A técnica para selecionar uma amostra de uma população estatística é conhecida como amostragem.[1].
A amostragem é um procedimento que envolve a seleção e o exame de uma parcela representativa de uma população maior com o propósito de fazer inferências e generalizações sobre um grupo específico (por exemplo, consumidores de um determinado bem ou serviço). Em termos gerais, podem distinguir-se duas grandes categorias de amostragem: probabilística e não probabilística. Dentro do primeiro grupo, a relevância reside na determinação precisa do tamanho da amostra, para a qual existem diversas técnicas, destacando-se a Amostragem Aleatória Simples. Este processo desempenha um papel crucial na obtenção de dados significativos e na fiabilidade das conclusões tiradas, especialmente em estudos de mercado.
Ao escolher uma amostra aleatória, espera-se que suas propriedades possam ser extrapoladas para a população. Este processo economiza recursos e ao mesmo tempo obtém resultados semelhantes aos que seriam alcançados se fosse realizado um estudo em toda a população. Em pesquisas realizadas por empresários e médicos, a amostragem é amplamente utilizada para coletar informações sobre populações.[2].
Vale ressaltar que para que a amostragem seja válida e seja realizado um estudo adequado (que permita não só fazer estimativas da população, mas também estimar as margens de erro correspondentes a essas estimativas), ela deve atender a determinados requisitos. Nunca podemos ter certeza absoluta de que o resultado é uma amostra representativa, mas podemos agir para que esta condição seja alcançada com alta probabilidade.
Na amostragem, se o tamanho da amostra for menor que o tamanho da população, duas ou mais amostras podem ser extraídas da mesma população. O conjunto de amostras que podem ser obtidas da população é denominado espaço amostral. A variável que associa sua probabilidade de extração a cada amostra segue a chamada distribuição amostral.
Definição de população
O sucesso da prática estatística baseia-se na definição precisa do problema. Na amostragem, isto inclui definir a “população” da qual a nossa amostra é retirada. Uma população pode ser definida como o conjunto de pessoas ou elementos com as características que se deseja compreender. Dado que raramente há tempo ou dinheiro suficiente para recolher informações de todas ou de cada pessoa numa população, o objectivo passa a ser encontrar uma amostra representativa (ou subconjunto) dessa população.
Amostragem aleatória
Introdução
Em geral
A técnica para selecionar uma amostra de uma população estatística é conhecida como amostragem.[1].
A amostragem é um procedimento que envolve a seleção e o exame de uma parcela representativa de uma população maior com o propósito de fazer inferências e generalizações sobre um grupo específico (por exemplo, consumidores de um determinado bem ou serviço). Em termos gerais, podem distinguir-se duas grandes categorias de amostragem: probabilística e não probabilística. Dentro do primeiro grupo, a relevância reside na determinação precisa do tamanho da amostra, para a qual existem diversas técnicas, destacando-se a Amostragem Aleatória Simples. Este processo desempenha um papel crucial na obtenção de dados significativos e na fiabilidade das conclusões tiradas, especialmente em estudos de mercado.
Ao escolher uma amostra aleatória, espera-se que suas propriedades possam ser extrapoladas para a população. Este processo economiza recursos e ao mesmo tempo obtém resultados semelhantes aos que seriam alcançados se fosse realizado um estudo em toda a população. Em pesquisas realizadas por empresários e médicos, a amostragem é amplamente utilizada para coletar informações sobre populações.[2].
Vale ressaltar que para que a amostragem seja válida e seja realizado um estudo adequado (que permita não só fazer estimativas da população, mas também estimar as margens de erro correspondentes a essas estimativas), ela deve atender a determinados requisitos. Nunca podemos ter certeza absoluta de que o resultado é uma amostra representativa, mas podemos agir para que esta condição seja alcançada com alta probabilidade.
Na amostragem, se o tamanho da amostra for menor que o tamanho da população, duas ou mais amostras podem ser extraídas da mesma população. O conjunto de amostras que podem ser obtidas da população é denominado espaço amostral. A variável que associa sua probabilidade de extração a cada amostra segue a chamada distribuição amostral.
Definição de população
Às vezes, o que define uma população é óbvio. Por exemplo, um fabricante tem de decidir se um lote de material de produção tem qualidade suficiente para ser entregue ao cliente ou se deve ser sucateado ou retrabalhado devido à má qualidade. Neste caso, o lote é a população.
Embora a população de interesse seja geralmente composta por objetos físicos, às vezes é necessário fazer uma amostragem no tempo, no espaço ou em alguma combinação dessas dimensões. Por exemplo, uma investigação sobre funcionários de supermercados poderia examinar a duração das filas de caixa em diferentes momentos, ou um estudo sobre pinguins ameaçados poderia ter como objectivo compreender a utilização que fazem de diferentes locais de caça ao longo do tempo. Quanto à dimensão temporal, pode focar em períodos ou ocasiões específicas.
Noutros casos, a “população” examinada pode ser ainda menos tangível. Por exemplo, Joseph Jagger estudou o comportamento das rodas da roleta num casino de Monte Carlo e utilizou-o para identificar uma roda tendenciosa. Neste caso, a “população” que Jagger queria investigar era o comportamento global da roda da roleta (ou seja, a distribuição de probabilidade dos seus resultados através de tentativas infinitas), enquanto a sua “amostra” era composta pelos resultados observados daquela roda da roleta. Considerações semelhantes surgem ao fazer medições repetidas de algumas características físicas, como a condutividade elétrica do cobre.
Esta situação surge frequentemente quando se busca conhecimento sobre o sistema de causas "Causalidade (filosofia)") do qual a população observada é resultado. Nesses casos, a teoria da amostragem pode tratar a população observada como uma amostra de uma “superpopulação” maior. Por exemplo, um pesquisador pode estudar a taxa de sucesso de um novo programa de cessação do tabagismo em um grupo de teste de 100 pacientes, a fim de prever os efeitos do programa caso ele seja implementado. Março em todo o país. Neste caso, a superpopulação é “todos no país, com acesso a este tratamento”, grupo que ainda não existe, uma vez que o programa ainda não está disponível para todos.
A população da qual a amostra é retirada pode não coincidir com a população da qual se deseja obter informações. Muitas vezes existe uma sobreposição extensa, mas não completa, entre estes dois grupos devido a questões de enquadramento, etc. (ver abaixo). Às vezes, podem ser completamente separados: por exemplo, os ratos podem ser estudados para melhor compreender a saúde humana, ou os registos de pessoas nascidas em 2008 podem ser estudados para fazer previsões sobre as pessoas nascidas em 2009.
O tempo gasto na especificação da população amostrada e da população em estudo é muitas vezes bem gasto, pois levanta muitas questões, ambiguidades e questões que de outra forma teriam sido ignoradas nesta fase.
Quadro de amostragem
Contenido
En el caso más sencillo, como el muestreo de un lote de material de producción (muestreo de aceptación por lotes), lo más deseable sería identificar y medir cada uno de los elementos de la población e incluir cualquiera de ellos en nuestra muestra. Sin embargo, en el caso más general esto no suele ser posible ni práctico. No hay forma de identificar a todas las ratas en el conjunto de todas las ratas. Cuando el voto no es obligatorio, no hay forma de identificar qué personas votarán en unas próximas elecciones (antes de las elecciones). Estas poblaciones imprecisas no son susceptibles de muestreo de ninguna de las formas que se indican a continuación y a las que podríamos aplicar la teoría estadística.
Como remedio, buscamos un marco de muestreo") que tenga la propiedad de que podamos identificar cada elemento e incluirlo en nuestra muestra.[3][4][5][6] El tipo de marco más sencillo es una lista de elementos de la población (preferiblemente toda la población) con la información de contacto adecuada. Por ejemplo, en una encuesta de opinión, los posibles marcos de muestreo incluyen un censo electoral y una guía telefónica.
Una muestra probabilística es una muestra en la que cada unidad de la población tiene una probabilidad (mayor que cero) de ser seleccionada en la muestra, y esta probabilidad puede determinarse con precisión. La combinación de estos rasgos permite producir estimaciones no sesgadas de los totales de la población, ponderando las unidades muestreadas según su probabilidad de selección.
En el ejemplo anterior, no todo el mundo tiene la misma probabilidad de selección; lo que la convierte en una muestra probabilística es el hecho de que se conoce la probabilidad de cada persona. Cuando cada elemento de la población sí tiene la misma probabilidad de selección, esto se conoce como un diseño de igual probabilidad de selección (EPS). Este tipo de diseño también se denomina "autoponderación", ya que todas las unidades de la muestra tienen el mismo peso.
El muestreo probabilístico incluye: Muestreo aleatorio simple"), Muestreo sistemático, Muestreo estratificado, Muestreo probabilístico proporcional al tamaño y Muestreo por conglomerados o Muestreo polietápico"). Estas diversas formas de muestreo probabilístico tienen dos cosas en común:.
El muestreo aleatorio incorpora el azar como recurso en el proceso de selección. Cuando este último cumple con la condición de que todos los elementos de la población tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la población es conocida de antemano, recibe el nombre de muestreo probabilístico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante.[7][8].
Cada observación mide una o más propiedades (como peso, ubicación, color o masa) de objetos o individuos independientes. En el mue«streo de encuestas», se pueden aplicar ponderaciones a los datos para ajustar el diseño de la muestra, particularmente en el muestreo estratificado.[9] Los resultados de la teoría de la probabilidad y la teoría estadística") se emplean para guiar la práctica. En la investigación comercial y médica, el muestreo se usa ampliamente para recopilar información sobre una población.[10] El muestreo de aceptación se utiliza para determinar si un lote de producción de material cumple con las especificaciones vigentes.
Amostragem aleatória simples
Fazem parte deste tipo de amostragem todos aqueles métodos para os quais a probabilidade de extração de qualquer uma das amostras possíveis pode ser calculada. Este conjunto de técnicas de amostragem é o mais aconselhável, embora por vezes não seja possível escolhê-lo.
Para realizar este tipo de amostragem, e em determinadas situações, é muito útil a extracção de números aleatórios através de computadores, calculadoras ou tabelas construídas para o efeito.
É usado quando o universo ou população é grande ou deve se estender ao longo do tempo. Primeiro você tem que identificar as unidades e relacioná-las com o calendário (quando aplicável). Então você tem que calcular uma constante, chamada coeficiente de elevação:
onde N é o tamanho da população e n o tamanho da amostra.
Para determinar em que data ocorrerá a primeira extração, deve-se escolher aleatoriamente um número entre 1 e K; depois disso, pegue um de cada K em intervalos regulares. Ocasionalmente, é conveniente levar em conta a periodicidade do fenômeno.
Isso significa que se temos um determinado número de pessoas que é a população (N) e queremos escolher dessa população um número menor que é a amostra (n), dividimos o número da população pelo número da amostra que queremos tirar e o resultado dessa operação será o intervalo, então escolhemos um número aleatório de um até o número do intervalo, e desse número escolhemos os demais seguindo a ordem.
Consiste na divisão prévia da população de estudo em grupos ou classes que se supõem homogêneos em relação a alguma característica daqueles a serem estudados. A cada um desses estratos seria atribuída uma cota que determinaria o número de seus membros que comporiam a amostra. Dentro de cada estrato costuma-se utilizar a técnica de amostragem sistemática, uma das técnicas de seleção mais utilizadas na prática.
Dependendo do número de elementos amostrais a escolher em cada um dos estratos, existem duas técnicas de amostragem estratificada:
Por exemplo, para um estudo de opinião, pode ser interessante estudar as opiniões de homens e mulheres separadamente, uma vez que se estima que, dentro de cada um destes grupos, possa existir uma certa homogeneidade. Na alocação proporcional, se a população for composta por 55% de mulheres e 45% de homens, seria retirada uma amostra que também contém essas mesmas percentagens de homens e mulheres. Na alocação ideal, se todos os homens pensassem da mesma forma, mas as mulheres fossem imprevisíveis, seria retirada uma amostra com mais de 55% de mulheres.
Para uma descrição geral da amostragem estratificada e dos métodos de inferência associados a este procedimento, assumimos que a população está dividida em h subpopulações ou estratos de tamanhos conhecidos N, N,..., N de modo que as unidades em cada estrato sejam homogêneas em relação à característica em questão. A média e a variância desconhecidas para o -ésimo estrato são denotadas por e , respectivamente.
Amostragem não probabilística
É aquele para o qual a probabilidade de sorteio de uma determinada amostra não pode ser calculada, pois nem todos os sujeitos têm a mesma probabilidade de serem escolhidos. Por este motivo, procuramos selecionar indivíduos que tenham conhecimento aprofundado do tema em estudo e considera-se que a informação fornecida por estas pessoas é vital para a tomada de decisão.
É a técnica mais difundida, principalmente em estudos de mercado e pesquisas de opinião. Em primeiro lugar, é necessário dividir a população de referência em vários estratos definidos por algumas variáveis de distribuição conhecida (como género “Género (biologia)”) ou idade). Posteriormente, calcula-se o peso proporcional de cada estrato, ou seja, a parte proporcional da população que representam. Por fim, cada peso é multiplicado pelo tamanho de n da amostra para determinar a cota precisa em cada estrato. Difere da amostragem estratificada porque, uma vez determinada a cota, o pesquisador tem liberdade para escolher os sujeitos da amostra dentro de cada estrato.
Indicado para estudos de populações clandestinas, minoritárias ou muito dispersas, mas em contato entre si. Consiste na identificação dos sujeitos a serem incluídos na amostra a partir dos próprios entrevistados. A partir de um pequeno número de indivíduos que atendam aos requisitos necessários, servirão de localizadores para outros com características semelhantes.
Neste caso as unidades amostrais são escolhidas com base em algumas de suas características de forma racional e não casual. Uma variante desta técnica é a amostragem compensada") ou amostragem equilibrada"), em que as unidades são selecionadas de forma que a média amostral para determinadas variáveis se aproxime da média populacional, que funciona com base em referências ou por recomendação, sendo depois reconhecida através de estatísticas.
[10] ↑ Salant, Priscilla, I. Dillman, and A. Don. How to conduct your own survey. No. 300.723 S3. 1994.
O sucesso da prática estatística baseia-se na definição precisa do problema. Na amostragem, isto inclui definir a “população” da qual a nossa amostra é retirada. Uma população pode ser definida como o conjunto de pessoas ou elementos com as características que se deseja compreender. Dado que raramente há tempo ou dinheiro suficiente para recolher informações de todas ou de cada pessoa numa população, o objectivo passa a ser encontrar uma amostra representativa (ou subconjunto) dessa população.
Às vezes, o que define uma população é óbvio. Por exemplo, um fabricante tem de decidir se um lote de material de produção tem qualidade suficiente para ser entregue ao cliente ou se deve ser sucateado ou retrabalhado devido à má qualidade. Neste caso, o lote é a população.
Embora a população de interesse seja geralmente composta por objetos físicos, às vezes é necessário fazer uma amostragem no tempo, no espaço ou em alguma combinação dessas dimensões. Por exemplo, uma investigação sobre funcionários de supermercados poderia examinar a duração das filas de caixa em diferentes momentos, ou um estudo sobre pinguins ameaçados poderia ter como objectivo compreender a utilização que fazem de diferentes locais de caça ao longo do tempo. Quanto à dimensão temporal, pode focar em períodos ou ocasiões específicas.
Noutros casos, a “população” examinada pode ser ainda menos tangível. Por exemplo, Joseph Jagger estudou o comportamento das rodas da roleta num casino de Monte Carlo e utilizou-o para identificar uma roda tendenciosa. Neste caso, a “população” que Jagger queria investigar era o comportamento global da roda da roleta (ou seja, a distribuição de probabilidade dos seus resultados através de tentativas infinitas), enquanto a sua “amostra” era composta pelos resultados observados daquela roda da roleta. Considerações semelhantes surgem ao fazer medições repetidas de algumas características físicas, como a condutividade elétrica do cobre.
Esta situação surge frequentemente quando se busca conhecimento sobre o sistema de causas "Causalidade (filosofia)") do qual a população observada é resultado. Nesses casos, a teoria da amostragem pode tratar a população observada como uma amostra de uma “superpopulação” maior. Por exemplo, um pesquisador pode estudar a taxa de sucesso de um novo programa de cessação do tabagismo em um grupo de teste de 100 pacientes, a fim de prever os efeitos do programa caso ele seja implementado. Março em todo o país. Neste caso, a superpopulação é “todos no país, com acesso a este tratamento”, grupo que ainda não existe, uma vez que o programa ainda não está disponível para todos.
A população da qual a amostra é retirada pode não coincidir com a população da qual se deseja obter informações. Muitas vezes existe uma sobreposição extensa, mas não completa, entre estes dois grupos devido a questões de enquadramento, etc. (ver abaixo). Às vezes, podem ser completamente separados: por exemplo, os ratos podem ser estudados para melhor compreender a saúde humana, ou os registos de pessoas nascidas em 2008 podem ser estudados para fazer previsões sobre as pessoas nascidas em 2009.
O tempo gasto na especificação da população amostrada e da população em estudo é muitas vezes bem gasto, pois levanta muitas questões, ambiguidades e questões que de outra forma teriam sido ignoradas nesta fase.
Quadro de amostragem
Contenido
En el caso más sencillo, como el muestreo de un lote de material de producción (muestreo de aceptación por lotes), lo más deseable sería identificar y medir cada uno de los elementos de la población e incluir cualquiera de ellos en nuestra muestra. Sin embargo, en el caso más general esto no suele ser posible ni práctico. No hay forma de identificar a todas las ratas en el conjunto de todas las ratas. Cuando el voto no es obligatorio, no hay forma de identificar qué personas votarán en unas próximas elecciones (antes de las elecciones). Estas poblaciones imprecisas no son susceptibles de muestreo de ninguna de las formas que se indican a continuación y a las que podríamos aplicar la teoría estadística.
Como remedio, buscamos un marco de muestreo") que tenga la propiedad de que podamos identificar cada elemento e incluirlo en nuestra muestra.[3][4][5][6] El tipo de marco más sencillo es una lista de elementos de la población (preferiblemente toda la población) con la información de contacto adecuada. Por ejemplo, en una encuesta de opinión, los posibles marcos de muestreo incluyen un censo electoral y una guía telefónica.
Una muestra probabilística es una muestra en la que cada unidad de la población tiene una probabilidad (mayor que cero) de ser seleccionada en la muestra, y esta probabilidad puede determinarse con precisión. La combinación de estos rasgos permite producir estimaciones no sesgadas de los totales de la población, ponderando las unidades muestreadas según su probabilidad de selección.
En el ejemplo anterior, no todo el mundo tiene la misma probabilidad de selección; lo que la convierte en una muestra probabilística es el hecho de que se conoce la probabilidad de cada persona. Cuando cada elemento de la población sí tiene la misma probabilidad de selección, esto se conoce como un diseño de igual probabilidad de selección (EPS). Este tipo de diseño también se denomina "autoponderación", ya que todas las unidades de la muestra tienen el mismo peso.
El muestreo probabilístico incluye: Muestreo aleatorio simple"), Muestreo sistemático, Muestreo estratificado, Muestreo probabilístico proporcional al tamaño y Muestreo por conglomerados o Muestreo polietápico"). Estas diversas formas de muestreo probabilístico tienen dos cosas en común:.
El muestreo aleatorio incorpora el azar como recurso en el proceso de selección. Cuando este último cumple con la condición de que todos los elementos de la población tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la población es conocida de antemano, recibe el nombre de muestreo probabilístico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante.[7][8].
Cada observación mide una o más propiedades (como peso, ubicación, color o masa) de objetos o individuos independientes. En el mue«streo de encuestas», se pueden aplicar ponderaciones a los datos para ajustar el diseño de la muestra, particularmente en el muestreo estratificado.[9] Los resultados de la teoría de la probabilidad y la teoría estadística") se emplean para guiar la práctica. En la investigación comercial y médica, el muestreo se usa ampliamente para recopilar información sobre una población.[10] El muestreo de aceptación se utiliza para determinar si un lote de producción de material cumple con las especificaciones vigentes.
Amostragem aleatória simples
Fazem parte deste tipo de amostragem todos aqueles métodos para os quais a probabilidade de extração de qualquer uma das amostras possíveis pode ser calculada. Este conjunto de técnicas de amostragem é o mais aconselhável, embora por vezes não seja possível escolhê-lo.
Para realizar este tipo de amostragem, e em determinadas situações, é muito útil a extracção de números aleatórios através de computadores, calculadoras ou tabelas construídas para o efeito.
É usado quando o universo ou população é grande ou deve se estender ao longo do tempo. Primeiro você tem que identificar as unidades e relacioná-las com o calendário (quando aplicável). Então você tem que calcular uma constante, chamada coeficiente de elevação:
onde N é o tamanho da população e n o tamanho da amostra.
Para determinar em que data ocorrerá a primeira extração, deve-se escolher aleatoriamente um número entre 1 e K; depois disso, pegue um de cada K em intervalos regulares. Ocasionalmente, é conveniente levar em conta a periodicidade do fenômeno.
Isso significa que se temos um determinado número de pessoas que é a população (N) e queremos escolher dessa população um número menor que é a amostra (n), dividimos o número da população pelo número da amostra que queremos tirar e o resultado dessa operação será o intervalo, então escolhemos um número aleatório de um até o número do intervalo, e desse número escolhemos os demais seguindo a ordem.
Consiste na divisão prévia da população de estudo em grupos ou classes que se supõem homogêneos em relação a alguma característica daqueles a serem estudados. A cada um desses estratos seria atribuída uma cota que determinaria o número de seus membros que comporiam a amostra. Dentro de cada estrato costuma-se utilizar a técnica de amostragem sistemática, uma das técnicas de seleção mais utilizadas na prática.
Dependendo do número de elementos amostrais a escolher em cada um dos estratos, existem duas técnicas de amostragem estratificada:
Por exemplo, para um estudo de opinião, pode ser interessante estudar as opiniões de homens e mulheres separadamente, uma vez que se estima que, dentro de cada um destes grupos, possa existir uma certa homogeneidade. Na alocação proporcional, se a população for composta por 55% de mulheres e 45% de homens, seria retirada uma amostra que também contém essas mesmas percentagens de homens e mulheres. Na alocação ideal, se todos os homens pensassem da mesma forma, mas as mulheres fossem imprevisíveis, seria retirada uma amostra com mais de 55% de mulheres.
Para uma descrição geral da amostragem estratificada e dos métodos de inferência associados a este procedimento, assumimos que a população está dividida em h subpopulações ou estratos de tamanhos conhecidos N, N,..., N de modo que as unidades em cada estrato sejam homogêneas em relação à característica em questão. A média e a variância desconhecidas para o -ésimo estrato são denotadas por e , respectivamente.
Amostragem não probabilística
É aquele para o qual a probabilidade de sorteio de uma determinada amostra não pode ser calculada, pois nem todos os sujeitos têm a mesma probabilidade de serem escolhidos. Por este motivo, procuramos selecionar indivíduos que tenham conhecimento aprofundado do tema em estudo e considera-se que a informação fornecida por estas pessoas é vital para a tomada de decisão.
É a técnica mais difundida, principalmente em estudos de mercado e pesquisas de opinião. Em primeiro lugar, é necessário dividir a população de referência em vários estratos definidos por algumas variáveis de distribuição conhecida (como género “Género (biologia)”) ou idade). Posteriormente, calcula-se o peso proporcional de cada estrato, ou seja, a parte proporcional da população que representam. Por fim, cada peso é multiplicado pelo tamanho de n da amostra para determinar a cota precisa em cada estrato. Difere da amostragem estratificada porque, uma vez determinada a cota, o pesquisador tem liberdade para escolher os sujeitos da amostra dentro de cada estrato.
Indicado para estudos de populações clandestinas, minoritárias ou muito dispersas, mas em contato entre si. Consiste na identificação dos sujeitos a serem incluídos na amostra a partir dos próprios entrevistados. A partir de um pequeno número de indivíduos que atendam aos requisitos necessários, servirão de localizadores para outros com características semelhantes.
Neste caso as unidades amostrais são escolhidas com base em algumas de suas características de forma racional e não casual. Uma variante desta técnica é a amostragem compensada") ou amostragem equilibrada"), em que as unidades são selecionadas de forma que a média amostral para determinadas variáveis se aproxime da média populacional, que funciona com base em referências ou por recomendação, sendo depois reconhecida através de estatísticas.
[10] ↑ Salant, Priscilla, I. Dillman, and A. Don. How to conduct your own survey. No. 300.723 S3. 1994.
i
m
s
Esta técnica é a única opção quando não se dispõe de uma lista completa da população de referência ou quando, através da técnica de amostragem simples ou estratificada, se obtém uma amostra com unidades distribuídas de tal forma que são de difícil acesso. Na amostragem múltipla de estudos, a população é subdividida em vários níveis ordenados que são extraídos sucessivamente através de um procedimento de funil. A amostragem é realizada em diversas fases ou extrações sucessivas para cada nível.
Por exemplo, se for necessário construir uma amostra de professores do ensino primário num determinado país, estes podem ser subdivididos em unidades primárias representadas por círculos didáticos e unidades secundárias que seriam os próprios professores. Em primeiro lugar, extraímos uma amostra das unidades primárias (para as quais devemos ter a lista completa dessas unidades) e, em segundo lugar, extraímos aleatoriamente uma amostra de unidades secundárias de cada uma das unidades primárias selecionadas na primeira extração.
É utilizado quando a população é dividida, naturalmente, em grupos que supostamente contêm toda a variabilidade da população, ou seja, a representam fielmente em relação à característica a ser escolhida. Apenas alguns destes grupos ou clusters podem ser selecionados para realizar o estudo.
Dentro dos grupos selecionados, estarão localizadas as unidades elementares, por exemplo, as pessoas a serem pesquisadas, e o instrumento de medição poderá ser aplicado a todas as unidades, ou seja, aos membros do grupo, ou poderá ser aplicado apenas a algumas delas, selecionadas aleatoriamente. Este método tem a vantagem de simplificar a coleta de informações amostrais.
Quando, dentro de cada conglomerado selecionado, alguns indivíduos são extraídos para integrar a amostra, o desenho é denominado amostragem em dois estágios.
As ideias de estratos e conglomerados são, em certo sentido, opostas. O primeiro método funciona melhor quanto mais homogênea for a população em relação ao estrato, embora mais diferentes estes sejam entre si. Na segunda ocorre o contrário. Os clusters devem apresentar toda a variabilidade, embora devam ser muito semelhantes entre si.
Homogêneo significa, no contexto da estratificação, que não há muita variabilidade. Os estratos funcionam melhor quanto mais homogêneo for cada um deles em relação à característica a ser medida. Por exemplo, se se estuda a altura de uma população, é bom distinguir entre os estratos feminino e masculino porque se espera que, dentro deles, haja menos variabilidade, ou seja, sejam menos heterogéneos. Em outras palavras, não há tantas diferenças entre algumas alturas e outras dentro do estrato como na população total.
Pelo contrário, a heterogeneidade torna inútil a divisão em estratos. Se ocorrerem as mesmas diferenças dentro do estrato e em toda a população, não há razão para utilizar este método de amostragem. Nos casos em que existem grupos que contêm toda a variabilidade da população, o que se constroem são conglomerados, o que poupa parte do trabalho que estaria envolvido na análise de toda a população. Em resumo, estratos e conglomerados funcionam sob princípios opostos: os primeiros são melhores quanto mais homogêneo for o grupo em relação à característica a ser estudada e os conglomerados, se representarem fielmente a população, ou seja, contêm toda a sua variabilidade, ou seja, são heterogêneos.
O espaço amostral é: Conjunto formado por todos os resultados possíveis de um experimento aleatório. Exemplo: Ao lançar um dado descarregado, o espaço amostral do dado seria: 1-2-3-4-5-6.
i
m
s
Esta técnica é a única opção quando não se dispõe de uma lista completa da população de referência ou quando, através da técnica de amostragem simples ou estratificada, se obtém uma amostra com unidades distribuídas de tal forma que são de difícil acesso. Na amostragem múltipla de estudos, a população é subdividida em vários níveis ordenados que são extraídos sucessivamente através de um procedimento de funil. A amostragem é realizada em diversas fases ou extrações sucessivas para cada nível.
Por exemplo, se for necessário construir uma amostra de professores do ensino primário num determinado país, estes podem ser subdivididos em unidades primárias representadas por círculos didáticos e unidades secundárias que seriam os próprios professores. Em primeiro lugar, extraímos uma amostra das unidades primárias (para as quais devemos ter a lista completa dessas unidades) e, em segundo lugar, extraímos aleatoriamente uma amostra de unidades secundárias de cada uma das unidades primárias selecionadas na primeira extração.
É utilizado quando a população é dividida, naturalmente, em grupos que supostamente contêm toda a variabilidade da população, ou seja, a representam fielmente em relação à característica a ser escolhida. Apenas alguns destes grupos ou clusters podem ser selecionados para realizar o estudo.
Dentro dos grupos selecionados, estarão localizadas as unidades elementares, por exemplo, as pessoas a serem pesquisadas, e o instrumento de medição poderá ser aplicado a todas as unidades, ou seja, aos membros do grupo, ou poderá ser aplicado apenas a algumas delas, selecionadas aleatoriamente. Este método tem a vantagem de simplificar a coleta de informações amostrais.
Quando, dentro de cada conglomerado selecionado, alguns indivíduos são extraídos para integrar a amostra, o desenho é denominado amostragem em dois estágios.
As ideias de estratos e conglomerados são, em certo sentido, opostas. O primeiro método funciona melhor quanto mais homogênea for a população em relação ao estrato, embora mais diferentes estes sejam entre si. Na segunda ocorre o contrário. Os clusters devem apresentar toda a variabilidade, embora devam ser muito semelhantes entre si.
Homogêneo significa, no contexto da estratificação, que não há muita variabilidade. Os estratos funcionam melhor quanto mais homogêneo for cada um deles em relação à característica a ser medida. Por exemplo, se se estuda a altura de uma população, é bom distinguir entre os estratos feminino e masculino porque se espera que, dentro deles, haja menos variabilidade, ou seja, sejam menos heterogéneos. Em outras palavras, não há tantas diferenças entre algumas alturas e outras dentro do estrato como na população total.
Pelo contrário, a heterogeneidade torna inútil a divisão em estratos. Se ocorrerem as mesmas diferenças dentro do estrato e em toda a população, não há razão para utilizar este método de amostragem. Nos casos em que existem grupos que contêm toda a variabilidade da população, o que se constroem são conglomerados, o que poupa parte do trabalho que estaria envolvido na análise de toda a população. Em resumo, estratos e conglomerados funcionam sob princípios opostos: os primeiros são melhores quanto mais homogêneo for o grupo em relação à característica a ser estudada e os conglomerados, se representarem fielmente a população, ou seja, contêm toda a sua variabilidade, ou seja, são heterogêneos.
O espaço amostral é: Conjunto formado por todos os resultados possíveis de um experimento aleatório. Exemplo: Ao lançar um dado descarregado, o espaço amostral do dado seria: 1-2-3-4-5-6.