DOSANDO

AMOSTRAGEM

Por mais que o estudo de todos os elementos da população possibilite um preciso conhecimento das variáveis que estão sendo pesquisadas, nem sempre é possível obter as informações de todos os elementos da população. Limitações de tempo, custo e vantagens do uso de técnicas de inferência justifica o uso de amostras. Por essa razão, o mais frequente é trabalhar com uma amostra, ou seja, com uma pequena parte dos elementos que compõe o universo (GIL, 2010). Torna-se claro que a representatividade da amostra dependerá do seu tamanho e da forma como é coletada visando obter uma amostra significativa, e que de fato represente toda a população (GONÇALVES, 2009).

Uma amostra trata-se de um subconjunto do universo ou da população, por meio do qual se estabelecem ou se estimam as características desse universo ou população. Sendo que, uma população ou universo nada mais é do que um conjunto de elementos que possuem determinadas características (MASSUKADO-NAKATANI, 2009).

De forma concisa a amostra pode ser definida, de acordo com Levine et al., (2008), como uma parcela de uma população selecionada para fins de análise.

A representatividade e imparcialidade são duas questões importantes que devem ser levadas em conta na retirada da amostra, pois para ser apropriada a amostra tem que ser representativa, ou seja, deve conter em proporção tudo o que a população possui. Além do mais, todos os elementos da população devem ter igual oportunidade de fazer parte da amostra, ou seja, também deve ser imparcial (GONÇALVES, 2009).

Quando essa amostra é rigorosamente selecionada, os resultados obtidos tendem a aproximar-se bastante dos auferidos se todos os elementos do universo fossem pesquisados. E, com o auxílio de procedimentos estatísticos, torna-se possível até mesmo calcular a margem de segurança dos resultados obtidos (GIL, 2010, p. 109).

A amostragem pode ser dividida basicamente em amostragem probabilística e não probabilística. A primeira, por seguir as leis estatísticas, permite a expressão da probabilidade matemática, ou seja, de se encontrar na amostra as características da população, ao passo que a segunda depende de critério e julgamento estabelecido pelo pesquisador para a produção de uma amostra fiel. As vantagens e desvantagens dos dois tipos é que a amostra não probabilística é mais rápida e menos onerosa, enquanto, que a probabilística confere maior confiabilidade aos resultados obtidos, na medida em que, nesta, cada elemento da população possui a mesma probabilidade, previamente conhecida e diferente de zero, de ser incluído na amostra, além de que numa amostragem probabilística é possível extrair conclusões que podem ser generalizadas para toda a população – algo que não se pode fazer na não probabilística (STEVESON, 1986).

TÉCNICAS DE AMOSTRAGEM

Técnica de amostragem probabilística

As amostras por probabilidade são amostras em que os componentes são extraídos da população de acordo com probabilidades conhecidas. O mecanismo de probabilidade pelo qual os componentes são selecionados é especificado antes de iniciada a amostragem e não deixa ao investigador qualquer margem para decidir que itens da população devem ser incluídos na amostra (MERRILL; FOX, 1977).

Os elementos da amostra são selecionados através de alguma forma de sorteio não tendencioso, como por exemplo, tabelas de números aleatórios ou números aleatórios gerados por computador. Com a utilização de sorteio elimina-se a influência do pesquisador na obtenção da amostra, e garante que todos os integrantes da população tem a probabilidade de pertencer à amostra (FRANCO s.d.).

Segundo Fonseca e Martins (1996), os métodos de amostragem probabilística exigem que cada elemento da população possua determinada probabilidade de ser selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho da população, a probabilidade de cada elemento será 1/N. São métodos que garantem cientificamente a aplicação das técnicas estatísticas de inferência. E somente com base em amostragens probabilísticas é que se podem realizar inferências ou induções sobre a população a partir do conhecimento da amostra.

Merrill e Fox (1977) citam que ao delinear uma amostra por probabilidade, o investigador pode determinar o tamanho da amostra necessário para obter um determinado grau de exatidão na estimativa de um parâmetro. Além disso, há menos oportunidade para os inspecionadores ou entrevistadores introduzirem vícios na coleta de dados para a amostra, porque seu julgamento não entra no jogo na escolha dos itens da amostra.

FORMAS DE AMOSTRAGEM PROBABILÍSTICA

Amostragem aleatória simples

Trata-se do método mais elementar e frequentemente utilizado. Nesse processo de amostragem, assim como em outros métodos probabilísticos, é assegurado que todos os elementos do universo tenham a mesma possibilidade de serem considerados (FONSECA; MARTINS, 1996).

Para realizar uma amostragem aleatória simples, recomenda-se fazer uma listagem dos elementos da população, atribuindo aleatoriamente um número para cada um desses elementos. Feito isso, o pesquisador deverá sortear dentro de toda a população, atribuindo aleatoriamente um número para cada um desses elementos. Feito isso, o pesquisador deverá sortear dentro de toda a população, desconhecendo inteiramente a quem esses números estão associados, os números adequados de elementos que irão compor a amostra (ANDERSON; SWEENEY; WILLIAMS, 2007).

Para realização do sorteio, normalmente são utilizadas Tabelas de Números Aleatórios (TNA) que consistem em sequencias de dígitos contendo os algarismos 0, 1, 2,..., 7, 8 e 9, distribuídos aleatoriamente (APÊNDICE A). Esses números podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer ordem, como por colunas, num sentido ou noutro, por linhas, diagonalmente, etc., e podem ser considerados aleatórios (STEVENSON, 1986).

Nesse tipo de amostragem, a variabilidade amostral ou erro amostral é bem determinado, e para se obter uma boa amostragem é recomendável que a população seja homogênea e grande, essa técnica também é mais adequada quando se conhece a lista de todos os elementos que compõem a população alvo (FRANCO, s.d.).

Um simples exemplo dessa técnica pode ser observado ao aplicar um questionário sobre satisfação com os serviços da agência em 10 clientes de um banco de dados de 100 pessoas, em que, a aleatória simples está em atribuir