UNVERSDADE FEDERAL DO ESPRTO SANTO

CENTRO DE CNCAS AGRRAS

PROGRAMA DE PS-GRADUAO EM CNCAS FLORESTAS
KENNY DELMONTE OLIVEIRA
KEYLLA LOPES DE ALMEIDA
THIAGO LEITE BARBOSA
AMOSTRAGENS PROBABILISTICA E NO PROBABILISTICA: tcnicas e
apica!"es na #ete$%ina!&' #e a%'st$as
JERNMO MONTERO
2012
RES(MO
Este trabalho teve como principal objetivo geral investigar sobre as tcnicas e
aplicaes na determinao de amostras, tanto para amostragens probabilsticas
quanto para no probabilsticas, bem como apresentar conceitos e definies inerentes
a estas amostragens, informar as situaes adequadas para o uso das diversas
tcnicas e evidenciar quais so as limitaes do uso de cada uma. nicialmente foi
realizada uma pesquisa bibliogrfica visando prover o pesquisador de maior
conhecimento sobre o assunto em estudo, por meio de levantamento em fontes
bibliogrficas como livros, teses e artigos de revistas especializadas, onde a anlise e
discusso das tcnicas apresentadas esto baseadas em proposies tericas de
diversos autores. Este estudo permitiu constatar que uma amostra trata-se de um
subconjunto do universo ou da populao, por meio do qual se estabelecem ou se
estimam suas caractersticas. Sendo que, uma populao ou universo nada mais do
que um conjunto de elementos que possuem determinadas caractersticas, e os
principais requisitos de uma amostra probabilstica que esta deve ser homognea e
representativa da populao da qual foi retirada, portanto uma amostra ser tanto mais
ideais quanto mais prximos forem seus atributos da equiprobabilidade e
independncia. Espera-se que este trabalho sirva como fonte conceitual e base para a
compreenso dos principais critrios de adoo de cada um dos tipos de amostragem e
suas limitaes. Para enriquecimento e ampliao da proposta sugere-se uma pesquisa
mais abrangente dos muitos mtodos de cada um dos tipos de amostragem.
Palavras chave: Estatstica. Amostragem. Probabilidade. Populao.
S(M)RIO
* INTROD(+O,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 3
- OB.ETIVOS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 6
2.1 OBJETVO GERAL............................................................................................. 6
2.2 OBJETVOS ESPECFCOS.............................................................................. 6
/ REVISO DE LITERAT(RA,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 7
3.1 AMOSTRAGEM........................................................................................................... 7
3.2 TCNCAS DE AMOSTRAGEM............................................................................... 8
/,-,* Tcnica #e a%'st$a0e% p$'1a1i2stica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 8
3.3 FORMAS DE AMOSTRAGEM PROBABLSTCA................................................ 9
/,/,* A%'st$a0e% aeat3$ia si%pes,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 9
/,/,- A%'st$a0e% siste%4tica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 10
/,/,/ A%'st$a0e% est$ati5ica#a,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 12
/,/,6 A%'st$a0e% p'$ c'n0'%e$a#'s,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 13
/,/,7 Tcnica #e a%'st$a0e% n&' 8 p$'1a1i2stica,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 15
3.4 FORMAS DE AMOSTRAGEM NO - PROBABLSTCA..................................... 18
/,6,* A%'st$a0e% p'$ acessi1ii#a#e,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 18
/,6,- A%'st$a0e% #e c'n9eni:ncia,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 19
/,6,/ A%'st$a0e% intenci'na '; p'$ <;0a%ent',,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 19
/,6,6 A%'st$a0e% p'$ c'tas,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 21
/,6,7 A%'st$a0e% a es%' '; se% n'$%a,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 22
/,6,= A%'st$a0e% >;an#' a p'p;a!&' 5'$%a#a p'$ %ate$ia c'nt2n;',,,,,,, 22
6 CONSIDERACOES ?INAIS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 23
7 RE?ERENCIAS BIBLIOGR)?ICAS,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 24
AP@NCICE,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 26
3
* INTROD(+O
Segundo Pimentel Gomes (1984) por trs de cada publicao cientfica, de
pesquisa ou de divulgao, h toda uma tcnica e toda uma cincia, que tem como alvo
obter dados quantitativos (as estatsticas) e interpret-los convenientemente. A
Estatstica a cincia que lida com isso, sendo esta uma cincia muito antiga, pois j
em tempos remotos, realizava-se o levantamento de dados sobre colheitas, tamanhos
de rebanhos e populaes humanas. A partir do momento em que o homem se
organizou em sociedade a estatstica surgiu como processo organizado de contagem.
No sc. XV esta era tida como uma disciplina autnoma destinada exclusivamente a
descrever fatos ligados ao processo poltico, com base no planejamento do estado,
afirma Cmara e Silva, (2001). Mas o estudo propriamente cientfico desses problemas,
com base em clculos probabilsticos, relativamente recente, e s se desenvolveu
satisfatoriamente no sculo atual (PMENTEL GOMES, 1984).
O processo de contagem do todo, denominado Censo, apesar de ter sido um
dos primeiros procedimentos estatsticos, no dos tempos passados, sendo, porm
uma importante rea da estatstica atualmente. Seguido deste processo, surgiram
outros campos, designados por estatstica ndutiva ou nferencial. Subdividindo-se
ainda em diversas reas com base em sua especificidade dentre as quais se citam a
Estatstica Paramtrica ou No Paramtrica, Descritiva ou nferencial, Probabilstica ou
No Probabilstica, alm de aplicaes em reas especficas como Hidrologia
Estatstica (NAGHETTN; PNTO, 2007), Estatstica Ambiental (RODRGUES, 2006),
Estatstica Aplicada a Administrao (TAVARES, 2007) ou apenas a Estatstica Bsica
(CRESPO, 1999).
Freitas (2003) define a palavra estatstica, como a cincia que investiga os
processos de obteno, organizao e anlise de dados sobre uma populao, e os
mtodos de tirar concluses ou fazer predies com base nesses dados. A estatstica,
como parte da matemtica aplicada, trata da coleta, da anlise e da interpretao dos
dados observados. Examinando os mais variados fenmenos das diversas reas do
conhecimento, ela se apresenta como um valioso instrumento de trabalho nos tempos
contemporneos (RODRGUES, 2006).
4
Ao conjunto finito ou infinito de todos os possveis resultados ou realizaes, de
uma varivel qualquer dado o nome de populao. Na maioria das situaes, o que
se conhece um subconjunto extrado da populao, com um nmero limitado de
observaes o qual chamado de amostra. Essa por sua vez, constituda por
elementos que so extrados da populao, de maneira aleatria e independente
(NAGHETTN; PNTO, 2007).
Pode-se dizer que um dos principais objetivos dessa cincia de extrair
concluses vlidas sobre o comportamento populacional da varivel em anlise,
somente a partir da informao contida na amostra. Para obteno de concluses que
sejam teis tomada de decises, faz-se necessrio o estabelecimento de um modelo
matemtico probabilstico. Embora esse seja incapaz de prever com exatido certos
fenmenos, revela-se til quando se deseja conhecer a ocorrncia da probabilidade em
que um fenmeno seja igualado ou superado (NAGHETTN; PNTO, 2007). Porm
amostras no probabilsticas so muitas vezes empregadas em trabalhos estatsticos,
quer por simplicidade ou mesmo pela impossibilidade da obteno de amostras
probabilsticas (COSTA NETO, 1977).
Duas ramificaes, de grande importncia para cincias aplicadas, tm sido
apresentadas teoria de probabilidades: a estatstica matemtica e o estudo de
processos estocsticos. A primeira o ramo da teoria de probabilidades que permite
analisar um conjunto limitado de observaes de um fenmeno aleatrio e extrair
inferncias quanto ocorrncia das provveis realizaes do fenmeno em estudo. J
o estudo de processos estocsticos refere-se identificao e interpretao da
aleatoriedade presente nestes processos (NAGHETTN; PNTO, 2007).
nicialmente deve ser definido qual ou quais as caractersticas dos elementos
que devero ser verificadas, pois no se trabalha estatisticamente com os elementos
existentes, mas com caractersticas dos mesmos, ou seja, com os valores de uma
varivel ou caracterstica de interesse, e no com os elementos originalmente
considerados. Esta escolha depender dos objetivos do estudo, podendo esta varivel
ser qualitativa, quando resultar de uma classificao por tipos ou atributos, ou
quantitativa, quando seus valores forem expressos em nmeros (FRETAS, 2003).
Sendo assim, importante compreender quais so as situaes adequadas para o uso
5
das tcnicas de amostragem probabilstica e amostragem no probabilstica, e quais
so as limitaes do uso de cada uma dessas tcnicas.
O presente trabalho trata-se de uma pesquisa bibliogrfica que visa prover o
pesquisador de maior conhecimento sobre o assunto estudado. Nesse estgio de
investigao, o levantamento bibliogrfico dado a partir de informaes pertinentes
encontradas em livros, teses e artigos de revistas especializadas. Os principais
recursos utilizados para esta pesquisa foram: biblioteca do Departamento de Cincias
Florestais e da Madeira, e a rede mundial de computadores nternet. A anlise e
discusso das tcnicas apresentadas esto baseadas em proposies tericas de
diversos autores.
6
- OB.ETIVOS
2.1 OBJETVO GERAL
nvestigar sobre as tcnicas e aplicaes na determinao de amostras, tanto
para amostragens probabilsticas quanto para no probabilsticas.
2.2 OBJETVOS ESPECFCOS
Apresentar conceitos e definies inerentes a amostras probabilsticas e no
probabilsticas;
nformar as situaes adequadas para o uso das diversas tcnicas;
Evidenciar quais so as limitaes do uso de cada uma dessas tcnicas.
7
/ REVISO DE LITERAT(RA
3.1 AMOSTRAGEM
Por mais que o estudo de todos os elementos da populao possibilite um
preciso conhecimento das variveis que esto sendo pesquisadas, nem sempre
possvel obter as informaes de todos os elementos da populao. Limitaes de
tempo, custo e vantagens do uso de tcnicas de inferncia justifica o uso de amostras.
Por essa razo, o mais frequente trabalhar com uma amostra, ou seja, com uma
pequena parte dos elementos que compe o universo (GL, 2010). Torna-se claro que a
representatividade da amostra depender do seu tamanho e da forma como coletada
visando obter uma amostra significativa, e que de fato represente toda a populao
(GONALVES, 2009).
Uma amostra trata-se de um subconjunto do universo ou da populao, por
meio do qual se estabelecem ou se estimam as caractersticas desse universo ou
populao. Sendo que, uma populao ou universo nada mais do que um conjunto de
elementos que possuem determinadas caractersticas (MASSUKADO-NAKATAN,
2009).
De forma concisa a amostra pode ser definida, de acordo com Levine et al.,
(2008), como uma parcela de uma populao selecionada para fins de anlise.
A representatividade e imparcialidade so duas questes 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 proporo tudo o que a
populao possui. Alm do mais, todos os elementos da populao devem ter igual
oportunidade de fazer parte da amostra, ou seja, tambm deve ser imparcial
(GONALVES, 2009).
Quando essa amostra rigorosamente selecionada, os resultados obtidos
tendem a aproximar-se bastante dos auferidos se todos os elementos do
universo fossem pesquisados. E, com o auxlio de procedimentos estatsticos,
torna-se possvel at mesmo calcular a margem de segurana dos resultados
obtidos (GL, 2010, p. 109).
8
A amostragem pode ser dividida basicamente em amostragem probabilstica e
no probabilstica. A primeira, por seguir as leis estatsticas, permite a expresso da
probabilidade matemtica, ou seja, de se encontrar na amostra as caractersticas da
populao, ao passo que a segunda depende de critrio e julgamento estabelecido pelo
pesquisador para a produo de uma amostra fiel. As vantagens e desvantagens dos
dois tipos que a amostra no probabilstica mais rpida e menos onerosa, enquanto,
que a probabilstica confere maior confiabilidade aos resultados obtidos, na medida em
que, nesta, cada elemento da populao possui a mesma probabilidade, previamente
conhecida e diferente de zero, de ser includo na amostra, alm de que numa
amostragem probabilstica possvel extrair concluses que podem ser generalizadas
para toda a populao algo que no se pode fazer na no probabilstica (STEVESON,
1986).
3.2 TCNCAS DE AMOSTRAGEM
/,-,* Tcnica #e a%'st$a0e% p$'1a1i2stica
As amostras por probabilidade so amostras em que os componentes so
extrados da populao de acordo com probabilidades conhecidas. O mecanismo de
probabilidade pelo qual os componentes so selecionados especificado antes de
iniciada a amostragem e no deixa ao investigador qualquer margem para decidir que
itens da populao devem ser includos na amostra (MERRLL; FOX, 1977).
Os elementos da amostra so selecionados atravs de alguma forma de sorteio
no tendencioso, como por exemplo, tabelas de nmeros aleatrios ou nmeros
aleatrios gerados por computador. Com a utilizao de sorteio elimina-se a influncia
do pesquisador na obteno da amostra, e garante que todos os integrantes da
populao tem a probabilidade de pertencer amostra (FRANCO s.d.).
Segundo Fonseca e Martins (1996), os mtodos de amostragem probabilstica
exigem que cada elemento da populao possua determinada probabilidade de ser
selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o
tamanho da populao, a probabilidade de cada elemento ser 1/N. So mtodos que
9
garantem cientificamente a aplicao das tcnicas estatsticas de inferncia. E somente
com base em amostragens probabilsticas que se podem realizar inferncias ou
indues sobre a populao a partir do conhecimento da amostra.
Merrill e Fox (1977) citam que ao delinear uma amostra por probabilidade, o
investigador pode determinar o tamanho da amostra necessrio para obter um
determinado grau de exatido na estimativa de um parmetro. Alm disso, h menos
oportunidade para os inspecionadores ou entrevistadores introduzirem vcios na coleta
de dados para a amostra, porque seu julgamento no entra no jogo na escolha dos
itens da amostra.
3.3 FORMAS DE AMOSTRAGEM PROBABLSTCA
/,/,* A%'st$a0e% aeat3$ia si%pes
Trata-se do mtodo mais elementar e frequentemente utilizado. Nesse processo
de amostragem, assim como em outros mtodos probabilsticos, assegurado que
todos os elementos do universo tenham a mesma possibilidade de serem considerados
(FONSECA; MARTNS, 1996).
Para realizar uma amostragem aleatria simples, recomenda-se fazer uma
listagem dos elementos da populao, atribuindo aleatoriamente um nmero para cada
um desses elementos. Feito isso, o pesquisador dever sortear dentro de toda a
populao, atribuindo aleatoriamente um nmero para cada um desses elementos.
Feito isso, o pesquisador dever sortear dentro de toda a populao, desconhecendo
inteiramente a quem esses nmeros esto associados, os nmeros adequados de
elementos que iro compor a amostra (ANDERSON; SWEENEY; WLLAMS, 2007).
Para reali zao do sorteio, normalmente so utili zadas Tabelas de
Nmeros Aleatrios (TNA) que consistem em sequencias de dgitos contendo os
algarismos 0, 1, 2,..., 7, 8 e 9, distribudos aleatoriamente (APNDCE A). Esses
nmeros podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer
ordem, como por colunas, num sentido ou noutro, por linhas, diagonalmente, etc., e
podem ser considerados aleatrios (STEVENSON, 1986).
10
Nesse tipo de amostragem, a variabilidade amostral ou erro amostral bem
determinado, e para se obter uma boa amostragem recomendvel que a populao
seja homognea e grande, essa tcnica tambm mais adequada quando se conhece
a lista de todos os elementos que compem a populao alvo (FRANCO, s.d.).
Um simples exemplo dessa tcnica pode ser observado ao aplicar um
questionrio sobre satisfao com os servios da agncia em 10 clientes de um banco
de dados de 100 pessoas, em que, a aleatria simples est em atribuir um nmero a
cada cliente e proceder com o sorteio de 10 clientes.
/,/,- A%'st$a0e% siste%4tica
De acordo com Merrill e Fox (1977), em muitos casos, as amostras sistemticas
podem ser tratadas como se fossem amostras aleatrias. A amostragem sistemtica
trata-se de uma variao da aleatria simples, que exige que cada elemento da
populao possa ser identificado de acordo com sua posio, o que s pode ser feito
em caso de se poder identificar a posio de cada membro num sistema ordenado
(FRANCSCO, 2011).
Em uma amostragem sistemtica, todo k-simo elemento de uma populao
ordenada includo na amostra. O ponto de partida escolhido, aleatoriamente, entre
os k primeiros elementos, e a amostragem prossegue at que tenham sido escolhido n
elementos (MERRLL; FOX, 1977).
No mesmo exemplo usado para ilustrar uma amostragem aleatria simples,
onde se aplica um questionrio sobre satisfao com os servios da agncia em 10
clientes de um banco de dados de 100 pessoas, a amostragem sistemtica 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 nmero entre 1 e 10 por exemplo, 7;
A primeira unidade a ser escolhida ser 7, a segunda a 17, a terceira 27 e
assim por diante... 77, 87..., 97;
11
Assim criou-se uma lgica de escolha aleatria sistemtica.
De acordo com Franco (s.d.), esse tipo de amostragem requer uma listagem
dos itens da populao como a amostragem aleatria simples, entretanto, deve-se
tomar cuidado se a populao do tipo homem, mulher, homem, mulher, ou se os itens
se apresentam agrupados ou com carter peridico, pois esta lgica poderia se criar
uma tendenciosidade indesejada, pois poderiam ser escolhidos somente homens ou
somente mulheres. Ento, torna-se recomendvel que a populao seja homognea
(KARMEL; POLASEK, 1974; FRANCO, s.d.).
Outra desvantagem desse modelo de amostragem, que em populaes muito
grandes, pode ser muito trabalhoso a identificao de cada elemento (FRANCO, s.d.).
Entretanto, a amostragem sistemtica uma tcnica relativamente simples e,
em alguns casos, pode ser mais eficiente do que a amostragem aleatria simples. A
principal dificuldade realmente o fato de que as amostras sistemticas nem sempre
so aleatrias. Ento, se a populao ordenada de modo sistemtico em relao s
caractersticas estudadas, ento possvel que somente determinados tipos de
elementos sejam includos, ou que certos tipos sejam sistematicamente mais includos
do que outros (MERRLL; FOX, 1977).
Para entender melhor essa desvantagem de uma seleo sistemtica quando
h alguma periodicidade na lista dos elementos a serem sorteados, tornando a seleo
tendenciosa, observe o seguinte exemplo: se uma lista de moradias, ordenadas
segundo as ruas, amostrada atravs da retirada do dcimo domiclio, se houver dez
casas em cada quadra da rua, a amostra conter ou todas as casas de esquina ou no
conter nenhuma, oque pode afetar significativamente no resultado da pesquisa
dependendo do parmetro estudado. Apesar disso, muitas selees sistemticas so
equivalentes s escolhidas aleatrias (KARMEL; POLASEK, 1974).
/,/,/ A%'st$a0e% est$ati5ica#a
A amostragem aleatria simples o tipo mais fcil de delineamento de
amostragem, porm quando so disponveis informaes suplementares sobre a
12
populao, alm de apenas uma lista das unidades a serem amostradas, outros
planejamentos podem ser usados, nesse caso, a amostragem estratificada seria mais
interessante. Alm do mais, em certas circunstncias, a amostra estratificada fornece
erro de amostragem menor que uma aleatria simples, do mesmo tamanho (KARMEL;
POLASEK, 1974).
Algumas vezes a amostragem aleatria simples no garante que a amostra seja
to representativa em relao outra varivel, como por exemplo, o levantamento de
dados de uma populao, em que esta pode ser estratificada (em subgrupos ou
estratos) por sexo, idade, renda ou classe social poderia tornar-se mais adequado para
populaes heterogneas dependendo do foco da pesquisa (FRANCO, s.d.).
Sendo assim, a variao dentro dos subgrupos menor por serem mais
homogneos do que a variao entre os subgrupos, tornando a amostragem mais
representativa da populao, oferecendo mais preciso do que as amostragens
aleatrias simples e sistemtica, e dessa forma, exigindo maior conhecimento (mais
informaes) da populao.
Para STEVENSON (1986), a amostragem estratificada pressupe a diviso da
populao em subgrupos (estratos) de itens procedendo-se ento amostragem em
cada subgrupo. A lgica do processo que, dispondo dos itens da populao global, o
que leva necessidade de um menor tamanho de amostra. possvel perceber isto
considerando um caso extremo: Suponha idnticos os itens em cada estrato. Em tal
caso, basta uma nica observao de cada subgrupo para dizer do seu
comportamento. Dessa forma, quanto maior a semelhana entre os elementos de cada
estrato, menor o tamanho da amostra necessria.
Relembrando o exemplo em que se aplicar um questionrio sobre satisfao
com os servios da agncia em 10 clientes de um banco de dados de 100 pessoas.
Uma estratificao por sexo (masculino e feminino) seria da seguinte forma: primeiro
verifica-se o percentual de cada sexo sobre a populao, ento, suponhamos que das
100 pessoas 30% so mulheres e 70% so homens. Aps essa verificao, delimita-se
que dos 10 clientes a serem entrevistados 03 (30% da amostra) devem ser mulheres e
07 (70% da amostra) homens.
13
Para o exemplo dado acima, possvel chamar ateno para outro ponto
importante nesse tipo de amostragem. Sendo este, o fato de que a amostragem
estratificada pode ser ainda proporcional ou no proporcional. Para uma amostragem
proporcional, busca-se uma amostra similar composio da populao, por exemplo,
se entre os funcionrios do departamento metade so mulheres, uma amostra
estratificada por sexo dever ser composta por 50% de mulheres. No entanto, para uma
amostragem no proporcional, no se observa a extenso dos estratos em relao
populao, o que pode afetar significativamente no resultado da pesquisa
(FRANCSCO, 2011).
/,/,6 A%'st$a0e% p'$ c'n0'%e$a#'s
Na amostragem por conglomerados, os elementos da populao so divididos
em grupos distintos denominados conglomerados. Cada elemento da populao
pertence a um e somente um conglomerado. Extrai-se, ento, uma amostra aleatria
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 no so similares. No caso
ideal, cada conglomerado uma verso representativa em pequena escala da
populao inteira (ANDERSON; SWEENEY; WLLAMS, 2007).
Trata-se de um tipo de amostragem por ncleo, em que os ncleos so
subdivises geogrficas, como quarteires, cidades, ou estados. Os conglomerados
(unidades de amostragem) a serem includos na amostra so escolhidos
aleatoriamente, e as unidades elementares de onde se obtero as informaes
desejadas so, ento aleatoriamente selecionadas em relaes a todas as unidades
dentro de cada rea (MERRLL; FOX, 1977).
Karmel e Polasek (1974) relacionam o uso desse mtodo para amostras de
populaes humanas, pois uma das coisas mais difceis para esse tipo de amostra, seja
para qualquer proposito, decorrente do fato de que a populao pode estender-se
sobre uma rea muito grande.
14
O valor da amostragem por conglomerados depende de quo representativo
cada conglomerado da populao inteira. Se todos os conglomerados forem similares
nesse sentido, a amostragem de um pequeno nmero de conglomerados produzir
boas estimativas dos parmetros populacionais (ANDERSON; SWEENEY; WLLAMS,
2007).
ndicada para situaes onde difcil a identificao dos elementos, como por
exemplo, para a populao de uma cidade, em que a seleo da amostra por
conglomerado poderia ser realizada em quarteires ou em bairros. Normalmente, os
conglomerados tpicos para a seleo de amostras so quarteires, famlias,
organizaes, edifcios, fazendas e bairros (MASSUKADO-NAKATAN, 2009).
Segundo Merrill e Fox (1977), a amostragem por conglomerado, tambm
conhecida como amostragem por rea, elimina o problema de relacionar todos os itens
de uma grande populao finita. , portanto, um processo muito til na obteno de
amostras por probabilidade em pesquisas de mbito nacional. Os departamentos
governamentais, por exemplo, empregam frequentemente a amostragem por
conglomerado.
Segundo (FRANCO s.d.), uma amostragem por conglomerado recomendada
quando:
preciso fazer entrevistas ou observaes em grandes reas geogrficas;
O custo de obteno dos dados cresce com o aumento da distncia entre os
elementos;
No se tem a lista de todos os elementos da populao ou a obteno desta
listagem dispendiosa;
Um exemplo tpico desse tipo de amostragem : como deve ser escolhida uma
amostra para estimar o rendimento mdio familiar em uma grande cidade?
Como no h uma listagem de todas as famlias da cidade e praticamente
impossvel obt-la, no possvel usar a amostragem aleatria simples e estratificada.
Ento, a cidade pode ser dividida em bairros (conglomerados) e tomada uma amostra
aleatria dos bairros e neles pesquisa-se a renda de todas as famlias do bairro.
15
A amostragem por conglomerados bastante utilizada em casos nos quais a
populao muito extensa, ento, essa forma de amostragem torna-se extremamente
til (FRANCSCO, 2011).
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
exatido nas estimativas, mas essa desvantagem mais do que compensada pela
reduo de custos que se obtm concentrando-se os entrevistadores em um nmero
limitado de zonas geogrficas, acarretando menores despesas, por exemplo. Esse
aspecto preponderante no caso de pesquisas de mbito nacional.
importante que no se confunda os mtodos de amostragem por
conglomerado com o mtodo de amostragem estratificada, pois como j foi mencionado
anteriormente, o primeiro mtodo divide a populao em vrios subgrupos homogneos
com elementos heterogneos, selecionados baseando-se na facilidade ou
disponibilidade de acesso, j o segundo mtodo a populao e dividida em subgrupos
heterogneos com elementos homogneos, selecionados com base nos critrios
relacionados s variveis em estudo.
/,/,7 Tcnica #e a%'st$a0e% n&' p$'1a1i2stica
Levine et al., (2008, p. 218) afirma que em uma amostra no probabilstica voc
seleciona os itens ou indivduos sem conhecer suas respectivas probabilidades de
seleo.
Sendo assim, uma amostragem ser no probabilstica quando a probabilidade
de alguns ou de todos os elementos da populao de pertencer amostra
desconhecida (MASSUKADO-NAKATAN, 2009).
Sobre esta temtica Levine et al., (2008) defende a ideia de que a teoria
desenvolvida para amostragem probabilstica no pode ser aplicada a amostragem no
probabilstica.
As tcnicas estatsticas pressupem que as amostras utilizadas sejam
probabilsticas, o que muitas vezes no se pode conseguir (MERRL; FOX, 1977).
16
Deste modo, amostras no probabilstica so muitas vezes empregadas em
trabalhos estatsticos, por simplicidade ou por impossibilidade de se obterem amostras
probabilsticas, como seria desejvel (COSTA NETO, 1977).
Pode-se inferir que normalmente amostras no probabilsticas so utilizadas em
pesquisa quando h uma restrio de cunho operacional ao uso da amostragem
probabilstica, como, por exemplo, o fato de a populao ser infinita ou de no se ter
acesso a todos os elementos da mesma (GONALVES, 2009).
Muitas vezes a necessidade de optarmos pela utilizao de uma amostra no
probabilstica deriva-se da inacessibilidade a toda a populao. Quando esta situao
ocorre o pesquisador forado a colher a amostra na parte da populao que lhe
acessvel. Surge aqui, portanto, uma distino entre populao objeto e populao
amostrada. A populao objeto aquela que temos em mente ao realizar o trabalho
estatstico. Apenas uma parte desta populao, porm, est acessvel para que dela
retiremos a amostra. Esta parte a populao amostrada. (COSTA NETO, 1977).
Uma situao muito comum em que ficamos diante da inacessibilidade a toda a
populao o caso em que parte da populao no tem existncia real, ou seja, uma
parte da populao ainda hipottica (MERRL; FOX, 1977).
Em muitos casos os efeitos da utilizao de uma amostragem no probabilstica
podem ser considerados equivalentes a uma amostra probabilstica, resulta que os
processos no probabilsticos de amostragem tm tambm sua importncia (COSTA
NETO, 1977).
Se as caractersticas da varivel de interesse, por exemplo, forem s mesmas
na populao objeto e na populao amostrada, ento este tipo de amostragem
equivaler a uma amostragem probabilstica (COSTA NETO, 1977).
No entanto deve se ter cuidado ao optar-se pela utilizao desta modalidade de
amostra, uma vez que este tipo de amostragem subjetiva, baseada na deciso
pessoal do pesquisador, e a variabilidade amostral no pode ser estabelecida com
preciso (FRANCO, s.d.).
Conforme Levine et al., (2008) amostras no probabilsticas podem oferecer
certas vantagens, tais como convenincia, velocidade e baixo custo. Entretanto, elas
carecem de preciso, em decorrncia de vieses de seleo, e o fato de os resultados
17
no poderem ser generalizados supera, em muito, essas vantagens. Por conseguinte,
os mtodos de amostragem no probabilstica devem ser utilizados exclusivamente
para estudos em pequena escala que precedam grandes investigaes.
Para os casos em que o uso da amostra no probabilstica for vivel, deve-se
atentar para algumas variveis para que o mesmo obtenha xito, o sucesso da
utilizao de uma amostra no probabilstica em uma pesquisa depende, por exemplo,
dos critrios e julgamentos do pesquisador (MASSUKADO-NAKATAN, 2009).
De acordo com Anderson, Sweeney e Williams (2007) nos mtodos de
amostragem probabilstica, h frmulas disponveis para avaliar a "excelncia dos
resultados amostrais em termos do quo prximo eles esto dos parmetros
populacionais a serem determinados, uma avaliao da excelncia no pode ser feita
com base em amostragens no probabilsticas.
Em uma amostragem no probabilstica no se conhece a probabilidade do
elemento da populao pertencer amostra, o erro amostral no pode ser estimado, e
no se podem estender os dados da amostra para a populao com uma medida de
probabilidade de acertar, entretanto, uma amostragem desse tipo pode ser utilizada
quando a listagem dos elementos da populao nem sempre possvel na prtica. E
ainda, na etapa preliminar em projetos de pesquisa, em projetos de pesquisa qualitativa
onde h bom conhecimento da populao e onde a populao no pode ser
relacionada (FRANCO, s.d.).
A escolha da tcnica de amostragem uma etapa importante do mtodo
cientfico de pesquisa. Quando a amostra rigorosamente selecionada, os
resultados obtidos no levantamento tendem a aproximar-se bastante dos que
seriam obtidos caso fosse possvel pesquisar todos os elementos do universo
(GL, 2010, p. 109).
No entanto vlido lembrar que conforme Cervo e Bervian (2003) o mtodo
apenas um meio de acesso; s a inteligncia e a reflexo descobrem o que os fatos
realmente so.
Segundo Andrade (2010) h mais exatido nas cincias experimentais que nas
cincias humanas. Na verdade, as cincias experimentais pesquisam, de modo geral,
18
fenmenos fsicos, regidos por determinismo da natureza, por leis fatais passveis de
previso e que podem at ser provocados para serem mais bem observados.
Neste contexto a seleo do tipo de amostragem com o qual se ir trabalhar
influenciar diretamente na exatido dos resultados encontrados, sendo, portanto de
fundamental importncia escolha de uma tipologia amostral coerente com o carter
da pesquisa e com o objetivo impetrado pela mesma. Nos tpicos que se seguem sero
apresentados alguns tipos de amostragem probabilstica e no probabilstica.
3.4 FORMAS DE AMOSTRAGEM NO PROBABLSTCA
/,6,* A%'st$a0e% p'$ acessi1ii#a#e
Este pode ser considerado o menos rigoroso de todos os tipos de amostragem,
uma vez que se procede a seleo dos elementos aos quais se tem acesso para que a
realizao da pesquisa se torne possvel (MASSUKADO-NAKATAN, 2009).
nfelizmente esta situao ocorre com muita frequncia na prtica, uma vez que
de acordo com Costa Neto (1977, p. 43) "nem sempre possvel se ter acesso a toda a
populao objeto de estudo, sendo assim preciso dar segmento a pesquisa utilizando-
se a parte da populao que acessvel na ocasio da pesquisa.
Um exemplo da aplicao desta tipologia de amostragem dado por
Massukado e Nakatani (2009) Entrevistar os gerentes gerais dos hotis x e y, pois
foram os que autorizaram a entrevista.
Outra exemplificao seria conforme Costa Neto (1977) o fato de que ao se
buscar pesquisar a populao constituda por todas as peas produzidas por certa
mquina que se encontra em funcionamento, no ser possvel se ter acesso parte da
populao constituda pelas peas que ainda sero produzidas.
/,6,- A%'st$a0e% #e c'n9eni:ncia
uma tcnica de amostragem em que, como o prprio nome implica, a amostra
identificada primeiramente por convenincia. Elementos so includos na amostra
19
sem probabilidades previamente especificadas ou conhecidas de eles serem
selecionados. Por exemplo, um professor que faz pesquisas em uma universidade pode
utilizar estudantes voluntrios para compor uma amostra, simplesmente porque eles
esto disponveis e participaro como objetos de experincia por pouco ou nenhum
custo (ANDERSON; SWEENEY; WLLAMS, 2007).
O presente caso de amostragem no probabilstica pode ocorrer segundo Costa
Neto (1977) quando, embora se tenha a possibilidade de atingir toda a populao,
retiramos a amostra de uma parte que seja prontamente acessvel.
De acordo Anderson, Sweeney e Williams (2007) amostras por convenincia
tm a vantagem de permitir que a escolha de amostras e a coleta de dados sejam
relativamente fceis; entretanto, impossvel avaliar a "excelncia da amostra em
termos de sua representatividade da populao. Uma amostra por convenincia tanto
pode produzir bons resultados como no; nenhum procedimento estatisticamente
justificvel possibilita uma anlise de probabilidade e inferncia sobre a qualidade dos
resultados da amostra.
/,6,/ A%'st$a0e% intenci'na '; p'$ <;0a%ent'
Nas amostras intencionais enquadram-se os diversos casos em que o
pesquisador deliberadamente escolhe certos elementos para pertencer amostra, por
julgar tais elementos bem representativos da populao (COSTA NETO, 1977, p. 45).
Um exemplo prtico deste tipo de amostragem ao se almejar investigar
variveis inerentes a uma comunidade proceder aplicao dos questionrios junto aos
lderes 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 polticas de um grupo de
operrios, por exemplo, como a pesquisa tem como objetivo a mobilizao do grupo
envolvido, ser interessante selecionar trabalhadores conhecidos como elementos
ativos em relao aos movimentos sindicais e polticos, bem como trabalhadores sem
qualquer participao em movimentos dessa natureza. As informaes que estes dois
grupos de trabalhadores podem transmitir sero muito mais ricas as que seriam obtidas
20
com base em critrios rgidos de seleo de amostras. Estas informaes no so
generalizveis para totalidade da populao, mas podem proporcionar os elementos
necessrios para identificao da dinmica do movimento.
O emprego deste tipo de amostra requer conhecimento da populao e dos
elementos selecionados (MASSUKADO-NAKATAN, 2009).
De acordo com Gil (2010) na pesquisa etnogrfica, por exemplo, no existe a
preocupao do pesquisador em selecionar uma amostra com base em critrios
estatsticos de proporcionalidade e representatividade em relao ao universo
pesquisado. A ocorrncia mais comum a seleo da amostra com base no julgamento
do prprio pesquisador. Ele seleciona os membros do grupo, organizao ou
comunidade que julgar mais adequados para fornecer repostas ao problema proposto.
O perigo deste tipo de amostragem obviamente grande, pois o pesquisador
pode facilmente se equivocar em seu pr-julgamento (COSTA NETO, 1977).
A utilizao da amostra intencional ou por julgamento tambm muito comum
numa tipologia de pesquisa conhecida como pesquisa-ao. Neste tipo de pesquisa
segundo Gil (2010) o critrio de representatividade dos grupos investigados mais
qualitativo que quantitativo, sendo assim recomendvel utilizao de amostras
selecionadas pelo critrio de intencionalidade.
21
/,6,6 A%'st$a0e% p'$ c'tas
Apresenta maior rigor dentre as amostragens no probabilsticas
(MASSUKADO-NAKATAN, 2009).
Conforme Merrill e Fox (1977) a amostragem por cotas um tipo de
amostragem por julgamento. Em uma amostra por cota, fixam-se cotas de acordo com
determinados critrios, mas, dentro das cotas, a escolha dos itens da amostra depende
de julgamento pessoal.
Este tipo de amostragem muito utilizado em pesquisas eleitorais e de
mercado, tendo como principal vantagem seu baixo custo (GL, 2010).
O custo por entrevistado pode ser relativamente pequeno para uma amostra por
cota, mas h numerosas oportunidades de vcios que podem invalidar os resultados
(MERRL e FOX, 1977).
utilizada quando no existe um cadastro da populao que possibilite a
realizao do sorteio necessrio amostragem aleatria, mas ao mesmo tempo, existe
informao suficiente sobre o perfil populacional (MASSUKADO-NAKATAN, 2009).
De modo geral, desenvolvida em trs fases: (1) classificao da populao
em funo de propriedades tidas como relevantes para o fenmeno estudado; (2)
determinao da proporo da populao a ser colocada em cada classe com base na
constituio conhecida ou presumida da populao; (3) fixao de cotas para cada
entrevistador encarregado de selecionar elementos da populao a ser pesquisada de
modo tal que amostra total seja composta em observncia proporo das classes
consideradas (GL, 2010).
Em uma pesquisa sobre audio de rdio, por exemplo, o entrevistador pode
ser mandado entrevistar 500 pessoas residentes em determinada rea, de tal forma
que, de cada 100 pessoas entrevistadas, 50 sejam donas de casa, 30 sejam
fazendeiros e 20, crianas de menos de 15 anos. Dentro destas cotas, o entrevistador
tem liberdade de escolher os entrevistados (MERRLL; FOX, 1977).
22
/,6,7 A%'st$a0e% a es%' '; se% n'$%a
Amostragem a esmo ou sem norma a amostragem em que o pesquisador,
para simplificar o processo, procura ser aleatrio sem, no entanto, realizar propriamente
o sorteio usando algum dispositivo aleatrio confivel (COSTA NETO, 1977).
Os resultados da amostragem a esmo so, em geral, equivalentes aos de uma
amostragem probabilstica se a populao homognea e se no existe a possibilidade
do pesquisador ser inconscientemente influenciado por alguma caracterstica dos
elementos da populao (GONALVES, 2009).
/,6,= A%'st$a0e% >;an#' a p'p;a!&' 5'$%a#a p'$ %ate$ia c'nt2n;'
Quando a populao formada por material continuo impossvel realizar
amostragem probabilstica, devido impraticabilidade de um sorteio rigoroso. Se a
populao for lquida ou gasosa, o que se costuma fazer, com resultado satisfatrio,
homogeneiz-la e retirar a amostra a esmo. Tal procedimento pode s vezes, tambm
ser utilizado em caso de material slido (COSTA NETO, 1977).
Outro procedimento que pode ser empregado nesses casos, especialmente
quando a homogeneizao no praticvel, a enquartao, a qual consiste em
subdividir a populao em diversas partes (a origem do nome pressupe a diviso em
quatro partes), sorteando-se uma ou mais delas para constituir a amostra ou para delas
retirar a amostra. (COSTA NETO, 1977).
23
6 CONSIDERA+AES ?INAIS
A cincia estatstica subdivida em duas subreas quanto aos tipos de
amostragem, a probabilstica e no probabilstica, sendo que cada uma destas tcnicas
deve ser aplicada em situaes especficas, o que permite ao pesquisador adotar os
mtodos relativos aos seus objetivos.
A adoo do censo como estudo dos elementos populacionais, deve ser
preferida quando as limitaes de tempo e custos no so um problema, o que
raramente constatado, assim a opo mais plausvel a adoo de tcnicas de
inferncia.
Os principais requisitos de uma amostra probabilstica que esta deve ser
homognea e representativa da populao da qual foi retirada e uma amostra ser
tanto mais ideais quanto mais prximos forem seus atributos da equiprobabilidade e
independncia.
O rigor de amostragem decresce medida que se parte das formas de
amostragem probabilsticas a no probabilsticas, no entanto cada uma destas tcnicas
tem sua importncia, pois uma vez que no seja possvel realizar amostras
probabilsticas devido a impossibilidades de amostragem, como ocorrncia de
populaes infinitas ou em ultimo caso optando pela simplicidade, de forma que a
probabilidade de alguns ou todos os elementos da populao pertena amostra
desconhecida a segunda opo dever ser a alternativa.
24
7 RE?ERENCIAS
ANDERSON, D. R.; SWEENEY, D. J.; WLLAMS, T. A. Estat2stica apica#a B
a#%inist$a!&' e ec'n'%ia, 2. ed. So Paulo: Editora Cengage Learning, 2007. 597 p.
ANDRADE, M. M. Int$'#;!&' B %et'#''0ia #' t$a1aC' cient25ic'. 10. ed. So
Paulo: Atlas, 2010. 158 p.
CMARA, F. C. da; SLVA, O. Estat2stica n&' pa$a%t$ica: testes de hipteses e
medidas de associao. Ponta Delgada: Universidade de Aores, 2001.
CERVO, A. L; BERVAN, P. A. Met'#''0ia cient25ica. 5. ed. So Paulo: Prentice Hall,
2002. 242 p.
COSTA NETO, P. L. O. Estat2stica, So Paulo: Edgard Blcher, 1977. 264 p.
CRESPO, A. A. Estat2stica 54ci. [S.l.]: Editora Saraiva, 1999.
FONSECA, J. S.; MARTNS, G. A. C;$s' #e estat2stica, 6. ed. So Paulo: Atlas, 1996.
320 p.
FRANCSCO, T. R'tei$' pa$a ' #esen9'9i%ent' #e t$a1aC's cient25ic's ?ACIERC,
2011. Disponvel em: <http://pt.scribd.com/SeleSilveira2780/d/55993082/ 24-Tipos-de-
amostragem>. Acesso em: 20 maio 2012.
FRANCO, M. G. P$incipais tip's #e a%'st$a0e%, [s.d.]. Disponvel em:
<http://www.assedipa.com.br/portal/ined/conteudo/..%5Caula_virtual%5Clogistica
%5CAlexandre_albuquerque/M%C3%89TODOS%20QUANTTATVOS%20AULA
%2004.pdf>. Acesso em: 20 maio 2012.
FRETAS, C. da C.; RENN, C. D.; SOUSA JNOR, M. A. Estat2stica: curso 1. So
Jos dos Campos: NPE, 2003. 165 p.
GL, A. C. C'%' ea1'$a$ p$'<et's #e Pes>;isa. 5. ed. So Paulo: Atlas, 2010. 184
p.
GONALVES, J. B. A%'st$a0e%: conceitos bsicos. 2009. Disponvel em:
<http://www.ebah.com.br/content/ABAAAAVCsAA/amostragem. Acesso em: 20 maio
2012.
KARMEL, P. H.; POLASEK, M. Estat2stica Ge$a e Apica#a pa$a Ec'n'%istas, 2. ed.
So Paulo: Atlas, 1974. 601 p.
LEVNE, D. M.; et al. Estat2stica: teoria e aplicaes. 5. ed. Rio de Janeiro: TLC, 2008.
752 p.
25
MASSUKADO-NAKATAN, M. S. Mt'#'s e tcnicas #e pes>;isa e% t;$is%':
Amostragem. 2009. Disponvel em: http://www.turismo.ufpr.br/drupal5/files/ Aula
%2022%20-%20Amostragem.pdf. Acesso em: 20 maio 2012.
MERRLL, W. C.; FOX, K. A. Estat2stica Ec'nD%ica: Uma ntroduo. So Paulo:
Atlas, 1977. 738 p.
NAGHETTN, M; PNTO, E. J. de A. Hi#$''0ia estat2stica. Belo Horizonte, MG:
CPRM, 2007. 552 p.
PMENTEL GOMES, F. A Estat2stica M'#e$na na Pes>;isa A0$'pec;4$ia.
Piracicaba: Potafos, 1984. 160 p.
RODRGUES, W. C. Estat2stica A%1ienta. 3. ed. [S.l.]: USS, 2006. 47 p.
STEVESON, W. J. Estat2stica apica#a B a#%inist$a!&', So Paulo: Harbra, 1986.
495 p.
TAVARES, M. Estat2stica apica#a B a#%inist$a!&'. [S.l.]: SUAB, 2007. 142 p.
26
AP@NDICE
AP@NDICE 8 Ta1ea #e NE%e$'s Aeat3$i's FTNAG
LinCas
C';nas
01 02 03 04 05 06
01 470 715 699 472 408 370
27
02 292 653 252 237 989 243
03 360 536 549 500 986 173
04 052 198 427 537 325 229
05 305 904 332 486 098 566
06 637 138 348 359 209 995
07 536 379 072 338 695 003
08 040 692 174 197 232 111
09 420 235 898 268 955 840
10 797 491 428 282 244 115
11 840 242 660 957 088 588
12 735 313 200 637 842 314
13 560 234 355 179 865 249
14 309 725 729 660 825 540
15 018 926 857 365 571 793
16 933 051 588 512 604 190
17 195 368 742 249 106 398
18 115 644 018 783 756 775
19 178 674 153 365 862 817
20 381 943 264 363 870 342
21 432 999 878 640 599 142
22 114 545 930 309 805 333
23 806 814 413 395 509 178
24 350 242 257 813 625 965
25 012 465 625 395 753 951