Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística e Probabilidade
Tecnicas de Amostragem
Discentes: Docente:
Songo, 2019
Estatística e probabilidade
Índice
1. Introdução...................................................................................................................................... 4
1.1. Objectivos .............................................................................................................................. 4
1.2. Metodologia de Investigação .............................................................................................. 4
2. TÉCNICAS DE AMOSTRAGEM ................................................................................................ 5
2.1. Conceitos: plano, método de amostragem .......................................................................... 5
2.1.1. Técnicas de amostragem ............................................................................................ 5
2.1.2. Razões de uso da técnica de Amostragem ............................................................. 5
2.1.3. Plano de Amostragem ................................................................................................. 6
2.1.4. Etapas de realização de um inquérito por amostragem. ....................................... 6
3. MÉTODOS DE AMOSTRAGEM ................................................................................................ 7
3.1. Métodos Probabilísticos ...................................................................................................... 7
3.1.1. Amostragem aleatória Simples .................................................................................. 7
3.1.2. Amostragem estratificada ........................................................................................... 9
3.1.3. Amostragem Sistemática .......................................................................................... 10
3.1.4. Amostragem multi-etapas ......................................................................................... 10
3.1.5. Amostragem multi-fásica ........................................................................................... 10
3.2. Métodos não probabilísticos ou Dirigidos ....................................................................... 11
3.2.1. Amostragem Acidental .............................................................................................. 11
3.2.2. Amostragem Intencional............................................................................................ 11
3.2.3. Amostragem Snowball ............................................................................................... 11
3.2.4. Amostragem Sequencial ........................................................................................... 12
3.2.5. Amostragem por quotas ............................................................................................ 12
4. Amostragem “com” e “sem” reposição................................................................................ 13
5. DETERMINAÇÃO DO TAMANHO DE UMA AMOSTRA ..................................................... 14
5.1. Factores que determinam o tamanho de uma amostra ............................................... 14
5.1.1. Tamanho do universo ................................................................................................ 14
5.1.2. Nível de confiança estabelecido .............................................................................. 14
5.1.3. Erro de estimação ...................................................................................................... 15
5.1.4. Proporção da característica investigada................................................................. 16
5.2. Cálculo do tamanho de uma amostra ................................................................................. 16
1. Introdução
1.1. Objectivos
Objectivo Geral
Estudar as técnicas de amostragem
Objectivos Específicos
2. TÉCNICAS DE AMOSTRAGEM
3. MÉTODOS DE AMOSTRAGEM
Exemplo: 01
Uma cidade turística tem 30 hotéis de três estrelas. Pretende-se conhecer o custo
médio da diária para apartamento de casal.
Os valores populacionais consistem nos seguintes preços diários (em metical): 25,
20, 35, 21, 22, 24, 25, 30, 38, 24, 20, 20, 25, 20, 19, 25, 23, 24, 28, 24, 24, 22, 28,
26, 23, 25, 22, 27, 25, 23. Pede-se para extrair uma amostra aleatória simples de
tamanho 10 desta população por sorteio.
Resolução:
Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto
3º Passo: Acima estão os números sorteados, os que não têm na amostra são
descartados, e no nosso caso como não utilizaremos as repetições, pois queremos
um sorteio sem reposição, então também serão descartadas as repetições.
Nossa Amostra então será: n= (24, 25, 20, 25, 19, 24, 22, 25, 24,28)
É importante saber que: nosso espaço amostral era de n (A) = 100 números de 2
dígitos (00 a 99). A probabilidade de sortear um hotel, seguindo a tabela de
números seria de 30/100 ou 0,3.
Tivemos que percorrer um espaço amostral, na tabela com n (A) = 36
(n.ºs de 2 dígitos) para que pudéssemos encontrar um conjunto evento com
N (E) = 10 hotéis + 2 repetidos. = 12, então a probabilidade foi de 12/36 = 0,33.
Como 0,30 e 0,33 não estão muitos distantes, podemos afirmar que os
números da tabela de números aleatórios, usados, são (equiparáveis).
Exemplo:02
Região; Zonas urbanas (pequenas e grandes) e rural; sexo; faixa etária; faixa de
renda, etc
𝑁 500
N = 5000 n = 50, então 𝑟= = = 10, (P.A. de razão 10)
𝑛 50
Sorteia-se usando a tabela de números aleatórios um número entre 1 e 10, (x=3), o
número sorteado refere-se ao 1º elemento da amostra, logo os elementos
da amostra serão: 3,13, 23, 33, 43, …
Estes métodos de amostragem são aqueles em que a escolha dos elementos para
pertencer a amostra não depende de alguma probabilidade. Usando este tipo de
métodos não é correcto generalizar os resultados das investigações para a
população, entretanto podem ajudar aoinvestigador formular boas hipóteses em
relação ao problema a ser investigado, pois, as amostras não probabilísticas ou
empíricas não garantem a representatividade da população.
Este é um dos métodos de amostragem mais utilizado. Ele oferece um maior rigor
do que muitos outros métodos não probabilísticos já considerados, por apresentar
uma ideia intuitiva da representatividade dos grupos na amostra. É usual nas
campanhas eleitorais, nos estudos de mercado, etc.
As vantagens deste tipo de amostragem são: não necessita uma base amostral
mais rigorosa; é fácil de aplicar; tem baixo custo e assegura uma representatividade
dos elementos de cada grupo populacional. Entretanto tem certa desvantagem por
necessitar uma informação exacta em cada passo e a selecção da amostra em cada
grupo não é aleatória.
Exemplo:04
Seja uma população com N = 1000 unidades, divididas em três grupos com N1 =
200; N2 = 300 e N3 = 500. Pretende-se extrair desta população uma amostra de
tamanho 350.
Encontre as quotas ou percentagem que devem ser tiradas em cada grupo.
Resolução:
Para facilitar a compreensão vamos apresentar numa tabela os resultados.
𝑁𝑖 𝑁𝑖 𝑃𝑖 𝑃𝑖 𝑛𝑖 𝑛𝑖
Se o processo de retirada dos elementos for com reposição (pop. infinita (f ≤ 5%)),
o número de amostras possíveis será: nº = de amostras será igual Nn.
Se o processo de retirada de elementos for sem reposição (pop. finita (f > 5%) ), o
N!
número de amostras possíveis será: no de amostras = CN,n =
n!(N−n)!
Exemplo:
Supondo N = 8 e n=4
N! 8!
Sem reposição o número de amostras será: CN,n = = = 70
n!(N−n)! 4!(8−4)!
O tamanho de uma amostra depende do tamanho da população, que pode ser finito
ou infinito. Consideram-se universos finitos os que não ultrapassam as 100.000
unidades estatísticas (N 100.000) , e universos infinitos são os que ultrapassam
(N 100.000). Esta distinção é importante para a determinação do tamanho, pois,
usam-se fórmulas diferentes, porque no segundo caso sempre se recebe uma
amostra grande.
desejarmos fazer inferências com 95% de segurança, abrange-se 95% da área total
da curva normal. Lembre que Z N (0,1)
68.27% 1 ↔ 1*σ
95.45% 2 ↔ 2*σ
99.73% 3 ↔ 3*σ
6. DISTRIBUIÇÕES AMOSTRAIS
Teorema 1. A média da distribuição amostral das médias, denotada por µ(x) é igual
a média populacional µ, isto é; 𝐸(𝑥̅ ) = 𝜇(𝑥̅ ) = 𝜇
Exemplo: 09
Resolução
uma amostra com reposição, cada elemento combina com ele e com
qualquer outro. Então temos 5*5 = 25 amostras. As 25 amostras e as
respectivas médias amostrais estão apresentadas abaixo.
2,2 3,2 5,2 7,2 8,2 2,0 2,5 3,5 4,5 5,0
2,3 3.3 5,3 7,3 8,3 2,5 3,0 4,0 5,0 5,5
2,5 3,5 5,5 7,5 8,5 3,5 4,0 5,0 6,0 6,5
2,7 3,7 5,7 7,7 8,7 4,5 5,0 6,0 7,0 7,5
2,8 3,8 5,8 7,8 8,8 5,0 5,5 6,5 7,5 8,0
2,3 2,5
𝑛 𝑝(1−𝑝)
a) Amostra com reposição: 𝜇𝑝 = 𝑝 = ; 𝜎𝑝 = √
𝑁 𝑛
𝑛 𝑝(1−𝑝) 𝑁−𝑛
b) Amostra sem reposição: 𝜇𝑝 = 𝑝 = 𝑁; 𝜎𝑝 = √ ∗ √𝑁−1
𝑛
Exemplo:10
Numa prévia campanha eleitoral mostrou-se que um certo candidato tinha 46% dos
votantes. Perante esta situação qual é a probabilidade de que numa sessão eleitoral
constituída por 200 pessoas seleccionadas ao acaso entre a população votante, ele
tinha a maioria dos votos.
Resolução:
𝑛 𝑝𝑞 0.46∗0.54
𝜇𝑝 = 𝑁 = 0.46; 𝜎𝑝 = √ 𝑛 = √ = 0.0352
200
A maioria dos votos terá a partir dos 101 eleitores entre os 200. Considerando uma
variável continua, vamos usar 100.5, isto é, a proporção de sucesso 𝑝 =
100.5⁄200 = 0.5025.
𝑝−𝜇𝑝 0.5025−0.46
Transformando para escores reduzidos, temos: 𝑧 = 𝜎 = 0.0352 = 1.21
𝑝
𝑃(𝑧 > 1,21) = 0.5 − 𝑃(0 ≤ 𝑧 ≤ 1.21) = 0.5 − Φ(1.21) = 0.1131
Como – se pode deduzir, para uma população normal, a amostra extraída dela,
deverá ser normal, consequentemente a sua distribuição amostral também o será,
𝜎2
isto é: Se 𝑋 ≈ 𝑁(𝜇; 𝜎 2 ) Então 𝑥̅ ≈ 𝑁(𝜇; ) ou seja, a distribuição normal
𝑛
𝑥̅ −𝜇
padronizada é dada por: 𝑧 = 𝜎 . Como não se conhece o valor da variância (𝜎 2 ),
√𝑛
7. Conclusão
8. Referencias Bibliográficas
[02] FONSECA, J.S.; MARTINS, G.A. (1993). Curso de estatística. 4a ed. São
Paulo: Atlas.
[03] LAPONNI, Juan Carlos (1997). Estatística usando o Excel. São Paulo:
Lapponi Treinamento e Editora.
[04] MILONE, G.; ANGELINI, F. (1995). Estatística aplicada. São Paulo: Atlas.