Qual a diferença entre amostragem probabilística e não probabilística?

Na amostragem probabilística, todos os elementos da população têm uma probabilidade conhecida e calculável de serem selecionados, o que permite generalizar os resultados para a população e calcular margens de erro. Na não probabilística, a seleção é feita por conveniência, julgamento ou critérios subjetivos, sem base estatística para estimar o erro amostral. A escolha depende dos objetivos da pesquisa: quantitativa com intenção de generalizabilidade exige probabilística; exploratória qualitativa pode usar não probabilística.

Como calcular o tamanho da amostra em pesquisa probabilística?

O tamanho da amostra depende de quatro elementos: o tamanho total da população, a margem de erro tolerável (geralmente 5%), o nível de confiança desejado (geralmente 95%) e a variabilidade estimada da variável principal. Existem fórmulas específicas para cada tipo de amostragem e calculadoras online que simplificam o processo. Para pesquisas acadêmicas, o mais importante é justificar o tamanho da amostra com base nesses critérios e não simplesmente dizer que 'é uma amostra adequada'.

Quando usar amostragem estratificada em vez de aleatória simples?

Use amostragem estratificada quando a população tem subgrupos que você precisa representar proporcionalmente ou quando as diferenças entre esses subgrupos são importantes para a sua análise. Por exemplo, se você quer comparar atitudes de estudantes de graduação e pós-graduação, a estratificação garante que ambos os grupos tenham representação adequada na amostra. A aleatória simples pode resultar em sub-representação de grupos menores.

Amostragem Probabilística: Tipos, Usos e Diferenças

A escolha da amostragem decide muito antes de você entrar em campo

A maioria das pesquisadoras descobre que escolheu o tipo errado de amostragem quando o orientador pergunta “por que você usou essa abordagem?” na qualificação.

Amostragem probabilística é um conjunto de técnicas de seleção de participantes em que todos os elementos de uma população têm uma probabilidade conhecida e matematicamente calculável de serem incluídos na amostra. Essa definição importa porque é ela que permite a generalização estatística: se você não sabe a probabilidade de seleção de cada elemento, não consegue afirmar que sua amostra representa a população.

O problema é que muitas pesquisas quantitativas descrevem a amostragem de forma vaga, “foram selecionados aleatoriamente”, sem especificar qual técnica foi usada e por quê. A banca nota isso.

Vou descrever os quatro tipos principais de amostragem probabilística, as diferenças práticas entre eles e como escolher o mais adequado para o seu estudo.

O que caracteriza uma amostragem como probabilística

Antes de entrar nos tipos, vale deixar claro o que faz uma amostragem ser probabilística de fato.

O critério central é que cada elemento da população deve ter uma probabilidade de seleção que pode ser calculada. Isso exige dois elementos:

Um quadro amostral completo (ou suficientemente completo): uma lista, registro ou banco de dados que identifique os elementos da população. Sem saber quem faz parte da população, não é possível garantir que todos tenham chance de ser selecionados.
Um mecanismo de seleção aleatório: sorteio, gerador de números aleatórios, tabela de números aleatórios. Qualquer critério que introduza preferência ou conveniência elimina a natureza probabilística da amostragem.

Quando o quadro amostral não existe ou é inacessível, a amostragem probabilística não é viável na prática e a pesquisadora precisa recorrer a técnicas não probabilísticas com as devidas limitações reconhecidas na metodologia.

Os quatro tipos principais

1. Amostragem aleatória simples

É a versão mais direta. Cada elemento da população tem a mesma probabilidade de ser selecionado, e a seleção de um elemento é independente da seleção dos demais.

O processo prático: ter o quadro amostral completo, numerar cada elemento e sortear os participantes usando um gerador de números aleatórios ou tabela equivalente.

Quando usar: quando a população é homogênea (sem subgrupos com características muito distintas) e quando o quadro amostral está disponível e é de fácil acesso. Funciona bem para populações pequenas ou médias em que todos os elementos são igualmente relevantes.

Limitação: em populações heterogêneas, pode resultar em sub-representação de grupos menores por pura casualidade.

2. Amostragem sistemática

Seleciona elementos a intervalos regulares a partir de um ponto de partida aleatório. Se a população tem 1.000 elementos e você precisa de uma amostra de 100, seleciona um de cada 10 (intervalo de seleção = 10). O primeiro elemento é escolhido aleatoriamente entre os 10 primeiros, e todos os subsequentes seguem o intervalo.

Quando usar: quando o quadro amostral é uma lista ordenada e o acesso sequencial é mais simples do que a seleção totalmente aleatória. Comum em levantamentos de campo, auditorias e pesquisas com cadastros extensos.

Cuidado importante: se a lista tiver algum padrão periódico que coincida com o intervalo de seleção, a sistematicidade pode introduzir viés. Por exemplo, selecionar apenas elementos de posição par numa lista ordenada por alguma característica que varia por posição.

3. Amostragem estratificada

Divide a população em subgrupos homogêneos chamados estratos (por exemplo, por sexo, faixa etária, nível de escolaridade ou região) e realiza amostragem aleatória simples dentro de cada estrato.

Pode ser proporcional (cada estrato contribui com uma proporção de elementos equivalente ao seu peso na população) ou desproporcional (quando estratos menores são intencionalmente sobre-representados para permitir análises comparativas).

Quando usar: quando a população tem subgrupos cujas diferenças são relevantes para a pesquisa, quando você precisa comparar os subgrupos entre si ou quando subgrupos menores correm risco de sub-representação em amostragem puramente aleatória.

Exemplo: pesquisa sobre experiência acadêmica de estudantes de pós-graduação de diferentes áreas. Estratificar por área do conhecimento garante representação adequada de humanidades, ciências exatas, ciências biológicas e afins.

4. Amostragem por conglomerados

Divide a população em grupos naturais chamados conglomerados (por exemplo, escolas, municípios, hospitais, empresas) e sorteia os conglomerados em vez dos elementos individuais. Dentro dos conglomerados selecionados, todos os elementos podem ser incluídos (conglomerado de estágio único) ou uma subamostra pode ser selecionada (conglomerado de estágio múltiplo).

Quando usar: quando o quadro amostral de elementos individuais não existe ou é impraticável de construir, mas existe uma lista de grupos. Também quando a dispersão geográfica da população tornaria a coleta de dados extremamente cara ou logisticamente inviável.

Limitação: elementos dentro de um mesmo conglomerado tendem a ser mais parecidos entre si do que com elementos de outros conglomerados. Isso reduz a diversidade efetiva da amostra e pode aumentar o erro amostral em comparação com a aleatória simples de mesmo tamanho.

Como escolher o tipo adequado

A escolha não é aleatória. Depende de três perguntas:

O que você sabe sobre a população? Se ela é homogênea, a aleatória simples ou sistemática funciona. Se tem subgrupos relevantes, a estratificada é mais adequada.

Qual é a disponibilidade do quadro amostral? Se você tem uma lista completa de indivíduos, a aleatória simples ou sistemática é viável. Se só existe uma lista de grupos, a conglomerados pode ser o único caminho.

Qual é a viabilidade logística da coleta? Amostragem aleatória simples em uma população geograficamente dispersa pode ser inviável do ponto de vista de custo e tempo. Conglomerados pode ser a solução prática.

Uma tabela para facilitar a decisão:

Tipo	Quando indicado	Requer quadro amostral?	Bom para comparar subgrupos?
Aleatória simples	População homogênea, acessível	Sim, individual	Não
Sistemática	Lista ordenada, grande volume	Sim, em lista	Não
Estratificada	Subgrupos relevantes	Sim, por estrato	Sim
Conglomerados	População dispersa, lista de grupos	Sim, de grupos	Depende do design

Como descrever a amostragem no capítulo de metodologia

Descrever a amostragem de forma vaga é um dos erros mais comuns e mais simples de evitar.

A descrição precisa responder a quatro perguntas:

Qual é a população-alvo? (Quem você queria representar com a pesquisa?)
Qual é o quadro amostral? (Como você identificou os elementos da população?)
Qual técnica de amostragem foi usada e por quê?
Qual é o tamanho da amostra e como foi calculado?

Exemplo de descrição adequada: “A população do estudo é formada por todas as enfermeiras cadastradas no COREN-SP em atividade em hospitais públicos do município de São Paulo, totalizando 4.200 profissionais. O quadro amostral foi construído a partir do cadastro institucional disponibilizado pelo COREN-SP mediante solicitação formal. Utilizou-se amostragem aleatória simples sem reposição, com seleção realizada por gerador de números aleatórios. O tamanho da amostra de 352 participantes foi calculado considerando margem de erro de 5% e nível de confiança de 95%, conforme fórmula de Cochran (1977).”

Isso é diferente de “foi selecionada uma amostra aleatória de 352 enfermeiras”, que não diz praticamente nada sobre o rigor do processo.

O papel da amostragem no Método V.O.E.

No Método V.O.E. (Velocidade, Organização, Execução Inteligente), a Fase de Organização envolve estruturar o desenho metodológico antes de qualquer coleta. A amostragem é parte central dessa estrutura: decidir o tipo de amostragem depois de coletar os dados é como escolher o caminho depois de já ter chegado. Funciona em alguns casos, mas cria problemas que aparecem cedo ou tarde.

Definir o tipo de amostragem cedo no processo tem um benefício prático além do rigor metodológico: ela determina o que você precisa ter acesso antes de começar. Se a amostragem é estratificada, você precisa do quadro amostral estratificado. Se é por conglomerados, precisa da lista de grupos. Saber isso no início do planejamento evita a situação de chegar à coleta e descobrir que o dado necessário não existe ou não é acessível.

Se quiser aprofundar a discussão sobre o planejamento metodológico como um todo, o Método V.O.E. trata da integração entre as fases de preparação, organização e execução de pesquisa acadêmica. É um bom ponto de partida para quem está estruturando a metodologia pela primeira vez.

Fechamento: rigor não é pedantismo

Descrever a amostragem com precisão não é exigência burocrática de banca. É a garantia de que os resultados dizem o que você afirma que dizem.

Uma pesquisa quantitativa sem amostragem probabilística bem descrita pode ter resultados interessantes, mas não pode afirmar que representa a população de onde os dados vieram. E essa é uma distinção fundamental para qualquer publicação científica.

A escolha do tipo de amostragem, feita com consciência dos critérios que apresentei aqui, é uma das decisões metodológicas mais importantes que você vai tomar no seu projeto. Vale dedicar tempo a ela antes, não depois da coleta.