Métodos ou Técnicas de Amostragem

Os métodos para seleccionar uma amostra podem ser agrupados nas “duas” famílias seguintes: Amostras Casuais, Probabilísticas ou Aleatórias e Amostras Não Casuais, Não Probabilísticas ou Não Aleatórias.

Constituição das principais Amostras Casuais, Probabilísticas ou Aleatórias

Os métodos de Amostragem Probabilísticos são preferíveis quando o utilizador pretende extrapolar com confiança para o Universo os resultados obtidos a partir da amostra. Neste tipo de amostragem é possível demonstrar a representatividade da amostra assim como calcular estatisticamente o grau de confiança com o qual as conclusões tiradas da amostra se aplicam ao Universo. Os métodos de Amostragem Casual, Probabilísticos ou Aleatórios mais utilizados são os seguintes:

- Amostragem Aleatória Simples
- Amostragem Sistemática
- Amostragem Estratificada
- Amostragem por Clusters
- Amostragem Multi-Etápica

Amostragem Aleatória Simples

Corresponde a um método de selecção dos elementos da amostra, em que cada um deles tem uma probabilidade igual (e não nula) de ser seleccionado do Universo. As duas técnicas mais vulgarmente utilizadas para escolher uma amostra aleatória simples são:

.Técnica da Lotaria – neste caso, o investigador atribui um número a casa um dos casos do Universo inquirido. Seguidamente escreve o número em papelinhos e coloca-os por exemplo numa caixa. Depois de bem misturados, são retirados n papéis da caixa (n refere-se ao número do tamanho da amostra desejada).

. Técnica da Tabela dos Números Aleatórios – esta técnica utiliza uma tabela de números aleatórios já preparada como, por exemplo, a tabela de RAND. Para utilizar uma tal tabela, o investigador atribui números a cada um dos casos do Universo inquirido. “Entra na tabela, numa página de colunas escolhidas ao acaso, e começa a ler os números em coluna, escolhendo um conjunto de números consecutivos com valores iguais ou inferiores ao tamanho do Universo inquirido (…) por exemplo, se o universo tiver 3500 casos e o investigador pretender retirar uma amostra de 500 casos, deve escolher um conjunto de 500 números consecutivos (ignorando todos os números na tabela com valores superiores a 3500)”. (HILL et al, 2002)

Amostragem Aleatória Sistemática

Segundo BACELAR (1999), a amostragem aleatória sistemática é uma variante da amostragem aleatória simples que se usa quando os elementos da população estão organizados de forma sequencial.
Suponhamos que o “Universo consiste em N=5000 casos (enumerados 0001, 0002… 5000) e que o investigador quer retirar uma amostra de n= 500 casos. O valor k (onde k=N/n) define o intervalo de amostragem. Neste exemplo k 5000/50 =10. O investigador usa o intervalo de amostragem para seleccionar a amostra.” (HILL e tal, 2002). É necessário seguidamente escolher ao acaso um número entre 1 e k, que será representado por r. Então, deve entrar numa tabela de números aleatórios, numa página e colunas escolhidas ao acaso e seleccionar o número que ocupa a posição r na coluna escolhida. É então o valor desse número que indica o número do primeiro caso a incorporar na amostra. O segundo caso será o que ocupa a posição (r­+k), depois o que ocupa a posição (r+2k) e assim sucessivamente até a amostra de n casos estar concluída.
Contudo, segundo o mesmo autor, este método apresenta duas desvantagens: no primeiro passo da amostragem é difícil de atribuir, genuinamente ao acaso, número aos casos, mas é importante fazer isto. A segunda desvantagem é que, o valor de r é escolhido ao acaso, mas o resto dos casos são escolhidos por aplicação de um intervalo fixo, e portanto, em rigor, não são escolhidas ao acaso.

Amostragem Estratificada

Esta técnica de amostragem usa informação existente sobre a população para que o processo de amostragem seja mais eficiente. A lógica que assiste à estratificação de uma população é a de identificação de grupos que variam muito entre si no que diz respeito ao parâmetro em estudo, mas muito pouco dentro de si, ou seja, cada um é homogéneo e com pouca variabilidade.
As três etapas para se definir uma amostra estratificada são:

. definir os estratos;
. seleccionar os elementos dentro de cada estrato mediante um processo aleatório simples;
. conjugar os elementos seleccionados em cada estrato, que na sua totalidade constituem a amostra.

Este método de amostragem estratificada tem a vantagem de ser mais eficiente do que os métodos de amostragem simples ou sistemática, pois é mais económico em termos de tempo e dinheiro e fornece resultados com menor probabilidade de erro associada.

Amostragem por Clusters

Este tipo de amostragem é especialmente útil quando o universo estatístico é formado por populações de grande dimensão e dispersas por vastas áreas geográficas. A Amostragem por Clusters usa agrupamentos naturais de elementos da população, nos quais cada elemento da população pertence a um só grupo. Para tal, é necessário que se disponha de uma listagem completa das amostras primárias (por exemplo, as turmas de uma escola). Os Clusters são escolhidos aleatoriamente e, dentro de cada Cluster todos os elementos são seleccionados, ou seja, só existe uma etapa de amostragem. Está orientada para a selecção de grupos de elementos e não de elementos individuais.

Segundo HILL et al (2002), este método tem a vantagem de ser muito útil quando for difícil, ou impossível, conhecer todos os casos do Universo, mas todos estes casos existem, naturalmente, por Clusters. A desvantagem é que os Clusters devem ser relativamente semelhantes de modo a que uma amostra aleatória de Clusters possa ser uma amostra representativa dos casos do Universo.

Amostragem Multi-Etápica ou Por Etapas

Neste tipo de amostragem, selecciona-se em primeiro lugar, aleatoriamente, uma amostra por Clusters – repare-se que é muito mais fácil obter uma lista por Clusters (por exemplo, de escolas) do que uma lista exaustiva dos elementos que compõem a População (por exemplo, todos os alunos). Seguidamente podemos realizar, ou não, uma segunda etapa, na qual são escolhidos aleatoriamente alguns elementos dos Clusters seleccionados na fase anterior ou, então, continuando com a selecção de Clusters até se chegar às unidades elementares.

Constituição das principais Amostras Não Casuais, Não Probabilísticas ou Não Aleatórias

Estes métodos não são aconselháveis quando se pretende extrapolar para o Universo os resultados e conclusões obtidos com a amostra, contudo, poderão ser muito úteis no início de uma investigação, por exemplo, para testar as primeiras versões de um questionário. Dentro destes métodos, os mais vulgarmente utilizados são:

- Amostragem por Conveniência
- Amostragem por Quotas

Amostragem por Conveniência

Este tipo de amostragem não é representativo da população. Ocorre quando a participação é voluntária ou os elementos da amostra são escolhidos por uma questão de conveniência (muitas vezes, os amigos e os amigos dos amigos). Deste modo, o processo amostral não garante que a amostra seja representativa, pelo que os resultados desta só se aplicam a ela própria. Pode ser usada com êxito em situações nas quais seja mais importante captar ideias gerais, identificar aspectos críticos do que propriamente a objectividade científica. Contudo, o método tem a vantagem de ser rápido, barato e fácil.

Amostragem por Quotas

Este tipo de amostragem pode considerar-se análogo ao método de amostragem estratificada, mas com um aspecto que lhe faz toda a diferença: em vez de se escolher uma amostra aleatória dentro de cada um dos estratos da etapa final, escolhe-se uma amostra não aleatória de tamanho determinado pela fracção de amostragem. Contudo, e segundo HILL et al (2002), há duas grandes desvantagens com este método de amostragem: primeiro, embora o número de casos em cada um dos estratos seja proporcional ao número de casos no mesmo estrato do Universo, a amostra de casos dentro do estrato, por não ser escolhida ao acaso, não é necessariamente representativa dos casos do estrato correspondente ao Universo. O autor defende que há quase sempre um enviesamento na selecção dos casos dentro dos estratos porque a amostra de casos é normalmente escolhida por meio de um método de amostragem por conveniência. Tal característica remete-nos para uma segunda desvantagem pois, nestes casos, não é possível extrapolar com confiança para o Universo os resultados e conclusões tiradas a partir da amostra.

Enviesamentos na realização da amostra

Segundo GHIGLIONE e MATALON (1997), a qualidade das conclusões que podemos retirar de um inquérito, depende da composição da sua amostra. Como vimos anteriormente, quando a amostra não se verifica representativa da população particular que pretendemos estudar, as conclusões que daí retirarmos, afastar-se-ão das que teríamos obtido se tivéssemos oportunidade de ter inquirido toda a população. Dizemos então que a amostra é enviesada, pois a generalização não é legítima.
Alguns destes enviesamentos podem constituir-se no próprio momento da constituição da amostra como, por exemplo, na falta de uma lista exaustiva da população, temos por aproximação uma base de sondagem que cobre somente parte da população visada. Podemos ainda ser confrontados, por múltiplas razões, com as ausências e recusas por parte da população seleccionada para fazer parte da amostra.
Porém, e como nos referem GHIGLIONE e MATALON (1997), não existe qualquer método que nos assegure, em todos os casos, uma amostra absolutamente representativa. Contudo, “se é necessário estarmos bem conscientes do problema, permanecer atento a estas dificuldades e não ficar facilmente satisfeito com o sorteio ou com o cumprimento das quotas, é também indispensável evitar um purismo exagerado e condenar toda a sondagem por causa dos seus enviesamentos inevitáveis”.

Voltar ao Índice Survey