UNIVERSIDADE SÃO TOMÁS DE MOÇAMBIQUE
FACULDADE DE CIÊNCIAS E TECNOLOGIAS DE INFORMAÇÃO
Licenciatura em Administração de Sistemas de Informação e Redes
Tema: Teoria de Amostragem Fev– Abril 2024.
Discentes:
Arlindo Siquisse Jr
Júlio Q. Meneses Cumbula Jr
Rui Felipe Sumburane
Shairon Valter Gustavo Zualo
Wesley Chirindzane Docente: Salmina Mendes
Maputo, Maio de 2024
UNIVERSIDADE SÃO TOMÁS DE MOÇAMBIQUE
FACULDADE DE CIÊNCIAS E TECNOLOGIAS DE INFORMAÇÃO
Licenciatura em Administração de Sistemas de Informação e Redes
Tema: Teoria de Amostragem Fev – Abril 2024.
Trabalho a ser apresentado ao Departamento de
USTM, Delegação de Maputo no curso de
Administração de Sistemas de Informação e Redes
Docente: Salmina Mendes
Índice
Introdução.............................................................................................................................................4
Conceitos Bases:....................................................................................................................................5
População..........................................................................................................................................5
Amostra.............................................................................................................................................5
Parâmetro..........................................................................................................................................5
Estatística..........................................................................................................................................5
Métodos de Amostragem:......................................................................................................................5
Tipos de Amostragem............................................................................................................................6
Amostragem Aleatória Simples:........................................................................................................6
Amostragem Estratificada:................................................................................................................6
Amostragem por Conglomerados:.....................................................................................................6
Amostragem Sistemática:..................................................................................................................6
Importância da Amostragem:................................................................................................................7
Erros de Amostragem:...........................................................................................................................7
Erro de Amostragem Aleatória:.........................................................................................................7
Erro de Viés:......................................................................................................................................7
Tamanho da Amostra:...........................................................................................................................7
Validade da Amostra:............................................................................................................................7
Análise e Inferência:..............................................................................................................................7
Conclusão..............................................................................................................................................8
Bibliografia............................................................................................................................................9
Introdução
A teoria da amostragem é uma área fundamental da estatística que se concentra em técnicas
para colectar e analisar dados de uma amostra, a fim de fazer inferências sobre uma
população maior. A correta aplicação dessa teoria é crucial em muitas áreas, como pesquisa
científica, marketing, economia, entre outros. Este projecto de pesquisa tem como objectivo
explorar os princípios básicos da teoria da amostragem, suas técnicas mais comuns e sua
importância na obtenção de resultados confiáveis.
Resumindo, a teoria de amostragem fornece as bases estatísticas necessárias para realizar
estudos representativos e obter conclusões confiáveis sobre populações maiores a partir de
informações limitadas contidas em amostras cuidadosamente seleccionadas.
Conceitos Bases:
A teoria da amostragem parte do princípio de que uma amostra bem seleccionada pode
fornecer informações precisas sobre toda uma população.
Aqui estão alguns conceitos fundamentais:
População:
É o grupo total de itens ou indivíduos que estamos interessados em estudar.
Começa-se por identificar e definir claramente a população de interesse.
Amostra:
É um subconjunto representativo da população que é seleccionado para análise.
Uma vez definida a população, o próximo passo é seleccionar uma amostra representativa
dela.
Parâmetro:
Uma medida numérica que descreve uma característica da população, como média,
proporção ou desvio padrão.
Estatística:
Uma medida numérica que descreve uma característica da amostra, usada para estimar o
parâmetro correspondente na população.
Métodos de Amostragem:
Existem várias técnicas de amostragem, como amostragem aleatória simples, amostragem
estratificada, amostragem por conglomerados e amostragem sistemática. Cada método tem
suas próprias vantagens e é escolhido com base na natureza da população e nos objectivos do
estudo
Tipos de Amostragem
Existem diferentes métodos para seleccionar uma amostra, incluindo:
Amostragem Aleatória Simples:
Cada membro da população tem a mesma chance de ser seleccionado.
Exemplo:
Tamanho da Amostra: 𝑛=𝑁1+𝑁(𝑒2)𝑁−1n=1+N−1N(e2)N
Onde 𝑛n é o tamanho da amostra, 𝑁N é o tamanho da população e 𝑒e é o erro máximo
aceitável.
Amostragem Estratificada:
A população é dividida em subgrupos (estratos) e depois são seleccionados membros de cada
estrato de forma aleatória.
Exemplo:
Tamanho da Amostra por Estrato:
𝑛ℎ=𝑁ℎ𝑁×𝑛nh=NNh×n
Onde 𝑛ℎnh é o tamanho da amostra no estrato ℎh, 𝑁ℎNh é o tamanho da população no
estrato ℎh e 𝑛n é o tamanho total da amostra.
Amostragem por Conglomerados:
A população é dividida em grupos (conglomerados) e uma amostra de conglomerados é
seleccionada aleatoriamente.
Exemplo:
Tamanho da Amostra por Conglomerado: 𝑛𝑐=𝑁𝑐𝑁×𝑛nc=NNc×n
Onde 𝑛𝑐nc é o tamanho da amostra no conglomerado 𝑐c, 𝑁𝑐Nc é o tamanho da
população no conglomerado 𝑐c e 𝑛n é o tamanho total da amostra.
Amostragem Sistemática:
Os elementos são seleccionados a partir de um intervalo sistemático na lista da população.
Exemplo:
intervalo de Amostragem: 𝑘=𝑁𝑛k=nN
Onde 𝑘k é o intervalo de amostragem, 𝑁N é o tamanho da população e 𝑛n é o tamanho
da amostra.
Importância da Amostragem:
- Reduz custos e tempo, pois é mais prático do que examinar toda a população.
- Possibilita inferências sobre a população com base nos resultados da amostra.
Erros de Amostragem:
Erro de Amostragem Aleatória:
Variação natural que ocorre ao se estimar com base em uma amostra.
Erro de Viés:
Resulta da selecção não aleatória da amostra.
Tamanho da Amostra:
Deve ser determinado com base na precisão desejada da estimativa e na variabilidade da
população.
Validade da Amostra:
Depende da representatividade da amostra em relação à população, garantindo que os
resultados sejam generalizáveis.
Análise e Inferência:
Uma vez que a amostra foi colectada, são aplicadas técnicas estatísticas para analisar os
dados amostrais e fazer inferências sobre a população mais ampla. Isso pode incluir
estimativas de parâmetros populacionais, intervalos de confiança e testes de hipóteses.
Conclusão
Concluímos que a teoria da amostragem é essencial para a obtenção de resultados confiáveis
em muitas áreas da pesquisa e prática. Ao entender os princípios básicos da teoria da
amostragem e aplicar técnicas adequadas de amostragem, os pesquisadores podem obter
conclusões mais precisas e úteis sobre as populações que estão estudando.
Bibliografia
Adelaide Maria Figueiredo, F. O. (s.d.). Teoria da amostragem.
Cochran. (1977). Sampling Techniques.
http://www.conhecer.org.br/download/inventario/Modulo%20III%20-%20Teoria%20de
%20amostragem.pdf. (s.d.). Modulo III - Teoria de Amostragem.
Lohr. (2019). Sampling: Design and Analysis.
Sarndal, S. e. (2003). Model assisted Survey Sampling.
