Um mundo para conhecer os números - Universidade Fernando ...

pág. 101# Estatística Descritiva com EXCELcaracterística a estudar for o tempo médio que osalunos levam a chegar de casa à escola, de forma aobter a mesma precisão que no caso anterior, já aamostra terá de ter uma dimensão maior, uma vezque a variabilidade da população é muito maior. Cadaaluno pode apresentar um valor diferente para essetempo. Num caso extremo, se numa população avariável a estudar tiver o mesmo valor para todos oselementos, então bastaria recolher uma amostra dedimensão 1 para se ter informação completa sobrea população; se, no entanto, a variável assumirvalores diferentes para todos os elementos, parase ter o mesmo tipo de informação seria necessárioinvestigar todos os elementos.Chama-se a atenção para a existência detécnicas que permitem obter valores mínimospara as dimensões das amostras a recolher eque garantem estimativas com uma determinadaprecisão exigida à partida. Uma vez garantida essaprecisão, a opção por escolher uma amostra demaior dimensão, é uma questão a ponderar entreos custos envolvidos e o ganho com o acréscimode precisão. Vem a propósito a seguinte frase(Statistics: a Tool for the Social Sciences,Mendenhall et al., pag. 226):“Se a dimensão da amostra é demasiado grande,desperdiça-se tempo e talento; se a dimensãoda amostra é demasiado pequena, desperdiça-setempo e talento”.Convém ainda observar que a dimensão daamostra a recolher não é directamenteproporcional à dimensão da população a estudar,isto é, se por exemplo para uma população dedimensão 1000 uma amostra de dimensão 100for suficiente para o estudo de determinadacaracterística, não se exige necessariamenteuma amostra de dimensão 200 para estudar amesma característica de uma população análoga,mas de dimensão 2000, quando se pretendeobter a mesma precisão. Como explicava GeorgeGallup, um dos pais da consulta da opinião pública(Tannenbaum, 1998),: Whether you poll theUnited States or New York State or Baton Rouge(Louisiana) … you need … the same number ofinterviews or samples. It´s no mystery really – ifa cook has two pots of soup on the stove, one farlarger than the other, and thoroughly stirs themboth, he doesn´t have to take more spoonfulsfrom one than the other to sample the tasteaccurately”.Finalmente chama-se a atenção para o facto deque se o processo de amostragem originar umaamostra enviesada, aumentar a dimensão nãoresolve nada, antes pelo contrário!1.3.6 – Outros tipos de erros num processode aquisição de dadosAlém dos problemas relacionados com aamostragem e apontados anteriormenteexistem ainda outras fontes de erros que nãoestão relacionadas com o método da recolha daamostra nem com a dimensão da amostra, quesão os chamados erros de não amostragem.Se, por exemplo, seleccionarmos uma amostraaleatória simples a partir de uma listagem deelementos que não contenha todos os elementosda população, poderemos obter uma amostraenviesada. Efectivamente, e como já foi referidoanteriormente, muitas vezes a recolha da amostrafaz-se de uma população que não é a populaçãoque se pretende estudar – população alvo oupopulação objectivo, mas sim de outra populaçãoque se pensa representar a primeira – populaçãoinquirida. Por exemplo, se se pretende estudaruma determinada característica dos residentesem Lisboa, é comum recolher uma amostraseleccionando aleatoriamente alguns númerosde telefones da lista telefónica de Lisboa, pararepresentar a população lisboeta. Este processointroduz algum enviesamento, pois existem zonasde Lisboa onde a percentagem de pessoas comtelefone é pequena. Além disso, pode acontecercom alguma frequência telefonarem para casa daspessoas quando elas estão ausentes, no trabalho,pelo que a amostra subestimará a percentagemdos lisboetas que trabalham fora de casa.