Aicha Ndala Saide

Abílio Manesse Sapuara

Francisco Julio Niaca

Mimi Ray

Nassane Amãncio Amade

Teoria da Amostrgem:
Amostragem Probabilistica e nao Probabilistica
(Licenciatura em Ciências Alimentares)

Universidade Rovuma
Extensão de Niassa
2023
 Aicha Ndala Saide
Abílio Manesse Sapuara

Francisco Julio Niaca

Mimi Ray

Nassane Amãncio Amade

Teoria da Amostrgem:

Amostragem Probabilistica e nao Probabilistica

(Licenciatura em Ciências Alimentares)

Trabalho de Estatistica, a ser entregue no

departamento de Ciencias alimentares e
Agrarias, Extensao de Niassa, de caracter
avaliativo, lecionado pelo: Msc. Alfino

Universidade Rovuma

Extensão de Niassa

2023
Índic

e
1. Introdução........................................................................................................................4

1.1. Objectivos....................................................................................................................4

1.1.1. Objectivo Geral:.......................................................................................................4

1.2.1. Teoria da Amostragem.............................................................................................5

1.2.2. TIPOS DE AMOSTRAGENS..................................................................................6

1.2.3. TIPOS DE AMOSTRAGEM PROBABILÍSTICA.................................................7

1.3. Amostragem não-probabilística.................................................................................12

1.3.1. Formula para calcular o tamanho da amostra.........................................................14

1.3.2. Conclusão...............................................................................................................16

1.4. REFERÊNCIAS BIBLIOGRÁFICAS.......................................................................17

 4

1. Introdução
Opresente trabalho de pesquisa, vai abordar assuntos relacionado a Teoria da amostragem
que é um estudo das relações existentes entre uma população e as amostras dela extraídas.
Podemos, por exemplo, avaliar grandezas desconhecidas da população (como sua média,
sua variância, etc.), denominadas de parâmetros, através das correspondentes grandezas
amostrais, denominadas de estatísticas amostrais. Porem, O objetivo principal da teoria da
amostragem é obter uma amostra que seja uma representação honesta da população e que
conduza à estimação das características da população com grande precisão.

1.1. Objectivos
1.1.1. Objectivo Geral:
 Conhecer a formula para calcular o tamanho da amostra e dominio dos
conhecimentos sobre teoria da amostragem.
1.2. Objectivos Especificos:
 Identificar a formula para calcular o tamanho da amostra;
 Explicar os conteudos relacionados a amostragem probabilistica e não
probabilistica;
 Caracterizar a população-alvo, o conjunto maior para as quais os resultados serão
generalizados.
 5

1.2.1. Teoria da Amostragem

Segundo LEVIN. Jack (1999), A teoria da amostragem é um estudo das relações existentes
entre uma população e as amostras dela extraídas. Podemos, por exemplo, avaliar
grandezas desconhecidas da população (como sua média, sua variância, etc.), denominadas
de parâmetros, através das correspondentes grandezas amostrais, denominadas de
estatísticas amostrais.
De acordo com BUSSAB, Wilton de O. A teoria da amostragem é uma técnica especial para
recolher amostras que garante, tanto quanto possível, o acaso na escolha, de modo a garantir à
amostra o caráter de representatividade.

Características definem a população-alvo, o conjunto maior para as quais os resultados

serão generalizados. A amostra do estudo é o subconjunto da população-alvo disponível
para estudo.

O planejamento da coleta da amostra define o tipo de amostragem a ser utilizado. Os tipos

de planejamentos amostrais mais utilizados são: Amostragem sistemática, Amostragem
proporcional estratificada, Amostragem por conglomerado e Amostragem aleatória simples.

A amostragem consiste em observar ou mensurar uma parte de uma população florestal para obter
estimativas representativas de todo o restante desta mesma população. É uma forma de estimar, com
confiança, parâmetros populacionais sem precisar mensurar toda a população.

A amostra é uma parte da população e a unidade amostral é o espaço físico onde são medidas as
características da floresta. Em geral, as unidades amostrais possuem área fixa, mas também podem
ser de área variável, como no método de Prodan e na amostragem por pontos quadrantes. As
 6

unidades amostrais de área fixa podem variar em tamanho e em forma, sendo comumente
denominadas de Parcelas.

O objetivo principal da teoria da amostragem é obter uma amostra que seja uma
representação honesta da população e que conduza à estimação das características da
população com grande precisão.
Algumas das vantagens que podemos desde já apontar ao usarmos um processo de
amostragem no estudo de um dado problema são:

 Redução dos custos e maior rapidez no apuramento dos resultados;

 Maior profundidade na recolha de elementos;
 Resolve o problema de estudar características que são destrutivas;
 Minimiza os erros associados à recolha de informação.

1.2.2. TIPOS DE AMOSTRAGENS

Basicamente, existem dois métodos de amostragem: a amostragem probabilística e a não
probabilística. As duas tem seus usos e importâncias, dependendo de diversos critérios de
qualidade da pesquisa e estatística.

Para MARTINS, Gilberto de A. (2005). A amostra probabilística é um tipo de amostragem

que garante o acaso na escolha da amostra. Ou seja, todos os elementos do universo têm a
mesma chance de ser selecionado para a amostra. Isso quer dizer, se tivermos uma
população de 100.000 pessoas, cada uma delas tem a mesma probabilidade de participar da
pesquisa. 
Amostragem Probabilística são amostragens em que a seleção é aleatória de tal forma que
cada elemento da população tem uma probabilidade conhecida de fazer parte da amostra.
Vantagem da amostra probabilistica
- Selecao aleatoria.
- Elimina o erro sistematico e o vies de selecao
- Representa bem as caracteristicas populacionais de interesse.
- Permite gereralizacao da amostra.
Desvantagem
- É necessario conhecer e definir bem a populacao de interesse.
 7

- Cuarosa.
- De dificil acesso, as vezes.
- Tende a ser pouco atualizada para mudancas de nomes (ex: casamento) ou mudancas
geograficas.
- Há situações em que é impossível (ex: verificar a população de usuários de crack).

1.2.3. TIPOS DE AMOSTRAGEM PROBABILÍSTICA

 Amostragem Simples;
 Amostragem Sistemática;
 Amostragem Estratificada;
 Amostragem por Conglomerados.

Segundo MARTINS, Gilberto de A. (2005), Amostragem Simples é o processo mais

elementar. O método se fundamenta no princípio de que todos os membros de uma
população têm a mesma probabilidade de serem incluídos na amostra;
 É indicado para populações homogêneas;
 Rotula os elementos da população e sorteia os indivíduos que farão parte da amostra
Ex.: Aplicar um questionário de satisfação sobre os serviços prestados por uma agência
bancária em 10 clientes de um banco de dados de 100 pessoas.
 8

Amostragem Sistemática

A amostragem sistemática é um tipo de amostragem probabilística, onde se faz uma seleção

aleatória do primeiro elemento para a amostra e logo se selecionam os itens subsequentes
utilizando os intervalos fixos ou sistemáticos até chegar ao tamanho da amostra desejada.

A população deve ser ordenada de forma que os elementos sejam identificados pela
posição;

 A população homogênea;
 A retirada dos elementos é feita periodicamente.

Ex.: Aplicar um questionário de satisfação sobre os serviços prestados por uma agência
bancária em 10 clientes de um banco de dados de 100 pessoas.

Para encontrarmos os pontos onde faremos as coletas sistemáticas das amostras, podemos
seguir os seguintes passos:

1º calcular a razão R = N/n onde N é o tamanho da população e n é o tamanho da amostra

Obs: R sempre será a parte inteira.

2 ª Sortear um número de 01 a R.

3º Obter a amostra: número sorteado, número sorteado + R, número sorteado + 2R, número
sorteado + 3R, ...

Exemplo: N = 100 n = 10

R = 100/10 = 10

R= 10

Número sorteado = 8

Amostra: 8, 18, 28, 38, 48, 58, 68, 78, 88 e 98

 9

Amostragem Estratificada

MARTINS, Gilberto de A (2005), A amostragem estratificada consiste em especificar

quantos elementos da amostra serão retirados em cada estrato. É costume considerar três
tipos de amostragem estratificada: Uniforme, proporcional e ótima. N amostragem
estratificada uniforme, sorteia-se igual número de elementos em cada estrato. Isto é:

• 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;

• A definição dos estratos pode ser de acordo com sexo, idade, renda, grau de instrução,
etc.;

• Em geral, a retirada das amostras nos estratos é realizada;

• Em geral, a retirada das amostras nos estratos é realizada de forma aleatória simples.

Ex.: 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.
 10

Tipos de Amostragem Estratificada

1. Uniforme - Na amostragem estratificada uniforme sorteia-se igual número de
elementos de cada estrato.
2. Proporcional - Na amostra estratificada proporcional, o número de elementos em
cada estrato é proporcional ao Tipos de Amostragem Estratificada número de
elementos em cada estrato é proporcional ao número de elementos existentes no
estrato.
3. 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.

Amostragem por Conglomerados

Amostragem por conglomerados é um procedimento de amostragem probabilística em que

os elementos da população são selecionados aleatoriamente. De forma natural por grupos
(clusters).

Para SPEIGEL, Murray R. 1993, diz que. Amostragem por conglomerados nos ajuda
quando é impossível ou impraticável criar um quadro de amostragem de uma população
alvo, porque ela é espalhada geograficamente e o custo da recolha de dados é relativamente
alta. Isto é:

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

• este esquema amostral é utilizado quando há uma subdivisão da população em grupos que
sejam bastante semelhantes entre si, mas com fortes discrepâncias dentro dos grupos, de
modo que cada um possa ser uma pequena representação da população de interesse
específico;
 11

• A amostragem é realizada em cima dos conglomerados, e não mais sobre os indivíduos da

população.

EXEMPLO 1
Dados:
Um economista deseja estimar a renda média para o primeiro ano de trabalho de um
bacharel em direito. Quantos valores de renda devem ser tomados, se o economista deseja
ter 95% de confiança em que a média amostral esteja a menos de R$500,00 da verdadeira
média populacional? Suponha que saibamos, por um estudo prévio, que para tais rendas, σ
= R$6250,00.
SOLUÇÃO
Queremos determinar o tamanho n da amostra, dado que α = 0,05 (95% de confiança).
Desejamos que a média amostral seja a menos de R$ 500 da média populacional, de forma
que E = 500. Supondo σ = 6250, aplicamos a Equação 1, obtendo:

( ) (
2
Z∝ /2
)
2
1,96 x 6250
n= = =600,25=601 Arredondando para cima
E 500

Devemos, portanto, obter uma amostra de ao menos 601 rendas de primeiro ano,
selecionadas aleatoriamente, de bacharéis de faculdades que tenham feito um curso de
direito. Com tal amostra teremos 95% de confiança em que a média amostral x difira em
menos de R$500,00 da verdadeira média populacional µ.
 12

EXEMPLO 2

Dados:

Um assistente social deseja saber o tamanho da amostra (n) necessário para determinar a
proporção da população atendida por uma Unidade de Saúde, que pertence ao município de
Cariacica. Não foi feito um levantamento prévio da proporção amostral e, portanto, seu
valor é desconhecido. Ela quer ter 90% de confiança que sua o erro máximo de estimativa
(E) seja de ±5% (ou 0,05). Quantas pessoas necessitam ser entrevistadas?

SOLUÇÃO

Considerando que o valor da proporção amostral de atendimentos para pessoas de Cariacica

não é conhecido. Utilizamos a Equação 3 para determinar o tamanho da amostra. Sabemos
que, para 90% de confiança teremos o valor crítico (Zα/2 ) = 1,645,

2
[ Z ∝/2 ] ∗0,25 2
1,645
n= 2
= 2
=270,6=271 Arredondando para cima
E 0,05
Devemos, portanto, obter uma amostra de 271 pessoas para determinar a proporção da
população atendida na Unidade de Saúde, que se origina do município de Cariacica.
Conforme o exemplo 2, utilize uma margem de erro maior, como ±0,20 (20%) e determine
qual seria o tamanho da amostra necessário quando o nível de confiança é 90% e quando é
95%.

1.3. Amostragem não-probabilística

Tipos de amostragem não-probabilísticas

 Amostragem por conveniência/Acidental

 Amostragem por cotas
 Amostragem tendenciosa
 13

Amostragem por conveniência ou acidental

Segundo BUSSAB, Wilton de O. MORETTIN, Pedro A (2006). A amostragem de

conveniência é uma espécie de teste de improbabilidade, que exclui uma escolha arbitrária
dos membros. O inverso é a inspeção da probabilidade, onde os membros são
arbitrariamente escolhidos, e cada há uma possibilidade equivalente de serem colhidos.

A partir do conceito de amostra discutidos no começo do artigo, vamos discorrer mais sabre
tipos de amostras não probabilísticas utilizadas em pesquisas de opinião e de mercado.

Amostras por conveniência, como o próprio nome já sugere, são um tipo de amostra que
não exige tanto critério na pré-seleção do público a ser pesquisado, ou seja, o universo da
pesquisa não precisa estar totalmente definido para que essa seja efetuada.

Quando se deve usar a amostra por conveniência?

Por não ter muito critério na seleção de perfis a serem entrevistados, a amostra por
conveniência pode gerar um resultado enviesado. Como no exemplo dado acima, uma
pesquisa realizada em uma praça na cidade, provavelmente não comportará todo o universo
necessário em uma pesquisa.

Dessa forma, amostras por conveniência devem utilizadas em pesquisas que buscam
conclusões gerais, com um perfil exploratório como o pré-teste de questionários, ou nas
quais, não haja uma certeza prévia do perfil de seus respondentes.

Amostragem por cotas

A amostragem por cotas é um método de amostragem não probabilístico, no qual os

pesquisadores podem formar uma amostra de indivíduos que representam uma população e
são escolhidos de acordo com suas características ou qualidades.

A amostra por cotas, é uma forma de amostragem muito utilizada em pesquisas de

mercado, eleitorais e de opinião pública. Ela é uma amostra que, por meio de cotas,
seleciona proporcionalmente pessoas com semelhantes características de uma população.
 14

Para efetuar esse tipo de amostragem, deve-se primeiramente segmentar o universo

estudado em características. Por exemplo, dividir a população de uma cidade em cotas
como idade, sexo e escolaridade. Depois disso,os pesquisadores devem escolher
características, nessa população, que sejam relevantes para a pesquisa. Assim, o último
quesito a ser considerado é o da proporcionalidade, se 40% da população de uma cidade é
empregada e 60% não é, e essa característica for importante para o estudo, essa
proporcionalidade deve ser respeitada na amostragem.

1.3.1. Formula para calcular o tamanho da amostra

1 N∗n 0
n 0= 2 n=
E0 N + n0

Onde:

N = Tamanho da populacao;

E0 =¿ Erro amostral Toleravel (Exemplo: 2% = 0,02);

n 0=¿Primeira aproximacao do tamanho da amostra;

n=¿Tamanho da amostra.

Exemplo 1

Numa empresa com 1000 funcionários, deseja-se estimar a percentagem dos favoráveis a
certo treinamento. Qual deve ser o tamanho da amostra aleatória simples que garanta um
erro amostral não superior a 5%?

Solução

N=1000 empregados
E0 =erro amostral toleravel=5 % ( E0 =0,05 )

n 0=1/¿

1000 x 400
n= =286 empregados
1000+400

Amostragem tendenciosa
 15

Amostra tendenciosa é o resultado não intencional da seleção de amostras de uma

população que favorece um resultado em detrimento de outro. Ao selecionar apenas
amostras de eleitores do Condado de Yellow, a estimativa de atitudes em relação à rodovia
favoreceu sistematicamente um resultado.
Outros exemplos de amostras tendenciosas incluem medir jogadores de basquete
moçambicanos profissionais para estimar a altura média dos homens moçambicanos ou
testar a água do poço para fazer uma estimativa da água do rio. Em ambos os exemplos, a
estimativa será enviesada porque a amostra foi enviesada.

O melhor método de amostragem para obter uma estimativa imparcial é selecionar

aleatoriamente da população de interesse. Para garantir que um estudo de pesquisa obtenha
uma estimativa imparcial, cada membro da população de interesse deve ter uma
probabilidade igual de ser amostrado.
 16

1.3.2. Conclusão

No presente trabalho de pesquisa concluímos que, a teoria da amostragem é um estudo das

relações existentes entre uma população e as amostras dela extraídas. Pois, O planejamento
da coleta da amostra define o tipo de amostragem a ser utilizado. Os tipos de planejamentos
amostrais mais utilizados são: Amostragem sistemática, Amostragem proporcional
estratificada, Amostragem por conglomerado e Amostragem aleatória simples. Por sua vez,
concluímos que existem amostras probabilísticas e não probabilísticas e as duas tem seus
usos e importâncias, dependendo de diversos critérios de qualidade da pesquisa e
estatística.
 17

1.4. REFERÊNCIAS BIBLIOGRÁFICAS

2. BUSSAB, Wilton de O. MORETTIN, Pedro A. Estatística Básica. 5ª edição. São Paulo:
Saraiva, 2006.
3. MORETTIN, Luiz Gonzaga. Estatística Básica – Volume 2 – Inferência. São Paulo:
Pearson Makron Books, 2000.
4. MARTINS, Gilberto de A. Estatística Geral e Aplicada. 3ª ed. São Paulo: Atlas, 2005.
5. SPEIGEL, Murray R. Estatística. 3ª ed. São Paulo: Pearson Makron Books, 1993.