Estatística não paramétrica para a tomada de decisão

Tamanho da amostra

A característica principal para a aplicação dos testes de hipóteses é a

aleatoriedade da amostra. A criação de amostras com esta característica aumenta as
chances de que a mesma apresente a mesma estrutura a qual seria encontrada na
população da qual foi extraída. Para isto, é necessário a aplicação de técnicas de
amostragem adequadas.
Embora não seja o objetivo do curso abordar tais técnicas, em sua maioria será
necessário a definição do tamanho da amostra. O tamanho da amostra é determinado
tanto por requisitos técnicos como, por exemplo, qual o número de elementos
necessários na amostra para determinado nível de significância do teste, de modo a
obter um erro de estimação previamente estipulado com grau de confiança determinado,
quanto por fatores operacionais como, por exemplo, limitações de recursos, sejam
orçamentários, de infraestrutura, de tempo, dentre outras limitações.
O tamanho da amostra é de grande importância, pois irá requerer testes
diferentes quando a amostra for grande ou pequena. Diversos autores da literatura
estimam que amostras acima de 20 elementos são consideradas grandes, pois para a
maioria das variáveis naturais como, por exemplo, altura, nível de inteligência, etc.,
este, ou um número maior de elementos, aproximaria sua distribuição à distribuição
normal (Gaussiana). Outros autores afirmam que isto ocorre com maior ênfase a partir
de 30 elementos. Assim, por prudência, o consenso usualmente é a caracterização da
amostra como grande a partir de 30 elementos, sendo as menores caracterizadas como
amostras pequenas. Este consenso é extrapolado para as variáveis sociais, as quais
geralmente não seguem o tipo de distribuição normal.
Considere, por exemplo, a variável “altura”, para a qual se deseja estimar a
média de uma população infinita (parâmetro) a partir de uma amostra aleatória
(estatística). É possível determinar o tamanho da amostra necessária por meio da função


2

n   z ( ) 
 e

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 1

 Estatística não paramétrica para a tomada de decisão

onde “n” é o número de elementos na amostra, z(α) é o valor crítico que corresponde ao
grau de confiança desejado α (em porcentagem)1, σ é o desvio-padrão populacional da
variável estudada (quando conhecido, caso contrário, deve-se utilizar uma estimativa do
desvio-padrão da amostra) e, e é a margem de erro entre a média amostral e a média
populacional.
É possível notar que, conforme o valor de α diminui, o valor de z(α) irá
aumentar (valores extremos da distribuição z possuem menores probabilidades
associadas), o que implicará em um aumento de n. O contrário é verdadeiro. Portanto, α
e n são relacionados de forma inversa, o que implicará que, o tamanho da amostra
depende do grau de confiança que se deseja assumir. Quanto maior a confiança (valores
menores de α) maior será a amostra necessária.

1
Mais detalhes sobre o parâmetro α podem ser obtidos na lição sobre grau de confiança e nível de
significância

Prof. Dr. Alexandre Bevilacqua Leoneti Pag. 2