Licenciatura em Engenharia Eléctrica

Estatística e Probabilidade

Turma: E22 Grupo V

Tecnicas de Amostragem

Discentes: Docente:

Gildo Domingos Massuanganhe Alcido Timana. Msc

Issa Caetano Francisco

Matolino Araujo Franque

Nélio Alberto Banze

Solange Victor Senenzani de Sousa

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

Técnicas de amostragem Página 2

Estatística e probabilidade

6. DISTRIBUIÇÕES AMOSTRAIS ............................................................................................... 18

6.1. Distribuição amostral das médias .................................................................................... 18
6.2. Distribuicao amostral das Proporcoes ............................................................................ 20
6.3. Distribuição amostral das variâncias ............................................................................... 21
6.4. Distribuição amostral das médias com variância populacional desconhecida. ........ 21
7. Conclusão .................................................................................................................................... 22
8. Referencias Bibliográficas ........................................................................................................ 23

Técnicas de amostragem Página 3

Estatística e probabilidade

1. Introdução

O presente trabalho subordinado ao tema técnica de amostragem foi realizada no

âmbito do cumprimento do programa da cadeira de Estatística e Probabilidade.

O mesmo apresenta um estudo conceitual acerca das técnicas de amostragem para

o estudo duma população, na impossibilidade de questionar toda a população,
deve-se recorrer a uma amostra. Efectivamente pelo facto da população ser
demasiadamente grande ou infinita, geralmente torna se difícil ou mesmo inviável
recolher as opiniões de toda população a inquirir. Assim teremos de usar um
processo que nos permite facilmente tirar conclusões válidas, (técnica de
amostragem.)

1.1. Objectivos

Objectivo Geral
 Estudar as técnicas de amostragem

Objectivos Específicos

 Apresentar o conceito das técnicas de amostragem

 Abordar em torno das técnicas de amostragem
 Apresentar os tipos e conceitos para cada técnica de amostragem

1.2. Metodologia de Investigação

O presente trabalho baseou-se em pesquisas científico-didácticas com base em

artigos electrónicos, materiais digitais e livros disponibilizados pela biblioteca.

Técnicas de amostragem Página 4

Estatística e probabilidade

2. TÉCNICAS DE AMOSTRAGEM

2.1. Conceitos: plano, método de amostragem

2.1.1. Técnicas de amostragem

Amostragem é o processo de obtenção de informação dos “n” elementos

amostrais, isto é, o processo de determinação de uma amostra a ser pesquisada.
Amostra é uma parte de elementos seleccionada de uma população estatística que
consiste em duas grandes modalidades qualitativo e quantitativo.

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 devido ao acaso ou se são verdadeiramente significativas

Inferência Estatística - é o processo de obter informações sobre uma população a

partir de resultados observados na Amostra.

Unidade estatística é cada elemento da população por estudar. È precisamente

este elemento que é objecto de análise onde são procurados todos os detalhes das
variáveis ou do fenómeno a estudar.

2.1.2. Razões de uso da técnica de Amostragem

A população é infinita - quando a população é grande, como é o caso dos

infectados pelo vírus de HIV, para fins práticos, podemos admitir como infinita, em
virtude do número de infectados no mundo subir de minuto a minuto;
Economia – uma amostra é menos dispendiosa, pois observam-se menos
unidades;
Rapidez – como se constata facilmente. Geralmente para se garantir que o estudo
seja fiável, deve levar pouco tempo;
Maior precisão – é possível examinar uma amostra com mais cuidado do que a
população;
Problemas de acessos - casos de dificuldades de acesso por causa das vias de
acesso (rede) que não estão em condições, as populações estão em zonas de difícil
acesso;

Técnicas de amostragem Página 5

Estatística e probabilidade

Instabilidade Política – referindo-se a guerras, tumultos e outros;

Problemas Demográficos – Algumas zonas com maior extensão territorial podem
apresentar pouca densidade populacional, etc.

2.1.3. Plano de Amostragem

 Definir os Objectivos da Pesquisa
 População a ser Amostrada
 Parâmetros a ser Estimados (Objectivos)
 Definição da Unidade Amostral
 Selecção dos Elementos que farão parte da amostra
 Forma de selecção dos elementos da população
2.1.4. Etapas de realização de um inquérito por amostragem.
 Determinar o tipo de amostragem que o inquérito requer mediante a extensão
e conhecimento da população, território do inquérito, acessibilidades,
duração, custos.
 Calcular ou determinar o tamanho da amostra, tomando em consideração as
principais características da população que constitui a unidade de análise.
 Construir a amostra (através da listagem de pessoas ou dos elementos da
população a interrogar, procurando recolher as suas informações de forma
mais precisa.
 Definição com clareza dos objectivos do inquérito;
 Definição de população a ser estudada e da unidade estatística;
 Definir as bases teóricas e práticas da sondagem (variáveis, tamanho, etc.);
 Elaborar o questionário com instruções de notação (simulação da validação
dos dados);
 Escolha do período de referência para a recolha das informações;
 Organização, processamento, controle dos dados, análise e interpretação
dos resultados;
 Realização das inferências e divulgação dos resultados

Ainda em relação a representatividade de uma amostra, são considerados dois

princípios básicos:

Técnicas de amostragem Página 6

Estatística e probabilidade

Quando maior for a fracção de amostragem maior será a probabilidade de obter

𝑛
uma amostra representativa. 𝑓 𝑁.

Se a população tem mais 10000 unidades estatísticas e a fracção de amostragem é

de pelo menos 0.1 (ou 10%), a amostra tem uma probabilidade aceitável de ser
representativa.

3. MÉTODOS DE AMOSTRAGEM

Entre vários métodos ou procedimentos usados nas investigações, podem-se

classificar dois tipos principais de métodos de selecção de elementos para a
composição da amostra: métodos probabilísticos e métodos não probabilísticos.

3.1. Métodos Probabilísticos

Os métodos probabilísticos ou aleatórios são aqueles em que cada unidade

estatística tem uma certa probabilidade conhecida de pertencer na amostra, e esta
probabilidade é diferente de zero. A amostragem aleatória é a base da inferência
estatística, pois, este método garante cientificamente e aplicação das técnicas
estatísticas de inferências.

3.1.1. Amostragem aleatória Simples

É o processo mais elementar e frequentemente utilizado. Todos os elementos da

população têm igual probabilidade de serem escolhidos. Para uma população finita o
processo deve ser sem reposição. Todos os elementos da população devem ser
numerados. Para realizar o sorteio dos elementos da população deve se usar a
(tabela de números aleatórios).

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:

Técnicas de amostragem Página 7

Estatística e probabilidade

Pelo uso da tabela de números aleatórios:

1º Passo: Elaborar a relação dos dados brutos da população, ordenando
os números com uma numeração aleatória. Como dispomos de um conjunto de
elementos de 30 números começaremos pelo 00 até o 29, usando dois dígitos, caso
tivéssemos 1000 elementos, iniciaríamos pelo 000 até o 999, e assim
sucessivamente, usando então três dígitos.

Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto Nº hotel Ͱcusto

00 Ͱ 25mt 06 Ͱ 25mt 12 Ͱ 20mt 18 Ͱ 28mt 24 Ͱ 23mt

01 Ͱ 20mt 07 Ͱ 30mt 13 Ͱ 19mt 19 Ͱ 24mt 25 Ͱ 25mt

02 Ͱ 35mt 08 Ͱ 38mt 14 Ͱ 25mt 20 Ͱ 24mt 26 Ͱ 22mt

03 Ͱ 21mt 09 Ͱ 24mt 15 Ͱ 23mt 21 Ͱ 22mt 27 Ͱ 27mt

04 Ͱ 22mt 10 Ͱ 20mt 16 Ͱ 20mt 22 Ͱ 28mt 28 Ͱ 25mt

05 Ͱ 24mt 11 Ͱ 25mt 17 Ͱ24mt 23 Ͱ 26mt 29 Ͱ 23mt

2º Passo: Agora iremos sortear o valor de n, num tamanho igual a

10, utilizando a tabela de números aleatórios. Utilizaremos a tabela agrupando
2 em 2 números pois nossa amostra é de dois dígitos, começando de qualquer
ponto na vertical ou na horizontal, até conseguirmos sortear o tamanho de n
existente.

09 – 24mt 25 – 25mt 21 - 22mt 06 – 25mt 89 - 86 -

11 – 25mt 37 - 23- repet 21- repet 37 - 32 -
51 - 59 – 33 - 19 – 24mt 62 – 70 -
86 - 62 - 46 - 96 -
13 - 19mt 56 -
35 - 61 - 93 - 61 -
67 - 43 -
12 – 20mt 60 - 80 - 18 – 28mt
20 - 24mt 37-

Técnicas de amostragem Página 8

Estatística e probabilidade

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).

3.1.2. Amostragem estratificada

É um processo de amostragem usado quando nos depararmos com populações

heterogéneas, na qual pode-se distinguir subpopulações mais ou menos
homogéneas, denominados estratos.
Após a determinação dos estratos, selecciona-se uma amostra aleatória de cada
uma subpopulação (estrato). Isto é:

Esta amostragem é usada quando a população divide-se em subpopulações

(estratos) razoavelmente homogéneas.
A amostragem estratificada consiste em especificar quantos itens da amostra serão
retirados de cada estrato e a selecção em cada estrato deve ser aleatória.

Exemplo:02

 População de homens e mulheres ou em faixas etárias;

 Pesquisas eleitorais como:

Região; Zonas urbanas (pequenas e grandes) e rural; sexo; faixa etária; faixa de
renda, etc

Amostragem por Conglomerados (ou Agrupamentos)

Algumas populações não permitem, ou torna-se extremamente difícil que se

identifique seus elementos, mas podemos identificar subgrupos da população. Em

Técnicas de amostragem Página 9

Estatística e probabilidade

tais casos, uma amostra aleatória simples desses subgrupos (conglomerados)

podem ser escolhidas, e uma contagem completa deve ser feita no conglomerado
sorteado.
Agregados típicos são: quarteirões, famílias, organizações, agências, edifícios, etc

3.1.3. Amostragem Sistemática

Trata-se de uma variação da Amostragem Aleatória Ocasional, conveniente quando

a população está naturalmente ordenada, como fichas em um fichário, lista
telefónica, etc.
Exemplo:03

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, …

Para determinar qualquer elemento da amostra podemos usar a fórmula do termo

geral de uma P.A.: 𝑎𝑛 = 𝑎1 + (𝑛 − 1). 𝑟 .

3.1.4. Amostragem multi-etapas

É uma extensão do conceito de amostragem por conglomerados. Esta amostragem

é utilizada quando o tamanho dos conglomerados é muito grande que torna não
prático estudar todos os elementos que pertencem ao conglomerado, e ao mesmo
tempo os elementos nos conglomerados são homogéneos de tal forma que pode-se
estudar alguns elementos para conhecer toda a característica do conglomerado.

O procedimento da amostragem em duas ou mais etapas consiste em seleccionar

no primeiro estágio uma amostra aleatória simples de conglomerados e no segundo
estágio, seleccionar uma amostra aleatória simples de unidades estatísticas em
cada conglomerado. O conjunto de todos os elementos obtidos nos conglomerados
constitui a amostra. Este processo pode multiplicar-se por mais de duas etapas.

3.1.5. Amostragem multi-fásica

Não deverão se confundidos estes dois processos de amostragem: multi-etapas e

multi-fásica. No primeiro processo as unidades amostrais variam de uma etapa para

Técnicas de amostragem Página 10

Estatística e probabilidade

outra, enquanto na amostragem multi-fásica define-se sempre a mesma unidade

amostral para todas as fases de extracção de amostra. Na primeira fase, recolhe-se
dado sobre determinadas características dos inquiridos. Estas informações servem
de base para definir uma segunda amostra que responderá a um questionário com
um nível de profundidade mais elevado.

3.2. Métodos não probabilísticos ou Dirigidos

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.

3.2.1. Amostragem Acidental

A amostra acidental é um subconjunto da população formado por elementos que

são possíveis de obter até completar o número de elementos necessários para a
amostra, porém sem nenhuma segurança de que os elementos constituem uma
amostra exaustiva de todos subconjuntos possíveis do universo. Em outras
literaturas, esta amostragem é chamada de convencional ou por acessibilidade.
Geralmente é utilizada nas investigações de opinião pública onde os entrevistados
são escolhidos acidentalmente poe exemplo os pacientes atendidos em um hospital.

3.2.2. Amostragem Intencional

Esta técnica, consiste em usar um determinado critério, e escolher intencionalmente

um grupo de elementos que irão compor a amostra. Os elementos dos grupos da
população, devem apresentar uma característica típica, dai se chamar também de
amostragem típica. O investigador selecciona os grupos da população que deseja
saber as suas características típicas. Por exemplo, numa investigação sobre os
efeitos de um determinado produto cosmético, o investigador dirige-se aos salões
de beleza e entrevista as pessoas que ali se encontram.

3.2.3. Amostragem Snowball

Técnicas de amostragem Página 11

Estatística e probabilidade

Este processo de amostragem é praticamente aconselhado quando se pretende

estimar características relativamente raras na população total. O método consiste
em identificar os primeiros ou poucos elementos que possuem a característica
investigada e inquerir a estes. Na segunda fase, escolher outros entrevistados a
partir da informação obtida dos primeiros e assim por diante até obter a informação
necessária para o estudo.

3.2.4. Amostragem Sequencial

Outro tipo de amostragem dirigida que pode ser considerada relativamente

semelhante ao método multi – fásico é o da amostragem sequencial. A diferença é
que neste processo de amostragem, a realização da fase seguinte só é decidida
depois de analisados os resultados da fase anterior.

3.2.5. Amostragem por quotas

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.

Uma investigação por este método abrange três fases:

 Classificar a população em termos de propriedades ou modalidades que se

parecem relevantes para a característica a estudar;
 Determinar as proporções N1, N2, N3…,NK que constituem as partições da
população N, segundo as características que a população apresenta.
 Calcular as quotas (ni) a seleccionar no grupo Ni para pertencer a amostra
𝑛∗𝑁𝑖
𝑛𝑖 =
𝑁

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

Técnicas de amostragem Página 12

Estatística e probabilidade

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.

Repare que nesta tabela a proporção dos elementos no subgrupo populacional é

igual a proporção nos grupos cuja soma formará o número das unidades na
amostra: 𝑛𝑖 = 𝑛 ∗ 𝑝(𝑖)

Na população de tamanho N Na amostra de tamanho n

𝑁𝑖 𝑁𝑖 𝑃𝑖 𝑃𝑖 𝑛𝑖 𝑛𝑖

𝑁1 200 20% 20% 70 𝑛1

𝑁2 300 30% 30% 105 𝑛2

𝑁3 500 50% 50% 175 𝑛3

Soma 1000 100% 100% 350 Soma

4. Amostragem “com” e “sem” reposição

Seja "N" o número de elementos de uma população, e seja "n" o número de

elementos de uma amostra, então:

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

Com reposição o número de amostras será: Nn=84=4096.

Técnicas de amostragem Página 13

Estatística e probabilidade

N! 8!
Sem reposição o número de amostras será: CN,n = = = 70
n!(N−n)! 4!(8−4)!

5. DETERMINAÇÃO DO TAMANHO DE UMA AMOSTRA

Na organização do esquema de uma sondagem a ser utilizado durante a

investigação, há que considerar o problema da determinação do tamanho da
amostra que será necessário seleccionar da população. Para que uma amostra
apresente com fidelidade as características do universo, isto é, tenha uma
representatividade, não basta ser uma parte dele. Portando, o tamanho da amostra
deve ser calculado mediante determinadas proporções estabelecidas
estatisticamente, não só para recolher a informação necessária como também para
garantir a possibilidade de fazer inferência dos resultados e minimizar o tempo de
recolha de dados, o custo

5.1. Factores que determinam o tamanho de uma amostra

Os factores que determinam a extensão de uma amostra são: o tamanho do

universo que pode ser
finito ou infinito; o nível de confiança estabelecido; o erro de estimação permitido
pelos órgãosde controlo de qualidade da informação e proporção da característica
investigada no universo.

5.1.1. Tamanho do universo

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.

5.1.2. Nível de confiança estabelecido

De acordo com as estatísticas realizadas e da teoria das probabilidades, a

distribuição de qualquer informação obtida por uma amostra extraída de uma
população normalmente distribuída, se ajusta á lei normal, apresentando valores
centrais mais elevados e valores extremos mais reduzidos. Assim, o nível de
confiança é a área da curva normal que se pretende abranger, por exemplo, se

Técnicas de amostragem Página 14

Estatística e probabilidade

desejarmos fazer inferências com 95% de segurança, abrange-se 95% da área total
da curva normal. Lembre que Z  N (0,1)

Nível de confiança (β) Coeficiente de confiança (Zcr)

68.27% 1 ↔ 1*σ

95.00% 1.96 ↔ 1.96*σ

95.45% 2 ↔ 2*σ

98.98% 2.57 ↔ 2.57*σ

99.73% 3 ↔ 3*σ

Distribuição Normal Padrão e a regra de três sigmas

Normalmente nas investigações sociais, trabalha-se com 95%, significando que

existe uma probabilidade de 95% em cada 100% de que qualquer resultado obtido
da amostra seja válido para o universo. Quando se deseja maior precisão trabalha-
se com 99.7%.
5.1.3. Erro de estimação
Os resultados obtidos a partir de uma amostra não são rigorosamente exactos em
relação a população que pretendem representar. Os erros cometidos na obtenção
das estatísticas amostrais devem ser considerados quando se pretende generalizar
estes resultados. Existem dois tipos de erros numa estimativa baseada na teoria de
amostragem: erro de vieses e erros de amostragem.
Os erros de amostragem ou aleatórios são ligados com a maneira como se obtêm a
amostra e as possíveis relações entre as estatísticas e os parâmetros
populacionais. Para efeitos de utilização, o erro de estimação é a máxima diferença
que o investigador adite entre a medida populacional (parâmetro) e a medida obtida
da amostra (estatísticas) mesmo não conhecendo estas medidas.  |  |. Para

Técnicas de amostragem Página 15

Estatística e probabilidade

efeitos de simplicidade use –se geralmente as diferenças entre as médias.  |   x

|
Geralmente nas investigações sociais não se aceita um erro maior que 6%.
Considerando que o tamanho da amostra depende do erro, este deve ser decidido
antes. Quando se deseja maior exactidão deve-se diminuir o erro e
consequentemente maior é o tamanho da amostra, nas investigações do dia-a-dia
trabalha-se com um erro entre 3%    5%.
5.1.4. Proporção da característica investigada
Trata-se de ter uma estimativa da proporção (p) prévia da percentagem com que se
verifica o fenómeno que se precisa investigar na população. Na realidade é muito
difícil realizar tal estimativa, portanto, se pensar que a proporção da característica
investigada no universo é 50%, este é o caso mais desfavorável para a estimativa,
pois, é aquele em que a amostra deve ser maior. Logicamente, se a proporção
fosse de 10% para um tamanho definido, a amostra teria um menor número de
casos favoráveis.
Se p > 50% - situação favorável para o estimador (pode-se ter uma amostra
pequena);
Se p = 50% - situação não favorável para o estimador (a amostra deve ser grande)
Se p < 50% - situação muito desfavorável para o estimador (a amostra
necessariamente deve incluir o maior número possível de unidades do universo).
5.2. Cálculo do tamanho de uma amostra
Existem diversos procedimentos que são utilizados para do cálculo do tamanho de
uma amostra, nesta secção destacam-se alguns casos ao nosso nível de
abordagem da teoria de amostragem.
Caso 1. Se a variável escolhida na população for intervalar e a população
considerada for infinita, o tamanho da amostra pode ser determinada pela fórmula.
𝑧∗𝜎
𝑛= ; onde:
𝜀
Z = valor critico, obtido a partir de um nível de confiança;
 = Desvio padrão da população;
ε = Erro de estimação.
Exemplo 05:
Suponha que a variável escolhida no estudo seja o peso de certa pessoa e que a
população é infinita. Pelas especificações do produto, o desvio padrão é de 10Kg.
Admitindo -se um nível de confiança de 95.44% e um erro de estimação amostral de
1.5 kg calcule o tamanho da amostra.
Resolução
0.9544
N é infinito; ɛ =1.5;  =10; 2 ∗ Φ(z) = 0.9544 → Φ(z) = = 04772;
2

Técnicas de amostragem Página 16

Estatística e probabilidade

usando tabela de ditribuicao normal a sua probabilidade sera: z = 2

𝑧∗𝜎 2 2 ∗ 10 2
𝑛=( ) =( ) = 177.77 ≈ 18
𝜀 1.5
Caso 2. Se a variável escolhida for intervalar e a população finita, o tamanho da
𝑧 2 ∗𝜎∗𝑁
amostra será calculado por: 𝑛 = 2
𝜀 (𝑁−1)+𝑧 2 ∗𝜎 2
Exemplo 06:
Suponha ainda que no exemplo anterior, a população seja finita de 600 pessoas.
Calcule o tamanho da amostra.
Resolução
𝑧2 ∗ 𝜎 ∗ 𝑁 22 ∗ 10 ∗ 600
𝑛= 2 = = 137,31 ≈ 137
𝜀 (𝑁 − 1) + 𝑧 2 ∗ 𝜎 2 1.52 (600 − 1) + 2 ∗ 102
Caso 3. Se a variável escolhida for nominal ou ordinal, e a população considerada
𝑧 2 ∗𝑝∗𝑞
infinita, o tamanho da amostra poderá ser calculado pela fórmula: 𝑛 =
𝜀2
onde: P = proporção da característica investigada na população, e pode ser
expresso em percentagem ou decimais. Q = 1-p, proporção da característica não
investigada na população.
Exemplo 07:
Um investigador pretende saber as atitudes dos estudantes universitários em
relação a suas experiências pré - matrimoniais, a proporção dos estudantes que
apresentam um lar satisfeito é de 50%. A investigação deve ser realizada a um nível
de confiança de 99.7% e a um erro de 4%, qual deve ser o tamanho da amostra
representativa se o número dos estudantes é mais que 100.000 unidades
estatísticas.
Resolução
N é infinito; p = q = 50%; ε = 4%, γ = 0.997 → 2,96
z2 ∗p∗q 2.962 ∗50∗50
n= = = 1369
ε2 42

Caso 4. Se a variável escolhida for nominal ou ordinal e a população finita, o

𝑧 2 ∗𝑝∗𝑞∗𝑁
tamanho da amostra será calculado por: 𝑛 = 2
𝜀 (𝑛−1)+𝑧 2 ∗𝑝∗𝑞
Exemplo 08:
Suponha que na investigação das atitudes dos estudantes universitários em relação
a suas experiências pré-matrimoniais, os estudantes não passam de 50.000, além
disso o investigador quer trabalhar apenas com um nível de confiança de 95% e um
erro de estimação de 4%. Qual deve ser o tamanho mínimo da amostra para que

Técnicas de amostragem Página 17

Estatística e probabilidade

seja representativa. Considere 50% a proporção dos estudantes com a

característica investigada.
Resolução
𝑛 = 5000; 𝑝 = 𝑞 = 50%; 𝜀 = 4% ; 𝛾 = 95% 𝑒𝑛𝑡𝑎𝑜 2Φ(𝑧) = 0.95 → Φ(𝑧) = 0.4750 →
𝑧 = 1.96
𝑧 2 ∗𝑝∗𝑞∗𝑁 1.962 ∗50∗50∗5000
𝑛= = = 593.1
𝜀2 (𝑁−1)+𝑧 2 ∗𝑝∗𝑞 4 2 (5000−1)+𝑧 2 ∗50∗50

6. DISTRIBUIÇÕES AMOSTRAIS

Um dos problemas da inferência estatística é de tirar conclusões de uma população

a partir dos resultados observados na amostra. Logo, cabe ao observador da
amostra usar relações mais adequadas entre os parâmetros populacionais e as
estatísticas amostrais. Estimador é qualquer variável aleatória função dos elementos
amostrais. O valor numérico de um estimador é denominado uma estimativa.
Consideremos todas amostras de tamanho n que podem ser extraídas de uma
determinada população. Se para cada uma destas amostras for calculado o valor do
estimador. Tem - se uma distribuição amostral desse estimador. Como o estimador
é uma variável aleatória, então pode - se encontrar a sua média, variância, desvio
padrão.

6.1. Distribuição amostral das médias

Se for extraída uma amostra de tamanho n, a média da amostra será X. Se forem

extraídas k amostras do tamanho n, e para cada amostra for calculada a estimativa
da média amostral, forma se uma população das médias amostrais e a distribuição
correspondente chama-se distribuição amostral das médias.𝑋̅ = {𝑥̅1 , 𝑥̅1 , 𝑥̅2 , 𝑥̅ 3 , … , 𝑥̅𝑘 }

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

Teorema 2. Se a população é infinita ou se a amostragem é com reposição, então a

𝜎2 𝜎
variância da distribuição amostral das médias é dada por: 𝜎 2 (𝑥̅ ) = 𝑜𝑢 𝜎(𝑥̅ ) =
𝑛 √𝑛

Técnicas de amostragem Página 18

Estatística e probabilidade

Teorema 3. Se a população é finita, ou se amostragem é sem reposição, então a

variância da distribuição amostral das médias é dada por:
𝜎2 𝑁−𝑛 𝜎 𝑁−𝑛
𝜎 2 (𝑥̅ ) = ∗( ) 𝑜𝑢 𝜎 2 (𝑥̅ ) = 𝑛 ∗ √( 𝑁−1)
𝑛 𝑛

Exemplo: 09

Considere uma população constituída pelas séries das unidades estatísticas:

X ={2; 3; 5; 7; 8}

a) Determine as estimativas dos parâmetros pontuais: a média, a variância e o

desvio padrão.
b) Considere todas amostras possíveis de tamanho 2 que podem ser extraídas
com reposição e apresente a distribuição amostral das médias amostrais.
c) Calcule a média e desvio padrão da distribuição amostral das médias.
d) A partir das relações entre as estatísticas e os parâmetros populacionais
calcule a média e o desvio padrão da distribuição amostral.
e) Usando uma amostragem aleatória sem reposição, apresente a distribuição
amostral das médias

Resolução

a) X= {2,3,5,7,8} logo N=5

∑ 𝑥𝑖 ∑(𝑥𝑖−𝜇)2 26
b) 𝜇 = =5 𝜎2 = = = 5.2; 𝜎 = 2.28. Como N = 5, para
𝑁 𝑁 5

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.

25 Amostras de tamanho 2 25 Medias das amostras

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

Técnicas de amostragem Página 19

Estatística e probabilidade

∑ 𝑥̅ 𝑖 125 ∑(𝑥̅ 𝑖−𝜇(𝑥̅ ))2 65

c) 𝜇(𝑥̅ ) = = =5 𝜎2 = = 25 = 2.6; 𝜎 = 1,61
𝑁 25 𝑁
𝜎 2.28
d) 𝐸(𝑥) = 𝜇(𝑥) = 𝜇 = 5.0 ; 𝜎(𝑥) = = = 1.61
√𝑛 √2

e) Para amostragem sem reposição as amostras se diferem por, pelo menos,

um elemento, então C(5;2) = 10 amostras.

10 Amostras de tamanho 2 10 Medias das amostras

2,3 2,5

2,5 3,5 3,5 4,0

2,7 3,7 5,7 4,5 5,0 6,0

2,8 3,8 5,8 7,8 5,0 5,5 6,5 7,5

6.2. Distribuicao amostral das Proporcoes

Se 𝑝 é uma proporcao de ocorrencia com sucesso de um evento e 𝑞 = 1 − 𝑝, seu

insucesso, e uma amostra de tamanho 𝑛 é extraída de 𝑁, a amostra fornecera uma
proporção 𝑝 = 𝑛\𝑁 de eventos ocorridos com sucesso. Para 𝑘 amostras de
tamanho 𝑛 receber-se-á u,a distribuição amostral das proporções 𝜇𝑝 , desvio padrao,
𝜎𝑝 que são dadas pelas formulas:

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

Técnicas de amostragem Página 20

Estatística e probabilidade

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

6.3. Distribuição amostral das variâncias

Seja 𝜎 2 a variância populacional e 𝑠 2 (variância amostral), o estimador da variância

populacional.
Se se desejar saber qual é a distribuição da variância amostral, pode – se usar a
2∗𝜎4
relação: 𝐸(𝑠 2 ) = 𝜎 2 e 𝑣𝑎𝑟(𝑠 2 ) = ; Onde 𝑠 2 tem distribuição do qui-quadrado
𝑛−1
(𝑛−1∗𝑠2 ) 2
com (𝑛 − 1) graus de liberdade; ou seja: ≈ 𝑥𝑛−1 .Graficamente a relação
𝜎2

entre a variância amostral e a variância populacional é dada pela distribuição de qui-

quadrado.

6.4. Distribuição amostral das médias com variância populacional

desconhecida.

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

portanto o valor do desvio padrão populacional (𝜎), é substituído pela variável

aleatória 𝑠 (desvio padrão amostral), e procuramos a distribuição da estatística t.
Neste caso, pode – se mostrar que t em uma distribuição de Student com 𝑛 − 1
𝑥̅ −𝜇
graus de liberdade, assim: 𝑡𝑛−1 = 𝑠
√𝑛

Técnicas de amostragem Página 21

Estatística e probabilidade

7. Conclusão

Diante a busca incessante pela economia e melhoria contínua é fundamental para

que se obtenha esses resultados no uso das as técnicas de amostragem,
diminuição dos custos da pesquisa e rapidez envolvida no processo do estudo da
população.
Concluiu-se que quando temos uma população muito grande ou infinita é vantajoso
que se use uma parte da população "a amostra" razão pela qual estudar as técnicas
de amostragem para melhor escolha da amostra.
A teoria de amostragem estuda a relação que existem entre população e amostras
extraídas dessa população.
Tem várias formas de escolher a amostra: aleatória simples, estratificada, por
conglomerados e sistemática. Existem também fases ou etapas a seguir para a
construção das amostras.

Técnicas de amostragem Página 22

Estatística e probabilidade

8. Referencias Bibliográficas

[01] COSTA NETO, P.L.O.; CYMBALISTA, M. (1994). Probabilidades. São

Paulo: Edgard Blucher.

[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.

[05] SNEDECOR, G. W.; COCHRAM, W. G. (1989). Statistical Methods. 8rd ed.

Iowa: Iowa State University Press, 1989.

[06] WONNACOTT, T.H.; WONNACOTT, R. J. (1990). Introductory Statistics.

New York. John wiley & Sons;

Técnicas de amostragem Página 23