Baixe no formato PDF, TXT ou leia online no Scribd
Fazer download em pdf ou txt
Você está na página 1/ 3
Nessa aula iremos falar sobre população e amostra.
Aqui, nós faremos a
diferenciação entre ambos os termos e falaremos sobre os diferentes tipos de amostragem. ● População: todo o grupo que você quer estudar, sobre o qual você quer tirar conclusões. Exemplo: coleta de dados de todos os votantes eleitorais. Perceba que isso é inviável, por isso, utilizamos as amostras. A dificuldade de se acessar à população é devido ao N muito grande e pelo desconhecimento da mesma. ● Amostras: pequena parte da população. A partir da amostra, fazemos uma inferência, a partir de recursos estatísticos, para prever o que encontrar na população. Quanto melhor o método de amostragem, mais a amostra representará a população. ● A amostra e a população podem se misturar quando essa população pode ser toda acessada, quando, por exemplo, trata-se de um estudo local (ex.: enfermeiros de um hospital). Em termos de resultados, esse tipo de estudo da população pode não propiciar resultados extrapoláveis, diferentemente de, por exemplo, vários enfermeiros, de vários hospitais, enquanto amostras. ● Existem 2 tipos de amostra: o Probabilística: todas as pessoas têm a mesma chance de participar do estudo. É realizado um sorteio. São mais confiáveis. o Não probabilística: Coletamos dados com o que/quem conseguimos (amostra por conveniência). ● Na amostra probabilística, existem 4 formas de selecionar os participantes: o Aleatória simples: sorteia-se de forma completamente aleatória os participantes do estudo. Você precisa saber quantos participantes terá o estudo. Para isso, realiza-se um cálculo amostral para saber o N mínimo necessário para que sua amostra seja representativa. Exemplo: em uma lista de 5.000 pessoas, um software, por exemplo, pode sortear 400 pessoas – segundo o cálculo. o Amostra sistemática: sorteio com ordem predefinida. Você terá um critério de seleção dos participantes. Exemplo: se de 5.000 domicílios, para o censo, você precisa coletar dados de 50 domicílios. A cada 100, você coletará dados da oitava casa (8, 108, 208, 308). o Amostra estratificada: tende a ser melhor, mas é mais trabalhoso. Costuma ser conduzida em centros de pesquisa a, como IBOPE. Realiza-se uma subdivisão em grupos da população (estratos), de acordo com variáveis de interesse. Exemplo: nível de consumo de drogas – diferenças entre homens e mulheres e níveis de escolaridade. Essas informações de prevalência serão levadas em consideração dentro do cálculo de N. o Amostra por conglomerado (clusters): realiza-se uma subdivisão em grupos ainda maiores. Exemplo: pesquisa nacional dividida em regiões, depois, em cidades, colocando o peso sobre as informações desses clusters. ● Essas informações vão aparecer em uma descrição na parte de participantes do método. ● As amostras não-probabilísticas são feitas sem nenhum ou com poucos critérios. o Amostras por conveniência: acesso a quem está disponível. o Amostra por cota: considera-se algumas características da população de interesse. Você vai coletar dados em uma proporção que respeite a proporção populacional. É parecida com a amostra estratificada, mas não há sorteio. ● Em amostras não probabilísticas, não podemos extrapolar os dados para a população. Os testes estatísticos já levam em consideração que a sua amostra é representativa da população – o que não é o caso nesta categoria.
