Escolar Documentos
Profissional Documentos
Cultura Documentos
AMOSTRAGEM I
26/03/2022
Introdução
1
O que é amostragem?
A teoria da amostragem estuda as relações existentes entre uma população e as amostras
extraídas dessa população. E útil para avaliação de grandezas desconhecidas da população,
ou para determinar se as diferenças observadas entre duas amostras são devidas ao acaso ou
se são verdadeiramente significativas.
davidvenacio@hotmail.com |
Introdução
1
O que é amostragem?
A teoria da amostragem estuda as relações existentes entre uma população e as amostras
extraídas dessa população. E útil para avaliação de grandezas desconhecidas da população,
ou para determinar se as diferenças observadas entre duas amostras são devidas ao acaso ou
se são verdadeiramente significativas.
Amostragem é o processo de determinação de uma amostra a ser pesquisada. A amostra é
uma parte de elementos seleccionada de uma população estatística.
davidvenacio@hotmail.com |
Introdução
Conceitos básicos 2
davidvenacio@hotmail.com |
Introdução
AMOSTRA OU CENSO? 3
Fazer levantamentos, estudos, pesquisas, sobre toda uma população (censo) é, em geral,
muito difícil. Isto se deve à vários fatores.
▶ Redução dos custos;
▶ Velocidade de Execução;
▶ Praticidade;
▶ Maior Acurácia
Quando a população é pequena, quando a característica de interesse é de fácil mensuração
ou quando há necessidade de alta precisão, pode não ser interessante a realização de uma
amostragem.
davidvenacio@hotmail.com |
Etapas de um levantamento
4
davidvenacio@hotmail.com |
Etapas de um levantamento
Definição do problema 5
davidvenacio@hotmail.com |
Etapas de um um levantamento
Planejamento 6
davidvenacio@hotmail.com |
Etapas de um levantamento
Coleta dos dados 7
davidvenacio@hotmail.com |
Etapas de um levantamento
Apuração dos dados; Apresentação e resumo dos dados; Análise e interpretação. 8
davidvenacio@hotmail.com |
Tipos de levantamento
10
▶ Probabilísticas - cada elemento da população tem uma probabilidade (não nula) de ser
escolhido.
Os métodos de amostragem aleatória são caracterizados por todos os elementos da
população poderem ser selecionados de acordo com uma probabilidade pré-definida e
em que se podem avaliar objetivamente as estimativas das propriedades da população
obtidas a partir da amostra.
Uma das vantagens da amostragem aleatória e a possibilidade de estimar as margens
de erro dos resultados que são devidas à amostragem. Além disso, a amostragem
aleatória evita o enviesamento das amostras que acontece sempre que se usa a opinião
e a experiência para escolher as amostras.
davidvenacio@hotmail.com |
Tipos de levantamento
11
davidvenacio@hotmail.com |
Tipos de levantamento
12
davidvenacio@hotmail.com |
Parâmetros de interesse
13
davidvenacio@hotmail.com |
Exemplo
Bolfarine 14
davidvenacio@hotmail.com |
Exemplo
Bolfarine 15
▶ Parâmetro populacional
▶ Variável idade: D = (20, 30, 40).
▶ Variáveis (f,t): D = 12 30 18
1 3 2
▶ Função paramétrica (chamaremos de parâmetros):
▶ Média das variáveis renda e número de trabalhadores.
θ = (20, 2)
▶ Renda média por trabalhador.
θ = 10
davidvenacio@hotmail.com |
Planejamento amostral
16
davidvenacio@hotmail.com |
Cont. do Exemplo
Bolfarine 17
davidvenacio@hotmail.com |
Cont. do Exemplo: planos amostrais
Bolfarine 18
davidvenacio@hotmail.com |
Cont. do Exemplo: planos amostrais
Bolfarine 19
davidvenacio@hotmail.com |
Cont. do Exemplo: planos amostrais
Bolfarine 20
P(12) = ...
davidvenacio@hotmail.com |
Cont. do Exemplo: Estatísticas e distribuições amostrais
Bolfarine 21
davidvenacio@hotmail.com |
Introdução a amostragem simples
22
Representatividade: Qualidade que as amostras devem ter, e que corresponde a elas terem,
ou reproduzirem, as mesmas propriedades da população.
davidvenacio@hotmail.com |
Introdução a amostragem simples
23
davidvenacio@hotmail.com |
Introdução a amostragem simples
24
Amostra Aleatória Amostra que sofreu algum mecanismo de sorteio no processo de coleta.
O sorteio garante representatividade porque evita tendenciosidades no momento da coleta.
A amostragem pode ser classificada conforme a Figura 1.
davidvenacio@hotmail.com |
Introdução a amostragem simples
25
Independente da natureza da amostragem (AAS, AAE, AAC ou AS), ela pode ainda ser
com reposição ou sem reposição:
davidvenacio@hotmail.com |
Introdução a Amostragem simples
26
Na amostragem com reposição, os elementos da população, à medida que são sorteados, são
devolvidos à população, e podem eventualmente ser sorteados de novo. Quando a amostra-
gem é sem reposição, os elementos são sorteados apenas uma vez.
davidvenacio@hotmail.com |
Amostragem aleatória simples
27
davidvenacio@hotmail.com |
Amostragem aleatória simples
28
▶ Caso seja permitido o sorteio de uma unidade mais de uma vez, tem-se o processo
AAS com reposição, que será indicado por ASSc. Quando o elemento sorteado é
removido de N elementos do sorteio do próximo têm-se o plano ASS sem reposição,
que será indicado por ASSs. O primeiro procedimento é também conhecido como ASS
irrestrito e o segundo é também conhecido como ASS restrito.
davidvenacio@hotmail.com |
Amostragem aleatória simples
28
▶ Caso seja permitido o sorteio de uma unidade mais de uma vez, tem-se o processo
AAS com reposição, que será indicado por ASSc. Quando o elemento sorteado é
removido de N elementos do sorteio do próximo têm-se o plano ASS sem reposição,
que será indicado por ASSs. O primeiro procedimento é também conhecido como ASS
irrestrito e o segundo é também conhecido como ASS restrito.
Do ponto de vista prático, o plano ASSs é muito mais interessante, pois satisfaz o princípio
intuitivo que “não se ganha mais informação se uma mesma unidade aparece mais de uma
vez na amostra”. Por outro lado, o plano ASSc, introduz vantagens matemáticas e
estatísticas, como a independência entre as unidades sorteadas, que facilita em muito a
determinação das propriedades dos estimadores das quantidades populacionais de interesse
davidvenacio@hotmail.com |
O que é uma amostra aleatória
29
Suponha que temos uma população de N elementos e desejamos tomar uma amostra de n
desses elementos. Pode ser demonstrado pela teoria matemática das permutações e combi-
nações, que o número T de possíveis amostras, de n elementos, retiradas sem reposição, de
N
uma população composta de N elementos, é denotada por ( ) e é obtida por:
n
N N!
T= =
n n!(N − n)!
Por exemplo, se uma população contém 25 elementos e nós desejamos tomar uma amostra
de n = 5 desses elementos, então da relação 1, com N = 25 e n = 5.
davidvenacio@hotmail.com |
O que é uma amostra aleatória
Definição 30
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
31
Obtidos os dados de uma amostra, são feitos cálculos estatísticos para que se tenha condi-
ções de obter as conclusões do estudo. Para tanto deve-se considerar a seguinte notação:
População Amostra
Nº de elementos N n
Observações y1 , y2 , ..., yN y1 , y2 , ..., yn
1 PN 1 Pn
µ= yi y= yi
N i=1 n i=1
1 PN 1 Pn
σ2 = (yi − µ)2 s2 = (yi − y)2
N i=1 n − 1 i=1
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
32
Quando a fração de amostragem é menor que 0.05, isto é, a amostra tem menos de 5% da
população, a população é considerada infinita. Se 0.05 ≥ Nn a população é considerada
finita.
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
33
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
34
σ2
Var(y) = ,
n
e no caso da população finita por:
σ2 N − n
Var(y) =
n N−1
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
35
Com os dados de uma amostra, pode-se estimar a variância da média, bem como seu erro
padrão. No caso da população infinita a estimativa da variância da média é dada pela ex-
pressão:
S2
Var(y) = ,
n
em que, S2 é o valor obtido para variância amostral. O erro-padrão da média de uma amostra
extraída de uma população infinita é calculado por:
S
S(y) = √ ,
n
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
36
Se a distribuição de uma determinada variável aleatória de uma população for normal, pode-
se construir um intervalo de confiança, com a probabilidade igual a (1 − α), para a média
desta população, a partir de uma amostra, baseando-se na distribuição da variável aleatória
t, usando a seguinte expressão:
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
37
davidvenacio@hotmail.com |
Inferência numa amostra aleatória simples
38
O intervalo de confiança para µ, com a probabilidade igual a (1α), para uma população
finita é dado por:
r
S N−n
IC(µ) = y ± tα/2 √
n N−1
davidvenacio@hotmail.com |
Tabela de Números aleatórios
39
22 01 70 31 32 96 91 92 75 40 16 54 29 72 74 99 00 95 97 61 00 98 24 30 07
56 24 10 04 30 20 46 29 90 53 53 11 05 84 41 21 64 79 19 76 29 51 62 60 66
79 44 92 62 02 96 86 64 30 00 94 56 69 30 20 59 87 87 35 44 22 50 97 78 19
53 99 66 45 08 89 78 50 77 53 37 25 77 41 27 62 38 02 23 57 62 01 41 60 35
18 92 87 35 88 56 05 21 36 51 39 28 50 14 66 85 79 30 19 79 72 66 64 31 45
53 08 58 96 63 05 61 25 70 22 50 41 28 96 62 66 43 63 06 63 01 32 79 85 22
03 58 80 29 28 76 89 51 18 24 88 89 46 47 48 59 19 29 87 03 10 33 99 67 12
27 07 81 88 65 69 49 98 00 28 04 70 51 30 01 47 18 97 33 21 85 82 45 43 24
05 21 08 59 01 06 22 24 98 91 81 17 55 44 66 16 07 73 07 66 10 12 31 78 58
40 36 13 27 84 30 82 33 36 39 69 42 05 58 64 61 12 33 89 27 89 52 66 71 93
54 60 25 28 85 88 20 00 10 59 61 05 36 61 33 72 01 01 19 01 61 10 51 20 91
71 51 63 40 76 71 11 73 73 52 37 31 60 45 88 92 73 43 71 28 04 98 09 02 48
61 02 01 81 73 92 60 66 73 58 53 34 42 68 26 38 34 03 27 44 96 04 46 65 93
82 55 93 13 46 30 95 26 55 06 96 17 65 91 72 39 79 96 12 49 52 80 63 26 99
89 98 54 14 21 74 13 57 68 19 86 28 60 89 47 33 15 26 28 77 45 38 48 08 08
00 99 84 84 14 67 95 13 77 58 90 14 50 79 42 73 63 31 06 60 43 40 12 55 04
62 41 50 78 20 48 05 88 43 52 98 03 19 93 92 03 04 97 25 84 95 95 03 63 31
94 27 90 69 24 68 09 92 11 86 07 63 83 19 32 99 51 15 55 71 09 27 02 67 00
44 89 29 28 84 36 28 25 15 82 87 74 18 97 25 76 10 63 26 76 02 26 74 53 28
97 30 76 95 33 21 10 54 26 95 66 65 52 04 99 36 58 48 03 08 93 63 58 17 96
39 16 58 04 44 80 15 59 59 83 90 95 54 66 81 84 39 60 85 38 88 66 33 35 69
60 78 11 03 26 67 50 34 09 61 31 30 20 76 93 66 30 83 51 09 33 83 64 76 05
03 19 23 47 62 89 57 77 91 33 88 47 60 59 37 54 39 48 77 67 49 85 38 43 91
41 28 52 67 56 25 39 59 96 65 51 36 90 32 22 39 33 05 22 99 03 39 97 96 99
77 54 98 50 39 25 37 42 52 97 10 03 56 04 92 81 66 86 70 01 48 89 55 82 10
davidvenacio@hotmail.com |
Exemplo
Amostra Aletória 40
Uma cidade turística tem 30 hotéis de três estrelas. Pretende-se conhecer o custo médio da
diária para apartamento de casal. Os valores populacionais consistem nos seguintes preços
diários (em dólares): 25, 20, 35, 21, 22, 24, 25, 30, 38, 24, 20, 20, 25, 20, 19, 25, 23, 24, 28,
24, 24, 22, 28, 26, 23, 25, 22, 27, 25, 23. Extraia uma amostra aleatória simples de tamanho
10 desta população por sorteio.
davidvenacio@hotmail.com |
Exemplo
Amostra Aletória 41
1º passo: Elaborar a relação dos dados brutos da população, ordenando os números com
uma numeração aleatória. Como dispomos de um conjunto de elementos de 30 números
começaremos pelo 00 até o 29.
N.º Hotel Custo N.º Hotel Custo N.º Hotel Custo N.º Hotel Custo N.º Hotel Custo N.º Hotel Custo
00 - $25 06 - $25 11 - $25 16 - $20 21 - $22 26 - $22
01 - $20 07 - $30 12 - $20 17 - $24 22 - $28 27 - $27
02 - $35 08 - $38 13 - $19 18 - $28 23 - $26 28 - $25
03 - $21 09 - $24 14 - $25 19 - $24 24 - $23 29 - $23
04 - $22 10 - $20 15 - $23 20 - $24 25 - $25
davidvenacio@hotmail.com |
Exemplo
Amostra Aletória 42
2º Passo: Agora iremos sortear o valor de n, aqui num tamanho igual a 10, utilizando a
tabela de números aleatórios. Utilizaremos a tabela agrupando 2 em 2 números pois nossa
amostra é de dois dígitos, começando de qualquer ponto na vertical ou na horizontal, até
conseguirmos sortear o tamanho de n existente.
3º Passo: Os números sorteados, os que não têm na amostra são descartados, e no nosso
caso como não utilizaremos as repetições, pois queremos um sorteio sem reposição, então
também serão descartadas as repetições.
davidvenacio@hotmail.com |
Dimensão da amostra
Amostra aleatória simples - caso infinito 43
davidvenacio@hotmail.com |
Dimensão da amostra
Amostra aleatória simples - caso finito 44
davidvenacio@hotmail.com |
Dimensão da amostra
Amostra aleatória simples 45
Não podemos evitar a ocorrência do ERRO AMOSTRAL, porém podemos limitar seu
valor através da escolha de uma amostra de tamanho adequado. Obviamente, o ERRO
AMOSTRAL e o TAMANHO DA AMOSTRA seguem sentidos contrários . Quanto maior
o tamanho da amostra, menor o erro cometido e vice-versa.
davidvenacio@hotmail.com |
Dimensão da amostra
Exemplo 46
Exemplo 1
Uma pesquisa é planejada para determinar as despesas médicas anuais das famílias dos
empregados de uma grande empresa. A gerência da empresa deseja ter 95% de confiança
de que a média da amostra está no máximo com uma margem de erro de ±$50 da média
real das despesas médicas familiares. Um estudo-piloto indica que o desvio-padrão pode
ser calculado como sendo igual a $400.
1. Qual o tamanho de amostra necessário?
2. Se a gerência deseja estar certa em uma margem de erro de ±$25, que tamanho de
amostra será necessário?
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
47
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
48
Como os dados são qualitativos, utiliza-se uma variável binária, yi , para quantificar os re-
sultados. A variável yi assume os seguintes valores:
(
1, se o elemento estiver contido em C
yi =
0, se o elemento estiver contido em C1
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
49
População Amostra
Nº de elementos N n
Observações y1 , y2 , ..., yN y , y , ..., yn
P N P1 N 2
Nº de elementos de C i=1 yi = A i=1 yi = a
Nº de elementos de C1 N−A n−a
A a
Proporção de C p= p=
b
N n
N−A n−a
Proporção de C1 q=1=p= q = 1−b
b p=
N n
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
50
p] = p
E[b
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
51
p(1 − p)
Var(p) = ,
n
E no caso de uma população finita:
p(1 − p) N − n
Var(p) =
n N−1
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
52
Como os dados de uma amostra, pode-se estimar a variância de uma proporção, bem como
o erro padrão. No caso da população infinita a estimativa da variância de uma proporção é
dada por
p(1 − b
b p)
p) =
Var(b ,
n
e o erro padrão é dado por: r
p(1 − b
b p)
S(bp) = ,
n
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
Intervalo de Confiança 53
davidvenacio@hotmail.com |
Amostra Aleatória simples para a proporção
Intervalo de Confiança 54
No caso de uma população finita, o erro padrão de uma proporção é dado por:
r
p (1 − b
b p) N − n
p) =
s(b
n−1 N−1
e o intervalo de confiança para p é obtido pela expressão:
" r #
p (1 − b
p) N − n 1
p ± Zα/2
b
IC(p) = b +
n − 1 N − 1 2n
davidvenacio@hotmail.com |
Dimensão da amostra
Caso Infinito 55
O erro de estimativa num intervalo de confiança para p em uma população infinita desprezando-
se a correção de continuidade é:
s
p (1 − b
b p)
e = Zα/2
n0 − 1
2 p (1 − b
b p)
n0 = Zα/2 2
+1
e
davidvenacio@hotmail.com |
Dimensão da amostra
Caso finito 56
davidvenacio@hotmail.com |
Exemplo
57
Questão
Foi realizada uma pesquisa numa cidade sobre a preferência do eleitorado nas vésperas do
segundo turno de uma eleição para prefeito. Os resultados obtidos foram os seguintes:
davidvenacio@hotmail.com |
Exemplo
58
davidvenacio@hotmail.com |
Referências
59
BUSSAB, W. O.; MORETTIN, P. A. – Estatística Básica. Atual Editora, São Paulo, 2008.
BOLFARINE, H., BUSSAB, W.O., Elementos de Amostragem. Ed. Edgard Blucher; Edi-
ção: 1ª 2005.
davidvenacio@hotmail.com |