ii

ndice
Introduo ................................................................................................................................... 3
1.Teoria Elementar da Amostragem ........................................................................................... 4
1.2.Plano de amostragem ............................................................................................................ 5
1.3.Amostragem Aleatria Simples com reposio.................................................................... 6
1.4.Amostragem sem reposio .................................................................................................. 7
1.5.Amostragem Sistemtica ...................................................................................................... 9
1.6.Inacessibilidade a toda populao ...................................................................................... 10
1.7.Amostragem a esmo ........................................................................................................... 10
1.8.Amostragens intencionais ................................................................................................... 10
1.9.Amostragem por voluntrios .............................................................................................. 11
2.Distribuies Amostrais ........................................................................................................ 11
2.1.Estimao ........................................................................................................................... 11
2.2.Intervalo de confiana para a mdia de uma populao .................................................. 11
2.3.Intervalo de confiana para a proporo de uma populao ........................................... 13
Concluso ................................................................................................................................. 14
Bibliografia ............................................................................................................................... 15

















3

Introduo
O objectivo da teoria de amostragem o de seleccionar uma parte amostra de uma coleco
de elementos Populao e com base na informao recolhida dessa amostra, inferir sobre
determinada caracterstica de interesse da Populao. So apresentados alguns conceitos
utilizados na teoria da amostragem (Populao, unidade, amostra, dimenso, caracterstica,
varivel, estimador, Estimativa, amostragem, amostra enviesada, processo de amostragem
enviesado e Dados) e as fases de um processo de amostragem. Tambm so analisados
diferentes sistemas de amostragem (aleatria e no aleatria) e apresentados exemplos de
cada um dos mtodos mencionados.

























4

1.Teoria Elementar da Amostragem
A teoria elementar da amostragem um estudo das relaes existentes entre uma populao e
as amostras dela extradas.
Em geral, um estudo de inferncia feito a respeito de uma populao mediante a utilizao
de amostras dela extradas, juntamente com as indicaes da preciso.

Amostragem todo o processo de recolha de uma parte, geralmente pequena, dos elementos
que constituem um dado conjunto. Da anlise dessa parte pretende obter-se informaes para
todo o conjunto.

Algumas noes bsicas da teoria da amostragem:
Populao -- a coleco de todos os elementos com uma dada caracterstica comum.
Num processo de amostragem importante distinguir entre populao objectivo -- a
totalidade dos elementos em estudo e relativamente aos quais se pretende obter certo tipo de
informao e populao inquirida -- aquela sobre a qual efectivamente feita a amostragem.

Caracterstica ou atributo da populao -- a informao relativa populao que se
pretende estudar.
As caractersticas podem ser de natureza quantitativa e neste caso consideram-se escalas
numricas nas quais as variveis se podem classificar em:
Contnuas (referem-se a medies, pesagens);
Discretas (referem-se a contagens),

As de natureza qualitativa e neste caso classificam-se em:
Nominais (ex: sexo, espcie de uma dada planta ou animal);
Ordinais (ex: itens de valores de uma dada classificao).
Populao de amostras o conjunto de todas as amostras possveis.
Unidade de amostragem ou unidade estatstica -- o elemento da populao considerada e
sobre o qual vai ser estudada a caracterstica de interesse -exemplos: um animal, uma planta,
um objecto, uma famlia, uma explorao agrcola, um bairro.
O objectivo principal da teoria da amostragem obter uma amostra que seja uma
representao honesta da populao e que conduza estimao das caractersticas da
populao com grande preciso.

5

Algumas das vantagens que podemos desde j apontar ao usarmos um processo de
amostragem no estudo de um dado problema so:
a) Reduo dos custos e maior rapidez no apuramento dos resultados;
b) Maior profundidade na recolha de elementos;
c) Resolve o problema de estudar caractersticas que so destrutivas;
d) Minimiza os erros associados recolha de informao (na recolha, registo e tratamento de
informao h sempre erros associados. A recolha de um nmero menor de elementos faz,
obviamente, diminuir as possibilidades deste tipo de erro).

1.2.Plano de amostragem
As fases principais de um plano de amostragem adequado:
Definio dos objectivos do estudo;
Escolha dos dados teis a recolher, o que significa:
Definio da unidade de amostragem;
Definio da escala de valores para a caracterstica em estudo;
Definio da populao ou universo;
Escolha do mtodo de amostragem;
Definio do nvel de preciso ou erro de amostragem admitido.

Definida a populao h que decidir sobre o processo a adoptar na recolha dos elementos a
incluir na amostra, isto , o mtodo de amostragem. Tais processos podem ser globalmente
classificados em:
1--mtodos no aleatrios ou dirigidos - nestes mtodos a construo da amostra feita a
partir de informao a priori sobre a populao estudada, tentando que a amostra seja um
espelho fiel dessa populao. Por assentarem em bases empricas, tais mtodos no permitem
calcular a preciso das estimativas obtidas a partir da amostra.
Os mtodos no aleatrios mais conhecidos so a amostragem orientada, a amostragem por
convenincia e a amostragem por quotas.
2 --mtodos aleatrios ou probabilsticos quando cada elemento da populao tem uma
probabilidade conhecida de fazer parte da amostra. Estes mtodos possibilitam a
determinao da distribuio de probabilidade, pelo menos assintoticamente, do estimador de
interesse, consequentemente a determinao da sua varincia e permitem por isso quantificar
o erro de amostragem decorrente da utilizao de apenas uma parte da populao.
6

Destes mtodos iremos estudar a amostragem aleatria simples, a amostragem estratificada,
a amostragem por conglomerados e a amostragem multietpica.

1.3.Amostragem Aleatria Simples com reposio
Faz-se uma lista da populao e sorteiam-se os elementos que faro parte da amostra.
Pode-se utilizar uma tabela de nmeros aleatrios.
Cada subconjunto da populao com o mesmo n de elementos tem a mesma chance de ser
includo na amostra. p = n / N
Se considerarmos uma populao com N elementos, num processo de amostragem com
reposio, cada elemento tem a mesma probabilidade 1/N de ser seleccionado. Sendo assim,
qualquer amostra de dimenso n tem probabilidade 1/ N
n
de ser seleccionada.
Seja ento X
1
, X
2
,..., X
n
uma amostra aleatria retirada com reposio de uma populao com
N elementos com valores A
i
( i=1,...N, ) e x
1
, x
2
,..., x
n
a correspondente amostra observada.
Cada elemento da amostra X
i
pode tomar qualquer valor A
i
com probabilidade 1/N.
Um estimador centrado para m , como,
Tem-se ainda . A chama-se erro padro da mdia.
Como regra geral no se conhece

no possvel saber o valor do erro padro.

H ento que determinar um estimado de

. Vamos relembrar que um

estimador centrado de

. Efectivamente . Relembrando que

tem-se
Num processo de amostragem, necessrio calcular a dimenso da amostra a recolher, de
modo a obter a estimativa de interesse, com um erro inferior a , fixado um nvel de
confiana.
Quando a dimenso da amostra aumenta, aumenta a preciso do estimador, mas tambm os
custos de amostragem.
Idealmente deve estabelecer-se a preciso desejada e ento escolher a dimenso da amostra.
Como um intervalo de confiana para a (1-)100% de confiana, no caso de uma amostra
aleatria obtida com reposio determinado com base numa amostra
de dimenso n.
7

Sendo assim, fixado o nvel de preciso ou erro de amostragem () e o nvel de confiana (1-
) ou o risco () podemos determinar a dimenso da amostra a recolher de forma a ter um
erro inferior a . Para isso basta ento exigir que .
Porm, para calcular o valor t
/2
necessrio saber o nmero de graus de liberdade (n-1), e
consequentemente a dimenso da amostra, que afinal aquilo que pretendemos calcular. Por
isso na prtica costuma usar-se t
/2
=2 para um nvel de significncia de 5%. No que se refere
ao valor s', o desvio padro da amostra, necessita de ser conhecido para se ter a dimenso da
amostra.
O que se dever fazer?
Considerar uma amostragem de uma populao semelhante e usar os valores de interesse
desse estudo.
Fazer um estudo piloto para, a partir dele obter estimativas dos parmetros desconhecidos
para podermos usar a frmula acima.
Considerar uma amostragem bi-etpica, isto , obter uma primeira amostra de dimenso n
1
e
com desvio padro s
1
. Para uma preciso , a amostra final dever ter um nmero de
elementos n, dado por .
Se o valor resultante para n tal que

aprecivel (>5% ou >10%), deve considerar-se como

dimenso de amostra a recolher o valor dado por .

1.4.Amostragem sem reposio
Neste caso a situao diferente da anterior, porque os elementos vo ser includos na
amostra sem reposio o que torna as variveis aleatrias correspondentes aos valores da
caracterstica em estudo no independentes umas das outras. No entanto, no caso da
populao ser grande relativamente dimenso da amostra extrada, pode considerar-se um
esquema de amostragem em que aquelas variveis so praticamente independentes.
Caso do estudo das propriedades dos estimadores da mdia e da varincia da populao.
Para facilitar consideremos as seguintes variveis indicatrizes:

Seja novamente ( X
1
, X
2
, .. ., X
n
) a amostra retirada desta vez sem reposio ento
(Note-se que se A
j
est na amostra A
j
I
j
=X
j
)
8

Vamos ento calcular o valor mdio e a varincia de .

Portanto estimador centrado de .
Calculemos agora a varincia de

Ora atendendo a que os I
j
no so independentes tem- se
ora

o que, aps pequenos clculos d
Por curiosidade vejamos que a correlao assim dada.

Observe-se que a covarincia tende para zero quando N , o que explica a quase
independncia para populaes grandes.
O sinal negativo no coeficiente de correlao tambm se interpreta com facilidade, bastando
pensar que o facto de na amostra se observar um elemento com a caracterstica A. diminui a
probabilidade de se observar outro com essa mesma caracterstica.
Calculemos ento:

Atendendo a que se pode escrever como com
vem , aps o
9

que, considerando a substituio, se tem
.
Observe-se que < isto < Sendo assim, quer dizer
que a amostragem sem reposio mais eficiente do que a amostragem com reposio para
estimar o valor mdio.
Se N grande comparativamente a n, a fraco no difere muito de 1 e a diferena na
eficincia torna-se desprezvel.
Ao factor chama-se correco de populao finita e a chama-se fraco de
amostragem.
A expresso da varincia acima deduzida pode ser apresentada usando a varincia corrigida

, isto , .

Vimos que no caso da amostragem com reposio

, era um estimador centrado de

,
veremos agora que no caso da amostragem sem reposio

estimador centrado de

.
Ora
logo

estimador
centrado de

na amostragem sem reposio.

Neste caso uma estimativa do erro padro : .

1.5.Amostragem Sistemtica
Quando os elementos da populao se apresentam ordenados e a retirada dos elementos da
amostra feita periodicamente, temos uma amostragem sistemtica. Assim, por exemplo, em
uma linha de produo, podemos, a cada dez itens produzidos, retirar um para pertencer a
uma amostra da produo diria.
Amostras no-probabilsticas so tambm, muitas vezes, empregados em trabalhos
estatsticos, por simplicidade ou por impossibilidade de se obterem amostras probabilsticas,
10

como seria desejvel. No entanto processos no-probabilsticos de amostragem tm tambm
sua importncia. Sua utilizao, entretanto, deve ser feita com cuidado.
Apresentamos a seguir algumas tcnicas de amostragem no-probabilstica.

1.6.Inacessibilidade a toda populao
Esta situao ocorre com muita freqncia na prtica. Por exemplo, seja a populao que nos
interessa constituda de todas as peas produzidas por certa mquina. Ora, mesmo estando a
mquina em funcionamento normal, existe uma parte da populao que formada pelas peas
que ainda vo ser produzidas. Ou ento se nos interessar a populao de todos os portadores
de febre tifide, estaremos diante de um caso semelhante. Deve-se notar que, em geral,
estudos realizados com base nos elementos da populao amostrada tero, na verdade, seu
interesse de aplicao voltado para os elementos restantes da populao.
Este caso de amostragem no-probabilstica pode ocorrer tambm quando, embora se tenha a
possibilidade de atingir toda a populao, retiramos a amostra de uma parte que seja
prontamente acessvel. Assim, se fssemos recolher uma amostra de um monte de minrio,
poderamos por simplificao retirar a amostra de uma camada prxima da superfcie do
monte, pois o acesso as pores interiores seria problemtico.

1.7.Amostragem a esmo
a amostragem em que o amostrador, para simplificar o processo, procura ser aleatrio sem,
no entanto, realizar propriamente o sorteio usando algum dispositivo aleatrio confivel. Por
exemplo, se desejarmos retirar uma amostra de 100 parafusos de uma caixa contendo 10.000,
evidentemente no faremos uma AAS, pois seria muito trabalhosa, mas retiramos
simplesmente a esmo.
Os resultados da amostragem a esmo so, em geral, equivalentes aos da amostragem
probabilstica se a populao homognea e se no existe a possibilidade de o amostrador ser
inconscientemente influenciado por alguma caracterstica dos elementos da populao.

1.8.Amostragens intencionais
Enquadram-se aqui os diversos casos em que o amostrador deliberadamente escolhe certos
elementos para pertencer amostra, por julgar tais elementos bem representativos. O perigo
desse tipo de amostragem grande, pois o amostrador pode facilmente se enganar em seu pr-
julgamento.

11

1.9.Amostragem por voluntrios
Ocorre, por exemplo, no caso da aplicao experimental de uma nova droga em pacientes,
quando a tica obriga que haja concordncia dos escolhidos.

2.Distribuies Amostrais
O conceito de distribuio de probabilidade de uma varivel aleatria ser agora utilizado
para caracterizar a distribuio dos diversos valores de uma varivel em uma populao.
Ao retirar uma amostra aleatria de uma populao estaremos considerando cada valor da
amostra como um valor de uma varivel aleatria cuja distribuio de probabilidade a
mesma da populao no instante da retirada desse elemento para a amostra.
Em conseqncia do fato de os valores da amostra serem aleatrios, decorre que qualquer
quantidade calculada em funo dos elementos da amostra tambm ser uma varivel
aleatria.
Parmetros so valores tericos correspondentes a populao.
Estatsticas so funes dos valores amostrais.
As estatsticas, sendo variveis aleatrias, tero alguma distribuio de probabilidade, com
uma mdia, varincia, etc. A distribuio de probabilidade de uma estatstica chama-se
comumente distribuio amostral ou distribuio por amostragem.

2.1.Estimao
A inferncia estatstica tem por objetivo fazer generalizaes sobre uma populao, com base
nos dados de amostra. Um dos itens bsicos nesse processo a estimao de parmetros. A
estimao pode ser por ponto ou por intervalo.

Estimativa por Ponto: a estimativa de um parmetro populacional por um nico valor.
Estimativa por Intervalo: consiste em um intervalo em torno da estimativa por ponto de
tal forma que ele possua probabilidade conhecida (nvel de confiana (1-)) de conter o
verdadeiro valor do parmetro. Este intervalo conhecido por intervalo de confiana (IC).

2.2.Intervalo de confiana para a mdia de uma populao
Os intervalos de confiana para a mdia so tipicamente construdos com o estimador X no
centro do intervalo.
1- Quando conhecido:
12

Quando o uso da distribuio normal est garantido, o intervalo de confiana para a mdia
determinado por:
IC = ( x - z
n

; x + z
n

) ou


IC = ( x - z
1
n

N
n N
; x + z
1
n

N
n N
)

no caso de populao finita de tamanho N e
amostragem sem reposio.




Os intervalos de confiana mais freqentemente utilizados so os de 90%, 95% e 99%.
Z
(1-)
1,65 0,90
1,96 0,95
2,58 0,99

2- Quando desconhecido
Quando o desvio padro da populao no conhecido, usa-se o desvio padro da amostra
como estimativa, substituindo-se

por s nas equaes para intervalo de confiana.
(Distribuio da populao normal)
A disbruio t de Student utilizada quando o desvio padro da populao
desconhecido. A forma da distribuio t muito semelhante com a normal, sendo a principal
diferena entre as duas distribuies que a distribuio t apresenta maior rea nas caudas.
Para calcularmos t, necessitamos conhecer o nvel de confiana desejado e o nmero de graus
de liberdade (gl=n-1).
O intervalo de confiana para a mdia determinado por:
13

IC = ( x - t
n
s
; x + t
n
s
) ou


IC = ( x - t
1
n

N
n N s
; x + t
1
n

N
n N s
)

no caso de populao finita de tamanho N e
amostragem sem reposio.





2.3.Intervalo de confiana para a proporo de uma populao
A distribuio amostral da proporo aproximadamente normal para n > 30, pode-
se ento usar a distribuio normal para estabelecer o intervalo de confiana:



IC=( p - z

n
1

p p
; p + z

n
1

p p
) ou

IC=( p - z

1 n
1

N
n N p p
; p + z

1 n
1

N
n N p p
)

no caso de populao finita de tamanho N e
amostragem sem reposio.





14

Concluso
A amostragem e os processos de amostragem aplicam-se em variadssimas reas do
conhecimento e, muitas vezes, so a nica forma de obter informaes sobre uma determinada
realidade a conhecer. A amostragem tambm o processo de determinao de uma parte da
Populao a ser pesquisada. Enquanto que a tcnica da amostragem selecciona parte de uma
Populao e observa-a, com vista a estimar uma ou mais caractersticas para a totalidade dessa
mesma Populao, um censo envolve um exame a todos os elementos da Populao.



























15

Bibliografia
Montenegro, Eduardo J. S -. Estatstica programada passo a passo. Vol. III e Vol. V
Nazareth, Helenalda Curso Bsico de Estatstica Editora tica