Amostra Ótima: Definição e Fatores

Depois de ler este artigo, você aprenderá sobre a definição e os fatores que influenciam a amostra ideal para um estudo.

Definição de uma amostra ótima:

Uma amostra ótima para um estudo pode ser definida como aquela amostra que preenche os requisitos de eficiência, representatividade, confiabilidade e flexibilidade. Ou seja, a amostra deve ser pequena o suficiente para evitar gastos desnecessários e grande o suficiente para ajudar o pesquisador a evitar erros de amostragem além do limite de tolerância.

Deve ser grande o suficiente para gerar resultados estatisticamente representativos e significativos em todas as tabulações de qualquer importação, mas não precisa ser tão grande a ponto de resultar em desperdício de fundos, retardando o projeto e alcançando precisão desnecessariamente alta. A amostra deve produzir as estimativas desejadas com o nível de confiabilidade exigido a um custo mínimo.

Deve-se lembrar que, na prática, a amostragem eficiente envolve aproveitar ao máximo os recursos disponíveis em termos de técnica e organização de dados estatísticos e ajustar, da melhor forma possível, as limitações de tempo, fundos e pessoal, originalmente impostas ao estudo.

Além disso, deve ser possível, em alguns casos, expandir ou contrair o tamanho da amostra para atender a exigências imprevistas surgidas no decorrer do estudo. Em certas situações, a confiabilidade e a eficiência podem ser melhoradas ao efetuar as mudanças desejadas no tamanho da amostra.

No nível da prática, esses ideais podem ser abordados, mas raramente realizados e, portanto, não se pode esperar que escolha o tamanho correto da amostra.

Fatores que Influenciam a Amostra Ótima:

A escolha do tamanho da amostra para um determinado estudo é afetada por vários fatores. Esses fatores estão inter-relacionados e variam muito em diferentes estudos com relação à sua importância relativa na determinação do tamanho da amostra.

(1) A natureza da população (homogêneo-heterogêneo):

O tamanho da amostra em um estudo dependerá do grau de homogeneidade da população. Quanto mais homogênea a população, menos os casos necessários para produzir uma amostra confiável dela e, inversamente, quanto mais heterogênea a população, mais os casos necessários para constituir uma amostra confiável dela.

O tamanho da amostra necessária para um estudo satisfatório de uma população heterogênea pode ser reduzido pela classificação da população em estratos. Alguns desses estratos serão mais homogêneos e outros menos. Estratos mais homogêneos podem ser representados por amostras menores que as relativamente heterogêneas.

Isto é assim porque quanto mais homogêneo for um estrato, melhor pode representar uma amostra aleatória de um dado tamanho, ou seja, mais semelhantes serão os casos na amostra, portanto, menos variáveis ​​sua média.

(2) Complexidade da Tabulação:

Ao tomar uma decisão sobre o tamanho da amostra, deve-se também levar em consideração o número de categorias e classes nas quais as descobertas devem ser agrupadas e analisadas. Quanto maior o número de categorias, maior a amostra total necessária para produzir medidas estatísticas confiáveis.

Mesmo que uma amostra pareça bastante adequada para a tabulação principal, o número provavelmente diminuirá muito rapidamente quando tabulações detalhadas forem preparadas.

Por exemplo, uma amostra de 1.000 alunos pode parecer um número adequado para uma pesquisa projetada para determinar a proporção de alunos que preferem a coeducação. Digamos que apenas 25% sejam a favor (250 alunos).

Se o pesquisador quisesse ir mais além e conhecer o tipo de alunos que favoreciam a coeducação, ele teria que classificar esses respondentes mais detalhadamente, nas dimensões, como se tivessem uma experiência prévia da instituição coeducacional? De qual classe social eles vêm? Que tipo de antecedentes familiares eles têm? Qual foi a natureza de sua experiência (se houver) da instituição coeducacional? E assim por diante.

Procedendo assim, o pesquisador pode finalmente encontrar apenas 10 ou 15 casos de um tipo particular (isto é, sem experiência prévia de coeducação, classe média, antecedentes familiares ortodoxos, etc.). Essa amostra pode fornecer apenas uma base muito fraca para chegar a conclusões significativas e generalizáveis ​​sobre a relação entre variáveis.

O tamanho da amostra escolhida deve ser grande o suficiente para fornecer medidas confiáveis ​​das menores categorias importantes. Quando os dados são divididos em subclasses cada vez menores, o número de casos que se encaixam em várias células logo se torna tão pequeno que as medidas estatísticas calculadas a partir das entradas das células provavelmente não são confiáveis.

Assim, a intensidade da tabulação é um fator que tem importância para a decisão referente ao tamanho da amostra.

(3) Problemas relacionados à coleta de dados:

Normalmente, o tamanho da amostra deve ser mantido dentro do limite numérico dos casos que podem ser protegidos com os fundos e tempo determinados. O volume de dados é afetado pela duração do questionário / programa, o número de trabalhadores de campo, a dispersão ou concentração de casos em uma área geográfica, a taxa de recusa, as perdas de casos, o tipo de amostragem empregada e, finalmente, o método de coleta de dados.

O custo de transporte envolvido na obtenção de um endereço para outro e em retornos de chamada (segunda ou terceira chamada) deve ser considerado ao decidir o tamanho da amostra. Ao planejar o tamanho da amostra, o pesquisador deve sempre antecipar que ele pode falhar na coleta do número designado para o questionamento.

As pessoas migram, morrem, são incapazes de fornecer informações devido a doenças, ir de férias ou a trabalho, não podem ser localizadas, recusam-se a responder, endereços são errados, e assim por diante.

É uma boa política planejar obter informações de todos os casos da amostra, se for humanamente possível. Isso significa que consideravelmente mais tempo será necessário do que o que seria necessário se apenas casos acessíveis e cooperativos fossem obtidos. No entanto, é melhor ter uma amostra menor sem viés do que uma amostra grande que provavelmente não seja representativa do universo por motivo de viés.

(4) Tipo de Amostragem:

Geralmente, uma amostra menor será suficiente quando a estratificação é empregada. Isso porque o efeito da estratificação é resolver a totalidade relativamente heterogênea em um número de subamostras individualmente homogêneas. Quanto mais heterogênea a população, maior a economia de casos possível por estratificação.

Em amostragem conhecida como dupla amostragem, o pesquisador combina uma grande amostra aleatória (para a coleta de alguns itens básicos de informação) com uma amostra muito pequena controlada ou estratificada (a partir da qual informações detalhadas ou complicadas são protegidas).

A exigência aqui é que o tamanho da amostra aleatória seja grande o suficiente para gerar pesos confiáveis ​​para os vários estratos. A amostra estratificada em si questiona menos casos em comparação à amostra aleatória simples porque a amostra em cada estrato precisa ser representativa desse estrato e não do "universo".

Um fator importante na determinação do número necessário de casos é o tamanho das unidades de amostragem. De fato, quanto maior a unidade de amostragem, maior o número de casos que serão necessários para a tabulação individual.