Escolar Documentos
Profissional Documentos
Cultura Documentos
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
Processos não
Probabilísticos Técnica mais utilizada na BIOESTATÍSTICA!!!
Dimensionamento
6/21
Processos PROBABILÍSTICOS para Composição de Amostras:
Amostragem sistemática (tipo de Amostragem aleatória modificada):
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):
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
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
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
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):
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):
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):
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):
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