UFPI – CCN – DIE – Disciplina: Probabilidade e Estatística – Professora: Lya Raquel

Introdução à Amostragem

Amostragem: É o estudo das relações existentes entre a amostra e a população de onde esta foi extraída. A
amostragem é usualmente realizada com o objetivo de estimar parâmetros da população, como por
exemplo, a média (μ), a variância (σ2) ou a proporção (p) de uma determinada característica.

Inferência Estatística: É o processo de obter informações sobre uma população a partir de resultados
observados na Amostra.

Definições importantes sobre inferência:

 Parâmetros – São constantes inerentes a populações relacionadas a uma determinada

variável aleatória de interesse (X). Em muitas vezes são desconhecidos. Toda distribuição
de probabilidade estudada nos capítulos anteriores depende de parâmetros, que
determinam sua função específica, por exemplo, o p da binomial, o λ de Poisson, a μ e o σ
da Normal, etc. Diferentes valores dos parâmetros conduzem a valores distintos das
probabilidades.
 Estimador ou estatística - É uma v. a. que é função dos elementos amostrais Xi, i=1,2, ...,
n.
 Estimativa - É o valor numérico do estimador em uma determinada amostra.

Ex: A média amostral ( ) e a variância amostral (s2) são estimadores de µ e de 2 (parâmetros). Elas são

v.a. que dependem dos resultados obtidos em cada amostra particular. Uma vez que uma estatística é uma
v.a., ela tem distribuição de probabilidades. O valor que um estimador assume, por exemplo, =5, é

uma estimativa do parâmetro.

Quando usar Amostragem? Quando NÃO usar Amostragem?(censo)

- População grande - População pequena
- Economia - Característica de fácil mensuração
- Rapidez de processamento - Necessidades políticas
- Confiabilidade - Necessidade de alta precisão
-Testes destrutivos - Já se dispõe dos dados da população

Quando se planeja cientificamente um levantamento por amostragem, usualmente se leva em conta

que todas as amostras possíveis da população tem probabilidade diferente de zero de ser selecionada. Neste
caso a escolha da amostra é feita por processo aleatório, o que permite a aplicação da teoria envolvida nas
distribuições probabilísticas da estatística e assim a amostra é probabilística. No entanto, há casos em que
restrições de ordem prática impedem que a seleção da amostra seja totalmente aleatória e nesse caso a
amostra é não probabilística.

Amostragem Probabilística:
- Associa-se a mesma probabilidade de seleção para cada membro da população.
- Aleatória, casual, randômica.
- Associa-se uma probabilidade ao resultado.
- Resultados provenientes de amostras probabilísticas podem ser generalizados estatisticamente para a
população.
- Medida da confiabilidade do resultado obtido.
- Amostra também precisa ser REPRESENTATIVA e SUFICIENTE!

Condições para uso:

- Possibilidade de listar elementos da população.
- Amostra selecionada por sorteio NÃO VICIADO!
- Todos na população têm chance de pertencer à amostra.
Entre os tipos de amostragem probabilística, os mais usados são: amostra aleatória simples; amostra
aleatória sistemática; amostra aleatória estratificada; amostra aleatória por conglomerado. Iremos nos ater a
amostra aleatória simples.

Amostragem aleatória simples: Está na dependência do tipo de população, finita ou infinita.

1) Amostra aleatória simples (população finita): Uma amostra aleatória simples de tamanho n de uma
população finita de tamanho N é uma amostra selecionada tal que cada possível amostra de tamanho n tem
a mesma probabilidade de ser selecionada.
Para selecionar os elementos da amostra de populações finitas, podemos usar de recursos como
sorteios com uso de dado, papéis numerados, ou mais freqüentemente e corretamente as tabelas de números
aleatórios ou programas computacionais como Excel (clique em inserir – função - aleatorioentre. Designe o
menor e o maior número do intervalo e posteriormente arraste o mouse correspondente ao número de
células que seja o tamanho da amostra).

2) Amostra aleatória simples (população infinita): Na prática, uma população é considerada infinita se ela
envolve um processo contínuo que torna impossível a contagem de cada elemento na população ou se o
tamanho da amostra representar menos de 5% da população.
Na amostragem a partir de uma população infinita, precisamos usar uma nova definição de amostra
aleatória simples. Além disso, como os elementos de uma população infinita não podem ser numerados,
precisamos usar um processo diferente para selecionar os elementos para a amostra.
Uma amostra aleatória simples a partir de uma população infinita é uma amostra selecionada tal que
as seguintes condições são satisfeitas:
1) cada elemento selecionado vem da mesma população;
2) cada elemento é selecionado de forma independente.
Como exemplo, considere que queremos selecionar os elementos de uma amostra para estimar o
tempo médio entre fazer um pedido e receber a comida dos clientes (tempo de atendimento) em um
restaurante fast food durante o horário de almoço das 11h30 às 13h. Se considerarmos a população como o
tempo de atendimento de todos os possíveis clientes, vemos que não seria viável especificar um limite
finito ao número de possíveis visitas, podemos considerar a população como sendo infinita. Um
procedimento para selecionar a amostra poderia ser: se alguns clientes possuem cupons que lhes oferece
desconto, o próximo cliente servido é selecionado para a amostra. Como os clientes apresentam cupons de
desconto de forma aleatória e independente, a empresa está satisfeita de que o plano de amostragem cumpra
as duas condições: uma amostra aleatória simples a partir de uma população infinita.
Para o caso de populações consideradas infinitas, fica claro que a amostra aleatória simples é
constituída sem qualquer auxílio de tabelas de números aleatórios.

Amostras com e sem Reposição

Se cada elemento da população pode ser escolhido mais de uma vez para participar de uma mesma
amostra temos a chamada amostra com reposição. Se cada elemento da população puder ser escolhido
apenas uma única vez para participar de uma mesma amostra, temos a chamada amostra sem reposição.
Na prática, demonstra-se que o uso de amostras sem reposição acarreta em menores erros do que
com amostras com reposição. No entanto, a amostra com reposição garante a independência entre os
eventos que é algo muito importante em probabilidade e estatística.
A determinação do número de amostras sem reposição diferentes e possíveis (k), de tamanho n
numa população de tamanho N, pode ser calculado por k=NCn.
O valor de k, para amostras selecionadas com reposição, é dado por k= Nn.

FONTES DE ERRO EM LEVANTAMENTOS POR AMOSTRAGEM

_População acessível diferente da população alvo.
_Falta de resposta: dados perdidos, dados censurados, substituição.
_Erros de mensuração: problemas com o instrumento de pesquisa; inserção de mecanismos de controle.