Amostragem e Design de Amostra

Parte do nosso: Métodos de pesquisa biblioteca.

Quando você coleta qualquer tipo de dado, especialmente Dados quantitativos , seja observacional, por meio de pesquisas ou de dados secundários, você precisa decidir quais dados coletar e de quem.

Isso é chamado de amostra .

Existem várias maneiras de selecionar sua amostra e garantir que ela forneça resultados confiáveis ​​e confiáveis.



A diferença entre população e amostra


Idealmente, a pesquisa coletaria informações de cada membro da população que você está estudando. No entanto, na maioria das vezes isso demoraria muito e você teria que selecionar uma amostra adequada: um subconjunto da população.


Princípios por trás da escolha de uma amostra

A ideia por trás da seleção de uma amostra é ser capaz de generalizar suas descobertas para toda a população, o que significa que sua amostra deve ser:

os gestos que acompanham e servem para enfatizar a linguagem falada são:
  • Representante da população. Em outras palavras, deve conter proporções semelhantes de subgrupos como toda a população, e não excluir nenhum grupo particular, seja por método de amostragem ou por planejamento, ou por quem escolhe responder.
  • Grande o suficiente para fornecer informações suficientes para evitar erros . Não precisa ser uma proporção específica de sua população, mas precisa ter pelo menos um determinado tamanho para que você saiba que suas respostas provavelmente serão corretas.

Se sua amostra não for representativa, você pode apresentar tendência para o estudo. Se não for grande o suficiente, o estudo será impreciso .

No entanto, se você obter a relação correta entre a amostra e a população, poderá tirar conclusões sólidas sobre a natureza da população.

Tamanho da amostra: qual o comprimento de um pedaço de barbante?


Qual deve ser o tamanho da sua amostra? Depende de quão precisa você deseja a resposta. Amostras maiores geralmente fornecem respostas mais precisas.

O tamanho de amostra desejado depende do que você está medindo e do tamanho do erro que está preparado para aceitar. Por exemplo:

Para estimar uma proporção em uma população:

Tamanho da amostra = [(pontuação z) ² × p (1-p)] ÷ (margem de erro) ²

como desenvolver senso de humor
  • A margem de erro é o que você está preparado para aceitar (geralmente entre 1% e 10%);
  • O escore z, também chamado de valor z, é encontrado em tabelas estatísticas e depende do intervalo de confiança escolhido (90%, 95% e 99% são comumente usados, então escolha qual você deseja);
  • p é a sua estimativa de qual provavelmente será a proporção. Muitas vezes, você pode estimar p a partir de pesquisas anteriores, mas se não puder fazer isso, use 0,5.

Para estimar a média da população:

Margem de erro = t × (s ÷ raiz quadrada do tamanho da amostra).

  • Margem de erro é o que você está preparado para aceitar (geralmente entre 1% e 10%);
  • Contanto que o tamanho da amostra seja maior do que cerca de 30, t é equivalente ao escore z e está disponível nas tabelas estatísticas como antes;
  • s é o desvio padrão, que geralmente é adivinhado, com base em experiências anteriores ou outras pesquisas.

Se você não está muito confiante sobre esse tipo de coisa, a melhor maneira de lidar com isso é encontrar um estatístico amigável e pedir ajuda. A maioria deles terá o maior prazer em ajudá-lo a entender sua especialidade.


É melhor estar imprecisamente certo do que precisamente errado.

Como o viés e a precisão interagem:

Tendência
Alto Baixo
Precisão Alto Precisamente errado Exatamente certo
Baixo Imprecisamente errado Imprecisamente certo

Fonte: Management Research (4ª edição), Easterby-Smith, Thorpe e Jackson

Imprecisamente certo significa que você sabe amplamente qual é a resposta correta. Precisamente errado significa que você acha que sabe a resposta, mas não sabe. Em outras palavras, se você só pode se preocupar com um, preocupe-se com o preconceito.


Selecionando uma Amostra

A amostragem de probabilidade é onde a probabilidade de cada pessoa ou coisa fazer parte da amostra é conhecida. A amostragem não probabilística está onde não está.

Amostragem probabilística

Os métodos de amostragem probabilística permitem que o pesquisador seja preciso sobre a relação entre a amostra e a população.

Isso significa que você pode estar absolutamente confiante sobre se sua amostra é representativa ou não, e também pode colocar um número sobre o quão certo você está sobre suas descobertas (este número é chamado de significado , e é discutido mais adiante em nossa página em Intervalos de significância e confiança )

o que é comunicação não verbal e por que é importante

No amostragem aleatória simples , cada membro da população tem uma chance igual de ser escolhido. A desvantagem é que a amostra pode não ser genuinamente representativa. Subseções pequenas, mas importantes da população podem não ser incluídas.

Os pesquisadores, portanto, desenvolveram um método alternativo chamado amostragem aleatória estratificada . Este método divide a população em grupos homogêneos menores, chamados estratos, e então obtém uma amostra aleatória de cada estrato.

Amostragem aleatória estratificada proporcional assume a mesma proporção de cada estrato, mas novamente sofre da desvantagem de que grupos raros serão mal representados. A amostragem estratificada não proporcional, portanto, pega uma amostra maior dos estratos menores, para garantir que haja uma amostra grande o suficiente de cada estrato.

Amostragem aleatória sistemática depende de ter uma lista da população, que idealmente deve ser ordenada aleatoriamente. O pesquisador então pega cada n o nome da lista.

Aviso!


Existem muitos métodos diferentes de seleção de 'amostras aleatórias'. Se você é o pesquisador líder de um projeto e está instruindo outros a ‘obter uma amostra aleatória’, ou mesmo solicitando uma ‘amostra aleatória’, certifique-se de que todos estão usando o mesmo método!


Amostras agrupadas é projetado para resolver problemas de uma ampla população geográfica. A amostragem aleatória de uma grande população provavelmente resultará em altos custos de acesso. Isso pode ser superado dividindo a população em conglomerados, selecionando apenas dois ou três conglomerados e amostrando dentro deles. Por exemplo, se você deseja saber mais sobre o uso de transporte em áreas urbanas no Reino Unido, pode selecionar aleatoriamente apenas duas ou três cidades e, em seguida, fazer uma amostra completa dessas.

É claro que é possível combinar tudo isso em vários estágios, o que geralmente é feito para estudos em grande escala.


Amostragem de Não Probabilidade

Usando métodos de amostragem não probabilísticos, não é possível dizer qual é a probabilidade de qualquer membro específico da população ser amostrado. Embora isso não torne a amostra 'ruim', os pesquisadores que usam essas amostras não podem estar tão confiantes em tirar conclusões sobre toda a população.

Amostragem de conveniência seleciona uma amostra com base na facilidade de acesso. Essas amostras são extremamente fáceis de organizar, mas não há como garantir se são representativas.

Amostragem de cota divide a população em categorias e, em seguida, seleciona de dentro das categorias até que uma amostra do tamanho escolhido seja obtida dentro dessa categoria. Algumas pesquisas de mercado são desse tipo, e é por isso que os pesquisadores costumam perguntar sobre sua idade: eles estão verificando se você os ajudará a cumprir suas cotas para grupos de idade específicos.

Amostragem propositiva é onde o pesquisador só aborda pessoas que atendem a determinados critérios e, em seguida, verifica se atendem a outros critérios. Mais uma vez, os pesquisadores de mercado com pranchetas costumam usar essa abordagem: por exemplo, se quiserem examinar os hábitos de compra de homens com idade entre 20 e 40 anos, eles abordarão apenas os homens e, em seguida, perguntarão sua idade.

assertividade pode ser melhor descrita como:

Amostragem de bola de neve é onde o pesquisador começa com uma pessoa que atende aos seus critérios e, em seguida, usa essa pessoa para identificar outras. Isso funciona bem quando sua amostra tem critérios muito específicos: por exemplo, se você quiser falar com trabalhadores com um conjunto específico de responsabilidades, você pode abordar uma pessoa com esse conjunto e pedir-lhes que o apresentem a outras.

AVISO!


Métodos de amostragem não probabilística geralmente foram desenvolvidos para tratar de problemas muito específicos. Por exemplo, a amostragem em bola de neve lida com populações difíceis de encontrar, e a amostragem de conveniência permite velocidade e facilidade.

No entanto, embora alguns métodos de amostragem não probabilísticos, particularmente amostragem por cota e proposital, garantam que a amostra seja retirada de todas as categorias da população, as amostras obtidas usando esses métodos podem não ser representativas.


Uma palavra de conclusão

Quase toda pesquisa é um compromisso entre o ideal e o possível.

Idealmente, você estudaria toda a população; na prática, você não tem tempo nem capacidade. Mas o cuidado na seleção da amostra, tanto o tamanho quanto o método, garantirá que sua pesquisa não caia nas armadilhas de introduzir viés ou de faltar precisão. Isso, por sua vez, lhe dará essa credibilidade vital.

Continua a:
Métodos de pesquisa quantitativa e qualitativa
Pesquisas e design de pesquisa