Veja o que você precisa saber para definir a amostragem da sua pesquisa

A amostragem é uma parte da população que permite concluir e caracterizar a população inteira.

---

O que acontece quando você precisa fazer a coleta de dados, mas não é possível ter acesso a toda população da pesquisa? Pois bem. É aqui que entra a amostragem.

Quer saber como definir a amostragem da sua pesquisa científica?

Então, pega seu café e vem comigo 🙂

O QUE É AMOSTRAGEM?

De forma geral, a amostragem é um procedimento para escolher apenas alguns membros de uma população inteira, de forma que seja possível fazer análises e chegar em conclusões sobre a população inteira.

Em outras palavras, a amostragem é uma parte da população que permite concluir e caracterizar a população inteira.

A definição da amostragem serve, portanto, para viabilizar algumas pesquisas quantitativas e racionalizar recursos.

Vamos pensar, por exemplo, um projeto de pesquisa que queira investigar a possibilidade de uma doença nas pessoas brasileiras de mais de 50 anos. Seria bastante difícil analisar o prontuário médico de todas as pessoas nessa condição no Brasil.

Então, se realmente fosse necessário analisar todos esses prontuários para concretizar a pesquisa, seria inviável ou, quando menos, custaria muito caro e gastaria muuuuito tempo. É aí que entra a amostragem.

Ou seja: a amostragem serve para possibilitar a realização de algumas pesquisas, já que permite que se defina apenas uma amostra que represente todo o conjunto de interesse.

E para isso, temos que pensar em muitas questões importantes. Afinal de contas, ao analisar apenas uma parte para chegar em conclusões que representam uma população inteira, temos que ter em mente que vão existir alguns desvios da realidade.

Se formos analisar, por exemplo, em uma monografia sobre o hábito alimentar entre a população brasileira inteira, a nossa amostra pode sofrer desvios se selecionarmos mais jovens do que idosos; mais crianças do que adultos; mais pessoas de regiões frias do que regiões quentes. E assim por diante.

Por essa razão, de forma geral, a amostra deve ser:

• Um conjunto que representa a população
• de alguma forma, aleatória

Conceitos básicos

Antes de seguir no estudo de amostragem, vamos fixar esses conceitos.

População

A população é a totalidade de itens, de pessoas ou de elementos que contém todas as informações disponíveis para tirar alguma conclusão.

Por exemplo, se pensarmos no contexto de eleições municipais, a população seriam todas as pessoas que têm capacidade civil de votar.

Característica populacional

Esse é o aspecto da população que a pesquisa quer medir.

Se pensarmos no exemplo anterior, a característica populacional seria a intenção de voto da população nas eleições municipais.

Unidade amostral

Define-se a partir do interesse da pesquisa. Pode ser um indivíduo, pode ser uma família, pode ser um bairro de uma cidade. Essa escolha é feita logo no início da pesquisa.

Amostragem

Como foi dito, é a parcela do universo inteiro da pesquisa científica que será efetivamente investigado.

Erro amostral

É a porcentagem de variação dos resultados da pesquisa.

Por exemplo: uma dissertação de mestrado que quer encontrar a proporção de brasileiros com casa própria possui índice de erro de 5%. Suponha que a pesquisa retorne o resultado de que 45% da população possui casa própria, o erro amostral indica que o resultado real pode variar em 5 pontos percentuais para mais ou para menos, ou seja, o número de brasileiros com casa própria fica entre 40% e 50% da população.

Distribuição da população

Índice de homogeneidade da população. Quanto menos variações existir na população, a amostragem necessária para a pesquisa será menor. Afinal, vão existir menos grupos que precisarão ser representados.

Nível de confiança

É o índice que demostra a probabilidade dos resultados refletirem as opiniões de toda a população.

Por exemplo: uma tese de doutorado com nível de confiança de 95% quer dizer que se repetir a pesquisa por 100 vezes, em 95 o resultado será o mesmo.

Margem de erro

É a diferença do resultado que a pesquisa pela amostra encontrou para a média da população. Logo, existe uma relação inversamente proporcional entre a margem de erro e o tamanho da amostra.

Isso significa que quando menor for a margem de erro, maior terá de ser a amostra.

Aleatoriedade

Para termos resultados muito próximos da realidade da população, a escolha da amostragem deve ser totalmente aleatória. Isso porque quanto menos presa a amostra for a uma categoria, mais a amostragem representará a população como um todo.

POR QUE FAZER UMA AMOSTRAGEM?

Bom, a importância de selecionar uma amostragem refere-se diretamente aos benefícios de se fazer uma amostragem.

A verdade é que muitos pesquisadores só alcançaram conhecimentos científicos importantes porque realizaram pesquisas através de amostragem.

Isso porque, como eu já te falei, ao selecionar amostragem, há uma economia de tempo e de recursos para fazer a pesquisa.

Além do mais, a manipulação dos dados é muito mais simples. Se pensarmos que a análise de 1.000 pessoas é suficiente, por que é necessário analisar um arquivo com milhares de dados?

DESVANTAGEM DA AMOSTRAGEM

A grande desvantagem da amostragem é que os resultados estão sujeitos a uma margem de erro.

Quer dizer, existe um erro controlado no resultado, em razão da própria natureza da amostragem e da necessidade de generalizar os resultados.

Então, vamos supor que a pesquisa é um artigo científico que vai analisar a porcentagem de pessoas fumantes na cidade de Florianópolis. Uma maneira de descobrir essa informação é entrar em contato com todas as pessoas que habitam Florianópolis e perguntar se são fumantes. A outra maneira é selecionar uma amostragem de, por exemplo, 1.000 pessoas e perguntar a essas pessoas.

Mas essa generalização pode apresentar alguns erros. Vamos supor que nessa amostra aleatória o resultado seja de 25% de fumantes. É simples a lógica que diz que de 1.000 pessoas que moram Florianópolis, 25% fumam.

Se analisarmos toda a população de Florianópolis, o número de fumantes deveria representar a mesma porcentagem de 25%. Mas a seleção – ainda que aleatória – pode ter sido de mais ou menos fumantes para representar a amostra.

É muito comum que a análise da população geral encontre resultados diferentes da amostra. A notícia boa é que também é possível calcular esse erro através da margem de erro e do nível de confiança.

TIPOS DE AMOSTRAGEM

Existem duas formas de selecionar a amostragem da pesquisa: a não-probabilística e a probabilística. O tipo de amostragem se relaciona ao grau de aleatoriedade dessa seleção.

Amostragem não-probabilística

A amostragem não-probabilística se caracteriza quando existe uma escolha deliberada dos elementos para compor a amostra. Isso significa que escolha da amostra depende de critérios que o próprio pesquisador define.

Ou seja, os mecanismos para seleção da amostra não são aleatórios. Daí porque se entende que não há como garantir a representatividade da amostra.

Métodos de amostragem não-probabilística

Dentre o tipo de amostragem não-probabilístico, existem métodos diferentes de selecionar a amostragem.

Amostragem por conveniência ou por acessibilidade

É o método menos rigoroso de escolher a amostragem, porque o pesquisador seleciona os elementos dos quais tem acesso direto. Ou seja: seleciona-se os elementos por estarem imediatamente disponíveis.

Um exemplo é um jornalista que entrevista as pessoas que for encontrando na rua.

Amostragem por julgamento ou intencional

É quando a seleção da amostra parte do julgamento de uma pessoa que é experiente no assunto ou a partir de informações disponíveis e importantes para a pesquisa. Ou seja: a pessoa escolhe intencionalmente os elementos que fazem parte da amostra.

Então, escolhe-se a amostra a partir de informações disponíveis, para que a amostra represente toda a população.

Por exemplo: uma pesquisa para entender o processo de pessoas que pretendem fazer mestrado. O critério de seleção é a pergunta: “você tem interesse em estudar para o mestrado?” e aqueles que responderem “não” não participarão da pesquisa.

Amostragem de bola de neve

É um método que se usa para entender assuntos difíceis de rastrear, normalmente assuntos difíceis e sensíveis. Então, usa-se a técnica de bola de neve para rastrear outras pessoas para participarem.

A técnica de bola de neve consiste em perguntar para a pessoa participante se ela conhece outra pessoa que também estaria disponível para participar da pesquisa e assim por diante.

Amostragem por cotas

A amostragem por cotas parte de um padrão pré-estabelecido. Usa-se esse método quando não existe um cadastro que possibilite fazer um sorteio para selecionar a amostra mas, que ao mesmo tempo, existe informação sobre o perfil da população.

Então, estabelece-se critérios para classificar a população e determina-se a proporção da população para cada classe. Depois disso, fixa-se as cotas em observância à proporção das classes.

Amostragem probabilística

A amostragem probabilística, por sua vez, se caracteriza quando a seleção dos elementos da amostra é aleatória. Isso significa que cada elemento da população tem a mesma chance de fazer parte da amostra.

O grande benefício da amostragem probabilística é reduzir os vieses da amostra, já que a seleção é aleatória.

Por esse motivo, é um tipo de amostragem que segue métodos rigorosamente científicos.

Métodos de amostragem probabilística

Dentre a amostragem probabilística, também existem métodos diferentes de selecionar a amostra.

Amostragem aleatória simples (AAS)

É o processo que melhor define a escolha aleatória. Indica-se para selecionar amostras de populações homogêneas, a partir de um simples sorteio.

Por exemplo: aplicar um questionário de satisfação sobre os serviços de uma loja em 50 clientes de um banco de dados de 200 pessoas, através de sorteio.

Amostragem por cluster ou conglomerado

Divide-se a área da população em seções ou conglomerados. Depois, seleciona-se os conglomerados de forma aleatória. E dentro dos conglomerados, todos os elementos participam da amostra.

Amostragem sistemática

A escolha da amostra segue um intervalo pré-definido e regular de uma população. Para isso, ordena-se a população para que seja possível identificar a posição de cada um.

Para encontrar os pontos de coleta sistemática é necessário fazer os seguintes passos.

1. Calcular a razão R=N/n – N é o tamanho da população e n é o tamanho da amostra
2. Sortear um número de 01 até R
3. Obter a amostra: número sorteado, número sorteado + R, número sorteado + 2R…

Por exemplo: um pesquisador quer coletar uma amostra sistemática de 10 pessoas em uma população de 100. Cada elemento da população terá um número de ordem de 1 a 100.

Portanto, o R = 10 (População total/tamanho da amostra = 100/10=10).

Número sorteado: 8

Amostra: 8, 18, 28, 38, 48, 58, 68, 78, 88 e 98.

Amostragem aleatória estratificada

A amostragem estratificada consiste em dividir a população em subgrupos mais homogêneos – que são os estratos -, de forma que exista homogeneidade dentro desse subgrupo. Mas que entre os estratos exista heterogeneidade.

A definição dos estratos pode ser em relação ao gênero, idade, renda, grau de instrução, localização, por exemplo.

Por exemplo: em uma pesquisa de satisfação da loja, separou-se dois estratos pelo gênero feminino e masculino. Verificou-se que, dentro das 100 pessoas, 30% são do gênero feminino e 70% são do gênero masculino. Portanto, delimita-se que dentre os 10 clientes que responderão a pesquisa, 3 devem ser do gênero feminino e 7 do masculino. Depois disso, dentre os estratos, faz-se um sorteio simples.

Cálculo amostral

Qual é o tamanho da amostra que você precisa para estudar a população da sua pesquisa? É a partir do cálculo amostral que você chega na amostragem perfeita para sua pesquisa.

É importante ter em mente que o tamanho da amostra depende do tamanho da população e do nível de erro você está disposto aceitar.

Isso porque a margem de erro, nível de confiança e tamanho da amostra são itens que se relacionam. Então, a alteração de um desses fatores altera os demais.

Ou seja, quanto maior for o nível de confiança da sua pesquisa e menor a margem de erro, maior terá que ser o tamanho da sua amostra.

Para se chegar ao número ideal da amostra, utiliza-se um modelo estatístico que nos informa a quantidade de pessoas ou de eventos que se deve coletar para atingir a confiabilidade nos resultados.

O modelo estatístico também é denominado de cálculo amostral e parte de uma fórmula específica.

Fórmula do cálculo amostral

Para encontrar o número ideal da amostragem, é necessário usar o teorema do limite central.

Ele fornece suporte matemático ao conceito de que a média de uma amostra aleatória de uma população grande tende a estar próxima da média da população completa.

Representa-se o teorema pela seguinte fórmula:

n=N Z² p (1-p)(N-1) e² + Z² p (1-p)

Em que:

n = é o tamanho da amostra que queremos calcular (amostragem)

N = é tamanho do universo (ou seja, a população)

Z = é o desvio do valor médio que é aceito para alcançar o nível de confiança que se deseja

e = é a margem de erro máximo que se admite

p = é a proporção que se espera encontrar

O resultado obtido com a amostragem será o mais provável de ser encontrado também no universo total da pesquisa.

Conhecendo as propriedades matemáticas que definem o cálculo amostral, é possível adaptar as fórmulas da distribuição gaussiana para o objeto da sua pesquisa.

Dessa forma, chega-se ao número da amostra que será preciso investigar para alcançar um resultado confiável para sua pesquisa do TCC. Mas lembre-se, existem algumas regras que devem ser seguidas, conforme as normas ABNT

Descomplicando o cálculo amostral

No entanto, há outras formas didáticas de se entender o cálculo amostral, como explicado pelo site Gaussianos.

Voltando ao exemplo do problema de pesquisa para encontrar as pessoas fumantes de Florianópolis, com margem de erro for 5% e o nível de confiança for 95%.

Se a população total for de 100 pessoas, a amostra teria que ser de 79,5 pessoas. Caso a população for de 1000 pessoas, a amostra deve ser de 277,7 pessoas. Se o universo fosse de 100.000 pessoas, a amostra necessária seria de 382,7 pessoas.

Ou seja: quanto maior a população, a amostra cresce de forma desproporcional, com tendência a estagnar. Cada vez mais, a amostra representará uma porcentagem total do universo. Por exemplo:

Quer dizer, mesmo com uma população muito grande, é possível estudar os dados com margem de erro pequena e grande nível de confiança. Contudo, a amostragem não funciona bem em pequenas populações. Se uma classe tiver 10 alunos, é importante ouvir a opinião de todos os alunos para entender a opinião geral da sala.

AUTOMATIZAÇÃO DO CÁLCULO AMOSTRAL

Você entendeu como se chega a uma amostra ideal para seu trabalho acadêmico?

Mas, se você tem dificuldades para lidar com os números, não se preocupe. Você não precisa fazer todos esses cálculos com fórmulas complicadas para fazer uma pesquisa quantitativa.

A boa notícia é que existem muitos sites na internet que oferecem o serviço de calculadora de amostragem de forma gratuita. Dessa forma, basta você acessar e inserir os dados da sua pesquisa e pronto!

A calculadora faz todo esse trabalho e resolve o cálculo de amostragem para você 🙂

FORMATAÇÃO AUTOMÁTICA DE TRABALHOS NAS NORMAS DA ABNT

Agora você já deve já sabe como definir a amostragem da sua pesquisa, que tal colocar a mão na massa?

Só não se esqueça de que, independentemente do tipo de trabalho acadêmico, você deve seguir a formatação das normas da ABNT.

E nisso nós podemos te ajudar. O Mettzer é um editor de textos, que formata, de forma automática, todos os seus trabalhos nas normas da ABNT: desde a capa até as referências bibliográficas.

Já são mais de 750 mil estudantes e pesquisadores que usam o Mettzer todos os dias.

Então, se você ainda não conhece o Mettzer, essa é uma ótima oportunidade de conhecer.

Acesse nosso site e faça um teste gratuito por 7 dias  🙂