O que é amostragem estatística?

Muitas vezes, os pesquisadores querem saber as respostas para perguntas de grande alcance. Por exemplo:

• O que todo mundo em um determinado país assistiu na televisão na noite passada?
• Quem faz um eleitorado pretender votar a favor em uma próxima eleição?
• Quantas aves retornam da migração em um determinado local?
• Qual porcentagem da força de trabalho está desempregada?

Esses tipos de perguntas são enormes no sentido de que exigem que acompanhemos milhões de indivíduos.

A estatística simplifica esses problemas usando uma técnica chamada amostragem. Ao conduzir uma amostra estatística, nossa carga de trabalho pode ser reduzida imensamente. Em vez de rastrear os comportamentos de bilhões ou milhões, precisamos apenas examinar os comportamentos de milhares ou centenas. Como veremos, essa simplificação tem um preço.

A população de um estudo estatístico é o que estamos tentando descobrir. Consiste em todos os indivíduos que estão sendo examinados. Uma população pode realmente ser qualquer coisa. Californianos, caribenhos, computadores, carros ou condados podem ser considerados populações, dependendo da questão estatística. Embora a maioria das populações pesquisadas seja grande, elas não precisam necessariamente ser.

Uma estratégia para pesquisar a população é realizar um censo. Em um censo, examinamos cada membro da população em nosso estudo. Um excelente exemplo disso é o Censo dos EUA. A cada dez anos, o Bureau do Censo envia um questionário para todos no país. Quem não devolve o formulário é visitado por funcionários do censo

Os censos estão repletos de dificuldades. Eles geralmente são caros em termos de tempo e recursos. Além disso, é difícil garantir que todos na população sejam alcançados. Outras populações são ainda mais difíceis de realizar um censo. Se quiséssemos estudar os hábitos dos cães vadios no estado de Nova York, boa sorte seria todos desses caninos transitórios.

Como normalmente é impossível ou impraticável rastrear todos os membros de uma população, a próxima opção disponível é provar a população. Uma amostra é qualquer subconjunto de uma população, portanto, seu tamanho pode ser pequeno ou grande. Queremos uma amostra pequena o suficiente para ser gerenciável pelo nosso poder de computação, mas grande o suficiente para nos dar resultados estatisticamente significativos.

Se uma empresa de votação estiver tentando determinar a satisfação do eleitor com o Congresso, e tamanho da amostra é um, então os resultados serão sem sentido (mas fáceis de obter). Por outro lado, pedir a milhões de pessoas consumirá muitos recursos. Para encontrar um equilíbrio, pesquisas desse tipo geralmente têm tamanhos de amostra de cerca de 1000.

Mas ter o tamanho de amostra correto não é suficiente para garantir bons resultados. Queremos uma amostra representativa da população. Suponha que desejamos descobrir quantos livros o americano médio lê anualmente. Pedimos a 2000 estudantes universitários que acompanhem o que leram ao longo do ano e depois voltem a conversar com eles depois de um ano. Descobrimos que o número médio de livros lidos é 12 e, em seguida, concluímos que o americano médio lê 12 livros por ano.

O problema com este cenário é com a amostra. A maioria dos estudantes universitários tem entre 18 e 25 anos e é obrigada por seus instrutores a ler livros e romances. Esta é uma representação ruim do americano médio. Uma boa amostra conteria pessoas de diferentes idades, de todas as esferas da vida e de diferentes regiões do país. Para adquirir tal amostra, precisaríamos compor aleatoriamente, para que todo americano tenha uma probabilidade igual de estar na amostra.

O padrão ouro dos experimentos estatísticos é o amostra aleatória simples. Em uma amostra de tamanho n indivíduos, cada membro da população tem a mesma probabilidade de ser selecionado para a amostra e cada grupo de n indivíduos tem a mesma probabilidade de serem selecionados. Existem várias maneiras de provar uma população. Alguns dos mais comuns são:

• Amostra aleatória
• Amostra aleatória simples
• Amostra de resposta voluntária
• Amostra de conveniência
• Amostra sistemática
• Amostra de cluster
• Amostra estratificada

Como diz o ditado, "Bem começado está meio caminho andado". Para garantir que nossos estudos e experiências estatísticas tenham bons resultados, precisamos planejar e iniciá-los com cuidado. É fácil criar amostras estatísticas ruins. Boa amostras aleatórias simples requer algum trabalho para obter. Se nossos dados foram obtidos aleatoriamente e de maneira descuidada, não importa quão sofisticada seja a nossa análise, as técnicas estatísticas não nos darão nenhuma conclusão que valha a pena.