Índice

Introdução..........................................................................................................................4

Tipos de amostragem.........................................................................................................5

Amostragem acidental.......................................................................................................5

Amostragem intencional....................................................................................................6

Exemplo de amostragem intencional.............................................................................6

Amostragem Snowball......................................................................................................7

Amostragem por cotas.......................................................................................................9

Etapas para executar amostragem de cota.....................................................................9

Exemplos de amostragem de cotas..............................................................................10

Vantagens.....................................................................................................................11

Amostragem probabilística aleatória simples..............................................................11

Etapas para selecionar uma amostra aleatória simples............................................11

Vantagens da amostragem aleatória simples...............................................................12

Também existem algumas desvantagem..................................................................12

Amostragem sistemática..................................................................................................13

Passos para seleção de uma Amostragem Sistemática................................................13

Amostragem por conglomerados.....................................................................................14

Amostragem por conglomerados e seus subtipos........................................................15

Subtipo com base no número de etapas...................................................................15

A amostragem por conglomerados de uma etapa....................................................15

Amostragem por conglomerados em duas etapas....................................................15

Amostragem por conglomerado de etapas múltiplas...............................................16

Determinação de tamanho de amostra.............................................................................16

Conclusão........................................................................................................................19

Bibliografia......................................................................................................................20
Introdução

Este presente trabalho sobre tipos de amostragem em que foram detalhados todos tipos
de amostragem e métodos de determinação de tamanho de amostra. Em várias ocasiões
há de se proceder à coleta de dados directamente na origem, isto é, dos sujeitos com
quem pretendemos realizar determinado estudo, em geral não se acesso a toda a
população em que desejamos estudar o fenómeno, com isso recorremos a uma amostra
da nossa população de interesse.
Tipos de amostragem

• Amostragem Não - Probabilística: São amostragens em que há uma escolha de

liberada dos elementos da amostra. Dependido dos critérios e julgamento do
pesquisador
• Amostragem Não-Probabilística: São amostragens em que há uma escolha
deliberada dos elementos da amostra. Depende dos critérios e julgamento do
pesquisador. Seleção é aleatória de tal forma que cada elemento da população
tem uma probabilidade conhecida de fazer parte da amostra. São métodos
rigorosamente científicos.

Tipos de amostragem não-probabilística

• Amostragem acidental;
• Amostragem sequencial;
• Amostragem intencional;
• Amostragem por cotas;
 Amostragem Snow Ball

Amostragem acidental

A amostragem probabilística, também denominada amostragem

aleatória1 ou amostragem acidental, é aquela em que a seleção da amostra depende de
dada lei probabilística. A lista completa das unidades de amostragem constitui o sistema
de referência ou fundamentos de amostragem. Na amostragem aleatória simples, uma
proporção de unidades de amostragem é escolhida dos fundamentos, ao acaso, isto é,
procede-se à seleção aleatória dos elementos. A razão entre o número de elementos que
compõem a amostra e o total da população é chamada fração de amostragem.
As amostras sistemáticas6 são retiradas de um sistema de referência no qual as unidades
estão numeradas em seqüência. A amostra é extraída, tomando-se a nésima, (n
+ s)esima, (n + 2s)esima. . . etc. unidade, onde n não é maior que s e é selecionada
aleatoriamente. Na amostragem por conglomerados, os elementos que constituem a
amostra não são extraídos individualmente, mas sim em grupos
chamados conglomerados
Amostragem intencional

Amostragem intencional é uma técnica de amostragem na qual a pessoa encarregada de

conduzir a investigação depende de seu próprio julgamento para escolher os membros
que farão parte do estudo.

A amostragem intencional é um método de amostragem não probabilístico, isso ocorre

quando “os elementos selecionados para a amostra são escolhidos pelo critério do
investigador”. Vale ressaltar que os pesquisadores geralmente acreditam que podem
obter uma amostra representativa usando o bom senso, o que obviamente resulta em
economia de tempo e dinheiro.

Exemplo de amostragem intencional

Um exemplo de amostragem intencional é encontrado quando os repórteres param as
pessoas na rua para perguntar sobre suas opiniões, por exemplo, sobre uma questão
política ou qualquer outra questão específica.

É importante especificar que o repórter deve ter um critério específico ao escolher quem
fará as perguntas na rua; se não houvesse critérios anteriores, não seria uma amostragem
intencional, seria uma amostragem aleatória.

Como alternativa, o método de amostragem intencional pode ser mais eficaz quando o
número de pessoas que podem participar da investigação é limitado.

Por exemplo, para uma investigação que analise, por exemplo, o luto pela perda de um
parente relacionado ao desempenho da pessoa no trabalho, o investigador pode usar seu
próprio julgamento para escolher se é prudente que a pessoa participe ou não de uma
entrevista profunda.

A amostragem intencional, também conhecida como amostragem discricionária ou

amostragem experimental; é usada para ajudar a responder à principal questão de uma
investigação.

Dependendo do tipo de caso, a amostragem intencional pode ser dividida nas seis
categorias a seguir:

1.- Caso típico. Esses são casos comuns e normais.

2.- Caso extremo. A obtenção de amostras desse tipo de investigação pode ser
percebida como algo incomum ou raro; um exemplo disso pode ser o de explorar os
motivos da falha corporativa entrevistando executivos que foram demitidos pelos
acionistas.

3.- Amostragem de casos críticos. Isso se concentra em casos específicos que

geralmente são dramáticos ou muito importantes.

4.- Amostragem heterogênea ou variação máxima. Isso se baseia nos critérios do

pesquisador para selecionar participantes com características diferentes. A razão pela
qual isso é feito é garantir a presença máxima de variabilidade nos dados primários.

Amostragem Snowball

A amostra por bola de neve é uma técnica de amostragem não probabilística onde os
indivíduos selecionados para serem estudados convidam novos participantes da sua rede
de amigos e conhecidos. O nome de "bola de neve" provem justamente desa ideia: do
mesmo modo que uma bola de neve rola ladeira a baixo, cada vez mais ela aumenta seu
tamanho. O mesmo ocorre com a essa técnica amostral, ela vai crescendo a medida que
os indivíduos selecionados convidam novos participantes.

Quando você deseja estudar um grupo específico (por exemplo, colecionadores de

selos), pode ser muito mais eficaz obter uma amostra através de conhecidos e amigos
dos colecionadores, do que uma seleção puramente aleatória, onde um grande número
de indivíduos podem ser descartados. Supostamente, é provável que um colecionador de
selos conheça outros colecionadores de selos, o que torna esta técnica uma maneira
eficaz para acessar a pessoas que poderiam ser inacessíveis para o pesquisador.

Portanto, a técnica de bola de neve funciona muito bem quando queremos agrupar
indivíduos e favorecer seu contato social. É mais comum do que parece. Obviamente,
colecionadores, profissionais ou praticantes de algum esporte específico podem cumprir
com essa premissa, mas também se aplica a outros grupos, como pacientes com uma
doença rara, por exemplo, como suas circunstâncias pessoais fazem com que entrem em
contato com outras pessoas com a mesma característica (no consultório do médico, em
associações, etc).

Processo

O processo de criação de uma amostra por bola de neve se fundamenta em usar a rede
social dos indivíduos iniciais para ter acesso ao coletivo. Podemos dividir esse processo
nos seguintes passos:

Definir um programa de participação, onde os indivíduos convidam outros membros.

Identificar grupos ou organizações que podem fornecer acesso a alguns indivíduos

iniciais que cumpram com a característica do estudo.
Após obter os contatos iniciais, precisamos pedir sua participação. Esta parte
seria similar a uma técnica de amostra convencional, porém destinada a obter um
tamanho de amostra reduzida.

Posterior a primeira entrevista, solicitamos aos participantes o acesso aos outros

convidados.

Assegurar a diversidade dos contatos através da seleção adequada dos indivíduos

iniciais e promover que a recomendação não se limite apenas a contatos próximos.

Tipos de amostra bola de neve

Amostra lineal: Cada indivíduo participante deve recomendar outro indivíduo, de

forma que a amostra cresça num ritmo linear.

Amostra exponencial: Cada indivíduo precisa convidar dois ou mais indivíduos a

participar da amostra. Dessa forma, quanto mais gente participar do estudo, mais
pessoas serão adicionadas.

 Vantagens e inconvenientes

• As principais vantagens dessa técnica são:

• Realizar amostra populações de difícil acesso.
• É um processo econômico e simples.
• Requer planejamento e poucos recursos humanos: os próprios entrevistados
fazem a mão de obra.

Amostragem sequencial

A amostragem sequencial destina-se a utilizar amostras de tamanho variável onde são

testadas hipóteses sobre os parâmetros, ao contrário da amostragem convencional que
utiliza número fixo de unidades amostrais. Denominada por Teste Sequencial da Razão
de Verossimilhança (TSRV) ´e um procedimento onde amostras são retiradas em
sequência e as decisões feitas após a leitura de cada amostra. O TSRV permite testar,
com o menor tamanho de amostras, as hipóteses H 0 : θ = θ0 ”versus”H0 : θ = θ1, onde θ
representa o parâmetros de interesse, e θ1 > θ0. Assim, formulada uma hipótese, a
rejeição de H0 (aceitação de H1), pode indicar a necessidade de controle da praga, e a
aceitação de H0 o não-controle.

A distribuição utilizada para descrever os estudos em entomologia depende da unidade

amostral, do comportamento da espécie e do tipo de avaliação que é feita, cujas
distribuições podem ser descritas por Poisson, binomial e binomial negativa. O plano de
amostragem sequencial considerado em entomologia para a distribuição espacial da
praga, usando por exemplo o modelo binomial negativo, segue as seguintes hipóteses

H 0=
¿ ( 1−α
β
) H 0=
¿ ( 1−α
β )

[ ( )] [ ( )]
θ1 ( θ0 +k ) e θ1 ( θ0 +k )
¿ ¿
θ +k θ0 + k
θ0 0 θ0
θ1 +k θ1 +k

em que θ0 = nível de segurança θ1 = nível de controle. Além disso, as taxas de erro (α e

β) de predizer uma densidade populacional não prejudicial como sendo prejudicial, e
vice versa, respectivamente, são fixadas. Um plano de amostragem sequencial para
avaliação de infestação de bicho mineiro foi apresentado por, entre outros autores da
área de entomologia. Já é um dos poucos trabalhos que utilizaram a amostragem
sequencial na avaliação sensorial de alimentos.

Amostragem por cotas

A amostragem por cotas é um método de amostragem não probabilístico, no qual os

pesquisadores podem formar uma amostra de indivíduos que representam uma
população e são escolhidos de acordo com suas características ou qualidades.

Os pesquisadores podem decidir o recurso pelo qual a seleção do subconjunto da

amostra será realizada para que seja eficaz na coleta de dados e possa generalizar toda a
população. O subconjunto final será decidido apenas de acordo com o conhecimento da
população pelo entrevistador ou pesquisador.

Nos estágios iniciais de um estudo, os pesquisadores podem coletar dados

representativos de uma amostra formada usando o método de amostragem por cota. É
muito semelhante à amostragem estratificada, que é um método probabilístico de
amostragem. A principal diferença entre essas duas técnicas é que, na amostragem por
cota, os elementos da amostra não são selecionados aleatoriamente de cada estrato,
como é feito na amostragem aleatória estratificada.

Etapas para executar amostragem de cota

As técnicas probabilísticas de amostragem envolvem uma quantidade significativa de
regras que devem ser seguidas para formar amostras. No entanto, como a amostragem
por cota é uma técnica de amostragem não probabilística, não há regras para a criação
formal de amostra. Geralmente, há quatro etapas que podem ser seguidas para formar
uma amostra:
O passo mais importante é dividir a população inteira em subgrupos; em que os
elementos de cada um dos subgrupos devem fazer parte de apenas um desses subgrupos.

Por exemplo, se um pesquisador quiser entender seu mercado-alvo para uma próxima
variante de aparelhos auditivos Bluetooth, o nicho mais preciso que eles podem atingir
será baseado em faixas etárias.

Espera-se que o pesquisador avalie a proporção em que existem subgrupos na

população. Essa proporção deve ser mantida na amostra selecionada usando este método
de amostragem.

Por exemplo, se 58% das pessoas interessadas em comprar seus fones de ouvido
Bluetooth tiverem entre 25 e 35 anos, seus subgrupos também deverão ter as mesmas
porcentagens de pessoas pertencentes à respectiva faixa etária.

Na terceira etapa da amostragem de cotas, o pesquisador deve selecionar o tamanho da

amostra; mantendo a proporção avaliada na etapa anterior. Se o tamanho da população
for 500, o pesquisador pode escolher uma amostra de 50 itens.

A amostra escolhida após as três primeiras etapas deve representar a população-alvo.

Exemplos de amostragem de cotas

A amostragem de cota é realizada com um estrato / subgrupo do qual o pesquisador é
livre para escolher o subconjunto. A maneira de realizar a pesquisa e o subconjunto
sobre o qual será realizada será decidida unicamente pelo pesquisador. Por esse motivo,
a amostragem por cotas é considerada uma técnica de amostragem não probabilística.

Quando um pesquisador procura realizar uma análise comparativa do mercado e saber

como usar um produto, de acordo com diferentes faixas etárias, contexto
socioeconômico e também por gênero, as cotas são criadas dentro da população-alvo de
acordo com essas três variáveis.

O pesquisador pode criar múltiplos estratos com base em três variáveis considerando a
proporção de cada variável que existe dentro da população. De acordo com o modo de
 pesquisa on-line ou off-line, o pesquisador pode realizar pesquisas ou questionários para
coletar dados para o estudo.

Vantagens
 Devido à participação de uma taxa para a criação de amostras, esse processo de
amostragem é rápido e fácil.
 Usando amostragem de cota e perguntas de pesquisa apropriadas, a interpretação das
informações é um processo muito conveniente para o pesquisador.
 A representação efetiva de uma população pode ser feita usando amostragem de cotas
e não há espaço para super-representação; uma vez que essa técnica de amostragem
ajuda os pesquisadores a estudar uma população usando cotas específicas.
 O orçamento necessário para executar este método de amostragem é mínimo.

Probabilidades Probabilísticas

Amostragem probabilística aleatória simples

Amostragem aleatória simples dá a cada elemento da população alvo a mesma
probabilidade de serem selecionados, pois essa seleção é feita em forma de sorteio.

Etapas para selecionar uma amostra aleatória simples

1. Definir a população-alvo.
2. Identificar um quadro de amostragem atual da população-alvo ou desenvolva um
novo.
3. Avaliar o quadro de amostragem para a falta de cobertura, cobertura excessiva,
cobertura múltipla e agrupação.
4. Determinar um número único para cada elemento da trama.
5. Calcular o tamanho da amostra. (use nossa calculadora)
6. Selecionar aleatoriamente o número específico de elementos da população
 Para selecionar o número de elementos da população é possível recorrer ao método
de loteria. Isto é, uma tabela de números aleatórios é gerado através de um
programa de computador. Como resultado, em um sistema de sorteio, os números
que representam cada um dos elementos da população alvo são colocados em
fichas.
 Após isso, as fichas são misturadas.
  Em seguida, selecionam as fichas a partir do recipiente até que se tenha obtido o
tamanho da amostra desejada.
 Em uma tabela de números aleatórios não se segue um padrão particular. Eles
podem ser lidos de qualquer maneira, ou seja, horizontal, vertical, diagonal, para
frente ou para trás.
 O número de dígito utilizado deve corresponder ao tamanho total da população-
alvo e o número que o investigador encontra que não combina com o atribuído ao
elemento da população-alvo é ignorado.
 Você também pode usar um software estatístico ou planilha de cálculos para gerar
números aleatórios, e os elementos de populações cujos números correspondem
aos números atribuídos gerados pelo software são incluídos na amostra.
 Você pode selecionar um número de uma tabela  aleatória para usá-lo como o
número de partida para o procedimento.

Subtipos de amostragem alectória simples

Existem dois tipos de amostragem aleatória simples:

1. de reposição – um item que é selecionado no quadro de amostragem, é devolvido e

pode ser elegível novamente.
2. sem reposição – o item depois de escolhido uma vez, é retirado e não pode mais ser
selecionado.

Vantagens da amostragem aleatória simples

(comparado com outros métodos de amostragem probabilística)

1. Cada combinação possível de amostragem tem igual probabilidade de ser

selecionado. É mais fácil de compreender e comunicar a outros.
2. Tende a produzir amostras representativas.
3. Os procedimentos estatísticos necessários para analisar erros de dados e de software
de estatística são mais fáceis.

Também existem algumas desvantagem

(comparado com outros métodos de amostragem probabilística)

1. Não tirar proveito do conhecimento que o pesquisador poderia ter sobre a população.
2. Ter erros maiores e com menos precisão do que outros projetos de amostragem com o
mesmo tamanho da amostra.
3. Subgrupos da população tem interesses particulares e não podem ser incluídos com
um número suficiente na amostra.
4. Com a população dispersa, em que os custos por coleta de dados podem ser mais
altos do que de outros modelos da amostra

Amostragem sistemática 

A amostragem sistemática é um tipo de amostragem probabilística, onde se faz uma

seleção aleatória do primeiro elemento para a amostra e logo se selecionam os itens
subsequentes utilizando intervalos fixos ou sistemáticos até chegar ao tamanho da
amostra desejada.

Passos para seleção de uma Amostragem Sistemática

1. Definir a população-alvo. Determinar o tamanho da amostra desejada (n).
2. Identificar a estrutura de amostragem existente ou desenvolver um quadro de
amostragem da população-alvo.
3. Avaliar o quadro de amostragem por falta de cobertura, cobertura excessiva,
múltipla cobertura, agrupamento, periodicidade, e fazer os ajustes quando seja
necessário, de maneira ideal, a lista estará em ordem aleatória com respeito ao
estudo variável ou, melhor ainda, ordenados de acordo com a variável de
interesse ou sua correlação, criando assim estratificação implícita.

4. Determinar o número de elementos na estrutura de amostragem (N).

5. Calcular o intervalo de amostragem (i)dividindo o número de elementos na
estrutura de amostragem (N) pelo  tamanho da amostra específica (n). Um
deveria ignorar o resto e arredondar ou acabar no número inteiro mais próximo.
O arredondamento para menos e truncando fará que o tamanho da amostra seja
maior do que o desejado. Se assim for, se pode eliminar de forma aleatória as
seleções adicionais. Se não conheces o tamanho exato, ou é pouco prático para
determinar, você pode fixar uma fração de amostragem.
6. Selecione um número aleatório, r, de “1” mediante i.
7. Selecione para a amostra  r, r + I, r + 2i, r, + 3i, e assim por diante, até esgotar o
quadro.
 Ex.: Aplicar um questionário de satisfação sobre os serviços prestados por uma agência
bancária em 10 clientes de um banco de dados de 100 pessoas.
Para encontrarmos os pontos onde faremos as coletas sistemáticas das amostras,
podemos seguir os seguintes passos:
1º Calcular a razão R=N/n onde N é o tamanho da população e n é o tamanho da
amostra
2ª Sortear um número de 01 a R.
3º Obter a amostra: número sorteado, número sorteado + R, número sorteado +2R,
número sorteado +3R.
Exemplo: N= 100 n = 10 R =100/10 = 10 R=10 número sorteado = 8
Amostra: 8, 18, 28, 38, 48, 58, 68, 78, 88 e 98.

Amostragem por conglomerados

Amostra por conglomerados é um procedimento de amostragem probabilística em que

os elementos da população são selecionados aleatoriamente. De forma natural por
grupos (clusters).

Amostra por conglomerados, passos

1. Definir a população-alvo.
2. Determine o tamanho da amostra desejada.
3. Identificar um quadro de amostragem existente ou desenvolver um novo quadro de
amostragem dos grupos da população alvo.
4. Avaliar o quadro de amostragem para a falta de cobertura, cobertura excessiva
múltiplas coberturas, e agrupamento, e fazer ajustes quando seja necessário.
Idealmente, os grupos seriam tão heterogêneos como a população, mutuamente
exclusivas e coletivamente exaustivas. A duplicação de elementos da amostra pode
aparecer se os elementos da população pertencem a mais de um grupo. A omissão
dará lugar a uma linha de cobertura.
5. Determinar o número de grupos que você selecione. Isto pode ser feito dividindo-se o
tamanho da amostra por o número pro médio  estimado de elementos da população
em cada grupo. Na medida em que a homogeneidade e a heterogeneidade dos grupos
sejam diferentes ao da população, o número do grupo fica maior e aumenta  a
precisão. Além disso, se as diferenças aumentam, a precisão diminui.
6. Selecionar aleatoriamente o número previsto das agrupações.

Amostragem por conglomerados e seus subtipos

Duas grandes dimensões são utilizadas para classificar os diferentes tipos
de amostragem por conglomerados. Uma baseia-se no número de fases do projeto da
amostra, e o outra na representação proporcional de grupos na amostra total.

Subtipo com base no número de etapas 

Muitas vezes amostragem por conglomerados é realizada em mais do que uma “etapa”.
Uma etapa é um passo dentro do processo de amostragem em que uma  se torna uma
amostra.

Considerando o número de fases do projeto, existem três principais subtipos de

amostragem de uma só etapa, de duas etapas e  amostragem por conglomerado de etapas
múltiplas. (cluster).

A amostragem por conglomerados de uma etapa

A amostragem é feita uma vez; um exemplo seria, digamos que você está interessado no
estudo das pessoas sem casa e que vivem em abrigos.

Se houver cinco abrigos em uma cidade, um pesquisador selecionará aleatoriamente um

dos abrigos e logo incluirá o estudo a todas as pessoas sem casa que residem no abrigo
selecionado.

Um pesquisador de mercado poderia optar por usar um projeto de amostragem por

conglomerados de uma só etapa.

Amostragem por conglomerados em duas etapas

O projeto inclui todas os passos da concepção de uma amostragem por conglomerados,
com uma exceção do último passo; em vez de incluir todos os elementos dos grupos de
amostras selecionadas, uma amostra aleatória (uma amostra aleatória simples, por
amostragem estratificada ou de amostra sistemática) se tornam os elementos de cada
grupo selecionado.
 A amostragem por conglomerado (Cluster)  de uma etapa se refere , as vezes, como uma
sub-amostragem. Em geral, a menos que os grupos sejam homogêneos, um desenho  de
amostra de conglomerados em duas etapas é melhor do que uma de uma única etapa.

Amostragem por conglomerado de etapas múltiplas

As pesquisas de grandes áreas geográficas exigem um desenho da amostra algo mais
complicado do que os descritos até esse ponto; normalmente, você deve usar um
desenho de amostra por conglomerados, de etapas múltiplas, que consiste na repetição
de dois passos básicos: Lista e  toma de amostragem.

Tipicamente, em cada etapa, os grupos tornam -se progressivamente menores em

tamanho; e na última etapa se utiliza o elemento de amostragem; os procedimentos de
amostragem (aleatória simples, estratificada, ou a sistemática) podem ser diferentes em
cada etapa. 

Determinação de tamanho de amostra

Erro Amostral é a diferença entre um resultado amostral e o verdadeiro resultado

populacional; tais erros resultam de flutuações amostrais aleatórias.
Ocorrem erros não-amostrais quando:
• Os dados amostrais são coletados, registrados ou analisados incorretamente.
• Há uma utilização de um instrumento defeituoso durante a realização de mensurações.
• Um questionário ou formulário possui questões formuladas de modo tendencioso
[Triola, 1999].
Não podemos evitar a ocorrência do ERRO AMOSTRAL, porém podemos limitar seu
valor através da escolha de uma amostra de tamanho adequado. Obviamente, o ERRO
AMOSTRAL e o TAMANHO DA AMOSTRA.
Determinação do tamanho de uma amostra com base na estimativa da média
populacional
Suponha, por exemplo, que queiramos estimar a renda média de pessoas que concluíram
um curso superior, no primeiro ano após a formatura. QUANTAS rendas devemos incluir
em nossa amostra? A determinação do tamanho de uma amostra é problema de grande
importância, porque:
• amostras desnecessariamente grandes acarretam desperdício de tempo e de dinheiro;
• e amostras excessivamente pequenas podem levar a resultados não confiáveis.
Em muitos casos é possível determinar o tamanho mínimo de uma amostra para estimar
um parâmetro estatístico, como por exemplo, a MÉDIA POPULACIONAL (µ) .
A fórmula para cálculo do tamanho da amostra para uma estimativa confiável da MÉDIA
POPULACIONAL (µ) é dada por:

( )
σ 2
Zα ∕ 2
n=
E
Onde:
n = Número de indivíduos na amostra
Z α ∕ 2 σ = Valor crítico que corresponde ao grau de confiança desejado.
σ = Desvio-padrão populacional da variável estudada (no exemplo, RENDA).
E = Margem de erro ou ERRO MÁXIMO DE ESTIMATIVA. Identifica a diferença
máxima entre a MÉDIA AMOSTRAL e a verdadeira MÉDIA POPULACIONAL.

Determinação do tamanho de uma amostra com base na estimativa da proporção

populacional
Outro parâmetro estatístico cuja determinação afeta o tamanho da amostra é a proporção
populacional. Tomemos, como exemplo, a necessidade de determinar a proporção de
pessoas atendidas por uma Unidade de Saúde, originárias do município de Cariacica.
A fórmula para cálculo do tamanho da amostra para uma estimativa confiável da
PROPORÇÃO POPULACIONAL (p) é dada por:
Z α ¿2 . p . q
n=
E2
Onde:
n = Número de indivíduos na amostra
Zα/2 = Valor crítico que corresponde ao grau de confiança desejado.
p = Proporção populacional de indivíduos que pertence a categoria que estamos
interessados em estudar.
q = Proporção populacional de indivíduos que NÃO pertence à categoria que estamos
interessados em estudar (q = 1 – p).
E = Margem de erro ou ERRO MÁXIMO DE ESTIMATIVA. Identifica a diferença
máxima entre a PROPORÇÃO AMOSTRAL e a verdadeira PROPORÇÃO
POPULACIONAL (p).
Determinação do tamanho da amostra para populações finitas
As fórmulas para determinação do tamanho da amostra que vimos até agora trabalhavam
com a idéia de que a população de onde se retirava a amostra era tão grande, que
poderíamos considerá-la infinita. Entretanto, a maior parte das populações não é tão
grande em comparação com as amostras. Caso a amostra tenha um tamanho (n) maior ou
igual a 5% do tamanho da população (N), considera-se que a população seja FINITA.
Neste caso, aplica-se um fator de correção às fórmulas vistas anteriormente e teremos as
seguintes fórmulas corrigidas:
• Fórmula para determinação do tamanho da amostra (n) com base na estimativa da
média populacional.
N . α 2 . ( Z α ¿ )2
n=
( N −1 ) . E2 + σ 2 . ( Z α ¿ )2
 Fórmula para determinação do tamanho da amostra (n) com base na estimativa
da proporção populacional.
N . p . q ( Z α ¿) 2
n= 2 2
p . q . ( Z α ¿ ) + ( N −1 ) . E
Conclusão

Depois de ter feito este presente trabalho cheguei a conclusão que a amostragem não –
probabilística São amostragens em que há uma escolha de liberada dos elementos da
amostra. Dependido dos critérios e julgamento do pesquisador amostragem
probabilística, também denominada amostragem aleatória1 ou amostragem acidental, é
aquela em que a seleção da amostra depende de dada lei probabilística e amostragem
por cotas é um método de amostragem não probabilístico, no qual os pesquisadores
podem formar uma amostra de indivíduos que representam uma população e são
escolhidos de acordo com suas características ou qualidades.
Bibliografia

 LEVIN, Jack. Estatística Aplicada a Ciências Humanas.2a. Ed. São Paulo:

Editora Harbra Ltda, 1987.
 TRIOLA, Mário F. Introdução à Estatística. 7a. Ed. Rio de Janeiro: LTC, 1999.
 LEVINE, D. M. / BERENSON, M. L. / STEPHAN, David. Estatística: Teoria
e Aplicações usando Microsoft Excel em Português. Rio de Janeiro: LTC, 2000.