Amostragem

Amostragem: o procedimento pelo qual um grupo de indivíduos
ou um subconjunto de uma população é escolhido com a intenção
de se obter informação em relação a um fenómeno e de tal modo
que a população inteira que nos interessa esteja representada.

Base de amostragem: lista dos membros da população em estudo e
que é utilizada para extrair a amostra

Plano de amostragem: descrição da estratégia a utilizar para
selecionar a amostra. Fornece detalhes sobre a forma de proceder
quanto à utilização de um método de amostragem para certo
estudo.
Métodos Formais de
Amostragem

Servem para assegurar uma certa precisão na estimação dos
parâmetros da população, reduzindo o erro amostral.

1. Métodos de
Probabilísticos

2. Métodos de Amostragem Não Casual ou Métodos Não
Probabilísticos ou Intencionais
Amostragem
Casual
ou
Métodos
Métodos Formais de
Amostragem

Amostras probabilísticas são preferíveis se o objetivo for:

(a) descrição: estimativa das caraterísticas da população;

(b) explicação: comprovação de hipóteses empíricas.

Amostras não-probabilísticas ou intencionais são preferíveis se o objetivo
for:

(a) exploração e desenvolvimento de teoria;

(b) desenvolvimento e comprovação de instrumentos de pesquisa;

(c) seleção de um pequeno número de unidades de primeira fase. Ex.º:
seleção de quatro escolas para realizar um inquérito sobre as aspirações
dos alunos;

(d) compreensão de processos e ações sociais.
Métodos de Amostragem
Casual
Cada elemento da população tem uma probabilidade conhecida e diferente de
zero de ser escolhido, aquando da tiragem ao acaso para compor a amostra;
É possível estimar estatisticamente o grau de confiança com o qual as
conclusões extraídas da amostra se aplicam ao universo.
Objetivo: obter a melhor representatividade possível.

TIPOS

Amostragem aleatória simples;

Amostragem sistemática;

Amostragem estratificada;

Amostragem por clusters;

Amostragem multi-etápica ou por etapas.
Amostragem Aleatória
Simples

Apresenta 2 caraterísticas principais:

1. Quando se retira uma amostra de n casos diferentes a
partir de um universo com N casos, todas as amostras
possíveis de tamanho n devem ter a mesma probabilidade
de serem retiradas do universo;

2. Cada um dos N casos do universo tem a mesma
probabilidade de ser incluído na amostra retirada.
Ou seja: Dá a cada elemento da população uma oportunidade
igual de ser incluído na amostra. Toma igualmente provável a
escolha de todas as combinações possíveis do número desejado
de casos.
Amostragem Aleatória
Simples

Ponto de partida: possuir uma base de amostragem.

Exigência: identificar cada membro da população

Fração de amostragem (FA):
Representa a oportunidade de seleção de cada elemento da
população.
Calculada a partir da dimensão da amostra (n) dividida pela
dimensão da população/universo (N). O.s.: FA= n/N.
Amostragem Aleatória
Simples

Método de lotaria

Exemplo: Inquérito a pequenas empresas cujo universo é
400: Os nomes de 400 empresas são colocados num
recipiente qualquer, misturados, extraindo-se uma amostra
de 50, ou seja: 1/8.

É exequível perante uma pequena população.
Amostragem Aleatória
Simples

Método dos números aleatórios

Mais utilizado que o método de lotaria.

É atribuído um número de identificação exclusivo a cada membro
da população. No caso das pequenas empresas, de 001 a 400.

Podem-se também usar tabelas de números aleatórios.

Procedimentos do investigador: começar por uma coluna
escolhida aleatoriamente e verificar os números de 3 dígitos nessa
coluna. Quando esse número de 3 dígitos recai entre 001 e 400,
essa pequena empresa passa a figurar na amostra. O processo
continua até obtenção de uma amostra de 50 unidades.

Usual a amostragem sem substituição.
Amostragem Sistemática

Método da seleção sistemática

Exige menor tempo;

Em que consiste? Todos os elementos da população são enumerados e é
utilizado um intervalo de amostragem fixo para extrair os membros da
amostra. Este intervalo de amostragem é o recíproco da fração de
amostragem.

Caso da amostra de 50 pequenas empresas, num universo de 400, a FA é de
1/8 e o intervalo de amostragem seria 8. Portanto: seria selecionada cada
oitava pequena empresa da lista após um começo aleatório entre 1 e 8 (o
intervalo de amostragem). Ex.º: em caso de a primeira empresa selecionada
for a 5, seguidamente é a número 13 a escolhida e depois a 21 e assim por
diante.

Feita sem substituição.

A seleção de um elemento condiciona todos os seguintes, que são
selecionados pela ordem da lista. Assim: é impossível que números vizinhos
na lista entrem na amostra, assegurando-se uma vantagem: a distribuição
mais regular na população do que na amostra casual simples.
Amostragem Estratificada

A estratificação implica dividir uma população em vários
segmentos ou estratos, com base numa ou mais
caraterísticas que se presume estarem estritamente
associadas com as variáveis de estudo, selecionando-se em
cada estrato uma amostra probabilística.

VANTAGEM: aumenta a precisão com custos adicionais
mínimos, assegurando que a amostra é representativa da(s)
caraterística(s) empregue(s) para formar os estratos.
Amostragem por clusters

Especialmente útil quando o universo estatístico é formado por populações
de grande dimensão e dispersas por vastas áreas geográficas.

Usa agrupamentos naturais de elementos da população, nos quais cada
elemento da população pertence a um só grupo. Para tal, é necessário que
se disponha de uma listagem completa das amostras primárias (por
exemplo, as turmas de uma escola).

Os clusters são escolhidos aleatoriamente e, dentro de cada cluster, todos os
elementos são selecionados. Ou seja, só existe uma etapa de amostragem.
Está orientada para a seleção de grupos de elementos e não de elementos
individuais.
Segundo HILL et al. (2002), este método tem a vantagem de ser muito útil
quando for difícil, ou impossível, conhecer todos os casos do universo, mas
todos estes casos existem, naturalmente, por clusters.

Desvantagem: os clusters devem ser relativamente semelhantes de modo a
que uma amostra aleatória de clusters possa ser uma amostra
representativa dos casos do universo.
Amostragem Multi-Etápica ou Por Etapas

Seleciona-se em primeiro lugar, aleatoriamente, uma
amostra por clusters – repare-se que é muito mais fácil obter
uma lista por clusters (por exemplo, de escolas) do que uma
lista exaustiva dos elementos que compõem a população
(por exemplo, todos os alunos).

Seguidamente pode-se realizar, ou não, uma segunda etapa,
na qual são escolhidos aleatoriamente alguns elementos dos
clusters selecionados na fase anterior ou, então, continuando
com a seleção de clusters até se chegar às unidades
elementares.
Amostragens Não
Probabilísticas
TIPOS

Amostragem acidental ou de conveniência;

Amostragem por quotas;

Amostragem por redes ou bola de neve.
Amostragem acidental ou
de conveniência

Formada por sujeitos facilmente acessíveis, que estão
presentes num determinado local e momento preciso.

Exemplo: sujeitos hospitalizados.

Vantagens: simples em organizar e pouco onerosa.

Desvantagens: Pode provocar enviesamentos, pois nada
garante que os selecionados são representativos da
população-alvo.
Amostragem por quotas

Idêntica à amostragem aleatória estratificada. Difere desta pela não
escolha aleatória dos sujeitos no interior de cada estrato ou grupo.

Contudo, e segundo HILL et al. (2002), há duas grandes desvantagens
com este método de amostragem:
(1)
Embora o número de casos em cada um dos estratos seja proporcional
ao número de casos no mesmo estrato do universo, a amostra de casos
dentro do estrato, por não ser escolhida ao acaso, não é
necessariamente representativa dos casos do estrato correspondente ao
universo.
(2)
Os autores defendem que há quase sempre um enviesamento na
seleção dos casos dentro dos estratos porque a amostra de casos é
normalmente escolhida por meio de um método de amostragem por
conveniência. Tal característica remete-nos para uma segunda
desvantagem pois, nestes casos, não é possível extrapolar com
confiança para o universo os resultados e conclusões tiradas a partir da
amostra.
Amostragem por redes ou
bola de neve

Forma-se tomando por base redes sociais, amizades e
conhecimentos que, de outro modo, seriam difíceis de
encontrar.

Caso de matérias sigilosas ou sensíveis.
Determinação do Tamanho
da Amostra

Tamanho “ótimo” de uma amostra depende:
(1) Margem de erro: uma amostra representa aproximadamente (e nunca
exatamente) uma população. A medida deste “aproximadamente” é a
margem de erro.
É lida assim: se uma pesquisa tem uma margem de erro de 2% e a doença
cardíaca teve 25% de prevalência na amostra recolhida, podemos dizer que,
naquele instante, na população, haverá uma prevalência entre 23% e 27%
(25% menos 2% e 25% mais 2%);
(2) Nível de confiança: as pesquisas são feitas com um parâmetro chamado
nível de confiança, geralmente de 95%: se realizarmos uma outra pesquisa,
com uma amostra do mesmo tamanho, nas mesmas datas e locais e com o
mesmo instrumento de recolha de dados, há uma probabilidade de 95% de
que os resultados sejam os mesmos (e uma probabilidade de 5% - é claro –
de que tudo difira).
Determinação do Tamanho
da Amostra
- Nível de confiança estabelecido
O nível de confiança de uma amostra refere-se à área da curva normal definida a partir dos
desvios-padrão em relação à sua média.
Fatores que determinam o tamanho da amostra:

- Erro máximo permitido

Os resultados obtidos numa pesquisa elaborada a partir de amostras não são rigorosamente
exatos em relação ao universo. Esses resultados apresentam sempre um erro de medição.
Nas pesquisas sociais, trabalha-se usualmente com uma estimativa de erro entre 3 e 5%.
Erro amostral
Erro amostral ou de amostragem: diferença entre os resultados
obtidos numa amostra e os que teriam sido obtidos na
população-alvo.

Duas soluções para reduzir o erro amostral:

1. Retirar de forma aleatória e um número suficiente de
sujeitos que constituirão a amostra;

2. Procurar reproduzir, o mais fielmente possível, a
população tomando em consideração as suas caraterísticas.
Erro amostral
Distribuição normal

Se desejarmos um nível de confiança muito alto (superior a
99%) aplica-se a fórmula dos três desvios.
Distribuição normal
1
desvio
padrão
representatividade
=
68%
de
2 desvios = 95,5% de seu total
3 desvios= 99,7% da amostra ou população
Determinação do Tamanho
da Amostra

Para Populações infinitas (+ de 100 000 elementos)
Para populações finitas (menos de 100 000
elementos)
Bibliografia

Coutinho, Clara, “Métodos ou Técnicas de Amostragem”,
Universidade
do
Minho,
http://claracoutinho.wikispaces.com/M%C3%A9todos+e+
T%C3%A9cnicas+de+Amostragem

Hill, Margarida; Hill, Andrew (2009), Investigação por
Questionário, Lisboa, Edições Sílabo.

Moreira, Carlos Diogo (1994), Planeamento e Estratégias da
Investigação Social, Lisboa, ISCSP.

Pocinho, Margarida (2009), Estatística – Volume I. Teoria e
exercícios
passo-a-passo.
http://docentes.ismt.pt/~m_pocinho/Sebenta_estatistica%
20I.pdf
Links para plano de
amostragem

http://www.dgai.mai.gov.pt/cms/files/conteudos/file/administracao_eleitoral/Result
ados%20RE/Publicacao_DR_Ref31Dez2011(1).pdf

http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCMQ
FjAA&url=http%3A%2F%2Fwww.ine.pt%2Fngt_server%2Fattachfileu.jsp%3Flook_pare
ntBoui%3D131011296%26att_display%3Dn%26att_download%3Dy&ei=uNmLT76VAeH
F0QXMvsC3CQ&usg=AFQjCNHbhfDNxILJQHbMo9fjD-wCZQhSOw

http://www.pordata.pt/Subtema/Portugal/Recenseamento+Eleitoral-190

http://www.pordata.pt/Portugal/Recenseados+total+e+por+grupo+etario-2252

http://www.pordata.pt/Portugal/Recenseados+total+e+por+sexo-2251
Fontes/Entidades: DGAI/MAI - Base de Dados do Recenseamento Eleitoral, PORDATA
Última actualização: 2012-01-24