Programa Avaliao

Socioeconmica de Projetos

Unidade 2
Probabilidades e Tcnicas de Amostragem

Braslia - 2015
Fundao Escola Nacional de Administrao Pblica

Presidente
Gleisson Rubin
Diretor de Desenvolvimento Gerencial
Paulo Marques
Coordenadora-Geral de Educao a Distncia
Natlia Teles da Mota Teixeira

Conteudista
Alexandre da Costa Pereira (2013)

Diagramao realizada no mbito do acordo de Cooperao Tcnica FUB/CDT/Laboratrio Latitude e Enap.

SUMRIO

OBJETIVOS DA UNIDADE...................................................................................................... 4

2.1. INTRODUO AO ESTUDO DAS PROBABILIDADES......................................................... 4

2.2. CONCEITOS FUNDAMENTAIS: EXPERIMENTOS,

ESPAO AMOSTRAL E TIPOS DE EVENTOS............................................................................ 6

2.3. PROBABILIDADE DE OCORRNCIA DE UM EVENTO........................................................ 8

2.4. CONSIDERAES SOBRE ANLISE DE RISCO NA AVALIAO DE PROJETOS.................. 13

2.5. CONCEITOS FUNDAMENTAIS SOBRE AMOSTRAGEM................................................... 17

2.6. DIMENSIONAMENTO DA AMOSTRA............................................................................ 22

REFERNCIAS..................................................................................................................... 24
 Unidade 2
Probabilidades e Tcnicas de Amostragem

OBJETIVOS DA UNIDADE

Aps concluir esta unidade, espera-se que voc seja capaz de:

Reconhecer a importncia do estudo das probabilidades e das tcnicas de amostragem

na avaliao de projetos.
Conhecer e saber aplicar os conceitos fundamentais de probabilidade e amostragem.
Calcular a probabilidade de ocorrncia de um evento.
Associar o estudo da probabilidade atividade de anlise de risco em projetos.
Distinguir tcnicas de amostragem e identificar vantagens de determinada tcnica em
relao s demais.

2.1. INTRODUO AO ESTUDO DAS PROBABILIDADES

Estudaremos agora a probabilidade, que uma ferramenta usada e necessria para se fazer
correlaes entre a amostra e a populao, de modo que a partir de informaes da amostra se
possam fazer afirmaes sobre caractersticas da populao, entendendo-se a probabilidade
como ferramenta bsica da inferncia estatstica.

Interessante observar que utilizamos, no nosso cotidiano, o conceito de probabilidade em

situaes como:

pouco provvel que amanh chova. O risco do projeto elevado.

Provavelmente fulano no conseguir se eleger.
Diminuiu a chance do paciente se recuperar.

So fenmenos ou eventos com resultados no completamente conhecidos a priori. Mesmo

que a chance da ocorrncia seja alta, os resultados no so conhecidos antes de ocorrer mas,
de certa forma, mantm certa regularidade, o que permite determinar a chance de ocorrncia:
a Probabilidade.

A probabilidade um nmero entre zero e um, inclusive, o que significa que, no mnimo, no
h nenhuma hiptese do evento acontecer e, no mximo, o evento sempre ocorrer:

4
Normalmente representamos probabilidades atravs de fraes, mas tambm podemos
represent-las por nmeros decimais ou por porcentagens.

Por exemplo, em um projeto de embarcaes, a estimativa da altura da onda de projeto

feita, geralmente, considerando-se 0,75 a probabilidade do navio encontrar ondas maiores
que sua onda de projeto. A probabilidade acumulada a de ocorrncia de todas as alturas
menores que a determinada.

Neste exemplo, mediante interpolao linear, pode-se obter a altura de onda correspondente
probabilidade de 75%. Portanto, para a probabilidade acumulada da ocorrncia
correspondente altura de onda de projeto, ter-se-ia o valor da altura de onda a ser utilizado
no dimensionamento da estrutura naval em questo, como mostra a tabela a seguir:

Tabela 1 Dimensionamento da estrutura naval

Figura 08- Procedimento para a determinao da altura de onda de projeto14.

5
 Fonte: Exerccio contido no site <www.oceanica.ufrj.br > [consulta em 10/04/2012].

2.2. CONCEITOS FUNDAMENTAIS: EXPERIMENTOS, ESPAO AMOSTRAL E TIPOS

DE EVENTOS1

O estudo da probabilidade resulta na necessidade de, em certas situaes, prevermos a

possibilidade de ocorrncia de determinados fatos. Ao comearmos o estudo da probabilidade,
normalmente a primeira ideia que nos vem mente a da sua utilizao em jogos, mas
podemos utiliz-lo em muitas outras reas. Um bom exemplo na rea da avaliao do risco
de projetos, bem como na utilizao de mtodos de anlise de sensibilidade em processos
de tomada de deciso na seleo de projetos. Para iniciarmos o estudo da probabilidade,
vamos a seguir definir alguns conceitos importantes sobre a matria, fazendo uso de exemplos
clssicos para a compreenso dos fundamentos do clculo de probabilidades.

Experimento Aleatrio

Se lanarmos uma moeda ao cho para observarmos a face que ficou para cima, o resultado
imprevisvel, pois tanto pode dar cara quanto coroa. Se, ao invs de uma moeda, o objeto a ser
lanado for um dado, o resultado ser mais imprevisvel ainda, pois aumentamos o nmero de
possibilidades de resultado. Experimentos como estes, ocorrendo nas mesmas condies ou
em condies semelhantes, que podem apresentar resultados diferentes a cada ocorrncia,
damos o nome de experimentos aleatrios.

Espao Amostral

Ao lanarmos uma moeda, no sabemos qual ser a face que ficar para cima, no entanto,
podemos afirmar com toda certeza que, ou ser cara, ou ser coroa, pois uma moeda s possui
estas duas faces.
Neste exemplo, ao conjunto {cara, coroa} damos o nome de espao amostral, pois ele o

1. Contedo sobre noes de probabilidade adaptado do material instrucional contido no stio <http://www.matematicadidatica.
com.br/ProbabilidadeConceitos.aspx> [consulta em 13/04/2012].

6
conjunto de todos os resultados possveis de ocorrer neste experimento. Representamos um
espao amostral, ou espao amostral universal como tambm chamado, pela letra S.

Figura 09- Experimento de lanar moeda, com espao amostral S = {cara, coroa}2.

Se, ao invs de uma moeda, o objeto a ser lanado for um dado, o espao amostral ser:

Evento

Quando lanamos um dado ou uma moeda, chamamos a ocorrncia deste fato de evento.
Qualquer subconjunto de um espao amostral um evento. Em relao ao espao amostral
do lanamento de um dado, veja o conjunto a seguir:

Note que A est contido em S, sendo um subconjunto de S. O conjunto A a representao do

evento do lanamento de um dado, quando temos a face para cima igual a um nmero primo.

Classificao de Eventos

Podemos classificar os eventos por vrios tipos. Vejamos alguns deles:

Evento Simples: Classificamos assim os eventos que so formados por um nico elemento do
espao amostral. Desta forma, A = {5} a representao de um evento simples do lanamento
de um dado cuja face para cima divisvel por 5. Nenhuma das outras possibilidades so
divisveis por 5.
Evento Certo: Ao lanarmos um dado, certo que a face que ficar para cima, ter um nmero

2. Fonte: <http://revistaescola.abril.com.br> [consulta em 13/04/2012]

7
divisor de 720. Este um evento certo, pois 720 = 6! = 6 . 5 . 4 . 3 . 2 . 1, obviamente qualquer
um dos nmeros da face de um dado um divisor de 720, pois 720 o produto de todos eles.
O conjunto A = {2, 3, 5, 6, 4, 1} representa um evento certo, pois ele possui todos os elementos
do espao amostral S = {1, 2, 3, 4, 5, 6}.

Evento Impossvel: No lanamento do conjunto de dois dados, qual a possibilidade de a soma

dos nmeros contidos nas duas faces para cima, ser igual a 15? Este um evento impossvel,
pois o valor mximo que podemos obter igual a doze. Podemos represent-lo por A = ???,
ou ainda por A = {?? }.

Evento Unio: Seja A = {1, 3}, o evento de ocorrncia da face superior no lanamento de um
dado, mpar e menor ou igual a 3 e B = { 3, 5 }, ser o evento de ocorrncia da face superior,
mpar e maior ou igual a 3, ento teremos C = { 1, 3, 5 }, que representa o evento de ocorrncia
da face superior mpar, que a unio dos conjuntos A e B, ou seja, . Note que o
evento C contm todos os elementos de A e B.

Evento Interseco: Seja A = {2, 4}, o evento de ocorrncia da face superior no lanamento de
um dado, par e menor ou igual a 4 e B = {4, 6}, ser o evento de ocorrncia da face superior,
par e maior ou igual a 4, ento teremos C = {4}, que representa o evento de ocorrncia da face
superior par, que a interseco dos conjuntos A e B, ou seja,

Veja que o evento C contm apenas os elementos comuns a A e B.

Eventos Mutuamente Exclusivos: Seja A = {1, 2, 3, 6} o evento de ocorrncia da face superior

no lanamento de um dado, um nmero divisor de 6 e B = {5}, o evento de ocorrncia da face
superior, um divisor de 5, os eventos A e B so mutuamente exclusivos, pois , isto
, os eventos no possuem elementos em comum.

Evento Complementar: Seja A = {1, 3, 5} o evento de ocorrncia da face superior no lanamento

de um dado, um nmero mpar, o seu evento complementar A = {2, 4, 6} o evento de
ocorrncia da face superior no lanamento de um dado, um nmero par. Os elementos de A
so todos os elementos do espao amostral S que no esto contidos em A, ento temos que
A = S - A e ainda que S = A + A.

2.3. PROBABILIDADE DE OCORRNCIA DE UM EVENTO

Passaremos a apresentar consideraes sobre os fundamentos para o estudo da probabilidade

de ocorrncia de um determinado evento.

O ponto central em todas as situaes onde usamos probabilidade a possibilidade de quantificar

quo provvel determinado EVENTO. As probabilidades so utilizadas para exprimir a chance
de ocorrncia de determinado evento .
Experimentos aleatrios, espao, amostral e evento

Encontramos na natureza dois tipos de fenmenos: determinsticos e aleatrios. Os fenmenos

determinsticos so aqueles em que os resultados so sempre os mesmos, qualquer que seja o
nmero de ocorrncia dos mesmos.

8
Se considerarmos o fenmeno, por exemplo, da flutuao de objeto imerso na gua, sabemos
que caso o objeto possui peso especfico menor que a gua, ele flutuar. Esse exemplo
caracteriza um fenmeno determinstico. Nos fenmenos aleatrios, os resultados no sero
previsveis, mesmo que haja vrias repeties do mesmo fenmeno.

Podemos considerar, como experimentos aleatrios, os seguintes exemplos de fenmenos

produzidos pelo homem:

lanamento de uma moeda;

lanamento de um dado;
determinao da vida til de um componente eletrnico;
previso do tempo.

A cada experimento aleatrio est associado o resultado do mesmo, que no previsvel, chamado
de evento aleatrio.

Um conjunto S que consiste de todos os resultados possveis de um experimento aleatrio

denominado espao amostral.

Definio de Probabilidade

A probabilidade de um evento A, denotada por P(A), um nmero de 0 a 1 que indica a chance

de ocorrncia do evento A. Quanto mais prxima de 1 P(A), maior a chance de ocorrncia do
evento A, e quanto mais prxima de zero, menor a chance de ocorrncia do evento A. A um evento
impossvel, atribui-se probabilidade zero, enquanto que um evento certo tem probabilidade 1,0.

As probabilidades podem ser expressas de diversas maneiras, inclusive decimais, fraes e

percentagens. Por exemplo, a chance de ocorrncia de um determinado evento pode ser
expressa como 20%; 2 em 10; 0,20 ou 1/5.

Assim, sendo E um evento, n(E) o seu nmero de elementos, S o espao amostral no

vazio e n(S) a quantidade de elementos do mesmo, e assim temos que a probabilidade de E
ocorrer igual a:

Recorreremos ao exemplo clssico do lanamento de um dado para a utilizao da equao

para o clculo de probabilidades: Qual a probabilidade de obtermos um nmero divisor de
6 no lanamento de um dado?

Como vimos acima, o espao amostral do lanamento de um dado :

Como estamos interessados apenas nos resultados divisores de 6, o evento E representado por:

9
Ento n(E) = 4 e n(S) = 6, portanto:

Podemos tambm apresentar o resultado na forma de uma porcentagem, portanto, a probabilidade

de se obter um nmero divisor de 6 2/3 ou 66,67%.

Considerando a tica da avaliao de projetos, admitindo que trs projetos, Alfa, Beta e Gama,
lanaram um produto no mercado, e supondo que as condies de retorno econmico para os
trs projetos so as mesmas, qual a probabilidade da empresa Alfa de obter primeiro a meta do
retorno socioeconmico?

Como 3 o nmero total de projetos, ento o projeto Alfa tem 1 chance em 3 de obter primeiro
o indicador econmico considerado, o que resultaria em uma probabilidade de 1/3 em obter
primeiro o retorno.

A probabilidade de um evento ocorrer (de o projeto Alfa obter retorno econmico primeiro),
considerando-se um espao amostral (Alfa, Beta e Gama), igual razo do nmero de elementos
do evento (1, apenas Alfa) para o nmero de elementos do espao amostral (3, o nmero de
projetos), desde que o espao amostral seja um conjunto equiprovvel, ou seja, todos os seus
elementos tenham a mesma possibilidade de ocorrer (as condies de xito econmico so as
mesmas para as trs empresas). Vamos, agora, exercitar a lgica da probabilidade conforme a
classificao dos eventos aplicveis situao.

Vimos que a probabilidade da unio de dois eventos pode ser calculada atravs da frmula:

No caso da interseco dos eventos, resulta vazia, ou seja, no h elementos em comum aos dois
eventos, pois poderamos simplesmente utilizar:

Vamos a um exemplo:

Na construo de uma usina hidreltrica, trabalham 2.000 profissionais. Destes trabalhadores, 500
possuem mais de dez anos de experincia, 300 so pedreiros e 200 so pedreiros com mais de
dez anos de experincia profissional. Selecionando-se um trabalhador com mais de dez anos de
experincia, qual a probabilidade de este ser um pedreiro?

Chamemos de A o evento que representa o ofcio do pedreiro e B o evento que representa mais de
dez anos de experincia para o profissional.

10
Podemos calcular a probabilidade de ocorrer A, tendo ocorrido B atravs da frmula:

Segundo o enunciado

Portanto:

Note que, no caso da probabilidade condicional, ao invs de calcularmos a probabilidade em

funo do nmero de elementos do espao amostral, a calculamos em funo do nmero de
elementos do evento que j ocorreu. Portanto, a probabilidade de o pedreiro tambm possuir
mais de dez anos de experincia profissional de 40%.

Probabilidade no Caso da Unio de Eventos

Considere A e B como dois eventos de um espao amostral S, finito e no vazio. Temos:

Logo:

11
Probabilidade no Caso de Eventos Mutuamente Exclusivos

Considerando que , nesse caso A e B sero denominados mutuamente exclusivos.

Observe que , pois:

Caso da Probabilidade Condicionada

Considere dois eventos A e B de um espao amostral S, finito e no vazio. A probabilidade de

B condicionada a A dada pela probabilidade de ocorrncia de B, sabendo que j ocorreu A.
representada por P(B/A).

Situao da Interseco de Eventos

Considerando A e B como dois eventos de um espao amostral S, finito e no vazio, temos:

Portanto:

Considerando A e B como eventos independentes, logo P(B/A) = P(B), P(A/B) = P(A), sendo
assim:

12
Para saber se os eventos A e B so independentes, podemos utilizar a definio ou calcular a
probabilidade de .
Representao:

ou

2.4. CONSIDERAES SOBRE ANLISE DE RISCO NA AVALIAO DE PROJETOS

Evento de Risco

De acordo com o PMBOK3 (2008), um evento de risco, uma ocorrncia discreta ou distinta que
pode afetar o projeto para melhor ou pior. Quanto ao aspecto da probabilidade de ocorrncia,
a mesma pode ter valores atribudos de forma subjetiva e de forma objetiva.

Subjetivamente, a probabilidade uma porcentagem indicando o grau de confiana ou a

estimativa pessoal quanto possibilidade de ocorrncia de um evento (probabilidade subjetiva).
Como exemplo, temos afirmaes do tipo eu acho que h 50% de chance de perda, ou eu
acredito que h somente uma chance em mil de uma inundao atingir nossa fbrica.

Podemos, por outro lado, entender a probabilidade objetiva como sendo um nmero real,
associado a um evento (E), destinado a medir sua possibilidade de ocorrncia.

Todos os projetos tm algum risco, ou no seriam projetos. Os projetos so iniciados quando

h algum elemento de risco e a gerncia busca, ento, o enfoque de um plano de projeto e
uma equipe para realizar o trabalho. s vezes assume-se um grande risco quando no se tem
a compreenso necessria dos elementos que podem levar ao fracasso do projeto, podendo
at ser interpretado como um pequeno risco, que no pressiona as barreiras de custo, tempo e
desempenho tcnico.

O risco deve ser analisado por trs componentes: pelo evento, a probabilidade de ocorrncia
e o impacto do evento. Normalmente considerado como um evento de consequncias
negativas, quanto ao custo, ao tempo e qualidade. Por este motivo, os gerentes concentram
suas foras em evit-los e em como lidar com eles. Eles esquecem que, eventualmente, os
riscos podem ter consequncias positivas.

3. Project Management Body of Knowledge

13
Riscos Internos

O risco interno inerente ao projeto, controlado pelo lder que pode reduzi-lo mediante aes
diretas, como o desenvolvimento de planos de contingncia. Riscos internos constituem uma
parte das limitaes estabelecidas para o projeto por meio da criao de metas. A data de
entrega do produto pode ser otimista, e o plano precisa refletir esta data. O planejamento ter
por base a data de entrega e o cronograma de trabalho visar assegurar a entrega. O custo
constitui, em geral, uma rea com limitaes.

O planejamento ir direcionar o tipo e a quantidade de recursos a serem utilizados no projeto,

mesmo quando o oramento for menor do que o desejado. Solues tcnicas estaro em
perigo quando o tempo de entrega for otimista, sendo, entretanto, os recursos financeiros,
limitados.

Dentre os riscos internos, podemos citar: custo, prazo, gerenciais, perda de potencial e fluxo
de caixa.

Como exemplo dos riscos internos, devemos considerar que fluxos de caixa podem sofrer
alteraes, e que estas devem ser avaliadas constantemente durante o andamento do projeto
para que possamos classific-las como relevantes e se iro adicionar valor empresa.

Riscos Externos

O risco externo encontra-se fora do controle dos lderes de projeto, como, por exemplo, as
interfaces do projeto, desconhecidas e cujas definies so feitas por terceiros. Os riscos
externos do projeto podem ser influenciados pelo lder de projeto e, portanto previstos.

No entanto, no h controle direto sobre as ocorrncias de riscos, que podem receber a

influncia de acordos e contratos com terceiros.

O grau de influncia exercido pelo lder do projeto determinado pela identificao de riscos
externos e pela colaborao ampliada por terceiros, os quais poderiam ser outros lderes
de projetos, gerentes funcionais, distribuidores e entidades contratantes. Dentro os riscos
externos previsveis, podemos citar:

Taxa de Cmbio: o risco associado a operaes internacionais em um mundo no

qual o valor relativo das moedas varia. Para um grande projeto, a gesto do risco de
cmbio complicada pelo fato de que pode haver uma grande variedade de diferentes
moedas envolvidas em suas inmeras atividades. muito provvel que uma variao
de alguma taxa beneficie algumas reas e prejudique outras.
Inflao: o risco macroeconmico da perda de renda disponvel de pessoas fsicas e
jurdicas, acarretando prejuzos ao fluxo de caixa e recusa do projeto.
Impactos Sociais: o risco relacionado aos possveis efeitos sociais, econmicos,
culturais, sobre pessoas, grupos de pessoas ou comunidades.
Impactos Ambientais: os riscos ambientais impactam diretamente os aumentos dos
custos do projeto devido, principalmente, a: possveis impactos ambientais, com a
aplicao de multas, licenas e regulamentaes, o uso de novos materiais
desenvolvidos para no agredir o meio ambiente, risco de denegrir a imagem da
empresa junto ao mercado devido a um possvel dano ambiental, limpeza de locais
poludos, transporte e manuseio de materiais e o aumento do preo de recursos no
renovveis ou ainda aumento de impostos sobre produtos poluentes.
Riscos Operacionais: referem-se s perdas potenciais resultantes de sistemas
inadequados, m administrao, controles defeituosos ou falha humana. Tambm

14
 incluem as fraudes e os riscos de modelo, onde h o perigo de imperfeio nos
modelos de controle.
Riscos do Mercado: so aqueles que podem gerar resultados adversos em funo de
instabilidade em taxas de juros, taxas de cmbio, preos de aes, etc. Para
analisarmos, devemos considerar: a existncia de um mercado local ou internacional,
as projees de preo para os produtos, tarifas e barreiras alfandegrias, o
acompanhamento de projetos e de produtos concorrentes, o acesso aos mercados
em termos logsticos, comunicativos e comerciais, a obsolescncia, caso haja uso de
tecnologia de grande inovao.

J para os riscos externos imprevisveis, podemos citar: medidas reguladoras, efeitos colaterais
e desastres da natureza.

Gerenciando os riscos do projeto com a matriz de probabilidade e impacto

Risco um evento ou uma condio incerta, que se ocorrer, tem um efeito em pelo
menos um objetivo do projeto (PMBOK, 2008).

Entende-se por objetivos do projeto as reas de escopo, cronograma, custo e qualidade, que
podem ser afetadas, como j comentado, negativamente ou positivamente, a depender da
natureza do risco.

Pode parecer estranho, mas so diversas as formas de um risco afetar um objetivo do projeto
de forma positiva. Por exemplo, poderamos citar o caso de obra em que o tempo de durao
foi definido em 24 meses, com custo orado em R$20 milhes. Devido eficincia do processo
executivo utilizado, a obra foi entregue em 18 meses, consumindo 85% dos recursos planejados.

Portanto, o impacto foi direto nos objetivos de custo e cronograma do projeto, e o cliente
ficou imensamente satisfeito pelos resultados alcanados. O resultado do risco em utilizar
processos tecnolgicos mais avanados foi positivo, pois menos recursos foram consumidos e
a obra conduzir a benefcios mais rapidamente.

Por outro lado, os riscos negativos esto diretamente associados a impactos no desejveis em
algum objetivo do projeto. Por exemplo, o atraso na concesso de uma autorizao ambiental
para incios das obras, o que acarreta umimpacto negativo direto no cronograma do projeto.

Os riscos podem ter maior ou menor grau de impacto e probabilidade de ocorrncia. Diante
disso, torna-se necessrio prioriz-los a fim de aumentar o desempenho do projeto.

necessrio se concentrar nos riscos de alta prioridade, porm sem ignorar os riscos de menor
grau de prioridade. Estes, por sua vez, devem compor uma lista de observao.

Mas essa anlise de impacto e probabilidade dos riscos no bastante subjetiva? Ora, um
risco X pode ter um impacto ALTO no projeto, enquanto que, para outra pessoa, esse mesmo
risco considerado apenas MODERADO.

A fim de mitigar esse risco da subjetividade da anlise, o PMBOK afirma que o estabelecimento
de definies dos nveis de probabilidade e impacto pode reduzir a influncia de parcialidade.
Uma sugesto a definio de uma escala de impactos para os quatro objetivos do projeto.
Observemos a figura apresentada a seguir:

15
Figura 03- Exemplo de condies para definio de escalas de risco em projeto18.

Fonte: Stio <}http://danielettinger.files.wordpress.com/2011/06/> [consulta em 01/05/2012]

As definies dos nveis de probabilidade e impacto podem ser adaptadas a cada projeto de
acordo com o ambiente organizacional. Tabelas semelhantes podem ser definidas para os
riscos positivos do projeto.
Diante dos riscos a que qualquer projeto encontra-se exposto, torna-se necessrio encontrar
uma ferramenta que possibilite prioriz-los de forma, no mnimo, aceitvel.
nesse cenrio que surge a matriz de probabilidade e impacto. Elas especificam as combinaes
de probabilidade e impacto que resultam em uma classificao dos riscos como de prioridade
BAIXA, MODERADA ou ALTA, conforme poderemos observar na tabela apresentada a seguir:

Tabela 2 - Exemplo de definio de matriz de probabilidade e impacto em projetos.

Assim, as clulas em cinza escuro, com maiores valores, representam alto risco, enquanto
que as preenchidas com cinza mdio so riscos baixos. As clulas em tonalidade cinza claro
representam riscos moderados. Por exemplo, um risco negativo com probabilidade de
ocorrncia estimada em 0,70 e impacto de 0,10 representa uma ameaa de valor 0,07, o que
considerada como MODERADA.

16
Neste exemplo, ter-se-ia a definio de valores aceitveis para as probabilidades, para ameaas
e oportunidades, graduadas no eixo das abscissas conforme o seu impacto no projeto (0,05 a
0,8), conduzindo a cdigo de cores para as classes de riscos em funo da prioridade (baixa,
moderada ou alta) .

Atravs dessa ferramenta, possvel ainda identificar reas do projeto que sofrem mais ameaas
ou oportunidades. Para isso, torna-se necessria a categorizao dos riscos identificados no
projeto, gerando assim uma estrutura hierrquica de riscos.

A avaliao de probabilidade de riscos investiga a probabilidade de cada risco especfico

ocorrer. A avaliao de impacto de riscos investiga o efeito potencial sobre um objetivo do
projeto, como tempo, custo, escopo ou qualidade, inclusive os efeitos negativos das ameaas
e os efeitos positivos das oportunidades.

A probabilidade e o impacto seriam avaliados para cada risco identificado. Os riscos podem
ser avaliados em entrevistas ou reunies com participantes selecionados por sua familiaridade
com as categorias de risco da pauta. So includos os membros da equipe do projeto e, talvez,
especialistas de fora do projeto. A opinio especializada necessria, pois podem existir
poucas informaes sobre riscos no banco de dados de projetos passados da organizao.
Um facilitador experiente pode liderar a discusso, pois os participantes podem ter pouca
experincia em avaliao de riscos.

A probabilidade de cada risco e seu impacto em cada objetivo so avaliados durante a

entrevista ou reunio. Os detalhes da explanao, inclusive as premissas que justificam os
nveis atribudos, tambm so registrados.

As probabilidades e impactos de riscos so classificados de acordo com as definies fornecidas

no plano de gerenciamento de riscos.

s vezes, os riscos com probabilidade e impacto visivelmente baixos no sero classificados,

mas sero includos em uma lista de observao para monitoramento futuro.

Para ampliar seus conhecimentos sobre gerenciamento de riscos em projetos, sugerimos

o estudo de mtodos estatsticos para anlise, como o mtodo de Monte Carlo, uma das
ferramentas tratadas no curso Avaliao de Riscos do curso presencial do Programa Avaliao
Socioeconmica de Projetos.

2.5. CONCEITOS FUNDAMENTAIS SOBRE AMOSTRAGEM

O processo de retirada de amostras de uma populao, denominado de amostragem, uma

das etapas fundamentais na tomada de decises nos diversos nveis gerenciais, tendo em vista
que uma amostragem mal executada geralmente conduz a estatsticas pouco confiveis, bem
como a tomada de deciso associada a uma margem de erro importante.

Este tpico tem por objetivo apresentar a voc alguns conceitos e definies essenciais para
conduzir convenientemente uma operao de amostragem, visando principalmente coleta
de dados socioeconmicos. Amostragem o processo que procura extrair da populao

17
elementos que, atravs de clculos probabilsticos, ou no, consigam prover dados inferenciais
da populao-alvo.

No Probabilstica
Acidental ou convenincia
Intencional
Quotas ou proporcional
Tipos de Amostragem Desproporcional
Probabilstica
Aleatria Simples
Aleatria Estratificada
Conglomerado

No Probabilstica

A escolha de um mtodo no probabilstico, via de regra, sempre encontrar desvantagem

frente ao mtodo probabilstico. No entanto, em alguns casos, se faz necessria a opo por
este mtodo. Convm ressaltar que no h formas de se generalizar os resultados obtidos na
amostra para o todo da populao quando se opta por este mtodo de amostragem.

Amostragem No Probabilstica

Quando trabalhamos com a amostragem no probabilstica, no conhecemos a priori a

probabilidade que um elemento da populao tem de pertencer amostra. Neste caso, no
possvel calcular o erro decorrente da generalizao dos resultados das anlises estatsticas da
amostra para a populao de onde a amostra foi retirada. Utiliza-se geralmente a amostragem
no probabilstica pela simplicidade intrnseca ao processo, bem como pela impossibilidade de
se obter uma amostra probabilstica, como seria desejvel. Os principais tipos de amostragem
no probabilstica que temos so amostragem sem norma ou a esmo, intencional e por cotas.

Amostragem a Esmo

Imagine um rebanho com 1.000 animais, integrantes de um lote de gado bovino a ser destinado
para corte. A enumerao destes animais ficaria muito difcil, tornando-se a amostragem
aleatria simples invivel. Assim, em situaes deste tipo, supondo que a populao de
animais seja homognea, escolhemos a esmo a quantidade relativa ao tamanho da amostra,
e quanto mais homognea for a populao, mais podemos supor a equivalncia com uma
amostragem aleatria simples. Os animais, desta forma, sero escolhidos para compor a
amostra de um determinado tamanho sem nenhuma norma ou a esmo, o que origina o
nome deste tipo de amostragem.

Acidental ou convenincia

Indicada para estudos exploratrios. Frequentemente utilizados em supermercados para

testar produtos.

Intencional

A amostragem intencional corresponde quela em que o responsvel pela amostragem escolhe,

deliberadamente, determinados elementos para pertencer amostra, em funo de seu juzo
de valor sobre a representatividade da populao. Um exemplo deste tipo de amostragem

18
corresponde situao em que se deseja saber a aceitao em relao a uma nova marca
de automvel de passeio a ser inserida no mercado de uma cidade. Somente entraro para
compor a amostra pessoas que faam uso do automvel e que tenham condies financeiras
de comprar esta nova marca (pblico-alvo).

O entrevistador dirige-se a um grupo em especfico para saber sua opinio. Por exemplo,
quando de um estudo sobre automveis, o pesquisador procura apenas oficinas.

Quotas ou proporcional

Neste tipo de amostragem procedida a diviso da populao em grupos, selecionando-se

uma cota proporcional ao tamanho de cada grupo. Entretanto, dentro de cada grupo no
feito sorteio, sendo procurados os elementos at que a cota de cada grupo seja alcanada.

Em pesquisas eleitorais, a diviso de uma populao em grupos (considerando, por exemplo,

o sexo, o nvel de escolaridade, a faixa etria e a renda) pode servir de base para a definio
dos grupos, partindo da suposio de que estas variveis definem grupos com comportamentos
diferenciados no processo eleitoral. Para se ter uma ideia do tamanho destes grupos, pode-se
recorrer a pesquisas feitas anteriormente pelo IBGE (Instituto Brasileiro de Geografia e Estatstica).

Na realidade, trata-se de uma variao da amostragem intencional. Necessita-se ter um prvio

conhecimento da populao e sua proporcionalidade. Por exemplo, deseja- se entrevistar apenas
indivduos da classe A, que representam 12% da populao. Esta ser a quota para o trabalho.
Comumente tambm substratifica-se uma quota obedecendo a uma segunda proporcionalidade.

Desproporcional

Muito utilizada quando a escolha da amostra for desproporcional populao. Atribui- se

pesos para os dados, e assim obtm-se resultados ponderados representativos para o estudo.

Probabilstica

Para que se possam realizar inferncias sobre a populao, necessrio que se trabalhe com
amostragem probabilstica. o mtodo que garante segurana quando se investiga alguma
hiptese. Normalmente os indivduos investigados possuem a mesma probabilidade de ser
selecionado na amostra.

Aleatria Simples

Voc deve utilizar a amostragem aleatria simples somente quando a populao for homognea
em relao varivel que se deseja estudar. Geralmente, atribumos uma numerao a cada
indivduo da populao, e atravs de um sorteio aleatrio, os elementos que vo compor a
amostra so selecionados.

Todos os elementos da populao tm a mesma probabilidade de pertencer amostra.

Imagine que voc queira amostrar um nmero de pessoas que esto fazendo um determinado
concurso com n inscritos. Como a populao finita, devemos enumerar cada um dos n
candidatos e sortear n deles. o mais utilizado processo de amostragem. Prtico e eficaz,
confere preciso ao processo de amostragem. Normalmente utiliza-se uma tabela de nmeros
aleatrios e nomeiam-se os indivduos, sorteando-se um por um at completar a amostra
calculada. Uma variao deste tipo de amostragem a sistemtica. Em um grande nmero
de exemplos, o pesquisador depara-se com a populao ordenada. Neste sentido, tem-se os
indivduos dispostos em sequncia, o que dificulta a aplicao exata desta tcnica.

19
Amostragem Sistemtica

Porm, de fundamental importncia que a varivel de interesse no apresente ciclos de

variao coincidente com os ciclos de retirada, pois este fato tornar a amostragem no
aleatria.

A tcnica de amostragem caracterizada pela coleta na populao de elementos que vo compor

a amostra, de forma cclica (em perodos), se chama amostragem sistemtica, interessante
de ser utilizada quando convm obter a amostra, por exemplo, quando os elementos da
populao apresentam-se ordenados.

Uma situao tpica quando se necessita retirar uma amostra de populao onde a varivel
tempo condiciona caractersticas presentes nos elementos estudados, como o caso da
anlise da evoluo dos ndices de preos para a considerao do efeito da inflao, durante
certo perodo, sobre uma srie de pagamentos.

Quanto ao procedimento, o primeiro passo ser o clculo da constante (K), que atuar como
fator de ciclo para a definio do momento e perodo a considerar para a realizao da
amostragem o que possibilitar, em um segundo momento, a definio do intervalo de tempo
para a coleta da amostra.

Aps a definio do valor de K, definido o ponto inicial da amostragem, ou seja, um dos

elementos do primeiro intervalo constitudo pelos elementos populacionais numerados de
1 at n. Escolhe-se o seguinte, que ser o elemento de ordem (i + K); , sempre somando-se K
ordem do elemento anterior, at completar a escolha dos n elementos que vo compor a
amostra.

Amostragem Aleatria Estratificada

Quando se deseja guardar uma proporcionalidade na populao heterognea e a varivel

de interesse apresenta uma heterogeneidade na populao, permitindo a identificao de
grupos homogneos, poder a populao ser dividida em grupos (estratos) e proceder-se
amostragem dentro de cada estrato, garantindo, assim, a representatividade de cada estrato
na amostra. A estratificao em cada subpopulao poder ser realizada mediante critrios
como classe social, renda, idade, sexo, entre outros.

Conforme comenta Tavares (2007), podemos verificar que pesquisas eleitorais apresentam
uma grande heterogeneidade em relao inteno de votos, quando consideramos, por
exemplo, a faixa salarial ou o nvel de escolaridade.

Ento, se fizssemos uma amostragem aleatria simples, poderamos incluir na amostra uma
maior quantidade de elementos de um grupo, e, proporcionalmente, este grupo ser pequeno
em relao populao. Desta forma, no teramos uma amostra representativa da populao
a ser estudada. Ento, podemos dividir a populao em grupos (estratos) que so homogneos
para a caracterstica que estamos avaliando, ou seja, neste caso, a inteno de votos.

Destaca-se que, como estamos dividindo a populao em estratos (grupos) que so

homogneos dentro de si, podemos, ento, caracterizar a amostragem estratificada. Para
efetuarmos a amostragem estratificada de forma proporcional, precisamos primeiramente
definir a proporo do estrato em relao populao.
Proporo do estrato h ser igual ao nmero de elementos presentes neste estrato (Nh)
dividido pelo tamanho da populao (N) --- (Nh/N).

20
Aps obter esta proporo do estrato em relao populao, deve-se multiplicar o tamanho
total da amostra (n) pela proporo de cada estrato na populao (Nh/N). Assim, teremos
um tamanho de amostra em cada estrato, proporcional ao tamanho do estrato em relao
populao.

A figura apresentada a seguir mostra como feita a escolha dos elementos de cada estrato (A,
B, C, D), salientando o que voc pode fazer usando amostragem aleatria simples devido ao
fato de os estratos serem homogneos individualmente, considerando a varivel de interesse.

Figura 11- Critrio para a escolha dos elementos de cada estrato (A, B, C, D).

Fonte: Tavares, 2007.

Conglomerado

Em corriqueiras situaes, torna-se difcil coletar caractersticas da populao. Nesta

modalidade de amostragem, sorteia-se um conjunto e procura-se estudar todo o conjunto.
exemplo de amostragem por conglomerado, famlias, organizaes e quarteires.
Destaca Tavares (2007) que apesar de a amostragem estratificada apresentar resultados
satisfatrios, a sua implementao dificultada pela falta de informaes sobre a populao
para fazer a estratificao, o que poder ser contornado mediante a utilizao de esquema de
amostragem chamado amostragem por conglomerados, definidos em funo da experincia
do gestor ou pesquisador.

Comenta ainda Tavares (2007) que a utilizao da amostragem por conglomerados possibilita
uma reduo significativa do custo do processo de amostragem. Portanto, um conglomerado
um subgrupo da populao, que individualmente reproduz a populao, ou seja,
individualmente, os elementos que o compem so muito heterogneos entre si. Ressalta
ainda que este tipo de amostragem muito til quando a populao grande, por exemplo, no
caso de uma pesquisa em nvel nacional. Para efetuarmos a amostragem por conglomerados,
primeiramente os definimos e depois dividimos a populao nos conglomerados, procedendo-
se ao sorteio destes por meio de um processo aleatrio onde so avaliados todos os indivduos
presentes em um estgio.

21
Conglomerados so definidos geralmente segundo fatores geogrficos. . A Pesquisa Nacional
por Amostra de Domiclios (PNAD) do IBGE, por exemplo, feita por conglomerados, em trs
estgios.

2.6. DIMENSIONAMENTO DA AMOSTRA

Efetivamente, um dos temas mais importantes em uma anlise estatstica trata da determinao
de qual o melhor tamanho de amostras que devemos ter, sabendo-se que amostras grandes
so dispendiosas e demandam mais tempo de manipulao e estudo, bem como amostras
pequenas so menos precisas e pouco confiveis. Quando se deseja dimensionar o tamanho
da amostra, o procedimento desenvolve-se em trs etapas distintas:

Avaliar a varivel mais importante do grupo e a mais significativa.

Analisar se ordinal, intervalar ou nominal.
Verificar se a populao finita ou infinita.

Abaixo podemos observar diversas expresses propostas para a determinao do tamanho da

amostra:

Varivel intervalar e populao infinita

Varivel intervalar e populao finita

Varivel nominal ou ordinal e populao infinita

Varivel nominal ou ordinal e populao finita

Observa-se que a varivel d corresponde ao erro admissvel, sendo Z funo do nvel de

confiana a ser considerado. Para os casos de populaes consideradas como finitas, a varivel

22
N corresponde ao tamanho da populao. A proporo (p) ser a estimativa da verdadeira
proporo de um dos nveis escolhidos para a varivel adotada. Por exemplo, 55% dos
integrantes da populao do sexo feminino, ento p ser 0,55. A proporo (q) ser sempre
. Neste exemplo q, ser 0,45. O erro representado por d. Para casos em que no se tenha
como identificar as propores confere-se 0,5 para p e q.

Como exemplo, realizaremos o clculo do tamanho de amostra para o caso de populao

considerada como infinita, recorrendo-se equao correspondente a varivel intervalar.
Observa-se que o tamanho da amostra depende do grau de confiana desejado, da margem
de erro pretendida e do desvio padro ( ).
Vamos ao exemplo:

Queremos estimar a renda mdia no primeiro ano de um egresso de escola tcnica profissional.
Para um nvel de confiana de 95% [ = 0,05 Z = 1,96; conforme relao Z = f( )], quantas
amostras deveremos ter para que a mdia esteja a menos que R$250,00 da renda mdia
verdadeira da populao. Suponha conhecido e igual a R$800,00?

Caso fosse admissvel uma margem de erro de R$500, teramos:

Ou seja, caso o erro admissvel fosse o dobro, o tamanho da amostra poderia ser reduzido
quarta parte.

A utilizao de uma amostra probabilstica melhor para garantir a representatividade da

amostra, pois o acaso ser o nico responsvel por eventuais discrepncias entre populao e
amostra.

Estas discrepncias so levadas em considerao nas inferncias estatsticas.

23
REFERNCIAS

UNIDADE 1
BARBETTA, P. A. Estatstica Aplicada s Cincias Sociais. 4 ed. Florianpolis: Ed. da UFSC, 2002.
BRAULE, Ricardo. Estatstica Aplicada com Excel: para cursos de Administrao e Economia.
Rio de Janeiro: Campus, 2001.
BUSSAB, W. O.; MORETTIN, P. Estatstica Bsica. So Paulo: Atual, 2002.
COSTA NETO, P. L. de O. Estatstica. So Paulo: Edgard Blcher, 2002.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Saraiva, 2000.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatstica. Rio de Janeiro:
LTC, 1982.
FREUD, J. E.; SIMON, G. A. Estatstica Aplicada. Bookman, 2000, 403 p.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatstica: teoria e aplicaes (usando o
Microsoft Excel em portugus). LTC, 2000, 812 p.
MORETTIN, L. G. Estatstica Bsica: Probabilidade. V. 1. So Paulo: Makron Books, 1999.
SOARES, J. F.; FARIAS, A. A.; CESAR, C. C. Introduo Estatstica. Rio de Janeiro: LTC, 1991.
SPIEGEL, M. Probabilidade e Estatstica. Mc Graw Hill. 1993.
TAVARES, M. Estatstica Aplicada Administrao. Secretaria de Educao Distncia
do Ministrio da Educao Sistema Universidade Aberta do Brasil UAB. Diretoria do
Departamento de Polticas em Educao a Distncia DPEAD. Braslia: MEC, 2007.
TRIOLA, M. F. Introduo Estatstica. Rio de Janeiro: LTC, 1999.
WONNACOTT, T. H., WONNACOTT, R. J. Estatstica Aplicada Economia e Administrao. Rio
de Janeiro: LTC, 1981.

UNIDADE 2
BARBETTA, P. A. Estatstica Aplicada s Cincias Sociais. 4 ed. Florianpolis: Ed. da UFSC, 2002.
BRAULE, Ricardo. Estatstica Aplicada com Excel: para cursos de Administrao e Economia.
Rio de Janeiro: Campus, 2001.
BUSSAB, W. O.; MORETTIN, P. Estatstica Bsica. So Paulo: Atual, 2002.
COSTA NETO, P. L. de O. Estatstica. So Paulo: Edgard Blcher, 2002.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Saraiva, 2000.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatstica. Rio de Janeiro:
LTC, 1982.
FREUD, J. E.; SIMON, G. A. Estatstica Aplicada. Bookman, 2000, 403 p.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatstica: teoria e aplicaes (usando o
Microsoft Excel em portugus). LTC, 2000, 812 p.
MORETTIN, L. G. Estatstica Bsica: Probabilidade. V. 1. So Paulo: Makron Books, 1999.

24
SOARES, J. F.; FARIAS, A. A.; CESAR, C. C. Introduo Estatstica. Rio de Janeiro: LTC, 1991.
SPIEGEL, M. Probabilidade e Estatstica. Mc Graw Hill. 1993.
STEVENSON, William J. Estatstica Aplicada Administrao. So Paulo: Harper, 1981.
TAVARES, M. Estatstica Aplicada Administrao. Secretaria de Educao Distncia
do Ministrio da Educao Sistema Universidade Aberta do Brasil UAB. Diretoria do
Departamento de Polticas em Educao a Distncia DPEAD. Braslia: MEC, 2007.
TRIOLA, M. F. Introduo Estatstica. Rio de Janeiro: LTC, 1999.
WONNACOTT, T. H., WONNACOTT, R. J. Estatstica Aplicada Economia e Administrao. Rio
de Janeiro: LTC, 1981.

25