Olá, acadêmico, estamos na Unidade 1, Tópico 2, e neste tópico, vamos estudar sobre população, amostra e censo. Quando falamos em população, censo e amostra dentro da Estatística, estamos falando em conjuntos dos quais podemos obter informações. Essas diferenças conceituais, trataremos a partir de agora.
População é o conjunto de elementos sobre os quais o pesquisador quer informações, ela pode ser finita ou infinita. Finita quando seus elementos podem ser contados, como é o caso de alunos matriculados em uma escola, palavras em um texto, carros que passam sobre uma ponte em determinado dia. E infinita quando não é possível contar seus elementos, como acontece com o número de grãos de areia em uma praia ou o número de estrelas no céu.
Mais adiante, trataremos do conceito de amostra, porém, para que você possa visualizar melhor o que estou dizendo, observe a figura na tela. Na imagem, temos o desenho de dez pessoas que formam a população. Dessas dez, foram selecionadas quatro, que, no caso, formam a amostra dessa população.
População também é conhecida como conjunto universo, pois é aquele conjunto do qual desejamos extrair a informação e cujos elementos têm, pelo menos, uma característica comum, a qual está inserida no contexto daquilo que desejamos analisar. Saindo do conceito de população, vamos para o censo. Você já ouviu falar dessa pesquisa?
Conforme comentado anteriormente, no Brasil, os censos oficiais são feitos pelo Instituto Brasileiro de Geografia e Estatística (IBGE), uma fundação pública de administração federal mais conhecida pela sigla IBGE. Os censos demográficos são planejados para serem executados nos anos de finais zero, ou seja, a cada dez anos. Foram feitos recenseamentos gerais em 1872, 1890, 1900, 1920, 1940, 1950, 1960, 1970, 1980, 1991, 2000 e, por último, em 2010.
Porém, outros tipos de censo podem ser feitos, como vemos na tela: Censo demográfico - Levantamento de dados sobre pessoas. Censo agropecuário - Levantamento de dados sobre os estabelecimentos agropecuários e as atividades neles desenvolvidas. Censo industrial - Levantamento de dados sobre as características estruturais e econômico-financeiras da atividade industrial.
Censo comercial - Levantamento de dados sobre as características estruturais e econômico-financeiras da atividade comercial. Para a realização do censo demográfico, os pesquisadores do IBGE visitam todos os domicílios do país, aplicam um questionário e, depois, apuram os dados, organizam, analisam as informações coletadas e as publicam. Esses dados podem ser encontrados nas publicações do IBGE, informações sobre número de residentes no país por sexo e por grupo de idade, número de domicílios no país, distribuição das famílias segundo a renda, registros de nascimentos, óbitos, casamentos, divórcios etc.
Por fim, falaremos de amostragem. Amostragem é o tipo de estudo estatístico que é o inverso do censo. Como o próprio nome sugere, quando se fala em amostra ou amostragem, está se falando de uma parte, um subconjunto da população, que terá a função de representar o conjunto inteiro.
A característica principal de uma amostra é a representatividade. Vimos, anteriormente, uma figura que abordava uma população e sua amostra, porém, para que fique bem claro esse conceito na sua cabeça, trouxe outra figura. Observe na tela.
Dentro do círculo maior, temos a população, e é dela que retiramos a amostra, círculo menor, isto é, parte da população. Resumindo, população é o conjunto de todos os elementos (indivíduos ou objetos) que têm, pelo menos, uma característica em comum, e que está sob investigação ou estudo. Amostra é qualquer subconjunto de uma população.
Mas como selecionamos quem fará parte da amostra? Simples: pelas técnicas de amostragem que se dividem em probabilística e não probabilística Vamos começar falando da técnica probabilística. Essa técnica se baseia em um princípio chamado equiprobabilidade, isto é, todos os indivíduos da população têm as mesmas probabilidades de fazerem parte da amostra.
A amostra probabilística divide-se em: casual simples, sistemática e estratificada. Amostra casual simples ou amostra aleatória simples é a amostra constituída por elementos retirados inteiramente ao acaso da população. Isso significa que todos os elementos da população têm a mesma probabilidade de serem selecionados para a amostra.
Vejamos um exemplo: na figura, temos uma população de 12 pessoas numeradas de 1 a 12. Para selecionarmos a amostra, sorteamos quatro números. No caso da figura, foram sorteados o 2, o 5, o 8 e o 10, portanto, 2, 5, 8 e 10 compõem a amostra dessa população.
A seguir, conheceremos a amostra estratificada. Quando a população é composta por elementos que pertencem a categorias distintas, uma amostra casual simples não representa bem a população. Nesses casos, é preciso obter uma amostra estratificada.
Para isso, é necessário separar os elementos de categorias distintas em estratos e depois coletar, em cada estrato, uma amostra casual simples. O número de elementos retirados de cada estrato deve ser proporcional ao número deles na população. Vejamos um exemplo: note que, na figura, a população é representada por três estratos diferentes, com uma característica em comum – no caso, as cores branco, preto e cinza.
Para que o sorteio fosse proporcional, foram sorteados um branco – no caso, o 10 –, dois pretos – no caso, o 2 e o 8 –, e um cinza – no caso, o 5. A amostra que representa essa população, portanto, é o 2, o 5, o 8 e o 10. A última amostra probabilística a ser estudada é a amostra sistemática.
A amostra sistemática é um processo muito simples e que só requer a seleção de um indivíduo aleatório. O restante é um processo rápido e simples. Os resultados obtidos são representativos da população, sempre que não exista nenhum fator intrínseco na forma que os indivíduos estão listados e que se reproduzam certas características populacionais em cada número específico de indivíduos.
Vejamos um exemplo: na figura em que temos a amostra sistemática, foi sorteado o 2, e será retirado o terceiro elemento após ele, e, assim, sucessivamente. Portanto a amostra acabou ficando distribuída dessa forma: o 2, o 5, o 8 e o 11. É recomendado que, sempre que possível, sejam utilizados os métodos probabilísticos, pois são os que mais garantem a representatividade da amostra.
Vamos, agora, conhecer a amostragem não probabilística. Ela também se divide em três técnicas: por quotas, de voluntários, e intencional ou por conveniência. Primeiro, vamos falar da amostra por quotas.
Uma amostra é coletada por quotas quando a população é composta por elementos que pertencem a categorias visivelmente diferentes, e o fato de pertencer a determinada categoria afeta a informação que se busca. Nesse caso, não é feito o sorteio, ao contrário: são selecionadas as unidades que comporão a amostra por julgamento, pois são chamadas para a amostra pessoas que o pesquisador entende que preenchem os requisitos da quota. Vejamos um exemplo: na figura ao lado, de toda a população, temos apenas um branco, categoria visivelmente diferente das demais, por isso acabou sendo selecionado.
A próxima amostra a ser abordada é a de voluntários. A amostra de voluntários é composta por pessoas que se ofereceram para participar da amostra. Em geral, essas pessoas têm grande interesse no assunto.
O critério para pertencer à amostra é do pesquisado, não do pesquisador. Vejamos um exemplo: na figura, temos um voluntário. Digamos que fosse o caso de estarem testando uma vacina para a qual ele tem interesse, por isso se voluntariou.
A última amostra não probabilística a ser abordada é a amostra intencional ou por conveniência. Essa técnica é muito comum, e consiste em selecionar uma amostra da população que seja acessível ao pesquisador. Portanto, os indivíduos que estarão nessa pesquisa são selecionados porque eles estão prontamente disponíveis e o pesquisador tem fácil acesso a eles, e não porque eles foram selecionados por meio de um critério estatístico.
Vejamos um exemplo: na figura, vemos o pesquisador escolhendo o pedaço vermelho por simplesmente estar cortado e mais próximo a ele. Para finalizar, vamos falar de erro e cálculo amostral. Em toda pesquisa, deve existir um cuidado para que o erro não ocorra.
Quando se está trabalhando com amostras, existem dois tipos de erros que podem ocorrer: os erros amostrais, também conhecidos como erros aleatórios, e os erros não amostrais, também conhecidos como erros sistêmicos. Os erros amostrais ou aleatórios ocorrem quando existe uma diferença entre o valor obtido na amostra e o parâmetro de interesse da população. Assim, o erro aleatório aparece porque os dados são coletados de uma amostra, e não de toda a população.
O erro aleatório é inerente ao processo de amostragem. Não existe maneira de evitá-lo. Já os erros não amostrais ou sistêmicos ocorrem quando os dados amostrais são coletados, registrados ou analisados de maneira errada, os erros sistemáticos são, muitas vezes, consistentemente repetidos ao longo do tempo.
Esse tipo de erro deve poder ser minimizado ou corrigido para que não aconteça. Por fim, o cálculo amostral. Talvez a principal dúvida de quem vai trabalhar com amostra é saber a quantidade necessária para que se represente uma população.
A maneira de se aproximar da realidade da população é fazendo o cálculo amostral. Esse cálculo é um modelo estatístico, constituído pelos seguintes conceitos principais: Margem de erro: é a diferença entre a média encontrada na amostra para a média da população. Aleatoriedade: para termos os resultados mais próximos da verdadeira população, a seleção da nossa amostra deve ser totalmente aleatória.
População: nada mais é do que a totalidade de indivíduos que queremos analisar. Distribuição da População: é o grau de homogeneidade da população, considerando aspectos relevantes, tais como nível sociocultural, gênero, idade, entre outros. Grau ou nível de confiança: o termo confiança, dentro das técnicas de amostragem, significa o quanto estamos dispostos a abrir mão de “certeza” para termos uma amostra mais eficiente.
O cálculo amostral não é um cálculo simples de se fazer, por isso, utilizarmos calculadoras on-line para efetuá-lo. Os links aparecerão na tela. Exemplos: Survey Monkey, Aquarela e Calcular e Converter.
Nos links apresentados, basta você incluir os seguintes dados: tamanho da população, nível de confiança e margem de erro. E, assim, chegamos ao final do Tópico 2. Espero que esse vídeo o esteja auxiliando na compreensão do assunto.
Nos vemos no próximo vídeo. Até mais!
