EPIDEMIO -aula10 amostragem (1)

Prévia do material em texto

TÉCNICAS EM 
AMOSTRAGEM 
CENSO X AMOSTRAGEM 
TÉCNICAS EM AMOSTRAGEM 
ü  Por que fazer amostragem? 
ü  População infinita 
ü  Diminuir custo 
ü  Aumentar velocidade na caracterização 
(medidas que variam no tempo) 
ü  Aumentar a representatividade 
ü  Melhorar a precisão (mais cuidado na obtenção 
dos dados) 
ü  Minimizar perdas por medidas destrutivas 
TÉCNICAS EM AMOSTRAGEM 
TÉCNICAS EM AMOSTRAGEM 
Quero pesquisar 
brucelose em bovinos. 
Qual o tamanho da 
amostra? 
Que exame vc usará? 
Qual sua população alvo? 
Qual a variabilidade da 
Brucelose na população? 
Qual a precisão desejada? 
Etc? Etc? Etc? 
TÉCNICAS EM AMOSTRAGEM 
Eu só tinha uma 
dúvida, agora tenho 
dez 
Perguntar o tamanho da 
amostra é o mesmo que 
perguntar: qual roupa devo 
vestir? 
???
?
TÉCNICAS EM AMOSTRAGEM 
???
?
Onde vc vai? 
O que vai fazer? 
Qual o protocolo da ocasião? 
Está frio/calor? 
Etc? Etc? Etc? ??
?
?
ü  Por que fazer censo? 
ü  População pequena ou amostragem muito 
grande em relação à população 
ü  Precisão completa (não se permite erro) 
ü  A observação já é completa 
TÉCNICAS EM AMOSTRAGEM 
ü  Quanto amostrar? Depende: 
ü  Da variabilidade original dos dados 
(maior variância ⇒ maior n); 
ü  Da precisão requerida no trabalho 
(maior precisão ⇒ maior n); 
ü  Do tempo disponível 
(menor o tempo ⇒ menor n); 
ü  Do custo da amostragem 
(maior o custo ⇒ menor n) 
TÉCNICAS EM AMOSTRAGEM 
ü  Como amostrar? 
 
ü  Amostragem probabilística x não probabilística 
TÉCNICAS EM AMOSTRAGEM 
AMOSTRAGEM 
ü  População alvo: é a população da qual a 
informação é requerida 
ü  População em estudo: é a população da qual a 
amostra é retirada. 
ü  Estrutura amostral: listagem onde os membros 
da população estarão elencados 
Ex.: listagens de matadouros, fazendas, clínicas 
veterinárias, usinas de beneficiamento de 
leite, etc. 
AMOSTRAGEM 
ü  Unidade amostral: cada membro que constitui 
a amostra 
ü  Fração amostral: é a proporção do tamanho da 
amostra 
Ex.: 10 animais são escolhidos de 1000, fração 
amostral de 1% 
Relação qualidade e quantidade 
Relação qualidade e quantidade 
Relação qualidade e quantidade 
Quantidade da amostra 
ü  A quantidade adequada de elementos da 
amostra pode ser calculada 
ü  O cálculo depende: 
ü  Das características da população 
ü  Das características da pesquisa 
ü  Do grau de precisão desejado pelo 
pesquisador 
ü  Do tamanho da população 
ü  Do tipo de amostragem 
ü  Das possíveis perdas de elementos da 
amostra 
Quantidade da amostra 
Quantidade da amostra 
TIPOS DE AMOSTRAGEM 
1 – AMOSTRAGEM NÃO PROBABILÍSTICA: 
 
 
2 – AMOSTRAGEM PROBABILÍSTICA: 
 
AMOSTRAGEM 
PROBABILÍSTICA 
1 – Amostra aleatória simples 
 
ü  Escolhe-se n elementos de uma população de tamanho 
N 
ü  Amostra = X1, X2, ..., Xn 
 
ü  Ideal, porém é o menos usado 
ü  Todos os indivíduos tem a mesma chance de serem 
escolhidos 
AMOSTRA ALEATÓRIA 
SIMPLES 
AMOSTRAGEM 
PROBABILÍSTICA 
2 – Amostra aleatória sistemática 
 
ü  Seleção das unidades amostrais a intervalos iguais, 
onde o primeiro é selecionado aleatoriamente 
ü  Calcula-se o “pulo”, que é o intervalo fixo entre as 
unidades 
 
Ex.: se for requerido um animal a cada 100 e for sorteado 
o número 63 
 
Amostra: 63, 163, 263, etc. 
AMOSTRA ALEATÓRIA 
SISTEMÁTICA 
 
ü  Se os elementos da população já se encontram 
ordenados segundo algum critério, pode-se selecionar 
um elemento qualquer e escolher um “pulo” que 
definirá qual será o próximo elemento escolhido 
1 2010
Pulo = 5 
AMOSTRAGEM 
PROBABILÍSTICA 
Amostragem sistemática x amostragem aleatória 
simples 
 
ü  Amostragem sistemática não requer o conhecimento 
da população total; 
ü  A amostragem aleatória simples só poderá ser feita 
se houver uma listagem de todos os animais; 
ü  As amostras sistemáticas tendem a ser mais 
uniformemente distribuídas na população; 
AMOSTRAGEM 
PROBABILÍSTICA 
3 – Amostra aleatória estratificada 
 
ü  Obtida pela divisão da população em estudo dentro de 
grupos exclusivos (estratos), e então amostrados 
aleatoriamente todos os estratos individuais 
ü  Melhora a acurácia porque, diferente da AAS, não 
corre o risco de algumas secções super ou 
subrrepresentar 
 
AMOSTRAGEM 
PROBABILÍSTICA 
3 – Amostra aleatória estratificada 
 
Ex.1: se é selecionada uma AAS de todos os rebanhos do 
país, os pequenos terão a mesma probabilidade, porém 
os grandes poderão ser subrrepresentados 
 
Ex.2: se é selecionada uma AAS de todos os animais do 
país, os animais dos pequenos rebanhos terão uma 
menor probabilidade de serem escolhidos, ocorrendo 
uma subrrepresentação destes. 
AMOSTRA ALEATÓRIA 
ESTRATIFICADA 
Exemplo: base de seleção no critério de 5% como fração 
amostral 
Região Nº bovinos F r a ç ã o 
amostral 
T a m a n h o 
amostra 
A 302.647 X 0,05 15.132 
B 469.486 X 0,05 23.474 
C 119.835 X 0,05 5.992 
D 30.150 X 0,05 1.508 
TOTAL 922.118 46.106 
AMOSTRA ALEATÓRIA 
ESTRATIFICADA 
 
ü  Usada para estratos como: 
ü  Sexo, idade, nível sócio-econômico 
ü  primeiramente a população N é dividida 
 em L subpopulações (estratos) com N1, 
 N2, ...NL elementos. Para cada estrato, 
 escolhe-se ni elementos aleatoriamente, 
 totalizando n elementos 
 
 todos iguais ni = n/L 
 proporcionais a Ni ni = n Ni/N 
AMOSTRA ALEATÓRIA 
ESTRATIFICADA 
ü  Indicada: 
ü  Fácil o acesso a uma lista contendo todos os nomes dos 
elementos da população; 
ü  As informações sobre a população estão disponíveis e 
embora ela seja heterogênea posso identificar grupos 
homogêneos dentro dessa mesma população e assim 
dividi-la em diferentes estratos para depois obter uma 
amostra; 
ü  Na amostragem estratificada, a população (por exemplo 
de uma escola) é dividida em estratos (alunos do 3º, 4º e 
7º ano) e os elementos que formarão a amostra são 
retirados de dentro de cada um desses estratos. 
 
AMOSTRA ALEATÓRIA 
ESTRATIFICADA 
AMOSTRAGEM 
PROBABILÍSTICA 
4 – Amostra aleatória por conglomerados 
 
ü  Os estratos são definidos por localização geográfica, tal 
como diferentes estados distritos ou administrações 
regionais de um município ⇒ pode levar muito tempo e 
ser muito cara 
ü  Esta desvantagem pode ser ultrapassada pela seleção de 
poucos estratos e amostrar animais somente nestes 
estratos ou conglomerados 
AMOSTRA ALEATÓRIA POR 
CONGLOMERADOS 
 
ü  Por ser muito prática é bastante usada, porém as 
informações são menos precisas que a amostra 
aleatória sistemática e a aleatória simples 
ü  Ex. peso ao nascer em São Paulo 
ü  Bastante utilizada em pesquisas de eleição 
ü  O IBGE divide as cidades em setores censitários: 
áreas de alguns quarteirões contendo em geral cerca 
de 300 casas cada um 
AMOSTRA ALEATÓRIA POR 
CONGLOMERADOS 
 
ü  Quanto mais conglomerados estudados, mais 
representativa será a amostra 
ü  Para a seleção de conglomerados ou municípios pode-
se usar a amostragem com probabilidade proporcional 
ao tamanho. Ex. cidades grandes contêm um número 
muito maior de cães do que as cidades pequenas, dá-se 
um peso (ou probabilidade) a cada cidade proporcional 
à sua população 
AMOSTRA ALEATÓRIA POR 
CONGLOMERADOS 
ü  Indicada: 
ü  Não se possui uma lista contendo todos os nomes dos 
elementos da população; 
ü  Existe grande heterogeneidade entre os elementos da 
população; 
ü  É preciso fazer entrevistas ou observações em 
grandes áreas geográficas; 
ü  O custo de obtenção dos dados cresce com o aumento 
da distância entre os elementos; 
AMOSTRA ALEATÓRIAPOR 
CONGLOMERADOS 
Na amostragem por conglomerado, ao invés 
de selecionar elementos seleciona-se um 
grupo (famílias, organizações e quarteirões) 
ou seja, a unidade a ser sorteada 
inicialmente é um conglomerado o qual é 
formado por elementos (pessoas). De cada 
um desses conglomerados observa-se todos 
os seus elementos. 
AMOSTRA ALEATÓRIA POR 
CONGLOMERADOS 
AMOSTRA ALEATÓRIA POR 
CONGLOMERADOS 
 
ü  Erros de amostragem (variação amostral) 
ü  Ex. pesquisa de prevalência de hipertensão: 15% 
com erro de amostragem de 5%, ou seja, 
prevalência está entre 10 e 20% 
ü  Erros alheios à amostragem 
FONTES DE ERROS NAS 
PESQUISAS POR 
AMOSTRAGEM 
 
ü  Quantidade de perdas “aceitáveis” 
 
ü  Qualidade das perdas 
ü  Perdas ao acaso 
ü  Perdas sistemáticas 
ü  Viés de seleção: distorções causadas pelos 
erros causados pelas perdas durante a pesquisa 
ü  Comparação entre as características da 
amostra final 
PERDAS NA AMOSTRA 
ORIGINAL 
ü  Conceitos básicos 
ü  Amplitude: distância entre o maior e o menor valor 
da distribuição 
ü  Desvio padrão: medida da variação dos valores em 
torno da média 
ü  Erro padrão: medida da variação que se espera 
correr, apenas pelo efeito do acaso, quando 
somente se seleciona uma amostra para estimar um 
parâmetro populacional 
TAMANHO DA AMOSTRA 
ü  E = erro padrão 
ü  D = desvio padrão 
ü  n = tamanho da amostra 
ü  p = proporção dos indivíduos da amostra que tem a 
característica em estudo 
ü  q = proporção dos indivíduos da amostra que não tem a 
característica em estudo 
TAMANHO DA AMOSTRA 
ü  Qual o tamanho mínimo da amostra necessária para a 
realização de uma investigação? 
ü  É importante considerar: 
ü  Erro de amostragem tolerado: determina a 
precisão da estimativa; 
ü  Manter o tamanho da amostra no mínimo: questões 
econômicas, práticas e éticas 
 
n = p.q.Z2 
 E2 
 
Para NC 95%, Z = 1,96 
 
DEFF = X 1,5 
TAMANHO DA AMOSTRA 
ü  IC: Intervalo de Confiança: extensão de valores de 
uma variável, definida por dois limites, calculados com 
os dados de uma amostra, no interior do qual se 
encontra, com uma certa probabilidade (em geral 
95%) o verdadeiro parâmetro populacional 
TAMANHO DA AMOSTRA 
ü  Para pesquisas eleitorais, de opinião 
 
ü  N = tamanho da população 
ü  E0 = Erro amostral tolerável 
ü  n0 = primeira aproximação da amostra 
ü  n = tamanho da amostra 
 
n0=1 
 E02 
 
n=N.n0 
 N+n0 
TAMANHO DA AMOSTRA 
ü  Calcule o tamanho das amostras: 
N = 200 famílias, E0 = 4% (0,04) 
n0 = 1/E02 = 1/0,016 = 625 
n = N x n0 = 152 
 N + n0 
 
N = 200.000 famílias, E0 = 4% 
n = n0 = 625 
EXEMPLO 1 
ü  Observe que: 
N = 200 famílias = n = 152 famílias = 76% 
da população 
 
N = 200.000 = n = 625 famílias = 0,3% 
da população 
 
EXEMPLO 1 
Logo, é errôneo pensar que o tamanho da 
amostra deve ser tomado como um percentual 
do tamanho da população para ser representativa 
EXEMPLO 1 
ü  Qual o tamanho da amostra (no de animais), 
supondo uma prevalência de 40%, com precisão 
(erro aceitável de 5%) e nível de confiança de 
95%? 
EXEMPLO 2 
Prevalência 
 esperada 
90% 95% 99% 
Precisão absoluta Precisão absoluta Precisão absoluta 
10% 5% 1% 10% 5% 1% 10% 5% 1% 
10% 24 97 2435 35 138 3457 60 239 5971 
20% 43 173 4329 61 246 6147 106 425 10.616 
30% 57 227 5682 81 323 8067 139 557 13.933 
40% 65 260 6494 92 369 9220 159 637 15.923 
50% 68 271 6764 96 384 9604 166 663 16.587 
60% 65 260 6494 92 369 9220 159 637 15.923 
70% 57 227 5682 81 323 8067 139 557 13.933 
80% 43 173 4329 61 246 6147 106 425 10.616 
90% 24 97 2435 35 138 3457 60 239 5971 
Tabela 1. Tamanho aproximado da amostra requerida para 
estimar prevalência em grandes populações com limites de 
confiança fixos.
NÍVEL DE CONFIANÇA
ü  Listagem dos setores censitários fornecida 
pelo IBGE 
ü  Observar atualização 
ü  Excluir os setores especiais 
ü  Sorteio dos setores 
ü  Amostra aleatória simples 
ü  Sortear setores a mais 
ESCOLHA DOS SETORES 
CENSITÁRIOS 
ü  Sorteios especiais: cidades ou municípios 
muito grandes, com centenas de setores: 
amostragem sistemática 
 
Ex. uma cidade com 900 setores, dos quais 
desejamos selecionar 50 
ESCOLHA DOS SETORES 
CENSITÁRIOS 
ü  Bairros, cidades ou municípios pequenos, com 
menos de 30 setores censitários 
ü  Sorteia mias de uma vez alguns setores. Ex. 
município com 20 setores (desejamos 
sortear 30) 
ü  Municípios que foram desdobrados ou 
emancipados desde o último censo: utiliza-se 
mapa dos setores censitários do município a 
que pertencia anteriormente, incluindo os 
novos setores que passaram a pertencer ao 
novo município 
ESCOLHA DOS SETORES 
CENSITÁRIOS 
ü  Delimitar e enumerar os quarteirões 
ü  Sorteio dos quarteirões 
ü  Colocar letras nas esquinas e sortear o início, 
seguido de 20 casas contíguas ou por 
amostragem sistemática 
ü  Zonas rurais 
ESCOLHA DO PONTO DE 
INÍCIO DENTRO DO SETOR 
ESCOLHA DO PONTO DE 
INÍCIO DENTRO DO SETOR 
x
ESCOLHA DO PONTO DE 
INÍCIO DENTRO DO SETOR 
ü  Sorteio dos municípios 
ü  Determinar a porcentagem de cães na 
Capital ou região metropolinata 
ü  Listagem de todos os municípios com 
probabilidade proporcional ao tamanho 
ü  Anotar ao lado de cada município sua 
população 
ü  Calcular o total da população acumulada 
ü  Calcular o pulo da amostragem 
SORTEIO DE AMOSTRAGEM 
PARA UM ESTADO 
Pretende-se estudar 20 municípios dentro do 
estado do RN, oito setores censitários em cada 
municíp io , doze casas em cada setor, 
totalizando-se 1920 domicílios e cerca de 760 
(0,395) a 1600 (0,833) cães. A população na 
capital corresponde a 25%. A população no 
interior é de 1.601.841 habitantes. 
EXEMPLO 3 
ü  Capital: 25% - escolhida 5 vezes 
ü  Interior: 75% - escolhida 15 vezes 
ü  Sortear o número inicial, entre 1 e 106.789 
(valor do pulo = 1.601.841/15), utilizar a tabela 
de números aleatórios 
ü  Escolher o primeiro município a ser incluído na 
amostra e a partir do pulo determinar os 
próximos municípios 
EXEMPLO 3 
Tabela de números aleatórios para escolha do número inicial
 
LETRA A SER SORTEADA 
Nº ALEATÓRIO 
A 461.482 
B 683.731 
C 362.309 
D 657.486 
E 231.107 
F 173.388 
G 101.051 
H 310.601 
I 743.403 
J 934.802 
Exemplo de amostra para o interior do Estado do Rio Grande do Norte.
Tabela 11. Exemplo de amostra para o 
interior do Estado do Rio Grande do Norte.
Microrregião e Município População Acumulada 
MRH Salineira Norte-Rio-Grandense     
Alto do Rodrigues 5.932 5.932 
Areia Branca 18.494 24.426 
Carnaubais 12.173 36.599 
Guamare 3.497 40.096 
Grossos 7.917 48.013 
Macau 22.854 70.867 
Mossoró 158.223 229.090** 
Pendências 9.661 238.751 
MRH São Bento do Norte     
Galinhos 1.182 239.933 
Pedra Grande 3.010 242.943 
São Bento do Norte 9.094 252.037 
Touros 20.480 272.517 
MRH Açu e Apodi     
Açu 40.085 312.602* 
Apodi 32.234 344.836 
Augusto Severo 12.549 357.385 
Carnaúbas 20.166 377.551 
Filipe Guerra 5.495 383.046 
Governador Dix-Sept Rosado 9.320 392.366 
Ipanguaçu 12.269 404.635* 
Itaú 3.109 407.744 
Janduís 5.051 412.795 
Paraú 4.065 416.860 
São Rafael 6.833 423.693 
Severino Melo 7.983 431.676 
Upanema 8.125 439.801 
MRH Sertão do Angico     
Afonso Bezerra 8.176 447.977 
Angicos 12.108 460.085 
Pedro Avelino 8.872 468.957 
Santana dos Matos 16.382 485.339 
MRH Serra Verde     
Bento Fernandes 4.818 490.157 
Caiçara do Rio do Vento 2.677 492.834 
Jandaíra 4.825 497.659 
Jardim dos Angicos 3.008 500.667* 
João Câmara 26.405 527.072 
Lajes 7.863 534.935 
Parazinho 4.355 539.290 
Poço Branco 9.949 549.239 
Pedra Preta 2.958 552.197 
Pureza5.875 558.072 
Taipu 8.893 566.965 
MRH de Natal     
Ares 11.368 578.333 
Baía Formosa 5.962 584.295 
Canguaretama 19.301 603.596 
Ceará-Mirim 41.447 645.043* 
Eduardo Gomes 30.951 675.994 
Espírito Santo 8.096 684.090 
Extremoz 8.362 692.452 
Goianinha 12.778 705.230 
Macaíba 33.568 738.798* 
Maxaranguape 12.132 750.930 
Nísia Floresta 10.278 761.208 
Pedro Velho 11.056 772.264 
São Gonçalo do Amarante 36.158 808.422 
São José do Mipibu 21.943 830.365* 
Senador Georgino Avelino 2.124 832.489 
Tibau do Sul 5.636 838.125 
Vila Flor 1.771 839.896 
MRH Serrana Norte-Rio-Grandense     
Água Nova 2.371 842.267 
Alexandria 14.816 857.083 
Almiro Afonso 5.319 862.402 
Antônio Martins 9.010 871.412 
Coronel João Pessoa 4.250 875.662 
Doutor Severiano 5.543 881.205 
Encanto 4.550 885.755 
Francisco Dantas 3.785 889.540 
Frutuoso Gomes 4.418 893.958 
João Dias 3.484 897.442 
José da Penha 5.790 903.232 
Lucrécia 3.009 906.241 
Luís Gomes 10.893 917.134 
Marcelino Vieira 8.557 925.691 
Martins 14.036 939.727* 
Messias Targino 3.956 943.683 
Olho d´água dos Broges 5.608 949.291 
Pau dos Ferros 19.039 968.330 
Paraná 2.951 971.281 
Patu 13.788 985.069 
Pilões 1.974 987.043 
Portalegre 5.454 992.497 
Rafael Fernandes 2.768 995.265 
Rafael Godeiro 3.655 998.920 
Riacho da Cruz 2.504 1.001.424 
Riacho de Santana 4.152 1.005.576 
Rodolfo Fernandes 5.695 1.011.271 
São Francisco do Oeste 2.710 1.013.981 
São Miguel 19.108 1.033.089 
Tabuleiro Grande 1.795 
1.034.884
* 
Tenente Ananias 11.162 1.046.046 
Umarizal 14.509 1.060.555 
Viçosa 1.311 1.061.866 
MRH do Seridó     
Acari 11.344 1.073.210 
Caicó 42.972 1.116.182 
Carnaúba do Dantas 5.864 1.122.046 
Cerro Corá 9.077 1.131.123 
Cruzeta 7.021 1.138.144 
Currais Novos 41.068 1.179.212* 
Equador 5.217 1.184.429 
Florânia 12.330 1.196.759 
Ipueira 1.555 1.198.314 
Jardim de Piranhas 8.738 1.207.052 
Jardim do Seridó 11.277 1.218.329 
Jucurutu 13.721 1.232.050 
Lagoa Nova 9.302 1.241.352 
Ouro Branco 4.224 1.245.576 
Parelhas 25.546 1.271.122* 
Santana do Seridó 2.505 1.273.627 
São Fernando 2.960 1.276.587 
São João do Sabugui 4.713 1.281.300 
São José do Seridó 3.111 1.284.411 
São Vicente 5.368 1.289.779 
Serra Negra do Norte 8.042 1.297.821 
Timbaúba dos Batistas 1.394 1.299.215 
MRH da Borborema Potiguar     
Barcelona 4.117 1.303.332 
Campo Redondo 8.727 1.312.059 
Coronel Ezequiel 6.831 1.318.890 
Jaçanã 5.423 1.324.313 
Japi 6.640 1.330.953 
Lagoa de Velhos 2.614 1.333.567 
Lajes Pintadas 3.640 1.337.207 
Monte das Gameleiras 3.082 1.340.289 
Rui Barbosa 3.664 1.343.953 
Santa Cruz 22.073 1.366.026* 
São Bento do Trairi 3.027 1.369.053 
São José do Campestre 12.450 1.381.503 
São Tomé 10.791 1.392.294 
Serra de São Bento 7.038 1.399.332 
Sítio Novo 5.081 1.404.413 
Tangará 9.433 1.413.846 
MRH do Agreste Potiguar     
Baraúna 17.045 1.430.891 
Bom Jesus 5.004 1.435.895 
Brejinho 6.623 1.442.518 
Ielmo Marinho 8.769 1.451.287 
Januário Cicco 7.660 1.458.947 
Lagoa d´Anta 4.513 1.463.460* 
Lagoa de Pedras 4.632 1.468.092 
Lagoa Salgada 4.677 1.472.769 
Montanhas 8.493 1.481.262 
Monte Alegre 16.224 1.497.486 
Nova Cruz 27.881 1.525.367 
Passa e Fica 6.595 1.531.962 
Passagem 2.177 1.534.139 
Presidente Juscelino 5.468 1.539.607 
Riachuelo 5.608 1.545.215 
Santo Antônio 18.497 1.563.712 
São Paulo de Potengi 14.006 1.577.718* 
São Pedro 6.725 1.584.443 
Senador Elói de Sousa 4.376 1.588.819 
Serrinha 5.877 1.594.696 
Várzea 6.532 1.601.228 
Vera Cruz 7.145 1.601.841 
TOTAL   1.601.841 
Cidade n° de vezes 
sorteada 
Número de 
setores 
n° de 
residências 
n° 
estimado 
de cães* 
Natal 5 40 480 190 a 400 
Mossoró 2 16 192 76 a 160 
Açu 1 8 96 38 a 80 
Ipanguaçu 1 8 96 38 a 80 
Jardim de Angicos 1 8 96 38 a 80 
Ceará-Mirim 1 8 96 38 a 80 
Macaíba 1 8 96 38 a 80 
São José do Mipibu 1 8 96 38 a 80 
Martins 1 8 96 38 a 80 
Tabuleiro Grande 1 8 96 38 a 80 
Currais Novos 1 8 96 38 a 80 
Parelhas 1 8 96 38 a 80 
Santa Cruz 1 8 96 38 a 80 
Lagoa D ´Anta 1 8 96 38 a 80 
São Paulo do Potengi 1 8 96 38 a 80 
TOTAL 20 160 1920 760 a 1600 
No caso de o estado possuir a Região Metropolitana (RM), 
a qual contém vários municípios, o procedimento da 
amostragem é ligeiramente diferente. Em primeiro lugar, 
descobre-se qual o percentual da população que reside na 
região metropolitana – no caso do Ceará, por exemplo, 
este valor era de cerca de 30% em 1985. Assim, seis dos 
vinte municípios sorteados seriam da RM e os catorze 
restantes do interior. O procedimento de amostragem 
com probabilidade proporcional ao tamanho deve ser 
realizado separadamente para RM e para o interior. 
Deve-se observar que, em geral, a população da capital é 
muitas vezes maior do que a dos demais municípios da RM, 
e, portanto, por exemplo, Fortaleza será provavelmente 
sorteada cinco ou seis vezes (no caso, serão feitos 40 ou 
48 setores nesta capital). 
FIM