Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Ao aplicar a fórmula para determinar o valor de n para estimar média e total, esbarramos em uma limitação prática: S2, a variância populacional, é desconhecida. Vimos formas usuais para contornar este problema, mas nenhuma delas leva à solução correta, que precisa do S2 real. 8 - Tamanho da Amostra para Estimar uma Proporção No caso da estimação de uma proporção, teremos uma limitação semelhante. Todavia, neste caso, existe uma solução bastante elegante e largamente aplicada. 8.1 - Tamanho de Amostra para estimar P O procedimento é basicamente o mesmo que foi usado para achar n na seção 7.1. O que muda é apenas o fato de que o resultado do qual partimos passa a ser: ).1,0(N)Pˆ(EP PPˆ AAS AAS ≈ − n )P1(P 1N nN − − − Após um certo algebrismo, chegamos a: N )1n(1 n n 0 0 − + = . )P1(Pz n 2 2 0 ε − = Se N >> n (situação usual), faz-se: n = n0. Porém, neste caso, há uma forma de resolver, que é justamente a tal solução elegante que foi mencionada anteriormente, e que será apresentada a seguir. Problema: o valor de P é desconhecido! A idéia é que, embora P seja desconhecido, a função P(1-P) possui um valor máximo em P = 0,5. Este valor é 0,25. Vejamos graficamente... 2 Gráfico de f(P) = P(1-P) x P: 0 0,05 0,1 0,15 0,2 0,25 0,3 0 0, 06 0, 12 0, 18 0, 24 0, 3 0, 36 0, 42 0, 48 0, 54 0, 6 0, 66 0, 72 0, 78 0, 84 0, 9 0, 96 P f(P ) = P * (1- P ) P = 0,5 Se, na fórmula de n0, utilizarmos o valor máximo 0.25 no lugar de P(1-P) obtemos: . z 25,0n 2 2 0 2 ε = α limite superior para n0. Se P for diferente de 0,5, a fórmula acima fornece um n0 maior do que o necessário, o que não é problema, pois leva à uma margem de erro que será menor do que a especificada. Este procedimento para determinar o valor de n é chamado “conservador”, e largamente utilizado na prática. Observação importante - todo o procedimento apresentado demanda que o plano amostral adotado seja AAS! Exemplo 8.1 - Para estimar uma proporção P com base em uma AAS, com margem de erro de 10% (a 95% de confiança), qual o tamanho de amostra necessário? (considere 1,96 ≅ 2). .100)1,0( 11225,0n 222 2 == ε = ε ≅ Solução: E se reduzirmos esta margem para 0,05? Conclusão: para reduzir a margem de erro pela metade, é necessário quadruplicar o tamanho da amostra! Solução: .4001n 2 =ε ≅ A tabela a seguir apresenta a relação entre a margem de erro requerida e o valor de n, considerando N >> n e z ≅ 2: D n 0,1 100 0,05 400 0,02 2.500 n usual das pesquisas eleitorais (problema: elas não usam AAS!) 3 Obs - se soubermos que P é menor ou maior do que um certo valor, a abordagem conservadora perde o sentido, sendo mais razoável, neste caso, adotar o valor máximo de P(1-P) no intervalo de variação de P. Exemplo 8.2 - Suponha que queiramos estimar a prevalência de uma doença rara em uma região bastante populosa (N grande), sabendo que o percentual de doentes certamente não ultrapassa 10%. Calcule o tamanho de amostra necessário para obter uma margem de erro de 5% (considere z ≅ 2). .900)02,0( 209,0z09,0n 2 2 2 2 == ε ≅ Solução: Perceba que o valor de n é bem menor do que aquele que seria necessário caso não tivéssemos nenhuma informação sobre o valor real de P (abordagem conservadora).
Compartilhar