- Tipos de probabilidade ou amostragem aleatória
- Amostragem aleatória simples
- Amostragem aleatória sistemática
- Amostragem aleatória estratificada
- Amostragem de cluster aleatória
- Tipos de amostragem não probabilística
- Amostragem de conveniência
- Amostragem de cota
- Amostragem de bola de neve
- Amostragem discricionária
- Referências
Os tipos de amostragem são as várias formas de extrair dados de uma parte do total, uma poderosa ferramenta estatística cuja função é determinar que parte da população ou do universo é necessário examinar, fazer inferências e obter informações sobre ela.
A amostragem é muito importante quando você não pode ou não deseja analisar toda a população. Observe que o termo "população" não se refere apenas a um grande grupo de pessoas ou seres vivos, mas em geral ao total de elementos que serão estudados em um determinado problema.
Figura 1. A amostragem é importante para selecionar uma amostra representativa de um universo. Fonte: Pixabay.
De acordo com o tipo de amostragem escolhido, é selecionada a parte da população considerada mais representativa, sempre de acordo com os objetivos.
É claro que, quando apenas parte do universo de dados é retirada, é possível perder alguns detalhes e omitir informações, por isso os resultados não serão tão precisos quanto deveriam. Isso é conhecido como erro de amostragem.
A ideia é simplificar ao máximo o universo de dados, escolhendo a amostra mais representativa que seja capaz de fornecer o máximo de informações, para garantir a validade dos resultados.
Tipos de probabilidade ou amostragem aleatória
Uma amostragem de probabilidade é baseada na probabilidade de que os sujeitos da amostra tenham que ser selecionados. Dessa forma, cada elemento da população tem uma chance conhecida de ser escolhido, que obviamente deve ser maior que 0.
Isso é extremamente importante, pois pode acontecer que, de um universo de dados, tenha sido selecionada uma amostra que não seja suficientemente representativa do todo.
Nesse caso, os resultados serão tendenciosos, pois algumas partes da população serão mais favorecidas em relação a outras. Para evitar viés, do qual existem várias categorias, uma opção é deixar que o acaso selecione a amostra e, assim, dar a cada elemento uma probabilidade diferente de zero de ser selecionado.
Amostragem aleatória simples
Esta é uma maneira simples de garantir que o acaso faça seu trabalho. Por exemplo, se você estiver selecionando algumas crianças em uma classe para participar de um evento de arte na escola, todos os nomes das crianças serão colocados em cédulas dobradas idênticas, misturados em um chapéu e um punhado sorteado ao acaso.
Todas as crianças da classe constituem a população, e o punhado de cédulas que foram tiradas da cartola é a amostra.
O sucesso do procedimento está em fazer uma lista completa de todas as crianças, para que ninguém fique de fora. Em um pequeno curso, isso não é um problema; Mas quando você deseja selecionar uma amostra de uma população maior, é necessário refinar o método.
A amostragem aleatória simples pode ser realizada com substituição ou substituição. Por exemplo, se extraímos algum elemento da população e o devolvemos depois de selecioná-lo e examiná-lo, o universo de nossos elementos sempre permanece o mesmo ao longo do estudo.
Se, ao contrário, o elemento escolhido é estudado, mais não é devolvido, é amostragem sem reposição. Isso deve ser levado em consideração ao calcular a probabilidade de um elemento ser selecionado.
Amostragem aleatória sistemática
Para realizar essa amostragem, é necessário também listar N elementos e também determinar o tamanho da amostra, que chamaremos de n. A lista é chamada de base de amostragem.
Agora o intervalo de salto está definido, que é denotado pela letra k e é calculado assim:
Um número aleatório é escolhido - aleatoriamente - entre 1 ek, chamado de início aleatório. Este é o primeiro indivíduo da lista a ser selecionado e, a partir daí, são escolhidos os seguintes elementos da lista.
Um exemplo: suponha que você tenha uma lista de 2.000 alunos de uma universidade e deseja obter uma amostra de 100 alunos para participar de um congresso.
A primeira coisa a fazer é encontrar o valor de k:
Assim que tivermos dividido o número total de alunos em 100 fragmentos de 20 alunos, um dos fragmentos é retirado e um número aleatório é escolhido entre 1 e 20, por exemplo 12. Portanto, o décimo segundo aluno em nossa lista é o inicialização aleatória.
O próximo aluno a ser selecionado deve ser 12 + 20 = 22, depois 42, depois 62 e assim por diante, até que todos os 100 sejam concluídos.
Como você pode ver, é um método rápido de aplicação e que costuma dar resultados muito bons, sem a necessidade de colocar os 2.000 nomes em um chapéu e tirar 100 deles, desde que não haja periodicidades na população, que geram vieses..
Amostragem aleatória estratificada
Figura 2. Na amostragem aleatória estratificada, a população é dividida em segmentos chamados estratos. Fonte: Pixabay.
Na amostragem aleatória simples, cada item da população tem a mesma probabilidade de ser selecionado. Mas isso pode nem sempre ser verdade, especialmente quando há mais complexidades a serem consideradas.
Para realizar um esquema de amostragem aleatória estratificada, a população deve ser dividida em grupos com características semelhantes. Esses são os estratos. Os estratos são então obtidos e amostras aleatórias simples são escolhidas de cada um, que são então combinadas para formar a amostra final.
Os estratos são determinados antes da amostragem, estudando as características do universo de dados.
Essas características podem ser estado civil, idade, onde você mora, por exemplo, população urbana, suburbana e rural, profissão, nível de educação, gênero e muito mais.
Em qualquer caso, espera-se que as características de cada estrato sejam muito distintas, ou seja, cada estrato seja homogêneo.
Dentro da amostra estratificada distinguimos duas categorias, conforme o tamanho da amostra de cada estrato é ou não proporcional ao seu tamanho.
Amostragem de cluster aleatória
Os métodos descritos acima selecionam os elementos da amostra diretamente, mas na amostragem por conglomerados, um grupo de elementos é escolhido da população e estes serão a unidade amostral, que é chamada de conglomerado.
Exemplos de clusters são os departamentos de uma universidade, entidades geográficas como províncias, cidades, condados ou municípios, todos com a mesma probabilidade de serem selecionados. No caso de escolher uma entidade geográfica, falamos de amostragem por áreas.
Uma vez escolhidos os clusters, os elementos a serem analisados são escolhidos a partir deles. Portanto, o procedimento pode ter várias etapas.
Este método tem algumas semelhanças com o método aleatório estratificado, exceto que aqui alguns conglomerados são selecionados do total, enquanto no método anterior todos os estratos da população foram estudados.
Tipos de amostragem não probabilística
A amostragem probabilística pode ser muito cara em algumas situações, pois tempo e recursos devem ser investidos para encontrar amostras que sejam verdadeiramente representativas.
Muitas vezes também acontece que não existe uma base de amostragem completa –a lista-, portanto não é possível determinar a probabilidade de selecionar um elemento.
Para esses casos, são utilizados tipos de amostragem não probabilística, com a qual também são obtidas informações, embora não haja garantia de precisão nos resultados.
Quando este tipo de amostragem é aplicado, alguns critérios ainda devem ser seguidos no momento da seleção, visando que a amostra seja a mais adequada possível.
Amostragem de conveniência
É um tipo de amostragem bastante elementar, em que os elementos da amostra são escolhidos de acordo com a sua disponibilidade, ou seja, selecionando os indivíduos mais acessíveis. Tem a vantagem de ser um método de baixíssimo custo, devido à sua rapidez e comodidade.
Mas, como disse, não há certeza de obter informações confiáveis sobre seus resultados. Às vezes, é usado para fazer pesquisas rápidas e curtas antes de uma eleição ou para perguntar sobre as preferências do cliente para determinados produtos.
Por exemplo, um pesquisador pode ir à saída de três dos shoppings mais próximos de sua casa e perguntar aos que saem em qual candidato votariam. Ou um professor pode pesquisar seus próprios alunos, porque eles têm acesso imediato a eles.
Embora pareça que os resultados de tal procedimento sejam inúteis, acontece que podem ser um bom reflexo da população, desde que haja boas razões para supor que o viés não é muito grande.
No entanto, não é tão simples, pois os alunos de um determinado professor podem não constituir uma amostra representativa do restante do corpo discente. E, na maioria das vezes, os pesquisadores em shopping centers tendem a entrevistar as pessoas de aparência mais atraente.
Amostragem de cota
Para amostrar por cotas, deve-se ter um bom conhecimento prévio dos estratos populacionais, para se ter uma ideia de quais são os elementos mais representativos. Mas não é governado pelo critério de aleatoriedade da amostragem estratificada.
Neste tipo de amostragem é necessário definir "cotas", daí o nome do método. Essas cotas consistem em reunir uma série de elementos com determinadas condições, por exemplo, 15 mulheres com idade entre 25 e 50 anos, que não fumam e também possuem carro.
Definida a cota, são escolhidas as primeiras pessoas que atenderem às condições estabelecidas. Os critérios para esta última etapa podem ser de acordo com a conveniência do investigador. Aqui você pode ver a diferença com o método de amostragem estratificada, que é aleatória.
Porém, é um método de baixo custo e vantajoso se, como dissemos, a população em estudo for bem conhecida.
Amostragem de bola de neve
O procedimento a seguir nesse estilo de amostragem é selecionar algumas pessoas que lideram outras, e estas por sua vez, outras, até que a amostra tenha o tamanho de que o pesquisador precisa.
Este é um procedimento que pode ser útil para caracterizar algumas populações com características bastante específicas. Exemplos: presidiários ou pessoas com certas doenças.
Amostragem discricionária
Finalmente, aqui é o pesquisador quem decide os critérios a serem usados para escolher sua amostra, de acordo com seu conhecimento. Pode ser útil quando é necessário adicionar ao estudo determinados indivíduos que, por método aleatório, não puderam participar.
Referências
- Berenson, M. 1985. Statistics for Management and Economics, Concepts and Applications. Editorial Interamericana.
- Estatisticas. Amostragem. Recuperado de: encyclopediaeconomica.com.
- Estatisticas. Amostragem. Recuperado de: Estadistica.mat.uson.mx.
- Explorável. Amostras agrupadas. Recuperado de: explorable.com.
- Moore, D. 2005. Estatísticas Básicas Aplicadas. 2ª Edição.
- Netquest. Amostragem probabilística: amostragem estratificada. Recuperado de: netquest.com.
- Wikipedia. Amostragem. Recuperado de: es.wikipedia.org