Chidine Mujage Muturua

Critério de Amostragem e Análise Combinatória

Universidade Rovuma
Nampula
2022
 2

Chidine Mujage Muturua

Critério de Amostragem e Análise Combinatória

Trabalho de carácter avaliativo da cadeira

de Introdução à Teoria de Probabilidades,
curso de Licenciatura em Ensino de
Matemática com habilitações em
Estatística, 3º ano, 1º semestre,
leccionada pelo docente:

dr. Nassone Chitemelane Guambe

Universidade Rovuma
Nampula
2022
 3

Índice

I. Introdução...............................................................................................................................5
1.1. Objectivo geral do trabalho:.........................................................................................5
1.2. Objectivos específicos do trabalho:..............................................................................5
1.3. Metodologia:................................................................................................................5
II. CRITÉRIO DE AMOSTRAGEM E ANÁLISE COMBINATÓRIA...................................6
2.1. Conceito de amostragem..................................................................................................6
2.2. Tipos de Amostragem......................................................................................................6
2.2.1. Amostragens não-probabilísticas...............................................................................6
2.2.1.1. Amostragem por acessibilidade ou por conveniência........................................7
2.2.1.2. Amostragem Intencional ou por Julgamento......................................................7
2.2.1.3. Amostragem por Quotas ou Proporcionais.........................................................8
2.2.1.4. Amostragem auto-geradas (ou bola-de-neve).....................................................9
2.2.2. Amostragens Probabilísticas......................................................................................9
2.2.2.1. Amostragem Aleatória Simples..........................................................................9
2.2.2.1.1. Como utilizar a amostra aleatória simples.................................................10
2.2.2.1.2. Vantagens e desvantagens da amostra aleatória simples...........................10
2.2.2.2. Amostragem sistemática...................................................................................11
2.2.2.2.1. Como realizar uma amostra sistemática.....................................................11
2.2.2.2.2. Vantagens e desvantagens da amostra sistemática.....................................12
2.2.2.3. Amostragem Estratificada.................................................................................12
2.2.2.3.1. Tipos de Amostragem Estratificada...........................................................12
2.2.2.3.2. Como realizar uma amostragem estratificada............................................13
2.2.2.3.3. Vantagens e desvantagens da amostragem estratificada............................13
2.2.2.4. Amostragem por Conglomerados.....................................................................13
2.2.2.4.1. Como realizar uma amostra por conglomerados........................................14
2.2.2.4.2. Vantagens e desvantagens da amostra por conglomerados........................14
2.3. Alguns Critérios para escolha de uma amostra..............................................................15
2.4. Tamanho de uma amostra..............................................................................................15
2.4.1. Tamanho da população............................................................................................15
2.4.2. Determine a margem de erro...................................................................................16
2.4.3. Defina o nível de confiança.....................................................................................16
2.4.4. Especifique o desvio padrão....................................................................................16
 4

2.4.5. Encontre o escore Z.................................................................................................17

2.4.6. Utilizando a formula padrão do tamanho de amostra..............................................17
2.4.7. Utilizando uma fórmula para uma população desconhecida ou muito grande........18
2.5. Análise combinatória......................................................................................................19
2.5.1. Princípio Fundamental de Contagem......................................................................19
2.5.2. Factorial de um número natural...............................................................................21
2.5.3. Arranjos simples (Arranjos sem repetição).............................................................22
2.5.3.1. Calculo do número de arranjos simples (sem repetição)..................................23
2.5.4. Arranjos com repetição............................................................................................24
2.5.5. Permutação Simples................................................................................................25
2.5.5.1. Calculo do número de permutações simples de n elementos distintos.............26
2.5.6. Permutação com elementos repetidos......................................................................27
2.5.7. Combinação Simples...............................................................................................28
2.5.7.1. Calculo de número de combinações simples....................................................29
2.5.8. Critério para diferenciar arranjo de combinação.....................................................30
III. Conclusão...........................................................................................................................32
IV. Referências bibliográficas..................................................................................................33
 5

I. Introdução

Organizar uma pesquisa de mercado ou qualquer área pode ser um desafio, tendo em vista o
tamanho do universo a ser estudado. A maneira como essa amostra será selecionada vai
impactar todos os resultados que serão observados. Por isso, você precisa conhecer os tipos de
amostragem para ajudar na escolha do método ideal. Assim, será possível extrapolar seus
resultados para todo universo de pesquisa, todo o público alvo da pesquisa ou mesmo reduzir
as chances de erro da pesquisa.

Nesta vertente, este trabalho vai abordar sobre os Criterios de amostragem e Análise
combinatória, onde vai apresentar as técnicas mais utilizadas e como essa estratégia é
importante para a sua coleta de dados, assim também na análise combinatória este trabalho vai
se focalizar no cálculo de arranjos, permutações e combinações.

É de referir que o trabalho goza da seguinte estrutura:

I. Introdução;
II. Desenvolvimento do trabalho;
III. Conclusão;
IV. Referências Bibliográficas.

1.1. Objectivo geral do trabalho:

 Conhecer os critérios de amostragem e Análise combinatória.

1.2. Objectivos específicos do trabalho:

 Apresentar a concepção de diferentes autores sobre o conceito de amostragem;

 Identificar os diferentes tipos de amostragem e suas características;
 Apresentar alguns passos a ter em conta na escolha de amostra;
 Identificar as expressões usadas no cálculo de factorial, arranjos permutações e
combinações.

1.3. Metodologia:

Para a concepção deste trabalho, usou – se a técnica de consulta bibliográfica em que as obras
consultadas serão apresentadas no final deste trabalho.
 6

II. CRITÉRIO DE AMOSTRAGEM E ANÁLISE COMBINATÓRIA

2.1. Conceito de amostragem

Existem dois procedimentos para se obter os dados de uma população: o censo e a

amostragem. O censo consiste em obter os dados de uma ou mais variáveis em todos os
objetos de uma população. Este procedimento é pouco utilizado devido ao custo operacional,
excepto no caso de populações relativamente pequenas.

A amostragem consiste em obter os dados de uma ou mais variáveis numa amostra de objetos
retirados aleatoriamente da população. Frequentemente utilizada porque as populações
geralmente são muito grandes ou infinitas. E permite a obtenção de dados com rapidez e o
custo operacional é bem menor do que no caso do censo.

Denomina-se amostra como um conjunto de objetos (ou de dados) retirados de uma

população para fins de estudo da mesma. O termo amostragem refere-se ao processo pelo qual
se obtém uma amostra e deve ser realizada com técnicas adequadas para garantir a
representatividade da população em estudo. (MUTOMBENE, 2011, p.12).

Segundo Malhotra (2001), para populações infinitas, ou em contextos de constante mudança,

o estudo estatístico pode ser realizado com a coleta de parte de uma população (amostragem),
denominada amostra. Amostra é um subgrupo de uma população, constituído de n unidades
de observação e que deve ter as mesmas características da população, selecionadas para
participação no estudo.

2.2. Tipos de Amostragem

De acordo com Mattar (2001), existe enorme variedade de tipos de amostra e de planos de
amostragem. No entanto, é necessário estabelecer uma diferenciação fundamental entre
amostragens probabilísticas e não probabilísticas

2.2.1. Amostragens não-probabilísticas

É um tipo de amostragem em que existe uma dependência, pelo menos em parte, do

julgamento do pesquisador ou do entrevistador de campo para a seleção dos elementos da
população para compor a amostra (MATTAR, 2001).
 7

Para Aaker, Kumar & Day (2004, p.76), os resultados desse tipo de amostragem podem
conter tendências escondidas e incertezas que os tornam mais prejudiciais do que a ausência
de informações.

De acordo com Malhotra (2001), “a amostragem não-probabilística confia no julgamento

pessoal do pesquisador e não na chance de selecionar os elementos amostrais. O pesquisador
pode, arbitrária ou conscientemente, decidir quais serão os elementos a serem incluídos na
amostra”.

Por tanto as amostras não-probabilísticas podem oferecer boas estimativas das características
da população, mas não permitem uma avaliação objetiva da precisão dos resultados amostrais.
Como não há maneira de determinar a probabilidade de escolha de qualquer elemento em
particular para inclusão na amostra, as estimativas obtidas não são estatisticamente projetáveis
para a população.

Na amostragem não-probabilística, os custos e o trabalho envolvidos no desenvolvimento de

uma estrutura de amostragem são minimizados, mas também a precisão com que a
informação resultante pode ser apresentada fica prejudicada (AAKER, KUMAR & DAY,
2004).

Amostragem não-probabilística: são amostragens em que há uma escolha deliberada dos

elementos da amostra. Depende dos critérios e julgamento do pesquisador.

2.2.1.1. Amostragem por acessibilidade ou por conveniência

Na amostragem por conveniência: os elementos são selecionados de acordo com a

conveniência do pesquisador.

Exemplo: pesquisa de opinião em praças públicas, ou pesquisas com os próprios funcionários

de uma empresa (neste caso, deve-se evitar avaliar os produtos existentes da empresa, ou
comparações com a concorrência).

Importante: recomenda-se seu uso em pesquisas relacionadas a categorias de produtos de

baixa incidência e de dificuldade de encontrar.
 8

2.2.1.2. Amostragem Intencional ou por Julgamento

Enquadram-se aqui os diversos casos em que o pesquisador deliberadamente escolhe certos

elementos para pertencer à amostra, por julgar tais elementos bem representativos da
população.

Os elementos são selecionados seguindo um critério de julgamento pessoal do pesquisador. O

perigo desse tipo de amostragem é obviamente grande, pois o pesquisador pode facilmente se
equivocar em seu pré-julgamento.

Selecionar um subgrupo da população, que com base nas informações disponíveis, possa ser
considerado representativo de toda a população;

Ex.: Entrevista com os representantes de turma do curso de turismo, aplicação de

questionários com os líderes da comunidade.

Importante: recomenda-se sua adoção em testes de mercado e testes de produtos em

Shopping Center.

2.2.1.3. Amostragem por Quotas ou Proporcionais

OLIVEIRA (2011, p.31) refere que Amostragem por quotas ou proporcionais constituem um
tipo especial de amostras intencionais. O pesquisador procura obter uma amostra ou um
subgrupo que seja similar, sob alguns aspectos, à população. Abrange 3 fases:

 Fase 1: classificação da população em termos de características que se sabe, ou

presume, serem relevantes para o estudo.
 Fase 2: determinação da proporção da população para cada característica, com base na
constituição conhecida, presumida ou estimada.
 Fase 3: fixação de cotas para cada entrevistador, que terá a responsabilidade de
selecionar os entrevistados, de modo que a amostra total observada ou entrevistada
contenha a proporção de cada característica de acordo com a 2ª fase.

É utilizada quando não existe um cadastro da população que possibilite a realização do sorteio
necessário a amostragem aleatória, mas ao mesmo tempo, existe informação suficiente sobre
o perfil populacional.
 9

Exemplo: pesquisas sobre: - o “trabalho das mulheres na actualidade”, deve-se considerar: a

divisão por cidade, local e tipo de trabalho, faixa etária e salarial, a quantidade de filhos e a
idade, etc.

Importante: os elementos não são selecionados em bases aleatórias, fato que distingue
Amostra por Cotas desse tipo das Amostras Aleatórias Estratificadas.

2.2.1.4. Amostragem auto-geradas (ou bola-de-neve)

Segundo OLIVEIRA (2011, p.32) “Selecionam respondentes adicionais a partir de referências

de respondentes iniciais, com base de indicações de nomes. Esse procedimento é usado para
obter amostras de populações raras ou de baixa incidência”.

Exemplo: pode-se esperar que os hackers de software se conheçam entre si, assim se
achássemos um ou mais hackers para participar da pesquisa, poderíamos lhe pedir que
identificasse outros possíveis participantes.

Importante: ela é realizada da seguinte maneira, seleciona-se um grupo determinado de

entrevistados, que serão solicitados a identificar outros indivíduos que também pertençam à
população e estes serão então selecionados.

2.2.2. Amostragens Probabilísticas

É um tipo de amostragem em que cada elemento da população pode ser selecionado para
compor a amostra e tem uma chance conhecida e diferente de zero. Uma amostra dita
probabilística significa que o pesquisador tem controle sobre o erro amostral da pesquisa.
Assim, somente as amostras probabilísticas fornecem estimativas precisas da população
(MATTAR, 2001, p.33).

Segundo Malhotra (2001) “na amostragem probabilística, as unidades amostrais são

escolhidas por acaso. É possível determinar cada amostra potencial de determinado tamanho
que pode ser extraída da população, assim como a probabilidade de selecionar cada amostra”.

Mas nem toda amostra potencial precisa ter a mesma probabilidade de seleção, mas é possível
especificar a probabilidade de escolher qualquer amostra de um determinado tamanho. Como
os elementos da amostra são selecionados aleatoriamente, é possível determinar a precisão das
estimativas amostrais das características de interesse.
 10

2.2.2.1. Amostragem Aleatória Simples

Amostragem aleatória simples consiste na escolha aleatória dos elementos que farão parte da
amostra. Existe uma igual probabilidade, de cada elemento da população ser escolhido por
meio de sorteio.

A amostra aleatória simples é um dos métodos de amostra probabilística mais utilizados.

Nessa forma de amostragem, os indivíduos de uma população têm uma chance igual ou maior
que zero de serem selecionados para a compor a amostra. Ela é chamada de amostra aleatória
simples pois, a seleção de elementos é feita em forma de sorteio, dessa forma, não há critério
ou filtro no processo de amostragem.

2.2.2.1.1. Como utilizar a amostra aleatória simples

Para entendermos melhor esse processo de amostragem vamos imaginar uma pesquisa de
opinião que será realizada em um bairro qualquer. Essa pesquisa deve ser feita com 20
domicílios, mas o bairro possui 200. Assim, para se obter uma amostra com 20 endereços, um
sorteio entre os 200 endereços do bairro deve ser feito, dessa maneira, todas as moradias têm
a mesma chance de participar da pesquisa.

Quando universo é pequeno, não se torna necessário o uso de um computador com um

software estatístico para seleção de uma amostra, portanto, pesquisas de mercado de empresas
com muitos clientes ou pesquisas de opinião que necessitam de uma amostragem muito
extensa, o uso de recursos digitais para o sorteio se torna essencial.

2.2.2.1.2. Vantagens e desvantagens da amostra aleatória simples

A amostra aleatória simples é uma maneira acessível e rápida para se obter uma amostra, isso
deve pelo fato de que quase todo trabalho de amostragem pode ser realizado em um
computador.

Contudo, para evitar problemas com técnica é preciso estar atento a alguns fatores. Como a
amostragem é aleatória, ela pode gerar qualquer combinação de elementos presentes em um
universo, isso pode ser bom ou ruim. Por exemplo, se as 20 casas selecionadas para a pesquisa
de opinião acabam sendo da mesma rua, a representatividade da pesquisa acaba sendo
prejudicada.
 11

Além disso, pesquisas que contêm um universo muito grande, como em pesquisas eleitorais,
se torna quase impossível obter uma listagem atualizada de todos os eleitores de uma região
para participar da amostragem. Dessa forma, em algumas situações, os resultados obtidos pela
amostra aleatória não são totalmente precisos.

2.2.2.2. Amostragem sistemática

A amostra sistemática, assim como a amostra aleatória simples, é um método de amostra

probabilística que seleciona indivíduos dentro de uma população já determinada. Contudo, há
um fator matemático de seleção que as diferencia.

Na amostra sistemática os elementos do universo a ser pesquisado são divididos em grupos

numericamente iguais, assim, após essa segmentação é definido um “ponto de partida”, de
modo a estabelecer um número que se repetirá, em sequência, dentro de todos os grupos
determinados, até que toda a amostragem seja selecionada.

Para OLIVEIRA (2011, p.32) os elementos da amostra (n) serão selecionados aleatoriamente
e será estabelecido um intervalo entre esses elementos. Esse intervalo é obtido através da
divisão do número do universo, ou população, pelo número da amostra.

Isto significa que a fórmula para identificar o intervalo é:

N
I=
n

Onde:
I é o intervalo;
N é a população
n é amostra

2.2.2.2.1. Como realizar uma amostra sistemática

O critério para a seleção de uma amostra soluciona no problema de representatividade da

amostra aleatória simples. Por exemplo, em uma pesquisa realizada em um bairro, podemos
dividir 500 moradias em 50 grupos, para obter uma amostragem com 50 residências, dessa
maneira, a cada 10 domicílios 1 pesquisa será realizada. Dentro desse grupo um “ponto de
partida”, ou seja, um número, deve ser selecionado.
 12

Assim, se decidirmos que o 4° domicílio de um grupo será o selecionado, vamos obter uma
sequência (4, 14, 24, … até 494) determinada de residências para a amostragem.

2.2.2.2.2. Vantagens e desvantagens da amostra sistemática

Assim como a amostra aleatória simples, a amostra sistemática é de rápida execução. Além
disso, por ter o critério de separação por grupos, o fator representatividade se torna mais
efetivo, como podemos perceber acima, a chance de vizinho ou apenas moradores próximos
aparecerem na amostragem desaparece.

A única desvantagem é se por acaso cada elemento dos grupos selecionados tenha
características ou opiniões que coincidam devido a sequência escolhida, mas esse problema
pode ser facilmente resolvido se os grupos divididos forem previamente estudados e
separados com um peso proporcional, dessa forma, características favoreceram a
representatividade no estudo.

2.2.2.3. Amostragem Estratificada

A amostra estratificada é uma técnica de amostra probabilística que é realizada em duas

etapas. Esse tipo de amostragem separa a população em grupos e subgrupos, buscando assim,
uma amostra mais representativa.

Aplicar um questionário de satisfação sobre os serviços prestados por uma agência bancária
em 10 clientes de um banco de dados de 100 pessoas. Verifica-se que das 100 pessoas 30%
são mulheres e 70% são homens. Delimita-se que dos 10 clientes a serem entrevistados 3
devem ser mulheres e 7 homens. Dizemos, neste caso, que o sexo é a variável de
estratificação, ou que a população foi estratificada por sexo.

2.2.2.3.1. Tipos de Amostragem Estratificada

 Uniforme: na amostragem estratificada uniforme sorteia-se igual número de

elementos de cada estrato;
 Proporcional: na amostra estratificada proporcional, o número de elementos em cada
estrato é proporcional ao número de elementos existentes no estrato;
 Ótima: na amostra estratificada ótima, se toma em cada estrato um número de
elementos proporcional ao número de elementos do estrato e também a variação da
variável de interesse no estrato, medida pelo seu desvio padrão.
 13

2.2.2.3.2. Como realizar uma amostragem estratificada

A amostragem estratificada consiste em dividir a população em subgrupos mais homogêneos

(estratos), de tal forma que haja uma homogeneidade dentro dos estratos e uma
heterogeneidade entre os estratos.

Para realizar uma amostra estratificada apenas dois passos são necessários. Primeiro, deve-se
dividir a população em grupos distintos. Esses grupos devem ser segmentados com
características da população que auxiliem o tema estudado, podendo ser idade, sexo, trabalho,
nível de escolaridade, entre outros.

Depois de distribuir a população nesses grupos, são utilizadas outras formas para eleger os
entrevistados dentro de cada grupo, podendo adotar critérios aleatórios ou não. Assim, para
selecionar uma amostra de forma não enviesada podemos utilizar a amostra aleatória simples
ou sistemática.

2.2.2.3.3. Vantagens e desvantagens da amostragem estratificada

A principal vantagem da amostra estratificada, em relação aos outros métodos de

amostragem, é o aumento da representatividade que ela gera por possibilitar uma
estratificação do universo. Isso ocorre, pois, a divisão de grupos realizada na primeira etapa
permite que as diferentes respostas ou opiniões possíveis em uma pesquisa possam aparecer
de forma proporcional e representativa.

Por esse motivo, ela é um bom tipo de amostragem para pesquisas de opinião que possuem
grandes populações com diferentes qualidades.

2.2.2.4. Amostragem por Conglomerados

É um método muito utilizado por motivos de ordem prática eeconômica, onde divide-se uma
população em pequenos grupos e sorteia-se um número suficiente desses pequenos grupos
(conglomerados), cujos elementos constituirão a amostra.

Diferente das amostras probabilísticas anteriormente apresentadas, que selecionam primeiro o

indivíduo, a amostra por conglomerados tem como fase inicial a seleção de um grupo (cidade
ou estado em um país) para compor a amostragem.
 14

2.2.2.4.1. Como realizar uma amostra por conglomerados

A amostra é realizada em mais de uma etapa,assim como a amostra estratificada. No primeiro

estágio, os grupos (ou conglomerados) são definidos. Assim, somente no último estágio os
indivíduos que participarão da entrevista serão sorteados.

O número de etapas a que uma mostra por conglomerados deve conter, varia com o tipo de
pesquisa e o quanto o universo estudo deve ser dividido de forma a auxiliar o estudo, quanto
maior e mais heterogênea uma população, mais divisões se tornam necessárias.

Um exemplo de uso de amostra por conglomerados é em pesquisas eleitorais. Normalmente

essas pesquisas são realizadas em três etapas. Primeiro os municípios são selecionados de
acordo com a sua grandeza,ou seja, a sua seleção é proporcional à medida de seu tamanho (ou
importância).Na segunda etapa, os setores censitários também são incluídos de forma
proporcional. Por fim, na terceira etapa, os eleitores são sorteados dentro de cada um dos
segmentos escolhidos.

2.2.2.4.2. Vantagens e desvantagens da amostra por conglomerados

A maior vantagem da amostra por conglomerados é a relação custo benefício que ela
proporciona na coleta de dados. Isso ocorre pois como os grupos são escolhidos antes dos
entrevistados, dessa forma, o pesquisador pode escolher elementos conforme a localização
dos elementos, fazendo com que haja um menor custo e tempo de deslocamento durante o
processo de coleta.

Esse fato se torna essencialmente vantajoso no Brasil, que possui uma enorme extensão
territorial. Em uma pesquisa eleitoral, os entrevistadores podem focar em grandes cidades
onde há uma maior concentração de pessoas e em cidades menores, próximas a grandes
centros.

Contudo, quanto maior a concentração de entrevistas por localidade, maior é a chance de se

obter respostas homogêneas nos resultados,podendo haver uma perda de representatividade
devido a exclusão de muitas regiões. Dessa forma é importante ter cuidado na escolha da área
de pesquisa.
 15

Portanto, a amostra por conglomerados é muito eficiente em pesquisas que precisem cobrir
um grande território, pesquisas que tenham uma população heterogênea ou quando há uma
listagem de todos os indivíduos que compõem o universo do estudo.

2.3. Alguns Critérios para escolha de uma amostra

Considerando-se a impossibilidade, na maioria das vezes, do tratamento de todos os

elementos da população, retira-se uma parte da população (amostra).

Existem várias técnicas de amostragem, cada uma tem vantagens e desvantagens, e a escolha
deverá ser feita pelo pesquisador de acordo aos objectivos propostos pela pesquisa, de forma a
garantir (tanto quanto possível) o sucesso da pesquisa e dos resultados.

Deve haver critério para a seleção desses elementos; cada elemento da população deve ter a
mesma chance de ser escolhido para garantir à amostra o caráter de representatividade.

É necessário ter muito cuidado na escolha da amostra. Se não for bem escolhido todo o estudo
pode conduzir a conclusões erradas. Por isso na escolha de uma amostra deve ter-se em conta
a imparcialidade, a representatividade e o tamanho.

As características da amostra devem aproximar-se tanto quanto possível da população. No

caso da população moçambicana, amostra deve conter por exemplo, indivíduos do norte,
centro, e sul, do litoral e do interior, das cidades e do campo, homens e mulheres, jovens e
adultos (Vunga, 2016, p.32).

2.4. Tamanho de uma amostra

Os estudos científicos se baseiam em pesquisas sobre uma amostra da população total.

Entretanto, a amostra precisa incluir uma certa quantidade de pessoas para representar
precisamente as características da população em geral. Para calcular o tamanho ideal para
uma amostra, é preciso definir uma série de valores e substituí-los na fórmula apropriada.

2.4.1. Tamanho da população

O tamanho da população é a numero total de pessoas de um local. Em estudos de maior

escala, pode-se usar um tamanho aproximado em vez de o valor exato.

 A precisão na definição da população tem um maior impacto estatístico no caso de

grupos menores. Se você deseja fazer um estudo sobre os membros de uma pequena
 16

organização ou empresa, por exemplo, é importante ter uma precisão na ordem das
dezenas.
 Pesquisas maiores permitem uma menor precisão na definição do numero exato da
população. Se o estudo for considerar toda a população brasileira, por exemplo, é
possível estimar o número total em 208 milhões de pessoas, apesar de o valor exato
poder variar em alguns milhares.

2.4.2. Determine a margem de erro

A margem de erro, também chamada de "intervalo de confiança", define o erro máximo

permitido nos resultados a serem obtidos. A margem de erro é uma porcentagem que indica a
proximidade dos resultados obtidos da amostra do valor real para a população total do estudo.

Margens de erro menores oferecem resultados mais precisos, mas também exigem amostras
maiores. Na apresentação dos resultados da pesquisa, a margem de erro geralmente é
mostrada em pontos percentuais. Por exemplo: "35% das pessoas concordam com a opção A,
com uma margem de erro de dois pontos percentuais para mais ou para menos".

Nesse exemplo, a margem de erro indica que você tem “confiança” de que se toda a
população respondesse a pergunta em questão, entre 30% (35 - 5) e 40% (35 + 5) dela
concordaria com a opção A.

2.4.3. Defina o nível de confiança

O nível de confiança está fortemente relacionado ao intervalo de confiança (margem de erro).

Ele define o nível de certeza de que a pesquisa realmente representa as características da
população, considerando a margem de erro escolhida.

 Em outras palavras, escolher um nível de confiança de 95% significa que você tem
95% de certeza de que os resultados reais estão dentro da margem de erro.
 Um intervalo de confiança maior oferece uma maior precisão, mas também exige uma
amostra maior. Os níveis de confiança mais comuns são 90%, 95% e 99%.
 Nesse exemplo, definir um nível de confiança de 95%, considerando a margem de erro
definida, significa dizer que você tem 95% de certeza de que entre 30% e 40% da
população total concordaria com a opção A da pesquisa.
 17

2.4.4. Especifique o desvio padrão

O desvio padrão indica a variação esperada entre as respostas. Resultados extremos têm uma
maior chance de estarem corretas do que os mais equilibrados.

 Se 99% da população responder "Sim" à sua pergunta e apenas 1% responder "Não",

por exemplo, provavelmente o resultado representará bem a opinião da população
total.
 Entretanto, se 45% responder "Sim" e 55% responder "Não", haverá uma maior
chance de erro.

Como é difícil determinar um valor apropriado antes de analisar os resultados, a maioria dos
pesquisadores escolherá o valor de 0.5 (50%) para o desvio padrão. Esse valor considera o
pior caso possível, por isso, utilizá-lo garantirá que o tamanho da amostra é grande o
suficiente para representar precisamente a população total considerando a margem de erro e o
nível de confiança definidos.

2.4.5. Encontre o escore Z

O escore Z, também chamado de "valor padronizado", é uma constante que é

automaticamente definida de acordo com o nível de confiança. Ela indica o número de
desvios padrão acima ou abaixo da média da população.

 Você pode calcular o escore Z à mão, usando uma calculadora online ou procurando-o
em uma tabela de valores padronizados. Entretanto, todos esses métodos podem ser
bem complicados.
 Como os níveis de confiança relativamente padronizados, a maioria dos pesquisadores
simplesmente memorizará o escore Z a ser utilizado para os principais níveis de
confiança:

Confiança Escore Z
80% 1,28
85% 1,44
90% 1,65
95% 1,96
99% 2,58
 18

2.4.6. Utilizando a formula padrão do tamanho de amostra

Se você tiver uma população pequena ou média e já tiver todos os valores-chave, basta
utilizar a fórmula padrão para o tamanho de uma amostra, que é a seguinte:

2
z × ρ(1−ρ)
e2
Tamanho de Amostra=

( )
2
z × ρ(1− ρ)
1+
e2 N

Onde:
N = tamanho da população.
z = escore z.
e = margem de erro.
ρ = desvio padrão.

Exemplo:
Determine o tamanho ideal de amostra para uma população de 425 pessoas. Utilize um
intervalo de confiança de 99%, um desvio padrão de 50% e uma margem de erro de 5%. Para
uma confiança de 99%, obtemos um escore z de 2,58.
Dados:
N=425
z=2,58
e=0,05
ρ=0,5

( 2,58 )2 × 0,5 (1−0,5 )

2
( 0,05 )
Tamanho de Amostra=

( )
2
z × 0,5 ( 1−0,5 )
1+
( 0,05 )2 × 425
6,6564 ×0,25
0,0025 665,64
Tamanho de Amostra= = =259,39 ≅ 260
1+ (
6,6564 × 0,25
1,0625 )
2,566
 19

2.4.7. Utilizando uma fórmula para uma população desconhecida ou muito grande

Se a população for desconhecida ou muito grande, será necessário utilizar uma outra fórmula.
Com os outros valores-chave em mãos, basta realizar a substituição na equação:

2
z × ρ(1− ρ)
Tamanho de Amostra= 2
e
Onde:
z = escore z.
e = margem de erro.
ρ = desvio padrão.

Exemplo:
Determine o tamanho da amostra necessário para uma população desconhecida considerando
um nível de confiança de 90%, um desvio padrão de 50% e uma margem de erro de 3%.
Considerando o nível de confiança de 90%, obtemos um escore z de 1,65.

Dados:
z = 1.65.
e = 0.03.
ρ = 0.5
(1,65)2 ×0,5(1−0,5)
Tamanho de Amostra=
(0,03)2
2,7225 ×0,25 0,6806
Tamanho de Amostra= = =756,22 ≅ 757
0,0009 0,0009

2.5. Análise combinatória

Análise combinatória é a parte da Matemática que estuda os processos de contagem. Ela

surgiu da necessidade de se calcular o número de possibilidades que podem ocorrer em uma
certa experiência, sem precisar descrever cada uma dessas possibilidades (Bosquilha, Corrêa
& Viveiro, 2003, p.197).

Bosquilha, Corrêa & Viveiro (2003, p.197) referem que o estudo da análise combinatória
começou no século XVI com o matemático italiano Niccolo Fontana (1500-1557), também
conhecido por Tartaglia (que significa gago). A este, seguiram-se os franceses Pierre de
Fermat (1601-1665) e Blaise Pascal (1623-1662).
 20

A análise combinatória é também o suporte da Teoria das Probabilidades, apoiando-se no

Princípio Fundamental da Contagem ou Princípio Multiplicativo.

2.5.1. Princípio Fundamental de Contagem

Consideremos o seguinte problema: Lançando simultaneamente um dado e uma moeda,

quantos são os possíveis resultados?

Para efectuar a contagem, vamos apresentar os possíveis resultados no dado, 1,2,3,4,5 e 6, e

os possíveis na moeda, C (cara) e K (coroa), e construir a matriz formada por todos os pares
(x, y), onde x, é um dos resultados ao dado e y é um dos resultados na moeda:

Moeda (dado) C (Cara) K (Coroa)

1 ( 1 ,C ) (1 , K )
2 ( 2 ,C ) (2 , K )
3 (3 , C) (3 , K )
4 ( 4 ,C ) (4 , K )

5 (5 , C) (5 , K )

6 (6 , C ) (6 , K )

Nota-se que a tabela assim construída apresenta todos os possíveis resultados do

experimento. Assim, o número de elementos é igual ao número de resultados possíveis do
experimento. Como a tabela possui seis linhas por duas colunas, vemos que o número de
elementos que a compõem é:

6 2 ¿ 12
×

Número de Número de
resultados resultados
possíveis no dado possíveis na moeda

Então concluímos que os possíveis resultados no lançando simultaneamente um dado e uma

moeda é dado pelo produto de n resultados possíveis do dado com m resultados possíveis na
moeda m× n. Esse princípio é conhecido por princípio fundamental de contagem (PFC), e
pode ser generalizado para acções construídas de mais de duas etapas sucessivas.
 21

Se os experimentos A1 , A 2 , A3 , ⋯ , Ak apresentam como números de resultados possíveis

n1 , n2 , n3 , ⋯ nk respectivamente, então o experimento composto de A1 , A 2 , A3 , ⋯ , Ak , nessa
ordem, apresenta n1 , n2 , n3 , ⋯ nk resultados possíveis (Paiva, 2005, p.250).

Exemplo 2:

Um teatro tem 5 portas. De quantas maneiras diferentes uma pessoa pode entrar e sair do
teatro?

Resolução:
Aplicando o Princípio Fundamental da Contagem, temos:
K 1: existem 5 possibilidades para entrar no teatro;
K 2: existem 5 possibilidades para sair do teatro.
K 1 ∙ K 2=5∙ 5=25
Logo, existem 25 possibilidades para entrar e sair do teatro.

2.5.2. Factorial de um número natural

Como pudemos observar, é comum aparecerem produtos de factores naturais sucessivos em

problemas de análise combinatória, tais como: 3 ∙2 ∙ 1 ou 5 ∙ 4 ∙3 ∙2 ∙ 1, por isso surgiu a
necessidade de simplificarmos este tipo de notação, facilitando os cálculos combinatórios.
Assim, produtos em que os fatores chegam sucessivamente até a unidade são chamados
factoriais e são indicados por uma exclamação, !, logo após o número. Exemplos:

3 ∙2 ∙ 1=3 ! (lê-se três factorial ou factorial de três)

5 ∙ 4 ∙ 3∙ 2 ∙1=5! (lê-se cinco factorial ou factorial de cinco)
Sendo n ∈ N , podemos generalizar:

n !=n ∙ ( n−1 ) ∙ ( n−2 ) ∙… ∙ 3 ∙2 ∙1 , se n> 0

E, por convenção, temos:

Se n=0, então 0 !=1

Exemplos:

1. De quantas maneiras podem organizar 7 alunos em uma fila?

 22

Resolução:
1º 2º 3º ... 7º
7º 6º 5º ... 1º
Logo, o número de possibilidades é igual ao produto de todos os números naturais de 7 até 1,
isto é:
7 !=7 ∙6 ∙ 5 ∙ 4 ∙ 2∙ 3 ∙1=5040 maneiras

2.5.3. Arranjos simples (Arranjos sem repetição)

Com os elementos do conjunto I ={ a , b , c , d } formemos todas as sequencias possíveis de três

elementos distintos:

(a , b , c ) ( a ,b ,d ) (a , c , d ) (b , c , d )
(a , c , b) ( a , d , b) ( a , d ,c ) (b , d , c )
(b , c , a) ( b , a ,d ) ( c ,a , d ) ( c , b ,b )
(b , c , a) (b , d , a) ( c ,d , a ) (c , d , b)
(c , a , b) ( d , a , b) ( d , a ,c ) ( d ,c , b )
(c , b , a) ( d , b , a) ( d ,c , a ) ( d ,b , c )

Segundo Paiva (2005, p.256) tais sequências são chamadas de “arranjos simples dos quatro
elementos de I tomados três a três”. Isto é, um arranjo simples de três elementos de I é
qualquer sequência formada por três elementos distintos de I. Observa-se que dois arranjos
simples quaisquer se diferenciam ou pela ordem dos elementos ou pela natureza dos
elementos que os compõem. Por exemplo:

 ( a , b , c ) ≠ ( b ,c , a ) (diferem pela ordem dos elementos)

 ( a , b , c ) ≠ ( a ,b ,d ) (diferem pela natureza dos elementos)

O número de arranjos de quatro elementos distintos tomados três a três é indicado pelo
símbolo A 4.3 e pode ser calculado pelo princípio fundamental de contagem. Devemos
distribuir os quatro elementos do conjunto I em três casas, sem repetição:

1º elemento 2º elemento 3º elemento

A 4.3=4 ×2 ×3
A 4.3=24
 23

Definição:

Se I ={ a1 , a 2 , a3 , ⋯ a n } um conjunto formado por n elementos e seja p um número natural não-

nulo tal que p ≥ n. Chama-se arranjo simples de p elementos de I toda sequencia formada por
p elementos de I distintos entre si pela ordem ou natureza dos elementos.

Exemplo 1:

Os arranjos simples dos elementos do conjunto I ={ 3 , 4 ,5 , 6 } tomados dois a dois são:

(3 , 4 ) (3 , 6 ) ( 4 , 6)
( 4 , 3) ( 6 ,3 ) (6 , 4 )
(3 ,5 ) ( 4 , 5) (5 ,6 )
(5 , 3 ) (5 , 4 ) ( 6 ,5 )

O número de arranjos simples de quatro elementos tomados dois a dois é indicado por A 4.2e
pode ser calculado pelo princípio fundamental de contagem. Devemos distribuir os quatro
elementos de I em duas casas, sem repetição:

1º elemento 2º elemento

A 4,2=4 ×2
A 4,3=12

2.5.3.1. Calculo do número de arranjos simples (sem repetição)

Se I ={ a1 , a 2 , a3 , ⋯ a n } um conjunto formado por n elementos e seja p um número natural não-

nulo tal que p ≥ n. O número de arranjos simples dos n elementos de I tomados p a p, isto é
An . p, pode ser calculado pelo princípio fundamental de contagem:

O número de arranjos de quatro elementos distintos tomados três a três é indicado pelo
símbolo A 4.3 e pode ser calculado pelo princípio fundamental de contagem. Devemos
distribuir os quatro elementos do conjunto I em três casas, sem repetição:

⋯
1º elemento 2º elemento 3º elemento pº elemento
⋯

n n−1 n−2 n−( p−1)

 24

Os números
de
possibilidades

Assim, temos que:

An . p=n(n−1)(n−2)( n−3)∙… ∙ [ n−( p−1) ]
ou
An . p=n(n−1)(n−2)( n−3)∙… ∙( n− p+1)
ou ainda
n!
A n . p=
( n− p ) !

Daqui por diante, podemos utilizar essa fórmula para o cálculo de An . p porém, se você
preferir aplicar o princípio fundamental de cálculo em vez da fórmula, não tem problemas.

Exemplo 1:

1. Calcular A5. 4.

Resolução:

A5. 4=5 ∙ 4 ∙ 3 ∙2=120

Ou podemos calcular pela segunda formula:

5! 5!
A5. 4= =
( 5−4 ) ! 1 !
5 ∙ 4 ∙3 ∙ 2∙ 1 !
A5. 4=
1!
A5. 4=5 ∙ 4 ∙ 3 ∙2=120

2. Para que valores naturais de n existe o número An . 3?

Resolução:
O símbolo An . 3 indica o número de sequências de três elementos distintos escolhidos dentre n
elementos. Logo, o menor n natural possível é 3; se n fosse menor que 3, não poderíamos
formar uma sequência com três elementos distintos. Logo, n ∈ N , n ≥ 3.
 25

2.5.4. Arranjos com repetição

Chama-se arranjo com repetição ou arranjo completo a qualquer sequência formada por
elementos de um dado conjunto, Representa-se por n A p onde n é o número de elementos
ordenados p a p.

Consideremos o seguinte problema: quantos números distintos, de 3 algarismos, podem ser

escritos, no sistema decimal, com os algarismos 1,2, 3 e 4?
Os elementos do conjunto procurado são sequencias de três algarismos, escolhidos de entre os
quatro algarismos 1, 2, 3 e 4. Deseja-se, portanto, que se determine o número de sequencias
distintas de três algarismos, escolhidos entre 1, 2, 3 e 4.

111 121 131 141 211 ⋯ 441

112 122 132 142 212 ⋯ 442
113 123 133 143 213 ⋯ 443
114 124 134 144 214 ⋯ 444
64 sequências diferentes

Ora, 64=43, o que permite concluir que:

n n p
O número de arranjos completos A p de n elementos p a p é: A p=n .

Sendo que M é um conjunto com dois elementos e P um conjunto com três elementos, vamos
calcular o número de aplicações que é possível definir de M em P.

M = { a ,b } e P= {1,2,3 }

Logo, o número de aplicações de um conjunto de cardinal p num conjunto de cardinal n ee

dado por n A p=n p.

2.5.5. Permutação Simples

Consideremos o conjunto I ={ a , b , c }. Os arranjos simples dos três elementos de I tomados

três a três são:

( a , b , c ) ,( a , c , b) , ( b , a , c ) ,( b , c , a) , ( c , a , b ) e ( c , b , a)

Cada um desses arranjos é chamado de permutação simples dos elementos de I. Isto é, uma
permutação simples dos elementos de I é qualquer sequência de elementos distintos formada
 26

por todos os elementos de I. observemos que duas dessas permutações se diferenciam apenas
pela ordem dos elementos. Como amostra o exemplo seguinte:

( a , b , c ) ,≠ ( b , a , c ) (diferem pela ordem dos elementos)

Definição:
Lezzi & Dolce (2002, p.365) referem que se I ={ a1 , a 2 , a3 , ⋯ a n } um conjunto com n elementos.
Chama-se permutação simples dos n elementos de I todo arranjo simples desses n elementos
tomados n a n.

Exemplos:
a) As permutações simples dos três elementos do conjunto I ={ 1,2,3 } são:

( 1 ,2 , 3 ) ( 2 ,1 , 3 )( 3 , 1 , 2 )
( 1 ,3 , 2 ) ( 2 ,3 , 1 )( 3 , 2 , 1 )
Isto é, são todos os arranjos simples dos três elementos de I tomados três a três.
b) Quantas permutações simples podemos formar com os elementos do conjunto
I ={ a , b , c , d }?
O número de permutações simples de quatro elementos distintos, que indicamos por
P4 , é igual ao número de arranjos simples desses quatro elementos tomados quatro a
quatro. Isto é:
4! 4!
P4 =A 4. 4= =
( 4−4 ) ! 0 !
4 ∙ 3∙ 2 ∙1
P4 = =24
1
Algumas dessas permutações são:
(a , b , c , d ), (a , b , d , c ), (a , c , b , d )⋯

2.5.5.1. Calculo do número de permutações simples de n elementos distintos

Para Lezzi & Dolce (2002, p.364) Se I ={ a1 , a 2 , a3 , ⋯ a n } um conjunto com n elementos. O

número de permutações simples dos n elementos de I, que indicamos por Pn, é igual ao
número de arranjos simples desses n elementos tomados n a n. Isto é:

n! n! n!
Pn= A n .n= = = =n !
( n−n ) ! 0 ! 1

Assim, temos
 27

Pn=n!

Exemplos:
1. De quantas maneiras diferentes três pessoas podem formar

Resolução:
O número de maneiras é igual ao número de permutações simples desses três elementos, isto
é:
P3=3 !=3 ∙2 ∙ 1=6
Logo, a fila pode ser formada de 6 maneiras diferentes.

2. De quantas maneiras diferentes podemos dispor, numa mesma prateleira de uma

estante, quatro livros de português e três livros de química, de modo que livros de
mesma matéria permaneçam juntos?

Resolução:
P4 ∙ P 3=4 ∙3 ∙ 2∙ 1∙ 3 ∙ 2∙ 1=4 ! ∙3 !
P3 ∙ P4 =3 ∙2 ∙ 1∙ 4 ∙ 3 ∙ 2∙ 1=3 ! ∙ 4 !
Temos, então, como resposta: 4 ! ∙3 !+ 3! ∙ 4 !=144 +144=288.
Assim, os livros podem ser dispostos na prateleira de 288 modos diferentes.

2.5.6. Permutação com elementos repetidos

Consideremos o problema seguinte: Qual é o número de anagramas da palavra OSSOS?

Se as 5 letras dessa palavra fossem distintas entre si, teríamos 5! anagramas. Porém, ao
permutar letras iguais, a palavra não se altera; por isso, concluímos que o número de
anagramas é menor que 5!.

Para calcular esse número de anagramas, vamos colocar índices nas letras, considerando-as
como elementos diferentes, isto é:

O 1 S 1 S2 O 2 S 3

Em cada sequência dos elementos O1 , S1 , S 2 , O2 , S3 , se permutarmos S1 , S 2 e S 3, entre si, e O1e

O2, entre si, obteremos 3 ! ×2 ! sequencias diferentes.
 28

Porém, se eliminarmos os índices nessas 12 sequencias, teremos o mesmo anagrama SSOOS.

Analogamente, se eliminarmos os índices nas 5! sequências dos elementos O1 , S1 , S 2 , O2 , S3,
obteremos grupos de 3 ! ∙ 2! anagramas iguais. O número de grupos assim obtidos é
exatamente o número de anagramas distintos da palavra OSSOS. Esse número é:

5!
=20
3! ∙ 2 !

Ou seja, há 20 anagramas distintos da palavra OSSOS. Podemos generalizar esse raciocínio,

considerando os n elementos, tal que a 1 , a2 , a3 , … , ak , são distintos entre si.

Segundo Paiva (2005, p.262) o número de permutações desses n elementos, que indicaremos
por P(nn , n ,n ,… ,n ), é dado por:
1 2 3 k,

(n1 , n 2 ,n3 ,… ,nk , ) n!

Pn =
n1 ! ∙n 2 ! ∙ n3 ! ∙ … ∙ nk !

Exemplo1:

1. Determinar o número de anagramas da palavra GARRAFA.

Resolução:
A palavra apresenta um total de sete letras, com três letras A duas R, uma letra G e uma letra
F. Assim, temos:

7!
P(3,2,1,1)
7 =
3 !∙2 ! ∙ 1! ∙ 1!

Para simplificar a notação, indicamos esse número simplesmente por:

(3,2 ) 7!
P7 = =420
3! ∙ 2 !

Isto é, não indicamos nos parênteses as letras que comparecem uma única vez na palavra.
Portanto, a palavra GARRAFA possui 420 anagramas.

2.5.7. Combinação Simples

Dado o conjunto I ={ a , b , c , d }, formemos todos os subconjuntos de I com três elementos:

 29

{ a , b , c , } , { a ,b , d } , { a , c , d } , { b , c , d }

Tais subconjuntos são chamados de combinações simples dos quatro elementos de I tomados
três a três. Ou seja, uma combinação simples de três elementos de I é qualquer subconjunto
de I formado por três elementos (Paiva, 2005, p.263).

Observa-se que duas combinações simples quaisquer se diferenciam apenas pela natureza dos
elementos e não pela ordem de apresentação desses elementos.

Exemplos:~

 ( b , c , d )=( c , b , d ) (a ordem dos elementos não altera o conjunto)

 ( a , b , c ) ≠ ( a ,b ,d ) (diferem pela natureza dos elementos)

Definição:

Seja I ={ a1 , a 2 , a3 , ⋯ a n } um conjunto formado por n elementos e seja p, p ∈ N e p ≤ n. Chama-

se combinação simples de p elementos de I todo subconjunto de I formado por p elementos.
(Paiva, 2005, p.263).

2.5.7.1. Calculo de número de combinações simples

Para efectuar esse cálculo, vamos relacionar o número de combinações simples com o número
de arranjos simples de n elementos tomados p a p.

Voltemos ao exemplo introdutório desse assunto. As combinações simples dos elementos de

I ={ a , b , c , d } tomados três a três são { a , b , c } ; { a , b , d } : { a ,c , d };{ b , c , d }. Indicando por C 4 ,3 o

número de combinações simples de 4 elementos tomados três a três, temos C 4 ,3 =4 . Cada uma
dessas combinações gera 3! arranjos simples dos quatro elementos a, b, c, d tomados três a
três, por exemplo:

(a , b , c )
(a , c , b)
(b , a , c )
(b , c , a) 3! arranjos
(c , a , b)
{a , b , c } (c , b , a)

Combinações
 30

Assim, multiplicando por 3! O número C 4 ,3 , obtém-se o número A 4 ,3, isto é:

C 4 ,3 ×3 != A4 ,3

Generalizando esse raciocínio para os números naturais n e p com e p ≤ n, obtém-se a formula

para cálculo de C n , p.

C n , p × p != A n , p

An, p
⇔ Cn , p=
p!

n!
( n− p ) !
⇔ Cn , p=
p!

n!
⇔ Cn , p=
p ! ( n− p ) !

Exemplo:

Num acampamento, o monitor deve montar uma equipe de quatro jovens para improvisar uma
ponte que possibilite a travessia de um riacho. Se há 8 rapazes e 6 moças, quantas equipes de
oito rapazes e duas moças podem ser formadas?

Resolução:

 O número de maneiras de escolher os rapazes é:

8! 8!
C 8 ,2= = =28
2! ( 8−2 ) ! 2 ! 4 !

 A escolha das moças pode ser feita de:

6! 8!
C 6 ,2= = =15
2! ( 6−2 ) ! 2 ! 4 !

Pelo Princípio Fundamental de Contagem (FPC), a equipe poderá ser feita de 28 ×15=420
maneiras distintas.
 31

 O número de equipes de quatro jovens que podem ser formadas sem nenhuma
restrição é:
14 ! 14 !
C 14 ,4 = = =1001.
4 ! ( 14−4 ) ! 4 ! 10 !

2.5.7. Critério para diferenciar arranjo de combinação

Quando tentamos resolver um problema de análise combinatória, deparamos com a seguinte

questão: os agrupamentos mencionados no problema são arranjos ou combinações? Para
eliminar essa dúvida, vamos agir da seguinte maneira: construímos um dos agrupamentos
sugeridos pelo problema e, a seguir, mudamos a ordem de apresentação dos elementos desse
agrupamento:

 Se com essa mudança na ordem dos elementos obtivermos um agrupamento diferente

do original, então esse agrupamento é um arranjo.
 Se com essa mudança na ordem dos elementos obtivermos um agrupamento igual ao
original, então esse agrupamento é uma combinação.
 32

III. Conclusão

Após as abordagens do tema conclui-se que o tamanho da amostra é muito importante, mas
não garante que a população de que precisamos será representada com precisão. Mais do que
o tamanho, a representatividade está mais relacionada ao quadro de amostragem, ou seja, a
lista a partir da qual as pessoas são selecionadas para fazer parte, por exemplo, de uma
pesquisa. Portanto, devemos cuidar para que pessoas de nosso público alvo sejam incluídas
nessa lista para dizer que se trata de uma amostra representativa.

Assim também foi percebível que o primeiro passo para definir uma amostra é definir um
objectivo e seu público alvo, como também precisa determinar com antecedência quais
informações você precisa, assim ficará mais claro sobre qual o público que deverá ser
selecionado para a amostra. O segundo passo é definir o tamanho ideal da amostra de
respondentes. Porem esses dois passos vão garantir que o pesquisador tenha informações
suficientes para poder escolher o tipo de amostragem ideal para a sua pesquisa.

Culmina-se também que a diferença fundamental entre permutações e combinações ee a

ordem dos objectos, em permutação a ordem dos objectos ee muito importante, isto ee, o
arranjo deve estar na ordem estipulada do número de objectos, tomados apenas alguns ou
todos de uma vez. Em contrapartida, no caso de uma combinação, a ordem não tem
importância.
 33

IV. Referências bibliográficas

AAKER, D. A.; KUMAR, V.; DAY, G. S. (2004). Pesquisa de marketing. São Paulo: Atlas.
pp-76;

BOSQUILHA, A., CORRÊA, M. L. P. e VIVEIRO, T. C. N. (2003), Minimanual Compacto

de Matemática Ensino médio teoria e prática, (2ª ed.), São Paulo: Editora Rideel, pp. 197-
210;

DIAS, Matheus. (2018). 9 tipos de amostragem probabilística e não-probabilística. OPUS.

Acessado em 15 de Abril de 2022 em:
https://www.opuspesquisa.com/blog/tecnicas/amostragem/

LEZZI, G. & DOLCE, O. (2002). Matemática volume único. (2ª ed.), Brasil, São Paulo: Atual
Editora, pp.356-473;

MATTAR, F. N. (2001). Pesquisa de marketing. (3.ed.), São Paulo: Atlas, pp.33;

MUTOMBENE, Narcelio. (2011). Introdução à Estatística. (1ª ed.), Moçambique, Maputo:

Instituto Superior Monitor. pp.12-14;

OLIVEIRA, Maxwell Ferreira de. (2011). Metodologia científica: um manual para a

realização de pesquisas em Administração. Catalão: UFG;

TOLEDO, G. L. & OVALLE, I. (1992), Estatística Básica. (2ª ed.), São Paulo: Editora Atlas.
pp.23.

VUNGA, H. M. (Coord). (2016), Estatística. Moçambique, Beira: Instituto Superior de

Ciências e Educação a Distância. pp. 18-57;

PAIVA, Manoel. (2005), Matemática- Volume Único. (1ª ed.), Brasil, São Paulo: Editora
Moderna, pp.250-264.
34