Baixe o app para aproveitar ainda mais
Prévia do material em texto
INSTITUTO DE CIÊNCIAS DE SAÚDE TENHA ESPERANÇA – INCISTE CURSO DE TÉCNICOS DE FARMÁCIA MÉDIO INICIAL TURMA – 6 DISCIPLINA: METODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA (MIC) TRABALHO DE INVESTIGAÇÃO TEMA: AMOSTRAGEM BEIRA, MAIO DE 2022 DELÍCIA MOISÉIS CUMBI JOANA NOÉ MARTA MANUEL VIRGÍNIA FÉLIX BEIRA, MAIO DE 2022 Trabalho apresentado à INCISTE pra o Curso de Farmácia no âmbito de obtenção do Grau de Técnico Médio em Farmácia. Docente: Mário Horácio Índice 1. Introdução ........................................................................................................................... 1 2. Amostragem........................................................................................................................ 2 2.1. Tipos de amostragem: métodos de amostragem ......................................................... 2 2.1.1. Amostragem probabilística ou aleatória .................................................................. 2 2.1.2. Amostras não-probabilísticas ou empíricas ............................................................. 4 2.2. Uso de amostragem probabilística .............................................................................. 5 2.3. Uso de amostragem não – probabilística ................................................................. 5 2.3.1. Diferença entre os métodos de amostragem probabilística e não probabilística . 6 2.4. Tamanho da amostra ................................................................................................... 7 2.5. Considerações éticos na amostragem .......................................................................... 9 3. Conclusão ......................................................................................................................... 11 4. Revisão bibliográfica ........................................................................................................ 12 1 1. Introdução Neste presente trabalho abordar – se – à do papel da amostragem e o seu impacto na elaboração do trabalho científico. A investigação científica é um processo sistemático de recolha de dados que permite resolver problemas ligados ao conhecimento dos fenómenos do mundo real em que vivemos, mediante a obtenção de respostas para questões de investigação específicas, permitindo, ainda, confirmar hipóteses sobre as relações presumidas entre fenómenos naturais. Em estatística e metodologia da pesquisa quantitativa, uma amostra é um conjunto de dados coletados ou selecionados de uma população estatística por um procedimento definido. Os elementos de uma amostra são conhecidos como pontos amostrais, unidades amostrais ou observações. Tipicamente, a população é muito grande, portanto fazer um censo ou uma enumeração completa de todos os valores na população é pouco prático ou impossível. A amostra geralmente representa um subconjunto de tamanho manejável. Amostras são coletadas e estatísticas são calculadas a partir das amostras, de modo que se possam fazer inferências ou extrapolações da amostra à população. 2 2. Amostragem Amostragem é uma técnica de selecionar membros individuais ou um subconjunto da população para fazer inferências estatísticas a partir deles e estimar características de toda a população. Diferentes métodos de amostragem são amplamente utilizados por pesquisadores em pesquisa de mercado para que eles não precisem pesquisar toda a população para coletar insights acionáveis. A amostragem é o processo através do qual se seleciona um conjunto de elementos de uma dada população que reúnem as características identificadoras desse grupo mais alargado que pode também designar-se “Universo”. 2.1.Tipos de amostragem: métodos de amostragem Os métodos de amostragem integram-se, essencialmente, em duas categorias 2.1.1. Amostragem probabilística ou aleatória A amostragem probabilística é uma técnica de amostragem em que um pesquisador define uma seleção de alguns critérios e escolhe os membros de uma população aleatoriamente. Todos os membros têm a mesma oportunidade de fazer parte da amostra com este parâmetro de seleção. Quando a amostra foi obtida utilizando – se de técnicas da amostragem probabilística é possível realizar a estatística indutiva, ou seja, com base nos resultados da amostra inferir os resultados da população. Pardal e Correia (1995, pp. 34-40) distinguem diferentes tipos de amostras que são obtidas por recurso a esta técnica de amostragem: 2.1.1.1.Amostragem Aleatória Simples Segundo Fortin (2003, p. 205), este tipo de amostra “consiste em elaborar uma lista numérica de elementos de onde se tira, com a ajuda de uma tabela de números aleatórios, uma série de números para construir a amostra”. Consiste em enumerar todos os elementos da população e, fixando uma quantidade de elementos, realizar um sorteio de quais elementos irão fazer parte da amostra; um exemplo dessa situação seria enumerar todos os cliente que fizeram compra em uma concessionária de automóveis nos últimos dois anos e então sortear alguns desses cliente para analisar a satisfação com o produto e serviços adquiridos. 3 No mesmo sentido, Vilelas (2009, p. 249), que considera o processo de obtenção da amostra aleatória simples muito difícil e moroso, afirma que este se inicia “elaborando uma lista de todos os elementos que constituem a população e numerando correlativamente cada um deles até completar a totalidade da amostra que desejamos”. 2.1.1.2.Amostragem Sistemática Os pesquisadores usam o método de amostragem sistemática para escolher os membros da amostra de uma população em intervalos regulares. Requer a seleção de um ponto de partida para a amostra e o tamanho da amostra que possa ser repetido em intervalos regulares. Este tipo de método de amostragem tem uma faixa pré-definida e, portanto, essa técnica de amostragem é a menos demorada. Um exemplo disso seria uma pesquisa a ser realizada em um bairro. 2.1.1.3.Amostragem aleatória estratificada A amostragem aleatória estratificada é um método no qual o pesquisador divide a população em grupos menores que não se sobrepõem, mas representam toda a população. Durante a amostragem, esses grupos podem ser organizados e, em seguida, extrair uma amostra de cada grupo separadamente. As amostras estratificadas podem ser subdivididas em proporcionais e não-proporcionais. A proporcional, a mais comummente usada, é construída a partir dos estratos, selecionando-se ao acaso, em cada um desses estratos, o número de casos, que terá que estar em consonância com a sua participação no universo (Pardal & Correia, 1995, p. 39). Para Fortin (2003, p. 206), a obtenção deste tipo de amostragem requer a divisão da população em estudo em grupos homogéneos designados estratos, havendo depois lugar à construção aleatória de uma amostra em cada um dos grupos. Por exemplo, um pesquisador que busca analisar as características de pessoas pertencentes a diferentes divisões de renda anual criará estratos (grupos) de acordo com a renda familiar anual. Ex: menos de $ 20.000, $ 21.000 - $ 30.000, $ 31.000 a $ 40.000, $ 41.000 a $ 50.000, etc. Ao fazer isso, o pesquisador conclui as características das pessoas pertencentes a diferentes grupos de renda. Os profissionais de marketing podem analisar quais grupos de renda segmentar e quais eliminar para criar um roteiro que traria resultados frutíferos. 2.1.1.4.Amostragem por conglomerados 4 A amostragem por conglomerados é um método em que os pesquisadores dividem toda a população em seções ou conglomerados que representam uma população. Os agrupamentos são identificados e incluídos em uma amostra com base em parâmetros demográficos, como idade, sexo, localização etc. Isso torna muito simples para um criador de pesquisaobter uma inferência efetiva do comentário. 2.1.2. Amostras não-probabilísticas ou empíricas Na amostragem não probabilística, o pesquisador escolhe aleatoriamente os membros para a pesquisa. Este método de amostragem não é um processo de seleção fixo ou predefinido. Isso dificulta que todos os elementos de uma população tenham oportunidades iguais de serem incluídos em uma amostra. O método não probabilístico é um método de amostragem que envolve uma coleta de informações com base nas capacidades de seleção de amostra de um pesquisador ou estatístico e não em um processo de seleção fixo. Na maioria das situações, o resultado de uma pesquisa realizada com uma amostra não provável leva a resultados distorcidos, que podem não representar a população – alvo desejada. Mas, existem situações como as fases preliminares da pesquisa ou restrições de custo para a realização da pesquisa, onde a amostragem não probabilística será muito mais útil do que o outro tipo. Fortin (2003, p. 208) apresenta uma classificação diferente, admitindo a existência das seguintes técnicas de amostragem não probabilística: 2.1.2.1.Amostragem de conveniência Geralmente é denominado como amostragem por conveniência, devido à facilidade do pesquisador em realizá-lo e entrar em contato com os sujeitos. Os pesquisadores quase não têm autoridade para selecionar os elementos da amostra, e isso é feito puramente com base na proximidade e não na representatividade. Esse método de amostragem não probabilística é usado quando há limitações de tempo e custo na coleta de informação. 2.1.2.2.Amostragem com julgamento ou proposital Amostras com julgamento ou proposital são formadas a critério do pesquisador. Os pesquisadores consideram puramente o objetivo do estudo, juntamente com a compreensão do público – alvo. Por exemplo, quando os pesquisadores querem entender o processo de pensamento de pessoas interessadas em estudar para o mestrado. Os critérios de seleção serão: 5 “Você está interessado em fazer seu mestrado em …?” e aqueles que respondem com um “Não” são excluídos da amostra. 2.1.2.3.Amostragem de bola de neve A amostragem de bola de neve é um método de amostragem que os pesquisadores aplicam quando os assuntos são difíceis de rastrear. Por exemplo, será extremamente desafiador pesquisar pessoas desabrigadas ou imigrantes ilegais. Nesses casos, usando a teoria da bola de neve, os pesquisadores podem rastrear algumas categorias para entrevistar e obter resultados. Os pesquisadores também implementam esse método de amostragem em situações em que o tópico é altamente sensível e não é discutido abertamente – por exemplo, pesquisas para coletar informações sobre HIV SIDA. Poucas vítimas responderão prontamente às perguntas. Ainda assim, os pesquisadores podem entrar em contato com pessoas que possam conhecer ou voluntários associados à causa para entrar em contato com as vítimas e coletar informações. 2.1.2.4.Amostragem por cotas Na amostragem por cotas, a seleção dos membros nesta técnica de amostragem acontece com base em um padrão pré – estabelecido. Nesse caso, como uma amostra é formada com base em atributos específicos, a amostra criada terá as mesmas qualidades encontradas na população total. É um método rápido de coleta de amostras. 2.2.Uso de amostragem probabilística Existem vários usos de amostragem probabilística: • Reduzir os erros da amostra: usando o método de amostragem probabilística, os erros na amostra derivada de uma população é insignificante ou inexistente. A seleção da amostra retrata principalmente a compreensão e a inferência do pesquisador. A amostragem probabilística leva a uma coleta de dados de maior qualidade, pois a amostra representa adequadamente a população. • População diversificada: quando a população é vasta e diversificada, é essencial ter uma representação adequada para que os dados não sejam enviesados para um demográfico. • Criar uma amostra precisa: a amostragem probabilística ajuda os pesquisadores a planejar e criar uma amostra precisa. Isso ajuda a obter dados bem definidos. 2.3.Uso de amostragem não – probabilística A amostragem não probabilística é usada para o seguinte: 6 • Criar uma hipótese: os pesquisadores usam o método de amostragem não probabilística para criar uma suposição quando limitada a nenhuma informação prévia disponível. Esse método ajuda no retorno imediato dos dados e cria uma base para pesquisas futuras. • Pesquisa exploratória: os pesquisadores usam amplamente essa técnica de amostragem ao conduzir pesquisas qualitativas, estudos piloto ou pesquisas exploratórias. • Restrições orçamentárias e de tempo: o método não probabilístico quando há restrições orçamentárias e de tempo, e alguns dados preliminares devem ser coletados. Como o design da pesquisa não é rígido, é mais fácil escolher os entrevistados aleatoriamente e fazer com que respondam à pesquisa ou questionário. 2.3.1. Diferença entre os métodos de amostragem probabilística e não probabilística As diferenças significativas entre os métodos de amostragem probabilística e os métodos de amostragem não probabilística são as seguintes: Métodos de amostragem de probabilidade Métodos de amostragem não probabilística Definição É uma técnica de amostragem na qual amostras de uma população maior são escolhidas usando um método baseado na teoria da probabilidade. É uma técnica de amostragem na qual o pesquisador seleciona amostras com base no julgamento subjetivo do pesquisador, em vez de seleção aleatória. Alternativamente conhecido como Método de amostragem aleatória. Método de amostragem não aleatório Seleção da população A população é selecionada aleatoriamente. A população é selecionada arbitrariamente. Natureza A pesquisa é conclusiva. A pesquisa é exploratória. Amostra Como existe um método para decidir a amostra, os dados demográficos da população são representados de forma conclusiva. Como o método de amostragem é arbitrário, a representação demográfica da população é quase sempre distorcida. Tempo gasto Leva mais tempo para ser conduzido, pois o design da pesquisa define os Este tipo de método de amostragem é rápido, pois nem a amostra nem os 7 parâmetros de seleção antes do início do estudo de pesquisa de mercado. critérios de seleção da amostra são indefinidos. Resultados Este tipo de amostragem é totalmente imparcial e, portanto, os resultados também são imparciais e conclusivos. Esse tipo de amostragem é totalmente tendencioso e, portanto, os resultados também são tendenciosos, tornando a pesquisa especulativa. Hipóteses Há uma hipótese subjacente antes do início do estudo e o objetivo deste método é provar a hipótese. A hipótese é derivada após a realização do estudo de pesquisa. 2.4.Tamanho da amostra Nas amostras não-aleatórias a definição do tamanho da amostra depende do juízo do investigador. De acordo com Pardal e Correia (1995, p. 44), no caso das amostras aleatórias ou probabilísticas, para a definição do seu tamanho deve ter-se em conta que: • Não existe nenhuma resposta simples ou receita: há amostras pequenas com elevado grau de validade e grandes sem qualquer interesse; • Depende da homogeneidade ou heterogeneidade do Universo de acordo com as variáveis em estudo; • Exige uma análise sobre a(s) característica(s) em estudo e sobre a sua distribuição no Universo; • Exige a definição dos graus de confiança toleráveis; • São importantes um estudo-tipo prévio e o estabelecimento do grau de precisão da amostra. Para Fortin (2003, p. 211) no cálculo do tamanho da amostra devem ser considerados os seguintes fatores: o objetivo do estudo, a homogeneidade da população ou do fenómeno em estudo, os testes de análise estatística, em particular o nível de significância e o poder dos testes. No caso das amostras aleatóriasou probabilísticas Goode e Hatt (1972, p. 295), aludem que: 8 O investigador pode planear com grande precisão o tamanho da sua amostra se: conhecer suficientemente bem o Universo para estimar o seu desvio-padrão; pode prever a amplidão do erro tolerável; se sabe que nível de probabilidade é necessário para esta amplidão de variação. Relativamente ao erro tolerável, ao atribuir-se a este o valor de 5% (percentagem de incertezas), isso significa que há uma probabilidade de 95% de a amostra representar o universo de onde foi extraída. Sabe-se que quanto maior for o tamanho da amostra, menor será o erro amostral, mas o que se deve fazer em primeiro lugar é definir a percentagem de erro admissível e, a partir daí, calcular o tamanho da amostra, e não o contrário. Para calcular a dimensão de uma amostra podem-se usar as seguintes fórmulas: Quando a dimensão da população é finita: 𝑛 = 𝑍𝛼2 𝑁. 𝑝. 𝑞 𝑖2(𝑁 − 1) + 𝑍𝛼2. 𝑝. 𝑞 Quando a dimensão da população é desconhecida: 𝑛 = 𝑍𝛼2 𝑝. 𝑞 𝑖2 em que: 𝒏 – tamanho da amostra 𝑵 – tamanho da população 𝒁𝜶𝟐 – valor correspondente à distribuição de Gauss: 1.65 para 𝑝 = 0.1, 1.96 para 𝑝 = 0.05 e 2.58 para 𝑝 = 0.01; Nível de confiança (%) 90 95 99 1.65 1.96 2.58 𝒑 – prevalência esperada do parâmetro a avaliar. O mais frequente é utilizar – se 𝑝 = 0.5 𝒒 – Proporção populacional de indivíduos que não pertence à categoria que estamos interessados em estudar 𝒒 = 𝟏 − 𝒑 (se p=30 por cento, q=70 por cento) 𝒊 – Erro que se prevê cometer. Por exemplo, para um erro de 10 por cento, 𝑖 = 0.1 9 Exemplo: Desejamos estimar a prevalência de obesidade em jovens de Cidade da Beira, com nível de confiança de 95% e margem de erro de 0,05. Não havendo estudos prévios, é possível utilizar a proporção de 50% na fórmula 2, sendo obtido o seguinte tamanho de amostra: Dados: 𝑝 = 0.50, 𝑞 = 1 − 𝑝 = 1 − 0.50 = 0.50, 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 = 95% 𝑍 = 1.96 , 𝑖 = 0.05 𝑛 = 𝑍𝛼2 𝑝. 𝑞 𝑖2 = 1.962 0.5 × 0.5 0.052 = 384.2 ≅ 383 2.5.Considerações éticos na amostragem O sucesso de uma análise estatística envolve aspectos importantes sobre as formas de amostragem. Neste sentido, não basta que saibamos descrever convenientemente os dados de uma amostra e que dominemos perfeitamente as técnicas estatísticas para que possamos executar, com êxito, um trabalho estatístico completo. Antes de tudo, é preciso garantir que a amostra ou amostras que serão usadas sejam obtidas por processos adequados. Se erros grosseiros forem cometidos no momento de selecionar os elementos da amostra, o trabalho todo ficará comprometido e os resultados finais serão provavelmente bastante incorretos. Devemos, portanto, tomar especial cuidado quanto aos critérios que serão usados na seleção da amostra. Sendo que: 1. É extremamente útil, antes de iniciar o levantamento de dados, definir como os dados serão registrados (codificação, elaboração de tabelas, os casos de falta de informação ou impossibilidade de efetuar a medida). 2. Amostra piloto: é o estudo preliminar sobre a forma de coleta de dados. Visa revelar as dificuldades dos métodos de apuração dos dados. É uma simulação do estudo observacional ou experimento propriamente dito. 3. Um experimento é dito planejado quando estão definidos: a. Unidade experimental b. A variável ou variáveis em análise e a forma como será ou serão medidas c. Os tratamentos em comparação d. A forma como os tratamentos serão designados às unidades experimentais. 4. Explicitação dos objetivos com bastante clareza, a fim de evitar dúvidas posteriores. 5. Especificação do grau de precisão desejado. 6. Escolha dos instrumentos de medida e da forma de amostragem. 10 7. Em caso de aplicação de questionários, tomar cuidado com questionários longos, pois eles costumam diminuir a qualidade da resposta. Também é recomendável evitar questões onde o respondente pode assinalar mais de uma alternativa como resposta. 8. O esquema abaixo sintetiza alguns passos importantes da abordagem estatística para análise de dados. 11 3. Conclusão Em razão do que fora apresentado, pode-se afirmar que a amostragem é muito importante para o levantamento de dados estatísticos na pesquisa de um trabalho científico ou na determinação de qualidade de uma certa população. Os problemas de amostragem podem ser mais ou menos complexos, dependendo das populações e das variáveis consideradas pertinentes no contexto do estudo. Na indústria, as amostras são frequentemente selecionadas com vista ao controlo da qualidade dos produtos e materiais, pelo que em geral os problemas de amostragem são mais simples de resolver. Por outro lado, em pesquisas sociais, económicas ou de opinião, a complexidade dos problemas de amostragem é maior, pelo que deve ser dada uma especial atenção à caracterização da população e à escolha do método de seleção da amostra, a fim de evitar que os elementos que a integram constituam um conjunto com características distintas das da população. 12 4. Revisão bibliográfica FORTIN, M. F. O Processo de Investigação – da concepção à realização. Loures: LUSOCIÊNCIA. 2003 GOODE, Willian J.; HATT, Paul K. Métodos em Pesquisa Social. 4a ed. São Paulo: Nacional, 1972. MARCONI, M. de A.; LAKATOS, E. M. Metodologia científica. São Paulo, SP: Atlas, 2010. NETO, Pedro L. C. Estatística: Formas de amostragem. 2a Edição. São Paulo: Brazil. Editora Blucher Ltda, 1977. PARDAL, L. A., & CORREIA, E. Métodos e técnicas de investigação social. Porto: Areal; 1995 VILELAS, J. Investigação: o Processo de Construção do Conhecimento. Lisboa: Edições Sílabo. 2009 https://www.questionpro.com/blog/types-of-sampling-for-social-research/. Acessado em: 11 de Maio de 2022 http://www.cienciasecognicao.org/portal/wp-content/uploads/2011/09/Tamanho-da-Amostra- 1-1.pdf. Acessado em: 11 de Maio de 2022 https://www.inf.ufsc.br/~vera.carmo/Ensino_2012_1/metodologia_de_questionario.pdf. Acessado em: 11 de Maio de 2022 http://www.capcs.uerj.br/tecnicas-de-amostragem/. Acessado em: 11 de Maio de 2022 https://www.lume.ufrgs.br/bitstream/handle/10183/159229/001015562.pdf?sequence=1. Acessado em: 11 de Maio de 2022 https://pt.wikipedia.org/wiki/Amostra_(estatística). Acessado em: 11 de Maio 2022 https://www.questionpro.com/blog/types-of-sampling-for-social-research/ http://www.cienciasecognicao.org/portal/wp-content/uploads/2011/09/Tamanho-da-Amostra-1-1.pdf http://www.cienciasecognicao.org/portal/wp-content/uploads/2011/09/Tamanho-da-Amostra-1-1.pdf https://www.inf.ufsc.br/~vera.carmo/Ensino_2012_1/metodologia_de_questionario.pdf http://www.capcs.uerj.br/tecnicas-de-amostragem/ https://www.lume.ufrgs.br/bitstream/handle/10183/159229/001015562.pdf?sequence=1 https://pt.wikipedia.org/wiki/Amostra_(estatística)
Compartilhar