TRABALHO DE MIC - AMOSTRAGEM

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)