Cálculo de amostra e a sua importância

O cálculo de amostra é a ação de definir um grupo de indivíduos de uma população com o intuito de estudar e caracterizar a população geral.

A ideia de cálculo de amostra parte do princípio que queremos estudar certas particularidades de indivíduos e populações. Para isso, devemos buscar uma racionalização de recursos, pois mesmo que seu objetivo seja conhecer a opinião das pessoas de forma mais abrangente, estudar toda a população de uma cidade, país ou região é algo inviável pois demandaria muito tempo, investimentos e, mesmo assim, seria impossível garantir que toda a população tenha respondido seu questionário. Por isso existe o cálculo de amostra, para conseguirmos selecionar uma amostra que consiga representar nosso interesse.

qual deve ser o valor final do cálculo de amostragem que eu preciso para estudar um universo?

Bom, o valor final do cálculo de amostra depende do tamanho do universo em estudo e do nível de erro que você está disposto a aceitar. Vamos pensar da seguinte maneira: quanto maior a precisão, maior o valor de nosso cálculo de amostra, e assim, se você deseja ter total certeza do resultado da pesquisa, um censo seria o necessário, que seria nada mais que utilizar a população total.

À vista disso, após o cálculo da amostra, devemos realizar a amostragem, que é apropriado, pois permite acompanhar um processo inverso que chamamos de generalização.

A generalização dos resultados obtidos a partir da amostragem podem mostrar algumas discrepâncias.

Vamos supor que temos uma amostra aleatória de 100 pessoas, onde 20% da amostra são estudantes. A lógica inicial seria dizer que se de 100 pessoas entrevistadas, 20% são estudantes. Se analisarmos 100 milhões de pessoas, o número de pessoas que estudam deveria representar a mesma porcentagem de 20%. Porém, deve-se tomar muito cuidado, pois por meio do acaso, poderíamos, pelo cálculo de amostra, ter selecionado mais ou menos estudantes para representar a amostra. É muito comum encontrar resultados diferentes na amostra. Portanto, a generalização dos resultados de uma amostra permite que o universo aceite alguns erros.

Felizmente, esse erro inevitável cometido pela generalização de resultados pode ser limitado através de estatísticas. Para isso, usamos a margem de erro (diferença máxima entre os dados observados na minha amostra e os dados reais do universo) e o nível de confiança (nível de certeza sobre os dados reais que está dentro da margem de erro). No caso dos estudantes, por exemplo, se selecionamos uma amostra de indivíduos e perguntamos se eles são estudantes, o resultado obtido terá uma margem de erro máxima de X% com um nível de confiança de Y%. Esta forma de expressar os resultados é correta quando se utiliza a amostragem.

O resultado do cálculo de amostra possui uma propriedade que explica o porquê a amostragem utiliza diversas áreas do conhecimento. A propriedade é resumida da seguinte forma: conforme estudamos universos maiores, o tamanho da amostra representa cada vez uma porcentagem menor desse universo.

 

Exemplo:

Vamos supor que desejamos fazer uma pesquisa para encontrar uma porcentagem (% de pessoas que estudam atualmente) com uma margem de erro de 5% e uma margem de confiança de 95%. Se o universo estudado englobar 100 pessoas, a amostra teria 79,5 indivíduos (ou seja, 79,5% do universo, que representa uma parte muito importante de todo o universo). Se o universo fosse de 1.000 pessoas, a minha amostra seria de 277,7 pessoas (27,7% do universo). E se o meu universo fosse 100.000, a amostra necessária seria de 382,7 pessoas (3,83% do universo).

Logo, quanto maior o universo, a amostra deve crescer de forma desproporcional, com uma tendência a parar, representando cada vez mais uma porcentagem menor do universo.  Então, a partir de certo tamanho do universo (cerca de 100.000 indivíduos), o tamanho da amostra estagna, ou seja, não cresce mais.

 

Assim, para o cálculo de amostra, essa pode ser dividida em 2 tipos: Amostra probabilística e não probabilística

A amostra probabilística é usada principalmente quando buscamos uma amostra na qual todos os respondentes do universo tenham probabilidade superior a zero de serem escolhidos na amostra. Nesse tipo de método, é preciso que haja imparcialidade na escolha dos respondentes. Essa pode ser:

  • Amostragem Aleatória: também conhecida como aleatória simples, todos os elementos da população nesse caso têm a mesma probabilidade de serem escolhidos como membro da amostra; os membros da amostra são então escolhidos por sorteio.
  • Amostragem Sistemática: nesse caso, os membros da amostra são escolhidos através de um fator de repetição (um intervalo fixo). Sua aplicabilidade necessita que a população esteja ordenada por um critério qualquer, para que cada um de seus membros possa ser unicamente identificado pela sua posição. O fator de repetição é determinado dividindo o tamanho da população (N) pelo tamanho da amostra (n).
  • Amostragem estratificada: essa amostragem é feita quando a população está dividida em estratos, portanto a amostra também será estratificada, para que o tamanho dos estratos na amostra seja proporcional ao tamanho dos estratos correspondentes na população.
  • Amostragem por conglomerado: resume-se em subdividir a população em estudo em grupos fisicamente próximos, independente se são homogêneos ou não. Nesses conglomerados, são associados os membros populacionais com estreito contato físico.

Já a amostra não probabilística,  a seleção dos membros não segue um modelo aleatório. Além do mais, não possui um controle estatístico de representação do universo estudado em sua amostra, mesmo com os cuidados na categorização de nossa base de membros selecionados e qualidade na veracidade das respostas dadas por estes.

Resumidamente, uma das principais diferenças entre os dois métodos é que em amostragem não probabilísticas, não podemos garantir o cálculo da margem de erro.

 

Vantagens da amostragem:

  • Estudar menos indivíduos e necessitar de menos recursos (tempo e dinheiro);
  • A manipulação de dados é mais simples. Se precisamos de uma amostra de 100, para que eu preciso analisar todos os indivíduos de uma população com milhões de pessoas?

 

Desvantagens:

  • Existe um erro no resultado (controlado), devido a necessidade de generalizar os resultados;

 

Então, se o serviço que você procura é o cálculo de amostra para sua pesquisa e quer a um preço acessível. Então está no lugar certo! Mande um e-mail para projetos@ejeconsultoria.com.br ou clique aqui para entrar em contato.

 

Deixar uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *