Amostragem

Introdução

A inferência estatística envolve a formulação de certos julgamentos sobre um todo após examinar apenas uma parte, ou amostra, dele. Quando passamos os olhos sobre um novo livro ou uma revista, ou experimentamos uma roupa nova, ou vemos um programa de TV por uns poucos minutos para decidir se mudamos ou não de canal estamos fazendo amostragem.
A probabilidade e a amostragem estão estreitamente relacionados e, juntas, formam o fundamento da teoria da inferência.
Neste capitulo examinaremos os conceitos básicos da amostragem. Em especial a amostragem aleatória em razão da sua importância na análise estatística.

Amostras e Populações

A parcela de um grupo examinado é chamado amostra, e o grupo todo do qual se extraí a amostra é designado como população.
População finita: nesses casos o número de elementos de um grupo não é muito grande, a entrevista e a análise das informações devem abordar todos do grupo por exemplo: As condições das escolas particulares na cidade de Goiânia. Se observarmos o grupo chegaremos à conclusão de que o número de escolas particulares em Goiânia é finito. População infinita: o número de elementos nesse caso é muito elevado, sendo considerado infinito. Por exemplo: A população da cidade de São Paulo.

Amostragem versus Censo

A amostragem pode ser melhor em várias situações:
i) A população pode ser considerada infinita ii) Uma amostra pode estar mais atualizada que um censo, pois é mais rápido de se obter informações iii) Os teste podem ter caráter destrutivos ou, seja, os itens examinados são destruídos no momento do experimento iv) O custo de um censo pode ser proibido tanto quanto recursos como quanto o tempo
v) A amostragem envolve menor número de coletores de dados, o que pode diminuir os erros.

Amostragem probabilística

Uma amostragem será probabilística se todos os elementos da população tiverem uma probabilidade conhecida, diferente de zero, de pertencer a amostra.