Contente
- Amostragem aleatória
- Precisão
- Intervalos de confiança
- Erro padrão
- Dificuldade em usar tamanhos de amostra maiores
O tamanho da amostra representa o número de observações realizadas para realizar uma análise estatística. O tamanho das amostras pode ser composto por pessoas, animais, lotes de alimentos, máquinas, baterias ou qualquer população que esteja sendo avaliada.
Amostragem aleatória
Amostragem aleatória é um método pelo qual amostras aleatórias são coletadas de uma população para estimar informações sobre a população sem ser tendenciosa. Por exemplo, se você deseja saber que tipo de pessoa vive em uma determinada cidade, precisa entrevistar / medir pessoas diferentes aleatoriamente. No entanto, se você usasse todo mundo da biblioteca, não teria uma estimativa justa / imparcial de como é a população em geral que ocupa a cidade, apenas as pessoas que vão à biblioteca.
Precisão
À medida que os tamanhos das amostras aumentam, as estimativas se tornam mais precisas. Por exemplo, se selecionarmos aleatoriamente 10 homens adultos do sexo masculino, poderemos encontrar sua altura média de 6 pés e 3 polegadas de altura, talvez porque haja um jogador de basquete que inflar nossa estimativa. Se, no entanto, medíssemos dois milhões de seres humanos adultos do sexo masculino, teríamos um melhor preditor da altura média dos machos, porque os extremos se equilibrariam e a média verdadeira obscureceria quaisquer desvios em relação à média.
Intervalos de confiança
Quando um estatístico faz uma previsão sobre um resultado, geralmente cria um intervalo em torno de sua estimativa. Por exemplo, se medimos o peso de 100 mulheres, poderíamos dizer que estamos 90% confiantes de que o verdadeiro peso médio das mulheres está no intervalo de 103 a 129 libras. (Isso, é claro, depende de outros fatores, como também a variabilidade nas medições.) À medida que o tamanho da amostra aumenta, nos tornamos mais confiantes em relação à nossa estimativa e nossos intervalos diminuem. Por exemplo, com um milhão de mulheres, podemos dizer que estamos 98% confiantes de que o verdadeiro peso médio das mulheres está entre 115 e 117 libras. Em outras palavras, à medida que o tamanho da amostra aumenta, nossa confiança em nossas medições aumenta e o tamanho de nossos intervalos de confiança diminui.
Erro padrão
Variação é uma medida da disseminação de dados em torno da média. O desvio padrão é a raiz quadrada da variação e ajuda a aproximar a porcentagem da população entre um intervalo de valores em relação à média. À medida que o tamanho da amostra aumenta, o erro padrão, que depende do desvio padrão e do tamanho da amostra, diminui. Consequentemente, as estimativas aumentam em precisão e as pesquisas baseadas nessas estimativas são consideradas mais confiáveis (com menos risco de erro).
Dificuldade em usar tamanhos de amostra maiores
Obviamente, tamanhos maiores de amostras produzem estimativas melhores e mais precisas sobre as populações, mas existem vários problemas com os pesquisadores que usam tamanhos maiores de amostra. Primeiro de tudo, pode ser difícil encontrar uma amostra aleatória de pessoas dispostas a experimentar um novo medicamento. Quando você o faz, fica mais caro fornecer o medicamento a mais pessoas e monitorar mais pessoas ao longo do tempo. Além disso, é preciso mais esforço para obter e manter um tamanho de amostra maior. Mesmo que amostras maiores produzam estatísticas mais precisas, o custo e o esforço extras nem sempre são necessários, pois amostras menores também podem produzir resultados significativos.