Amostrage m

1. Amostragem

2. 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.

3. Métodos Formais de Amostragem • Servem para assegurar uma certa precisão na estimação dos parâmetros da população, reduzindo o erro amostral. • 1. Métodos de Amostragem Casual ou Métodos Probabilísticos • 2. Métodos de Amostragem Não Casual ou Métodos Não Probabilísticos ou Intencionais

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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 clusterssão 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 etal. (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 clustersdevem ser relativamente semelhantes de modo a que uma amostra aleatória de clusterspossa ser uma amostra representativa dos casos do universo.

13. 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 clustersaté se chegar às unidades elementares.

14. Amostragens Não Probabilísticas TIPOS • Amostragem acidental ou de conveniência; • Amostragem por quotas; • Amostragem por redes ou bola de neve.

15. 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.

16. 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 etal. (2002), há duas grandes desvantagens com este método de amostragem: • 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. • 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.

17. 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.

18. 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).

19. Determinação do Tamanho da Amostra - Nível de confiançaestabelecido 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. Fatoresquedeterminam o tamanho da amostra: • - Erromáximopermitido • Os resultados obtidos numa pesquisa elaborada a partir de amostras não são rigorosamente exatos em relação ao universo. Esses resultadosapresentam sempre um erro de medição. Nas pesquisas sociais, trabalha-se usualmente com uma estimativa de erro entre 3 e 5%.

20. 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.

21. Erro amostral

22. Distribuição normal • Se desejarmos um nível de confiança muito alto (superior a 99%) aplica-se a fórmula dos três desvios.

24. Distribuição normal 1 desvio padrão = 68% de representatividade 2 desvios = 95,5% de seu total 3 desvios= 99,7% da amostra ou população

26. Determinação do Tamanho da Amostra • Para Populações infinitas (+ de 100 000 elementos)

27. Para populações finitas (menos de 100 000 elementos)

28. Bibliografia • Coutinho, Clara, “MétodosouTécnicas de Amostragem”, Universidadedo Minho, http://claracoutinho.wikispaces.com/M%C3%A9todos+e+T%C3%A9cnicas+de+Amostragem • Hill, Margarida; Hill, Andrew (2009), InvestigaçãoporQuestionário,Lisboa,EdiçõesSílabo. • Moreira, Carlos Diogo (1994), Planeamento e Estratégias da Investigação Social, Lisboa, ISCSP. • Pocinho, Margarida (2009), Estatística – Volume I. Teoria e exercíciospasso-a-passo. http://docentes.ismt.pt/~m_pocinho/Sebenta_estatistica%20I.pdf

29. Linksparaplano de amostragem • http://www.dgai.mai.gov.pt/cms/files/conteudos/file/administracao_eleitoral/Resultados%20RE/Publicacao_DR_Ref31Dez2011(1).pdf • http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCMQFjAA&url=http%3A%2F%2Fwww.ine.pt%2Fngt_server%2Fattachfileu.jsp%3Flook_parentBoui%3D131011296%26att_display%3Dn%26att_download%3Dy&ei=uNmLT76VAeHF0QXMvsC3CQ&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