Métodos de amostragem — aleatória, estratificada e sistemática

Métodos de amostragem são as regras usadas para escolher uma amostra de uma população. Em estatística, o método importa porque uma amostra enviesada pode levar a um resultado enganoso antes mesmo de você fazer qualquer cálculo.

Os três métodos mais comuns são amostragem aleatória simples, amostragem estratificada e amostragem sistemática. A escolha certa depende da população, da lista que você tem e de saber se grupos importantes precisam de representação separada.

Métodos de amostragem em resumo

Amostragem aleatória simples usa apenas o acaso, então cada membro da população tem a mesma chance de ser selecionado.

Amostragem estratificada divide a população em grupos significativos, chamados estratos, e depois faz uma seleção aleatória dentro de cada grupo. Use esse método quando esses grupos forem importantes para a pergunta.

Amostragem sistemática começa em um ponto aleatório de uma lista e depois seleciona cada $k$-ésimo item. É rápida, mas só funciona bem se a ordem da lista não contiver um padrão repetitivo relacionado ao que você está medindo.

Quando usar cada método de amostragem

Use amostragem aleatória simples quando a população já for um único grupo misto e você quiser principalmente justiça por meio do acaso.

Use amostragem estratificada quando alguns grupos forem importantes a ponto de uma amostra aleatória comum poder deixá-los de fora ou sub-representá-los.

Use amostragem sistemática quando você tiver uma lista longa e ordenada e quiser uma regra prática como “pegar cada 10º nome”. A condição importa: se a ordem da lista tiver um ciclo oculto, o método pode distorcer o resultado.

Se você quiser uma regra rápida, pergunte isto:

• A população é basicamente um único grupo misto? Use amostragem aleatória simples.
• Grupos específicos precisam de representação confiável? Use amostragem estratificada.
• Você tem uma lista longa e neutra e precisa de um método rápido? Use amostragem sistemática.

Exemplo resolvido: a amostragem estratificada mantém grupos importantes na amostra

Suponha que uma escola queira pesquisar hábitos de estudo. Há $100$ alunos: $60$ do penúltimo ano e $40$ do último ano. A escola quer uma amostra de $20$ alunos.

Com uma amostra aleatória simples, o resultado pode ficar próximo da divisão real, mas o acaso ainda pode produzir alunos demais do penúltimo ano ou do último ano.

Com amostragem estratificada, a escola mantém as mesmas proporções na amostra:

$$20 \cdot \frac{60}{100} = 12$$ $$20 \cdot \frac{40}{100} = 8$$

Assim, a amostra inclui $12$ alunos do penúltimo ano e $8$ do último ano, escolhidos aleatoriamente dentro de cada série. Isso faz sentido aqui porque a série pode afetar os hábitos de estudo, e a escola quer os dois grupos representados nas mesmas proporções da população.

A amostragem estratificada não é automaticamente melhor em todo problema. Ela ajuda quando os grupos são significativos e você se importa em representar bem cada um deles.

Como funciona a amostragem sistemática

Imagine que a mesma escola tenha uma lista de $100$ alunos e queira uma amostra de $10$. Um intervalo comum é

$$k = \frac{100}{10} = 10$$

Então a escola pode escolher um ponto inicial aleatório de $1$ a $10$ e, depois disso, selecionar cada $10$º aluno.

Isso é eficiente, mas tem uma fraqueza. Se a lista estiver organizada de forma repetitiva, como por horário de aula ou programa, cada $10$ª escolha pode acabar selecionando o mesmo tipo de aluno com frequência excessiva. Nesse caso, a praticidade do método se torna uma fonte de viés.

Erros comuns que enviesam uma amostra

Chamar toda amostra de aleatória

Uma amostra não é aleatória só porque quem escolheu não planejou com cuidado. A amostragem aleatória exige uma regra baseada no acaso.

Usar amostragem estratificada sem um motivo real para os grupos

Os grupos devem ser importantes para a pergunta. Se os estratos forem arbitrários, a complexidade extra pode não ajudar.

Ignorar a ordem na amostragem sistemática

A amostragem sistemática só é segura quando a ordem da lista não cria um padrão prejudicial em relação ao intervalo.

Confundir uma amostra com a população inteira

Mesmo uma boa amostra ainda é só uma amostra. Ela fornece uma estimativa, não uma certeza perfeita.

Onde os métodos de amostragem são usados

Métodos de amostragem aparecem em pesquisas, enquetes de opinião, controle de qualidade, experimentos, estudos de saúde pública e projetos de dados em sala de aula. Em cada caso, a amostra é escolhida primeiro e a análise vem depois.

É por isso que a amostragem pertence ao começo da estatística, não ao fim. Se a amostra for fraca, as médias, os gráficos e as conclusões construídos a partir dela também podem ser fracos.

Tente um problema parecido

Pegue uma população que você conheça bem, como uma turma, um clube ou uma lista de produtos. Escolha um método de amostragem e justifique-o em uma frase. Se você escolher amostragem sistemática, dê o intervalo e verifique se há um padrão repetitivo. Se escolher amostragem estratificada, explique por que os grupos importam antes de calcular os tamanhos das amostras.