Baixe o app para aproveitar ainda mais
Prévia do material em texto
Amostragem · Dados amostrais · Conjunto de indivíduos ou objetos coletados ou selecionados de uma população por um procedimento definido. · Os elementos de uma amostra são conhecidos como unidades de amostragem ou observações. · População · Conjunto de elementos para os quais desejamos que as conclusões da pesquisa sejam válidas, esses elementos podem ser observados ou mensurados sobre as mesmas condições. · A partir da amostra você infere sobre a população · Existem dois tipos de amostragem: · Probabilística (aleatória) · Não probabilística (não aleatória) ..Amostragem Aleatória……………………….……. · As amostras são obtidas aleatoriamente, ou seja, a probabilidade de cada elemento da população fazer parte da amostra é igual. · Vantagens: · Critério de seleção dos elementos rigorosamente definido (sem subjetividade dos investigadores/entrevistadores). · Determinação matemática da dimensão da amostra. · Desvantagens: · Dificuldade em obter listagens ou regiões atuais e completas da população. · Pode originar uma amostra muito dispersa geograficamente, aumentando os custos, o tempo envolvido no estudo e a dificuldade de coleta de dados. · Quatro formas de amostrar aleatoriamente: · Simples: · Todos os elementos possuem a mesma probabilidade de serem sorteados para compor a amostra. · Se faz um sorteio para compor o número necessário de amostras. · Sistemática: · É necessário ter uma ordenação dos elementos da população e a seleção se dá periodicamente. · É necessário calcular o valor de K, esse K é dado pelo número de elementos da população dividido pelo número de elementos da amostra. · K = N/n · Esse K é a frequência na qual são escolhidos os integrantes da amostra. · A aleatoriedade dessa amostra surge no elemento inicial, onde é escolhido um elemento aleatório dentro do valor K obtido. · Após a seleção inicial a amostra é composta pelos elementos contidos no valor K, seguindo a ordem estabelecida. · Nesse tipo de amostragem é possível que existam ciclos de variação. · Estratificada: · Primeiramente se divide a população em subgrupos que recebem o nome de estratos. · Ao separar esses estratos é necessário definir critérios que forneçam estratos bem homogêneos. · É necessário um conhecimento prévio da população. · Depois da criação desses estratos vem a etapa de sorteio. · Dependendo desse sorteio pode ter dois tipos de amostragens: · Amostragem Estratificada Uniforme: · Se sorteia o mesmo número de elementos de cada estrato. · Amostragem Estratificada Proporcional: · Sorteio feito proporcionalmente de acordo com o número de observações dentro de cada estrato. · Por conglomerados: · Grupamento de elementos da população e o sorteio é feito pelo grupamento, onde todas as observações pertencentes a esses grupamentos participam da amostragem. · Ex.: amostra retirada por domicílio. · Pode ser realizada em um único estágio, onde se seleciona alguns conglomerados e depois se observa todos os elementos dos conglomerados selecionados. · Pode ser realizada em mais de um estágio, onde são sorteados os conglomerados iniciais, e depois outros conglomerados menores. · Ex.: Sorteia um bairro, depois CEPs, depois casas dentro desses CEPs. ..Amostragem não aleatória……….…………….. · A probabilidade de alguns ou todos os elementos da população pertencerem à amostra é desconhecida. · Ela é muitas vezes empregada pela simplicidade ou impossibilidade de obtermos amostras probabilísticas. · Ela é subjetiva, baseada nos critérios e julgamentos do pesquisador, e a variabilidade amostral não pode ser estabelecida com precisão. · Vantagens: · Menor custo, menor tempo de estudo e menor necessidade de mão-de-obra. · Desvantagens: · Pode ocorrer um viés de opinião pessoal. · Não se sabe com que grau de confiança as conclusões obtidas podem ser inferidas para a população - não há garantia de que a amostra selecionada seja representativa de população. · Quatro tipos de amostragens não aleatórias: · Por conveniência: · A participação é voluntária ou os elementos da amostra são escolhidos por conveniência. · Ex.: Amigos, vizinhos, estudantes… · Já existia um conhecimento prévio de pessoas que podiam participar do estudo. · O estudo pode ser feito de forma rápida e barata. · Não se pode garantir que o estudo foi feito de forma representativa da população. · O uso é recomendado apenas em casos extremos ou em estudos em que seu uso seja justificado. · Por cotas: · A população é vista de maneira segregada, dividida em subgrupos, e é feita a seleção de uma cota de cada subgrupo proporcional ao seu tamanho. · Essa seleção não precisa ser aleatória. · Para compensar a falta de aleatoriedade nesse tipo de seleção, é comum dividir a população em um grande número de subgrupos. · Por julgamento: · O pesquisador julga quais são os elementos típicos da população e assim vai facilitar na hora de selecionar as observações para a amostra. · Bola de neve: · Quanto mais a bola de neve vai girando ela vai aumentando. · Compor a amostra de maneira em que cada elemento que compõe a amostra convide outros elementos. · Muito utilizado quando os elementos da população são raros, de difícil acesso ou desconhecidos. · É necessário identificar um ou dois elementos da população alvo e a partir desses elementos “sementes” serão recrutados novos elementos. · Nesse processo o pesquisador localiza a característica desejada para a população, fácil aplicação, é de baixo custo e eficiente. ..O quão generalizáveis são os dados?......... · Espera-se que uma amostra aleatória seja selecionada para que não haja viés sistemático na seleção e, portanto, seja semelhante à população, especialmente quando a amostra é grande. · Se coletamos uma amostra grande e os valores não forem muito variáveis, a média da amostra deverá estar próxima da média da população. · Porém, se tivermos poucas observações ou os valores forem altamente variáveis, estaremos menos confiantes de que a média da amostra está próxima da média da população. · Quando coleta a amostra se tem a média amostral e a média populacional, então a partir da média amostral quer se estimar a média populacional. · Quando se calcula a média referente a amostra é estatística. · Quando se calcula a média da população é o parâmetro. · A partir da estatística quer se estimar o parâmetro. · Toda vez que se refere ao parâmetro é representado por uma letra grega e relacionado a amostra é usado o nosso alfabeto. · Parâmetro populacional: · Consiste em uma medida que descreve certa característica dos elementos da população. · Ex.: numa pesquisa epidemiológica, a população pode ser definida como todas as pessoas da região em estudo, no momento da pesquisa. O principal parâmetro a ser avaliado deve ser a porcentagem de pessoas contaminadas. · Estimativa: · Valor calculado com base na amostra e usado com a finalidade de avaliar aproximadamente um parâmetro populacional. · Erro amostral: · A diferença entre a média amostral e a média populacional gera o chamado erro amostral. O grau do erro amostral está diretamente relacionado ao tamanho da amostra. · Quanto mais observações se tem na amostra, mais próximo está da população e, consequentemente, a estimativa estará mais próxima do parâmetro. · É o pesquisador que especifica o erro amostral tolerável. · Ao determinar esse valor, ele consegue determinar o tamanho da amostra necessária para o seu experimento. · Se o erro amostral vem da diferença entre as médias amostral e populacional e não se sabe a média populacional, como que se determina esse valor? · A realidade é que não se calcula o erro amostral, e sim o pesquisador define o valor que ele acredita ser tolerável para a realização da pesquisa. Então, ao se decidir esse se tem uma ideia do tamanho da amostra necessária. · A “margem de erro” é o erro amostral tolerado. · Ex.: “A margem de erro é de 2 pontos percentuais", isso quer dizer que o erro amostral tolerado na pesquisa foi de 2% e o resultado da pesquisa é dado em um intervalo e não um número concreto. · O que é feito, na maioria das vezes, é considerar o erro amostralsob 95% de probabilidade. Assim, se fixarmos o erro amostral tolerável em 2%, estaremos afirmando que uma estatística, calculada com base na amostra a ser selecionada, não deve diferir do parâmetro em mais que 2%, com 95% de probabilidade. · Ao se definir o erro amostral não garante 100% que o valor real está contido naquele intervalo, mas garante um nível de confiança. · Nível de confiança: · O intervalo de confiança é dado pela média amostral (ou outra estatística) ± margem de erro, sendo que esta margem de erro está intimamente relacionada ao tamanho da amostra. · A partir do momento que se define a margem de erro se sabe o tamanho da amostra, mas se aumenta o tamanho da amostra a margem de erro reduz. · Usar intervalos de confiança é importante para dar uma noção da precisão da estatística calculada em relação ao parâmetro populacional. · Se o intervalo de confiança for de 95% quer dizer que se espera que 95% daqueles intervalos sejam reais. · Para aumentar o nível de confiança é preciso aumentar a margem de erro (e manter o tamanho da amostra) ou aumentar o tamanho da amostra (e manter a mesma margem de erro)
Compartilhar