O método de selecção da amostra ou composição da amostra.
De acordo com FONSECA & MARTINS (1995), na teoria da amostragem, são mais
consideradas as duas últimas dimensões: a dimensão da amostra e método de selecção da
amostra ou composição da amostra

2.3. Identificação da população

Segundo SILVEIRA (2015), a identificação da população de uma forma clara e objectiva e
imprescindível, embora possa parecer demasiado óbvia em muitas circunstâncias. Designa-se
por população alvo a totalidade dos elementos sobre os quais se deseja obter determinado tipo
de informações.

2.4. Dimensão da amostra

Segundo SKOOG (2006), a dimensão da amostra é muitas vezes utilizada para classificar o
tipo de análise realizada. Como mostrado na tabela 1, o termo macroanálise é empregado
para as amostras com massa superior a 0,1 g. Uma semimicroanálise é realizada em uma
amostra na faixa de 0,01 a 0,1 g, enquanto as amostras para uma microanálise estão na faixa
entre 10-4 e 10-2 g. Para amostras cuja massa é menor que 10-4 g, algumas vezes o termo
ultramicroanálise é empregado.
A partir da classificação contida na tabela 1, vemos que a análise de uma amostra de 1 g de
solo utilizada para a determinação de um possível poluente poderia ser chamada
macroanálise, ao passo que a análise de 5 mg de um pó suspeito de ser uma droga ilegal
poderia ser uma microanálise. Um laboratório analítico típico manuseia amostras que variam
da dimensão macro para a micro e até mesmo para a dimensão ultramicro. As técnicas
empregadas para manusear amostras muito pequenas são bastante diferentes daquelas usadas
para tratar macroamostras. SKOOG (2006).
Tabela1: Relação de dimensões da amostra e peso.

Tipo de Análise Dimensão da Amostra

Macro > 0,1 g
Semimicro 10-2 a 10-1 g
Micro 10-4 a 10-2 g
Ultramicro < 10-4 g
Fonte: SKOOG (2006).
 7

2.4.1. Dimensão da amostra bruta

Segundo SKOOG (2006), do ponto de vista da conveniência e da economia, é desejável que a
amostra bruta pese não mais que absolutamente o necessário. Basicamente, o peso da amostra
bruta é determinado pela/o:

(1) Incerteza que pode ser tolerada entre a composição da amostra bruta e a do todo;

(2) Grau de heterogeneidade do todo; e

(3) Nível do tamanho de partícula no qual a heterogeneidade se inicia.

2.5. Métodos de selecção da amostra ou composição da amostra

O objectivo geral na extracção de uma amostra é obter uma representação honesta da
população que conduza a estimativas das características da população com boa precisão
relativamente aos custos de amostragem, isto é obter uma amostra representativa da
população.

De acordo com FONSECA & MARTINS (1995), existem dois grandes grupos de métodos
para seleccionar/recolher amostras: os métodos aleatórios e métodos não aleatórios.

a) Métodos aleatórios
Para FONSECA & MARTINS (1995), o método de amostragem aleatório exige que cada
elemento da população possua determinada probabilidade de ser seleccionada. Trata-se do
método que garante cientificamente a aplicação estatísticas de inferências. Somente com base
em amostragens aleatórias é que se podem realizar inferências ou induções sobre a população
a partir do conhecimento da amostra.

2.5.1. Amostragem aleatória simples

Segundo FONSECA & MARTINS (1995), é o processo mais elementar e frequentemente
utilizado. Atribui-se a cada elemento da população um número distinto. Se a população for
numerada utilizam-se esses “rótulos”. Efectua-se sucessivos sorteios até completar-se o
tamanho da amostra; n. Para realizar os sorteios, utilizam-se “tábuas de números aleatórios”
que consiste em tabelas que apresentam sequências dos dígitos de 0 a 9 distribuídos
aleatoriamente.

Se, por exemplo, a população tem 1000 elementos (N = 1000), pode-se numerá-los de 000 a
999. Escolhendo uma posição de qualquer linha da tabela de números aleatórios, faz-se o
sorteio, ou seja, retiram-se conjuntos de três algarismos para se escolherem os elementos que
 8

irão compor a amostra. Assim, imagine-se que a sequência de dígitos aleatórios seja: 385 559
555 432 886 … logo os elementos de números 385 – 559 – 555 – 432 … serão os
componentes da amostra.

Para FONSECA & MARTINS (1995), se o número sorteado superar o maior número dos
elementos rotulados, abandona-se o número sorteado, prosseguindo-se o processo. Se o
número sorteado for repetido, convêm abandona-lo.

De acordo com SILVEIRA (2015), a amostragem aleatória simples pode ser feita com
reposição (caso em que cada elementos da população pode entrar mais do que uma vez na
amostra) ou sem reposição (caso em que cada elemento da população só pode entrar uma vez
na amostra).

Idem, este tipo de amostra é muito dispendioso, e muitas vezes impraticável por exigir a
listagem e enumeração de toda a população, daí ser poucas vezes adoptado. Mas se a
população for pequena ou se existirem listas com os elementos da população, este método
mostra-se bastante útil.

Em suma segundo VARÃO; BATISTA & MARTINHO (2005), os procedimentos para a

selecção da amostra com base no método de amostragem aleatórias simples são:

 Identificar e definir a população;

 Determinar o tamanho desejável da amostra;
 Considerar uma lista de todos elementos da população;
 Atribuir um número a todos os indivíduos da lista;
 Seleccionar um número arbitrariamente (técnica da lotaria ou técnica de números
aleatórios);
 Repetir até alcançar a amostra pretendida.

2.5.2. Amostragem sistemática

Com base em FONSECA & MARTINS (1995), trata-se duma variação da amostragem
aleatória simples, conveniente quando a população esta ordenada segundo algum critério,
como fichas em algum fichário, listas telefónicas …

Idem, calcula-se o intervalo de amostragem N/n aproximando-o para o inteiro mais próximo:
a. Utilizando a tábua dos números aleatórios, sorteia-se um número x entre 1 e a, formando-se
a amostra dos elementos correspondentes aos números: x; x + a; x + 2a; …
 9

Por exemplo, seja N = 1000, n = 200. Logo:

𝑁 1000
a=𝑛 = = 5.
200

Idem, imagine que três sejam o número sorteado entre 1 e 5. Portanto, os elementos da
população numerados por 3, 8, 13, …, 998 irão compor a amostra.

Este método é também chamado quase - aleatório por não dar a todas as amostras que se
podem retirar de uma população a mesma probabilidade de ocorrência. Para aplicação deste
𝑁
método e necessário calcular o rácio K = . Em seguida, escolhe-se aleatoriamente um
𝑛

número, no intervalo [1; K], que servirá como ponto de partida e primeiro elemento da
amostra. Adicionando ao primeiro valor obtido o rácio K (arredondando o resultado por
defeito), obtêm-se o segundo elemento e a adição sucessiva do mesmo rácio permite encontrar
os restantes elementos da amostra. Como se verifica, apenas o primeiro elemento e escolhido
aleatoriamente enquanto os restantes são determinados de modo sistemático pelo rácio.
(SILVEIRA, 2015).

Para SILVEIRA (2015), por exemplo, se K = 2, então a dimensão da amostra seria constituída
por metade (50%) da dimensão da população. Se K = 20, então a amostra seria apenas 5% da
população.

Em suma segundo VARÃO; BATISTA & MARTINHO (2005), os procedimentos para a

selecção da amostra com base no método de amostragem sistemática são:

 Identificar e definir a população;

 Determinar o tamanho desejável da amostra;
 Obter uma listagem dessa população e atribuir um número a cada elemento da
população;
 Determinar o K ou a (intervalo fixo);
 Começar num número ao acaso, no começo da listagem usando o intervalo de
amostragem;
 A partir desse número, seleccionar cada r + K até alcançar amostra;
 Se atingir-se o fim da listagem antes de terminar a recolha da amostra desejada voltar
ao inicio da mesma.
 10

2.5.3. Amostragem estratificada

Para FONSECA & MARTINS (1995), no caso da população heterogénea em que se podem
distinguir subpopulações mais ou menos homogéneas, denominadas estratos, é possível
utilizar o processo de amostragem estratificada.

Idem, após a determinação dos estratos, selecciona-se uma amostra aleatória de cada
subpopulação (estrato).

Idem, se as diversas subamostras tiverem tamanhos proporcionais aos respectivos números de

elementos dos estratos, e guardarem proporcionalidade com respeito à variabilidade de cada
estrato, obtêm-se uma estratificação óptima.

Idem, as variáveis de estratificação mais comuns são: classe social, idade, sexo, profissão …
ou qualquer outro que revele os estratos dentro da população.

De acordo com SILVEIRA (2015), se o número de elementos de cada amostra estiver de

acordo com a proporção do estrato na população, as observações podem ser misturadas para
se obter os resultados globais. Se, no entanto, todas as amostras tiverem o mesmo número de
elementos, os resultados de cada estrato têm que ser pesados pela proporção desse estrato na
população.

Idem, a estratificação de uma população faz sentido quando é possível identificar

subpopulações que variam muito entre si no que diz respeito a variável em estudo, mas que
variam pouco dentro de si. Nestas condições, uma amostra estratificada pode fornecer
resultados mais precisos do que uma amostra simples extraída do conjunto da população.

Em suma segundo VARÃO; BATISTA & MARTINHO (2005), os procedimentos para a

selecção da amostra com base no método de amostragem estratificada são:

 Identificar e definir a população;

 Identificar as variáveis e os estratos para os quais se pretende representação adequada;
 Classificar os elementos da população como elementos de cada estrato identificado;
 Seleccionar uma amostra aleatória em cada um dos estratos da população em estudo.

2.5.4. Amostragem por conglomerados (ou agrupamentos)

Para FONSECA & MARTINS (1995), algumas populações não permitem, ou tornam
extremamente difícil que se identifiquem seus elementos. Não obstante isso, pode ser
relativamente fácil identificar alguns subgrupos da população. Em tais casos, uma amostra
 11

aleatória simples desses subgrupos (conglomerados) pode ser colhida, e uma contagem
completa deve ser feita para o conglomerado sorteado. Agregados típicos são quarteirões,
famílias, organizações, agencias, edifícios etc.

Idem, assim, por exemplo, num levantamento da população de uma cidade, podemos dispor
do mapa indicando cada quarteirão e não dispor de uma relação actualizada dos seus
moradores. Pode-se, então, colher uma amostra dos quarteirões e fazer a contagem completa
de todos os que residem naqueles quarteirões sorteados.

Em suma segundo VARÃO; BATISTA & MARTINHO (2005), os procedimentos para a

selecção da amostra com base no método de amostragem por conglomerados:

 Identificar e definir a população;

 Determinar o tamanho desejável da amostra;
 Identificar e determinar um grupo lógico;
 Obter uma listagem de todos os grupos que constituem a população;
 Calcular o número de grupos necessário;
 Seleccionar aleatoriamente os grupos;
 Incluir na amostra todos os elementos da população que fazem parte do grupo
seleccionado.

b) Métodos não aleatórios

Segundo FONSECA & MARTINS (1995), são amostragem em que há uma escolha
deliberada dos elementos da amostra. Não é possível generalizar os resultados das pesquisas
para a população, pois as amostra não aleatórias não garantem a representatividade da
população. Estes métodos são: amostragem acidental; amostragem intencional; amostragem
por quota.
 12

3. Conclusões
Após a consulta da literatura conclui-se que, a amostragem para uma análise química envolve,
necessariamente, a estatística, uma vez que serão tiradas conclusões acerca de uma quantidade
muito maior do material a partir de uma análise que envolve uma pequena amostra de
laboratório. Os métodos que permitem a selecção de amostras são, aleatórios e não aleatórios.
A eficácia e eficiência dos resultados mostram-se nos métodos aleatórios, pois permitem
realizar inferências ou induções sobre a população a partir do conhecimento da amostra,
enquanto os métodos não aleatório, não é possível generalizar os resultados das pesquisas
para a população, pois as amostra não aleatórias não garantem a representatividade da
população. O processo de amostragem precisa assegurar que os itens escolhidos sejam
representativos de todo o material ou população. Aqui, os itens escolhidos para análise são
muitas vezes chamados unidades de amostragem ou incrementos de amostragem. Os tipos de
amostra de Silveira mencionadas no trabalho apresentam uma relação com métodos usados na
sua selecção tendo desta feita as mostras colectadas pelos métodos aleatórios: amostra média
e arbitrária; amostras não aleatórias: amostras legal e contra-amostra.
 13

4. Referências bibliográficas
FONSECA, J. S. & MARTINS, G. Curso de estatística. 5ª Ed. São Paulo: Editora Atlas S.A,
1995.

GONSALVES, Ananias. Análise de alimentos. S. Ed. São Paulo. 2010.

MATOS, Maria Auxiliadora Costa. Metodologia Analítica. S. Ed. 2013. Disponível em

http://www.ufjf.br/nupis. <Acesso em 01 de Abril de 2020, 14: 23’>.

NERY; et al. Quantidade da matéria nas ciências clássicas. S. Ed. ISSN, 2009.

SILVEIRA, Tânia Maria Leite. Amostragem. S. Ed. Belo Horizonte: centra universitário,
2015.

SKOOG – WEST – HOLLER – CROUCH. Fundamento de Química Analítica, tradução

norte-americana, editora Thompson, 2006.

VARÃO, Carla; BATISTA, Cláudia & MARTINHO, Vânia. Métodos de Amostragem. S. Ed.
Portugal, 2005.