Introdução

A amostragem e, em particular, os processos de amostragem se aplicam em diversas áreas do

conhecimento e constitui-se, muitas vezes, a única forma de obter as informações sobre uma
determinada realidade.

A teoria da amostragem é, portanto, um dos instrumentos que possibilita o conhecimento

cientifico da realidade, onde outros processos ou métodos alternativos, por razoes diversas, não
se mostram adequados ou ate mesmo possíveis.

A teoria da amostragem estuda as relações existentes entre uma população e as amostras

extraídas desse universo. É útil para avaliação de grandezas desconhecidas da população, ou
para determinar se as diferenças observadas entre duas amostras são devidas ao acaso ou se são
verdadeiramente significativas.

Em geral, a maioria das pesquisas observacionais consiste em estudar os elementos que

compõem a amostra, extraída ao acaso da populacao deinteresse (universo). O conceito de
populaao é intuitivo; tratase de um conjunto de indivíduos (ou objectos ) que apresentam, em
comum determinadas características de interesse. Amostra é um subconjunto da populacao.

É compreensível que o estudo de todos os elementos da populacao possibilitara o conhecimento

“preciso” das variáveis pesquisadas (censo); todavia, nem sempre é possível obter informacoes
de todos os elementos da populacao. Limitações de tempo, custo e as vantagens das técnicas da
amostragem que proporcionam maior qualidade dos dados levantados justificam o seu uso.
Torna-se claro que a representatividade da amostra depende do seu tamanho e e outras
consideracoes de ordem metodológica. Isto é, o investigador procurara cercar de todos os
cuidados,sempre visando obteer uma amostragem significativa, ou seja, que de fato represente
”bem” toda informacao contida na populacao.

Apos identificar o tipo de dados que deverão ser selecionados e a elaboracao de um instrumento (
questionário estruturado, por exemplo), o passo seguinte consiste em definir um plano de
amostragem adequado.

Definicoes de amostragem
Amostragem é o processo de determinação de uma amostra a ser pesquisada. A amostra é uma
parte de elementos seleccionada de uma população estatística. Enquanto um censo envolve o
exame de todos os elementos de um dado grupo, a amostragem envolve o estudo apenas de uma
parte dos elementos.

A teoria da amostragem estuda as relações existentes entre uma população e as amostras

extraídas dessa população. ́E útil para avaliação de grandezas desconhecidas da população, ou
para determinar se as diferenças observadas entre duas amostras são devidas ao acaso ou se são
verdadeiramente significativas.

Amostragem ́é o processo de determinação de uma amostra a ser pesquisa da .A amostra ́é uma

parte de elementos seleccionada de uma população estatística

A teoria da amostragem é um estudo das relações existentes entre uma população e as amostras
dela extraídas. Podemos, por exemplo, avaliar grandezas desconhecidas da população (como sua
média, sua variância, etc.), denominadas de parâmetros, através das correspondentes grandezas
amostrais, denominadas de estatísticas amostrais.

Enquanto que um senso (pessoas que estão para votar) envolve um exame a todos os elementos
de um dado grupo, a amostragem envolve um estudo de apenas uma parte dos elementos. A
amostragem consiste em seleccionar parte de uma população e observa-la com vista a estimar
uma ou mais características para a totalidade da população.

”Para se saber se o bolo de chocolate esta bom, basta comer uma fatia”

Os termos básicos em amostragem são:

•População - o grupo inteiro de objectos (unidades) dos quais se pretende obter informações. A
população deve ser definida claramente e em termos daquilo que se pretende conhecer.

•Unidade - qualquer elemento individual da população.

•Amostra - uma parte ou subconjunto da população usada para obter informação acerca do todo.

•variável - uma característica de uma unidade que ser ́a medida a partir daquela unidade da
amostra.

Tipos de amostragem probabilística e não-probabilísticas

Probabilísticas
  Amostra Aleatória simples;
 Amostra Sistemática;
 Amostra Estratificada;
 Amostra por Conglomerado;

Não Probabilísticas

 Amostra por conveniência;

 Amostra por julgamento;
 Amostra por cotas;
 Amostra bola de neve;
 Amostra desproporcional;

Amostragem aleatória simples [Probabilística]

A amostra aleatória simples é um dos métodos de amostra probabilística mais utilizados. Nessa
forma de amostragem, os indivíduos de uma população têm uma chance igual ou maior que zero
de serem seleccionados para a compor a amostra. Ela é chamada de amostra aleatória simples
pois, a selecção de elementos é feita em forma de sorteio, dessa forma, não há critério ou filtro
no processo de amostragem.

Como utilizar a amostra aleatória simples

Para entendermos melhor esse processo de amostragem vamos imaginar uma pesquisa de opinião
que será realizada em um bairro qualquer. Essa pesquisa deve ser feita com 20 domicílios, mas o
bairro possui 200. Assim, para se obter uma amostra com 20 endereços, um sorteio entre os 200
endereços do bairro deve ser feito, dessa maneira, todas as moradias têm a mesma chance de
participar da pesquisa.

Quando universo é pequeno, não se torna necessário o uso de um computador com um software
estatístico para selecção de uma amostra, portanto, pesquisas de mercado de empresas com
muitos clientes ou pesquisas de opinião que necessitam de uma amostragem muito extensa, o uso
de recursos digitais para o sorteio se torna essencial.

Vantagens e desvantagens da amostra aleatória simples

A amostra aleatória simples é uma maneira acessível e rápida para se obter uma amostra, isso
deve pelo fato de que quase todo trabalho de amostragem pode ser realizado em um computador.
Contudo, para evitar problemas com técnica é preciso estar atento a alguns factores. Como a
amostragem é aleatória, ela pode gerar qualquer combinação de elementos presentes em um
universo, isso pode ser bom ou ruim. Por exemplo, se as 20 casas seleccionadas para a pesquisa
de opinião acabam sendo da mesma rua, a representatividade da pesquisa acaba sendo
prejudicada.

Além disso, pesquisas que contêm um universo muito grande, como em pesquisas eleitorais, se
torna quase impossível obter uma listagem actualizada de todos os eleitores de uma região para
participar da amostragem. Dessa forma, em algumas situações, os resultados obtidos pela
amostra aleatória não são totalmente precisos.

Amostragem sistemática [Probabilística]

A amostra sistemática, assim como a amostra aleatória simples, é um método de amostra

probabilística que selecciona indivíduos dentro de uma população já determinada. Contudo, há
um factor matemático de selecção que as diferencia.

Na amostra sistemática os elementos do universo a ser pesquisado são divididos em grupos

numericamente iguais, assim, após essa segmentação é definido um “ponto de partida”, de modo
a estabelecer um número que se repetirá, em sequência, dentro de todos os grupos determinados,
até que toda a amostragem seja seleccionada.

Como realizar uma amostra sistemática

O critério para a selecção de uma amostra soluciona no problema de representatividade da

amostra aleatória simples. Por exemplo, em uma pesquisa realizada em um bairro, podemos
dividir 500 moradias em 50 grupos, para obter uma amostragem com 50 residências, dessa
maneira, a cada 10 domicílios 1 pesquisa será realizada.

Dentro desse grupo um “ponto de partida”, ou seja, um número, deve ser seleccionado. Assim, se
decidirmos que o 4° domicílio de um grupo será o seleccionado, vamos obter uma sequência(4,
14, 24, 34… até 494) determinada de residências para a amostragem.

Vantagens da amostra sistemática

Assim como a amostra aleatória simples, a amostra sistemática é de rápida execução. Além
disso, por ter o critério de separação por grupos, o factor representatividade se torna mais
efectivo, como podemos perceber acima, a chance de vizinho ou apenas moradores próximos
aparecerem na amostragem desaparece.

A única desvantagem é se por acaso cada elemento dos grupos seleccionados tenha
características ou opiniões que coincidam devido a sequência escolhida, mas esse problema pode
ser facilmente resolvido se os grupos divididos forem previamente estudados e separados com
um peso proporcional, dessa forma, características favoreceram a representatividade no estudo.

Amostragem estratificada [Probabilística]

A amostra estratificada é uma técnica de amostra probabilística que é realizada em duas etapas.
Esse tipo de amostragem separa a população em grupos e subgrupos, buscando assim, uma
amostra mais representativa.

Para realizar uma amostra estratificada apenas dois passos são necessários. Primeiro, deve-se
dividir a população em grupos distintos. Esses grupos devem ser segmentados com
características da população que auxiliem o tema estudado, podendo ser idade, sexo, trabalho,
nível de escolaridade, entre outros.

Depois de distribuir a população nesses grupos, são utilizadas outras formas para eleger os
entrevistados dentro de cada grupo, podendo adoptar critérios aleatórios ou não. Assim, para
seleccionar uma amostra de forma não enviesada podemos utilizar a amostra aleatória simples ou
sistemática.

Dessa forma, a principal vantagem da amostra estratificada, em relação aos outros métodos de
amostragem, é o aumento da representatividade que ela gera por possibilitar uma estratificação
do universo. Isso ocorre, pois, a divisão de grupos realizada na primeira etapa permite que as
diferentes respostas ou opiniões possíveis em uma pesquisa possam aparecer de forma
proporcional e representativa.

Por esse motivo, ela é um bom tipo de amostragem para pesquisas de opinião que possuem
grandes populações com diferentes qualidades.

Amostragem por conglomerados [Probabilística]

Diferente das amostras probabilísticas anteriormente apresentadas, que seleccionam primeiro o

indivíduo, a amostra por conglomerados tem como fase inicial a selecção de um grupo (cidade
ou estado em um país) para compor a amostragem.

Como realizar uma amostra por conglomerados

Desse modo, a amostra é realizada em mais de uma etapa, assim como a amostra estratificada.
No primeiro estágio, os grupos (ou conglomerados) são definidos. Assim, somente no último
estágio os indivíduos que participarão da entrevista serão sorteados.

O número de etapas a que uma mostra por conglomerados deve conter, varia com o tipo de
pesquisa e o quanto o universo estudo deve ser dividido de forma a auxiliar o estudo, quanto
maior e mais heterogénea uma população, mais divisões se tornam necessárias.

Um exemplo de uso de amostra por conglomerados é em pesquisas eleitorais. Normalmente

essas pesquisas são realizadas em três etapas. Primeiro os municípios são seleccionados de
acordo com a sua grandeza, ou seja, a sua selecção é proporcional à medida de seu tamanho (ou
importância).Na segunda etapa, os sectores censitários também são incluídos de forma
proporcional. Por fim, na terceira etapa, os eleitores são sorteados dentro de cada um dos
segmentos escolhidos.

Vantagens e desvantagens da amostra por conglomerados

A maior vantagem da amostra por conglomerados é a relação custo benefício que ela
proporciona na colecta de dados. Isso ocorre pois como os grupos são escolhidos antes dos
entrevistados, dessa forma, o pesquisador pode escolher elementos conforme a localização dos
elementos, fazendo com que haja um menor custo e tempo de deslocamento durante o processo
de colecta.

Esse fato se torna essencialmente vantajoso no Brasil, que possui uma enorme extensão
territorial. Em uma pesquisa eleitoral, os entrevistadores podem focar em grandes cidades onde
há uma maior concentração de pessoas e em cidades menores, próximas a grandes centros.

Contudo, quanto maior a concentração de entrevistas por localidade, maior é a chance de se obter
respostas homogéneas nos resultados, podendo haver uma perda de representatividade devido a
exclusão de muitas regiões. Dessa forma é importante ter cuidado na escolha da área de pesquisa.

Portanto, a amostra por conglomerados é muito eficiente em pesquisas que precisem cobrir um
grande território, pesquisas que tenham uma população heterogénea ou quando há uma listagem
de todos os indivíduos que compõem o universo do estudo.

Amostragem por conveniência [Não-Probabilística]

A partir do conceito de amostra discutidos no começo do artigo, vamos discorrer mais sabre tipos
de amostras não probabilísticas utilizadas em pesquisas de opinião e de mercado

Amostras por conveniência, como o próprio nome já sugere, são um tipo de amostra que não
exige tanto critério na pré-selecção do público a ser pesquisado, ou seja, o universo da pesquisa
não precisa estar totalmente definido para que essa seja efectuada.

Para exemplificar, podemos imaginar um pesquisador que vá em um lugar público, como uma
praça, e lá mesmo faz a sua pesquisa, sem muito critério de controle com o perfil da amostra.
Assim, a selecção passa a será penas com pessoas que passaram por lá, foram abordadas e
concordaram em responder a pesquisa.

Quando se deve usar a amostra por conveniência?

Por não tem muito critério na selecção de perfis a serem entrevistados, a amostra por
conveniência pode gerar um resultado enviesado. Como no exemplo dado acima, uma pesquisa
realizada em uma praça na cidade, provavelmente não comportará todo o universo necessário em
uma pesquisa.

Dessa forma, amostras por conveniência devem utilizadas em pesquisas que buscam conclusões
gerais, com um perfil exploratório como o pré-teste de questionários, ou nas quais, não haja uma
certeza prévia do perfil de seus respondentes.

Amostragem por julgamento [Não-Probabilística

Na amostra por julgamento, a escolha dos respondentes é feita partir do julgamento do

pesquisador. Assim, o pesquisador busca por indivíduos que possuem características definidas
previamente para sua amostra.

Na aplicação de pesquisas com amostragem por julgamento, as pessoas podem ser seleccionadas
por suas características visuais, por frequentarem algum lugar que interessa a amostra ou até
pessoas que têm comportamentos que se encaixam às características pré-selecionadas.

Dessa forma, a amostra por julgamento, assim como a amostra por conveniência, tem uma
função mais exploratória em uma pesquisa de opinião ou mercado.  Ela pode ser utilizada para
pesquisas menores, ou como um pré-pesquisa para outras que buscarão dados mais
aprofundados.

Amostragem por cotas [Não-Probabilística]

A amostra por cotas, é uma forma de amostragem muito utilizada em pesquisas de mercado,
eleitorais e de opinião pública. Ela é uma amostra que, por meio de cotas, selecciona
proporcionalmente pessoas com semelhantes características de uma população.

Para efectuar esse tipo de amostragem, deve-se primeiramente segmentar o universo estudado
em características. Por exemplo, dividir a população de uma cidade em cotas como idade, sexo e
escolaridade. Depois disso, os pesquisadores devem escolher características, nessa população,
que sejam relevantes para a pesquisa. Assim, o último quesito a ser considerado é o da
proporcionalidade, se 40% da população de uma cidade é empregada e 60% não é, e essa
característica for importante para o estudo, essa proporcionalidade deve ser respeitada na
amostragem.

A precisão dos resultados em amostra por cotas é dada a partir da quantidade de cotas
seleccionadas para a pesquisa. Desta maneira, quanto maior o número de variáveis em uma
amostragem mais confiável será o resultado. Entretanto, é preciso estar atento ao fato que cada
cota adicionada em uma pesquisa tem um comportamento multiplicador nas variáveis já
existentes, assim quanto maior a quantidade de cotas, mais lenta e cada uma pesquisa pode se
tornar.

Não há um parâmetro pré-estabelecido de quantas ou quais características de um universo devem

ser seleccionadas em uma amostragem, mas normalmente elas se diferem de acordo com o tipo
de pesquisa que será realizada. Em pesquisas de mercado, as variáveis mais utilizadas são
relacionadas a renda e ao consumo dos entrevistados, como renda familiar mensal, posse de
bens, classe socioeconómica e estado civil. Já em pesquisas de eleitorais e de opinião pública,
são utilizadas variáveis como género, faixa etária, local de domicílio e escolaridade.

Amostragem bola de neve [Não-Probabilística]

A amostragem bola de neve, por ser uma técnica de amostragem não-probabilística, também é
feita quando não há um universo definido para a pesquisa.

Ela recebe esse nome, pois a última pessoa entrevistada indica ou convida uma próxima para
participar do questionário, fazendo com que a amostragem se comporte como uma bola de neve,
apresentando um carácter acumulativo na hora das escolhas dos respondentes.

Essa amostragem, pode ser uma boa técnica para encontrar subgrupos ou segmentos de uma
população que são desconhecidos ou dificilmente encontrados, como por exemplo, minorias e
pessoas que possuem um comportamento ilegal ou socialmente estigmatizado.
Nesse tipo de amostra, mesmo não tendo um universo definido,é importante que o pesquisador
tenha um molde mínimo da amostragem a ser utilizada, de forma que exista um controle da
diversificação da amostra dês da primeira pessoa indicada.

Tipos de amostra bola de neve

Amostra linear

Cada indivíduo indica um único participante para a próxima pesquisa.

Amostra exponencial

Cada indivíduo indica 2 ou mais pessoas para a próxima entrevista

Amostragem desproporcional [Não-Probabilística]

A amostra desproporcional é utilizada quando há grupos e subgrupos que geram resultados com
pesos dessemelhantes em uma pesquisa.  Diferente da amostra por cotas, não há a preocupação
em ter uma exata proporcionalidade da população estudada, o importante na amostra
desproporcional é quanto um grupo dessa população é importante para o estudo.

Para entendermos melhor a amostra desproporcional, vamos explicar 3 maneiras nas quais ela
pode acontecer:

Busca de inferência dentro de subgrupos

Nesse caso de amostra desproporcional, grupos minoritários são priorizados em um estudo, de

modo que suas mostras têm um peso maior nos resultados em relação aos demais grupos. Esse
método é usado para que pequenos grupos obtenham um mínimo de representatividade nos
resultados da pesquisa. Vamos supor, que em uma pesquisa eleitoral, uma amostra de 1000
entrevistas deve ser feita com a população de uma região é dividida em 3 municípios.

Como se pode observar na tabela acima, o terceiro município tem uma representação de apenas
50 amostras. Considerando que, 100 amostras são um número mínimo de entrevistas que um
município possa ter para que o resultado da pesquisa seja confiável, uma reorganização das
amostras deve ser feita para que 100 entrevistas ocorram no município 3.

Gestão de custos

Outra forma de utilizar a amostra desproporcional é de modo a tornar o orçamento da pesquisa

mais viável. Por exemplo, em uma cidade onde 97% da população mora no centro urbano e 3%
em uma área distante e rural, o pesquisador pode retirar de sua amostragem os 3% da população
se considerar que o custo para a execução da pesquisa no local não é viável, pois apenas uma
pequena proporção população total é representada pela população rural.

Contudo, é preciso ter cuidado com esse método em algumas situações, se tomarmos o exemplo
acima para uma eleição muito acirrada, a vitória de um dos candidatos pode estar justamente na
área rural. Desse modo, o descarte de um grupo deve ser estudado, quanto maior o peso
quantitativo desse grupo na pesquisa, mais a sua exclusão se torna arriscada, da mesma forma se
aplica a divergência opiniões em uma região.

Discrepâncias internas

Por fim, a mostra desproporcional pode ser utilizada em discrepâncias internas de um estudo.
Temos como exemplo, um hotel, no qual a quantidade de diárias obtidas por clientes em quartos
comuns é muito maior do que a quantidade de diárias em quartos de luxo. Nesse caso, pelos
quartos de luxo terem um valor maior na sua diária e assim, ter uma grande participação no
faturamento do hotel, se pode considerar uma amostra desproporcional em relação aos clientes
dos dois tipos de quarto, mesmo que haja um maior número de clientes que se hospedam em
quartos normais.
Conclusão

Com tudo, concluímos que a teoria da amostragem estuda as relações existentes entre uma
população e as amostras extraídas dessa população. De modo a poder obter resultados esperados.
Referencias bibliográficas

• Estatística: Aplicação ao Sensoriamento Remoto. SER 204 - ANO 2020;

• Introdução à Estatística. 12a EDIÇÃO. Mario F. Triola;

• A Estatística Básica e sua Prática, de Moore, David S;