Erro de amostragem

O que é um erro de amostragem?

Um erro de amostragem é um erro estatístico que ocorre quando um analista não seleciona uma amostra que representa toda a população de dados. Como resultado, os resultados encontrados na amostra não representam os resultados que seriam obtidos de toda a população.

A amostragem é uma análise realizada selecionando um número de observações de uma população maior. O método de seleção pode produzir tanto erros de amostragem quanto erros de não amostragem.

Entendendo os erros de amostragem

Um erro de amostragem é um desvio no valor amostrado em relação ao valor real da população. Erros de amostragem ocorrem porque a amostra não é representativa da população ou é tendenciosa de alguma forma. Mesmo amostras aleatórias terão algum grau de erro de amostragem porque uma amostra é apenas uma aproximação da população da qual é extraída.

Tipos de erros de amostragem

Existem diferentes categorias de erros de amostragem.

Erro específico da população

Um erro específico da população ocorre quando um pesquisador não entende quem pesquisar.

Erro de seleção

O erro de seleção ocorre quando a pesquisa é autoselecionada ou quando apenas os participantes interessados na pesquisa respondem às perguntas. Os pesquisadores podem tentar superar o erro de seleção encontrando maneiras de incentivar a participação.

Erro de quadro de amostra

Um erro de quadro de amostra ocorre quando uma amostra é selecionada a partir dos dados de população errados.

Erro de não resposta

Um erro de não resposta ocorre quando uma resposta útil não é obtida das pesquisas porque os pesquisadores não conseguiram entrar em contato com os entrevistados em potencial (ou os entrevistados em potencial se recusaram a responder).

Eliminando erros de amostragem

A prevalência de erros de amostragem pode ser reduzida aumentando o tamanho da amostra. À medida que o tamanho da amostra aumenta, a amostra se aproxima da população real, o que diminui o potencial de desvios da população real. Considere que a média de uma amostra de 10 varia mais do que a média de uma amostra de 100. Também podem ser tomadas medidas para garantir que a amostra represente adequadamente toda a população.

Os pesquisadores podem tentar reduzir os erros de amostragem replicando seu estudo. Isso pode ser feito fazendo as mesmas medições repetidamente, usando mais de um sujeito ou vários grupos, ou realizando vários estudos.

A amostragem aleatória é uma forma adicional de minimizar a ocorrência de erros de amostragem. A amostragem aleatória estabelece uma abordagem sistemática para selecionar uma amostra. Por exemplo, em vez de escolher os participantes para serem entrevistados ao acaso, um pesquisador pode escolher aqueles cujos nomes aparecem primeiro, 10º, 20º, 30º, 40º e assim por diante, na lista.

Exemplos de erros de amostragem

Suponha que a XYZ Company forneça um serviço baseado em assinatura que permite que os consumidores paguem uma taxa mensal para transmitir vídeos e outros tipos de programação por meio de uma conexão com a Internet.

A empresa quer pesquisar proprietários de imóveis que assistem pelo menos 10 horas de programação pela Internet por semana e que pagam por um serviço de streaming de vídeo existente. A XYZ deseja determinar qual porcentagem da população está interessada em um serviço de assinatura de preço mais baixo. Se XYZ não pensar cuidadosamente sobre o processo de amostragem, vários tipos de erros de amostragem podem ocorrer.

Um erro de especificação de população ocorreria se a Empresa XYZ não entendesse os tipos específicos de consumidores que deveriam ser incluídos na amostra. Por exemplo, se XYZ cria uma população de pessoas com idades entre 15 e 25 anos, muitos desses consumidores não tomam a decisão de compra de um serviço de streaming de vídeo porque podem não trabalhar em tempo integral. Por outro lado, se a XYZ reunir uma amostra de adultos trabalhadores que tomam decisões de compra, os consumidores desse grupo podem não assistir 10 horas de programação de vídeo por semana.

O erro de seleção também causa distorções nos resultados de uma amostra. Um exemplo comum é uma pesquisa que depende apenas de uma pequena parte das pessoas que respondem imediatamente. Se a XYZ fizer um esforço para acompanhar os consumidores que não responderam inicialmente, os resultados da pesquisa podem mudar. Além disso, se XYZ excluir consumidores que não respondem imediatamente, os resultados da amostra podem não refletir as preferências de toda a população.

Erro de amostragem vs. Erro de não amostragem

Existem diferentes tipos de erros que podem ocorrer ao coletar dados estatísticos. Os erros de amostragem são as diferenças aparentemente aleatórias entre as características de uma população amostral e as da população geral. Erros de amostragem surgem porque os tamanhos das amostras são inevitavelmente limitados. (É impossível amostrar uma população inteira em uma pesquisa ou censo.)

Um erro de amostragem pode ocorrer mesmo quando nenhum tipo de erro é cometido; erros de amostragem ocorrem porque nenhuma amostra jamais corresponderá perfeitamente aos dados no universo do qual a amostra é retirada.

A empresa XYZ também deseja evitar erros de não amostragem. Erros de não amostragem são erros que resultam durante a coleta de dados e fazem com que os dados sejam diferentes dos valores verdadeiros. Erros de não amostragem são causados por erro humano, como um erro cometido no processo de pesquisa.

Se um grupo de consumidores assiste apenas cinco horas de programação de vídeo por semana e é incluído na pesquisa, essa decisão é um erro de não amostragem. Fazer perguntas tendenciosas é outro tipo de erro.

Perguntas frequentes sobre erros de amostragem

O que é erro de amostragem e amostragem?

Erros de amostragem são erros estatísticos que surgem quando uma amostra não representa toda a população. Em estatística, amostragem significa selecionar o grupo do qual você realmente coletará dados em sua pesquisa.

Qual é a fórmula do erro de amostragem?

$\begin&\text=Z\times\frac{\ sigma}{\sqrt}\&\textbf\&Z=Z\text{ valor de pontuação com base no}\&\qquad\ \text{intervalo de confiança (aprox} =1,96)\&\sigma=\text{Desvio padrão da população ion}\&n=\text\end$

c-2,7,0,-7,17,-2,7,-13,5,-8c-5,8,-5,3,-9,5,-10,-9,5,-14

c0,-2,0.3,-3.3,1,-4c1.3,-2.7,23.83,-20.7,67.5,-54

c44.2,-33.3,65.8,-50.3,66.5,-51c1.3,-1.3,3,-2,5,-2c4.7,0,8.7,3.3,12,10

s173.378.173.378c0,7,0,35,3,-71,104,-213c68,7,-142,137,5,-285,206,5,-429

c69,-144,104,5,-217,7,106,5,-221

10 -0

c5.3,-9.3,12,-14,20,-14

H400000v40H845.2724

s-225.272.467,-225.272.467s-235.486,-235.486c-2.7,4.7,-9,7,-19,7

c-6,0,-10,-1,-12,-3s-194,-422,-194,-422s-65,47,-65,47z

M834 80h400000v40h-400000z'/>​ σ​< /span>< span class="pstrut" style="height:3.1075600000000003em;">< span class="mord textbf">onde:</ span>Z =Z valor de pontuação com base no< span style="top:-2.0987800000000005em;">< /span> intervalo de confiança (aprox.=</ span>1.9</ span>6)< span class="pstrut" style="height:3.1075600000000003em;">σ=Desvio padrão da população</ span>n =Tamanho da amostra</ span>​

A fórmula de erro de amostragem é usada para calcular o erro de amostragem geral na análise estatística. O erro amostral é calculado dividindo-se o desvio padrão da população pela raiz quadrada do tamanho da amostra e, em seguida, multiplicando-se o resultado pelo valor do escore Z, que é baseado no intervalo de confiança.

Quais são os tipos de erros de amostragem?

Em geral, os erros de amostragem podem ser classificados em quatro categorias: erro específico da população, erro de seleção, erro de estrutura amostral ou erro de não resposta. Um erro específico da população ocorre quando o pesquisador não entende quem deve pesquisar. Um erro de seleção ocorre quando os respondentes autoselecionam sua participação no estudo. (Isso resulta em apenas aqueles que estão interessados em responder, o que distorce os resultados.) Um erro de quadro de amostra ocorre quando a subpopulação errada é usada para selecionar uma amostra. Finalmente, um erro de não resposta ocorre quando os entrevistados em potencial não são contatados com sucesso ou se recusam a responder.

Por que o erro de amostragem é importante?

Estar ciente da presença de erros de amostragem é importante porque pode ser um indicador do nível de confiança que pode ser colocado nos resultados. O erro de amostragem também é importante no contexto de uma discussão sobre o quanto os resultados da pesquisa podem variar.

Como você encontra um erro de amostragem?

Na pesquisa de levantamento, os erros de amostragem ocorrem porque todas as amostras são amostras representativas: um grupo menor que representa toda a sua população de pesquisa. É impossível pesquisar todo o grupo de pessoas que você gostaria de alcançar.

Normalmente, não é possível quantificar o grau de erro amostral em um estudo, pois é impossível coletar os dados relevantes de toda a população que você está estudando. É por isso que os pesquisadores coletam amostras representativas (e amostras representativas são a razão pela qual existem erros de amostragem).

Destaques

• Amostragem é uma análise realizada selecionando um número de observações de uma população maior.

• A prevalência de erros de amostragem pode ser reduzida aumentando o tamanho da amostra.

• Um erro de amostragem ocorre quando a amostra utilizada no estudo não é representativa de toda a população.

• A amostragem aleatória é uma forma adicional de minimizar a ocorrência de erros de amostragem.

• Mesmo amostras aleatórias terão algum grau de erro de amostragem porque uma amostra é apenas uma aproximação da população da qual é extraída.

• Em geral, os erros de amostragem podem ser classificados em quatro categorias: erro específico da população, erro de seleção, erro do quadro amostral ou erro de não resposta.