População, Amostra e Amostragem

Prévia do material em texto

População, Amostra e Amostragem
 
População e Amostra 
➔ População: Conjunto de elementos para os quais 
desejamos que as conclusões das pesquisas se-
jam validas, com a restrição de que esses elemen-
tos possam ser observados ou mensurados sob as 
mesmas condições 
➔ Pode ser formada por pessoas, famílias, estabe-
lecimentos industriais ou qualquer outro tipo 
de elemento, dependendo do objetivo da pesquisa 
➔ Parâmetros: é uma medida que descreve determi-
nada característica dos elementos da população 
 Exemplo: em uma pesquisa epidemiológica, define-
se como população todas as pessoas da região de 
estudo. O principal parâmetro é a percentagem de 
pessoas contaminadas 
Numa pesquisa eleitoral, a população são os eleitores, 
mas para viabilizar a pesquisa, é comum definir a po-
pulação como o conjunto de eleitores que residem 
no município. Os principais parâmetros são os votos 
de cada candidato no momento da pesquisa 
➔ Amostra: como se fosse uma fatia 
 Exemplo: população (eleitores brasileiros); amostra 
(uma parte dos eleitores) 
➔ Inferência Estatística: usar as informações da 
amostra para inferir o que a população irá fa-
zer; serve para se ter conhecimento sobre os pa-
râmetros da população em que foi extraída a amos-
tra; os valores calculados com base na amostra e 
com o objetivo de avalias parâmetros desconhecidos 
são chamados de estimativas 
➔ Amostra: é a parte dos elementos de uma popula-
ção 
➔ Amostragem: é o processo de seleção da amostra 
➔ Estimativa: valor calculado com base na amostra e 
utilizado com finalidade de avaliar aproximadamente 
um parâmetro 
Amostragem 
Conceito: é a forma como se seleciona a população 
para se obter a amostra 
Motivos para se realizar amostragem: 
 
 Economia: de maneira geral é mais barato realizar o 
levantamento de apenas uma parte da população 
 Tempo: Dentro da programação da pesquisa não ha-
veria tempo para pesquisar toda a população 
 Confiabilidade dos dados: quando se pesquisa um 
nº menor de elementos, pode-se dar mais atenção aos 
casos individuais, evitando erros nas respostas 
 Operacionalidade: mais fácil de fazer operações em 
pequena escala 
Quando não usar amostragem: 
➔ População pequena 
➔ Necessidade de alta precisa (exemplo de senso) 
➔ Característica de fácil mensuração 
Técnicas de Amostragem: 
Probabilística: 
• Todos os elementos têm a mesma chance se serem 
selecionados para compor a amostra; 
• Representa com precisão o universo 
Existem tipos de probabilística: 
➔ Amostragem aleatória simples: procedimento 
básico da amostragem. É atribuído a cada elemento 
da população um nº único e depois é selecionado de 
forma casual 
➔ Amostragem estratificada proporcional: exem-
plo dos alunos por período. Ex: ao total são 1000 es-
tudantes de medicinas, qual a porcentagem de estu-
dantes que pertencem a T7? 
➔ Amostragem por aglomerados ou grupos: gru-
pos formados ou cadastrados da população. Ex: es-
colas, igrejas. Exigência: que pertença apenas a um 
grupo 
➔ Amostragem por etapas: utiliza-se quando a po-
pulação de compõe de unidades que podem ser dis-
tribuídas em diversos estágios. Ex: pesquisa com to-
dos os municípios do Brasil. Em um primeiro estágio 
poderiam ser selecionadas as microrregiões, no se-
gundo os municípios e no terceiro os bairros. 
 
Não-probabilística: 
• Não tem fundamentação estatística (não há mesma 
chance de serem selecionados); 
• Maior facilidade e menor custo 
Existem tipos de não-probabilística: 
➔ Amostragem por acessibilidade ou conveniên-
cia: selecionados aqueles que estão mais disponíveis 
para participar do estudo 
➔ Amostragem por tipicidade: selecionar alunos de 
determinado curso em uma região, escolhendo uma 
faculdade que se acredite ser típica. 
➔ Amostragem por intencionalidade: para pesqui-
sas de cunho explicativo, o que interessa é garantir 
a variabilidade dos integrantes em relação a determi-
nadas características. Ex: verificar a influência de ca-
racterísticas pessoais de médicos em relação a um 
procedimento clínico. 
➔ Amostragem bola de neve: um participante inicial 
indica outros participantes, e assim por diante. 
➔ Amostragem por saturação: não há definição ini-
cial do tamanho da amostra, conforme ocorrem as 
entrevistas, nada de novo surge e então a amostra 
é encerrada