Estatística Aula 02 (População Amostral)

Unidade 02 – População Amostral
Carlos Antonio Neves Farias

http://mixexatas.blogspot.com.br
Karlos_far@hotmail.com
Exemplos da utilização de Estatística
Exportações brasileiras de carne bovina in natura em volume (mil
toneladas) e receita (US$ milhões /ton)
2 PTC Proprietary – Do not reproduce without permission © 2003 PTC




Coleta de dados – Amostragem
IMPORTÂNCIA DA AMOSTRAGEM
População Estatísticas
Amostra
Média
Desvio padrão
Proporção etc.
Parâmetros
Média
Desvio padrão
Proporção etc.
Inferência
Coleta de dados – Amostragem
IMPORTÂNCIA DA AMOSTRAGEM
“Não é preciso comer um bolo inteiro para ver se é bom.”

“Não é necessário analisar 100 toneladas de minério de ferro para saber
sua composição química. Basta fazer uma boa amostragem e analisar
quantidades bem menores, conhecendo-se o erro que se corre.”
Avaliar a temperatura da água da piscina mergulhando a ponta do pé;

Assistir um programa de tv por alguns minutos para ver se vale a pena
assisti-lo até o fim;
Fabricar lotes pilotos para depois se lançar à fabricação em grande escala.

Amostragem
Problemas: quanto pesa, em média, uma folha de eucalipto? 1 kg? 1 g? 1 g
quantas folhas tem, em média, um eucalipto? 2? 1.000? 1.000.000.000?
Amostragem ou Censo?
Por que fazer amostragem?

- população infinita
- diminuir custo
- aumentar velocidade na caracterização (medidas que variam no tempo)
- aumentar a representatividade
- melhorar a precisão (mais cuidado na obtenção dos dados)
- minimizar perdas por medidas destrutivas
Por que fazer censo?

- população pequena ou amostragem muito grande em relação a população
- precisão completa (não se permite erros)
- já se dispõe da informação completa

Amostragem
Problemas: quanto pesa, em média, uma folha de eucalipto? 1 kg? 1 g? 1 g

quantas folhas tem, em média, um eucalipto? 2? 1.000? 1.000.000.000?
Quanto amostrar?
Depende:
- da variabilidade original dos dados (maior variância  maior n)
- da precisão requerida no trabalho (maior precisão  maior n)
- do tempo disponível (menor o tempo  menor n)
- do custo da amostragem (maior o custo  menor n)
Como amostrar?
- amostragem probabilística X não probabilística

Amostragem
Amostragem Probabilística e Não Probabilística
Amostragem probabilística:
cada elemento da população tem uma probabilidade (não nula) de ser escolhido
Amostragem não probabilística:

- amostragem restrita aos elementos que se tem acesso (ex: drogados)
- escolha a esmo (ex: coelhos numa gaiola, escolha de parafusos numa caixa)
- impossibilidade de sorteio (ex: sangue)
- amostragem intencional ou por julgamento (ex: escolha de elementos “típicos”)
- voluntários (ex: testes de vacina)

Amostragem
Amostragem Aleatória Simples

Escolhe-se n elementos de uma população de tamanho N
amostra = {X1, X2, ..., Xn}
Exemplo: escolher 10 pixels de uma imagem 13x17

etapas: rotular cada pixel com um código único
sortear aleatoriamente 10 códigos
(tabelas ou geradores de números aleatórios)
identificar os pixels selecionados
OBS:
método mais simples
pressupõe população homogênea

Amostragem
Amostragem Aleatória Estratificada
Primeiramente a população (N) é dividida em L sub-populações (estratos) com N1, N2, ..., NL
elementos. Para cada estrato, escolhe-se ni elementos aleatoriamente, totalizando n
elementos. n
todos iguais ni 
L
Ni
ni proporcionais a Ni ni  n
N
N i si
ni  n L
tamanho ótimo (considera a variabilidade)
N s
i 1
i i
Exemplo: escolher 10 pixels de uma imagem 13x17

etapas: selecionar um estrato
rotular cada pixel com um código único
sortear aleatoriamente ni códigos
(tabelas ou geradores de números aleatórios)
repetir o processo para todos os estratos
OBS:
usado para população heterogênea
(estratos homogêneos)
Amostragem
Amostragem Sistemática
Se os elementos da população já se encontram ordenados segundo algum critério, pode-se
selecionar um elemento qualquer e escolher um “passo” que definirá qual será o próximo
elemento escolhido.
1 10 20
passo = 5
Exemplo: escolher pixels de uma imagem 13x17 com
passos 5 em x e 4 em y
etapas: escolher aleatoriamente um pixel na janela
5x4 superior esquerda
com base nesse pixel, definir uma grade com
espaçamento de 5x4 elementos
OBS: amostra-se uniformemente todo o espaço

Amostragem
Outras Amostragens
Amostragem em múltiplos estágios
amostragem sistemática
dentro do talhão
talhões
Amostragem por conglomerados
amostra-se todos (ou alguns)

elementos do conglomerado
conglomerados

Amostragem
Solução:
 Inferência Estatística, que consiste na extração de pelo menos uma

amostra da população, que após trabalhada terá seus resultados
inferidos para a população.

Amostragem
Questões que surgem:
 Como obter uma boa amostra?
 O que trabalhar na amostra?
 No processo de inferência, qual o erro da pesquisa?
 Quais as decorrências lógicas do processo inferencial?

Amostragem
Técnicas de Amostragem
1.1 - AMOSTRAGEM POR CONVENIÊNCIA (NÃO PROBABILÍSTICA): a
amostra é formada obedecendo a algum tipo de conveniência de quem
forma a amostra ou de quem vai participar da amostra ou de ambos.

Amostragem
1.2 - AMOSTRAGEM PROBABILÍSTICA. Teoricamente é identificada pela
existência de uma probabilidade conhecida associada a cada elemento
de participar da amostra. Alguns exemplos clássicos são:
amostragem aleatória simples, amostagem sistemática, amostragem

estratificada e amostragem por conglomerado.

Amostragem
1.2.1 – AMOSTRAGEM ALEATÓRIA SIMPLES ( AAS )
Todos os elementos da população tem mesma probabilidade de

pertencer à amostra, isto é, 1/N.
A amostragem pode ser feita com ou sem reposição.
Usa-se a Tabela de Números Aleatórios.

Amostragem
1.2.2 – AMOSTRAGEM SISTEMÁTICA
Determina-se a cota amostral pela fórmula, k = N/n. Escolhe-se

aleatoriamente um elemento no intervalo; este será o primeiro
elemento da amostra. O segundo elemento será o primeiro mais k, e
assim sucessivamente.

Amostragem
1.2.3 – AMOSTRAGEM ESTRATIFICADA
Divide-se a população em subgrupos (estratos) de

itens similares, procedendo-se à amostragem em
cada estrato, proporcional ao tamanho do estrato.
Como os subgrupos são relativamente
homogêneos, a variabilidade é menor,
necessitando de um tamanho menor de amostra.
Exemplo: estratos por idade, renda, ...

Amostragem
1.2.3 – AMOSTRAGEM ESTRATIFICADA
Para determinar o número de elementos da população no i-

ésimo estrato que irá participar da amostra (ni ) podemos
usar a seguinte fórmula:
Onde n é o tamanho da amostra, N é o tamanho da população

e Ni é o tamanho do estrato. O quociente n/N é denominado
fração amostral e notado por f.
Amostragem
1.2.4– AMOSTRAGEM POR CONGLOMERADOS
Dispõem-se os itens da população em subgrupos

fisicamente próximos e heterogêneos,
representativos da população global.
Exemplo: um quarteirão de uma cidade, bairros,

municípios.

Amostragem
2. COMPONENTES BÁSICOS DA
REPRESENTATIVIDADE DE UMA AMOSTRA
 De maneira geral, quando trabalha-se com variáveis qualitativas, o

tamanho da amostra varia de 100 a 2000; se a variável é quantitativa o
número de elementos da amostra varia de 30 a 100.
 Estes valores são estabelecidos de acordo com as restrições de tempo e

de custo de cada pesquisa.
 Se não houver restrição de nenhuma natureza faz-se n=2000

(qualitativa) ou n=100 (quantitativa).
 Se a população é homogênea com cadastro, recomenda-se usar a

amostragem aleatória simples.

Amostragem
3. Plano Amostral
a) População única com cadastro.
Ex : População dos funcionários das Agências Publicitárias no

R.S.
Usar a técnica de AAS.
b) População única volúvel.
Ex : População de clientes de um shopping, de um super-

mercado, etc.
Usar Amostragem Sistemática.

Amostragem
3. Plano Amostral
Ex.: Suponhamos que se quer fazer uma pesquisa de opinião
em uma população de tamanho 40.000 (N=40.000) 
vamos tomar uma amostra de tamanho 2.000 (n=2.000)
pois a variável é qualitativa e não há restrição de tempo,
custo, etc.
Quota amostral: k = N / n = 40.000 / 2.000 = 20.
A cada 20 clientes, 1 será investigado.
O 1º elemento da amostra é escolhido aleatoriamente na

população, suponhamos o 12º cliente ; o 2º elemento será
o 32º cliente (12 + 20) ; o 3º elemento será o 52º cliente
(32 + 20) e, assim sucessivamente.
Amostragem
3. Plano Amostral
a) População segmentada. Ex : População de clientes de uma empresa
que possui várias filiais.
Usar Amostragem Estratificada.
Ex.:Suponhamos que quer se fazer uma pesquisa de opinião sobre o

atendimento, ou a aceitabilidade de um produto, em uma empresa que
possui 4 filiais tal que
Filial 1 : N1 = 5.000 clientes
Filial 3 : N3 = 8.000 clientes  40.000 clientes

Amostragem
3. Plano Amostral
Como é uma pesquisa de opinião sem restrições de tempo, custo, etc,
vamos tomar n = 2.000.
Fração amostral : f = n / N = 2.000 / 40.000 = 0,05 (constante).
Composição da amostra:
n1 = 0,05 x 5.000 = 250
n2 = 0,05 x 12.000 = 600
n3 = 0,05 x 8.000 = 400
n4 = 0,05 x 15.000 = 750

Amostragem
Exemplo 1: Comparação: Testes sobre medicamentos
 Avaliação sobre novo analgésico

10 tomam novo medicamento
 20 indivíduos selecionados
10 tomam remédio padrão
Quantos relataram
Remédio
diminuição da dor
A diferença observada é
Novo 8
real ou aleatória?
Padrão 5
Amostragem
Exemplo 2: Previsão: Demanda por produtos e serviços
 Quantos leitos hospitalares serão necessários?
 Quantas vagas serão necessárias nas diferentes séries escolares?
 Quanto um supermercado venderá nas festas de fim de ano?
(Métodos estatísticos de previsão)

Amostragem
Exemplo 3. Explicação de resultados
 Fatores de prognóstico para pacientes
 Fatores de risco para doenças
 Determinantes de desempenho escolar

Coleta de Dados – Tipos de dados
DADOS
Dados qualitativos Dados quantitativos

Ou dados categóricos ou atributos Consistem em números
(podem ser distribuídos em categorias que representam contagens
mutuamente exclusivas. ou medidas
Se distinguem por alguma Exemplos: idade,
característica não-numérica estatura, peso, etc.
Ordinais: tem ordenação natural. Discretos (inteiros)
Ex: grau de instrução (1a , 2a, etc.)
Contínuos (cm, kg, etc.)
Nominais (Sexo, cor, causa de
morte, grupo sanguíneo, etc.)
Coleta de Dados – Tipos de Dados
Como são classificados os dados quantitativos?
DADOS DISCRETOS
São dados referentes às variáveis discretas que assumem valores
inteiros e são resultantes de uma contagem de itens
Representam contagem
São dados quantitativos
DADOS CONTÍNUOS
São os dados referentes às variáveis contínuas que podem assumir
qualquer valor num intervalo contínuo
São dados quantitativos
Representam mensurações (medidas)
Dado contínuo discreto
peso de bêbes recém-nascidos X
número de cds vendidos no shopping X
dureza dos materiais ferrosos X
número de pedestres/min na passarela X
altura dos edifícios do centro de BH X
densidade dos fluidos de petróleo X
tempo de aula X
velocidade dos carros de fórmula 1 X
número de carros fabricados em abril X
número de animais do pasto abatidos X
DADOS
QUALITATIVOS: ou dados QUANTITATIVOS: são números

categóricos ou atributos que representam contagens ou medidas
Ordinais Discretos Contínuos

Nominais
São nomes, São dados que Resultam de um Resultam de um

rótulos ou podem estar conjunto finito de conjunto infinito
categorias. Não dispostos em valores possíveis, de valores que
podem estar alguma ordem, sendo dados podem estar
dispostos num mas as diferenças normalmente associados numa
esquema entre os valores inteiros. escala contínua;
ordenado. não podem ser Representam Representam
determinadas. contagens. mensurações.
Ex.: Bebida Ex.: Níveis de Ex.: número de Ex.: Variações do

preferida, tipos avaliação de um falhas de cada diâmetros de um
de falhas, etc.. serviço. máquina da linha. eixo fabricado.
Dados da mesma população originam diferentes tipos de dados.
natureza dos dados
populações por postos
contínuo discreto nominal ou ordinal
alunos 2º idades, menino/menina
nº alunos 2º grau
grau pesos
automóveis velocidade nº defeitos / cores grau de

Km/h carro limpeza
vendas de valor em R$ nº ofertas acima do preço muito

imóveis dispendioso

Coleta de Dados - Introdução
INFORMAÇÕES, DADOS..........
Coleta de Tomada
dados Organização Análise de decisão
Dados primários Dados coletados por você

Dados secundários Dados coletados por
outros
O bom planejamento da qualidade dos dados
coleta (amostragem)
A quantidade de erros podem até destruir ou prejudicar a validade

dos resultados
Coleta de Dados - Introdução
Quando os dados secundários não estão disponíveis ou eles
são inadequados
O que fazemos Coletamos os nossos próprios dados
toda a levantamento do dinheiro

população contido nos caixas do
banco no final do dia
coleta
amostra Exame de fezes, de

sangue, urina
Coleta de Dados - Amostragem
AMOSTRAGEM
População Estatísticas
Amostra
Média
Desvio padrão
Proporção etc.
Parâmetros
Média
Desvio padrão
Proporção etc.
39
Inferência PTC Proprietary – Do not reproduce without permission © 2003 PTC
Coleta de Dados – Conceitos Importantes
POPULAÇÃO
É uma coleção completa de todos elementos (valores, pessoas, medidas
etc.) a serem estudados.
AMOSTRA
É uma parte extraída dos elementos da população.
CENSO
É uma coleção de dados relativos a todos elementos de uma população.

Coleta de Dados – Conceitos Importantes
POPULAÇÃO, AMOSTRA E CENSO

População Amostra
Altura de todos alunos do colégio Altura dos alunos da turma 23 do
colégio
Carros que passam no posto de Carros que passam no posto de
pedágio no período de 24:00h pedágio no período de 11:00 às
12:00h
Produção de 30 dias de uma fábrica Produção de 1 dia de uma fábrica
Número de notas fiscais emitidas Número de notas fiscais emitidas
em 2006 em 1 mês do ano de 2006
PH dos vinhos produzidos na safra PH dos vinhos de 800 garrafas da
de 2006 no Brasil safra de 2006 no Brasil
Peso dos pacotes (1Kg) de Peso de 300 pacotes de macarrão (1
macarrão produzidos em dez/2006
41
kg) da produção de dez/2006
PTC Proprietary – Do not reproduce without permission © 2003 PTC
Estatística
BIBLIOGRAFIA
BUSSAB, Wilton; MORENTIN, Pedro Alberto. Estatística Básica. São

Paulo: Saraiva, 2009.
LAURENTI, R. Estatística de Saúde. São Paulo: EPU, 2005.
VIEIRA; Sônia. Bioestatística. Rio de Janeiro: Campus, 2004.
LCALLEGARI-JACQUES, Sidia. Bioestatística: Principios e Aplicações.
Porto Alegre: Armed, 2003.
MOORE, David S.A Estatística Básica e sua Prática. Rio de Janeiro: LTC,
2005.
TOLEDO, G.L. Estatística Básica. São Paulo: Atlas, 2000.
IEZZI, Gelson e outros. “Fundamentos de Matemática Elementar Vol. 11
(Matemática Comercial e Financeira Estatística Descritiva). São Paulo:
Atual. Volume único. 1º edição. 2010.

Estatística Aula 02 (População Amostral)

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística Aula 02 (População Amostral)

Enviado por

Direitos autorais:

Formatos disponíveis

Unidade 02 – População Amostral

Carlos Antonio Neves Farias

2 PTC Proprietary – Do not reproduce without permission © 2003 PTC

3 PTC Proprietary – Do not reproduce without permission © 2003 PTC

4 PTC Proprietary – Do not reproduce without permission © 2003 PTC

5 PTC Proprietary – Do not reproduce without permission © 2003 PTC

“Não é preciso comer um bolo inteiro para ver se é bom.”

Avaliar a temperatura da água da piscina mergulhando a ponta do pé;

7 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Por que fazer amostragem?

Por que fazer censo?

8 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Problemas: quanto pesa, em média, uma folha de eucalipto? 1 kg? 1 g? 1 g

9 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Amostragem Probabilística e Não Probabilística

Amostragem não probabilística:

10 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Amostragem Aleatória Simples

Exemplo: escolher 10 pixels de uma imagem 13x17

11 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Exemplo: escolher 10 pixels de uma imagem 13x17

OBS: amostra-se uniformemente todo o espaço

13 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Amostragem por conglomerados

amostra-se todos (ou alguns)

14 PTC Proprietary – Do not reproduce without permission © 2003 PTC

 Inferência Estatística, que consiste na extração de pelo menos uma

15 PTC Proprietary – Do not reproduce without permission © 2003 PTC

 Como obter uma boa amostra?

 O que trabalhar na amostra?

 No processo de inferência, qual o erro da pesquisa?

 Quais as decorrências lógicas do processo inferencial?

16 PTC Proprietary – Do not reproduce without permission © 2003 PTC

17 PTC Proprietary – Do not reproduce without permission © 2003 PTC

amostragem aleatória simples, amostagem sistemática, amostragem

18 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Todos os elementos da população tem mesma probabilidade de

A amostragem pode ser feita com ou sem reposição.

Usa-se a Tabela de Números Aleatórios.

19 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Determina-se a cota amostral pela fórmula, k = N/n. Escolhe-se

20 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Divide-se a população em subgrupos (estratos) de

Exemplo: estratos por idade, renda, ...

Para determinar o número de elementos da população no i-

Onde n é o tamanho da amostra, N é o tamanho da população

Dispõem-se os itens da população em subgrupos

Exemplo: um quarteirão de uma cidade, bairros,

23 PTC Proprietary – Do not reproduce without permission © 2003 PTC

 De maneira geral, quando trabalha-se com variáveis qualitativas, o

 Estes valores são estabelecidos de acordo com as restrições de tempo e

 Se não houver restrição de nenhuma natureza faz-se n=2000

 Se a população é homogênea com cadastro, recomenda-se usar a

24 PTC Proprietary – Do not reproduce without permission © 2003 PTC

Ex : População dos funcionários das Agências Publicitárias no

Usar a técnica de AAS.

b) População única volúvel.

Ex : População de clientes de um shopping, de um super-

Usar Amostragem Sistemática.

Quota amostral: k = N / n = 40.000 / 2.000 = 20.

A cada 20 clientes, 1 será investigado.

O 1º elemento da amostra é escolhido aleatoriamente na

Usar Amostragem Estratificada.

Ex.:Suponhamos que quer se fazer uma pesquisa de opinião sobre o