Tipos de métodos de amostragem (com exemplos)

Os pesquisadores geralmente desejam responder a perguntas sobre populações como:

• Qual é a altura média de uma determinada espécie de planta?
• Qual é o peso médio de uma determinada espécie de ave?
• Que percentagem de cidadãos numa determinada cidade apoia uma determinada lei?

Uma forma de responder a estas questões é recolher dados sobre cada indivíduo da população de interesse.

No entanto, isto é normalmente demasiado dispendioso e demorado, pelo que os investigadores recolhem uma amostra da população e utilizam os dados da amostra para tirar conclusões sobre a população como um todo.

Existem muitos métodos diferentes que os pesquisadores podem usar para incluir indivíduos em uma amostra. Estes são conhecidos como métodos de amostragem .

Neste artigo, compartilhamos os métodos de amostragem mais comumente usados em estatística, incluindo as vantagens e desvantagens dos diferentes métodos.

Métodos de amostragem probabilística

A primeira classe de métodos de amostragem é conhecida como métodos de amostragem probabilística , porque cada membro de uma população tem igual probabilidade de ser selecionado para fazer parte da amostra.

Amostra aleatória simples

Definição: Cada membro de uma população tem chances iguais de ser selecionado para fazer parte da amostra. Selecione membros aleatoriamente usando um gerador de números aleatórios ou meios de seleção aleatória.

Exemplo: Colocamos os nomes de cada aluno de uma turma em um chapéu e sorteamos os nomes aleatoriamente para obter uma amostra de alunos.

Vantagem: Amostras aleatórias simples são geralmente representativas da população de interesse, uma vez que cada membro tem chances iguais de ser incluído na amostra.

Amostra aleatória estratificada

Definição: Divisão de uma população em grupos. Selecione aleatoriamente alguns membros de cada grupo para fazer parte da amostra.

Exemplo: Divida todos os alunos de uma escola de acordo com seu nível: calouros, segundanistas, juniores e veteranos. Peça a 50 alunos de cada série que respondam a uma pesquisa sobre alimentação escolar.

Vantagem: Amostras aleatórias estratificadas garantem que membros de cada grupo populacional sejam incluídos na pesquisa.

Amostra aleatória agrupada

Definição: Dividir uma população em clusters. Selecione aleatoriamente alguns dos clusters e inclua todos os membros desses clusters na amostra.

Exemplo: Uma empresa que oferece excursões para observação de baleias deseja pesquisar seus clientes. Dos dez passeios que oferecem por dia, eles selecionam aleatoriamente quatro passeios e perguntam a cada cliente sobre sua experiência.

Vantagem: amostras aleatórias agrupadas coletam todos os membros de determinados grupos, o que é útil quando cada grupo reflete a população como um todo.

Amostragem aleatória sistemática

Definição: Coloque cada membro de uma população em uma determinada ordem. Escolha um ponto de partida aleatório e selecione cada ^enésimo membro para fazer parte da amostra.

Exemplo: Um professor ordena os alunos em ordem alfabética pelo sobrenome, escolhe aleatoriamente um ponto de partida e escolhe cada quinto aluno para fazer parte da amostra.

Vantagem: Amostras aleatórias sistemáticas são geralmente representativas da população de interesse, uma vez que cada membro tem chances iguais de ser incluído na amostra.

Métodos de amostragem não probabilística

Outra classe de métodos de amostragem é conhecida como métodos de amostragem não probabilística , porque nem todos os membros de uma população têm a mesma probabilidade de serem selecionados para fazer parte da amostra.

Este tipo de método de amostragem é algumas vezes usado porque é muito mais barato e prático do que os métodos de amostragem probabilística. É frequentemente usado durante análises exploratórias quando os pesquisadores desejam simplesmente obter uma compreensão inicial de uma população.

No entanto, as amostras resultantes destes métodos de amostragem não podem ser utilizadas para tirar conclusões sobre as populações das quais são extraídas, porque geralmente não são amostras representativas.

Amostra de conveniência

Definição: Escolher membros prontamente disponíveis de uma população para inclusão na amostra.

Exemplo: Um pesquisador fica em frente a uma biblioteca durante o dia e entrevista os transeuntes.

Desvantagem: O local e a hora do dia afetarão os resultados. É mais do que provável que a amostra sofra de um enviesamento de subcontagem, uma vez que algumas pessoas (por exemplo, aquelas que trabalham durante o dia) não estarão tão representadas na amostra.

Amostra de resposta voluntária

Definição: Um pesquisador pede que voluntários sejam incluídos em um estudo e membros de uma população decidem voluntariamente se devem ou não ser incluídos na amostra.

Exemplo: Um apresentador de rádio pede aos ouvintes que acessem a Internet e preencham uma pesquisa em seu site.

Desvantagem: As pessoas que respondem voluntariamente terão provavelmente opiniões mais fortes (positivas ou negativas) do que o resto da população, o que as torna uma amostra não representativa. Ao utilizar este método de amostragem, é provável que a amostra sofra de preconceitos de não resposta – certos grupos de pessoas são simplesmente menos propensos a fornecer respostas.

Amostra de bola de neve

Definição: Os pesquisadores recrutam indivíduos iniciais para participarem de um estudo e, em seguida, pedem a esses indivíduos iniciais que recrutem indivíduos adicionais para participarem do estudo. Usando essa abordagem, o tamanho da amostra se transforma em “bolas de neve” cada vez maiores à medida que cada sujeito adicional recruta mais sujeitos.

Exemplo: Os investigadores estão a realizar um estudo sobre pessoas com doenças raras, mas é difícil encontrar pessoas que realmente tenham a doença. No entanto, se conseguirem encontrar apenas algumas pessoas iniciais para participar no estudo, podem então pedir-lhes que recrutem outras pessoas que possam conhecer através de um grupo de apoio privado ou através de outros meios.

Desvantagem: É provável que ocorra viés de amostragem. Como os sujeitos iniciais recrutam sujeitos adicionais, é provável que muitos sujeitos compartilhem traços ou características semelhantes que podem não ser representativos da população mais ampla estudada. Assim, os resultados da amostra não podem ser extrapolados para a população.

Saiba mais sobre amostragem de bola de neve aqui .

Amostra pura

Definição: Os pesquisadores recrutam indivíduos com base em quem eles acreditam que será mais útil para o objetivo do seu estudo.

Exemplo: Os investigadores querem saber a opinião dos residentes de uma cidade sobre a potencial instalação de um novo ginásio de escalada na praça da cidade. Por isso, procuram deliberadamente pessoas que frequentam outras academias de escalada da cidade.

Desvantagem: É improvável que os indivíduos da amostra sejam representativos da população geral. Assim, os resultados da amostra não podem ser extrapolados para a população.