Trabalho de Estatistica

Prévia do material em texto

Faculdade Estácio Uniradial Campos Vila dos Remédios
São Paulo
Matricula: 
POPULAÇÃO, AMOSTRAS E TÉCNICAS DE AMOSTRAGENS PROBABILISTICA E NÃO PROBABILISTICA: técnicas e aplicações na determinação de amostras
São Paulo
2015
POPULAÇÃO E AMOSTRAS
Toda pesquisa estatística precisa atender a um público alvo, pois é com base nesse conjunto de pessoas que os dados são coletados e analisados de acordo com o princípio da pesquisa. Esse público alvo recebe o nome de população e constitui um conjunto de pessoas que apresentam características próprias, por exemplo: os usuários de um plano de saúde, os membros de uma equipe de futebol, os funcionários de uma empresa, os eleitores de um município, estado ou país, os alunos de uma escola, os associados de um sindicato, os integrantes de uma casa e várias situações que envolvem um grupo geral de elementos. A população também pode ser relacionada a um conjunto de objetos ou informações. Na estatística, a população é classificada como finita e infinita. 
População finita: nesses casos o número de elementos de um grupo não é muito grande, a entrevista e a análise das informações devem abordar a todos do grupo. Por exemplo: 
As condições das escolas particulares na cidade de Goiânia. Se observarmos o grupo chegaremos à conclusão de que o número de escolas particulares em Goiânia é considerado finito. 
População infinita: o número de elementos nesse caso é muito elevado, sendo considerado infinito. Por exemplo: 
A população da cidade de São Paulo. 
Amostra diz respeito a um subconjunto da população, fração ou uma parte do grupo. Em alguns casos seria impossível entrevistar todos os elementos de uma população, pois levaria muito tempo para concluir o trabalho ou até mesmo seria financeiramente inviável, dessa forma, o número de entrevistados corresponde a uma quantidade determinada de elementos do conjunto, uma amostra.
AMOSTRAGEM
Por mais que o estudo de todos os elementos da população possibilite um preciso conhecimento das variáveis que estão sendo pesquisadas, nem sempre é possível obter as informações de todos os elementos da população. Limitações de tempo, custo e vantagens do uso de técnicas de inferência justifica o uso de amostras. Por essa razão, o mais frequente é trabalhar com uma amostra, ou seja, com uma pequena parte dos elementos que compõe o universo . Torna-se claro que a representatividade da amostra dependerá do seu tamanho e da forma como é coletada visando obter uma amostra significativa, e que de fato represente toda a população . 
Uma amostra trata-se de um subconjunto do universo ou da população, por meio do qual se estabelecem ou se estimam as características desse universo ou população. Sendo que, uma população ou universo nada mais é do que um conjunto de elementos que possuem determinadas características . 
De forma concisa a amostra pode ser definida, de acordo com Levine et al., como uma parcela de uma população selecionada para fins de análise.
A representatividade e imparcialidade são duas questões importantes que devem ser levadas em conta na retirada da amostra, pois para ser apropriada a amostra tem que ser representativa, ou seja, deve conter em proporção tudo o que a população possui. Além do mais, todos os elementos da população devem ter igual oportunidade de fazer parte da amostra, ou seja, também deve ser imparcial.
Quando essa amostra é rigorosamente selecionada, os resultados obtidos tendem a aproximar-se bastante dos auferidos se todos os elementos do universo fossem pesquisados. E, com o auxílio de procedimentos estatísticos, torna-se possível até mesmo calcular a margem de segurança dos resultados obtidos (GIL, 2010, p. 109).
A amostragem pode ser dividida basicamente em amostragem probabilística e não probabilística. A primeira, por seguir as leis estatísticas, permite a expressão da probabilidade matemática, ou seja, de se encontrar na amostra as características da população, ao passo que a segunda depende de critério e julgamento estabelecido pelo pesquisador para a produção de uma amostra fiel. As vantagens e desvantagens dos dois tipos é que a amostra não probabilística é mais rápida e menos onerosa, enquanto, que a probabilística confere maior confiabilidade aos resultados obtidos, na medida em que, nesta, cada elemento da população possui a mesma probabilidade, previamente conhecida e diferente de zero, de ser incluído na amostra, além de que numa amostragem probabilística é possível extrair conclusões que podem ser generalizadas para toda a população – algo que não se pode fazer na não probabilística. 
TÉCNICAS DE AMOSTRAGEM
Técnica de amostragem probabilística
As amostras por probabilidade são amostras em que os componentes são extraídos da população de acordo com probabilidades conhecidas. O mecanismo de probabilidade pelo qual os componentes são selecionados é especificado antes de iniciada a amostragem e não deixa ao investigador qualquer margem para decidir que itens da população devem ser incluídos na amostra .
Os elementos da amostra são selecionados através de alguma forma de sorteio não tendencioso, como por exemplo, tabelas de números aleatórios ou números aleatórios gerados por computador. Com a utilização de sorteio elimina-se a influência do pesquisador na obtenção da amostra, e garante que todos os integrantes da população tem a probabilidade de pertencer à amostra. 
Segundo Fonseca e Martins (1996), os métodos de amostragem probabilística exigem que cada elemento da população possua determinada probabilidade de ser selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho da população, a probabilidade de cada elemento será 1/N. São métodos que garantem cientificamente a aplicação das técnicas estatísticas de inferência. E somente com base em amostragens probabilísticas é que se podem realizar inferências ou induções sobre a população a partir do conhecimento da amostra.
Merrill e Fox (1977) citam que ao delinear uma amostra por probabilidade, o investigador pode determinar o tamanho da amostra necessário para obter um determinado grau de exatidão na estimativa de um parâmetro. Além disso, há menos oportunidade para os inspecionadores ou entrevistadores introduzirem vícios na coleta de dados para a amostra, porque seu julgamento não entra no jogo na escolha dos itens da amostra. 
FORMAS DE AMOSTRAGEM PROBABILÍSTICA
Amostragem aleatória simples
Trata-se do método mais elementar e frequentemente utilizado. Nesse processo de amostragem, assim como em outros métodos probabilísticos, é assegurado que todos os elementos do universo tenham a mesma possibilidade de serem considerados. 
Para realizar uma amostragem aleatória simples, recomenda-se fazer uma listagem dos elementos da população, atribuindo aleatoriamente um número para cada um desses elementos. Feito isso, o pesquisador deverá sortear dentro de toda a população, atribuindo aleatoriamente um número para cada um desses elementos. Feito isso, o pesquisador deverá sortear dentro de toda a população, desconhecendo inteiramente a quem esses números estão associados, os números adequados de elementos que irão compor a amostra .
Para realização do sorteio, normalmente são utilizadas Tabelas de Números Aleatórios (TNA) que consistem em sequencias de dígitos contendo os algarismos 0, 1, 2,..., 7, 8 e 9, distribuídos aleatoriamente. Esses números podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer ordem, como por colunas, num sentido ou noutro, por linhas, diagonalmente, etc., e podem ser considerados aleatórios.
Nesse tipo de amostragem, a variabilidade amostral ou erro amostral é bem determinado, e para se obter uma boa amostragem é recomendável que a população seja homogênea e grande, essa técnica também é mais adequada quando se conhece a lista de todos os elementos que compõem a população alvo.
Um simples exemplo dessa técnica pode ser observado ao aplicar um questionário sobresatisfação com os serviços da agência em 10 clientes de um banco de dados de 100 pessoas, em que, a aleatória simples está em atribuir um número a cada cliente e proceder com o sorteio de 10 clientes.
Amostragem sistemática
De acordo com Merrill e Fox (1977), em muitos casos, as amostras sistemáticas podem ser tratadas como se fossem amostras aleatórias. A amostragem sistemática trata-se de uma variação da aleatória simples, que exige que cada elemento da população possa ser identificado de acordo com sua posição, o que só pode ser feito em caso de se poder identificar a posição de cada membro num sistema ordenado.
Em uma amostragem sistemática, todo k-ésimo elemento de uma população ordenada é incluído na amostra. O ponto de partida é escolhido, aleatoriamente, entre os k primeiros elementos, e a amostragem prossegue até que tenham sido escolhido n elementos.
No mesmo exemplo usado para ilustrar uma amostragem aleatória simples, onde se aplica um questionário sobre satisfação com os serviços da agência em 10 clientes de um banco de dados de 100 pessoas, a amostragem sistemática se daria da seguinte forma: 
Tem-se N unidades (digamos N = 100) a serem escolhidas e precisa-se de uma amostra de tamanho n (digamos n =10);
Dividimos N por n = 100/10 = 10 (N/n);
Selecionamos ao acaso um número entre 1 e 10 – por exemplo, 7;
A primeira unidade a ser escolhida será 7ª, a segunda a 17ª, a terceira 27ª e assim por diante... 77ª, 87ª..., 97ª;
Assim criou-se uma lógica de escolha aleatória sistemática.
De acordo com Franco (s.d.), esse tipo de amostragem requer uma listagem dos itens da população como a amostragem aleatória simples, entretanto, deve-se tomar cuidado se a população é do tipo homem, mulher, homem, mulher, ou se os itens se apresentam agrupados ou com caráter periódico, pois esta lógica poderia se criar uma tendenciosidade indesejada, pois poderiam ser escolhidos somente homens ou somente mulheres. Então, torna-se recomendável que a população seja homogênea.
Outra desvantagem desse modelo de amostragem, é que em populações muito grandes, pode ser muito trabalhoso a identificação de cada elemento .
Entretanto, a amostragem sistemática é uma técnica relativamente simples e, em alguns casos, pode ser mais eficiente do que a amostragem aleatória simples. A principal dificuldade é realmente o fato de que as amostras sistemáticas nem sempre são aleatórias. Então, se a população é ordenada de modo sistemático em relação às características estudadas, então é possível que somente determinados tipos de elementos sejam incluídos, ou que certos tipos sejam sistematicamente mais incluídos do que outros. 
Para entender melhor essa desvantagem de uma seleção sistemática quando há alguma periodicidade na lista dos elementos a serem sorteados, tornando a seleção tendenciosa, observe o seguinte exemplo: se uma lista de moradias, ordenadas segundo as ruas, é amostrada através da retirada do décimo domicílio, se houver dez casas em cada quadra da rua, a amostra conterá ou todas as casas de esquina ou não conterá nenhuma, oque pode afetar significativamente no resultado da pesquisa dependendo do parâmetro estudado. Apesar disso, muitas seleções sistemáticas são equivalentes às escolhidas aleatórias.
Amostragem estratificada
A amostragem aleatória simples é o tipo mais fácil de delineamento de amostragem, porém quando são disponíveis informações suplementares sobre a população, além de apenas uma lista das unidades a serem amostradas, outros planejamentos podem ser usados, nesse caso, a amostragem estratificada seria mais interessante. Além do mais, em certas circunstâncias, a amostra estratificada fornece erro de amostragem menor que uma aleatória simples, do mesmo tamanho.
Algumas vezes a amostragem aleatória simples não garante que a amostra seja tão representativa em relação à outra variável, como por exemplo, o levantamento de dados de uma população, em que esta pode ser estratificada (em subgrupos ou estratos) por sexo, idade, renda ou classe social poderia tornar-se mais adequado para populações heterogêneas dependendo do foco da pesquisa. 
Sendo assim, a variação dentro dos subgrupos é menor por serem mais homogêneos do que a variação entre os subgrupos, tornando a amostragem mais representativa da população, oferecendo mais precisão do que as amostragens aleatórias simples e sistemática, e dessa forma, exigindo maior conhecimento (mais informações) da população.
Para STEVENSON (1986), a amostragem estratificada pressupõe a divisão da população em subgrupos (estratos) de itens procedendo-se então à amostragem em cada subgrupo. A lógica do processo é que, dispondo dos itens da população global, o que leva à necessidade de um menor tamanho de amostra. É possível perceber isto considerando um caso extremo: Suponha idênticos os itens em cada estrato. Em tal caso, basta uma única observação de cada subgrupo para dizer do seu comportamento. Dessa forma, quanto maior a semelhança entre os elementos de cada estrato, menor o tamanho da amostra necessária.
Relembrando o exemplo em que se aplicar um questionário sobre satisfação com os serviços da agência em 10 clientes de um banco de dados de 100 pessoas. Uma estratificação por sexo (masculino e feminino) seria da seguinte forma: primeiro verifica-se o percentual de cada sexo sobre a população, então, suponhamos que das 100 pessoas 30% são mulheres e 70% são homens. Após essa verificação, delimita-se que dos 10 clientes a serem entrevistados 03 (30% da amostra) devem ser mulheres e 07 (70% da amostra) homens.
Para o exemplo dado acima, é possível chamar atenção para outro ponto importante nesse tipo de amostragem. Sendo este, o fato de que a amostragem estratificada pode ser ainda proporcional ou não proporcional. Para uma amostragem proporcional, busca-se uma amostra similar à composição da população, por exemplo, se entre os funcionários do departamento metade são mulheres, uma amostra estratificada por sexo dever ser composta por 50% de mulheres. No entanto, para uma amostragem não proporcional, não se observa a extensão dos estratos em relação à população, o que pode afetar significativamente no resultado da pesquisa.
Amostragem por conglomerados
Na amostragem por conglomerados, os elementos da população são divididos em grupos distintos denominados conglomerados. Cada elemento da população pertence a um e somente um conglomerado. Extrai-se, então, uma amostra aleatória simples dos conglomerados. Todos os elementos contidos em cada conglomerado amostrado formam a amostra. A amostragem por conglomerados tende a produzir os melhores resultados quando os elementos neles contidos não são similares. No caso ideal, cada conglomerado é uma versão representativa em pequena escala da população inteira. 
Trata-se de um tipo de amostragem por núcleo, em que os núcleos são subdivisões geográficas, como quarteirões, cidades, ou estados. Os conglomerados (unidades de amostragem) a serem incluídos na amostra são escolhidos aleatoriamente, e as unidades elementares de onde se obterão as informações desejadas são, então aleatoriamente selecionadas em relações a todas as unidades dentro de cada área .
Karmel e Polasek (1974) relacionam o uso desse método para amostras de populações humanas, pois uma das coisas mais difíceis para esse tipo de amostra, seja para qualquer proposito, é decorrente do fato de que a população pode estender-se sobre uma área muito grande.
O valor da amostragem por conglomerados depende de quão representativo é cada conglomerado da população inteira. Se todos os conglomerados forem similares nesse sentido, a amostragem de um pequeno número de conglomerados produzirá boas estimativas dos parâmetros populacionais. 
Indicada para situações onde é difícil a identificação dos elementos, como por exemplo, para a população de uma cidade, em que a seleção da amostra por conglomerado poderia ser realizada em quarteirões ou em bairros. Normalmente, os conglomerados típicos para a seleção de amostras são quarteirões, famílias,organizações, edifícios, fazendas e bairros.
	Segundo Merrill e Fox (1977), a amostragem por conglomerado, também conhecida como amostragem por área, elimina o problema de relacionar todos os itens de uma grande população finita. É, portanto, um processo muito útil na obtenção de amostras por probabilidade em pesquisas de âmbito nacional. Os departamentos governamentais, por exemplo, empregam frequentemente a amostragem por conglomerado.
Segundo (FRANCO s.d.), uma amostragem por conglomerado é recomendada quando:
É preciso fazer entrevistas ou observações em grandes áreas geográficas; 
O custo de obtenção dos dados cresce com o aumento da distância entre os elementos;
Não se tem a lista de todos os elementos da população ou a obtenção desta listagem é dispendiosa;
Um exemplo típico desse tipo de amostragem é: como deve ser escolhida uma amostra para estimar o rendimento médio familiar em uma grande cidade?
Como não há uma listagem de todas as famílias da cidade e é praticamente impossível obtê-la, não é possível usar a amostragem aleatória simples e estratificada. Então, a cidade pode ser dividida em bairros (conglomerados) e tomada uma amostra aleatória dos bairros e neles pesquisa-se a renda de todas as famílias do bairro.
A amostragem por conglomerados é bastante utilizada em casos nos quais a população é muito extensa, então, essa forma de amostragem torna-se extremamente útil .
Levine et al., (2008) citam que a amostra por conglomerado pode exigir maiores amostras do que outros tipos de amostragem, para proporcionar o mesmo grau de exatidão nas estimativas, mas essa desvantagem é mais do que compensada pela redução de custos que se obtém concentrando-se os entrevistadores em um número limitado de zonas geográficas, acarretando menores despesas, por exemplo. Esse aspecto é preponderante no caso de pesquisas de âmbito nacional.
É importante que não se confunda os métodos de amostragem por conglomerado com o método de amostragem estratificada, pois como já foi mencionado anteriormente, o primeiro método divide a população em vários subgrupos homogêneos com elementos heterogêneos, selecionados baseando-se na facilidade ou disponibilidade de acesso, já o segundo método a população e dividida em subgrupos heterogêneos com elementos homogêneos, selecionados com base nos critérios relacionados às variáveis em estudo. 
Técnica de amostragem não probabilística
Levine et al., (2008, p. 218) afirma que em uma amostra não probabilística você seleciona os itens ou indivíduos sem conhecer suas respectivas probabilidades de seleção.
 Sendo assim, uma amostragem será não probabilística quando a probabilidade de alguns ou de todos os elementos da população de pertencer à amostra é desconhecida . 
Sobre esta temática Levine et al., (2008) defende a ideia de que a teoria desenvolvida para amostragem probabilística não pode ser aplicada a amostragem não probabilística.
As técnicas estatísticas pressupõem que as amostras utilizadas sejam probabilísticas, o que muitas vezes não se pode conseguir .Deste modo, amostras não probabilística são muitas vezes empregadas em trabalhos estatísticos, por simplicidade ou por impossibilidade de se obterem amostras probabilísticas, como seria desejável.
Pode-se inferir que normalmente amostras não probabilísticas são utilizadas em pesquisa quando há uma restrição de cunho operacional ao uso da amostragem probabilística, como, por exemplo, o fato de a população ser infinita ou de não se ter acesso a todos os elementos da mesma .
Muitas vezes a necessidade de optarmos pela utilização de uma amostra não probabilística deriva-se da inacessibilidade a toda a população. Quando esta situação ocorre o pesquisador é forçado a colher a amostra na parte da população que lhe é acessível. Surge aqui, portanto, uma distinção entre população objeto e população amostrada. A população objeto é aquela que temos em mente ao realizar o trabalho estatístico. Apenas uma parte desta população, porém, está acessível para que dela retiremos a amostra. Esta parte é a população amostrada. Uma situação muito comum em que ficamos diante da inacessibilidade a toda a população é o caso em que parte da população não tem existência real, ou seja, uma parte da população é ainda hipotética.
Em muitos casos os efeitos da utilização de uma amostragem não probabilística podem ser considerados equivalentes a uma amostra probabilística, resulta que os processos não probabilísticos de amostragem têm também sua importância 
Se as características da variável de interesse, por exemplo, forem às mesmas na população objeto e na população amostrada, então este tipo de amostragem equivalerá a uma amostragem probabilística.
No entanto deve se ter cuidado ao optar-se pela utilização desta modalidade de amostra, uma vez que este tipo de amostragem é subjetiva, baseada na decisão pessoal do pesquisador, e a variabilidade amostral não pode ser estabelecida com precisão .
Conforme Levine et al., (2008) amostras não probabilísticas podem oferecer certas vantagens, tais como conveniência, velocidade e baixo custo. Entretanto, elas carecem de precisão, em decorrência de vieses de seleção, e o fato de os resultados não poderem ser generalizados supera, em muito, essas vantagens. Por conseguinte, os métodos de amostragem não probabilística devem ser utilizados exclusivamente para estudos em pequena escala que precedam grandes investigações.
Para os casos em que o uso da amostra não probabilística for viável, deve-se atentar para algumas variáveis para que o mesmo obtenha êxito, o sucesso da utilização de uma amostra não probabilística em uma pesquisa depende, por exemplo, dos critérios e julgamentos do pesquisador .
De acordo com Anderson, Sweeney e Williams (2007) nos métodos de amostragem probabilística, há fórmulas disponíveis para avaliar a “excelência” dos resultados amostrais em termos do quão próximo eles estão dos parâmetros populacionais a serem determinados, uma avaliação da excelência não pode ser feita com base em amostragens não probabilísticas.
Em uma amostragem não probabilística não se conhece a probabilidade do elemento da população pertencer à amostra, o erro amostral não pode ser estimado, e não se podem estender os dados da amostra para a população com uma medida de probabilidade de acertar, entretanto, uma amostragem desse tipo pode ser utilizada quando a listagem dos elementos da população nem sempre é possível na prática. E ainda, na etapa preliminar em projetos de pesquisa, em projetos de pesquisa qualitativa onde há bom conhecimento da população e onde a população não pode ser relacionada. 
A escolha da técnica de amostragem é uma etapa importante do método científico de pesquisa. Quando a amostra é rigorosamente selecionada, os resultados obtidos no levantamento tendem a aproximar-se bastante dos que seriam obtidos caso fosse possível pesquisar todos os elementos do universo (GIL, 2010, p. 109).
No entanto é válido lembrar que conforme Cervo e Bervian (2003) o método é apenas um meio de acesso; só a inteligência e a reflexão descobrem o que os fatos realmente são.
Segundo Andrade (2010) há mais exatidão nas ciências experimentais que nas ciências humanas. Na verdade, as ciências experimentais pesquisam, de modo geral, fenômenos físicos, regidos por determinismo da natureza, por leis fatais passíveis de previsão e que podem até ser provocados para serem mais bem observados.
Neste contexto a seleção do tipo de amostragem com o qual se irá trabalhar influenciará diretamente na exatidão dos resultados encontrados, sendo, portanto de fundamental importância à escolha de uma tipologia amostral coerente com o caráter da pesquisa e com o objetivo impetrado pela mesma. Nos tópicos que se seguem serão apresentados alguns tipos de amostragem probabilística e não probabilística.
FORMAS DE AMOSTRAGEM NÃO PROBABILÍSTICA
Amostragem por acessibilidade
Este pode ser considerado o menos rigoroso de todos os tipos de amostragem, uma vez que se procede a seleção dos elementos aos quais setem acesso para que a realização da pesquisa se torne possível .
Infelizmente esta situação ocorre com muita frequência na prática, uma vez que de acordo com Costa Neto (1977, p. 43) “nem sempre é possível se ter acesso a toda a população objeto de estudo, sendo assim é preciso dar segmento a pesquisa utilizando-se a parte da população que é acessível na ocasião da pesquisa”.
Um exemplo da aplicação desta tipologia de amostragem é dado por Massukado e Nakatani (2009) Entrevistar os gerentes gerais dos hotéis x e y, pois foram os que autorizaram a entrevista.
Outra exemplificação seria conforme Costa Neto (1977) o fato de que ao se buscar pesquisar a população constituída por todas as peças produzidas por certa máquina que se encontra em funcionamento, não ser possível se ter acesso à parte da população constituída pelas peças que ainda serão produzidas.
Amostragem de conveniência
É uma técnica de amostragem em que, como o próprio nome implica, a amostra é identificada primeiramente por conveniência. Elementos são incluídos na amostra sem probabilidades previamente especificadas ou conhecidas de eles serem selecionados. Por exemplo, um professor que faz pesquisas em uma universidade pode utilizar estudantes voluntários para compor uma amostra, simplesmente porque eles estão disponíveis e participarão como objetos de experiência por pouco ou nenhum custo.
O presente caso de amostragem não probabilística pode ocorrer segundo Costa Neto (1977) quando, embora se tenha a possibilidade de atingir toda a população, retiramos a amostra de uma parte que seja prontamente acessível.
De acordo Anderson, Sweeney e Williams (2007) amostras por conveniência têm a vantagem de permitir que a escolha de amostras e a coleta de dados sejam relativamente fáceis; entretanto, é impossível avaliar a “excelência” da amostra em termos de sua representatividade da população. Uma amostra por conveniência tanto pode produzir bons resultados como não; nenhum procedimento estatisticamente justificável possibilita uma análise de probabilidade e inferência sobre a qualidade dos resultados da amostra.
Amostragem intencional ou por julgamento
Nas amostras intencionais enquadram-se os diversos casos em que o pesquisador deliberadamente escolhe certos elementos para pertencer à amostra, por julgar tais elementos bem representativos da população. 
Um exemplo prático deste tipo de amostragem é ao se almejar investigar variáveis inerentes a uma comunidade proceder à aplicação dos questionários junto aos líderes da comunidade, por julgar que estes sejam representativos da mesma.
A intencionalidade torna uma pesquisa mais rica em termos qualitativos. Em uma pesquisa que tenha por objetivo identificar atitudes políticas de um grupo de operários, por exemplo, como a pesquisa tem como objetivo a mobilização do grupo envolvido, será interessante selecionar trabalhadores conhecidos como elementos ativos em relação aos movimentos sindicais e políticos, bem como trabalhadores sem qualquer participação em movimentos dessa natureza. As informações que estes dois grupos de trabalhadores podem transmitir serão muito mais ricas as que seriam obtidas com base em critérios rígidos de seleção de amostras. Estas informações não são generalizáveis para totalidade da população, mas podem proporcionar os elementos necessários para identificação da dinâmica do movimento.
O emprego deste tipo de amostra requer conhecimento da população e dos elementos selecionados.
De acordo com Gil (2010) na pesquisa etnográfica, por exemplo, não existe a preocupação do pesquisador em selecionar uma amostra com base em critérios estatísticos de proporcionalidade e representatividade em relação ao universo pesquisado. A ocorrência mais comum é a seleção da amostra com base no julgamento do próprio pesquisador. Ele seleciona os membros do grupo, organização ou comunidade que julgar mais adequados para fornecer repostas ao problema proposto.
O perigo deste tipo de amostragem é obviamente grande, pois o pesquisador pode facilmente se equivocar em seu pré-julgamento.
A utilização da amostra intencional ou por julgamento também é muito comum numa tipologia de pesquisa conhecida como pesquisa-ação. Neste tipo de pesquisa segundo Gil (2010) o critério de representatividade dos grupos investigados é mais qualitativo que quantitativo, sendo assim é recomendável à utilização de amostras selecionadas pelo critério de intencionalidade.
Amostragem por cotas
Apresenta maior rigor dentre as amostragens não probabilísticas.
Conforme Merrill e Fox (1977) a amostragem por cotas é um tipo de amostragem por julgamento. Em uma amostra por cota, fixam-se cotas de acordo com determinados critérios, mas, dentro das cotas, a escolha dos itens da amostra depende de julgamento pessoal.
Este tipo de amostragem é muito utilizado em pesquisas eleitorais e de mercado, tendo como principal vantagem seu baixo custo.
O custo por entrevistado pode ser relativamente pequeno para uma amostra por cota, mas há numerosas oportunidades de vícios que podem invalidar os resultados.
É utilizada quando não existe um cadastro da população que possibilite a realização do sorteio necessário à amostragem aleatória, mas ao mesmo tempo, existe informação suficiente sobre o perfil populacional.
De modo geral, é desenvolvida em três fases: (1) classificação da população em função de propriedades tidas como relevantes para o fenômeno estudado; (2) determinação da proporção da população a ser colocada em cada classe com base na constituição conhecida ou presumida da população; (3) fixação de cotas para cada entrevistador encarregado de selecionar elementos da população a ser pesquisada de modo tal que amostra total seja composta em observância à proporção das classes consideradas .
Em uma pesquisa sobre audição de rádio, por exemplo, o entrevistador pode ser mandado entrevistar 500 pessoas residentes em determinada área, de tal forma que, de cada 100 pessoas entrevistadas, 50 sejam donas de casa, 30 sejam fazendeiros e 20, crianças de menos de 15 anos. Dentro destas cotas, o entrevistador tem liberdade de escolher os entrevistados.
Amostragem a esmo ou sem norma
Amostragem a esmo ou sem norma é a amostragem em que o pesquisador, para simplificar o processo, procura ser aleatório sem, no entanto, realizar propriamente o sorteio usando algum dispositivo aleatório confiável.
Os resultados da amostragem a esmo são, em geral, equivalentes aos de uma amostragem probabilística se a população é homogênea e se não existe a possibilidade do pesquisador ser inconscientemente influenciado por alguma característica dos elementos da população.
Amostragem quando a população é formada por material contínuo
Quando a população é formada por material continuo é impossível realizar amostragem probabilística, devido à impraticabilidade de um sorteio rigoroso. Se a população for líquida ou gasosa, o que se costuma fazer, com resultado satisfatório, é homogeneizá-la e retirar a amostra a esmo. Tal procedimento pode às vezes, também ser utilizado em caso de material sólido.
Outro procedimento que pode ser empregado nesses casos, especialmente quando a homogeneização não é praticável, é a enquartação, a qual consiste em subdividir a população em diversas partes (a origem do nome pressupõe a divisão em quatro partes), sorteando-se uma ou mais delas para constituir a amostra ou para delas retirar a amostra. 
Exemplo
Em uma empresa que contém 2000 colaboradores, deseja-se fazer uma pesquisa de satisfação. Quantos colaboradores devem ser entrevistados para tal estudo?
Resolução
N = 2000
Definindo o erro amostral tolerável em 2% 
E0 = 0,02
n0 = 1 / (E0)2 
n0 = 1 / (0,02)2 
n0 = 2500
n = (N . n0) / (N + n0) 
n = (2000 . 2500) / (2000 + 2500) 
n = 1111 colaboradores
Com o erro amostral tolerável em 2%, 1111 colaboradores devem ser entrevistados para a pesquisa.
Vamos repetir os cálculos, definindo o erro amostral tolerável em 4%.
N = 2000
E0 = 0,04
n0 = 1 / (E0)2 
n0 = 1 / (0,04)2 
n0 = 625n = (N . n0) / (N + n0) 
n = (2000 . 625) / (2000 + 625) 
n = 476 colaboradores
Através deste segundo cálculo, é possível observar que, quando aumentamos a margem de erro, o tamanho da amostra reduz.
E se houvesse 300.000 colaboradores na empresa?
N = 300.000
E0 = 0,04
n0 = 1 / (E0)2 
n0 = 1 / (0,04)2 
n0 = 625
n = (N . n0) / (N + n0) 
n = (300.000 . 625) / (300.000 + 625) 
n = 623 colaboradores
Observe que a diferença entre n e n0, neste último cálculo, é muito pequena.
Portanto: se o número de elementos da população (N) é muito grande, a primeira aproximação do tamanho da amostra já é suficiente.
Observe ainda:
N = 2000 
E0 = 0,04 
n = 476 colaboradores = 23,8% da população
N = 300.000 
E0 = 0,04 
n = 623 colaboradores = 0,2% da população