INTRODUÇÃO À
AMOSTRAGEM
Profa. Dra. Hilma Khoury
Universidade Federal do Pará/IFCH/Faculdade de Psicologia
Hospital Univer...
A LÓGICA E A IMPORTÂNCIA
DA AMOSTRAGEM
Porque estudar amostras e não a
população?
Estudar uma população pode demandar muito tempo e
dinheiro e, geralmente os cie...
O que é uma Amostra
Representativa?
Como garantir que a amostra seja uma mini
população?
Como ter certeza de que na amostra que
selecionamos estão representad...
Não há como ter certeza absoluta.
Tudo vai depender de como selecionamos a
amostra.
Se a amostra for grande o suficiente para
que se possa reduzir o erro amostral.
Se a amostra for selecionada de forma
alea...
O que é uma amostra grande o
suficiente?
O que é uma seleção aleatória?
O que é probabilidade?
Como conseguir uma amostra
suficientemente grande?
Tamanhos de
população
Tamanhos de Amostra
5% 10%
50 44
100 81 51
200 13...
Dar a todos os elementos de uma população a
mesma chance (probabilidade) de ser
selecionado (escolhido).
SELEÇÃO ALEATÓRIA
Teoria da Probabilidade
Previsões futuras sobre acontecimentos
que, na realidade, não podemos prever.
Sabemos, apenas, todas as hipóteses
possívei...
Se jogo uma moeda uma vez, a face que cai para
cima pode ser cara ou coroa, mas não temos
nenhuma garantia sobre o que vai...
Se jogo um dado uma vez, a face que cai para
cima pode ser ás, duque, terno, quadra, quina ou
sena, mas não temos nenhuma ...
Qual a probabilidade de eu acertar o parâmetro
com base na estatística da amostra?
M = 20 anosM = 19 anos
PARÂMETRO
ESTATÍ...
Em geral não temos como saber o
parâmetro.
As amostras extraídas de uma população
fornecem estimativas do parâmetro
relati...
Tudo vai depender de como selecionamos a
amostra.
A amostra deve ser grande o suficiente
para que se possa reduzir o erro
...
Se muitas amostras aleatórias são extraídas
de uma mesma população, as estatísticas
fornecidas por estas amostras estarão
...
Se há tanta variabilidade, como saber o
parâmetro real?
Qual desses valores representa o
parâmetro existente na população?
Embora haja uma ampla faixa de
estimativas, a maioria está mais próxima
do ponto médio do eixo de ordenadas.
Portanto, o v...
A teoria da probabilidade nos diz
Quão próximo as estatísticas das
amostras estão aglomeradas em torno do
valor real;
Quan...
-3 -2 -1 0 1 2 3
Erro Padrão ou Margem de Erro
68% das amostras (34 +34) terão estimativas
dentro de + ou - 5% do parâmetro de 100.
Estimativas entre 100 e 105 (1 erro p...
Nível de Confiança
95% das amostras estarão dentro de 2 erros
padrões do parâmetro. Assim, uma amostra aleatória
tem probabilidade de 95% de ...
Ainda sobre o tamanho da amostra
Temos sempre de avaliar o número de
subgrupos que pretendemos estudar na
amostra.
Ex: doi...
TIPOS DE AMOSTRAGEM
Probabilística
Não-Probabilística
PROBABILÍSTICA
Providencia uma seleção randômica ou
aleatória.
Cada elemento tem a mesma chance (ou
uma chance conhecida) de ser selecion...
Amostras randômicas aumentam a
probabilidade de que a informação coletada
seja representativa dos grupos de onde foi
retir...
Tipos de Amostras
Probabilísticas
Aleatória Simples
Cada elemento da lista recebe um número e
procede-se à seleção por meio de sorteio ou da
tabela de númer...
Estratificada
Retiram-se da lista quantidades apropriadas de
elementos a partir de subconjuntos homogêneos
da população (p...
Por Conglomerados em múltiplas etapas
Amostram-se grupos de elementos
(bairros, universidades) e, em seguida escolhem-
se ...
NÃO-PROBABILÍSTICA
Não há qualquer expectativa de que cada
elemento tenha uma chance igual de ser
incluído na amostra.
Uma vez que a amostra ...
Em algumas circunstâncias a amostra
probabilística pode ser impossível,
desnecessária ou mesmo não desejável.
Você pode es...
Tipos de Amostras
Não-Probabilísticas
Por Quotas
Colhem-se dados de pessoas com todas as
características de uma dada célula em uma matriz.
Parte-se de uma matri...
Intencional ou Por Julgamento
Utilizada em situações em que a natureza dos
objetivos da pesquisa necessita ou se satisfaz
...
Referências e Bibliografia Consultada
Babbie, E. (1999). Métodos de Pesquisas de Survey. Belo
Horizonte: UFMG
Dancey, C. P...
Amostragem
Próximos SlideShares
Carregando em…5
×

Amostragem

1.253 visualizações

Publicada em

Introdução à Amostragem. A Lógica da amostragem. Tipos de amostragem.

Publicada em: Ciências
0 comentários
4 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
1.253
No SlideShare
0
A partir de incorporações
0
Número de incorporações
444
Ações
Compartilhamentos
0
Downloads
37
Comentários
0
Gostaram
4
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Amostragem

  1. 1. INTRODUÇÃO À AMOSTRAGEM Profa. Dra. Hilma Khoury Universidade Federal do Pará/IFCH/Faculdade de Psicologia Hospital Universitário João de Barros Barreto Programa de Residência Multiprofissional em Saúde E-mail: hilmatk@yahoo.com.br Fone: (91) 98112-4808; 98800-5762; 3201-8057
  2. 2. A LÓGICA E A IMPORTÂNCIA DA AMOSTRAGEM
  3. 3. Porque estudar amostras e não a população? Estudar uma população pode demandar muito tempo e dinheiro e, geralmente os cientistas lidam com prazos e poucos recursos. Até que ponto seria seguro tirar conclusões para a população a partir da amostra? Se a amostra for representativa da população, pode-se tirar conclusões, generalizar.
  4. 4. O que é uma Amostra Representativa?
  5. 5. Como garantir que a amostra seja uma mini população? Como ter certeza de que na amostra que selecionamos estão representados todos os estratos existentes na população? MINI POPULAÇÃO
  6. 6. Não há como ter certeza absoluta. Tudo vai depender de como selecionamos a amostra.
  7. 7. Se a amostra for grande o suficiente para que se possa reduzir o erro amostral. Se a amostra for selecionada de forma aleatória para que seja representativa da variabilidade que de fato existe na população. Existe a probabilidade de estarmos mais ou menos certos.
  8. 8. O que é uma amostra grande o suficiente? O que é uma seleção aleatória? O que é probabilidade?
  9. 9. Como conseguir uma amostra suficientemente grande? Tamanhos de população Tamanhos de Amostra 5% 10% 50 44 100 81 51 200 134 67 500 222 83 1000 286 91 5000 370 98 10000 385 99 20000 392 100 50000 397 100 100000 398 100 Extraído de Taylor-Powell (1998)
  10. 10. Dar a todos os elementos de uma população a mesma chance (probabilidade) de ser selecionado (escolhido). SELEÇÃO ALEATÓRIA
  11. 11. Teoria da Probabilidade
  12. 12. Previsões futuras sobre acontecimentos que, na realidade, não podemos prever. Sabemos, apenas, todas as hipóteses possíveis para esses acontecimentos.
  13. 13. Se jogo uma moeda uma vez, a face que cai para cima pode ser cara ou coroa, mas não temos nenhuma garantia sobre o que vai acontecer. Posso fazer uma aposta, uma estimativa. Se jogo uma moeda muitas vezes, há chance de 50% para cada uma das faces caírem para cima.
  14. 14. Se jogo um dado uma vez, a face que cai para cima pode ser ás, duque, terno, quadra, quina ou sena, mas não temos nenhuma garantia sobre o que vai acontecer. Se jogo um dado muitas vezes, há chance de 16,67% para cada uma das faces caírem para cima.
  15. 15. Qual a probabilidade de eu acertar o parâmetro com base na estatística da amostra? M = 20 anosM = 19 anos PARÂMETRO ESTATÍSTICA Média de idade dos estudantes do curso de psicologia da UFPA.
  16. 16. Em geral não temos como saber o parâmetro. As amostras extraídas de uma população fornecem estimativas do parâmetro relativo a população total. Qual a chance da inferência sobre o parâmetro, por meio da estatística de uma amostra, estar correta?
  17. 17. Tudo vai depender de como selecionamos a amostra. A amostra deve ser grande o suficiente para que se possa reduzir o erro amostral. A amostra deve ser selecionada de forma aleatória para que seja representativa da variabilidade que de fato existe na população.
  18. 18. Se muitas amostras aleatórias são extraídas de uma mesma população, as estatísticas fornecidas por estas amostras estarão distribuídas em torno do parâmetro populacional de uma forma conhecida. (Exercício)
  19. 19. Se há tanta variabilidade, como saber o parâmetro real? Qual desses valores representa o parâmetro existente na população?
  20. 20. Embora haja uma ampla faixa de estimativas, a maioria está mais próxima do ponto médio do eixo de ordenadas. Portanto, o valor real do parâmetro da população está próximo a esse valor médio. Por isso se fala em distribuição normal padrão.
  21. 21. A teoria da probabilidade nos diz Quão próximo as estatísticas das amostras estão aglomeradas em torno do valor real; Quanto elas se desviam do valor real - erro padrão ou margem de erro.
  22. 22. -3 -2 -1 0 1 2 3
  23. 23. Erro Padrão ou Margem de Erro
  24. 24. 68% das amostras (34 +34) terão estimativas dentro de + ou - 5% do parâmetro de 100. Estimativas entre 100 e 105 (1 erro padrão acima). Entre 100 e 95 (1 desvio padrão abaixo). 95% das amostras estarão dentro de (+ ou -) 2 erros padrão do valor verdadeiro. 99,9% das amostras estarão dentro de (+ ou -) 3 desvios padrão. Desvio do valor real = 5%
  25. 25. Nível de Confiança
  26. 26. 95% das amostras estarão dentro de 2 erros padrões do parâmetro. Assim, uma amostra aleatória tem probabilidade de 95% de estar dentro desta faixa. Há 95% de confiança de que a estatística da amostra esteja dentro de 2 erros padrões do parâmetro. Consequentemente, 5% de chance de que a interpretação esteja errada e 95% de chance de que as conclusões reflitam de forma precisa o que acontece na população (Taylor-Powell, 1998). Risco de estarmos errados dentro da margem de erro especificada
  27. 27. Ainda sobre o tamanho da amostra Temos sempre de avaliar o número de subgrupos que pretendemos estudar na amostra. Ex: dois grupos de sexo (masculino e feminino), três grupos de nível socioeconômico (baixo, médio e alto). Isto porque “o número mágico de quantos participantes deveriam estar em cada grupo é 30” (Salkind, 2000, p.96).
  28. 28. TIPOS DE AMOSTRAGEM Probabilística Não-Probabilística
  29. 29. PROBABILÍSTICA
  30. 30. Providencia uma seleção randômica ou aleatória. Cada elemento tem a mesma chance (ou uma chance conhecida) de ser selecionado. Ex: Se há 4500 estudantes em todas as escolas de ensino médio e se há 1000 concluintes, a probabilidade de selecionar um concluinte como parte da amostra é 1000/4500 ou 0,22.
  31. 31. Amostras randômicas aumentam a probabilidade de que a informação coletada seja representativa dos grupos de onde foi retirada (Taylor-Powell, 1998, p.3). A seleção de uma amostra probabilística requer uma moldura de amostragem: Lista de elementos a partir dos quais é selecionada a amostra.
  32. 32. Tipos de Amostras Probabilísticas
  33. 33. Aleatória Simples Cada elemento da lista recebe um número e procede-se à seleção por meio de sorteio ou da tabela de números aleatórios. Lista.Amostragem Aleatoria.doc Gerador de números aleatórios.htm Sistemática Se a lista tem 1000 elementos, por exemplo, e o que se quer é uma amostra de 250, pode-se escolher 1 elemento a cada 4 para inclusão na amostra.
  34. 34. Estratificada Retiram-se da lista quantidades apropriadas de elementos a partir de subconjuntos homogêneos da população (p.ex. turmas, gênero, faixas etárias, etc.). Visa aumentar o grau de representatividade, reduzindo o provável erro amostral. O qual é reduzido por dois fatores no desenho da amostra, o tamanho da amostra e a homogeneidade da população. A amostragem estratificada se baseia nesse segundo fator.
  35. 35. Por Conglomerados em múltiplas etapas Amostram-se grupos de elementos (bairros, universidades) e, em seguida escolhem- se elementos em cada conglomerado selecionado. É indicada quando a população de onde se pretende retirar a amostra não pode ser facilmente listada. Ex: População de uma cidade, universitários do país. Nesse caso, A desvantagem é que o erro amostral aumenta em cada etapa.
  36. 36. NÃO-PROBABILÍSTICA
  37. 37. Não há qualquer expectativa de que cada elemento tenha uma chance igual de ser incluído na amostra. Uma vez que a amostra não pretende representar a população, os achados não deveriam ser generalizados para o todo.
  38. 38. Em algumas circunstâncias a amostra probabilística pode ser impossível, desnecessária ou mesmo não desejável. Você pode estar limitado apenas àqueles participantes que concordam em ser incluídos. Ou querer selecionar casos ricos em informação, a partir dos quais possa aprender muito acerca dos assuntos importantes para o estudo. Ou ainda, querer aprofundar um assunto específico.
  39. 39. Tipos de Amostras Não-Probabilísticas
  40. 40. Por Quotas Colhem-se dados de pessoas com todas as características de uma dada célula em uma matriz. Parte-se de uma matriz descrevendo as características da população alvo, contendo a proporção de cada célula da matriz (moldura das cotas). Ex: Conforme o PNAD/2004, em Belém/PA, há 120.482 aposentados, dos quais, 21.969 são economicamente ativos/ocupados (14.468, 65,9% M; 7.501, 34,1% F). A amostra de 200 sujeitos deve conter 132 homens e 68 mulheres.
  41. 41. Intencional ou Por Julgamento Utilizada em situações em que a natureza dos objetivos da pesquisa necessita ou se satisfaz com espécies de juízes selecionados. Conveniência A amostra é selecionada conforme a disponibilidade ou acessibilidade às pessoas que compõem a população. Só se justifica mediante a dificuldade de uma seleção randômica, “jamais deve ser desculpa para a preguiça” (Babbie, 1999, p.155).
  42. 42. Referências e Bibliografia Consultada Babbie, E. (1999). Métodos de Pesquisas de Survey. Belo Horizonte: UFMG Dancey, C. P., & Reidy, J. (2013). Estatística sem matemática para psicologia, 5ª Ed. Porto Alegre/RS: Penso, 606pp. Field, A. (2009). Descobrindo a estatística usando o SPSS. Porto Alegre/RS: Artmed. Khoury, H. T. T. (2010). Introdução à amostragem nas pesquisas sociais. Disponível em http://profahilmakhoury.blogspot.com.br/ Salkind, N. J. (2012). Exploring Research, 8a Ed. Pearson, 407pp. Taylor-Powell, E. (1998). Sampling: Program development and evaluation. Cooperative Extension Publications. University of Wisconsin, 10pp.

×