Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise Estatística I Profa Fernanda 31 CAPITULO 4 – Determinação do Tamanho da Amostra 4.1. Definições Para se estabelecer qual deve ser o tamanho da amostra ideal para que os resultados obtidos a partir desta sejam significativos em relação a população, é necessário fixar em que condições e com que flexibilidade aceitaremos os resultados obtidos na amostra aleatória. Para isto devemos restabelecer: O erro tolerável de amostragem (d) : Este valor é fixado a priori e significa em quantas unidades aceita-se errar o valor da média amostral. Por exemplo: d = 2 ( errar por + ou – 2 unidades no valor da média amostral ). Coeficiente de risco (ε) : Também fixado à priori , o pesquisador aceitará falha em 1% ou 5% (em geral) do valor da população não se localizar num intervalo de confiança de amplitude igual ao dobro do erro estipulado. Nível de confiança: É a probabilidade de que o intervalo venha conter o valor do parâmetro. Nível de significância: É a probabilidade acima da qual o intervalo não contém o parâmetro populacional. Erro de amostragem: Análise Estatística I Profa Fernanda 32 É a diferença entre µ−x . Normalmente tomamos este resultado em valor absoluto. Prob { µ−x > d } = ε Estabelecemos que o erro tolerável de amostragem (d) é dado por: d = xz σε Onde: εz = valor tabelado na curva Normal para n ≥ 30 , ou associado a distribuição t- student com n-1 graus de liberdade (n < 30) . É dado em função de ε arbitrado. Ex: ε = 0,05 εz = 1,96 ε = 0,01 εz = 2,58 xσ = Desvio padrão das médias amostrais o qual já sabemos calcular: xσ = n σ ou xσ = n σ 2/1 1 − − N nN Então: Prob { µ−x > xz σε } = ε Prob { µ−x > εz } = ε Verificamos que x x σ µ− é a variável reduzida ω que se distribui normalmente ou segundo t-student. Análise Estatística I Profa Fernanda 33 Prob { εω z> } = ε 4.2. População Finita Teremos no caso de amostragem sem reposição: d = n s N nNz ⋅− − 1ε Portanto a expressão acima é função de: d → erro tolerável de amostragem, escolhido previamente pelo pesquisador. εz → valor tabelado pela curva normal ou t-student. N → Tamanho da população (normalmente conhecida quando for finita) n → tamanho da amostra ( a ser determinado explicitando seu valor na expressão) s → desvio padrão da amostra. Se nosso objetivo é estabelecer o tamanho da amostra, n, e não conhecemos a priori os elementos que vão constituí-la, devemos então estabelecer uma amostra qualquer (que chamamos de amostra piloto) e com seus elementos obter uma estimativa para s. Explicitando n: Desprezamos o (-1) no denominador e elevando ao quadrado, temos: n s N nNzd 2 22 −= ε 222 11 s Nn zd −= ε Análise Estatística I Profa Fernanda 34 22 211 sz d Nn ε =− Nsz d n 11 22 2 += ε 22 2221 ε ε zNs szNd n += 222 22 szNd sNzn ε ε += 22 2 1 sz Nd Nn ε + = Esta é a expressão que se utiliza para determinação do tamanho da amostra proveniente de uma população finita. Fazendo 2 22 0 d szn ε= temos 0 1 n N Nn + = Análise Estatística I Profa Fernanda 35 4.3. População Infinita Se a população é infinita: 0 0 0 0 0 0 0 limlimlim 1 lim n N Nn Nn Nn n Nn N n N Nn NNNN ==+=+=+ = →∞→∞→∞→∞ Logo o tamanho da amostra de população ∞ será : 2 22 d szn ε= 4.4. Erro Relativo de Amostragem Erro relativo (d’): Define-se como sendo o erro absoluto por unidade de média populacional. Temos: xzd σε= x z x d xσ ε= d’ xczε= x c xx σ= No caso de amostragem sem reposição: Análise Estatística I Profa Fernanda 36 n c N nNcx ⋅−= x sc = d’ n c N nNz ⋅−= ε Elevando ao quadrado: (d’) 2 n c N nNz 2 2 −= ε d’ 222 11 c Nn z −= ε ( )222 22 'dNcz cNzn += ε ε dividindo o denominador por 22czε 22 2'1 cz Nd Nn ε + = Onde: 2 22 0 'd czn ε= 0 1 n N Nn + = Exemplo: Análise Estatística I Profa Fernanda 37 Determinar o tamanho da amostra necessária para se obter o número médio de livros possuídos pelos estudantes de uma universidade, sabendo que: Total de estudantes da Universidade: 2000 d = 1 ε = 0,05 amostra piloto: ix = 5,7,3,2,1,4,8,6,2,0,4 ( ) 1 1 2 2 − − = ∑ = n xx s n i i = 6,36 2 2 2 22 0 1 36,696,1 ⋅== d szn ε = 24,42 12,24 42,24 20001 2000 1 0 = + = + = n N Nn Logo concluímos que para atingirmos nosso objetivo, isto é, não errarmos por + ou –1 livro possuído em média por cada aluno em 95% das amostras retiradas deveríamos dispor de amostras de tamanho 25 no mínimo. Observa-se ainda no caso da população ser ∞ o tamanho da amostra também seria 25. Para ε = 0,01 ( ) 36,42 1 36,658,2 2 2 2 22 0 =⋅== d szn ε 49,41 36,42 20001 2000 1 0 = + = + = n N Nn Análise Estatística I Profa Fernanda 38 n é maior que o anterior já que a precisão foi aumentada de 95% para 99% . Considerando agora o erro relativo de 1% no exemplo anterior e ε = 0,05 , temos: X Sc = (da amostra piloto) 66,0 82,3 52,2 82,3 36,6 ====∧ x sc ( ) ( ) 16734 01,0 66,096,1 2 22 0 =⋅=n 1787 16734 20001 2000 1 0 = + = + = n N Nn Verificamos que no caso da população ser infinita é necessário selecionar 16734 itens porém se fosse finita de 2000 teriam que ser selecionadas 1787, o que é uma amostra bastante grande em relação a população 89,5% , isto se deve ao intervalo bastante restrito a ser formada de amplitude (2%) do valor.
Compartilhar