Lição 7 –

Composição e
Dimensionamento
de Amostras
Prof. Dr. Walace Kiffer Jr
1/21
  Anteriormente vimos: Estatística Descritiva, que têm por objetivo
sumarizar e apresentar os dados oriundos de um levantamento de
dados;
 Conceitos e cálculos referentes à probabilidade e a algumas
distribuições de probabilidade mais importantes para o processo
da Estatística Inferencial;
Introdução

Estatística Inferencial
e Amostragem
 AGORA veremos... O levantamento de dados, no processo
estatístico, é, mais comumente, realizado por amostragem.
Composição de  É compreensível que o estudo de todos os componentes da população
Amostras possibilite o preciso conhecimento das variáveis que estão sendo
pesquisadas;
Processos  Todavia, nem sempre é possível obter as informações de todos os elementos
Probabilísticos da população;
Processos não
Probabilísticos  Vamos conhecer os processos para compor uma amostra, a fim de
que ela seja representativa da população (universo)!
Dimensionamento
Estudos de intenção de voto
Amostra com ~4 mil eleitores / ~150 milhões
2/21
  A base da Estatística Inferencial é o processo de amostragem:
 Estatística Inferencial, de forma bem resumida, nada mais é que, o processo
de se observar fenômenos (informações) sobre uma população a partir de
amostras.

Introdução

Estatística
Inferencial e
Amostragem
Qual o tamanho da amostra representa a população?
Composição de Qual parcela da população deve ser amostrada?
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

3/21
  Para que a amostra seja representativa da população de que foi
retirada, possibilitando inferências adequadas, é necessário que a
amostra seja bem dimensionada e criteriosamente composta.

Introdução

Estatística
Inferencial e
Amostragem

Composição de
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

4/21
  Quando realizamos um processo de retirada de uma amostra de
certa população, podemos adotar dois procedimentos para escolha
dos elementos que irão compor essa amostra:
Amostragens Probabilísticas:
• Exigem que cada elemento da população possua a mesma
Introdução probabilidade de ser selecionado.
• Assim, se N for o tamanho da
Estatística Inferencial
e Amostragem população, a probabilidade de cada
elemento será 1/N.
Composição de • Trata-se do método que garante,
Amostras cientificamente, a aplicação das
Processos técnicas da estatística de inferências.
Probabilísticos
Amostragens não probabilísticas:
Processos não
• São aquelas em que há uma escolha
Probabilísticos
deliberada dos elementos da amostra.
Dimensionamento • Não garantem a plena
• representatividade da amostra.

5/21
  Processos PROBABILÍSTICOS para Composição de Amostras:
 Amostragem aleatória simples ou ao acaso:
 É equivalente ao sorteio, o qual pode ser feito manual ou eletronicamente, ou
ainda por meio da utilização da tabela de dígitos aleatórios.

Introdução  A amostragem ao acaso é muito satisfatória quando a população não é altamente variável,
nem tem segmentos (ou partes) que tendam, nitidamente, a produzir uma maior resposta
Estatística Inferencial de determinados valores.
e Amostragem

Composição de  Exemplo: uma instituição financeira administra muitas carteiras de investimentos de

Amostras pessoas físicas consideradas como médias investidoras. O gerente dessas carteiras está
interessado em conhecer melhor o perfil desses investidores. Para isso, ele pode sortear
Processos determinado número adequado de contratos, a fim de levantar os dados de que necessita
Probabilísticos para o estudo.

Processos não
Probabilísticos  Técnica mais utilizada na BIOESTATÍSTICA!!!
Dimensionamento

6/21
  Processos PROBABILÍSTICOS para Composição de Amostras:
 Amostragem sistemática (tipo de Amostragem aleatória modificada):

• Quando os elementos da população já se encontram ordenados, não há necessidade de

construir o sistema de referência.
Introdução

Estatística Inferencial • Nesse caso, a seleção dos elementos que constituirão a amostra pode ser feita por um
e Amostragem sistema imposto pelo pesquisador.

Composição de • A vantagem desse método seria que, além de muito prático, quando a variância é muito
Amostras ampla, assegura uma amostragem homogênea sobre quase toda a amplitude da
população.
Processos
Probabilísticos • Exemplo: em uma rua com 900 domicílios, desejamos uma amostra de 50 deles.
1º passo: calcular o período (ou salto): p = N/n. Ex: p= 900/50 = 18;
Processos não 2º passo: escolher, aleatoriamente (sorteio, p. ex.), o primeiro dos elementos a compor a
Probabilísticos amostra dentro da faixa do período. Ex.: de 1 a 18;
3º passo: a partir do 1º elemento, escolhido no 2º passo, sequenciar o restante dos
Dimensionamento elementos que irão compor a amostra, admitindo-se um salto de 18 casas a partir da
primeira sorteada. Exemplo: se a primeira casa sorteada foi a casa de número 10, as
próximas serão as casas de números 28, 46, 64, 82, ... até completar as 50 amostras.

7/21
  Processos PROBABILÍSTICOS para Composição de Amostras:
 Amostragem Estratificada (segundo tipo de amostragem aleatória
modificada):

 Quando a população é dividida em grupos ou estratos e esses influenciam na variável que

Introdução se pretende analisar, as mostras são retiradas, separadamente, de cada um desses
grupos.
Estatística Inferencial  A amostragem estratificada também pode ser proporcional, isto é, além de considerar a
e Amostragem existência dos estratos, obter os elementos da amostra, proporcionalmente, ao número de
elementos dos mesmos na população.
Composição de
Amostras
 Exemplo: deseja-se realizar um levantamento usando os prontuários de certa maternidade
Processos para verificar características cognitivas de bebês com baixo peso no seguimento (infância).
Probabilísticos Será realizada, para tanto, uma amostragem proporcional estratificada de tamanho 400 de
acordo com o cadastro de bebês nascidos em certo período, com relação ao sexo e ao
Processos não peso:
Probabilísticos

Dimensionamento
= Estrato / total * 100

8/21
  Processos NÃO PROBABILÍSTICOS para Composição de Amostras:
• Amostragem acidental:
• Trata-se de uma amostra formada por aqueles elementos que vão aparecendo; que são
possíveis de se obter até completar o número de elementos da amostra. Geralmente, utilizada
em pesquisas de opinião, em que os entrevistados são acidentalmente escolhidos.
• Exemplo: numa pesquisa sobre qualidade no atendimento de saúde, o pesquisador se
posiciona em esquinas de uma rua movimentada e entrevista as pessoas que por ali passam.
Introdução

Estatística Inferencial • Amostragem intencional (por conveniência):

e Amostragem • De acordo com determinado critério, é escolhido intencionalmente um grupo de elementos que
irão compor a amostra. O investigador se dirige intencionalmente a grupos de elementos dos
quais deseja saber a opinião.
Composição de • Exemplo: numa pesquisa sobre qualidade no atendimento de saúde, o pesquisador se dirige a
Amostras um posto de saúde e entrevista as pessoas que ali se encontram.

Processos
Probabilísticos • Amostragem por quotas:
• Um dos métodos de amostragem mais comumente empregado em levantamentos de mercado e
Processos não prévias eleitorais. Ele abrange 3 fases:
Probabilísticos • Classificação da população em termos de propriedades que se sabe, ou presume, relevantes
para a característica a ser estudada;
Dimensionamento • Determinação da proporção da população para cada característica, com base na constituição
conhecida, presumida ou estimada da população;
• Fixação de quotas para cada observador ou entrevistador a quem tocará a responsabilidade de
selecionar interlocutores ou entrevistados, de modo que a amostra total observada contenha a
proporção de cada classe tal como determinada anteriormente.
9/21
  Uma vez que se tenha pensado na melhor maneira para compor
nossa amostra, usando, de preferência, métodos probabilísticos,
iremos nos preocupar em dimensionar essa amostra, a fim de não
termos sub nem supradimensionamento:

Introdução
 QUAL O TAMANHO IDEAL DA AMOSTRA?
Estatística Inferencial  A população inteira... MAS...
e Amostragem

Composição de  Recursos, tempo, geografia... Várias questões impedem a obtenção de

Amostras amostras grandes...

Processos
Probabilísticos

Processos não
“arbitrar um tamanho adequado de amostra envolve
Probabilísticos conhecimento da natureza das medidas realizadas, do
Dimensionamento
plano de análise, do nível de erro aceitável e da
confiabilidade para as estimativas etc.”

10/21
  Uma vez que se tenha pensado na melhor maneira para compor
nossa amostra, usando, de preferência, métodos probabilísticos,
iremos nos preocupar em dimensionar essa amostra, a fim de não
termos sub nem supradimensionamento:

Introdução
 QUAL O TAMANHO IDEAL DA AMOSTRA? Depende!
Estatística Inferencial
e Amostragem
• Variabilidade da (s) características a serem levantadas;
Composição de
Amostras • Classificação dessas variáveis com relação à escala: se qualitativa ou quantitativa;
• Tamanho da população.
Processos
Probabilísticos

Processos não  O erro de estimativa ou erro amostral

Probabilísticos
 Nível de confiança específica
Dimensionamento

11/21
  Uma vez que se tenha pensado na melhor maneira para compor
nossa amostra, usando, de preferência, métodos probabilísticos,
iremos nos preocupar em dimensionar essa amostra, a fim de não
termos sub nem supradimensionamento:

Introdução
 QUAL O TAMANHO IDEAL DA AMOSTRA? Depende!
Estatística Inferencial
e Amostragem
 O erro de estimativa ou erro amostral – O quanto a nossa amostra erra em relação
Composição de a população!
Amostras
 Nível de confiança específica – Para dados biológicos 5% = alfa, ou menos!
Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

12/21
  Para refletir... (quatro condições):

1. Se a variável escolhida for quantitativa e a população considerada infinita,

você poderá determinar o tamanho da população pela fórmula:

Introdução

Estatística Inferencial
e Amostragem  t = Uma distribuição (distribuição de student);
 Amostras >120, t = z. Nível de significância 5%, t = 1,96.
Composição de  Graus de liberdade = n – 1.
Amostras

Processos  s = desvio padrão. Esse desvio padrão pode ser obtido por estimativas de outros
Probabilísticos estudos da área, por pré-amostragem, ou ainda, a partir de informações de outras
medidas de variabilidade que possam dar ideia aproximada do valor do desvio
Processos não padrão.
Probabilísticos

Dimensionamento
 d = erro amostral, expresso na unidade da variável. O erro amostral é a máxima
diferença que o investigador admite suportar entre a média populacional e a
amostral.
13/21
  Para refletir... (quatro condições):

1. Exemplo:

Introdução

Estatística Inferencial
e Amostragem

Composição de
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

14/21
  Para refletir... (quatro condições):

2. Se a variável escolhida for quantitativa e a população finita (quando se possui o

escopo da população), tem-se:

Introdução

Estatística Inferencial
e Amostragem
 t = Uma distribuição (distribuição de student);
Composição de  Amostras >120, t = z. Nível de significância 5%, t = 1,96.
Amostras  Graus de liberdade = n – 1.
Processos
Probabilísticos  s = desvio padrão. Esse desvio padrão pode ser obtido por estimativas de outros
estudos da área, por pré-amostragem, ou ainda, a partir de informações de outras
Processos não
Probabilísticos
medidas de variabilidade que possam dar ideia aproximada do valor do desvio padrão.

Dimensionamento
 d = erro amostral, expresso na unidade da variável. O erro amostral é a máxima
diferença que o investigador admite suportar entre a média populacional e a amostral.
 N = tamanho da população.
15/21
  Para refletir... (quatro condições):

2. Exemplo:

Introdução

Estatística Inferencial
e Amostragem

Composição de
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

16/21
  Para refletir... (quatro condições):

3. Se a variável escolhida for qualitativa e a população considerada infinita,

usaremos:

Introdução

Estatística Inferencial
e Amostragem  Z* = abscissa da curva normal padrão, fixado um nível de confiança.
Composição de
Amostras
 ^P = estimativa da verdadeira proporção de um dos níveis da variável escolhida.
Processos Por exemplo: se a variável escolhida for o porte da empresa, ˆp poderá ser a
Probabilísticos estimativa da verdadeira proporção de grandes empresas do setor que está sendo
estudado. Será expresso em decimais.
Processos não ˆq = 1 - ˆp
Probabilísticos

Dimensionamento

17/21
  Para refletir... (quatro condições):

3. Exemplo:

Introdução

Estatística Inferencial
e Amostragem

Composição de
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

18/21
  Para refletir... (quatro condições):

4. Se a variável escolhida for qualitativa e a população considerada finita,

usaremos:

Introdução

Estatística Inferencial
e Amostragem  Z* = abscissa da curva normal padrão, fixado um nível de confiança.
Composição de
Amostras
 ^P = estimativa da verdadeira proporção de um dos níveis da variável escolhida.
Processos Por exemplo: se a variável escolhida for o porte da empresa, ˆp poderá ser a
Probabilísticos estimativa da verdadeira proporção de grandes empresas do setor que está sendo
estudado. Será expresso em decimais.
Processos não ˆq = 1 - ˆp
Probabilísticos

Dimensionamento

19/21
  Para refletir... (quatro condições):

4. Exemplo:

Introdução

Estatística Inferencial
e Amostragem

Composição de
Amostras

Processos
Probabilísticos

Processos não
Probabilísticos

Dimensionamento

20/21