Elísio José dos Santos

Teoria de Amostragem

(Licenciatura em Ensino de Biologia)

Universidade Rovuma

Nampula, 2024
Elísio José dos Santos

Teoria de Amostragem

Trabalho de caracter avaliativo da cadeira

de Bioestatística, curso de licenciatura em

Ensino de Biologia, regime a distância, 3o

ano, leccionado pelo docente: Dr: Cistélio

Armando Pequenino Muando

Universidade Rovuma

Nampula, 2024
Índice
I. Introdução ............................................................................................................................... 4

[Link] geral ..................................................................................................... 4

[Link] específicos ......................................................................................... 4

[Link] ......................................................................................................... 5

2. Técnicas de amostragem probabilística.................................................................................. 6

Conceito ..................................................................................................................................... 6

Técnicas de Amostragem Probabilística .................................................................... 6

Vantagens ................................................................................................................... 7

Vantagens das Técnicas de Amostragem Probabilística ............................................ 7

Desvantagens ............................................................................................................. 9

Desvantagens das Técnicas de Amostragem Probabilística ...................................... 9

Dois exemplos práticos da sua aplicação ................................................................. 10

2.1.técnicas de amostragem não probabilística ........................................................................ 11

Conceito ................................................................................................................................... 11

Técnicas de Amostragem Não Probabilística .......................................................... 11

Vantagens ................................................................................................................. 13

Vantagens das Técnicas de Amostragem Não Probabilística .................................. 13

Desvantagens ........................................................................................................... 14

Desvantagens das Técnicas de Amostragem Não Probabilística ............................. 14

Dois exemplos práticos da sua aplicação ................................................................. 15

3. Conclusão ............................................................................................................................. 17

4. Referências Bibliográficas ................................................................................................... 18

I. Introdução

A amostragem é um procedimento fundamental em diversas áreas do conhecimento, incluindo

estatística, ciências sociais, biologia e pesquisa de mercado, onde é frequentemente necessário
inferir características de uma população a partir de um subconjunto representativo. A teoria de
amostragem fornece as bases teóricas e práticas para a selecção de amostras, permitindo que
os pesquisadores tirem conclusões precisas e confiáveis sem a necessidade de examinar toda a
população.

O conceito de amostragem é crucial, especialmente em contextos onde a colecta de dados é

custosa, demorada ou impraticável. Através de técnicas de amostragem apropriadas, é
possível minimizar viés e maximizar a representatividade da amostra, assegurando que os
resultados obtidos possam ser generalizados para a população em estudo.

Neste trabalho, abordaremos os princípios fundamentais da teoria de amostragem, discutindo

suas categorias principais, incluindo amostragem probabilística e não probabilística. Serão
exploradas as técnicas associadas a cada uma dessas categorias, bem como suas vantagens e
desvantagens. Além disso, serão apresentados exemplos práticos de aplicação de diferentes
métodos de amostragem, proporcionando uma compreensão mais aprofundada de como a
teoria se traduz em prática. Por fim, o trabalho discutirá a importância da amostragem na
pesquisa científica e suas implicações para a tomada de decisões informadas.

[Link] geral
 Compreender a teoria de amostragem, explorando suas principais técnicas.

[Link] específicos
 Descrever as principais técnicas de amostragem probabilística e não probabilística;
 Analisar as vantagens e desvantagens de diferentes técnicas de amostragem;
 Explorar a aplicação prática da teoria de amostragem em diferentes áreas do
conhecimento.

4
[Link]
Para a elaboração do presente trabalho foram feitas pesquisas bibliográficas e o trabalho
apresenta uma estrutura sólida, que se segue, capa, introdução, desenvolvimento, conclusão e
as respectivas referências bibliográficas das obras consultadas.

5
2. Técnicas de amostragem probabilística

Conceito

As técnicas de amostragem probabilística referem-se a métodos utilizados para selecionar

uma amostra de uma população de forma que cada membro tenha uma probabilidade
conhecida e não zero de ser escolhido. Esse tipo de amostragem é fundamental na pesquisa
estatística, pois permite que os resultados obtidos a partir da amostra sejam generalizados para
a população como um todo com um nível conhecido de confiança e precisão.

Técnicas de Amostragem Probabilística

Amostragem Aleatória Simples:

Descrição: Cada membro da população tem a mesma probabilidade de ser seleccionado. A

selecção pode ser feita através de sorteio, tabela de números aleatórios ou softwares que
geram números aleatórios.

Aplicação: Ideal quando a população é homogénea e não há subgrupos significativos que

precisam ser representados.

Amostragem Sistemática:

Descrição: Um ponto de partida aleatório é escolhido, e a partir daí, os elementos são

seleccionados em intervalos fixos (k). Por exemplo, seleccionar a cada décimo elemento de
uma lista.

Aplicação: Útil em populações onde os elementos são organizados em uma sequência, e a

ordem não é relevante para a variável de interesse.

Amostragem Estratificada:

Descrição: A população é dividida em subgrupos (estratos) que são homogéneos em relação à

característica de interesse. Uma amostra aleatória é então tirada de cada estrato, garantindo
que todos os grupos sejam representados.

6
Aplicação: Indicada para populações heterogéneas, onde é importante garantir a
representação de diferentes subgrupos (como idade, género, etc.).

Amostragem por Conglomerados:

Descrição: A população é dividida em grupos ou conglomerados (como escolas, bairros, etc.),

e alguns desses grupos são seleccionados aleatoriamente. Todos os membros dos grupos
escolhidos são incluídos na amostra.

Aplicação: Eficiente quando a população é grande e dispersa, reduzindo custos e tempo na

colecta de dados, pois concentra a amostragem em locais específicos.

Amostragem por Camadas:

Descrição: Uma variação da amostragem estratificada, onde a amostra é coletada em camadas

que podem ser definidas por características específicas da população. A amostra final é uma
combinação das amostras colectadas nas diferentes camadas.

Aplicação: Útil em estudos onde múltiplas características precisam ser analisadas de forma
conjunta.

Vantagens

As vantagens das técnicas de amostragem probabilística:

Vantagens das Técnicas de Amostragem Probabilística

Representatividade da Amostra:

Como cada membro da população tem uma chance conhecida de ser seleccionado, as
amostras obtidas tendem a ser representativas da população como um todo. Isso permite que
os resultados possam ser generalizados com maior confiança.

Minimização do Viés:

7
A selecção aleatória ajuda a reduzir o viés de amostragem, uma vez que a escolha dos
participantes não é influenciada por factores subjectivos. Isso aumenta a validade dos dados
colectados.

Facilidade de Cálculo de Erros:

Com técnicas probabilísticas, é possível calcular a margem de erro e a confiabilidade dos

resultados. Isso é essencial para a análise estatística e para a interpretação dos dados.

Apoio à Inferência Estatística:

As técnicas de amostragem probabilística permitem a aplicação de métodos estatísticos

rigorosos, facilitando a inferência sobre a população com base na amostra.

Flexibilidade:

Diversas técnicas de amostragem probabilística estão disponíveis (como amostragem aleatória

simples, estratificada, sistemática e por conglomerados), permitindo que os pesquisadores
escolham a abordagem mais adequada ao seu estudo específico.

Transparência:

A metodologia de amostragem probabilística é clara e documentada, permitindo que outros

pesquisadores repliquem o estudo ou validem os resultados.

Adequação para Populações Heterogéneas:

Técnicas como a amostragem estratificada garantem que diferentes subgrupos dentro de uma
população sejam representados, o que é particularmente útil em estudos que envolvem
variáveis demográficas ou comportamentais.

Maior Credibilidade:

Resultados obtidos a partir de amostras probabilísticas tendem a ser mais aceitos e respeitados
pela comunidade científica e pelo público, devido à rigorosidade do método.

8
Desvantagens

As desvantagens das técnicas de amostragem probabilística:

Desvantagens das Técnicas de Amostragem Probabilística

Complexidade na Implementação:

A aplicação de métodos de amostragem probabilística pode ser complexa e exigir

planeamento detalhado. Isso inclui a necessidade de definir a população, determinar o
tamanho da amostra e escolher a técnica mais adequada.

Custo e Tempo:

Colectar dados utilizando técnicas probabilísticas pode ser mais caro e demorado,
especialmente se a população é grande ou dispersa. Por exemplo, a amostragem por
conglomerados pode requerer deslocamentos para diferentes locais.

Dificuldade em Obter uma Lista Completa da População:

Em alguns casos, pode ser desafiador ou impossível obter uma lista completa e precisa de
todos os membros da população, o que é fundamental para garantir a aleatoriedade da
amostra.

Risco de Não Resposta:

Mesmo em um desenho amostral probabilístico, o não comparecimento ou a recusa em

participar podem introduzir viés. Se aqueles que não respondem diferem significativamente
dos que respondem, os resultados podem não ser representativos.

Exigência de Conhecimento Estatístico:

A análise e a interpretação dos dados colectados requerem conhecimento estatístico, o que

pode ser uma barreira para pesquisadores sem formação específica nessa área.

Desconsideração de Elementos Importantes:

9
Se não for realizada uma estratificação adequada, elementos importantes da população podem
ser sub-representados ou omitidos, levando a conclusões incorrectas.

Desafios na Análise de Subgrupos:

Em algumas técnicas, como a amostragem estratificada, pode ser difícil realizar análises
detalhadas em subgrupos menores, especialmente se o tamanho da amostra for pequeno.

Sujeição a Erros Aleatórios:

Embora a amostragem probabilística minimize viés sistemático, ainda pode estar sujeita a
erros aleatórios, que podem afectar a precisão dos resultados.

Dois exemplos práticos da sua aplicação

Exemplo 1: Pesquisa de Opinião Pública

Contexto: Uma organização de pesquisa deseja avaliar a opinião dos cidadãos sobre uma
nova política pública proposta.

Técnica Utilizada: Amostragem Aleatória Simples

Descrição da Aplicação: A organização obtém uma lista completa dos eleitores registrados
em uma determinada região. Em seguida, utiliza um gerador de números aleatórios para
seleccionar uma amostra de 1.000 eleitores. Cada eleitor tem uma chance igual de ser
escolhido, garantindo que a amostra seja representativa da população de eleitores. A pesquisa
é realizada por meio de entrevistas telefónicas ou questionários online.

Resultados: Os resultados da pesquisa são utilizados para informar os formuladores de

políticas sobre o nível de apoio ou oposição à nova política, permitindo que decisões sejam
baseadas em dados representativos da opinião pública.

Exemplo 2: Estudo de Saúde Pública

Contexto: Uma agência de saúde pública deseja avaliar a prevalência de diabetes em uma
população específica.

10
Técnica Utilizada: Amostragem Estratificada

Descrição da Aplicação: A população é dividida em estratos com base em características

relevantes, como idade, sexo e localização geográfica. Por exemplo, a população pode ser
dividida em grupos de 18-30 anos, 31-50 anos e 51 anos ou mais. Em seguida, a agência
selecciona aleatoriamente um número proporcional de participantes de cada estrato,
garantindo que todos os grupos etários estejam representados. Se a amostra total for de 1.200
pessoas, pode-se decidir entrevistar 400 pessoas de cada estrato.

Resultados: Os dados colectados são analisados para determinar a prevalência de diabetes em

diferentes grupos demográficos, permitindo que a agência de saúde identifique áreas de maior
risco e desenvolva intervenções direccionadas para a prevenção e controle da doença.

2.1.técnicas de amostragem não probabilística

Conceito

As técnicas de amostragem não probabilística referem-se a métodos de selecção de amostras

em que os elementos não são escolhidos aleatoriamente. Ao contrário das técnicas
probabilísticas, em que cada membro da população tem uma chance conhecida de ser
incluído, nas técnicas não probabilísticas a selecção é baseada em critérios subjectivos,
conveniência ou julgamento do pesquisador. Isso significa que não é possível determinar a
probabilidade de selecção de cada indivíduo na população, o que pode levar a resultados
menos representativos.

As técnicas de amostragem não probabilística, com base em definições e explicações de

diversos autores:

Técnicas de Amostragem Não Probabilística

Amostragem por Conveniência:

Definição: A selecção é feita com base na facilidade de acesso ou conveniência dos

pesquisadores. Isso significa que os participantes são escolhidos por estarem disponíveis e
prontos para participar.

11
Autor: Segundo Saunders et al. (2015), essa técnica é comum em pesquisas exploratórias e
qualitativas, onde o objectivo é obter informações de forma rápida e prática. Contudo, é
importante reconhecer que essa abordagem pode resultar em viés e não garante a
representatividade da população.

Amostragem Intencional (ou por Julgamento):

Definição: O pesquisador selecciona deliberadamente os participantes com base em

características específicas que são relevantes para o estudo. A escolha é feita de acordo com o
julgamento do pesquisador sobre quem seria mais adequado para fornecer as informações
necessárias.

Autor: De acordo com Patton (2002), essa técnica é valiosa em estudos qualitativos, onde o
objectivo é compreender a complexidade das experiências individuais, permitindo que o
pesquisador escolha indivíduos que têm um conhecimento profundo ou experiências
relevantes.

Amostragem por Quota:

Definição: O pesquisador define categorias ou grupos na população (como idade, género ou

outras características demográficas) e determina quotas para cada grupo. Os participantes são
escolhidos até que as quotas sejam preenchidas.

Autor: Segundo Malhotra et al. (2017), a amostragem por quota permite que a amostra inclua
diversas subpopulações, mas a selecção dos participantes dentro de cada quota não é aleatória,
o que pode levar a viés.

Amostragem em Rede (ou Bola de Neve):

Definição: Utilizada principalmente em populações difíceis de acessar ou em contextos onde

os participantes são interconectados. Um participante inicial é seleccionado e, em seguida, ele
indica outros potenciais participantes, formando uma rede.

12
Autor: Como afirmam Atkinson e Flint (2001), essa técnica é frequentemente usada em
pesquisas sobre grupos marginalizados ou ocultos, permitindo que os pesquisadores alcancem
indivíduos que poderiam ser difíceis de identificar de outra forma.

Vantagens

Vantagens das Técnicas de Amostragem Não Probabilística

Facilidade de Implementação:

Essas técnicas são geralmente mais simples e rápidas de aplicar em comparação com as
técnicas probabilísticas, tornando-as ideais para estudos que precisam de resultados imediatos.

Custo-Benefício:

A amostragem não probabilística pode ser menos dispendiosa, uma vez que não requer
processos complexos de selecção aleatória e muitas vezes pode ser realizada com menos
recursos.

Adequada para Estudos Qualitativos:

Em pesquisas qualitativas, onde o foco está na profundidade da informação e na exploração

de experiências, as técnicas não probabilísticas permitem que os pesquisadores seleccionem
indivíduos com conhecimento específico ou experiências relevantes.

Flexibilidade:

Os pesquisadores têm a liberdade de escolher participantes com base em critérios específicos,

o que pode ser útil em contextos onde se busca explorar um fenómeno particular ou obter
informações de subgrupos específicos.

Acesso a Populações Difíceis:

Técnicas como a amostragem em rede (bola de neve) são eficazes para alcançar populações
que são difíceis de acessar ou que estão escondidas, como grupos marginalizados ou
clandestinos.

13
Rapidez na Coleta de Dados:

As técnicas de amostragem não probabilística geralmente permitem uma colecta de dados

mais rápida, o que é vantajoso em situações onde o tempo é um factor crítico.

Compreensão Contextual:

Ao escolher participantes com base em sua relevância ou experiência, os pesquisadores

podem obter insights mais profundos sobre questões contextuais, que podem não ser
capturadas por métodos probabilísticos.

Desvantagens

Desvantagens das Técnicas de Amostragem Não Probabilística

Viés de Selecção:

Como os participantes não são escolhidos aleatoriamente, há um alto risco de viés de

selecção. Isso significa que a amostra pode não ser representativa da população,
comprometendo a validade dos resultados.

Limitação na Generalização:

Os resultados obtidos a partir de amostras não probabilísticas muitas vezes não podem ser
generalizados para a população maior. Isso é especialmente problemático se a amostra não
reflectir as características da população.

Subjectividade:

A selecção dos participantes é frequentemente baseada no julgamento do pesquisador, o que

pode introduzir viés pessoal e afectar a objectividade da pesquisa. Isso pode levar a
conclusões que não são suportadas por dados representativos.

Dificuldade em Cálculos Estatísticos:

14
Como as amostras não probabilísticas não permitem que se calcule a probabilidade de
selecção dos participantes, é difícil realizar análises estatísticas rigorosas, como estimativas de
margem de erro e testes de significância.

Menor Rigor Científico:

Em comparação com a amostragem probabilística, as técnicas não probabilísticas geralmente

são vistas como menos rigorosas do ponto de vista científico. Isso pode afectar a credibilidade
dos resultados na comunidade académica.

Desafios na Repetição do Estudo:

A falta de um método estruturado de selecção torna difícil replicar o estudo, o que é um

princípio fundamental da pesquisa científica. A replicabilidade é essencial para validar os
resultados de um estudo.

Possível Exclusão de Grupos Importantes:

Dependendo da técnica utilizada, alguns grupos da população podem ser sub-representados ou

completamente excluídos, levando a uma compreensão incompleta do fenómeno estudado.

Dificuldade em Obter Dados Confiáveis:

Em algumas situações, como na amostragem por conveniência, os dados podem ser menos
confiáveis devido à natureza da selecção, que pode não capturar a diversidade e a
complexidade da população.

Dois exemplos práticos da sua aplicação

Exemplo 1: Pesquisa de Satisfação do Cliente

Contexto: Uma empresa de serviços deseja avaliar a satisfação de seus clientes após a
utilização de um novo produto.

Técnica Utilizada: Amostragem por Conveniência

15
Descrição da Aplicação: A empresa decide realizar uma pesquisa online, convidando clientes
que visitaram recentemente seu site ou loja. Os clientes que responderem ao convite formam a
amostra. Essa abordagem é fácil e rápida, pois a empresa pode obter feedback imediato dos
clientes disponíveis.

Resultados: A pesquisa revela que 80% dos clientes estão satisfeitos com o novo produto. No
entanto, como a amostra foi seleccionada com base na conveniência, os resultados podem não
reflectir a opinião de todos os clientes, especialmente aqueles que não tiveram a oportunidade
de responder.

Exemplo 2: Estudo de Comportamento em Redes Sociais

Contexto: Um pesquisador deseja entender como os usuários de uma plataforma de redes

sociais utilizam a ferramenta de compartilhamento de vídeos.

Técnica Utilizada: Amostragem em Rede (Bola de Neve)

Descrição da Aplicação: O pesquisador começa identificando alguns usuários activos na

plataforma e os entrevista sobre seus hábitos de compartilhamento. Durante as entrevistas, os
usuários são solicitados a indicar outros usuários que também compartilham vídeos
regularmente. Essa técnica permite que o pesquisador alcance indivíduos que podem ser
difíceis de identificar inicialmente.

Resultados: O estudo revela padrões de comportamento e preferências de compartilhamento

que poderiam não ter sido descobertos por métodos de amostragem mais convencionais. No
entanto, os resultados podem ser limitados pela natureza da amostra, que pode não representar
toda a diversidade de usuários da plataforma.

16
3. Conclusão

A teoria de amostragem desempenha um papel fundamental na pesquisa, permitindo que os

pesquisadores obtenham insights valiosos sobre populações sem a necessidade de estudar
cada indivíduo. A escolha entre técnicas de amostragem probabilística e não probabilística
depende do objectivo do estudo, dos recursos disponíveis e do contexto específico em que a
pesquisa é realizada.

As técnicas de amostragem probabilística, embora mais rigorosas e representativas, podem ser

complexas e custosas. Por outro lado, as técnicas de amostragem não probabilística oferecem
flexibilidade e rapidez, sendo úteis em estudos exploratórios e qualitativos. No entanto, essas
últimas podem introduzir viés e limitar a generalização dos resultados, o que deve ser
cuidadosamente considerado pelos pesquisadores.

Ambas as abordagens têm suas vantagens e desvantagens, e a escolha da técnica deve ser feita
de forma consciente, levando em conta as características da população-alvo, os objectivos do
estudo e os métodos de análise que serão empregados. Em última análise, uma compreensão
clara das técnicas de amostragem e de suas implicações é essencial para garantir a validade e
a confiabilidade dos resultados da pesquisa.

A aplicação prática dessas técnicas em diferentes áreas, como saúde pública, ciências sociais e
negócios, demonstra sua importância e relevância. Pesquisadores devem continuar a explorar
e aprimorar suas habilidades na selecção de amostras, contribuindo assim para o avanço do
conhecimento em suas respectivas disciplinas.

17
4. Referências Bibliográficas

Aaker, D. A., Kumar, V., & Day, G. S. (2010). Marketing Research (10ª ed.). Wiley.

Bryman, A., & Bell, E. (2011). Business Research Methods (3ª ed.). Oxford University
Press.

Malhotra, N. K., & Birks, D. F. (2007). Marketing Research: An Applied Approach (3ª ed.).
Prentice Hall.

Patton, M. Q. (2002). Qualitative Research & Evaluation Methods (3ª ed.). Sage
Publications.

Saunders, M., Lewis, P., & Thornhill, A. (2015). Research Methods for Business Students
(7ª ed.). Pearson.

Atkinson, R., & Flint, J. (2001). "Accessing Hidden and Hard-to-Reach Populations:
Snowball Research Strategies." Social Research Update, 33.

Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods

Approaches (4ª ed.). Sage Publications.

Fink, A. (2013). How to Conduct Surveys: A Step-by-Step Guide (5ª ed.). Sage Publications.

18