7 Conceitos Fundamentais Relativos à Amostragem

Os sete conceitos fundamentais relativos à amostragem são os seguintes: 1. Universo / População 2. Quadro de Amostragem 3. Desenho da Amostragem 4. Estatística (s) e Parâmetro (s) 5. Erro de Amostragem 6. Precisão 7. Nível de Confiança e Nível de Significância.

1. Universo / População:

Do ponto de vista estatístico, o termo 'universo' refere-se ao total dos itens ou unidades em qualquer campo de investigação, enquanto o termo 'população' refere-se ao total de itens sobre os quais a informação é desejada. Os atributos que são objeto de estudo são chamados de características e as unidades que os possuem são chamadas de unidades elementares.

O agregado de tais unidades é geralmente descrito como população. Assim, todas as unidades em qualquer campo de investigação constituem o universo e todas as unidades elementares (com base em uma característica ou mais) constituem a população. Muitas vezes, não encontramos nenhuma diferença entre população e universo, e, como tal, os dois termos são tomados como intercambiáveis. No entanto, um pesquisador deve necessariamente definir esses termos com precisão.

A população ou universo pode ser finito ou infinito. Diz-se que a população é finita se consiste de um número fixo de elementos, de modo que é possível enumerá-la em sua totalidade. Por exemplo, a população de uma cidade, o número de domicílios em uma aldeia, o número de trabalhadores em uma fábrica e o número de estudantes em uma universidade são exemplos de população finita. O símbolo 'N' é geralmente usado para indicar quantos elementos (ou itens) existem no caso de uma população finita.

Uma população infinita é aquela população na qual é teoricamente impossível observar todos os elementos. Assim, em uma população infinita, o número de itens é infinito, ou seja, não podemos ter nenhuma ideia sobre o número total de itens.

Por exemplo, o número de estrelas no céu, partículas de areia em uma praia de mar e seixos em um leito de rio. De uma consideração prática, o termo "população infinita" é usado para uma população que não pode ser enumerada em um período de tempo razoável. Desta forma, usamos o conceito teórico de população infinita como uma aproximação de uma população finita muito grande.

2. Quadro de Amostragem:

As unidades elementares ou o grupo de agrupamentos de tais unidades podem formar a base do processo de amostragem, caso em que são chamadas de unidades de amostragem. Uma lista contendo todas essas unidades de amostragem é conhecida como quadro de amostragem. A estrutura de amostragem consiste em uma lista de itens a partir dos quais a amostra deve ser desenhada. Por exemplo, pode-se usar a lista telefônica como um quadro para a realização de pesquisa de opinião em uma cidade. Qualquer que seja o quadro, ele deve ser um bom representante da população.

3. Projeto de Amostragem:

Um projeto de amostra é um plano definido para obter uma amostra do quadro de amostragem. Refere-se à técnica ou ao procedimento que o pesquisador adotaria na seleção de algumas unidades amostrais de onde são extraídas inferências da população. O design da amostragem é determinado antes que qualquer dado seja coletado.

4. Estatística (s) e Parâmetro (s):

Uma estatística é uma característica de uma amostra, enquanto um parâmetro é uma característica de uma população. Assim, quando elaboramos certas medidas, como média, mediana, moda etc., a partir de amostras, elas são chamadas de estatísticas, pois descrevem as características de uma amostra. Mas quando essas medidas descrevem as características de uma população, elas são conhecidas como parâmetros. Por exemplo, a média populacional (μ) é um parâmetro, enquanto a média amostral (X) é uma estatística. Obter a estimativa de um parâmetro de uma estatística constitui o objetivo principal da análise de amostragem.

5. Erro de Amostragem:

A pesquisa de amostragem implica o estudo de uma pequena parcela da população e, como tal, naturalmente haveria uma certa imprecisão nas informações coletadas. Essa imprecisão pode ser denominada erro de amostragem ou variação de erro. Em outras palavras, os erros de amostragem são aqueles erros que surgem por conta da amostragem e geralmente são variações aleatórias (no caso de amostragem aleatória) nas estimativas da amostra em torno dos valores reais da população. Pode ser numericamente descrito como abaixo:

Erro de amostragem = erro de quadro + erro de chance + erro de resposta.

6. Precisão:

A precisão é um intervalo dentro do qual a média populacional (ou outros parâmetros) estará de acordo com a confiabilidade especificada no nível de confiança como uma porcentagem da estimativa ± ou como uma quantidade numérica. Por exemplo, se a estimativa for Rs. 4000 e a precisão desejada é de ± 4%, então o valor verdadeiro não será menor que Rs. 3840 e não mais de Rs. 4160. Este é o intervalo (Rs. 3840 a Rs. 4160) dentro do qual a verdadeira resposta deve estar. Mas se desejamos que a estimativa não se desvie do valor real em mais de Rs. 200 em qualquer direção, nesse caso, o intervalo seria Rs. 3800 para Rs. 4200

7. Nível de Confiança e Nível de Significância:

O nível de confiança ou confiabilidade é esperado em porcentagem de vezes que o valor real estará dentro do limite de precisão especificado. Assim, se tomarmos um nível de confiança de 95 por cento, então queremos dizer que existem 95 chances em 100 (ou 0, 95 em 1) que os resultados da amostra representam a verdadeira condição da população dentro de um intervalo de precisão especificado contra cinco chances em 100 (ou .05 em 1) que isso não acontece.

Precisão é o intervalo dentro do qual a resposta pode variar e ainda ser aceitável; O nível de confiança indica a probabilidade de que a resposta caia nesse intervalo, e o nível de significância indicou a probabilidade de a resposta ficar fora desse intervalo. Pode ser lembrado que, se o nível de confiança em 95 por cento, então o nível de significância será (100-95), ou seja, 5 por cento, se o nível de confiança é de 99 por cento, o nível de significância é (100-99 ), ou seja, 1% e assim por diante.