O amostragem estratificada, ou estratificação, é um método de amostragem que envolve a divisão de uma população em subgrupos menores, conhecidos como estratos. Por sua vez, esses estratos são formados a partir dos atributos ou características compartilhados dos membros, como renda ou escolaridade..
É usado para destacar as diferenças entre grupos em uma população, ao contrário da amostragem simples, que trata todos os membros de uma população como iguais, com a mesma probabilidade de serem amostrados.
O objetivo é melhorar a precisão da amostra reduzindo o erro de amostragem. Pode produzir uma média ponderada com menos variabilidade do que a média aritmética de uma amostra simples da população.
A estratificação é o processo de fragmentar os membros de uma população em subconjuntos homogêneos antes da amostragem. Através dos estratos, uma distribuição da população é definida.
Ou seja, deve ser coletivamente exaustivo e mutuamente exclusivo, de modo que um único estrato deve ser atribuído a cada elemento da população. Em seguida, uma amostragem sistemática ou simples é aplicada dentro de cada estrato.
Índice do artigo
É importante observar que os estratos não devem ser justapostos. Ter subgrupos sobrepostos dará a algumas pessoas uma chance maior de serem selecionadas como sujeitos. Isso dificulta totalmente a noção de amostragem estratificada como um protótipo de amostragem..
É igualmente importante que o pesquisador use uma amostragem simples dentro dos diferentes estratos..
Os estratos mais comuns usados na amostragem estratificada são idade, sexo, status socioeconômico, religião, nacionalidade e nível educacional..
Ao concluir a análise em um grupo de entidades com características semelhantes, um investigador pode descobrir que o tamanho da população é muito grande para concluir a investigação..
Para economizar tempo e dinheiro, uma perspectiva mais viável pode ser adotada selecionando um pequeno grupo da população. Esse pequeno grupo é chamado de tamanho da amostra, que é um subconjunto da população usada para representar toda a população..
Você pode selecionar uma amostra de uma população de várias maneiras, uma das quais é a amostragem estratificada. Isso envolve a divisão da população total em grupos homogêneos chamados estratos. Em seguida, amostras aleatórias são selecionadas de cada estrato.
- Divida a população em subgrupos ou estratos menores, com base nos atributos e características compartilhados pelos membros.
- Pegue uma amostra aleatória de cada estrato em um número que seja proporcional ao tamanho do estrato.
- Agrupe subconjuntos de estratos para formar uma amostra aleatória.
- Realize a análise.
Por exemplo, considere um pesquisador que gostaria de saber o número de estudantes de administração que receberam uma oferta de emprego três meses após a formatura, em 2018. Eles logo descobrirão que havia quase 200.000 formados em administração naquele ano..
Você pode decidir simplesmente pegar uma amostra aleatória de 5.000 graduados e conduzir a pesquisa. Melhor ainda, você poderia dividir a população em estratos e obter uma amostra aleatória desses estratos..
Para fazer isso, você criaria grupos populacionais com base na idade, raça, nacionalidade ou experiência profissional..
Uma amostra aleatória seria retirada de cada estrato, na proporção do tamanho do estrato em relação à população total. Esses subconjuntos seriam agrupados para formar uma amostra.
Nesse tipo, o tamanho da amostra para cada estrato é proporcional ao tamanho da população do estrato quando comparado à população total. Isso significa que cada estrato tem a mesma proporção de amostragem.
Quando uma característica dos indivíduos é selecionada para definir os estratos, os subgrupos resultantes costumam ser de tamanhos diferentes..
Por exemplo, queremos estudar a porcentagem da população mexicana que fuma, e decidiu-se que a idade seria um bom critério para estratificar porque acredita-se que o hábito de fumar pode variar significativamente de acordo com a idade. Três estratos são definidos:
- Menos de 20 anos.
- Entre 20 e 44.
- Mais de 44.
Quando a população do México é dividida nesses três estratos, não se espera que os três grupos tenham o mesmo tamanho. Na verdade, os dados reais confirmam isso:
- Estrato 1: 42,4 milhões (41,0%).
- Estrato 2: 37,6 milhões (36,3%).
- Estrato 3: 23,5 milhões (22,7%).
Se for usada amostragem estratificada proporcional, a amostra deve consistir em estratos que mantenham as mesmas proporções da população. Se você deseja criar uma amostra de 1.000 indivíduos, as amostras devem ter os seguintes tamanhos:
É muito semelhante a reunir uma população menor, determinada pelas proporções relativas dos estratos dentro da população..
Nesse tipo, o mesmo tamanho de amostra é atribuído a todos os estratos definidos, independentemente do peso desses estratos na população..
Uma amostragem estratificada uniforme tomando o exemplo anterior produziria a seguinte amostra para cada estrato:
Esse método favorece os estratos de menor peso na população, dando-lhes o mesmo nível de importância que os estratos mais relevantes..
Isso reduz a eficácia geral da amostra, mas permite que as características individuais de cada estrato sejam estudadas com maior precisão..
No exemplo, se você quiser fazer uma afirmação específica sobre a população do estrato 3 (mais de 44), pode reduzir os erros de amostragem usando uma amostra de 333 unidades, em vez de uma amostra de 227 unidades, conforme obtido do estratificado proporcional amostragem.
A amostragem estratificada funciona bem para populações que têm uma variedade de atributos, mas de outra forma não será eficaz se os subgrupos não puderem ser formados..
A principal vantagem da amostragem estratificada é que ela coleta as características-chave da população da amostra..
Semelhante a uma média ponderada, este método de amostragem produz características na amostra que são proporcionais à população total..
A estratificação dá um erro de estimativa menor do que o método de amostragem simples. Quanto maior for a diferença entre as camadas, maior será o ganho de precisão..
Possui maior precisão estatística quando comparada à amostragem simples. Isso se deve ao fato de que dentro dos subgrupos a variabilidade é menor, quando comparada com as variações que ocorrem com a população total..
Como essa técnica tem alta precisão estatística, também significa que requer um tamanho de amostra menor, o que pode economizar muito esforço, dinheiro e tempo dos pesquisadores..
Infelizmente, esse método de pesquisa não pode ser usado em todos os estudos. A desvantagem do método é que várias condições devem ser atendidas para que ele seja usado corretamente.
A principal desvantagem é que pode ser difícil identificar estratos apropriados para um estudo. Além disso, encontrar uma lista completa e definitiva de uma população inteira pode ser um desafio..
Uma segunda desvantagem é que é mais complexo organizar e analisar os resultados em comparação com a amostragem simples..
Os pesquisadores devem identificar cada membro de uma população de estudo e classificá-lo em apenas uma subpopulação. Como resultado, a amostragem estratificada é desvantajosa quando os pesquisadores não podem classificar com segurança cada membro da população em um subgrupo..
A justaposição pode ser um problema se houver assuntos que se enquadram em vários subgrupos. Quando uma amostragem simples é feita, aqueles em vários subgrupos são mais propensos a serem escolhidos. O resultado pode ser uma deturpação ou um reflexo impreciso da população.
Exemplos como estudantes universitários, graduados, homens e mulheres tornam mais fácil porque são grupos claramente definidos.
No entanto, em outras situações, pode ser muito mais difícil. Você pode imaginar a incorporação de características como raça, etnia ou religião. O processo de classificação se tornaria mais difícil, tornando a amostragem estratificada um método ineficaz..
Suponha que uma equipe de pesquisa queira determinar a média de notas de estudantes universitários nos Estados Unidos.
A equipe de pesquisa tem dificuldades óbvias em coletar esses dados dos 21 milhões de estudantes universitários. Portanto, você decide tirar uma amostra da população, usando apenas 4.000 alunos..
A equipe observa os diferentes atributos dos participantes da amostra e pergunta se há diferença entre a média das notas e a especialização dos alunos..
Verifica-se na amostra que 560 alunos são alunos de inglês, 1.135 de ciências, 800 de informática, 1.090 de engenharia e 415 de matemática..
A equipe deseja usar a amostragem estratificada proporcional, onde os estratos da amostra são proporcionais à amostra da população.
Para fazer isso, a equipe investiga as estatísticas de estudantes universitários nos Estados Unidos e encontra o percentual oficial de estudantes que se especializam: 12% em inglês, 28% em ciências, 24% em ciência da computação, 21% em engenharia e 15% em matemática.
Portanto, cinco estratos são criados a partir do processo de amostragem estratificada. A equipe deve confirmar se o estrato da população é proporcional ao estrato da amostra. No entanto, ele descobre que as proporções não são iguais..
Portanto, a equipe precisa reamostrar a população de 4.000 alunos, mas desta vez selecionando aleatoriamente 480 (12%) alunos de inglês, 1.120 (28%) ciências, 960 (24%) ciências da computação, 840 (21%) engenharia e 600 ( 15%) matemática.
Com isso, temos uma amostra estratificada proporcional de estudantes universitários, o que proporciona uma melhor representação dos estudantes universitários dos Estados Unidos..
Os pesquisadores serão capazes de destacar um estrato específico, observar os vários estudos de estudantes universitários dos Estados Unidos e observar as diferentes médias de notas..
Ainda sem comentários