O que é a amostragem?
A amostragem é o processo de selecionar um subconjunto de indivíduos de uma população para estimar características do conjunto. É a ponte entre a coleta de dados e a inferência estatística: quase todas as conclusões em ciência, medicina e negócios se baseiam em uma amostra, e não em um censo completo.
Conceitos-chave
- População
A população é o conjunto completo de indivíduos, objetos ou medidas sobre os quais queremos tirar conclusões. Ela é definida pela pergunta de pesquisa, não pela conveniência.
- A população de interesse para um ensaio clínico pode ser “todos os adultos com mais de 18 anos com hipertensão no Brasil”.
- Para um estudo de controle de qualidade: “todas as unidades produzidas pela Máquina 3 durante o turno noturno”.
- Para uma pesquisa de opinião: “todos os eleitores registrados na próxima eleição”.
A população costuma ser grande, cara ou impossível demais de medir por completo.
- Amostra
Uma amostra é o subconjunto da população que é efetivamente observado. Uma boa amostra é:
- Representativa: reflete as características da população.
- De tamanho adequado: grande o suficiente para estimar o parâmetro com precisão aceitável.
- Selecionada por um procedimento definido: de modo que o processo de seleção possa ser avaliado e reproduzido.
- Parâmetro vs estatística
Um parâmetro é uma característica numérica da população (geralmente desconhecida): \(\mu\), \(\sigma^2\), \(p\). Uma estatística é a quantidade correspondente calculada a partir da amostra: \(\bar{x}\), \(S^2\), \(\hat{p}\). A inferência estatística usa estatísticas para estimar parâmetros.
Por que amostrar em vez de fazer um censo?
Um censo mede todas as unidades da população. Na maioria das situações isso é impraticável:
- Custo e tempo: entrevistar todos os eleitores de um país, ou testar todos os componentes de uma produção.
- Testes destrutivos: medir a resistência à ruptura de um cabo exige destruí-lo. Não é possível testar cada unidade.
- Populações infinitas ou dinâmicas: a população de futuros clientes ainda não existe; a população de bactérias em uma cultura muda continuamente.
- Precisão: uma amostra bem desenhada com medições cuidadosas pode ser mais precisa do que um censo mal executado com muitos erros de medição.
Uma amostra bem extraída de 1.000 pessoas pode estimar a opinião de 40 milhões de eleitores com uma margem de erro de ±3%.
Amostragem probabilística vs não probabilística
A distinção mais importante em amostragem é se cada unidade tem uma probabilidade conhecida e não nula de ser selecionada.
Amostragem probabilística:
- Cada unidade tem uma probabilidade de seleção conhecida.
- A seleção é aleatória.
- O erro amostral pode ser quantificado e controlado.
- Válida para inferência estatística sobre a população.
- Exemplos: aleatória simples, sistemática, estratificada, por conglomerados.
Amostragem não probabilística:
- As probabilidades de seleção são desconhecidas.
- Depende da conveniência, do julgamento ou da resposta voluntária.
- O erro amostral não pode ser estimado formalmente.
- Os resultados podem não se generalizar para a população.
- Exemplos: amostragem por conveniência, amostragem bola de neve, amostragem intencional.
⚠️ Amostras não probabilísticas não permitem inferência estatística válida
Amostras de conveniência (estudantes de uma turma de psicologia, voluntários on-line, seguidores em redes sociais) não são representativas de nenhuma população bem definida. Intervalos de confiança e valores-p calculados a partir de amostras de conveniência não têm interpretação válida, porque as fórmulas pressupõem amostragem probabilística. Isso não significa que amostras de conveniência sejam inúteis: são comuns em pesquisa exploratória, estudos piloto e trabalho qualitativo. Mas as conclusões devem ser formuladas como “entre os participantes deste estudo”, não como generalizações para uma população.
Erro amostral vs viés
Dois tipos de problemas podem afetar as estimativas baseadas em amostras:
Erro amostral
Variação aleatória devida ao fato de que se mede uma amostra, e não a população completa. Diminui conforme \(n\) aumenta (proporcional a \(1/\sqrt{n}\)). É inevitável, mas quantificável por meio do erro padrão e dos intervalos de confiança. Com amostragem probabilística, pode ser controlado escolhendo um \(n\) adequado.
Viés
Erro sistemático que empurra as estimativas de forma consistente em uma direção afastada do verdadeiro parâmetro. Diferentemente do erro amostral, ele não diminui com amostras maiores: um estudo com viés envolvendo 1.000.000 de pessoas continua tendo viés.
Fontes comuns de viés:
- Viés de seleção: certas unidades têm mais probabilidade de serem incluídas. Pesquisas on-line atraem respondentes autosselecionados que têm opiniões fortes sobre um assunto.
- Viés de não resposta: as unidades que não respondem diferem sistematicamente das que respondem. Em pesquisas de saúde, pessoas mais doentes podem ter menos capacidade de participar.
- Viés de medição: o instrumento de medição sobre ou subestima sistematicamente. Uma balança que marca 2 kg a mais produz estimativas de peso com viés, independentemente do tamanho amostral.
- Viés de sobrevivência: apenas as unidades que “sobreviveram” a algum processo de seleção estão disponíveis. Estudar o desempenho de empresas atualmente ativas ignora as que faliram.
O estimador ideal (superior esquerdo) tem viés baixo e variância baixa. Aumentar o tamanho amostral desloca as estimativas de alta variância para baixa variância, mas não corrige o viés.
Visão geral dos métodos de amostragem
Os posts seguintes nesta seção cobrem os principais métodos de amostragem probabilística:
| Método | Quando usar | Propriedade-chave |
|---|---|---|
| Aleatória simples | População homogênea, lista completa disponível | Todas as unidades igualmente prováveis |
| Sistemática | Lista ordenada disponível, sem periodicidade | Seleciona-se a cada \(k\)-ésima unidade |
| Estratificada | A população tem subgrupos identificáveis | Garante a representação de cada estrato |
| Por conglomerados | População agrupada naturalmente, sem lista completa | Grupos selecionados, depois todas ou algumas unidades dentro |
| Polietápica | Populações grandes e geograficamente dispersas | Seleção sequencial de conglomerados e unidades |
💡 A escolha do método de amostragem importa
Um método de amostragem mal escolhido pode introduzir viés ou ineficiência mesmo com uma amostra grande. Perguntas-chave antes de escolher um método:
- Há uma lista completa da população disponível (marco amostral)?
- A população é homogênea ou tem subgrupos identificáveis?
- As unidades estão geograficamente concentradas ou dispersas?
- Qual é o orçamento e o tempo disponíveis?
A amostragem estratificada é mais eficiente do que a aleatória simples quando a população tem subgrupos distintos. A amostragem por conglomerados é mais prática para populações geograficamente dispersas, mas geralmente menos eficiente por unidade.
