Escolar Documentos
Profissional Documentos
Cultura Documentos
Universidade Rovuma
Nampula
2022
2
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
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.
I. Introdução;
II. Desenvolvimento do trabalho;
III. Conclusão;
IV. Referências Bibliográficas.
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
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.
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
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.
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.
Selecionar um subgrupo da população, que com base nas informações disponíveis, possa ser
considerado representativo de toda a população;
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:
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
Importante: os elementos não são selecionados em bases aleatórias, fato que distingue
Amostra por Cotas desse tipo das Amostras Aleatórias Estratificadas.
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.
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).
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
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.
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.
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.
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.
N
I=
n
Onde:
I é o intervalo;
N é a população
n é amostra
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.
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.
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.
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.
Por esse motivo, ela é um bom tipo de amostragem para pesquisas de opinião que possuem
grandes populações com diferentes qualidades.
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.
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.
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.
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.
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.
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.
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.
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
O desvio padrão indica a variação esperada entre as respostas. Resultados extremos têm uma
maior chance de estarem corretas do que os mais equilibrados.
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.
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
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
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
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
5 (5 , C) (5 , K )
6 (6 , C ) (6 , K )
6 2 ¿ 12
×
Número de Número de
resultados resultados
possíveis no dado possíveis na moeda
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.
Exemplos:
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
(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:
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:
A 4.3=4 ×2 ×3
A 4.3=24
23
Definição:
Exemplo 1:
(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
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
⋯
Os números
de
possibilidades
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:
5! 5!
A5. 4= =
( 5−4 ) ! 1 !
5 ∙ 4 ∙3 ∙ 2∙ 1 !
A5. 4=
1!
A5. 4=5 ∙ 4 ∙ 3 ∙2=120
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
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.
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 }
( 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:
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 )⋯
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.
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.
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
5!
=20
3! ∙ 2 !
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,
Exemplo1:
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!
(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.
{ 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:~
Definição:
Para efectuar esse cálculo, vamos relacionar o número de combinações simples com o número
de arranjos simples de n elementos tomados p a p.
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
C 4 ,3 ×3 != A4 ,3
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:
8! 8!
C 8 ,2= = =28
2! ( 8−2 ) ! 2 ! 4 !
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 !
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.
AAKER, D. A.; KUMAR, V.; DAY, G. S. (2004). Pesquisa de marketing. São Paulo: Atlas.
pp-76;
LEZZI, G. & DOLCE, O. (2002). Matemática volume único. (2ª ed.), Brasil, São Paulo: Atual
Editora, pp.356-473;
TOLEDO, G. L. & OVALLE, I. (1992), Estatística Básica. (2ª ed.), São Paulo: Editora Atlas.
pp.23.
PAIVA, Manoel. (2005), Matemática- Volume Único. (1ª ed.), Brasil, São Paulo: Editora
Moderna, pp.250-264.
34