1

UNIVERSIDADE ABERTA ISCED

Faculdade de Ciências de Educação

Curso de Licenciatura em Ensino de Biologia

Noção de Amostragem

Nome: Nosta Arcanjo Dava; 31220306

Xai-Xai, Novembro, 2023

 2

UNIVERSIDADE ABERTA ISCED

Faculdade de Ciências de Educação

Curso de Licenciatura em Ensino de Biologia

Noção de Amostragem

Trabalho de campo a ser submetido na

coordenaco do curso de licenciatura em
ensino de Bilogia UNISCED.

Tutor:Msc; Orneia Uqueiro

Nome: Nosta Arcanjo Dava ; 31220306

Xai-Xai, Novembro, 2023

 3

Índice
2.Fundamentação teórica.................................................................................................................4

2.1. Amostragem Aleatória..............................................................................................................5

2.1.1.Tipos de amostragem probabilística.......................................................................................5

2.1.2. Amostragem Aleatória Simples.............................................................................................6

2.2. Amostragem Sistemática..........................................................................................................7

2.3. Amostragem Aleatória Estratificada.........................................................................................8

2.4. Amostragem por Conglomerados.............................................................................................9

3. Amostragem não aleatória...........................................................................................................9

3.1.Tipos de amostragem não-probabilísticas...............................................................................10

4.Conclusão...................................................................................................................................11

5.Referencias Bibliográficas..........................................................................................................12
 4

1.1 Introdução

O trabalho debruça sobre o tema noções de amostragem, para conhecer algumas características
da população de interesse, ao invés de observar todos os elementos desta população, é muito
comum observar apenas uma amostra de seus elementos e, usar os resultados amostrais para
descrever a população, de forma aproximada. Em geral, não temos tempo nem verba suficiente
para observar todos os elementos da população. As vezes, é inconveniente examinar toda a
população, como no estudo do tempo de vida de lâmpadas de uma certa marca; ao realizar o
experimento, temos que observar o tempo em que a lâmpada fica acesa até se apagar, destruindo
a unidade em observação.

1.1. Objectivos

1.1.1. Objectivo geral

 Compreender noção de amostragem.

1.1.2. Objectivos específicos

 Indicar os tipos de amostragem

 Descrever os procedimentos de amostragem

 Explicar os procedimentos de amostragem

1.2. Metodologia

A metodologia define o processo seguido no desenvolvimento da pesquisa. Para LUFT (1991:

420) “ metodologia é o tratado dos métodos, onde o método é a ordem seguida de investigação,
no estudo de persecução de quaisquer objectivos”.

Neste contexto, para a elaboração deste trabalho, recorreu se a: Consultas bibliográficas que
consistiu na leitura e interpretação de diversas de vários autores que sustentam sobre o assunto
em estudo; Analise e interpretação que consistiu na análise e compilação da matéria estudada.
 5

2.Fundamentação teórica
A amostragem afecta quase todos os aspectos da nossa vida diária. Por exemplo, decidimos se
vamos comprar laranjas, ao experimentar um gomo oferecido pelo feirante. A fim de estarem
melhor preparados para uma prova, os alunos conversam com alguns colegas que já fizeram a
disciplina. Informações vindas de pesquisas amostrais determinam políticas públicas como, por
exemplo, a promoção de programas sociais e estratégias de controle da economia.

Situações como as que foram apresentadas são objecto da inferência estatística. Para entender o
que está envolvido na inferência estatística, é necessário antes, conhecer os conceitos básicos de
população e amostra.

• População é o conjunto de todos os elementos que temos interesse em investigar.

O conceito de população em Estatística é bem mais amplo que em Demografia. Pode ser formada
por pessoas ou por domicílios, peças de produção, cobaias, ou qualquer outro tipo de elemento
que estamos querendo observar. A população pode existir de fato ou ser gerada pela repetição de
experimentos. Pode ainda ter tamanhos diferentes, ser pequena, grande ou mesmo ser infinita.
Notemos que a população é definida em função do nosso objectivo. Se há interesse em predizer o
resultado de uma eleição presidencial, por exemplo, a população de estudo poderia ser todos os
eleitores do país.

• Amostra é qualquer subconjunto da população.

Quando uma amostra é seleccionada da população, os resultados amostrais são usados para
estimar os dados populacionais. Como exemplo, consideremos uma pesquisa para estimar a
idade média para todos os funcionários de uma certa empresa, composta de 1000 funcionários.
Para tanto, são seleccionados 80 funcionários da empresa e anotam-se suas idades. Neste
exemplo, a população é formada pelos N = 1000 funcionários da empresa e a amostra pelos n =
80 funcionários. A idade média entre os 80 funcionários pode ser usada para estimar a idade
média entre todos os funcionários da empresa.

Há situações em que alguns elementos da população não são acessíveis.

 6

Suponha que em uma universidade, há interesse em verificar a satisfação dos alunos no curso
que estão fazendo. Para tanto, podemos seleccionar uma amostra de alunos a partir da lista de
matrícula, porem nem todos os alunos matriculados estão frequentando as aula. Os alunos que
não estão assistindo as aulas, não podem ser entrevistados. Obtemos uma amostra que representa
a opinião dos alunos que estão cursando a faculdade. Os alunos ausentes são inacessíveis, e
podem estar mais insatisfeitos com o curso, fazendo com que a amostra tenda a superestimar o
nível de satisfação dos alunos com relação ao curso. Uma forma de evitar qualquer
tendenciosidade, devemos deixar claro que a população sendo estimada é a que é acessível.
Neste exemplo, estamos estimando o grau de satisfação dos alunos que estão presentes nas salas
de aula.

A inferência estatística proporciona meios para responder questões sobre a população, a partir de
informações colectadas da amostra, com uma certa garantia de que as respostas sejam válidas. O
objectivo de uma amostragem é produzir resultados que forneçam boas estimativas com o menor
custo. Tão importante quanto analisar os dados correctamente é seleccionar adequadamente a
amostra.

Para fazer uma amostragem deve-se, primeiramente, ter bem definidos os objectivos da pesquisa,
para daí caracterizar a população a ser amostrada, bem como o que vai ser estimado, para atingir
estes objectivos. Nesta etapa, também precisamos responder as seguintes perguntas: quanto e
como vamos seleccionar elementos da população; isto é, precisamos determinar o tamanho da
amostra e a forma de selecção dos elementos da população.

O tamanho de amostra necessário para obtermos uma boa estimativa, é determinado levando em
consideração os princípios da inferência estatística.

As técnicas de amostragem podem ser classificados em dois grandes grupos: amostragem

aleatória e amostragem não aleatória.

A amostragem aleatória é também referida como amostragem probabilística, porque todos os

elementos da população tem probabilidade conhecida de pertencer a amostra.
 7

Na amostragem não aleatória, os elementos da população são seleccionados considerando outros

critérios que não são probabilísticos, como selecção por conveniência. Desta forma não há como
associar probabilidades ao processo de selecção.

2.1. Amostragem Aleatória

A selecção da amostra é feita por alguma forma de sorteio, o que permite associar a cada uma
das possíveis amostras, uma probabilidade conhecida de obter a amostra. A condição para o uso
da amostragem aleatória é a possibilidade de listar as unidades de amostragem, ou seja, é
necessário a existência de um cadastro com as unidades de amostragem. Sempre que possível,
usar algum tipo de amostragem aleatória para garantir que a inferência estatística seja aplicada
adequadamente.

Os principais tipos de amostragem aleatória são:

2.1.1.Tipos de amostragem probabilística

 Amostra Aleatória simples

 Amostra Sistemática

 Amostra Estratificada

 Amostra por Conglomerado

2.1.2. Amostragem Aleatória Simples

O modo mais fácil para seleccionarmos uma amostra aleatória é por meio da amostragem
aleatória simples. O conhecimento adquirido com esse procedimento servirá como base para
outros tipos de amostragem, pois o seu procedimento pode ser aplicado em outros planos, em um
estágio intermediário. Neste plano, selecciona-se cada unidade amostral com igual probabilidade,
de tal forma que cada amostra tenha a mesma chance de ser seleccionada. A amostragem
aleatória simples pode ser feita com reposição (após seleccionar um elemento, é recolocado na
 8

população; sendo que o mesmo elemento pode ser seleccionado novamente), ou sem reposição
(cada elemento só pode ser seleccionado uma única vez, pois não é recolocado na população
após ser seleccionado).

De forma geral, cada elemento da população deve ser enumerado. O sorteio de uma amostra de
tamanho n de uma população de tamanho N, pode ser realizado por meio de algum dos
procedimentos a seguir, sendo que n é menor do que N.

Procedimento:

(a) O processo mais rudimentar seria o de identificar e enumerar os elementos da população em

N pedaços de papel, colocá-los em uma urna e retirar, ao acaso, n papéis;

(b) enumerar os elementos da população e usando uma tabela de números aleatórios:

i. escolher uma linha para iniciar a selecção;

ii. selecionar os números, desprezando os valores fora da enumeração e os valores

repetidos;

iii. formar a amostra, com os elementos da população correspondentes aos números

seleccionados.

(c) um processo mais sofisticado consiste em enumerar os elementos da população e gerar

números aleatórios na calculadora ou em programas de computadores para seleccionar os
números.

Exemplo 1 Uma firma de contabilidade tem N = 50 clientes comerciantes.

Seu proprietário pretende entrevistar uma amostra de 10 clientes para ver como melhorar os
atendimentos. Escolha uma amostra aleatória simples de tamanho n = 10.

Primeiro passo: atribuir a cada cliente um número entre 1 e 50.

Segundo passo: recorrer à tabela de números aleatórios para seleccionar aleatoriamente 10

números de 1 a 50. Os clientes identificados pelos números seleccionados vão compor a amostra.
 9

2.2. Amostragem Sistemática

Pode ser utilizada quando os elementos da população apresentam-se em sequência e a retirada
dos elementos da população é feita em intervalos sistemáticos. O processo é bem mais rápido
que da amostragem aleatória simples. A ideia é seleccionarmos aleatoriamente um único número,
correspondente ao primeiro elemento a compor a amostra. Deixamos passar k elementos em
sequência, e o próximo da sequência fará parte da amostra. Os intervalos ou “saltos” são feitos
sistematicamente, até completar a amostra. Utiliza-se então, um intervalo de selecção entre os
elementos da população, denotado por k.

Procedimento:

(a) enumerar os elementos da população;

(b) calcular o intervalo de selecção k (se necessário, alterar o valor de;

(c) sortear o ponto de partida (primeiro elemento da amostra), ou seja, seleccionando um número
entre 1 e k, usando, por exemplo, uma tabela de números aleatórios;

(d) para seleccionar os demais elementos da amostra, a cada k elementos, seleccionar um

elemento, até atingir n.

Exemplo 2 Uma escola tem um arquivo com 5000 fichas de alunos e para seleccionar uma
amostra de 1000 alunos será seleccionada, sistematicamente, uma ficha a cada 5. Somente o
ponto de partida (primeiro elemento da amostra) é sorteado, dentre as 5 primeiras fichas do
arquivo. Digamos que foi sorteado o número 2, então a amostra é formada pelas fichas 2, 7, 12,
17, 22, ... , 4982, 4987, 4992, 4977

(N = 5000; n = 1000; k = 5).

A aplicação da amostragem sistemática não apresenta problemas quando os elementos da

população estão em uma sequência aleatória, como, por exemplo, estimar o número médio de
prescrições por médico, aplicando amostragem sistemática em um cadastro alfabético dos
médicos.

Mesmo quando os elementos de uma população estão ordenados, de alguma forma, com relação
a variável de estudo, não ocorrem problemas de estimação. É o que acontece quando é
 10

seleccionada uma amostra sistemática de uma lista dos alunos ordenado por nota, para avaliar os
professores segundo a opinião dos alunos. Problemas podem surgir quando a população é
periódica, ou seja, quando os elementos da população têm variações cíclicas. Consideremos um
estudo sobre o volume de vendas diário de uma cadeia de lojas de guloseimas. A população de
vendas diárias é periódica porque há um ápice das vendas ocorre no final de semana.

A efectividade da amostragem sistemática depende do valor escolhido para o intervalo de

selecção. Se k = 7 poderíamos sub ou superestimar volume médio de vendas, dependendo do dia
da semana seleccionado para a amostra. Neste caso, o problema pode ser resolvido, mudando
para k = 9, por exemplo.

2.3. Amostragem Aleatória Estratificada

Deve ser usada quando a população é muito heterogénea em relação a variável de estudo, porém
é possível dividir os elementos da população em estratos (grupos) mais homogéneos, por
exemplo, por sexo, renda ou bairro. Os resultados são mais precisos se comparados com a
amostragem aleatória simples.

Procedimento:

(a) dividir a população em estratos homogêneos;

(b) selecionar uma amostra aleatória simples ou sistemática de cada estrato;

(c) formar a amostra pela união das subamostras em cada estrato.

Exemplo 3 População de alunos da UFPR: Para estimar a altura média dos alunos, dividir a
população em 2 estratos: homens e mulheres e tirar uma amostra aleatória simples de cada
estrato.

Exemplo 4 Pesquisa de Opinião: Estimar a proporção de eleitores favoráveis ao aumento de

impostos para melhorar o serviço de ambulância;

Retirar uma amostra da população adulta residente na região, formada por dois centros urbanos
(cidades A e B) e uma área rural.
 11

Cidade A tem hospital, cidade B não tem hospital e na área rural as opiniões são variadas; criar 3
estratos: cidade A, cidade B e área rural; tirar uma amostra aleatória simples de cada estrato.

Exemplo 5 Estimar o ganho de peso de pacientes em dieta internados no hospital: Estratificar por
sexo e idade para obter estimativas mais precisas (já que sexo e idade influenciam no ganho de
peso).

Uma etapa importante da amostragem aleatória estratificada é alocação da amostra pelos

estratos, ou seja, quantos elementos da amostra serão do estrato 1, quantos do estrato 2, ..., até o
último estrato. A alocação uniforme determina que cada estrato contribuirá com o mesmo
número de elementos para a amostra. Outro tipo de alocação, a proporcional, leva em conta o
tamanho dos estratos, assim um estrato maior contribuirá com mais elementos para amostra.

2.4. Amostragem por Conglomerados

As técnicas amostrais vistas anteriormente podem ter um custo alto.

Em muitas situações, podem ser impossíveis de serem implementados, pois para usar essas
técnicas precisamos de um cadastro completo dos elementos da população. A amostragem por
conglomerados pode ser usada quando há poucos recursos para observar as unidades amostrais,
muitas vezes porque a população está espalhada em uma grande região.

A região é dividida em áreas menores, formando os conglomerados. Devemos usar a

amostragem por conglomerados quando o cadastro dos elementos pode ser mais facilmente
obtido dos conglomerados, como escolas (fácil acesso a lista de alunos) e cidades (fácil acesso a
lista de bairros). Os resultados são menos precisos em relação a amostragem aleatória simples,
mas há um menor custo devido a deslocamentos.

Procedimento:

(a) dividir a população em conglomerados;

(b) seleccionar alguns conglomerados por amostragem aleatória simples;

 12

(c) a amostra é formada por todos os elementos dos conglomerados sorteados em (b) ou a
amostra é formada seleccionando alguns elementos dos conglomerados sorteados em (b), por
amostragem aleatória simples ou sistemática (amostragem por conglomerado em 2 estágios).

Exemplo 6 Pesquisa sócio-econômica municipal: unidade amostral = domicílio e conglomerados

= quarteirões da cidade;

Exemplo 7 Pesquisa eleitoral para presidente: unidade amostral = eleitor e conglomerados =

cidades.

3. Amostragem não aleatória

Usada quando há dificuldade em obter uma listagem (cadastro) dos elementos da população. Os
tipos de amostragem aleatória são:

(a) Amostragem por cotas

É parecida com a Amostragem Aleatória Estratificada Proporcional:

A população é dividida em grupos e selecciona-se uma cota de cada grupo, proporcional ao seu
tamanho. A selecção não é aleatória. A falta de aleatoriedade é compensada, dividindo-se a
população em vários grupos.

Exemplo 8 Considere uma pesquisa eleitoral. A população é dividia por sexo, grupo etário
(menos de 35 anos; maior ou igual a 35 anos) e renda (menos de 5 salários mínimos; maior ou
igual a 5 salários mínimos).

(b) Amostragem por julgamento

São escolhidos os elementos mais típicos da população. Resultados não valem necessariamente
para toda população.

Exemplo 9 Estudo sobre a produção científica dos departamentos de uma universidade (mais ou
menos 50 departamentos). Seleccionar os que melhor representam a universidade. Resultados da
pesquisa não necessariamente valem para todos os departamentos da universidade.

(c) Amostragem por conveniência

 13

Os resultados não valem necessariamente para toda população.

Exemplo 10 Decisões baseadas em entrevistas feitas em lojas de conveniência podem não

reflectir a preferência de todos os consumidores que frequentam diferentes tipos de lojas.

Uma amostra de voluntários pode ter resultados diferentes comparados com a população.

Uma amostra de um único hospital pode representar bem todos os hospitais que tem
características semelhantes ao hospital que foi amostrado.

3.1.Tipos de amostragem não-probabilísticas

 Amostra por conveniência

 Amostra por julgamento

 Amostra por cotas

 Amostra bola de neve

 Amostra desproporcional

4.Conclusão
Durante a elaboração deste trabalho conclui-se que noção de amostragem faz parte de colecta de
dados e métodos de colecta de dados são as ferramentas que fazem parte do processo de colecta,
levantamento e, por fim, tratamento das informações e divulgação dos resultados. Para cada tipo
de pesquisa é recomendado um instrumento de colecta diferente. E métodos de colecta de dados
 14

os métodos de recolha de dados, são estratégias que possibilitam aos pesquisadores obter dados
em píricos que lhe possibilitam responder às suas questões investigativas. Os dados daqui
resultantes devem ser analisados, interpretados de forma a poder em ser transformados em
resultados e conclusões.

5.Referencias Bibliográficas
ABEYASEKERA, Savitri.
Quantitativeanalysisapproachestoqualitativedata:why,whenandhow.2000.Availableat
http://www.reading.ac.uk/ssc/.

AIRES,L.
Paradigmaqualitativoepráticasdeinvestigaçãoeducacional.Lisboa:UniversidadeAberta,2015.
 15

COSTA,A.M.N.(etal.).UsodeEntrevistas On-Line
noMétododeExplicitaçãodoDiscursoSubjacente(MEDS).
Psicologia:ReflexãoeCrítica,v.22,n.1,2009,pp.36-43.

CRESWELL,JohnW..
Projetodepesquisa:métodosqualitativo,quantitativoemisto.TraduçãoLucianadeOliveiradaRocha..
2.ed..PortoAlegre:Artmed,2007.

GRAÇAMARTINS,M.E.,MONTEIRO,C.,VIANA,P.V.,TURKMAN,M.A.A.(1999)–
ProbabilidadeseCombinatória.MinistériodaEducação,DepartamentodoEnsinoSuperior.ISBN:972
-8417-33-0.DepósitoLegal143440/99.

MORAIS,Carlos. Descrição, análise e interpretação de informação quantitativa: Escalas de

medida, estatísticades critiva e inferência estatística. Bragança: Escola Superior de Educação–
Instituto Politécnico de Bragança,s/d.

VICENTE, P., REIS, E; FERRÃO,F.(1996)- A amostragem como factor decisivo de qualidade,

Edições Sílabo, Lda, Lisboa.