Estudando estatística para concursos? Confira aqui qual é a diferença entre população e amostra? Show Não deixe de ver em nosso menu outras publicações sobre estatística e matemática para concursos. Bom estudo! Uma população é uma coleção de pessoas, resultados, itens, respostas, eventos ou contagens sobre os quais deseja-se fazer inferências. Por questões financeiras, ou logísticas, normalmente não é conveniente ou possível examinar todas as respostas de uma população inteira. Imaginemos uma eleição para presidente do Brasil. Não é viável entrevistar a todos os mais de 100 milhões de eleitores que existem, porém é possível entrevistar uma conjunto menor de eleitores. Este subconjunto da população recebe o nome de amostra. Uma amostra é um subconjunto ou subgrupo de resultados, pessoas, respostas, itens, contagens ou eventos de uma população maior que você coleta e analisa para fazer inferências. A regra básica para que a amostra seja confiável e reflita o que acontece com toda a população é seja suficientemente grande e coletada aleatoriamente. Se a amostra é aleatória e grande o suficiente, os resultados obtidos podem ser considerados confiáveis para fazer previsões sobre toda a população. Voltando ao exemplo, um candidato a presidente que possui 10% de intenções de voto em uma amostra suficientemente grande e coletada aleatoriamente deve ter uma porcentagem bem próxima de 10% de intenções de voto em toda a população. Porém como sabemos, a estatística é uma ciência “quase” exata, e existem outros testes para a verificação da margem de erro de uma pesquisa. Aprendeu a diferença entre população e amostra? Deixe o seu comentário.
A diferença entre a população e a amostra não é por vezes clara para alguns investigadores, tornando ainda mais difícil esclarecer e decidir os métodos de amostragem a aplicar.
A População teórica (ou universo estatístico) corresponde assim todo o conjunto de indivíduos com uma caraterística comum que se submete a um estudo estatístico. A Amostra é um subconjunto representativo da população, criteriosamente escolhido, sobre o qual incide a observação. Na maioria dos estudos de psicologia e ciências sociais, procura-se desenvolver teorias e explicações que sejam generalizáveis para todos os humanos, ou grupos de humanos, ou seja, para a populações. Na prática teremos ainda de selecionar, dentro da população teórica, a população do estudo, por motivos de logística sobretudo. Por exemplo, podemos considerar uma População Teórica de 10 milhões de portugueses, mas muitas vezes precisamos de recorrer a grupos mais restritos e que possam ser facilmente acedidos – a este grupo designamos por População do Estudo, como por exemplo o grupo dos portugueses residentes em Lisboa e Vale do Tejo. Este exemplo é ilustrado na figura seguinte.
Depois de identificada a população do estudo é ainda necessário definir como vão ser selecionados os sujeitos ou objetos que constituem a Amostra, ou seja, que tipo de Amostragem vai ser feita – vão ser selecionados todos os indivíduos, vão ser selecionados alguns indivíduos ao acaso? Através da internet, ou nas escolas? O processo de amostragem deve ser analisado e ponderado mediante vários fatores. A(s) amostra(s) deve(m) ser constituída(s) de forma que as conclusões obtidas a partir da caraterização da amostra – o objeto da Estatística Descritiva – sejam generalizáveis para a População Teórica, ou seja, as amostras têm de ser representativas das populações sob estudo. Este processo de generalização das conclusões obtidas pelo estudo da amostra para a população designa-se por Estatística Inferencial – estas duas dimensões da Análise Estatística podem ser entendidas no post anterior “Introdução ao Estudo de Estatística“.
Contente:A população representa a totalidade de pessoas, unidades, objetos e tudo o que é capaz de ser concebido, tendo certas propriedades. Ao contrário, a amostra é um subconjunto finito da população, que é escolhido por um processo sistemático para descobrir as características do conjunto original. O artigo apresentado a seguir descreve as diferenças entre população e amostra. Gráfico de comparação
Definição de PopulaçãoEm termos simples, população significa o agregado de todos os elementos em estudo com uma ou mais características comuns, por exemplo, todas as pessoas que vivem na Índia constituem a população. A população não se limita apenas a pessoas, mas também pode incluir animais, eventos, objetos, edifícios, etc. Pode ser de qualquer tamanho, e o número de elementos ou membros em uma população é conhecido como tamanho da população, ou seja, se houver há cem milhões de pessoas na Índia, então o tamanho da população (N) é de 100 milhões. Os diferentes tipos de população são discutidos em:
Exemplos
Definição de AmostraPelo termo amostra, entende-se uma parte da população escolhida aleatoriamente para participação no estudo. A amostra assim selecionada deve ser tal que represente a população em todas as suas características, e deve ser livre de vieses, de modo a produzir cortes transversais em miniatura, visto que as observações amostrais são utilizadas para fazer generalizações sobre a população. Em outras palavras, os respondentes selecionados fora da população constituem uma 'amostra', e o processo de seleção dos respondentes é conhecido como 'amostragem'. As unidades em estudo são chamadas de unidades de amostragem e o número de unidades em uma amostra é chamado de tamanho da amostra . Durante a realização de testes estatísticos, as amostras são usadas principalmente quando o tamanho da amostra é muito grande para incluir todos os membros da população em estudo. Principais diferenças entre população e amostraA diferença entre a população e a amostra pode ser traçada claramente pelos seguintes motivos:
ConclusãoApesar das diferenças acima, também é verdade que a amostra e a população estão relacionadas entre si, ou seja, a amostra é retirada da população, portanto, sem população, a amostra pode não existir. Além disso, o objetivo principal da amostra é fazer inferências estatísticas sobre a população, e isso também seria o mais preciso possível. Quanto maior o tamanho da amostra, maior é o nível de precisão da generalização. |