Módulo I: Introdução ao Curso

1. Estatística: definição, motivação e

conceitos importantes

“A Estatística nada mais é que o bom senso em números. ”

Pierre Simon, Marquês de Laplace

Matemático francês do século XVIII.

Todo dia ouvimos ou lemos essa frase, aplicada às informações a respeito de

todo tipo de assunto:

• Desemprego
• Acidentes
• Saúde Pública
• Inflação
• Eleições
• Infração
• Educação
• Divórcio
• Turismo
• Comércio
• Etc., etc., etc...

É cada vez mais frequente a necessidade de se compreender as informações

veiculadas. Estar “alfabetizado” também supõe saber ler e interpretar dados. As
“Estatísticas” são usadas para o conhecimento, fazer previsões e tomar decisões.

1.1. Definição

Estatística é a ciência da coleta, organização, análise e interpretação de dados

com o objetivo de conhecimento e tomada de decisão. A palavra Estatística vem do
1
latim status, que significa estado.

Isto porque os primeiros usos da Estatística envolviam compilação de dados e

confecção de gráficos que descreviam alguns aspectos demográficos e sociais (como
nascimentos e mortes) de um estado, o Império Romano.
Objetivos do Aprendizado de Estatística
• Saber fazer ou criticar o que está feito.
• Tornar-se mais crítico em sua análise de informações quantitativas;
• Tornar-se menos sujeito as afirmações enganosas baseadas em
números ou gráficos distorcidos.
• Aguçar sua capacidade de reconhecer dados estatísticos distorcidos
e de interpretar adequadamente dados não distorcidos.

Os Dados
Dados são informações (sobre pessoas, plantas, objetos, etc.) obtidas através
de medição, observação ou contagem.

Exemplos:

• Medição de pressão sanguínea de um paciente;

• Circunferência do tronco de uma árvore;
• Classificação de uma peça produzida: defeituosa ou não;
• PIB de um país;
• Número de alunos de uma escola.

Construção de Modelos Estatísticos

I. Descrever a relação entre variáveis para entender um fenômeno. Ex.:

Entender o efeito no preço de venda de um imóvel, de características
como área construída, número de cômodos, idade, localização, etc.

II. Prever o valor de uma variável a partir dos valores de outras

variáveis.
Ex.: Calcular a probabilidade de ocorrência de um tornado a partir de
medições de vento, umidade, temperatura, pressão, etc.

III. Substituir a medição de uma variável pela observação dos valores

de outras variáveis.
Ex.: Substituir a medição da quantidade de gordura abdominal feita através
de tomografia (muito cara, disponível em poucos consultórios médicos) por
medidas de fácil obtenção como circunferência da cintura, circunferência e
prega cutânea do abdômen.
1.2. População e Amostra
2
 Podemos inferir (deduzir) determinadas características de uma
população se extraímos uma amostra representativa desta.

População: Coleção de unidades Amostra: Conjunto de dados ou

individuais (pessoas ou resultados observações, recolhidos a partir de
experimentais) com uma ou mais um subconjunto da população, que
características comuns, que se se estuda com o objetivo de tirar
pretendem estudar. conclusões para a população de
onde foi recolhida.

População: Coleção de unidades individuais (pessoas ou resultados experimentais) com

uma ou mais características comuns, que se pretendem estudar.

Amostra: Conjunto de dados ou observações, um subconjunto escolhido a partir da

população.

OBS.: Podemos inferir determinadas características de uma população se extraímos

uma amostra representativa da população.

Exemplo:

3
1.3. Censo e Amostragem

Um censo consiste da coleta dos dados da população inteira. Usualmente, é

impraticável observar toda a população:

- A população é muito grande.

Ex .: Respostas de todos os adolescentes brasileiros sobre fumo.

- A população é infinita.

Ex .: As medições de poluição em um rio.

Na maioria dos casos os dados são obtidos via amostragem.

Entende-se Censo como o levantamento ou registro estatístico de uma certa população,

de acordo com alguns critérios como sexo, idade, religião, estado civil, profissão.

4
1.4. Parâmetro e estatística

Dois conceitos importantes agora: parâmetro e estatística.

Parâmetro: Descrição numérica de uma característica da população. Será

conhecido apenas se toda a população for observada.

Estatística: Descrição numérica de uma característica da amostra.

Exemplo 1: Uma pesquisa foi realizada com 1000 adolescentes brasileiros sobre o
(mau!) hábito de fumar:

_ 280 responderam que “fumam” e

_ 720 responderam que “não fumam”.

População: Consiste das respostas de todos os (milhões de) adolescentes

brasileiros.

Amostra: Consiste das 1000 respostas obtidas na pesquisa.

Um Censo consiste da coleta dos dados da população inteira. Usualmente, é

impraticável observar toda a população. A população é muito grande.

Exemplo: Resposta de todos os adolescentes brasileiros sobre o fumo.

Exemplo 2: Proporção de adolescentes brasileiros que fumam – parâmetro (Valor

desconhecido, pois não há pesquisa com todos os adolescentes do Brasil).

Proporção de adolescentes na amostra que responderam “fumo” – estatística.

5
1.5. Variável
Podemos definir uma variável, como algum valor ou quantidade que pode variar de uma
pessoa a outra, de um item a outro. Em geral, denotamos as variáveis por letras
maiúsculas.

Exemplo 3:

- Estatura é uma variável porque este valor varia de uma pessoa a outra.

- O número de acidentes em uma estrada é uma variável, porque ele pode variar
de 0,1,2,3,..

1.5.1 Os tipos de variáveis

Variáveis qualitativas: Atributos ou classificações não numéricas.

Exemplo 4: Sexo (masculino, feminino), Escolaridade (nenhuma, primário,

ensino médio, etc.).

Essas variáveis se subdividem em:

i) Nominais: Variáveis qualitativas classificadas por nomes ou rótulos, mas
a ordenação não az sentido.
ii) Ordinais: Variáveis qualitativas que podem ser ordenadas, mas a
operação de diferença não faz sentido.

Variáveis quantitativas: Contagens ou medições numéricas.

Exemplo 5: Idade, número de filhos, altura, peso.

Essas variáveis se subdividem em:

i) Discretas: O número de valores possíveis é finito ou infinito enumerável.

ii) Contínuas: Têm infinitos valores possíveis numa escala contínua de
medição, sem vazios, interrupções ou saltos.

Importante:

1) Uma variável originalmente quantitativa pode ser coletada de forma

qualitativa.
6
 Exemplo 6: Variável idade.

_ Anos completo (0,1,2,...100,...) - Quantitativa

_ Faixa etária (anos) {0 a5; 6 a 10; ...; > 100} - Qualitativa

2) Nem toda variável representada por números é quantitativa.

Exemplo 7: Número de telefone.

3) A identificação da natureza da variável é de suma importância para determinar

que tipo de operação, tipo de gráfico e tabela pode ser feita com mesma.

Exercício (lista):

O IBGE selecionou aleatoriamente 6000 famílias do município de Contagem para avaliar o

perfil sócio – econômico.

Qual é a população amostrada?

A renda média das famílias do município de Contagem, baseada no estudo, é 2,1

salários mínimos. Estatística ou Parâmetro?

7
 2. Delineamento de Pesquisa e
Tipos de levantamentos de Dados

2.1. Delineamento de Pesquisa

A realização de pesquisa empíricas levanta questões relativas ao plano de

observação da realidade e à escolha de métodos para processamento e análise de
dados. Estudar essas questões significa buscar opções lógicas e operacionais para a
composição de delineamentos que assegurem o valor científico das informações obtidas
e das conclusões alcançadas.

Entende-se por delineamento o plano estratégico de observação da realidade

que orienta o detalhamento posterior dos métodos e das técnicas necessários à
execução da pesquisa. De acordo com a natureza lógica e estrutural desse plano, as
pesquisas podem ser reconhecidas como experimentos, quase experimentos ou
estudos observacionais.

Experimento é o tipo de pesquisa que o investigador controla a ocorrência das

variáveis independentes (causa-fator-tratamento) com a finalidade de observar seus
efeitos sobre as variáveis consideradas dependentes (efeito-resposta-doença).

Nas pesquisas em que a unidade de estudo é o ser humano e em realidades nas

quais a introdução de manipulação artificial é considerada inviável ou inadequada, as
pesquisas baseiam-se no registro da ocorrência natural de características ou
propriedades dos indivíduos e denominam-se estudos observacionais. Há também
estudos que são (cortes, sem randomização e controle de variáveis) transversais e
longitudinais.

Levantamento por Amostragem

“Levantamento por amostragem” é a tradução ao português da expressão em

língua inglesa survey sampling ou sample surveys (Kish, 1965). Com a finalidade de
produzir instantâneos das realidades estudadas, os levantamentos por amostragem
reúnem as seguintes características operacionais:

a. Aplicam-se conjuntos reais e finitos, compostos de elementos denominados

população de estudo.
b. Os elementos podem ser seres humanos, animais, árvores, fichas-
prontuários, domicílios, áreas ou objetos.

8
 c. As características ou atributos são observados em cada elemento e,
posteriormente, agregados por meio de medidas estatísticas chamadas
parâmetros ou valores populacionais.
d. Os dados são coletados em amostras das populações de estudo, e as
medidas calculadas (estimativas) passam a ser a informação disponível para
os valores populacionais desconhecidos.

Exemplo 1: O programa de controle da dengue do estado de São Paulo exemplifica o

uso do levantamento por amostragem como instrumento para conhecer o nível de
infestação do Aedes aegypti em diversos municípios.

Exemplo 2: A Pesquisa Nacional por Amostra de Domicílios (PNAD), implantada no

Brasil a partir de 1967, é um exemplo de levantamento por meio do qual se produzem
informações básicas para o estudo do desenvolvimento socioeconômico do país com
finalidades descritiva e analítica.

O esquema abaixo apresenta uma classificação das pesquisas.

Figura: Critérios para classificar pesquisas

9
Atividades Típicas nos Levantamentos por Amostragem

Construções Conceituais

Reunindo atividades relacionadas à elaboração de construções teórico-

conceituais, a primeira fase compreende duas etapas principais. Na primeira etapa, a
formulação do problema apresenta o enfoque sobre o qual o objeto em estudo é
considerado. A construção do quadro e o encaminhamento (mesmo preliminar) de
hipóteses ou expectativas sobre os resultados são o produto final dessa etapa (Lakatos
e Marconi, 1985). À luz dos resultados anteriores definem-se, na segunda etapa, a
população de estudos, os objetivos e as variáveis observadas. Essas atividades marcam
a passagem do enfoque abstrato para a representação concreta e observável do objeto
de pesquisa.

A população de estudo é definida como a parte identificável e acessível do

conjunto (população-alvo) para o qual idealmente se deseja a informação. A distância
entre ambas é decorrente da realidade, quer limitações impostas pelo delineamento.

Por exemplo, no estudo em que se desejou avaliar o impacto de programas

incrementais sobre a prevalência de cárie dental em crianças em idade escolar, a
população-alvo era composta de todas as crianças do município de São José dos
Campos (SP) que frequentavam escolas públicas dos ensinos fundamental e médio.
Entretanto, a necessidade de controlar um possível efeito de “confundimento” da idade
e do tempo de exposição aos programas, associada à realidade dos recursos
disponíveis, indicou adequado e oportuno restringir a população de estudo aos
escolares de 12 anos que participaram dos programas incrementais por, no mínimo, dois
anos consecutivos.

Definir os objetivos significa explicitar, com precisão, as evidências pretendidas

e o uso do conhecimento adquirido sobre a realidade estudada. Estabelecer as variáveis
é identificar as características observadas e analisadas. Reconhecer a natureza das
observações facilita a determinação do tipo de variável (quantitativa ou qualitativa) eas
decisões técnicas durante o planejamento.

10
 Figura: Comparações das populações alvo, referida e amostrada

Planejamento e amostra

A segunda fase é composta de atividades específicas de planejamento,

considerando-se o plano de amostragem como elemento de ligação com as
atividades operacionais. Esta ainda é, em nosso meio, a fase crítica da pesquisa, pois,
além de exigir esforço em compatibilizar exercícios de lógica com o conhecimento de
metodologias específicas, depende de clareza e precisão dos resultados obtidos nas
fases anteriores.

O plano inicial, entendido como a atividade em que se monta a estrutura lógica

do estudo, trata de definir os planos de observação da realidade (tipo de estudo) e
de análise dos dados.

11
 O plano de amostragem compreende a definição do tamanho e do desenho
da amostra (UNSD, 2005), consistindo também na escolha de procedimentos para
cálculos das estimativas (Kish, 1965). A proposta preliminar de análise de dados
(plano inicial) e os recursos disponíveis fundamentam as decisões sobre os critérios de
custo e precisão dos resultados.

O desenho da amostra consiste em decidir o modelo de sorteio ou o tipo de

amostra (sistemática, aleatória simples, estratificada, por conglomerados), adequando-
se às condições propostas no plano de observação. Nessa etapa, a população de estudo
é delimitada em termos espaciais e temporais, o que viabiliza a identificação, mesmo
que indireta, do total de elementos que a compõem. O rol ou a listagem desses
elementos forma o sistema ou cadastro, do qual a amostra é sorteada. O tamanho da
amostra resulta da conciliação do atendimento do plano de análise proposto com as
limitações dos recursos disponíveis.

O “estudo-piloto” impõe-se como teste para a aplicação e o ajuste de todas as

decisões tomadas na composição do processo.

Operações

Coletar, conferir e processar os dados são atividades que podem e devem ser
realizadas conjunta e progressivamente. A análise de dados compreende a análise
estatística e a interpretação dos resultados. O plano preliminar de análise é, então,
aprofundado e os métodos são escolhidos para a análise estatística dos dados.

Finalmente, a interpretação dos resultados obtidos deve ser realizada à luz do

contexto construído na primeira fase do processo. Alcançar respostas para o problema
tal como o formulado e atender os objetivos devem ser os critérios a nortear a última
atividade do processo de pesquisa. A elaboração do relatório não deve ser
considerada uma atividade final, mas precisa ser estabelecida como uma dinâmica de
registro que acompanha todas as fases do trabalho.

12
 Esquema geral de um estudo
Construções

Planejamento

Quadro. Fases da realização de um estudo sob a perspectiva da sua realização. Fase

inicial.

Operações

Quadro. Fases da realização de um estudo sob a perspectiva da sua realização. Fase

intermediária

Quadro. Fases da realização de um estudo sob a perspectiva da sua realização. Fase

fechamento

13
2.2. Fontes de dados

Se os dados não forem coletados de maneira apropriada, eles podem ser de tal
modo inútil que nenhuma manipulação estatística poderá salva-los. Toda decisão
tomada ou conclusão obtida usando os resultados de um estudo estatístico é tão boa
ou tão confiável quanto o processo usado na obtenção dos dados.

a) Dados primários → Dados resultantes de medidas, contagens ou

experimentos realizados por um pesquisador e sua equipe. Consiste em
elaborar um estudo preliminar ou piloto, com uma amostra de indivíduos
razoável. Com essa amostra podem ser efetuadas estimativas preliminares que
forneçam aproximações de médias, desvios padrões ou proporções necessárias
para a determinação da amostra mínima necessária.

b) Dados secundários → Obtidos de diversas fontes, como, por exemplo: artigos

em periódicos científicos, artigos ou comunicações em eventos científicos
ou institutos de pesquisa e estatística. Trata-se de obter os dados
necessários em publicações científicas. Este procedimento é denominado
pseudometanálise. Isso apresenta alguns inconvenientes. Em primeiro lugar, se
existirem, devem ser localizados artigos científicos que tratem aproximadamente
do problema. Em segundo lugar, caso os artigos sejam obtidos, não existe
garantia de que estejam claros e disponíveis sobre desvio padrão ou mesmo

14
 médias e proporções. Por último, as populações às quais os dados se referem
não serão obrigatoriamente as mesmas que estão sendo focalizadas. (Por
exemplo, necessita-se da proporção de mulheres hipertensas, e os artigos
fornecem dados da prevalência geral). De qualquer maneira, seria necessário
localizar dados de um número determinado de fontes; um mínimo de 3 é
recomendável. Uma vez obtidos, deve-se determinar quais dados a ser
empregados. O procedimento deve ser empregado sempre com os maiores
valores encontrados. Esse procedimento garante o critério de margem de
segurança, que fornece o tamanho de amostra mais conservadora possível.

2.3. Método de coleta de dados

Vamos estudar quatro formas de se obter conjuntos de dados:

▪ Estudos Experimentais;
▪ Estudos Observacionais;
▪ Estudo de Simulação;
▪ Pesquisas do tipo survey.
A adoção de um método vai depender da situação em estudo e do objetivo da
investigação.

Estudos Experimentais: O pesquisador aplica um tratamento a uma amostra

da população e observa as respostas de interesse. Outra amostra da população é usada
com grupo de controle, no qual nenhum tratamento (ou um placebo) é aplicado. As
respostas dos grupos tratamento e controle são comparados.

Exemplo:

Estudo sobre o efeito da Vitamina C na gripe.

Grupos comparados: Pessoas que recebem vitamina C (tratamento) e pessoas
que recebem um placebo (controle).

O pesquisador pode alocar aleatoriamente (sortear) os participantes do estudo a

um desses dois grupos (não precisa, e nem deve ser, uma decisão de cada pessoa).

Estudos Observacionais: O pesquisador observa ou mede as características

de interesse de uma amostra da população, mas não muda as condições existentes, ou
seja, não há interferência do pesquisador na definição dos grupos.

Exemplos:

Estudo sobre o efeito do fumo no câncer de pulmão.

15
 Os grupos comparados são pessoas fumantes e não-fumantes. O pesquisador
não pode determinar quem vai pertencer a cada um dos grupos (é uma decisão de cada
pessoa).

Estudo sobre o efeito da raça na inteligência de cães.

Os grupos comparados são cães de diferentes raças. O pesquisador não pode

determinar qual cão vai pertencer a cada uma das raças (é inerente ao cão).

Estudos de simulação: Usam modelos matemáticos, físicos, etc, para

reproduzir as condições de uma situação ou processo, muitas vezes com o uso de
computadores.

Atados quando a reprodução da “vida real” é impraticável por ser perigosa,

antiética, cara ou demorada.

Exemplos:

▪ Fabricantes de automóveis usam bonecos para crash tests.

▪ Estudos sobre a velocidade de espalhamento de vírus letais em grandes
cidades.

Pesquisas do tipo survey: Investigam características de uma população a partir

de uma amostra, geralmente através de questionários preenchidos em entrevistas, por
e-mail, etc.

Exemplos:

▪ Uma pesquisa eleitoral para conhecer as intenções de votos para

candidatos a governador.
▪ Uma pesquisa de mercado sobre a preferência de marcas de sabão em
pó.

Estudo Transversal: Os dados são coletados em um ponto no tempo.

Exemplo:

Um estudo sobre a presença da larva do mosquito da dengue nas residências

de BH em janeiro de 2010.

Estudo longitudinal: Os dados são coletados em vários pontos no tempo.

Exemplo:

O estudo longitudinal de Saúde do Adulto (ELSA Brasil) tem o propósito de

investigar a incidência e os fatores de risco para doenças crônicas, em particular, as
cardiovasculares e diabetes. Os sujeitos da pesquisa - com idade entre 35 e 74 anos –
16
farão exames físicos/clínicos e entrevistas em vários momentos ao longo do período do
estudo.

Estudo retrospectivo (ou de caso-controle): Os dados são coletados do

passado, voltando-se no tempo (registros, exames, etc).

Exemplo: Estudo sobre o efeito do fumo no câncer de pulmão.

Dois grupos são definidos: “Pessoas com câncer de pulmão” (casos) e

”pessoas sem câncer de pulmão” (controles).

Investiga-se cada pessoa “fumou” ou “não fumou” nos últimos anos. Compara-
se as “proporções de fumantes” entre os “casos” e “controles”. Se a proporção de
fumantes é significativamente maior entre os casos, conclui-se que a ocorrência de
câncer de pulmão está associada ao fumo.

Estudo prospectivo (ou corte): Os dados são coletados no futuro, de grupos

(chamados de cortes) que compartilham fatores comuns e diferem apenas na variável
estudada.

Exemplo: Estudo sobre o efeito do fumo no câncer de pulmão.

Dois grupos são definidos: “pessoas que fumam” (“expostos”) e “pessoas que
não fumam” (“não expostos”).

As pessoas são acompanhadas durante um longo período. A o final do período,

observa-se se cada pessoa “teve ou não câncer”.

Comparam-se as “proporções de doentes” entre “expostos” e não expostos:

Se a proporção de doentes é significativamente maior entre os expostos, conclui-

se que a ocorrência de câncer de pulmão está associada ao fumo.

Aleatorização: Sorteio dos participantes entre os grupos comparados.

➢ Garantir grupos iguais em todos os fatores que afeta a resposta, exceto

por aquele sendo comparado.
Exemplo: Ômega-3 pode proteger com insuficiência cardíaca?

17
 Fatores controlados: Idade, sexo, hábitos alimentares, etc...

Estabelecimento de Categorias

Categoria é a classe, o grupo ou o tipo em uma série classificada. As perguntas

ou as hipóteses da pesquisa, quando formuladas, oferecem base para o
estabelecimento de determinadas regras.

Exemplo:

Categoria: Sexo – masculino e feminino. Classe social – classe alta, classe

média e classe baixa.

Subcategorias: Classe social – classe alta-alta, alta-média, alta-baixa; média-alta,

média-média, média-baixa; baixa-alta, baixa-média, baixa-baixa.

Codificação

Codificar significa organizar os dados em classes ou categorias, atribuindo a

cada categoria um item e dando a cada um deles um símbolo (número ou letra). Sem a
codificação é difícil a tabulação, e ela torna-se mais complicada se o número de casos
for muito grande.

• Sexo – masculino (0) e feminino (1).

• Classe social – classe alta (A), classe média (M) e classe baixa (B).

18
Tabulação

A tabulação é definida como sendo “a arrumação de dados em planilhas

(tabelas), de maneira a permitir a verificação das relações que eles guardam entre si”.

A tabulação pode ser:

• Manual;

• Mecânica;

• Eletrônica.

Problemas usuais no levantamento de dados:

• Representatividade

Critério de proporcionalidade

Aleatoriedade

• Fidedignidade

Falhas em equipamentos
Precisão Falhas humanas (medições)
Falhas em questionários
Qualidade dos dados

19
2.4. Conceitos básicos de Amostragem

A amostragem é o processo de retirada de uma amostra da população e é usada

intuitivamente um nosso cotidiano. Por exemplo, para verificar o tempero de um alimento
em preparação.

Nas pesquisas cientificas, em que se deseja conhecer algumas características

de uma população, também é muito comum se observar apenas uma amostra de
elementos e, a partir dos resultados dessa amostra obter valores aproximados ou
estimativas, para as Características populacionais de interesse.

A seleção dos elementos que serão efetivamente observados, deve ser feito sob
uma metodologia adequada, de tal forma que os resultados das amostras sejam
informados para avaliar características de toda a população.

O universo ou população de uma pesquisa depende do assunto a ser

investigado, e a amostra, que realmente será submetida à verificação, é obtida ou
determinada por uma técnica específica de amostragem.

Há duas grandes divisões no processo de amostragem: A probabilística e não-

probabilística.

2.4.1. Amostragem probabilística:

A característica primordial é poder ser submetida a tratamento estatístico. Ela se

caracteriza pela aleatoriedade da seleção dos indivíduos ou elementos amostrais. A
amostra é representativa da população, os resultados obtidos para a amostra podem
ser estendidos para a população.

2.4.2. Amostragem não-probabilística:

A característica principal das técnicas de amostragem não-probabilísticas é a de

que, não fazendo uso de formas aleatórias de seleção, os dados não se prestam a
tratamento estatístico que leva à inferência sobre a população. A amostra não é
representativa e os resultados através da mesma são válidos apenas para a amostra.
Exemplo disso são os estudos de casos tão comuns em diversas áreas como geografia
e medicina e etc.

20
Exemplo 1: Numa pesquisa eleitoral, a três dias de uma eleição municipal, a população
pode ser definida como todos os eleitores com domicílios eleitorais no município.

OBS.: Na prática, a população se restringe aos eleitores residentes no município. Os

parâmetros devem ser as porcentagens de votos de cada candidato à prefeitura, no
momento da pesquisa.

Razões para o uso de amostragem:

1) Economia: Em geral, torna-se bem mais econômico o levantamento de somente

uma parte da população.
2) Tempo: Numa pesquisa eleitoral, a três dias de uma eleição presidencial, não
haveria tempo suficiente para pesquisar toda a população de eleitores do país, mesmo
que houvesse recursos financeiros em abundância.
3) Confiabilidade dos dados: Quando se pesquisa um número reduzido de
elementos, pode-se dar mais atenção aos casos individuais, evitando erros nas
respostas.
4) Operacionalidade: É a mais fácil realizar operaões de pequena escala. Um dos
problemas típicos nos grandes censos é o controle dos entrevistadores (recenseadores).

Quando o uso de amostragem não é interessante:

1) População pequena: Se a população for pequena (digamos, de 50 elementos)

para tomar uma amostra capaz de gerar resultados precisos para os parâmetros da
população, necessitamos de uma amostra relativamente grande.

2) Característica de fácil mensuração: Talvez a população não seja tão pequena,

mas a variável que se deseja observar é de tão fácil mensuração, que não compensa
investir num plano de amostragem. Por exemplo, para verificar a porcentagem de
funcionários favoráveis às mudanças de horários de um turno de trabalho, podemos
entrevistar toda a população no próprio local de trabalho.

3) Necessidade de alta precisão: A cada dez anos o IBGE realiza um Censo

Demográfico para estudar diversas características da população. Dentre estas
características tem-se o parâmetro número de habitantes residentes no país, que é o
fundamental para o planejamento do país.

2.4.1. Métodos de Amostragem Probabilística

Amostra Aleatória

Os membros da população são selecionados de tal forma que cada membro

individual da população tem uma oportunidade igual de ser selecionado.

Amostra Probabilística

Uma amostragem probabilística é um processo para selecionar unidades de uma

população, onde:

21
a) as unidades são selecionadas aleatoriamente (usando um computador ou uma tabela
de números aleatórios),

b) todas as unidades da população amostrada tem uma probabilidade não nula de ser
escolhidas na amostra que pode ser calculada.

Sorteio.

Vantagens:

- Favorece a inferência: Podem se calcular estimadores confiáveis e estimar seus erros

amostrais.

Desvantagens:

- Não são simples de implementar.

- São mais caros e de maior tempo que a amostragem não probabilística.

- Necessita de um cadastro amostral adequado.

2.4.1.1 Amostragem Aleatória Simples (AAS)

A amostragem aleatória simples é, do ponto de vista conceitual e computacional,

o método mais direto de se amostra uma população.

Para a seleção de uma amostra aleatória simples precisamos ter uma lista
completa dos elementos da população (ou unidades de amostragens apropriadas). Este
tipo de amostragem consiste em selecionar a amostra através de um sorteio, sem
restrição.

Propriedade: Qualquer subconjunto da população, com o mesmo número de

elementos, tem a mesma probabilidade de fazer parte da amostra. Em particular, temos
que cada elemento da população tem a mesma probabilidade de pertencer à amostra.

A amostragem aleatória simples pode ser feita com ou sem reposição. Na prática,
a amostragem aleatória simples pode ser feita numerando-se a população de 1
22
a N e sorteando-se, a seguir, por meio de um dispositivo aleatório qualquer, n números
dessa seqüência, os quais corresponderão aos elementos pertencentes à amostra.
Exemplo 1: Com o objetivo de estudar algumas características dos alunos de
Estatística I 2°/2010, vamos extrair uma amostra aleatória simples de tamanho cinco
(n=5).

Na lista de presença, os alunos estão numerados de 1 a 51.

Podemos fazer a amostragem de 3 maneiras:

1) Escrevemos os números de 1 a 51, em pedaços iguais de um mesmo papel,

colocando-os em uma urna. Retiramos 5 papéis, um a um, sem reposição.
2) Usamos a tabela de números aleatórios, construída de modo que dez algarismos
(0 a 9) são distribuídos ao acaso nas linha e colunas.
3) Usar um gerador de números aleatórios de um computador que gere números
aleatórios entre 1 a 51.

2.4.1.2 AMOSTRAGEM SISTEMÁTICA

Muitas vezes é possível obter uma amostra de características parecidas com a

amostra aleatória simples, por um processo bem mais rápido daquele da amostra
aleatória simples, que denominamos amostragem sistemática.

Exemplo 2: Se queremos tirar uma amostra de 5 alunos, dentre uma população

de 51 alunos, sistematicamente temos que passar pelas seguintes etapas:

i) Tenha uma lista com todos os indivíduos da população.

ii) Determinar o intervalo de amostragem pela relação N/n = 51/5  10.
iii) Sortear um número entre 1 a N/n = 5 para iniciar o processo de amostragem. Por
exemplo, o 5.
iv) A partir do elemento sorteado, tome indivíduos de N/n em N/n para fazer parte
da amostra. (5, 15, 25, 35, 45).

2.4.1.3 Amostragem Aleatória Estratificada (AAE)

A técnica da amostragem estratificada consiste um dividir a população em

subgrupos, que denominaremos de estratos. Estes estratos devem ser internamente
mais homogêneos do que a população, com respeito às variáveis em estudo. Por
exemplo, para estudar o interesse dos funcionários de uma empresa, em realizar um
programa de treinamento (promoção), poderíamos estratificar esta população por
níveis hierárquicos, ou ainda, por setores homogêneos com respeito de que está
estudando. Neste contexto, um prévio conhecimento sobre a população em estudo é
23
 fundamental.
Sobre os diversos estratos da população, são realizadas seleções aleatórias, de
forma independente. A amostra completa é obtida através da agregação das amostras
de cada estrato.

Procedimento:

A proporcionalidade do tamanho de cada estrato da população é mantida na

amostra. Por exemplo, se um estrato corresponde a 20% do tamanho da população, ele
também deve corresponder a 20% da amostra.

Dentro de cada estrato é feito um procedimento de amostragem;

Exemplo 3: Amostragem estratificada dos alunos de Estatística I 2°/2010.

2 estratos: homens e mulheres.

A proporção de mulheres e de homens é 39% e 61 %, respectivamente.

N = 51, n = 5, 39%  2 mulheres, 61%  3 homens.

Fazemos duas listas com os homens e as mulheres e retiramos 2 mulheres e 3

homens dessas listas por amostragem aleatória simples sem reposição.

2.4.1.4 Amostragem Aleatória por Conglomerados (AAC)

Sob o esquema AAC, divide-se a área da população em seções (ou clusters,

conglomerados), escolhe-se aleatoriamente alguns desses agrupamentos e, em
seguida, seleciona-se todos os membros de grupos selecionados.

24
A figura abaixo apresenta um resumo da classificação de amostras probabilísticas.

Figura: Classificação de amostras probabilísticas.

2.4.2. Amostragem não-probabilística

A caracterização principal das técnicas de amostragem não-probabilista é a de

não fazer uso de formas aleatórias de seleção.

Vantagens:

- Rápido.

- Conveniente: simples em seu projeto e execução.

- Custos reduzidos.

- Não requer de um cadastro de amostragem.

- Pode ser de utilidade para estúdios exploratórios e em etapa inicial de uma

25
 amostragem.

Desvantagens:

- Não está claro si se pode generalizar à população.

- Pode introduzir grandes vieses.

- Sua representatividade é fortemente questionada.

- Para fazer inferência deve assumir um modelo, que dificilmente pode validar-se

- É impossível determinar as probabilidades de seleção das unidades.

26
 2.4.2.1. Intencional

O tipo mais comum de amostra não-probabilista é denominado intencional.

Nesta, o pesquisador está interessado na opinião (ação, intenção e etc.) de
determinados elementos da população, mas não representativos da mesma. Seria o
caso onde se deseja saber como pensam os líderes de opinião de determinada
comunidade.

O pesquisador não se dirige, portanto, à “massa”, isto é, a elementos

representativos da população em geral, mas àqueles que exercem as funções de líderes
de opinião na comunidade.

2.4.2.2. Amostragem por Conveniência (Casual)

Usa resultados que são fáceis de se obter.

Exemplo: Pesquisa sobre um produto turístico. O pesquisador no hotel, obtém

entrevistas com os turistas que sabidamente já foram visitar o produto.

27
2.4.2.3. Por “Júris”

Técnica utilizada principalmente quando se desejam obter informações

detalhadas, durante certo espaço e tempo, sobre questões particulares. A atualização
mais comum de “júris” prende-se, em geral, a estudos realizados por órgãos oficiais,
principalmente sobre orçamento familiar ou audiência de programas de rádio e TV.

Funcionamento:

São selecionadas donas de casa “representativas” segundo alguns critérios

como os socioeconômicos;

Pode-se que as donas de casa preencham longos relatórios de despesas, com

a finalidade de descobrir como são distribuídos os gastos no que se refere ao
orçamento.

Geralmente, os componentes dos “júris” recebem certa quantia como

“recompensa” pelo trabalho de preencher os relatórios, mas não o suficiente para alterar
de modo significativo seu padrão de vida ou influir no tipo de aquisições.

2.4.2.2. Por Quotas

A técnica não-probabilística mais utilizada em levantamentos de mercado,

prévias eleitorais e sondagem de opinião pública, é a de quotas.

28
 A amostragem por quotas pressupões 3 etapas:

1) Classificação da população em termos de propriedades que se presume (ou

se sabe) serem relevantes para a característica a estudar, para tanto, é necessário
acesso a dados censitários, cadastros, listas e outras fontes de representação da
população.

2) Construção de uma “maqueta” (réplica) da população a ser pesquisada, com

a determinação (relativas à amostra total) da proporção da população que deve ser
colocada em cada classe ou estrato (com base na sua constituição conhecida,
presumida ou estimada).

3) Fixação de quotas para cada entrevistador, que terá a responsabilidade de

selecionar as pessoas a serem pesquisadas, de tal modo que a amostra total venha
conter a proporção de cada classe ou estrato, tal como foi fixado na segunda etapa.

Exemplo: Pesquisa de intenção de voto. Supondo que a população geral é

composta de 52% de mulheres, 48% de homens; 14% entre 16 a 25 anos incompletos,
36% entre 25 e 45 anos incompletos, 36% entre 45 e 65 anos incompletos e 14% com
mais de 65 anos; 10% da classe socioeconômica A, 15% da B, 25% da C e 50% da D.
Com quotas independentes, o pesquisador deverá entrevistar:
Sexo Idade Classe socioeconômica

M 52% 16 |---------- 25 14% A 10%

H 48% 25 |---------- 45 36% B 15%

45 |---------- 65 36% C 25%

65 e mais 14% D 50%

Total 100% 100% 100%

Tabela 6.1: Distribuição dos entrevistados segundo sexo, idade e classe socioeconômica

OBS.: Assemelha-se muito com a técnica de amostragem estratificada (probabilística),

porém na última fase a escolha do elemento é feito subjetivamente pelo
entrevistador, ao invés de ser aleatório. Há uma grande polêmica entre os institutos
de pesquisa, estatísticos e pessoas que utilizam técnicas não-probabilísticas (Não há
nenhum respaldo técnico para o cálculo da margem de erro e tamanho da amostra.).

29
Levantamento foi feito entre 16 e 18 de agosto com 5.744 pessoas em 281 municípios. Margem de erro é de 2 pontos
percentuais para mais ou para menos.

30
 2.4.2.3. Amostragem de Voluntários

Usa resultados que são fáceis de se obter. O investigador observa

unidades/indivíduos que aceitam voluntariamente a participar da investigação.

2.4.2.4. Amostragem por Julgamento

O investigador toma a amostra selecionando os elementos que a ele, ou a um

especialista, lhe parecem representativos ou típicos da população. Também usa
resultados que são fáceis de se obter.

31
 Exercícios:
Exercício 1 (Lista): Exercício da página 7.
Exercício 2 (Lista): Uma escola de 2º grau abriga 160 alunos. Obtenha uma amostra
representativa correspondendo a 20% da população. Deixe clara a sua solução!

Exercício 3 (Lista): Uma escola apresenta o seguinte números relativo aos seus alunos
de 2º grau: 856 são do sexo masculino e 920 são do sexo feminino. Obtenha uma
amostra estratificada de 125 alunos. Deixe clara a sua solução!
Exercício 4 (Lista): Uma população encontra-se dividida em 3 estratos, com
tamanhos, respectivamente, 𝑛1 = 50, 𝑛2 = 120 e 𝑛3 = 54. Sabendo que, ao ser
realizada uma amostragem estratificada proporcional, nove elementos da amostra
foram retirados do 3 o estrato, determine o número total de elementos. Deixe clara
a sua solução!

Exercício 5 (Lista): Mostre como seria possível retirar uma amostra de 32 elementos
de uma população ordenada formada por 2.432 elementos. Na ordenação geral, qual
dos elementos abaixo seria escolhido para pertencer à amostra, sabendo-se que o
elemento de ordem 1.420 a ela pertence?

1.648º, 290º, 725º, 2.025º, 1.120º.

Deixe clara a sua solução!

Exercício 6 (Lista): O diretor de uma escola, na qual estão matriculados 320 meninos
e 415 meninas, desejoso de conhecer as condições de vida extra-escolar de seus alunos
e não dispondo de tempo para entrevistar todas as famílias, resolveu fazer um
levantamento, por amostragem, em 15% dessa clientela. Obtenha, para esse diretor, os
elementos componentes da amostra.

Deixe clara a sua solução!

Exercício 7 (Lista): Classifique os seguintes estudos quanto ao tipo, identifique os

grupos de comparação (se houver) e relacione a variável resposta (variável de
interesse).

a) Aspirina e doenças cardiovasculares (The New England Journal of Medicine,

1987)
Em um estudo prospectivo duplo-cego realizado nos EUA, um grupo de 1722
médicos foi dividido em 2 subgrupos (um grupo tomando aspirina e outro placebo)
para verificar se a ingestão regular de aspirina pode reduzir a mortalidade em relação
a doenças cardiovasculares.

Tipo de estudo:

32
 Grupos de comparação:

Variável resposta:

b) Gravidez na adolescência e bebês com baixo peso ao nascer (Jornal de

Pediatria, 1998)
A gestação na adolescência tem sido citada entre os fatores de risco para o baixo
peso ao nascer. No entanto, em um estudo publicado no Jornal de Pediatria,
essa associação pôde ser verificada. No estudo, os autores coletaram dados
sobre dois grupos, com 354 bebês cada: um grupo de bebês com baixo peso
(menos 2.500 g) e outro de bebês com peso superior a 3.000g. Nos dois grupos,
os pesquisadores verificaram a porcentagem de mães adolescentes (com 19 ou
menos) e a porcentagem de mães de 20 a 34 anos.

Tipo de estudo:

Grupos de comparação:

Variável resposta:

c)
Os primeiros 700 casos de câncer fígado diagnosticados que ocorreram em
vários estados americanos após 1º de janeiro de 1990 foram seguidos até 31 de
dezembro de 1994. Os níveis de consumo de álcool foram medidos para cada
caso. Trezentos casos morreram durante esse período de 5 anos.

Tipo de estudo:

Grupos de comparação:

Variável resposta:

Exercício 9 (Lista): Classifique os seguintes estudos como observacionais ou

experimentais.

33
Exercício 9 (Lista): Identifique a variável estudada e classifique-a como nominal,
ordinal, discreta ou contínua.

a) Botões para pedestres. Na cidade de Inglaterra, há 3250 botões que os

pedestres podem acionar nos cruzamentos de ruas, mas 2500 deles não
funcionam.

b) Pesos de Centavos. O peso médio de centavos é de 2,5 gramas.

c) Consumidor. As classificações de “melhor compra”, “recomendo” e “não

recomendo” da revista Consumer Reports.

d) Número telefônico dos funcionários da UFMG.

e) Uma pesquisa registra o número de larvas do mosquito da dengue em uma ramadilha.

f) Quantidade de chuva em um dia (em milímetro).

g) Tipo de câncer de pele: melanoma, carcinoma basocelular, carcinoma epidermoide ou

outro.

h) Frequência ao médico: semanal, mensal, trimestral.

34
3. Conceitos e Problemas

Pesquisas, estudos, inquéritos e outros coleta de dados ferramentas de

coleta de dados de uma pequena parte de um grupo maior, para que possamos
aprender alguma coisa sobre o grupo maior. Este é um objetivo comum e
importante da estatística: Saiba mais sobre um grande grupo, examinando dados
de alguns de seus membros. Neste contexto, a amostra da população tem um
significado especial.

3.1. Conceitos-chave

Os dados da amostra devem ser recolhidos de forma adequada, como

através de um processo de seleção aleatória. Se os dados da amostra não são
recolhidos de forma adequada, os dados podem ser tão completamente inúteis
que nenhuma manipulação estatística pode salvá-los.

Não devemos contar com a aceitação cega do cálculo e das análises.

Devemos considerar esses fatores:

❖ Contexto dos dados.

❖ Fonte dos dados.

❖ Método de amostragem.

❖ Conclusões.

❖ Implicações práticas.

Contexto:

❖ O que os valores representam?

❖ De onde vêm os dados?

❖ Por que eles foram recolhidos?

35
 ❖ Uma compreensão do contexto afetará diretamente o procedimento
estatístico utilizado.

Fonte dos Dados:

❖ É a fonte tendenciosa?

❖ Existe algum incentivo para distorcer ou resultados de spin para apoiar

uma posição de autosserviço?

❖ Existe algo a ganhar ou perder, distorcendo os resultados?

❖ Seja vigilante e cético em relação a estudos de fontes que pode ser

tendenciosa.

Método de Amostragem:

❖ O método escolhido pode influenciar a validade da conclusão?

❖ Resposta voluntária (ou auto-selecionados) amostras muitas vezes têm

viés (aqueles com especial interesse são mais propensos a participar). Os
resultados destas amostras não são necessariamente válidos.

Conclusões:

❖ Fazer declarações que são claras para aqueles sem uma compreensão
de estatísticas e sua terminologia.

❖ Evite fazer declarações não justificadas pela análise estatística.

Implicações Práticas:

❖ Implicações práticas dos resultados.

36
 ❖ Pode existir alguma significância estatística ainda não pode haver
nenhum significado prático.

❖ O senso comum pode sugerir que a descoberta não faz uma diferença
suficiente para justificar seu uso ou para ser prático.

3.2. Problemas

O assunto de estatística é em grande parte sobre o uso de dados de

amostra para fazer inferências (e generalizações) sobre uma população inteira.
É essencial conhecer e compreender os problemas e conceitos que se seguem.

A má utilização da Estatística

Má intenção por parte de pessoas desonestas. Erros involuntários por

parte de pessoas que não conhecem nada melhor. Devemos aprender a
distinguir entre conclusões estatísticas que são susceptíveis a erro daquelas que
são gravemente equivocadas.

Questões Direcionadas

Se as perguntas da pesquisa não são formuladas com cuidado, os

resultados de um estudo podem ser enganosos. As perguntas da pesquisa
podem ser "carregadas" ou intencionalmente formulada para provocar uma
resposta desejada.

Muito pouco dinheiro está sendo gasto em "bem-estar" versus muito

pouco dinheiro está sendo gasto com assistência aos pobres.

Resultados: 19% versus 63%.

37
Ordem das Questões

As perguntas são carregadas de forma não intencional por fatores tais

como a ordem dos itens a serem considerados.

Você diria que o tráfego contribui mais ou menos à poluição do ar do que a

indústria?

Resultados: de tráfego - 45%; indústria - 27%.

Quando a ordem invertida. Resultados: indústria - 57%; tráfego - 24%.

Não resposta

Ocorre quando alguém que se recusa a responder a uma pergunta da

pesquisa ou não está disponível. Pessoas que se recusam a falar com os
pesquisadores têm uma visão do mundo em torno deles que é muito diferente
daqueles que vão deixar os pesquisadores entrar em suas casas.

Amostras Ruins

Amostra de resposta voluntária (Ou amostra de indivíduos auto

selecionados) é uma em que os próprios respondentes decidem se serão
incluídos. Neste caso, conclusões válidas podem ser feitas apenas com o grupo
específico de pessoas que concordem em participar e não sobre a
população.

Estudo de Interesse Próprio

Alguma parte interessada, que está relacionada ao estudo ou é o objeto

de estudo, patrocina estudos.

Desconfie de uma pesquisa em que o patrocinador pode desfrutar de ganho

monetário a partir dos resultados. A apreciação da validade de um estudo.
Verificar sempre se o patrocinador pode influenciar os resultados.

38
Números “Precisos”

Muitas pessoas supõem incorretamente que número com uma “precisão”

alta também é exato. Esse número pode ser uma estimativa, e deve ser
encaminhado dessa forma.

Distorção Deliberada

Alguns estudos ou pesquisas são distorcidos de propósito. A

distorção pode ocorrer na fonte de dados, no método de amostragem, ou nas
conclusões.

Erros

Erro amostral

A diferença entre o resultado da amostra e o resultado verdadeiro

população, variações de amostra para amostra. É o erro que resulta de
examinar uma amostra e não a toda a população.

39
Erro não amostral

Erro não amostral (que não são de amostragem): é o erro que ocorre por
fatores independentes do planejamento amostral. Dados amostrais colhidos,
armazenados, ou analisados de forma incorreta, (como, selecionando uma
amostra tendenciosa, usando um instrumento defeituoso, ou copiar os dados
incorretamente).

O viés de seleção ocorre quando alguma parte da população objetivo não

está na população amostrada.

❖ Cadastro de amostragem.

❖ Cobertura incompleta (subcobertura).

❖ Diferencias entre os perfis dos pesquisados e dos não pesquisados.

❖ Inclusão de elementos não sorteados ou de outras populações.

O viés de medição ocorre quando o instrumento com o que se mensura, ou

a pessoa que aplica o instrumento, gera uma tendência a diferir do valor
verdadeiro em alguma direção.

❖ Falta a verdade em perguntas sensíveis.

❖ Insuficiência do questionário (redação deficiente).

❖ Efeito do entrevistador.

❖ Falta de memória.

Como dimensionar o tamanho amostral? (erro amostral)

Não existe uma única forma de dimensionamento de amostras. Na

verdade, existem tantas formas quanto tipos de estimativas ou experimentos que
podem ser realizados para um estudo.

Em síntese:

40
 O dimensionamento amostral depende do desenho experimental. E, por
sua vez, o desenho experimental depende do objetivo do estudo.

A determinação do tamanho da amostra, de um modo geral, está relacionada

com uma série de fatores. Os principais são:

1. Erro desejado nas conclusões do estudo.

2. Risco de uma conclusão equivocada.

3. Previsibilidade das variáveis envolvidas no estudo.

Figura: Problema do dimensionamento amostral.

41
 Trabalho 1

Exercício 1: Leia os dois resumos apresentados a seguir e responda às questões de

1 a 4.

1. Deficiência de ferro e desenvolvimento cognitivo – 250 crianças de um

estabelecimento de ensino do município de Osasco (SP), com idades entre 7 e
16 anos, foram consideradas para o estudo da influência de ferro no
desenvolvimento cognitivo. Para evitar a interferência da verminose na absorção
de ferro, todas as crianças foram avaliadas quanto aos níveis de ferro e
hemoglobina e tratadas com Mebendazole. Pelo sorteio, formaram-se dois
grupos. Durante oito semanas, um grupo recebeu diariamente um comprimido
contendo 100 g de amido. A avaliação das capacidades cognitivas foi realizada
pela comparação dos resultados de testes aplicados antes e depois do
tratamento. Constatou-se uma melhora substancial na capacidade dos sistemas
de memória no grupo tratado com os comprimidos de ferro.

2. Avaliação da cobertura de vacinação de Teresina (PI) – a cobertura da vacinação

antipólio, DPT, BCG e antissarampo na área urbana de Teresina foi avaliada por
meio de uma amostra de 205 crianças com idades entre 12 e 23 meses. Estimou-
se que menos de 40% delas estavam completamente vacinadas. A posterior
separação das crianças segundo o quadro completo ou incompleto de vacinação
possibilitou detectar, mediante comparação dos grupos, que, quanto menor o
nível de instrução da mãe, maior a porcentagem de crianças com falhas no
esquema de vacinação.

Questões:

1. Cite os principais pontos dos delineamentos que determinam as diferenças entre

as duas pesquisas.
2. Ambos os estudos analisam relações entre variáveis por meio da comparação
de grupos. Entretanto, a natureza das análises não nos permite conclusões
semelhantes. Por quê?
3. Construa um delineamento para o estudo realizado com as crianças de Teresina
que, embora conservando seu caráter observacional, possa testar a relação
entre escolaridade da mãe e quadro vacinal da criança. Aproxime esse
delineamento da estrutura comparativa do estudo experimental.
4. Em periódicos da área da saúde e de outras áreas, procure três artigos que
apresentem diferentes planos de observação e de análise de dados. Apresente
os objetivos e as estratégias metodológicas de cada um. Tente identificar os tipos
de estudos aplicados.

42
 Exercício 2: Em periódicos, encontre pelo menos 3 exemplos de procedimentos
de amostragem não probabilística. Apresente alternativas para a realização do
estudo usando a amostragem probabilística.

BIBLIOGRAFIA

1- BOLFARINE, H. E BUSSAB, W. Elementos de Amostragem. São Paulo:

Editora Edgard Bluncher, 2005.

2- LOHR, Sharon. Sampling: design and analysis. Nelson Education, 2009.

3- SILVA, N. N. Amostragem Probabilística. São Paulo: EDUSP, 1999.

4- KISH, L. Survey sampling. New York: John Wiley, 1965.

5- COCHRAN, W. G. Sampling techniques. New York: John Wiley & Sons,

1977.
6- BABBIE, E. Métodos de Pesquisa de Survey. Belo Horizonte: Editora
UFMG, 1999.
7- MALHOTRA, Naresh K. Pesquisa de marketing: uma orientação aplicada.
Bookman Editora, 2012.

43