TBL - Metodologia I

Prévia do material em texto

TBL Metodologia 1
Objetivos
● Compreender os conceitos de população e amostra - ok!
● Analisar a definição das técnicas de amostragem: probabilísticas, semiprobabilísticas
e não probabilística
● Recordar noções sobre tamanho de amostra
● Compreender as noções básicas sobre representatividade
Definição de população
● População ou universo é o conjunto de unidades sobre o qual desejamos informações.
Logo, ele não se restringe à um grupo de pessoas e sim a um conjunto grande de
pessoas como, prontuários de pacientes atendidos pelos SUS, laudos de necropsias
enviados para a justiça por uma dado serviço, certidões de óbito registradas em uma
cidade em um determinado período.
○ População-alvo: é basicamente quando existe uma pesquisa que necessita de todos
os moradores e no caso todos os moradores incluindo doentes, pessoas que estão
presas, cuidando de crianças e fazendo outras coisas também estão incluídas.
○ População configurada: Nesse caso a população configurada é a população de
moradores que responderam a pesquisa e puderam estar disponíveis no momento.
Definição de amostra
● Amostra é todo subconjunto de unidades retiradas da população para obter a informação
desejada. A amostra possui três métodos e eles são probabilística, semiprobabilística
e não probabilística.
○ Amostra probabilística: é constituída por unidades retiradas da população por
procedimento casual ou aleatório.
■ Amostra casual simples: confira um número a cada unidade da população e
depois selecione ao acaso os números das unidades que irão formar a
amostra. Logo, os números das três unidades que serão chamadas para a
amostra devem ser obtidos por um gerador de números aleatórios que
conhecemos informalmente de sorteio.
Exemplo: Um dentista quer obter uma amostra de 2% dos quinhentos pacientes de sua
clínica para entrevistá-los sobre a qualidade de atendimento da secretária. Para obter
uma amostra aleatória de 2% dos quinhentos pacientes, é preciso sortear dez. Isso pode
ser feito da maneira mais antiga e mais conhecida (e também mais trabalhosa): escrevem-se
os nomes de todos os pacientes em pedaços de papel, colocam-se todos os pedaços de
papel em uma urna, misturando-os bem, e retira-se um nome. O procedimento é repetido até
serem retirados os nomes dos dez pacientes que comporão a amostra. Seria, porém,
melhor que o dentista tivesse usado um gerador de números aleatórios, que pode ser
encontrado em um computador.
■ Amostra estratificada: se a população estiver naturalmente dividida em grupos
distintos de pessoas, o pesquisar consequentemente deve obter uma amostra
aleatória estratificada. Por isso, ocorre a divisão desses grupos em estratos e
obtém de cada estrato uma amostra casual simples proporcional ao tamanho do
estrato, formando uma só amostra.
Exemplo:
Um dentista quer obter uma amostra de 2% dos quinhentos pacientes de uma clínica para
entrevistá-los sobre a qualidade de atendimento da secretária. Ele suspeita que homens
estejam sendo mais bem atendidos do que mulheres. Aproximadamente ⅔ dos pacientes são do
sexo feminino. Para obter dados de ambos os grupos, o dentista deve separar as
fichas de homens e de mulheres, formando, assim, dois estratos. Em seguida, obtém uma
amostra aleatória de cada estrato e reúne os dados dos dois estratos numa só
amostra aleatória estratificada.
- A amostra aleatória simples é, em tese, a preferida pelos estatísticos. No entanto,
só a amostra estratificada garante a representação de todos os estratos da população
na amostra coletada.
○ Amostra semiprobabilística: nesse caso se usa o processo parcialmente
aleatório, onde possui três tipos que é a amostra sistemática, amostra por
conglomerado e amostra por quotas.
■ Amostra sistemática é constituída por unidades retiradas da população
seguindo um sistema preestabelecido.
Exemplo:
Imagine que você precise obter uma amostra de 2% dos quinhentos pacientes de uma
clínica para entrevistá-los sobre a qualidade de atendimento da secretária. Dois
por cento de quinhentos pacientes significam uma amostra de dez. Para obter essa amostra,
você pode dividir 500 por 10, obtendo 50. Sorteie,então, um número entre 1 e 50, inclusive.
Se sair o número 27, esse será o número do primeiro paciente a ser incluído na
amostra.Depois, a partir do número 27, conte 50 e chame esse paciente.
Proceda dessa forma até completar a amostra de dez pacientes.
■ Amostra por conglomerados é basicamente que conglomerados são grupos de
unidades que já existem na população por alguma razão.
Exemplo:
Um professor de Educação Física quer estudar o efeito da terapia de reposição
hormonal (uso de hormônios por mulheres depois da menopausa) sobre o desempenho nos
exercícios. Para obter uma amostra por conglomerados, o professor pode sortear duas
academias similares (conglomerados) de ginástica da cidade, avaliar o desempenho das
mulheres que frequentam essas duas academias e comparar o desempenho das que fazem
com o daquelas que não fazem uso da terapia de reposição hormonal na pós-menopausa.
Não confunda amostra aleatória estratificada com amostra por conglomerados. Embora
ambas envolvam grupos, são muito diferentes. Os conglomerados existem na população e,
embora haja diferença dentro deles, são similares entre si, de tal maneira que cada um deles
pode representar a população. Os estratos, por sua vez, são formados pelo pesquisador
porque a população que examina é constituída por unidades diferentes. Então, embora
haja similaridade dentro dos estratos, existem diferença entre
eles.
■ Amostra por quotas as pessoas são selecionadas para a amostra porque têm
uma característica bem específica. A de quota é parecida com a de
estratos, mas a estratificada é selecionada ao acaso na população já a
quotas não. Logo, para essa amostra o pesquisador deve entrevistar
determinada quota de pessoas.
○ Amostra não probabilística é basicamente constituída por unidades reunidas em
uma amostra simplesmente porque o pesquisador tem fácil acesso a essas
unidades. Por exemplo o professor que usa os alunos de sua classe como amostra
de toda escola está usando essa amostra
- Mas não confunda conglomerados com a amostra de conveniência, porque no conglomerados
a amostra são similares entre si de tal maneira que cada um deles pode representar a
população e por isso tem o sorteio já esse tipo de amostra não precisa porque é algo
bem cirúrgico e não considera a falta de representatividade.
Parâmetro é um valor numérico que descreve determinada característica da população. Em uma
dada população e em um dado momento, o parâmetro ele não varia, nesse caso ele se torna
fixo.
Estatística é um valor numérico que descreve determinada característica de uma amostra. É
usada para estimar o parâmetro correspondente na população de onde a amostra foi retirada.
● É importante entender que quando se faz uma pesquisa por amostragem é possível gerar
diferentes amostras de uma mesma população.Por isso, é necessário entender que a
estatística de determinada amostra só excepcionalmente é igual ao parâmetro
● Erro de amostragem é a diferença entre o valor obtido com a estatística da amostra e
o parâmetro (que se desconhece) da população.
● Censo é o levantamento de dados de toda a população ex IBGE.
● Razões para o uso de amostras:
○ População praticamente infinita;
○ Alto custo e demora dos censos;
○ A unidade é destruída para observação
○ Complexidade da pesquisa
Avaliação das técnicas de amostragem
● As amostras aleatórias exigem que o pesquisador tenha a listagem com todas as
unidades da população, porque desta listagem serão sorteadas as unidades que comporão
a amostra.
● A amostra sistemática não exige que a população seja conhecida, mas é preciso que
esteja organizada em filas, arquivos, ou mesmo em ruas, como os domicílios de uma
cidade.
● A amostra por conglomerados exige livre acesso aos conglomerados,o que nem sempre se
consegue.
● A amostra por quotas exige algum conhecimento da população, mas as unidades não
precisam estar numeradas e identificadas.
Noções sobre o tamanho das amostras
● Do ponto de vista estatístico, as amostras devem ser grandes, para trazer maior
confiança às conclusões obtidas, pois a probabilidade de uma estimativa desviar-se
muito do parâmetro (do valor verdadeiro) é maior quando a amostra é pequena.
● A “qualidade” de uma estimativa depende, em muito, do número de unidades que compõem
a amostra (tamanho da amostra)
● Mas lembre-se as amostras não devem ser muito grandes porque isso seria perda de
recursos e não deve ser muito pequeno porque não teria utilidade.
● O tamanho da amostra é determinado mais por considerações reais ou imaginárias a
respeito do custo de cada unidade amostrada do que por técnicas estatísticas.
A representatividade
● A Amostra só traz informações sobre a população de onde foi retirada
● A amostra deve ter o tamanho usual da área em que a pesquisa se enquadra. Amostras
demasiadamente pequenas não dão informações úteis e desconfie também de amostras
muito grandes
● As amostras podem ser ou não representativas, mas lembre-se que as decisões tomadas
com base nas amostras só têm sentido quando são representativas, caso contrário não
faz sentido.
● É bom lembrar que também podemos ter uma amostra tendenciosa onde a amostra é
grande. Mas os estatísticos consideraram a amostra tendenciosa, pois
comportamento dos voluntários é diferente do comportamento em dos não
voluntários em determinado exemplo de pesquisa