Pesquisas amostrais

RKA - Olá pessoal, tudo bem? Nesta aula, vamos conversar sobre pesquisas amostrais. Como você já sabe, existem dois tipos de pesquisa: pesquisas de população ou censo, e pesquisas amostrais. Qual é a diferença entre esses dois tipos de pesquisa? Na pesquisa de censo, de população, nós vamos colher informações de todos os indivíduos daquela população. Já nas pesquisas amostrais, nós coletaremos informações de uma parcela daquela população, de um recorte, que é a nossa amostra. Existem técnicas para se fazer amostragem, e é sobre isso que eu quero conversar nesse vídeo. Então, vou apresentar algumas técnicas de amostragem aqui para vocês. Eu vou falar sobre três tipos de amostragem, a primeira delas, é a amostragem casual simples, a segunda delas é a amostragem sistemática, e a terceira é amostragem estratificada. Vamos começar falando da amostragem casual simples. Imagine aqui que nós temos uma população, sendo que cada indivíduo dessa população está representado aqui como um pontinho. Para fazer uma amostragem casual simples, basta selecionar indivíduos dessa população de forma aleatória, pode ser por sorteio, por exemplo. Vou sorteando esses indivíduos, e foram estes aqui que foram selecionados por sorteio, de alguma forma aleatória. Pronto, consegui a minha amostra. A amostragem sistemática vai seguir um padrão para ser feita a amostragem. Então, por exemplo, eu posso seguir um padrão de amostrar o indivíduo, pular duas, três posições, e amostrar outro indivíduo, então um, dois, três, amostra. Um, dois, três, amostra. Então, estes aqui foram os indivíduos que foram amostrados pela amostragem sistemática. Continua sendo uma amostragem aleatória, assim como a casual simples, mas a única diferença aqui, é que é seguida uma regra para a amostragem ser feita. Onde esse tipo de amostragem é muito utilizada? Em pesquisas de satisfação, por exemplo. Então, imagine que certo estabelecimento está fazendo uma pesquisa de satisfação, e decidiu que a cada três clientes que entram na loja e consomem algo, uma pesquisa será feita. Então, esse cliente entrou, consumiu, deixou-se passar dois clientes aqui, e o terceiro vai participar da pesquisa. Uma amostragem sistemática, nesse contexto, faz sentido porque o estabelecimento continuará vendendo, e atendendo seus clientes por tempo indeterminado. Então, faz sentido adotar este tipo de estratégia para fazer a amostragem, já que a população nunca será fechada, ela está em constante crescimento. Agora, vamos explicar a amostragem estratificada. Bom, imagine que aqui temos uma população, e aqui são alguns setores dessa população que têm suas peculiaridades. Então, são particularidades que acabam fazendo com que cada parcela dessa aqui, seja distinta uma da outra, de forma que essas características então, são características relevantes, e interessantes a serem levadas em consideração, porque têm potencial de mudar o resultado de uma pesquisa. Então, quando a gente pensa em fazer uma amostragem dessa população, nós vamos pegar uma pequena parcela, então, se essa população, por exemplo, tem 100 indivíduos, nós não vamos pesquisar 100 indivíduos, nós vamos fazer um recorte, talvez 10, 20 indivíduos. Só que nós enfrentamos um problema quando fazemos um recorte aleatório aqui, porque corremos o risco de, às vezes, ter um tipo de resultado como este aqui. A amostra acabou sendo totalmente dessa parcela azul aqui da população, não entrou ninguém dessa parte rosa, ninguém do amarelo, e ninguém do roxo. E qual é o problema disso? Como eu disse antes, essas parcelas da população têm características distintas o suficiente para mudar o resultado da pesquisa. Então, se coletamos apenas informações sobre essa parcela da população, a pesquisa então corre o risco de ficar viciada ou tendenciosa. O ideal seria que nós conseguíssemos fazer uma amostragem dessa forma aqui. Então, repare em isso aqui. Apesar de a amostra ser menor que a população, ela é representativa, porque cada setor daqui dessa população está bem representado aqui, em questão de proporção. Então, é isso que uma amostragem estratificada faz, ela tenta manter a representatividade da amostra, dos setores da amostra. Setores esses, que são importantes o suficiente para mudar o resultado de uma pesquisa, caso não sejam bem amostrados. Então, vamos ver como a gente pode fazer isso. Temos o seguinte exemplo aqui, temos setores de uma empresa "A", "B", "C", "D" e "E", e o número de funcionários em cada setor. Cada setor aqui tem suas próprias peculiaridades, características, e nós queremos amostrar proporcionalmente todos esses setores. Como que podemos fazer isso? É bem simples. A primeira coisa, é acharmos qual é o total, aqui da empresa, de funcionários. Se nós somarmos aqui, vamos descobrir que temos, nesta empresa, 1.500 funcionários. Vamos supor que eu decidi fazer uma amostragem de 20%. Vou fazer uma amostra que é 20% o tamanho dessa população aqui. A população, como vimos, tem 1.500 funcionários. Então, para calcular o tamanho da amostra é fácil, é só multiplicar 1.500 vezes 20%, que é a mesma coisa que 0,2. Nós vamos ter uma amostra de 300 indivíduos. Ok, e desses 300 indivíduos, quantos indivíduos de cada setor eu vou pegar? É fácil, é só multiplicar o número de funcionários em cada setor por 20%, que é a mesma coisa que 0,2. Então, 265 vezes 20%, é 53, 340 vezes 20% é 68, 220 vezes 20% é 44, 260 vezes 20% é 52, e 415 vezes 20% é 83. Se nós somarmos todos esses números aqui, vamos obter o número 300, que é exatamente o tamanho da nossa amostra. Então, agora já descobrimos quantos indivíduos de cada setor nós temos que amostrar, para ter uma amostra representativa. E, como vamos amostrar esses 53 indivíduos do setor "A", 68 indivíduos do setor "B", e assim por diante? Podemos fazer uma amostragem casual simples. Dessa forma, vamos garantir que o processo de amostragem foi aleatório e, ao mesmo tempo, garantimos a representatividade de cada um desses setores. Então, é isso pessoal. Nesta aula, nós vimos alguns tipos de amostragem, algumas técnicas de amostragem, espero que você tenha gostado do vídeo, e nos vemos na próxima aula. Até mais!