1

UNIVERSIDADE FEDERAL DE LAVRAS

DEPARTAMENTO DE ESTATÍSTICA

Disciplina: GES104 – Estatística aplicada à Engenharia

Docente responsável: Camilla Marques Barroso

TÉCNICAS DE AMOSTRAGEM

1 Técnicas de amostragem

Uma amostra deve descrever, indiretamente, a população sob estudo. Para que os dados fornecidos por
uma amostra sejam confiáveis é necessário que esta seja coletada de forma a conservar as características da
população em seus elementos, ou seja, uma amostra deve ser representativa.
Para selecionar a amostra, temos dois grandes grupos de amostragem: a amostragem não-probabilística
e amostragem probabilística. Na amostragem não-probabilística não existe nenhum mecanismo probabilístico
na seleção da amostra, há uma escolha deliberada dos elementos da população, que não permite generalizar os
resultados das pesquisas para a população, pois amostras não garantem a representatividade desta.
Estudaremos as técnicas de amostragem probabilística, em que o mecanismo de escolha dos elementos
da amostra é tal que existe uma probabilidade conhecida de cada elemento da população vir a participar da
amostra. Os principais tipos de amostragem probabilística são:
- Amostragem Aleatória Simples (AAS);
- Amostragem Estratificada (AE);
- Amostragem por Conglomerados (AC);
- Amostragem Sistemática (AS).

1.1 Amostragem aleatória simples (AAS)

Neste tipo de amostragem todos os elementos da população têm igual probabilidade de pertencer à
amostra e todas as possíveis amostras têm igual probabilidade de ocorrer. A amostragem pode ser feita com
ou sem reposição. É aplicada a populações homogêneas, ou seja, que apresentam pouca variação em relação a
alguma característica.
A seleção da amostra pode ser feita por sorteio, funções randômicas da calculadora, tabela de números
aleatórios, papel numerado, computador, etc. É o que ilustra a Figura 1.1, em que selecionamos 5 pessoas de
um grupo de 15 pessoas. A questão é numerar as pessoas e usar alguma ferramenta que auxilie no sorteio.

Figura 1.1 – Esquema de amostragem aleatória simples

Exemplo 1. Os 15 alunos de uma determinada turma participarão do sorteio de 5 livros. A Figura 1.1 pode
ilustrar essa situação. Utilize um sorteio para selecionar 5 nomes, sem reposição, entre os listados a seguir:

Gabriela Jean Maria Adriano Gustavo Alice

Bruno Pedro Natália Renan Ana Josi
Leandro Sara Laura
2

1.2 Amostragem estratificada (AE)

Em muitas situações, a população é heterogênea, ou seja, os elementos não são semelhantes uns aos
outros em relação à característica em estudo, no entanto encontra-se dividida em subpopulações ou estratos
homogêneos. Por exemplo, em uma sala podemos encontrar turmas distintas, como 30A, 30B, 30C e 30D. Cada
uma dessas turmas é um estrato e, se quisermos extrair uma amostra dessa sala, devemos levar em consideração
a quantidade de alunos em cada turma, ou seja, realizar a amostragem de forma proporcional.
Assim, a amostragem estratificada consiste em especificar quantos elementos da amostra serão retirados
em cada estrato. Dentre os critérios existentes para esse fim, o mais utilizado é o proporcional, onde se aplica
a expressão abaixo:

Ni
ni = ×n
N
em que
ni : tamanho da amostra no estrato i;
Ni : tamanho da população no estrato i;
N e n: tamanho da população e da amostra, respectivamente.

O esquema da amostragem estratificada está ilustrado na Figura 1.4 em que temos um conjunto de
pessoas classificadas em dois grupos (estratos) distintos. Para selecionar 5 pessoas desse grupo, devemos levar
em consideração a quantidade de pessoas em cada grupo para compor a amostra.

Figura 1.2 – Esquema de amostragem estratificada

Exemplo 2. Considere que de uma população com 3.000 habitantes, divididos em 5 classes (A,B,C,D,E),
desejamos coletar uma amostra de 150 indivíduos usando AE. A distribuição dessa população encontra-se na
Tabela 1.1.

Classes A B C D E
Ni 135 575 1245 735 310

Tabela 1.1

Para a Classe "A"temos,

135
ni = × 150 = 6, 75 ' 7
3000
Para a Classe "B"temos,
575
ni = × 150 = 28, 75 ' 29
3000
Para a Classe "C"temos,
1245
ni = × 150 = 62, 25 ' 62
3000
Para a Classe "D"temos,
 3

735
ni = × 150 = 36, 75 ' 37
3000
Para a Classe "E"temos,
575
ni = × 150 = 15, 5 ' 15
3000
n
Observe que no Exemplo 2 as classe maiores tiveram maior participação na amostra. O termo =
N
150
= 0.05 = 5% é comum no cálculo de todas as classes e informa a porcentagem de dados que será
3000
selecionada em cada classe, no caso, 5%. Em outras palavras, o tamanho amostral corresponde a 5% do
tamanho populacional. Assim, cada estrato amostral deve corresponder a também 5% do estrato populacional
correspondente.

Figura 1.3 – Esquema de amostragem estratificada

Na AE tentamos reproduzir a população, ou seja, se um estrato corresponde a 24, 5% da população,

que é o caso da classe D, na amostra a classe D também deve representar 24, 5%.
A Figura 1.4 ilustra um esquema de amostragem estratificada em que a amostra reproduz as proporções
dos estratos na população.

Figura 1.4 – Esquema de amostragem estratificada

Qual seria o problema que poderíamos ter ao realizar uma AAS para este exemplo? Poderia acontecer,
por exemplo, de a amostra ser constituída de elementos de uma mesma classe ou de poucas classes, ou seja,
não ter todas as classes representadas na amostra.
4

1.2.1 Amostragem por conglomerado (AC)

Este tipo de amostragem consiste no processo de selecionar grupos ou conglomerados da população.
Um conglomerado em relação ao outro deve ter características mais semelhantes possíveis (homogêneos) e
dentro de cada conglomerado as características devem ser heterogêneas, como ilustra a Figura 1.6.

Figura 1.5 – Esquema de amostragem por conglomerados

Podemos pensar em uma situação em que queremos selecionar uma certa quantidade de moradores de
um bairro para avaliar o grau de escolaridade. A população do bairro é heterogênea, o que nos faz descartar
AAS. Por outro lado, poderíamos pensar em cada casa como estrato, no entanto, cada casa é composta por uma
população heterogênea. Isso nos faz também descartar AE.
Uma ideia então, é usar a AC considerando a divisão do bairro em quarteirões. Dentro de cada quar-
teirão temos população heterogênea e entre os quarteirões podemos considerar uma certa homogeneidade.
Selecionamos alguns desses quarteirões completos para compor a amostra. De forma que todos os moradores
dos quarteirões selecionados farão parte da amostra.
Note que, na AC selecionamos no sorteio conglomerados inteiros e não indivíduos da população. As-
sim, podemos usar, por exemplo, AAS para selecionar os conglomerados. Numeramos cada conglomerado e
fazemos o sorteio.

Exemplo 3. Desejamos selecionar uma amostra de 150 pessoas adultas de um bairro a fim de analisar o
grau de escolaridade. Considere que esse bairro possui 300 residências e nestas, existe em média 5 moradores
adultos por domicílio. A população é heterogênea e, por isso, descartamos AAS. Da mesma forma, descartamos
AE pois se pensarmos cada casa com um estrato, esses são heterogêneos. Podemos, então, dividir este bairro
em quarteirões (conglomerados) de aproximadamente 10 casas cada um e sortearmos 3 deles. Então teremos:
3 (quarteirões) x 10 (residências) x 5 (pessoas) = 150 pessoas.

Figura 1.6 – Esquema de seleção de moradores de um bairro por amostragem por conglomerados
 5

1.2.2 Amostragem sistemática (AS)

Por essa técnica de amostragem os elementos da população devem se encontrar ordenados. A coleta
dos elementos da amostra se dá através de intervalos.
N
O processo consiste em sortear o primeiro elemento da amostra dentre os K = primeiros elementos
n
da população (usando AAS), onde N é o tamanho da população e n é o tamanho da amostra. A partir deste
sorteio os próximos elementos da amostra são retirados saltando-se K elementos, até completar o tamanho da
amostra como ilustrado na Figura 1.8.

Figura 1.7 – Esquema de amostragem sistemática

Exemplo 4. Selecione, por meio de uma amostragem sistemática, uma amostra de tamanho n = 4 da popula-
ção a seguir.

A B C D E F G H I J K L

Aqui temos uma população que consiste de 12 letras (de A a L), portanto N = 12. Assim,

N 12
K= = =3
n 4
Usamos um sorteio para selecionar um elemento entre os K = 3 primeiros. Suponha que tenha saído 2 como
resultado, ou seja, o primeiro elemento da nossa amostra é o elemento da posição 2, que é a letra "B". Saltando
de K = 3 em 3 elementos obtemos a amostra de tamanho n = 4.

amostra = {B, E, H, K}

Figura 1.8 – Esquema de amostragem sistemática

Exemplo 5 Selecionar por meio de uma AS uma amostra de 20 peças de um lote de 500 peças. Temos,

N = 500, n = 20, então, K = 25

As peças estão numeradas de 1 a 500. Selecionando um valor entre os K = 25 primeiros usando AAS.
Suponha que obtemos 17. Esta é a primeira numeração que entrará na amostra. Saltando, então, de 25 em 25
obtemos a amostra

amostra = {17, 42, 67, 92, 117, 142, 167, 192, 217, 242, 267, 292, 317, 342, 367, 392, 417, 442, 467, 492}
6

A amostragem aleatória sistemática é útil quando não se tem uma população numerada, como por
exemplo, uma lista de telefone em papel ou uma lista de ruas com uma contagem de casas existentes em cada
uma delas ou, como no caso da sondagem “à boca da urna”.
Outra situação aplicável é amostragem em plantações no campo como ilustra a Figura 1.9. Uma AAS
poderia ter sido utilizada, no entanto, as amostras poderiam se concentrar em áreas especificas desse esquema
de plantação.

Figura 1.9 – Esquema de amostragem sistemática no campo.

Referências

[1] P. A. Bussab, W. de O. Morettin, Estatística Básica. Saraiva, 2017.

[2] J. L. Devore, Probabilidade e estatística para engenharia e ciências. Cengage Learning Edições Ltda.,
2018.

[3] D. F. Ferreira, Estatística básica. UFLA, 2009.

[4] G. C. Montgomery, Douglas C e Runger, Estatística aplicada e probabilidade para engenheiros. Grupo
Gen-LTC, 2020.