Amostragem Multi-Etápica ou Por Etapas
Download
Report
Transcript Amostragem Multi-Etápica ou Por Etapas
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.
Métodos Formais de
Amostragem
Servem para assegurar uma certa precisão na estimação dos
parâmetros da população, reduzindo o erro amostral.
1. Métodos de
Probabilísticos
2. Métodos de Amostragem Não Casual ou Métodos Não
Probabilísticos ou Intencionais
Amostragem
Casual
ou
Métodos
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.
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.
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.
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.
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.
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.
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.
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.
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 clusters são 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 et al. (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 clusters devem ser relativamente semelhantes de modo a
que uma amostra aleatória de clusters possa ser uma amostra
representativa dos casos do universo.
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 clusters até se chegar às unidades
elementares.
Amostragens Não
Probabilísticas
TIPOS
Amostragem acidental ou de conveniência;
Amostragem por quotas;
Amostragem por redes ou bola de neve.
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.
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 et al. (2002), há duas grandes desvantagens
com este método de amostragem:
(1)
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.
(2)
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.
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.
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).
Determinação do Tamanho
da Amostra
- Nível de confiança estabelecido
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.
Fatores que determinam o tamanho da amostra:
- Erro máximo permitido
Os resultados obtidos numa pesquisa elaborada a partir de amostras não são rigorosamente
exatos em relação ao universo. Esses resultados apresentam sempre um erro de medição.
Nas pesquisas sociais, trabalha-se usualmente com uma estimativa de erro entre 3 e 5%.
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.
Erro amostral
Distribuição normal
Se desejarmos um nível de confiança muito alto (superior a
99%) aplica-se a fórmula dos três desvios.
Distribuição normal
1
desvio
padrão
representatividade
=
68%
de
2 desvios = 95,5% de seu total
3 desvios= 99,7% da amostra ou população
Determinação do Tamanho
da Amostra
Para Populações infinitas (+ de 100 000 elementos)
Para populações finitas (menos de 100 000
elementos)
Bibliografia
Coutinho, Clara, “Métodos ou Técnicas de Amostragem”,
Universidade
do
Minho,
http://claracoutinho.wikispaces.com/M%C3%A9todos+e+
T%C3%A9cnicas+de+Amostragem
Hill, Margarida; Hill, Andrew (2009), Investigação por
Questionário, Lisboa, Edições Sílabo.
Moreira, Carlos Diogo (1994), Planeamento e Estratégias da
Investigação Social, Lisboa, ISCSP.
Pocinho, Margarida (2009), Estatística – Volume I. Teoria e
exercícios
passo-a-passo.
http://docentes.ismt.pt/~m_pocinho/Sebenta_estatistica%
20I.pdf
Links para plano de
amostragem
http://www.dgai.mai.gov.pt/cms/files/conteudos/file/administracao_eleitoral/Result
ados%20RE/Publicacao_DR_Ref31Dez2011(1).pdf
http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCMQ
FjAA&url=http%3A%2F%2Fwww.ine.pt%2Fngt_server%2Fattachfileu.jsp%3Flook_pare
ntBoui%3D131011296%26att_display%3Dn%26att_download%3Dy&ei=uNmLT76VAeH
F0QXMvsC3CQ&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