riee-tamanho_amostra
TRANSCRIPT
-
8/8/2019 RIEE-tamanho_amostra
1/3
-
8/8/2019 RIEE-tamanho_amostra
2/3
27
Revista Interdisciplinar de Estudos Experimentais, v. 1, n. 1, p. 26 - 28, 2009
que oi estudada por esses consensos tem as mesmas caractersticas da
populao onde pretendemos aplicar seus resultados?
importante termos sempre em mente que os estudos
experimentais, por mais bem desenhados que sejam, normalmente
apresentamvalidade externa (capacidade de extrapolao dos resultados)limitada, j que se aplicam somente populao estudada, ainda que,
repetimos, os estudos normalmente no explicitem as caractersticas
dessa populao. Por isso cabe a ns, leitores, examinarmos com olhos
de lince as inormaes contidas nas pesquisas publicadas.
Vamos voltar aos parausos. bvio que no nada sensato
pensar em medir o dimetro de todos os parausos produzidos por A
e por B em um determinado dia. O ideal voc selecionar de orma
aleatria um determinado nmero n de parausos de A e B, medir
seus dimetros e comparar suas mdias. A esse subconjunto de uma
determinada populao damos o nome de amostra.
Tendo em mente os conceitos undamentais de populao e amostra,
podemos compreender os dois papis que a estatstica desempenha rente
aos resultados encontrados: a) anlise descritiva: descreve o resumo das
medidas da amostra (mdia, mediana, desvio padro, etc.); b) anlise
inerencial: atravs dos testes de hipteses (valor de p e intervalos de
confana) diz qual a probabilidade de estarmos corretos ao extrapolar os
resultados encontrados nas amostras para as populaes estudadas.
Lembre-se sempre de que a estatstica no trabalha com certezas, e
sim com probabilidades. Alm disso, a nica coisa que a estatstica e o to
propalado valor de p podem azer por voc dizer com que rau de certeza
voc pode extrapolar seus achados para a populao que voc estudou.
A estatstica no pode dizer mais nada! Muitos pesquisadores esperam
dessa cincia mais do que ela pode oerecer, muitas vezes eneralizandoresultados ou tomando o valor de p como doma, dizendo estarem
respaldados pela estatstica, sem perceberem que a estatstica no se presta a
extrapolar resultados de uma populao delimitada para outras populaes.
Para que voc consia cumprir seu objetivo, ou seja, tirar
concluses a respeito das populaes a partir da anlise das
amostras, claro que essas amostras precisam de ter um tamanho
(n) tal que permita que elas sejam representativas da populao. A
perunta que no cala : qual o tamanho de n que arante que
a amostra representa bem a populao acerca da qual desejamos
tirar concluses? Uma coisa certa: se o n amostral or sufciente
para arantir que a amostra representa a populao, ento esse n
adequado. Dito isto, fca claro que o que importa que a amostra
seja representativa. Vamos discutir aora as caractersticas que a
amostra precisa ter a fm de cumprir esse papel.
3 AMOSTRA REPRESENTATIVA
Ainda aproveitando o exemplo dos parausos, a primeira
preocupao que precisamos ter : qual parausos servem para compor
a amostra (critrios de incluso) e quais no servem (critrios de
excluso). Um critrio de incluso poderia ser, por exemplo, parausos
abricados pelas mquinas A e B em um determinado dia. Um exemplo
de critrio de excluso seria: no entraro na amostra parausos que
apresentem aluma alterao (deeito, etc.), percebida a olho nu.Uma vez defnidos os critrios de incluso e excluso, o seundo
passo tentar arantir que todos os elementos da populao tenham
a mesma probabilidade de serem escolhidos para compor a amostra.
O ideal seria que essa escolha osse aleatria, atravs alum tipo de
sorteio (randomizao), como por exemplo: a cada 10 parausos
produzidos, escolher sempre o dcimo para compor a amostra, at
completar o n desejado. Muitas vezes o pesquisador se v obriado a
utilizar uma amostragem por convenincia, ou seja, utilizar os elementos
ou dados que esto disponveis (ex: entrevistar os alunos de um mesmo
perodo e de um mesmo curso). A amostraem por convenincia,
apesar de estar sujeita a vcios de seleo, no necessariamente um
procedimento condenvel. Existem tcnicas estatsticas para ajudar
a controlar as possveis variveis intervenientes que possam surir.
Com certeza a ase de elaborao do projeto o melhor momento
para trocar ideias com alum colea que tenha boa experincia com
estatstica. O aconselhamento estatstico deve ser preventivo, pois o
mais importante em qualquer projeto saber escolher adequadamente
a populao, azer uma boa amostraem e traar estratias para
contornar as variveis de conuso. Nenhum sotware de estatstica
capaz de azer isso. Os proramas apenas azem clculos sem entrar no
mrito da qualidade das inormaes neles diitadas.
Levando em considerao os dois passos iniciais (escolha dos
critrios de incluso e excluso, e a tcnica de amostraem), fnalmentecheada a hora de discutir qual deve ser o valor ideal do n amostral.
4 O TAMANHO DA AMOSTRA
Ao contrrio do que muitos acreditam, talvez seja pouco vivel e
at certo ponto intil tentar calcular, a priori (antes do experimento
comear), o tamanho do n amostral sufciente para que a amostra seja
representativa da populao. Acreditamos que o mais sensato e actvel
seja, uma vez determinadas sua populao e amostra, comear a coleta dos
dados, e na medida em que estes vo sendo colhidos voc j ir analisando
sua distribuio e suas caractersticas. Nesse sentido, acreditamos que
a determinao do n amostral seja um processo dinmico, que podemudar na medida em que os dados vo sendo colhidos e analisados.
Vejamos alumas dicas sobre como proceder na prtica.
Inicie sua coleta, a aps ter colhido de 8 a 10 dados por rupo,
calcule a mdia e o desvio padro dos dados coletados (isso pode ser
eito com uma calculadora ou com qualquer um dos muitos sotwaressotwares
e proramas erenciadores de planilhas eletrnicas disponveis no
mercado). Se os resultados suerirem uma distribuio em que a
-
8/8/2019 RIEE-tamanho_amostra
3/3
28
Revista Interdisciplinar de Estudos Experimentais, v. 1, n. 1, p. 26 - 28, 2009
maior parte dos dados se concentra prxima da mdia, e a variao
dos dados em relao mdia no or muito rande, possvel que
os dados de sua amostra apresentem uma distribuio simtrica, o
que suere que representam bem a populao estudada. Voc pode
visualizar essa distribuio construindo um historama ou um box-plot dos dados (atravs de sotware), ou ento usando uma rera
prtica, que extremamente simples e na maioria das vezes unciona
muito bem: se o desvio padro for menor que a metade da mdia, muito
pouco provvel que sua distribuio seja assimtrica. Nesse caso, se em
todos os rupos (amostras) estudados a distribuio or simtrica,
talvez os 8 ou 10 sujeitos analisados sejam sufcientes para que voc
possa aplicar testes estatsticos com seurana. por isso que existem
muitos bons estudos publicados com um n = 8 (ou at menos) em
cada rupo. No o tamanho da amostra que garante bons resultados,
mas sim sua qualidade(capacidade de representar a populao). Nos
experimentos com modelos animais, onde a variabilidade muito
pequena, eralmente um n de 8 a 10 animais por rupo costuma
ser satisatrio. No caso dos parausos, provvel tambm que voc
consia inerir, com uma boa probabilidade de acerto, se a produo
das mquinas A e B dierente, usando em torno de 10 parausos (ou
menos) por amostra.
Em experimentos com seres humanos, onde a variabilidade bem
maior em uno da individualidade biolica de cada um, e muitas
vezes no se conseuem amostras to homoneas e bem controladas,
um n amostral de 15 sujeitos por rupo j pode ser sufciente, desde
que as amostras tenham distribuio simtrica e o desvio padro das
amostras no seja muito dierente.
No entanto se or possvel conseuir cerca de 30 sujeitos por rupo,nem ser necessrio se preocupar com a distribuio das amostras,
pois um importante undamento matemtico denominado teorema
central do limite, arante que com um n em torno de 30 as mdias
amostrais apresentam uma distribuio que tende distribuio
normal, independentemente da orma da distribuio da amostra em
si. Em outras palavras, se tomamos repetidamente amostras aleatrias
independentes de tamanho n de uma populao, ento se n or rande,
a distribuio das mdias amostrais vai se aproximar de uma distribuio
normal (para conhecer detalhes matemticos sobre esse teorema, reporte-
se a JAMES, 2004). Como a maior parte dos testes estatsticos trabalha
com mdias amostrais, loo a maioria dos testes so robustos o sufciente
para ornecer resultados confveis, independentemente da distribuio
das amostras, quando o n maior que 30.
At existem testes estatsticos para verifcar a normalidade das
amostras, bem como para verifcar se as amostras so homocedsticas
(apresentam varincia semelhante), porm se a amostra or rande
ou a distribuio or aparentemente simtrica esses testes se tornam
desnecessrios (uma discusso mais detalhada sobre isso pode ser
encontrada nos livros sueridos nas reerncias bibliorfcas).
Para fnalizar, vamos tentar derrubar um perioso mito que
existe acerca do n amostral. muito comum ouvirmos sobre o
tamanho da amostra a seuinte afrmativa: quanto maior, melhor. Isso
defnitivamente no verdade. Com reerncia a essa questo se aplica
pereitamente o dito popular de que tamanho no documento.Na verdade, amostras muito randes podem muitas vezes ser
periosas, pois quanto maior o n amostral, maior a probabilidade
de encontrarmos uma dierena estatisticamente sinifcativa (o
amierado p < 0,05) entre os rupos estudados, ainda que tal dierena
no tenha defnitivamente sinifcado prtico alum. Inelizmente essa
artimanha estatstica de esticar o n at achar um p sinifcativo
bem mais comum do que se imaina, e muito disso ocorre pelo ato
de um rande nmero de peridicos se recusarem terminantemente a
publicar resultados ditos neativos (com um p > 0,05). Seria muito
saudvel se os peridicos contassem com revisores e consultores que
tivessem traquejo em estatstica.
Para concluir, lembramos novamente que, a qualidade das amostras
muito mais importante que o tamanho das mesmas. Aqui, mais uma
vez, se confrma a primazia da qualidade sobre a quantidade.
5 REFERNCIAS
COCHRAN, W. g., Tcnicas de amostragem. Rio de Janeiro:Editora Fundo de Cultura, 1965.
JAMES, B. R., Probabilidade: um curso em nvel intermedirio. 3 aed. Rio de Janeiro: IMPA, 2004.
JEKEL, J. F.; ELMORE, J. g.; KATZ, D. L., Epidemiologia,bioestatistica e medicina preventiva, Porto Alere: Artmed, 2002.
MOORE, D. S. A., Estatstica bsica e sua prtica. 3a ed. Rio deJaneiro: LTC, 2005.
MOURAO-JUNIOR, C. A., Bioestatstica: armadilhas e comoevit-las. Boletim do Centro de Biologia da Reproduo , v. 25, p.105-111, 2006.
SNEDECOR, g.W.; COCHRAN, W. g. Statistical methods. 8thed. Ames: Blackwell, 1989.
SOKAL, R. R.; ROHLF, F. J., Biometry. 3rd ed. New York: W. H.
Freeman, 2003.
TRIOLA, M. F., Introduo estatstica. 7a ed. Rio de Janeiro:LTC, 1999.
ZAR, J. H., Biostatistical analysis. 3rd ed. Upper Saddle River:Prentice Hall, 1996.