Amostragem: Como Estudar uma População Sem Examinar Todos

Em estatística, população é o conjunto completo de elementos sobre os quais queremos tirar conclusões. Uma amostra é um subconjunto dessa população, escolhido para representá-la. Quando um laboratório testa remédios, não pode administrar o medicamento a todas as pessoas do planeta — usa-se uma amostra.

Estudar a população inteira (censo) é caro, lento e às vezes impossível. Um exame de sangue destrói a amostra — você não pode testar o sangue todo do paciente. Uma pesquisa sobre qualidade de vida de 200 milhões de brasileiros levaria décadas e custaria bilhões. A amostragem resolve essas restrições com rigor matemático.

Na amostragem aleatória simples, cada elemento da população tem igual chance de ser selecionado — como sortear números em uma urna. É o método mais puro teoricamente, mas pode ser impraticável para populações muito grandes ou geograficamente dispersas.

A amostragem sistemática seleciona elementos em intervalos regulares: escolhe-se o primeiro aleatoriamente e depois pega-se a cada k elementos. Se a população tem 10.000 e queremos 100 elementos, k = 100 — sorteia-se o primeiro entre 1 e 100, depois pega-se o 100°, 200°, 300° etc.

A amostragem estratificada divide a população em subgrupos (estratos) com características similares — como faixa etária, gênero ou região — e sorteia proporcionalmente de cada estrato. Isso garante representatividade de todos os grupos. Já a amostragem por conglomerados seleciona grupos inteiros (escolas, cidades, quarteirões) ao invés de indivíduos — útil quando não há lista completa da população.

Nenhuma amostra representa perfeitamente a população — sempre existe erro amostral. A margem de erro indica o intervalo dentro do qual o verdadeiro valor populacional provavelmente está. Uma pesquisa com margem de erro de ±3 pp e resultado de 45% significa que o valor real está entre 42% e 48% com certo nível de confiança (geralmente 95%).

O tamanho da amostra é o principal determinante da margem de erro. Dobrar o tamanho da amostra não dobra a precisão — ela melhora de forma proporcional à raiz quadrada. Para reduzir a margem de erro à metade, é preciso quadruplicar a amostra. Por isso pesquisas nacionais com 2.000 entrevistados já têm margem de erro razoável (cerca de ±2 pp), enquanto pesquisas municipais de cidades menores podem precisar de menos.

Além do tamanho, o método de seleção é crucial. Uma amostra grande e mal selecionada (com viés sistemático) é pior que uma pequena e bem selecionada. O viés ocorre quando certas pessoas têm muito mais ou menos chance de serem escolhidas do que outras.