1 NOÇÕES DE AMOSTRAGEM

1.1 Introdução
Para conhecer algumas características da população de interesse, ao invés
de observar todos os elementos desta população, é muito comum observar
apenas uma amostra de seus elementos e, usar os resultados amostrais para
descrever a população, de forma aproximada. Em geral, não temos tempo
nem verba suficiente para observar todos os elementos da população. As
vezes, é inconveniente examinar toda a população, como no estudo do tempo
de vida de lâmpadas de uma certa marca; ao realizar o experimento, temos
que observar o tempo em que a lâmpada fica acesa até se apagar, destruindo
a unidade em observação.
A amostragem afeta quase todos os aspectos da nossa vida diária. Por
exemplo, decidimos se vamos comprar laranjas, ao experimentar um gomo
oferecido pelo feirante. A fim de estarem melhor preparados para uma prova,
os alunos conversam com alguns colegas que já fizeram a disciplina. Infor-
mações vindas de pesquisas amostrais determinam políticas públicas como,
por exemplo, a promoção de programas sociais e estratégias de controle da
economia.
Situações como as que foram apresentadas são objeto da inferência es-
tatística. Para entender o que está envolvido na inferência estatística, é
necessário antes, conhecer os conceitos básicos de população e amostra.

• População é o conjunto de todos os elementos que temos interesse em

investigar. O conceito de população em Estatística é bem mais amplo
que em Demografia. Pode ser formada por pessoas ou por domicí-
lios, peças de produção, cobaias, ou qualquer outro tipo de elemento
que estamos querendo observar. A população pode existir de fato ou
ser gerada pela repetição de experimentos. Pode ainda ter tamanhos
diferentes, ser pequena, grande ou mesmo ser infinita. Notemos que
a população é definida em função do nosso objetivo. Se há interesse
em predizer o resultado de uma eleição presidencial, por exemplo, a
população de estudo poderia ser todos os eleitores do país.

• Amostra é qualquer subconjunto da população.

Quando uma amostra é selecionada da população, os resultados amostrais

são usados para estimar os dados populacionais. Como exemplo, considere-
mos uma pesquisa para estimar a idade média para todos os funcionários de
uma certa empresa, composta de 1000 funcionários. Para tanto, são selecio-
nados 80 funcionários da empresa e anotam-se suas idades. Neste exemplo,
a população é formada pelos N = 1000 funcionários da empresa e a amostra
pelos n = 80 funcionários. A idade média entre os 80 funcionários pode ser
usada para estimar a idade média entre todos os funcionários da empresa.

1
 Há situações em que alguns elementos da população não são acessíveis.
Suponha que em uma universidade, há interesse em verificar a satisfação
dos alunos no curso que estão fazendo. Para tanto, podemos selecionar uma
amostra de alunos a partir da lista de matrícula, porem nem todos os alunos
matriculados estão freqüentando as aula. Os alunos que não estão assistindo
as aulas, não podem ser entrevistados. Obtemos uma amostra que representa
a opnião dos alunos que estão cursando a faculdade. Os alunos ausentes são
inacessíveis, e podem estar mais insatisfeitos com o curso, fazendo com que
a amostra tenda a superestimar o nível de satisfação dos alunos com relação
ao curso. Uma forma de evitar qualquer tendenciosidade, devemos deixar
claro que a população sendo estimada é a que é ascessível. Neste exemplo,
estamos estimando o grau de satisfação dos alunos que estão presentes nas
salas de aula.
A inferência estatística proporciona meios para responder questões so-
bre a população, a partir de informações coletadas da amostra, com uma
certa garantia de que as respostas sejam válidas. O objetivo de uma amos-
tragem é produzir resultados que forneçam boas estimativas com o menor
custo. Tão importante quanto analisar os dados corretamente é selecionar
adequadamente a amostra.
Para fazer uma amostragem deve-se, primeiramente, ter bem definidos
os objetivos da pesquisa, para daí caracterizar a população a ser amostrada,
bem como o que vai ser estimado, para atingir estes objetivos. Nesta etapa,
também precisamos responder as seguintes perguntas: quanto e como vamos
selecionar elementos da população; isto é, precisamos determinar o tamanho
da amostra e a forma de seleção dos elementos da população.
O tamanho de amostra necessário para obtermos uma boa estimativa, é
determinado levando em consideração os princípios da inferência estatística.
As fórmulas para o cálculo do tamanho da amostra são discutidos na Seção
??.
Outra parte importante na amostragem é decidir a maneira de selecionar
os elementos da população. Dependendo da situação, existe uma técnica
de amostragem (forma de seleção) mais adequada para extrair a amostra.
Nas próximas seções apresentaremos as formas mais básicas e freqüentes de
técnicas amostrais.
As técnicas de amostragem podem ser classificados em dois grandes gru-
pos: amostragem aleatória e amostragem não aleatória. A amostragem ale-
atória é também referida como amostragem probabilística, porque todos os
elementos da população tem probabiliade conhecida de pertencer a amostra.
Na amostragem não aleatória, os elementos da população são selecionados
considerando outros critérios que não são probabilísticos, como seleção por
conveniência. Desta forma não há como associar probabilidades ao processo
de seleção.

2
1.2 Amostragem Aleatória
A seleção da amostra é feita por alguma forma de sorteio, o que permite
associar a cada uma das possíveis amostras, uma probabilidade conhecida de
obter a amostra. A condição para o uso da amostragem aleatória é a possibi-
lidade de listar as unidades de amostragem, ou seja, é necessário a existência
de um cadastro com as unidades de amostragem. Sempre que possível, usar
algum tipo de amostragem aleatória para garantir que a inferência estatística
seja aplicada adequadamente.
Os principais tipos de amostragem aleatória são:

1. Amostragem Aleatória Simples

O modo mais fácil para selecionarmos uma amostra aleatória é por
meio da amostragem aleatória simples. O conhecimento adquirido com
esse procedimento servirá como base para outros tipos de amostragem,
pois o seu procedimento pode ser aplicado em outros planos, em um
estágio intermediário. Neste plano, seleciona-se cada unidade amos-
tral com igual probabilidade, de tal forma que cada amostra tenha
a mesma chance de ser selecionada. A amostragem aleatória simples
pode ser feita com reposição (após selecionar um elemento, é recolocado
na população; sendo que o mesmo elemento pode ser selecionado nova-
mente), ou sem reposição (cada elemento só pode ser selecionado uma
única vez, pois não é recolocado na população após ser selecionado).
De forma geral, cada elemento da população deve ser enumerado. O
sorteio de uma amostra de tamanho n de uma população de tamanho
N , pode ser realizado por meio de algum dos procedimentos a seguir,
sendo que n é menor do que N .
Procedimento:

(a) O processo mais rudimentar seria o de identificar e enumerar os

elementos da população em N pedaços de papel, colocá-los em
uma urna e retirar, ao acaso, n papéis;
(b) enumerar os elementos da população e usando uma tabela de nú-
meros aleatórios:
i. escolher uma linha para iniciar a seleção;
ii. selecionar os números, desprezando os valores fora da enume-
ração e os valores repetidos;
iii. formar a amostra, com os elementos da população correspon-
dentes aos números selecionados.
(c) um processo mais sofisticado consiste em enumerar os elementos
da população e gerar números aleatórios na calculadora ou em
programas de computadores para selecionar os números.

3
 Exemplo 1 Uma firma de contabilidade tem N = 50 clientes comer-
ciantes. Seu proprietário pretende entrevistar uma amostra de 10 cli-
entes para ver como melhorar os atendimentos. Escolha uma amostra
aleatória simples de tamanho n = 10.
Primeiro passo: atribuir a cada cliente um número entre 1 e 50.
Segundo passo: recorrer à tabela de números aleatórios para selecionar
aleatorimente 10 números de 1 a 50. Os clientes identificados pelos
números selecionados vão compor a amostra.

2. Amostragem Sistemática
Pode ser utilizada quando os elementos da população apresentam-se em
seqüência e a retirada dos elementos da população é feita em intervalos
sistemáticos. O processo é bem mais rápido que da amostragem aleató-
ria simples. A idéia é selecionarmos aleatoriamente um único número,
correspondente ao primeiro elemento a compor a amostra. Deixamos
passar k elementos em seqüência, e o próximo da seqüência fará parte
da amostra. Os intervalos ou “saltos” são feitos sistematicamente, até
completar a amostra. Utiliza-se então, um intervalo de seleção entre
os elementos da população, denotado por k.
Procedimento:

(a) enumerar os elementos da população;

(b) calcular o intervalo de seleção k (se necessário, alterar o valor de
n para que k seja inteiro);
(c) sortear o ponto de partida (primeiro elemento da amostra), ou
seja, selecionando um número entre 1 e k, usando, por exemplo,
uma tabela de números aleatórios;
(d) para selecionar os demais elementos da amostra, a cada k elemen-
tos, selecionar um elemento, até atingir n.

Exemplo 2 Uma escola tem um arquivo com 5000 fichas de alunos

e para selecionar uma amostra de 1000 alunos será selecionada, siste-
maticamente, uma ficha a cada 5. Somente o ponto de partida (pri-
meiro elemento da amostra) é sorteado, dentre as 5 primeiras fichas
do arquivo. Digamos que foi sorteado o número 2, então a amostra
é formada pelas fichas 2, 7, 12, 17, 22, ... , 4982, 4987, 4992, 4977
(N = 5000; n = 1000; k = 5).

A aplicação da amostragem sistemática não apresenta problemas quando

os elementos da população estão em uma seqüência aleatória, como,
por exemplo, estimar o número médio de prescrições por médico, apli-
cando amostragem sistemática em um cadastro alfabético dos médicos.

4
 Mesmo quando os elementos de uma população estão ordenados, de al-
guma forma, com relação a variável de estudo, não ocorrem problemas
de estimação. É o que acontece quando é selecionada uma amostra
sistemática de uma lista dos alunos ordenado por nota, para avaliar
os professores segundo a opinião dos alunos. Problemas podem surgir
quando a população é periódica, ou seja, quando os elementos da popu-
lação têm variações cíclicas. Consideremos um estudo sobre o volume
de vendas diário de uma cadeia de lojas de guloseimas. A população
de vendas diárias é periódica porque há um ápice das vendas ocorre
no final de semana. A efetividade da amostragem sistemática depende
do valor escolhido para o intervalo de seleção. Se k = 7 poderíamos
sub ou superestimar volume médio de vendas, dependendo do dia da
semana selecionado para a amostra. Neste caso, o problema pode ser
resolvido, mudando para k = 9, por exemplo.

3. Amostragem Aleatória Estratificada

Deve ser usada quando a população é muito heterogênea em relação
a variável de estudo, porém é possível dividir os elementos da popu-
lação em estratos (grupos) mais homogêneos, por exemplo, por sexo,
renda ou bairro. Os resultados são mais precisos se comparados com a
amostragem aleatória simples.
Procedimento:

(a) dividir a população em estratos homogêneos;

(b) selecionar uma amostra aleatória simples ou sistemática de cada
estrato;
(c) formar a amostra pela união das subamostras em cada estrato.

Exemplo 3 População de alunos da UFPR: Para estimar a altura mé-

dia dos alunos, dividir a população em 2 estratos: homens e mulheres
e tirar uma amostra aleatória simples de cada estrato.

Exemplo 4 Pesquisa de Opinião: Estimar a proporção de eleitores

favoráveis ao aumento de impostos para melhorar o serviço de ambu-
lância; Retirar uma amostra da população adulta residente na região,
formada por dois centros urbanos (cidades A e B) e uma área rural.
Cidade A tem hospital, cidade B não tem hospital e na área rural as
opiniões são variadas; criar 3 estratos: cidade A, cidade B e área rural;
tirar uma amostra aleatória simples de cada estrato.

Exemplo 5 Estimar o ganho de peso de pacientes em dieta internados

no hospital: Estratificar por sexo e idade para obter estimativas mais
precisas (já que sexo e idade influenciam no ganho de peso).

5
 Uma etapa importante da amostragem aleatória estratificada é aloca-
ção da amostra pelos estratos, ou seja, quantos elementos da amostra
serão do estrato 1, quantos do estrato 2, ..., até o último estrato. A alo-
cação uniforme determina que cada estrato contribuirá com o mesmo
número de elementos para a amostra. Outro tipo de alocação, a propor-
cional, leva em conta o tamanho dos estratos, assim um estrato maior
contribuirá com mais elementos para amostra. [FALTA EXEMPLOS]

4. Amostragem por Conglomerados

As técnicas amostrais vistas anteriormente podem ter um custo alto.
Em muitas situações, podem ser impossíveis de serem implementados,
pois para usar essas técnicas precisamos de um cadastro completo dos
elementos da população. A amostragem por conglomerados pode ser
usada quando há poucos recursos para observar as unidades amostrais,
muitas vezes porque a população está espalhada em uma grande região.
A região é dividida em áreas menores, formando os conglomerados. De-
vemos usar a amostragem por conglomerados quando o cadastro dos
elementos pode ser mais facilmente obtido dos conglomerados, como
escolas (fácil ascesso a lista de alunos) e cidades (fácil acesso a lista
de bairros). Os resultados são menos precisos em relação a amostra-
gem aleatória simples, mas há um menor custo devido a deslocamentos.

Procedimento:

(a) dividir a população em conglomerados;

(b) selecionar alguns conglomerados por amostragem aleatória sim-
ples;
(c) a amostra é formada por todos os elementos dos conglomerados
sorteados em (b) ou a amostra é formada selecionando alguns
elementos dos conglomerados sorteados em (b), por amostragem
aleatória simples ou sistemática (amostragem por conglomerado
em 2 estágios).

Exemplo 6 Pesquisa sócio-econômica municipal: unidade amostral =

domicílio e conglomerados = quarteirões da cidade;

Exemplo 7 Pesquisa eleitoral para presidente: unidade amostral =

eleitor e conglomerados = cidades.

1.3 Amostragem não aleatória

Usada quando há dificuldade em obter uma listagem (cadastro) dos

elementos da população. Os tipos de amostragem aleatória são:

6
(a) Amostragem por cotas
É parecida com a Amostragem Aleatória Estratificada Proporci-
onal: A população é dividida em grupos e seleciona-se uma cota
de cada grupo, proporcional ao seu tamanho. A seleção não é
aleatória. A falta de aleatoriedade é compensada, dividindo-se a
população em vários grupos.

Exemplo 8 Considere uma pesquisa eleitoral. A população é di-

vidia por sexo, grupo etário (menos de 35 anos; maior ou igual a
35 anos) e renda (menos de 5 salários mínimos; maior ou igual
a 5 salários mínimos).

(b) Amostragem por julgamento

São escolhidos os elementos mais típicos da população. Resulta-
dos não valem necessariamente para toda população.

Exemplo 9 Estudo sobre a produção científica dos departamen-

tos de uma universidade (mais ou menos 50 departamentos). Se-
lecionar os que melhor representam a universidade. Resultados da
pesquisa não necessariamente valem para todos os departamentos
da universidade.

(c) Amostragem por conveniência

Os resultados não valem necessariamente para toda população.

Exemplo 10 Decisões baseadas em entrevistas feitas em lojas de

conveniencia podem não refletir a preferência de todos os consu-
midores que frequentam diferentes tipos de lojas.

Uma amostra de voluntários pode ter resultados diferentes com-

parados com a população.
Uma amostra de um único hospital pode representar bem todos
os hospitais que tem características semelhantes ao hospital que
foi amostrado.