UNIVERSIDADE FEDERAL DO PIAUÍ

ENGENHARIA MECANICA

DEPARTAMENTO DE CIÊNCIAS TECNOLOGICAS

ANDRE VICTOR DIAS RIBEIRO

HUGO IVIS PEREIRA DE CASTRO AMORIM

PROBABILIDADE E ESTASTISTICA

LYA RAQUEL OLIVEIRA DOS SANTOS

TIPOS DE AMOSTRAGEM PROBABILISTICA

TERESINA-PI
 2023

Amostragem probabilística aleatória simples:

Esse tipo de amostragem, também chamada simples ao acaso, aleatória, casual,

simples, elementar, randômica, etc., é equivalente a um sorteio lotérico. Nela, todos os
elementos da população têm igual probabilidade de pertencer à amostra, e todas as possíveis
amostras têm também igual probabilidade de ocorrer.

Etapas para selecionar uma amostra aleatória simples

1. Definir a população-alvo.
2. Identificar um quadro de amostragem atual da população-alvo ou desenvolva um
novo.
3. Avaliar o quadro de amostragem para a falta de cobertura, cobertura excessiva,
cobertura múltipla e agrupação.
4. Determinar um número único para cada elemento da trama.
5. Calcular o tamanho da amostra.
6. Selecionar aleatoriamente o número específico de elementos da população.

o Para selecionar o número de elementos da população é possível recorrer

ao método de loteria. Isto é, uma tabela de números aleatórios é gerado
através de um programa de computador. Como resultado, em um sistema
de sorteio, os números que representam cada um dos elementos da
população alvo são colocados em fichas.
o Após isso, as fichas são misturadas.
o Em seguida, selecionam as fichas a partir do recipiente até que se tenha
obtido o tamanho da amostra desejada.
o Em uma tabela de números aleatórios não se segue um padrão particular.
Eles podem ser lidos de qualquer maneira, ou seja, horizontal, vertical,
diagonal, para frente ou para trás.
o O número de dígito utilizado deve corresponder ao tamanho total da
população-alvo e o número que o investigador encontra que não combina
com o atribuído ao elemento da população-alvo é ignorado.
o Você também pode usar um software estatístico ou planilha de cálculos
para gerar números aleatórios, e os elementos de populações cujos
números correspondem aos números atribuídos gerados pelo software são
incluídos na amostra.
o Você pode selecionar um número de uma tabela aleatória para usá-lo
como o número de partida para o procedimento.

Amostragem Sistemática

Quando os elementos da população se apresentam ordenados e a retirada dos

elementos da amostra é feita periodicamente, temos uma amostragem sistemática. Assim, por
exemplo, em uma linha de produção, podemos, a cada dez itens produzidos, retirar um para
pertencer a uma amostra da produção diária.
 A população deve ser ordenada de forma que os elementos sejam identificados pela
posição;

1. Definir a população-alvo. Determinar o tamanho da amostra desejada (n).

0. Identificar a estrutura de amostragem existente ou desenvolver um quadro de

amostragem da população-alvo.

0. Avaliar o quadro de amostragem por falta de cobertura, cobertura excessiva,

múltipla cobertura, agrupamento, periodicidade, e fazer os ajustes quando seja
necessário, de maneira ideal, a lista estará em ordem aleatória com respeito ao
estudo variável ou, melhor ainda, ordenados de acordo com a variável de interesse
ou sua correlação, criando assim estratificação implícita.

0. Determinar o número de elementos na estrutura de amostragem (N).

0. Calcular o intervalo de amostragem (i)dividindo o número de elementos na

estrutura de amostragem (N) pelo tamanho da amostra específica (n). Um deveria
ignorar o resto e arredondar ou acabar no número inteiro mais próximo. O
arredondamento para menos e truncando fará que o tamanho da amostra seja maior
do que o desejado. Se assim for, se pode eliminar de forma aleatória as seleções
adicionais. Se não conheces o tamanho exato, ou é pouco prático para determinar,
você pode fixar uma fração de amostragem.

0. Selecione um número aleatório, r, de “1” mediante i.

0. Selecione para a amostra r, r + I, r + 2i, r, + 3i, e assim por diante, até esgotar o
quadro.

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.
2ª 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.

Amostragem por meio de conglomerados

Quando a população apresenta uma subdivisão em pequenos grupos, chamados

conglomerados, é possível - e muitas vezes conveniente - fazer-se a amostragem por meio
desses conglomerados, a qual consiste em sortear um número suficiente de conglomerados,
cujos elementos constituirão a amostra. Ou seja, as unidades de amostragem, sobre as quais é
feito o sorteio, passam a ser os conglomerados e não mais os elementos individuais da
população

Amostra 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.

Os elementos da amostragem são selecionados a partir da população de maneira

individual, um de cada vez.

As unidades de amostragem ou grupos podem ser espaçadas como ocorre

naturalmente em unidades geográficas ou físicas (por exemplo, estados, delegações ou
distritos); em base a uma organização como escolas, grau escolar; ou serviço telefônico, tais
como códigos de área ou alterar o código de área do serviço dos números de telefone.

A heterogeneidade do grupo é essencial para ter uma boa amostra por conglomerados.
Além disso, os elementos dentro de cada grupo deve ser tão diversos como a população-alvo.

Amostra por conglomerados, siga estes passos:

1. Definir a população-alvo.
2. Determine o tamanho da amostra desejada.
3. Identificar um quadro de amostragem existente ou desenvolver um novo quadro de
amostragem dos grupos da população alvo.

4. Avaliar o quadro de amostragem para a falta de cobertura, cobertura excessiva

múltiplas coberturas, e agrupamento, e fazer ajustes quando seja necessário.
Idealmente, os grupos seriam tão heterogêneos como a população, mutuamente
exclusivas e coletivamente exaustivas. A duplicação de elementos da amostra pode
aparecer se os elementos da população pertencem a mais de um grupo. A omissão
dará lugar a uma linha de cobertura.
 5. Determinar o número de grupos que você selecione. Isto pode ser feito dividindo-se
o tamanho da amostra por o número médio estimado de elementos da população em
cada grupo. Na medida em que a homogeneidade e a heterogeneidade dos grupos
sejam diferentes ao da população, o número do grupo fica maior e aumenta a
precisão. Além disso, se as diferenças aumentam, a precisão diminui.
6. Selecionar aleatoriamente o número previsto das agrupações.

Amostragem Estratificada

Muitas vezes a população se divide em subpopulações ou estratos, sendo razoável

supor que, de estrato para estrato, a variável de interesse apresente um comportamento
substancialmente diverso, tendo, entretanto, comportamento razoavelmente homogêneo
dentro de cada estrato. Em tais casos, se o sorteio dos elementos da amostra for realizado sem
se levar em consideração a existência dos estratos, pode acontecer que os diversos estratos
não sejam convenientemente representados na amostra, a qual seria mais influenciada pelas
características da variável nos estratos mais favorecidos pelo sorteio. Evidentemente, a
tendência da ocorrência de tal fato será tanto maior quanto menor o tamanho da amostra. Para
evitar isso, pode-se adotar uma amostragem estratificada.

As camadas ou estratos são grupos homogêneos de indivíduos, que por sua vez, são
heterogêneos entre diferentes grupos. Por exemplo, se num estudo esperamos encontrar um
comportamento diferente entre homens e mulheres, é conveniente definir duas camadas, uma
para cada gênero. Se a seleção desses estratos for correta, encontraremos: (1) os homens
devem se comportar de forma muito semelhante entre si, (2) as mulheres devem se comportar
de forma muito parecida entre si e (3) homens e mulheres devem mostrar comportamentos
diferentes entre si.

Se a condição comentada anteriormente é cumprida de forma correta (estratos

internamente homogêneos e heterogêneos entre si), o uso da amostragem estratificada reduz o
erro amostral, melhorando a precisão dos resultados ao realizar um estudo sobre a amostra.

É relativamente habitual definir os estratos de acordo com algumas variáveis

características da população, tais como: idade, sexo, classe social ou região geográfica. Essas
variáveis permitem dividir facilmente a amostra em grupos mutuamente exclusivos e
frequentes, permitem discriminar comportamentos diferentes dentro da população.

Tipos de amostra estratificada

Dependendo do tamanho atribuído as camadas, estamos falamos sobre os diferentes

tipos de amostragem estratificada. Também é costume falar sobre diferentes formas de definir
as camadas da amostra.
 (1) Amostra estratificada proporcional

Quando selecionamos uma característica dos indivíduos para definir camadas,

frequentemente o tamanho resultante das subpopulações do universo são diferentes. Por
exemplo, queremos estudar a % da população fumante no México e estipulamos que a idade
pode ser um bom critério para a estratificação (ou seja, existem diferenças significativas de
fumantes de acordo com a idade). Definimos três camadas: menores de 20 anos, 20 a 44 e
superiores a 44 anos.
É de se esperar que, ao dividir a população mexicana, essas 3 camadas não resultam em
grupos de tamanhos iguais. Na verdade, se olharmos para os dados oficiais, obtemos:

* Estrato 1 - População mexicana menor de 19 anos: 42,4 milhões (41,0%)

* Estrato 2 - População mexicana de 20 a 44 anos: 37,6 milhões (36,3%)

* Estrato 3 - População mexicana maior de 44 anos: 23,5 milhões (22,7%)

Se usamos a amostra estratificada proporcional, a amostra deverá obter camadas

que obtenham as mesmas proporções observadas na população. Se queremos criar uma
amostra de 1.000 indivíduos, os estratos precisam ter este tamanho:

Estra Populaç Proporç Amost

to ão ão ra
1 42,4M 41,0% 410
2 37,6M 36,3% 363
3 23,5M 22,7% 227

(2) Amostra estratificada uniforme

Para definir uma amostra uniforme, é necessário atribuir o mesmo tamanho de

amostra para todas as camadas, independentemente do peso dos estratos da população.
Continuando com o exemplo acima, a amostragem estratificada uniforme definiria a seguinte
amostra por estrato:

Estra Populaç Proporç Amost

to ão ão ra
1 42,4M 41,0% 334
2 37,6M 36,3% 333
3 23,5M 22,7% 333
Esta técnica favorece os estratos que têm menor peso na população, equivalendo a
importância dos estratos mais relevantes. Globalmente, reduz a eficiência da nossa amostra
(resultados menos precisos), mas em troca, permite estudar características de cada camada de
forma mais eficiente. No nosso exemplo, se emitirmos uma declaração específica sobre a
população do estrato 3 (mais de 44 anos), podemos fazê-lo com menor erro de amostragem.
 (3) Amostra estratificada ótima (a respeito do desvio-padrão)

Neste caso, o tamanho das camadas da amostra não será proporcional com a
população. Por outro lado, o tamanho das camadas é definido em proporção com o desvio-
padrão das variáveis estudadas. Isto é, se obtêm camadas maiores dos estratos com maior
variabilidade interna para representar melhor o total da amostra nos grupos populacionais
mais difíceis de estudar.

Eficiência dos diferentes tipos de amostras estratificadas

As perguntas inevitáveis são: Quando devemos usar a estratificação? Que tipo de

estratificação é mais conveniente?

● A amostra estratificada proporcional produz um erro amostral menor ou igual a

amostra aleatória simples, é mais precisa. A igualdade ocorre quando as médias ou
as proporções que estamos analisando são iguais em todos os níveis dos estratos.
Portanto, a estratificação produz mais benefícios quanto mais diferentes as camadas
são.
● A amostragem estratificada ótima é sempre igual ou mais precisa que a amostra
estratificada proporcional. Ambos os métodos são igualmente precisos quando os
desvios-padrão são iguais dentro de cada camada, neste caso ambos os métodos são
completamente equivalentes. A estratificação ótima produz mais benefícios quando
maior for o número de diferenças entre cada grupo, situação que podemos reduzir o
tamanho da amostra dos grupos mais homogêneos para beneficiar os mais
heterogêneo. Em contrapartida, é um método complexo que exige ter muita
informação antes de se obter a amostra estudada, algo que normalmente não temos.

Tamanhos de amostras necessárias para cada técnica

Vemos que a estratificação pode proporcionar benefícios. Se essas técnicas podem ser
usadas para estimar as médias de forma mais precisa (p.e.média de cigarros consumidos pelos
fumantes do México) ou proporções (p.e. proporção da população do México que fuma),
também podem permitir reduzir o tamanho da amostra necessária para alcançar uma
estimação com um nível de erro determinado.

A seguinte tabela resume o tamanho da amostra para cada técnica, em função do erro máximo
que estamos dispostos a aceitar e as características do próprio universo, que consideraremos
um tamanho infinito (se fosse finito, teríamos que aplicar um fator de correção):
 Para interpretar o quadro, é necessário saber:

● L é o número de camadas que dividimos a amostra e h é um índice que se refere a um

estrato concreto. Ou seja, h pode variar entre 1 a L estratos.
● p é a proporção que buscamos no total da população (p.e. % de fumantes). (1-p) é a
proporção da amostra complementar, que não cumpre o critério buscado (não
fumantes). Do mesmo modo, ph é a proporção dentro de cada uma das camadas.
● σ2 é a variável do dado que buscamos (no caso de estimar as médias) que tem o total
da população. σh2 é a variável dentro de cada camada.
● e é a margem de erro aceita.

● Wh é o peso que o estrato/camada tem na amostra (tamanho do estrato a respeito do

total da amostra). Se falamos sobre amostra estratificada proporcional, cada Wh é
igual a proporção que esta camada representa na população. Se falamos da amostra
estratificada ótima, cada Wh se calcula em função da dispersão dentro de cada
camada.
É possível demonstrar a partir das fórmulas anteriores que os diferentes métodos de
estratificação só reduzem o tamanho da amostra se os valores de p e σ variam entre camadas.
Do contrário, todas as expressões são equivalentes. Vejamos um exemplo: expressão do
tamanho da amostra necessário para estimular uma média mediante a uma amostra
estratificada ótima

e consideramos que todas as variáveis das camadas são iguais (σ h=σ) e o tamanho das
camadas são idênticas (Wh=1/L), o resultado que obtemos é:
 Referencias

https://www.questionpro.com/blog/pt-br/amostra-por-conglomerados/

https://www.questionpro.com/blog/pt-br/amostragem-sistematica-simples-e-facil/

https://www.questionpro.com/blog/pt-br/amostragem-aleatoria-simples/