Matemática como instrumento de pesquisa – 3º ano

Professora: Elisângela
Estatística
Estatística é uma ciência que estuda a coleta, a organização, a análise e registro de dados por amostras.
Utilizada desde a Antiguidade, quando se registravam os nascimentos e as mortes das pessoas, é um método de pesquisa
fundamental para tomar decisões. Isso porque fundamenta suas conclusões nos estudos realizados.
Aliada à probabilidade, pode ser aplicada nas mais diversas áreas.

As Três Áreas da Estatística

As fases do método estatístico fazem parte de três áreas da estatística:

➢ Primeira área: Amostragem

Amostragem é o ato de analisar uma parte do evento observado com o intuito de saber como a população se comporta, sem
necessariamente analisar a população como um todo.
No mundo ideal, para qualquer pesquisa realizada, teríamos todas as informações que queremos da população estudada,
mas imagine um estudo envolvendo os cidadãos Brasileiros, para se recolher informações de pessoa por pessoa, no país inteiro
seria necessário um grande número de pessoal, teríamos um custo elevado para manter a equipe e dar procedimento na pesquisa,
e o tempo preciso para tal seria gigantesco. Para situações desse tipo, utilizamos a amostragem.
Quando se recolhe uma amostra, espera-se que a mesma seja representativa em relação a população, ou seja, que a amostra
apresente os mesmos comportamentos que a população estudada, para isso deve-se atender alguns critérios, tais como:
Selecionar amostras que fazem parte da população: Por exemplo, num estudo sobre os males causados no fígado pelo
consumo excessivo de bebidas alcóolicas, não selecionaremos pessoas que não possuem o hábito de ingerir bebidas alcóolicas.
Não selecionar amostras tendenciosas: Em geral, é comum vermos opiniões embasadas em amostras tendenciosas, para
exemplificar isso, imaginemos que será realizada uma pesquisa sobre qual a preferência pelos times estaduais de Futebol de
Minas Gerais, e como amostras são selecionados apenas torcedores chegando a um jogo do “Time A” na recepção do estádio
e com o uniforme do time, indiferente de quantos torcedores sejam entrevistados, a pesquisa indicará que em Minas Gerais, a
esmagadora maioria dos torcedores prefere o “Time A”, mesmo que isso não seja necessariamente um fato, por isso o essencial
é que as amostras sejam escolhidas aleatoriamente dentro da população.
Selecionar um tamanho de amostra considerável: Como já citado, geralmente não é viável analisar toda uma população
para determinado estudo, mas quando coletarmos as amostras, precisamos coletar um grupo cujo tamanho possa nos trazer
certo grau de confiança de que nossa amostra é representativa, pois uma amostra muito pequena pode apresentar
comportamentos muito discrepantes em relação aos da população.
Tipos de amostragem: probabilística e não-probabilística.
A amostragem será probabilística se todos os elementos da população tiverem probabilidade conhecida, e diferente de
zero, de pertencer à amostra. Caso contrário, a amostragem será não-probabilística.
Amostragem probabilística:
1- Amostragem casual simples: também chamada de simples ao acaso, aleatória, casual, simples, elementar, etc., é
equivalente a um sorteio lotérico. Nela, todos os elementos da população têm igual probabilidade de pertencer à amostra, e
todas as possíveis amostra têm também igual probabilidade de ocorrer.
2- Amostragem sistemática: quando os elementos da população se apresentam ordenados e a retirada dos elementos da
amostra é feita periodicamente.
3- Amostragem por meio de conglomerados: quando a população apresenta uma subdivisão em pequenos grupos,
chamados conglomerados, é possível fazer-se a amostragem por meio desses conglomerados, a qual consiste em sortear um
número suficiente de conglomerados, cujos elementos constituirão a amostra. Ou seja, as unidades de amostragem, sobre as
quais é feito o sorteio, passam a ser os conglomerados e não mais os elementos individuais da população.
4- Amostragem estratificada: consiste em dividir toda a população ou o "objeto de estudo" em diferentes subgrupos ou
estratos diferentes, de maneira que um indivíduo pode fazer parte apenas de um único estrato ou camada. Após as camadas
serem definidas, para criar uma amostra, selecionam-se indivíduos utilizando qualquer técnica de amostragem em cada um dos
estratos de forma separada. Por exemplo, se usamos a amostra aleatória simples em cada estrato, estamos falando de amostra
aleatória estratificada. Podemos usar outras técnicas de amostragem em cada estrato (amostra sistemática, aleatória, com
reposição, etc).
As camadas ou estratos são grupos homogêneos de indivíduos, que por sua vez, são heterogêneos entre diferentes grupos.
Por exemplo, se num estudo esperamos encontrar um comportamento diferente entre homens e mulheres, é conveniente definir
duas camadas, uma para cada gênero. Se a seleção desses estratos for correta, encontraremos:
(1) os homens devem se comportar de forma muito semelhante entre si,
(2) as mulheres devem se comportar de forma muito parecida entre si e
(3) homens e mulheres devem mostrar comportamentos diferentes entre si.
Se a condição comentada anteriormente é cumprida de forma correta (estratos internamente homogêneos e heterogêneos
entre si), o uso da amostragem aleatória estratificada reduz o erro amostral, melhorando a precisão dos resultados ao realizar
um estudo sobre a amostra.
É relativamente habitual definir os estratos de acordo com algumas variáveis características da população, tais como: idade,
sexo, classe social ou região geográfica. Essas variáveis permitem dividir facilmente a amostra em grupos mutuamente
exclusivos e frequentes, permitem discriminar comportamentos diferentes dentro da população.
 Tipos de amostra estratificada: dependendo do tamanho atribuído as camadas, estamos falamos sobre os diferentes tipos
de amostragem estratificada. Também é costume falar sobre diferentes formas de definir as camadas da amostra.
a- Amostra estratificada proporcional: Quando selecionamos uma característica dos indivíduos para definir
camadas, frequentemente o tamanho resultante das subpopulações do universo são diferentes. Por exemplo, queremos estudar
a % da população fumante no México e estipulamos que a idade pode ser um bom critério para a estratificação (ou seja, existem
diferenças significativas de fumantes de acordo com a idade). Definimos três camadas: menores de 20 anos, 20 a 44 e superiores
a 44 anos. É de se esperar que, ao dividir a população mexicana, essas 3 camadas não resultam em grupos de tamanhos iguais.
Na verdade, se olharmos para os dados, obtemos:
* Estrato 1 - População mexicana menor de 19 anos: 42,4 milhões (41,0%)
* Estrato 2 - População mexicana de 20 a 44 anos: 37,6 milhões (36,3%)
* Estrato 3 - População mexicana maior de 44 anos: 23,5 milhões (22,7%)
Se usamos a amostra estratificada proporcional, a amostra deverá obter camadas que obtenham as mesmas proporções
observadas na população. Se queremos criar uma amostra de 1.000 indivíduos, os estratos precisam ter este tamanho:
Estrato População Proporção Amostra
1 42,4M 41,0% 410
2 37,6M 36,3% 363
3 23,5M 22,7% 227

b- Amostra estratificada uniforme: Para definir uma amostra uniforme, é necessário atribuir o mesmo tamanho de
amostra para todas as camadas, independentemente do peso dos estratos da população. Continuando com o exemplo acima, a
amostragem estratificada uniforme definiria a seguinte amostra por estrato:
Estrato População Proporção Amostra
1 42,4M 41,0% 333
2 37,6M 36,3% 333
3 23,5M 22,7% 333
Esta técnica favorece os estratos que têm menor peso na população, equivalendo a importância dos estratos mais relevantes.
Globalmente, reduz a eficiência da nossa amostra (resultados menos precisos), mas em troca, permite estudar características
de cada camada de forma mais eficiente. No nosso exemplo, se emitirmos uma declaração específica sobre a população do
estrato 3 (mais de 44 anos), podemos fazê-lo com menor erro de amostragem.

c- Amostra estratificada ótima (a respeito do desvio-padrão): Neste caso, o tamanho das camadas da amostra não
será proporcional com a população. Por outro lado, o tamanho das camadas é definido em proporção com o desvio-padrão das
variáveis estudadas. Isto é, se obtêm camadas maiores dos estratos com maior variabilidade interna para representar melhor o
total da amostra nos grupos populacionais mais difíceis de estudar.

Eficiência dos diferentes tipos de amostras estratificadas

As perguntas inevitáveis são: Quando devemos usar a estratificação? Que tipo de estratificação é mais conveniente?
A amostra estratificada proporcional produz um erro amostral menor ou igual a amostra aleatória simples, é
mais precisa. A igualdade ocorre quando as médias ou as proporções que estamos analisando são iguais em todos os níveis dos
estratos. Portanto, a estratificação produz mais benefícios quanto mais diferentes as camadas são.
A amostragem estratificada ótima é sempre igual ou mais precisa que a amostra estratificada proporcional. Ambos
os métodos são igualmente precisos quando os desvios-padrão são iguais dentro de cada camada, neste caso ambos os métodos
são completamente equivalentes. A estratificação ótima produz mais benefícios quando maior for o número de diferenças entre
cada grupo, situação que podemos reduzir o tamanho da amostra dos grupos mais homogêneos para beneficiar os mais
heterogêneos. Em contrapartida, é um método complexo que exige ter muita informação antes de se obter a amostra estudada,
algo que normalmente não temos.

5- Amostragem em múltiplos estágios: o processo de amostragem acontece em diferentes estágios, sendo que em cada
um deles pode-se ser empregado um método básico. É um tipo de amostragem muito usado em pesquisa domiciliar com
populações humanas, onde inicialmente sorteiam-se as cidades, depois os bairros, quarteirões, domicílios e finalmente
moradores. O uso de várias unidades de sorteio define em cada estágio uma diferente unidade amostral.
Amostragem não-probabilística
• Inacessibilidade a toda a população: é o caso em que parte da população não tem existência real, ou seja, uma parte da
população é ainda hipotética.
• Amostragem a esmo ou sem norma: é aquela em que o amostrador, para simplificar o processo, procura ser aleatório sem,
no entanto, realizar propriamente o sorteio usando algum dispositivo aleatório confiável.
• A população é formada por material contínuo: nesse caso é impossível realizar amostragem probabilística, devido à
impraticabilidade de um sorteio rigoroso.
• Amostragens intencionais: enquadram-se aqui os diversos caso em que o amostrador deliberadamente escolhe certos
elementos para pertencer à amostra, por julgar tais elementos bem representativos da população. O perigo desse tipo de
amostragem é obviamente grande, pois o amostrador pode facilmente se equivocar em seu pré-julgamento.