Amostra X População

- População: é o conjunto total de elementos, indivíduos ou objetos que se pretende estudar.

- Amostra: é qualquer subconjunto de elementos de uma população.

(n: número de indivíduos que constituem uma amostra)

- Na pesquisa estatística a forma de coleta dos dados pode ser feita através de censo ou
amostragem.
- Censo: quando todos os indivíduos de uma população são pesquisados.
- Amostragem: quando utilizamos uma amostra de indivíduos de uma determinada população. O
processo de retirada de informações dos “n” elementos amostrais, deve seguir um método
criterioso e adequado (tipos de amostragem).

Exemplos:
1. Uma empresa de construção civil possui 500 funcionários. Desejando avaliar as condições de
saúde, segurança e satisfação do trabalhador, a assistente social seleciona 50 funcionários
aleatoriamente.
População:
Amostra:

2. Pesquisa sobre perspectivas profissionais de jovens universitários na Bahia. Apliquei

questionário entre 1500 alunos da UFRB e da UFBA.
População:
Amostra:
Um estudo por amostragem (amostra) é preferível a um censo (população) por diversos motivos,
dentre os quais:
• Menor custo;
• Rapidez;
• Resultados próximos aos do censo (!!!).
Para que a amostra seja representativa (o que significa isso? Achados / resultados da amostram
valem, representam, refletem a população):
1. pensar / calcular quantos serão entrevistados
2. aplicar critérios/técnicas de selecionar / escolher quem será entrevistado

Vantagens da amostra:

- Se a população é infinita ou muito grande, o censo torna-se inviável.

- Por exemplo, em uma fábrica de parafusos é impossível analisar o censo, já que são muitos
produtos produzidos em um rápido período.
- Os custos para examinar uma amostra são menores. Por exemplo, imagine quanto custa
examinar todos os parafusos de uma fábrica em comparação a 1.000 itens?

- Apesar do uso de amostra ser vantajoso, é necessário que ela seja representativa da população
em estudo.
- Caso contrário as estimativas e inferências obtidas com ela não têm valor.
- Um erro muito comum é crer que quanto maior amostra, melhor. Não! A amostra não precisa
ser grande demais, nem muito pequena, mas sim representativa. Ou seja, capaz de abarcar a
diversidade / heterogeneidade de sujeitos que englobam a população.
Pesquisas que utilizam amostra e população:

Censo IBGE
https://ces.ibge.gov.br/apresentacao/portarias/200-comite-de-estatisticas-sociais/base-de-dados/1
146-censo-demografico.html

DataFolha
https://datafolha.folha.uol.com.br/

População Brasileira IBGE

https://www.ibge.gov.br/apps/populacao/projecao/index.html?utm_source=portal&utm_medium
=popclock&utm_campaign=novo_popclock

PNAD
https://www.ibge.gov.br/estatisticas/sociais/populacao/9127-pesquisa-nacional-por-amostra-de-d
omicilios.html?=&t=o-que-e

IPEA
https://www.ipea.gov.br/portal/
Por que fazer amostragem?
- Menos entrevistas, menos entrevistadores e entrevistados 🡪 mais rigor e controle
- Menos entrevistas 🡪 menos tempo para entrevistar e mais precisão sobre período ao qual se
referem os dados coletados

Resultados obtidos para a amostra valem para toda a população? Refletem e eles
representam toda a população?
- Perigos inevitáveis...
- Formas de contornar: procedimentos de amostragem bem estabelecidos
- Pesquisa de opinião política e possíveis erros

Dois tipos de método de amostragem:

1. amostragem probabilística (método mais respeitado e útil)
2. amostragem não-probabilística

Amostragem probabilística

- A amostragem probabilística é um método de escolha / seleção de uma amostra em que os

objetos amostrais (os elementos) são selecionados de uma população com base na teoria da
probabilidade.
- Este método de amostra inclui todos na amostra e todos têm a mesma chance de serem
selecionados.
- Portanto, não há viés algum neste tipo de amostra.
- Cada pessoa da população pode fazer parte da pesquisa. Os critérios de seleção desta amostra
são decididos logo no início do estudo e constituem um componente importante da pesquisa.

Três tipos de amostragem probabilística. Eles são:

1. Amostragem aleatória simples
2. Amostragem sistemática
3. Amostragem estratificada (segmentação; separação em grupos)

1. Amostragem aleatória simples

- Enumerar e listar elementos da população e selecionar números aleatoriamente (sortear
elementos)
- Os objetos nesta amostra são escolhidos aleatoriamente e cada membro tem exatamente a
mesma probabilidade de ser escolhido.
- Por exemplo:
se um reitor de uma universidade gostaria de coletar feedback dos alunos sobre sua percepção
dos professores e nível de educação. Todos os 1000 alunos da universidade poderiam fazer parte
dessa amostra. Destes, define-se que quaisquer 100 alunos podem ser selecionados
aleatoriamente para fazer parte desta amostra representando os demais membros da população.
Reitor listagem das turmas e das matrículas / Sistema: pedir o sorteio de 100 números de
matrículas

- Pouco utilizada: dificuldade de listar; pesquisadores geralmente optam pela amostragem

sistemática.
2. Amostragem sistemática
- Enumerar e listar os elementos da população.
- Selecionar cada ko elemento da lista.
- Turma de alunos com 100 alunos. Se a lista possui 100 elementos e você precisa de 10
elementos, seleciona cada décimo elemento da lista: 10, 20, 30, 40, 50, 60, 70, 80, 90, 100
ou 2, 12, 22, 32, 42, 52, 62, 72, 82, 92.

Por exemplo: se a lista possui 10.000 elementos e você precisa de 1.000 elementos na sua
amostra, seleciona cada décimo elemento da lista.
10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130...

- Perigos quanto à organização da lista de elementos da população (quando em padrão cíclico).

É preciso examinar a natureza da lista!
Batalhão de bombeiros / Lista: a cada 10 elementos eu tenho pessoas que refletem a progressão
das patentes
Soldado, Sargento, Tenente, Capitão, Major
1 (Sol), 2 (Sar), 3 (Ten), 4 (Cap), 5 (Maj), 6 (Sol), 7 (Sar), 8 (Ten), 9 (Cap), 10 (Maj), 11 (Sol),
12 (Sar), 13, 14, 15, 16, 17, 18, 19, 20
Exemplos: ordenamento de alunos por período; listagem de funcionários por idade

3. Amostragem estratificada (população segmentada, separada em grupos)

- Maior grau de representatividade e menor erro amostral.

- Ex.: turma de 100 alunos e sei que há 50 homens e 50 mulheres.

Estudo sobre sexo (ser homem ou mulher IMPORTA na minha pesquisa) e gosto musical.
Amostra de 30 alunos.
- O mais apropriado seria que a amostra de 30 alunos fosse formada por 15 homens entrevistados
e 15 mulheres entrevistadas.
- Garantir que a amostra contenha quantidades apropriadas de elementos dos subconjuntos
(grupo de homens e do grupo de mulheres) que compõem a população (todos os alunos: homens
+ mulheres).

Amostragem aleatória simples: 20 homens e 10 mulheres (subrepresentadas). Não tenho bem

representados os subconjuntos que compõem a população.

- Função da estratificação (separação): organizar a população em subconjuntos e selecionar o

número apropriado de elementos em cada subconjunto.
Quais subconjuntos criar?
Idade, sexo, raça? Sim!
Depende...
- A subdivisão da população em conjuntos (sexo, idade, escolaridade, renda, bairro de residência
na cidade etc.) depende das variáveis que se quer representar com precisão.

Exemplo:
Pesquisa das perspectivas de alunos do ensino médio sobre futuro profissional.
Hipótese: Alunos mais jovens, até 18 anos, pretendem ir para a universidade assim que
concluírem o ensino médio. Alunos mais velhos, acima de 19 anos querem terminar o ensino
médio e conseguir um emprego.
Isso é verdade ou mentira?
Idade X Perspectiva sobre futuro profissional
População:100 alunos.
40: acima de 19 anos
60: até 18 anos

Amostra de 50 alunos.
Idades dos entrevistados para que a amostra seja representativa?
Quantos alunos de até 18 anos devo entrevistar? 30 alunos
60 – 100
X – 50
100x = 3000
X= 3000/100
X= 30
Quantos alunos de 19 anos ou mais eu devo entrevistar? 20 alunos
40 – 100
X – 50
100x = 2000
X= 2000/100
X= 20

- O efeito da estratificação (separar a população em subconjuntos) é garantir a representação

adequada da variedade de elementos da população na amostra.
Como é feita amostragem para pesquisa de opinião política?

https://www.bbc.com/portuguese/brasil-43845326

https://www.politize.com.br/pesquisas-eleitorais-como-sao-feitas/

https://www.youtube.com/watch?v=igi7E1OY7gs

Amostragem probabilística, algumas considerações:

- Amostragem probabilística pode ser muito simples ou extremamente difícil, demorada e cara.
Tudo depende da situação de campo.
- Método mais eficiente para seleção de elementos para estudo por três razões:
1. evita o viés consciente ou inconsciente na seleção de elementos por parte do pesquisador;
2. Todos os elementos da população têm chance igual de seleção e com isso há boa chance da
amostra selecionada representar bem a população;
3. Amostra probabilística permite estimativas de erro amostral

- Nenhuma amostra probabilística é perfeitamente representativa em todos os aspectos. Métodos

permitem estimar o grau de erro esperado.

Amostragem não probabilística (elementos da população NÃO tem a mesma chance de

compor a amostra)
- Quando a representatividade exata não é necessária.
- Principais métodos de amostragem não-probabilística:
1. amostragem intencional ou por julgamento;
2. amostragem por cotas

1. Amostragem intencional ou por julgamento

- Selecionar a amostra com base no conhecimento sobre a população e seus elementos.
- Não há representatividade
- Exemplos: estudo de lideranças de movimento social; estudo sobre professores; estudo sobre
profissão; etc.

2. Amostragem por cotas

- Começa com uma matriz descrevendo as características da população. Ex.: saber as proporções
(as quantidades) de homens e mulheres; faixas etárias; faixas salariais; rendimentos mensais
- Após a criação da matriz, com proporções relativas atribuídas a cada célula, colhem-se dados
de pessoas com todas as características de cada uma dada célula.
• Etapas: classificar a população, determinar a proporção da população para cada classe, fixar
cotas em observância à proporção das classes consideradas;
• Apresenta maior rigor dentre as amostragens não probabilísticas
 • 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.
Ex.: Em geral é utilizada em pesquisa eleitoral e pesquisa de mercado.

Amostragem estratificada X Amostragem por cotas:

A principal diferença entre essas duas técnicas é que, na amostragem por cotas, os elementos da
amostra não são selecionados aleatoriamente de cada estrato, como é feito na amostragem
aleatória estratificada.
Amostragem de cotas: https://www.questionpro.com/blog/pt-br/amostragem-de-cotas/

Exemplo de desenho de amostragem

- Babbie, p. 83.
Amostragem de estudantes universitários – Amostragem estratificada sistemática