Documente Academic
Documente Profesional
Documente Cultură
Schmildt
Teoria da Amostragem
1) Amostragem
Considerações iniciais
O conhecimento de fatos que afetam a convivência socio-econômica
numa comunidade influi sempre na tomada de decisão de um indivíduo
em todos os aspectos de sua vida e de sua família. Um cidadão comum,
geralmente decide sobre os seus problemas diários bem como a respeito
dos rumos de seu negócio com base no bom senso e nas indicações de
sua experiência acumulada ao longo do tempo.
Quando uma pessoa escolhe uma marca de carro para comprar, um
mecânico para fazer revisão do seu carro, um oftalmologista para fazer
uma consulta, um restaurante para jantar, alguma informação ele utiliza
para nortear sua escolha. Esta informação é baseada em seus
conhecimentos ou nos de seus familiares ou amigos. Percebe-se que as
pessoas se utilizam no dia a dia de resultados de amostragens, mesmo
que imperceptivelmente.
Quando a indústria e o comércio se baseiam em levantamentos por
amostragens para decidir sobre os investimentos a serem feitos,
geralmente obtém sucesso. A pesquisa de mercado nesse caso é
fundamental para que se conheça a reação do consumidor a novos
produtos e embalagens, identificando-se críticas e razões pela preferência
por um artigo. Os resultados de pesquisa são sempre utilizados pela
indústria no sentido de se fabricar produtos que atendam às exigências do
mercado consumidor.
Para se fazer um diagnóstico sobre aspectos ligados a economia, um
pesquisador utiliza sempre levantamentos por amostragem. Os dados
coletados em planilhas de custo de acordo com o planejamento
estabelecido, permitem o cálculo do índice de inflação e de outros índices
econômicos relevantes para a população.
Em campanhas eleitorais, as pesquisas feitas por órgãos
especializados, apontam para a preferência do eleitorado a um
determinado candidato, apontando o possível vencedor no pleito.
Vários são os tipos de dados de interesse que são obtidos por
amostragem. Como exemplo, podem ser citados entre outros:
a) força de trabalho, nível de emprego e desemprego;
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Alguns conceitos
2
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
A amostragem e o censo
3
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
a) Objetivos
A definição das finalidades do levantamento é a diretriz para a sua
perfeita execução. Baseado nos objetivos é que se obtém as conclusões
finais do trabalho.
b) População
Em certos casos a população é bem definida, em outros casos não.
População dos estudantes de uma universidade ou faculdade por exemplo
é bem definido, onde entrarão os alunos de graduação, pós-graduação e
os alunos especiais. No entanto, quando se fala em população de
hospedarias de uma cidade: um quarto alugado numa casa de família
seria considerado uma hospedaria e participaria do estudo?
d) Grau de precisão
Quando se procede a um levantamento por amostragem, os resultados
estão sujeitos a um certo grau de incerteza, devido ao fato de que foi
considerada apenas uma parte da população. Segundo Levine et al.
(2000) existem quatro erros de pesquisa:
4
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
e) Métodos de medida
Antes de coletar os dados, é necessário e importante que esteja bem
definida toda a metodologia de obtenção dos mesmos. Essas metodologias
podem ser, dentre outras:
e1) declaração de entrevistas;
e2) consultas de fichas;
e3) por telefone;
e4) por resposta a um questionário.
Caso os dados sejam coletados por mais de uma pessoa, é necessário
o bom treinamento e padronização de linguagem, a fim de existir um
critério único de registro de dados.
No caso de se trabalhar com questionário deve-se padronizar os
diferentes tipos de respostas a serem obtidas e, se possível, codificá-las
para cada item respondido, a fim de evitar controvérsias na tabulação dos
dados. Exemplo: Qual forma de pagamento aceita:
( ) dinheiro em moeda nacional
( ) dinheiro em moeda de outro país
( ) cheque
( ) cheque pré-datado
( ) cartão de crédito
( ) outra
É interessante na confecção dos questionários, que haja algumas
perguntas que sirvam para verificação da consistência das respostas,
5
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
f) Unidade de amostra
Qual a unidade amostral? Num levantamento socio-econômico a
unidade de medida é a família com todos os residentes numa mesma
casa. Caso haja sublocação, também estes indivíduos estariam incluídos?
É necessário que haja uma definição prévia. Aqui portanto, observamos
mais uma vez que quem trabalha para fazer o levantamento deve ser
conhecedor do assunto.
h) Pré-verificação
Na prática isso se chama de pré-amostragem. Aqui podemos detectar
possíveis faltas de entendimento no questionário e corrigir eventuais
falhas na estrutura adotada.
i) Organização do trabalho
Deve-se traçar toda a sistemática operacional da equipe de trabalho,
organizando um processo para acompanhamento dos resultados e ainda,
estruturar quais as providências tomar quando não são obtidas
informações de algum entrevistado, ou quando não é encontrado o
indivíduo.
A condução do levantamento amostral deve ser muito bem planejada,
já prevendo quaisquer imprevistos da não obtenção de dados. Deve-se
neste caso sortear alguns elementos reservas para eventuais substituições
na amostra.
k) Sugestões
As informações pré-amostrais são de grande valia na determinação
do método de amostragem a ser adotado. Desta forma, cada
levantamento pode fornecer valiosas sugestões para outras pesquisas
análogas futuras, principalmente no que tange a falhas cometidas. A
6
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
a1) Acessibilidade
A amostra atinge apenas a parte acessível da população. Num vagão
de minério, por exemplo, a amostra pode ser feita em alguns casos
apenas nos 20cm superiores, por dificuldades de se atingir todos os
pontos do vagão.
7
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
O questionário e a entrevista
Em algumas áreas como a psicologia e a psiquiatria é possível a
obtenção de dados apenas com a observação das pessoas, com alta
precisão. No entanto, na maioria das áreas como as que se voltam para a
tomada de decisões administrativas e na epidemiologia, necessário se faz
levantamento de dados com o preenchimento de questionários ou em
entrevistas, satisfazendo a pesquisa do tipo Survey para coleta de dados:
c) Construção de questionários
O questionário deve traduzir os objetivos da pesquisa em itens bem
redigidos. Para tanto é importante que os objetivos tenham sido bem
definidos. As perguntas devem ter conteúdos adequados para obtenção
dos dados do entrevistado, podendo ser feitas de forma aberta ou
8
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
d) condução de entrevista
O pesquisador deve ser cuidadoso e habilidoso na realização da
entrevista. Recomenda-se uma conversa inicial, de forma amistosa, sobre
qualquer tema que possa interessar ao entrevistado procurando obter a
sua confiança. Em seguida são feitos esclarecimentos sobre a finalidade
da pesquisa.
O entrevistado deve sentir-se absolutamente livre de qualquer
pressão ou intimidação. Ao se fazer as perguntas recomenda-se ter o
cuidado de não se deixar implícito as respostas, ou seja, o entrevistado
não deve ser induzido a uma resposta específica.
9
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Exemplos:
1) A Fortune publica dados sobre vendas, lucros, lucro líquido dos
acionistas, valor de mercado e ganhos por ação para as 500 maiores
empresas industriais dos Estados Unidos (The Fortune 500, 1998).
Suponha que você quer selecionar uma amostra aleatória simples de
10 empresas da lista de Fortune 500. Use os últimos 3 dígitos na
coluna 9 do Quadro 26, começando com 554. Leia a coluna de cima
para baixo e identifique os números das 10 empresas que seriam
selecionadas.
Resolução:
459 147 385 113 340 401 215 002 033 348
10
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
69393 92785 49902 58447 42048 30378 87618 26933 40640 16281
13186 29431 88190 04588 38733 81290 89541 70290 40113 08243
17726 28652 56836 78351 47327 18518 92222 55201 27340 10493
36520 64465 05550 30157 82242 29520 69753 72602 23756 54935
81628 36100 39254 56835 37636 02421 98063 89641 64953 99337
84649 48968 75215 75498 49539 74240 03466 49292 36401 45525
63291 11618 12613 75055 43915 26488 41116 64531 56827 30825
70502 53225 03655 05915 37140 57051 48393 91322 25653 06543
06426 24771 59935 49801 11082 66762 94477 02494 88215 27191
20711 55609 29430 70165 45406 78484 31639 52009 18873 96927
41990 70538 77191 25860 55204 73417 83920 69468 74972 38712
72452 36618 76298 26678 89334 33938 95567 29380 75906 91807
37042 40318 57099 10528 09925 89773 41335 96244 29002 46453
53766 52875 15987 46962 67342 77592 57651 95508 80033 69828
90585 58955 53122 16025 84299 53310 67380 84249 25348 04332
32001 96293 37203 64516 51530 37069 40261 61374 05815 06714
62606 64324 46354 72157 67248 20135 49804 09226 64419 29457
10078 28073 85389 50324 14500 15562 64165 06125 71353 77669
91561 46145 24177 15294 10061 98124 75732 00815 83452 97355
13091 98112 53959 79607 52244 63303 10413 63839 74762 50289
11
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
12
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Amostra
População
13
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Amostras Elementos
1 1 6 11 16 21 26 31 36 41 46
2 2 7 12 17 22 27 32 37 42 47
3 3 8 13 18 23 28 33 38 43 48
4 4 9 14 19 24 29 34 39 44 49
5 5 10 15 20 25 30 35 40 45 50
Admitindo que o primeiro elemento sorteado tenha sido o 3, a
amostra selecionada é constituída pelos elementos:
3 8 13 18 23 28 33 38 43 48
Na prática é comum ocorrer que N ≠ kn. Neste caso as amostras
terão tamanhos diferentes. Considere uma população com N = 26, da qual
serão extraídas amostras sistemáticas n = 9. Portanto: k = 26/9 = 2,9 ≅
3. Como k exigiu arredondamento, em conseqüência as amostras terão
tamanhos diferentes, conforme listados a seguir:
Amostras Elementos
1 1 4 7 10 13 16 19 22 25
2 2 5 8 11 14 17 20 23 26
3 3 6 9 12 15 18 21 24
Se se começar com o elemento 1, a amostra será constituída pelos
elementos:
1 4 7 10 13 16 19 22 25
Se se começar com o elemento 3, a amostra será constituída pelos
elementos:
3 6 9 12 15 18 21 24
A amostra sistemática apresenta as seguintes vantagens em relação à
amostra aleatória simples:
a) maior simplicidade no processo de seleção dos elementos que
comporão a amostra. O sorteio do primeiro elemento define os (n – 1)
outros do rol dos dados que comporão a amostra. Isto facilita a
supervisão da coleta dos dados controlando facilmente os erros;
b) a amostra sistemática se distribui mais uniformemente na população
podendo levar a uma maior representatividade;
c) a população fica dividida em n estratos de tamanho k, sendo tomado
um elemento de cada estrato. A precisão das estimativas quase
sempre é maior.
14
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
15
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Amostra
População
Amostragem aleatória por conglomerado
Ao contrário da amostra estratificada, os conglomerados são muito
semelhantes uns aos outros. Logo, aqueles que compõem a amostra tem
a capacidade de representar os que não a pertencem.
Quando realizamos uma pesquisa em um bairro de uma cidade onde
as características de todos os consumidores se assemelham,
independentemente do quarteirão selecionado, os quarteirões não
selecionados para participar da amostra serão representados pelos
selecionados. Assim teremos uma visão de todo o bairro.
Se o bairro fosse composto por pessoas de classes sociais
diferentes, concentradas em determinados quarteirões do bairro, a
amostragem mais apropriada seria a por estratificação. A figura a seguir
representa amostragem por conglomerados.
População
Conglome-
rado =
Amostra
16
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
2) Estimação
Para trabalhos em epidemiologia, vide artigo a seguir:
PEREIRA, Júlio C.R. Tamanho de amostra: uma necessidade real ou um
capricho cultural? Arteríola, v.4, n.1, p.13-16, 2002.
Resumo de fórmulas:
População
Infinita Finita
A. Estimativa de médias
Pontual X X
Intervalar
σx conhecido
σX σX N−n
X±Z X±Z
n n N −1
σx desconhecido
X±t
sX sX N−n
X±t
n n N −1
Tamanho da amostra
σx conhecido
Z 2 σ 2X Z 2 σ 2X N
n= n= 2 2
e2 Z σ X + e 2 ( N − 1)
σx desconhecido
Z 2 s 2X t 2 s 2X N
n= n=
e2 t 2 s X2 + e 2 ( N − 1)
Erro
σx conhecido
σX σX N−n
e=Z e=Z
n n N −1
σx desconhecido
e=t
sX sX N−n
e=t
n n N −1
B. Estimativa de proporções
Pontual (p) X X
n n
Intervalar (IC)
X (X / n )[1 − (X / n )] X (X / n )[1 − (X / n )] N − n
±Z ±Z
n n n n N −1
Tamanho da amostra
⎧ (X / n )[1 − (X / n )] ⎫ Z 2 (X / n )[1 − (X / n )]( N)
n = Z2 ⎨ ⎬ n =
⎩ e2 ⎭ ( N − 1)e 2 + Z 2 (X / n )[1 − (X / n )]
17
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Sendo,
X = número de itens na amostra
Z = desvio padrão normal, valor tabelado
n = tamanho da amostra
Alguns conceitos
18
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
2 2
⎛ máximo − mínimo ⎞ ⎛ 25 − 1 ⎞
σ =⎜
2
⎟ σ2 = ⎜ ⎟ = 37,5
⎝ 3,92 ⎠ ⎝ 3,92 ⎠
O tamanho da amostra para se realizar a pesquisa sobre o consumo
de sabonetes será? Precisamos ainda considerar o erro máximo, pois a
fórmula será:
Z 2 σ 2X
n=
e2
Considerando então um erro de 1 sabonete por família (residência) e
confiança de 95%:
Z 2 σ 2X (1,96) 2 37,5
n= = n = = 144 residências
e2 12
Se após a realização das 144 entrevistas em domicílio, se verificar
que a variância é inferior a 37,5, confirmaremos que o tamanho da
amostra é suficiente para garantir que o erro amostral seja inferior ao
fixado: 1 no exemplo em questão (sabonetes). Se a variância calculada a
partir da amostra dos 144 domicílios for superior a 37,5, devemos
complementar a amostra calculando o seu novo tamanho a partir da nova
variância.
Suponha que o valor da variância calculada a partir da amostra seja
(1,96) 2 40
40. O tamanho da amostra deve ser: n = = 154 residências . Como já
12
foram entrevistados 144 domicílios, basta apenas mais 10 para completa
o tamanho da amostra.
Se eu desejasse uma confiança de 99%:
(2,58) 2 40
n= = 267 residências
12
Percebe-se que o tamanho da amostra aumenta à medida que
aumentamos o grau de confiança (1 - α) e possuímos variância de valor
elevado. Aumenta também à mediada que diminui o tamanho do erro
tolerado (e).
19
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
20
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
21
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
σX N −n
IC = X ± Z
n N −1
2 1000 − 100
IC = 15 ± 1,96 = 15 ± 0,372 = 14,63 a 15,372
100 999
2 200 − 16
IC = 15 ± 2,131 = 15 ± 1,025 = 13,98 a 16,025
16 199
Resolução:
a) n/N = 100/500 = 20%. Trata-se de uma população finita
s N −n
IC = X ± t X
n N −1
10 500 − 200
IC = 40 ± 1,98 = 40 ± 1,755 = 38,25 a 41,755
100 499
22
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Proporções
n n
Para saber se a população é finita, > 0,05 e para infinita, < 0,05
N N
Populações Infinitas
a) Intervalo de confiança
X (X / n )[1 − (X / n )]
IC = ±Z
n n
50 (50 / 200)[1 − (50 / 200)]
IC = ± 2,33
200 200
(0,25)(0,75)]
IC = 0,25 ± 2,33
200
IC = 0,25 ± 0,07
IC = 0,18 a 0,32
Enquanto a proporção populacional é 0,25, com 98% de certeza
podemos dizer que a verdadeira proporção populacional está entre 0,18 e
0,32.
2) Uma amostra de 200 pessoas alérgicas foi tratada com uma droga A.,
ficando curadas 180 pessoas. Encontre um intervalo de confiança de 95%
para a proporção de pessoas curadas pela droga A.
Resolução:
X ( X / n)[1 − ( X / n)]
IC = ± Z
n n
180 (180 / 200)[1 − (20 / 200)]
IC = ± 1,96
200 200
23
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
(0,90)(0,10)]
IC = 0,90 ± 1,96
200
IC = 0,86 a 0,94
Enquanto a proporção dos curados pela droga A é 0,90, com 95%
de certeza podemos dizer que a verdadeira proporção populacional está
entre 0,86 e 0,94, ou seja, entre 86% e 94% são curados pela droga A.
b) Erro
(X / n )[1 − (X / n )] p(1 − p)
e=Z ou e=Z
n n
(0,10)(0,90)]
e = 2,58 = 0,055
200
O erro de estimação é de 0,055 ou 5,5%.
⎧ (X / n )[1 − ( X / n )] ⎫ ⎡ p(1 − p) ⎤
n = Z2 ⎨ ⎬ ou n = Z2 ⎢ ⎥⎦
⎩ e2 ⎭ ⎣ e
2
24
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
⎡ p(1 − p) ⎤ ⎡ (0,5)(0,5) ⎤
n = Z2 ⎢ ⎥ = 1,96 2 ⎢ ⎥ = 149,5
⎣ e ⎦
2 2
⎣ 0,08 ⎦
O tamanho da amostra será 150.
Importante:
Vejamos outra maneira de encontrar o valor do tamanho da amostra
para cada erro tolerado considerando confiança de 95% e o não
conhecimento da proporção.
Inicialmente representamos os valores de p (1 – p) para possíveis
valores de p, na tabela a seguir.
0,3
0,25
0,2
p (1 - p)
0,15
0,1
0,05
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
p
25
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
⎡ p(1 − p) ⎤ 0,96
n = Z2 ⎢ ⎥ ⇒ n= 2
⎣ e ⎦
2
e
26
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
⎡ p(1 − p) ⎤ ⎡ (0,3)(0,7) ⎤
n = Z2 ⎢ ⎥ = 1,65 2 ⎢ ⎥ = 357,3
⎣ e ⎦
2 2
⎣ 0,04 ⎦
O tamanho da amostra será 358.
27
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
(X / n )[1 − (X / n )]
eB = Z
n
(0,441)(0,559)]
e B = 1,96 = 1,96x 0,0143329 = 0,028 = 2,8%
1200
X
IC B = ± e B = 0,441 ± 0,028 = 0,413 a 0,469
n
c) Qual deveria ser o tamanho da amostra para que fosse possível prever
o candidato vitorioso com uma confiança de 95% e um erro de 2%?
Resolução:
Admitindo que não haja mais estratégias de última hora na
campanha que possa alterar a tendência do eleitorado, para que seja feita
a previsão do vitorioso com uma confiança de 95% e um erro máximo de
2,0%, que é inferior a diferença entre os índices de preferência dos
candidatos, o tamanho da amostra deveria ser de:
⎡ p(1 − p) ⎤
n = Z2 ⎢ ⎥⎦
⎣ e
2
⎡ (0,441)(0,559) ⎤
n = 1,96 2 ⎢ ⎥ = 2367,57 = 2368 eleitores
⎣ 0,02 2 ⎦
Observe pelo tabela à página 26, que se p = 0,5 o número de
eleitores a serem entrevistados seria de 2400 para um erro de 2% e
confiança de 95%.
2) Uma amostra de 200 pessoas alérgicas foi tratada com uma droga A.,
ficando curadas 180 pessoas. Quantas pessoas você recomenda usar
num novo teste com a droga A para estimar sua eficiência com 95% de
confiança e um erro máximo de 3%?
Resolução:
⎡ p(1 − p) ⎤ 2 ⎡ (0,9)(0,1) ⎤
n = Z2 ⎢ ⎥⎦ = 1,96 ⎢ 0,03 2 ⎥ = 384,16 ≈ 385 pessoas
⎣ e
2
⎣ ⎦
28
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
Resolução:
⎡ p(1 − p) ⎤ ⎡ 0,25 ⎤
a) n = Z 2 ⎢ ⎥ = 1,96 2 ⎢ 2 ⎥
= 600,25 ≈ 601 flashes
⎣ e ⎦
2
⎣ 0,04 ⎦
⎡ p(1 − p) ⎤ ⎡ (0,06)(0,94) ⎤
b) n = Z 2 ⎢ ⎥ = 1,96 2 ⎢ ⎥ = 135,41 ≈ 136 flashes
⎣ e ⎦
2 2
⎣ 0,04 ⎦
Populações finitas
29
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
30
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
(X / n )[1 − (X / n )] N − n
e=Z
n N −1
(0,28)(0,72)] 1500 − 100
e = 1,96 = 0,085
100 1500 − 1
X ( X / n)[1 − ( X / n)] N − n
IC p 2 =
±Z
n n N −1
IC(p2) = 0,28 ± 0,085 = 0,195 a 0,365
• FS4 - ≥ 1000,00
X4 = 08
p4 = X4/n = 8/100 = 0,08
(X / n )[1 − (X / n )] N − n
e=Z
n N −1
(0,08)(0,92)] 1500 − 100
e = 1,96 = 0,0514
100 1500 − 1
X ( X / n)[1 − ( X / n)] N − n
IC p 4 =
±Z
n n N −1
IC(p4) = 0,08 ± 0,0514 = 0,029 a 0,131
31
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
32
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
(0,75)(0,25] 1500 − 8
e = 1,96 = 0,299
8 1500 − 1
X ( X / n)[1 − ( X / n)] N − n
IC =±Z
n n N −1
IC = 0,75 ± 0,299 = 0,45 a 1,05
Obs.: 0,45 a 1,05 = 45% a 105%. Como não existe 105% com casa
própria, o valor passa a ser entendido como 100% e portanto,
IC = 0,45 a 1,00
Z 2 (X / n )[1 − (X / n )]( N)
n=
( N − 1)e 2 + Z 2 (X / n )[1 − (X / n )]
1,96 2 (0,52)(0,48)(1500)
n= =1438,3/6,355 = 226,32 ≈ 227
(1500 − 1)0,06 2 + 1,96 2 (0,52)(0,48)
funcionários.
Observações Importantes:
33
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
34
Unidade IV – Teoria da Amostragem – Bioestatística – Prof. Edílson R. Schmildt
35