Nas estatísticas, uma amostra é um subconjunto de uma população usada para representar o grupo inteiro como um todo. Ao fazer a pesquisa, muitas vezes é impraticável para pesquisar todos os membros de uma população particular, porque o grande número de pessoas é simplesmente muito grande. Para fazer inferências sobre as características de uma população, os pesquisadores podem usar uma amostra aleatória .
Por que os pesquisadores usam amostras?
Ao pesquisar um aspecto da mente ou do comportamento humano, os pesquisadores simplesmente não podem coletar dados de cada indivíduo na maioria dos casos. Em vez disso, eles escolhem uma amostra menor de indivíduos que representam o grupo maior. Se a amostra é verdadeiramente representativa da população em questão, os pesquisadores podem então obter seus resultados e generalizá-los para o grupo maior.
Tipos de Amostragem
Na pesquisa psicológica e em outros tipos de pesquisa social, os pesquisadores tipicamente contam com alguns métodos de amostragem diferentes.
1. Amostragem de Probabilidade
Amostragem por probabilidade significa que cada indivíduo em uma população está em pé e igual chance de ser selecionado. Como a amostragem probabilística envolve seleção aleatória, ela assegura que diferentes subconjuntos da população tenham uma chance igual de serem representados na amostra. Isso torna as amostras probabilísticas mais representativas e os pesquisadores são mais capazes de generalizar seus resultados para o grupo como um todo.
Existem alguns tipos diferentes de amostragem probabilística:
- A amostragem aleatória simples é, como o nome sugere, o tipo mais simples de amostragem probabilística. Os pesquisadores pegam todos os indivíduos em uma população e selecionam aleatoriamente sua amostra, geralmente usando algum tipo de programa de computador ou gerador de números aleatórios.
- A amostragem aleatória estratificada envolve a separação da população em subgrupos e, em seguida, uma amostra aleatória simples de cada um desses subgrupos. Por exemplo, uma pesquisa pode dividir a população em subgrupos com base em raça, sexo ou idade e, então, fazer uma amostragem aleatória simples de cada um desses grupos. A amostragem aleatória estratificada geralmente fornece maior precisão estatística do que a amostragem aleatória simples e ajuda a garantir que determinados grupos sejam representados com precisão na amostra.
- A amostragem por clusters envolve a divisão de uma população em clusters menores, geralmente com base na localização geográfica ou nos limites. Uma amostra aleatória desses clusters é então selecionada e todos os assuntos dentro do cluster são medidos. Por exemplo, imagine que você está tentando fazer um estudo sobre diretores de escola em seu estado. A coleta de dados de todos os princípios escolares seria proibitiva e demorada em termos de custos. Usando um método de amostragem de cluster, você seleciona aleatoriamente cinco municípios de seu estado e, em seguida, coleta dados de cada assunto em cada um desses cinco municípios.
2. Amostragem sem probabilidade
A amostragem não probabilística, por outro lado, envolve a seleção de participantes usando métodos que não dão a cada indivíduo em uma população uma chance igual de ser escolhido.
Um problema com este tipo de amostra é que os voluntários podem ser diferentes em certas variáveis do que os não voluntários, o que pode dificultar a generalização dos resultados para toda a população.
Há também alguns tipos diferentes de amostragem não probabilística:
- A amostragem por conveniência envolve o uso de participantes em um estudo porque eles são convenientes e estão disponíveis. Se você tem todos os voluntários para um estudo de psicologia realizado através do departamento de psicologia da sua universidade, então você participou de um estudo que contou com uma amostra de conveniência. Estudos que se baseiam na solicitação de voluntários ou no uso de amostras clínicas disponíveis para o pesquisador também são exemplos de amostras de conveniência.
- A amostragem intencional envolve a busca de indivíduos que atendem a determinados critérios. Por exemplo, os profissionais de marketing podem estar interessados em saber como seus produtos são percebidos por mulheres entre 18 e 35 anos. Eles podem contratar uma empresa de pesquisa de mercado para conduzir entrevistas telefônicas que intencionalmente procurem e entrevistem mulheres que atendam aos critérios de idade.
- A amostragem de cota envolve amostragem intencional de uma proporção específica de um subgrupo dentro de uma população. Por exemplo, os pesquisadores políticos podem estar interessados em pesquisar as opiniões de uma população sobre um determinado assunto político. Se eles usarem amostragem aleatória simples, eles podem perder alguns subconjuntos da população por acaso. Em vez disso, eles estabelecem critérios que uma determinada porcentagem da amostra deve incluir esses subgrupos. Embora a amostra resultante possa não ser representativa das proporções reais existentes na população, ter uma cota garante que esses subgrupos menores sejam representados.
Saiba mais sobre algumas das maneiras pelas quais as amostras de probabilidade e não probabilidade diferem.
Erros de Amostragem
Como a amostragem naturalmente não pode incluir todos os indivíduos em uma população, erros podem ocorrer. As diferenças entre o que está presente em uma população e o que está presente em uma amostra são conhecidas como erros de amostragem .
Embora seja impossível saber com exatidão a diferença entre a população e a amostra, os pesquisadores podem estimar estatisticamente o tamanho dos erros de amostragem. Em pesquisas políticas, por exemplo, muitas vezes você pode ouvir sobre a margem de erros expressa por certos níveis de confiança.
Em geral, quanto maior o tamanho da amostra, menor o nível de erro. Isso ocorre simplesmente porque, à medida que a amostra se aproxima de atingir o tamanho da população total, é mais provável capturar com precisão todas as características da população. A única maneira de eliminar completamente o erro de amostragem é coletar dados de toda a população, o que geralmente é muito dispendioso e demorado. Os erros de amostragem podem ser minimizados, no entanto, usando testes de probabilidades aleatórias e um grande tamanho de amostra.
Referências:
Goodwin, CJ (2010). Pesquisa em Psicologia: Métodos e Design. Hoboken, NJ: John Wiley e filhos.
Nicholas, L. (2008). Introdução à Psicologia . Imprensa UCT: Cidade do Cabo.