TEMA 5

EŞANTIONAREA

„Scopul utilizării eşantionului este acela

de a obŃine informaŃii despre populaŃie”
L.R. Gay (1996, p.109)

GHID DE STUDIU

• PopulaŃie.
• Eşantion.
• Eşantionarea: scopuri, caracteristici, etape, avantaje,
dezavantaje.
• Reprezentativitatea eşantionului; erorile de
reprezentativitate.
• Volumul eşantionului:
- volumul eşantionului funcŃie de tipul de
cercetare;
- volumul eşantionului în sondaje este funcŃie de:
- abaterea standard a caracteristicii măsurate în
populaŃie;
- marja de eroare acceptată;
- nivelul de încredere (pragul de semnificaŃie)
acceptat;
- (eventual) mărimea populaŃiei.
• Tehnici de eşantionare:
♦ probabiliste (aleatoare);
♦ nonprobabiliste (nonaleatoare).
• Tehnici de eşantionare probabilistă (aleatoare):
♦ eşantionarea aleatoare simplă;
♦ eşantionarea aleatoare sistematică;

63
 ♦ eşantionarea aleatoare stratificată;
♦ eşantionarea aleatoare multi-stadială sau cluster;
♦ eşantionarea aleatoare proporŃională cu
mărimea.
• Tehnici de eşantionare nonprobabilistă:
♦ eşantionarea de convenienŃă;
♦ eşantionarea prin evaluare;
♦ eşantionarea pe cote;
♦ eşantionarea prin identificare sau snowball.
• Algoritmi de eşantionare.
• Variante (procedee) ale eşantionării de convenienŃă:
♦ voluntariatul;
♦ eşantionarea la faŃa locului;
♦ procedeul itinerariilor;
♦ procedeul unităŃilor tip.

ALGORITMI, FORMULE, EXPLICAłII

Caseta 5.1. Eşantionarea. Concepte fundamentale

• Eşantionarea este procesul de selecŃie a unui număr de

indivizi pentru un studiu într-o astfel de manieră încât
indivizii respectivi să reprezinte grupul mai mare din care
ei au fost selectaŃi.

• Scopul eşantionării este acela de a utiliza eşantionul

pentru a obŃine informaŃii despre populaŃie.

• O populaŃie este grupul asupra căruia cercetătorul doreşte

să generalizeze rezultatele studiului său.

• Prin generalizarea rezultatelor de la eşantion la populaŃie

se înŃelege faptul că rezultatele obŃinute prin studiul
eşantionului pot fi atribuite şi populaŃiei din care acesta a
fost extras (ceea ce este valid pentru eşantion este valid şi
pentru populaŃie).

64
• O populaŃie definită are cel puŃin o caracteristică (ex.:
gen, vârstă, abilităŃi, statut ocupaŃional, statut socio-
economic etc.) care o diferenŃiază de alte grupuri.

• PopulaŃia la care cercetătorul doreşte să generalizeze

rezultatele este populaŃia Ńintă; populaŃia din care
cercetătorul extrage eşantionul este populaŃia accesibilă,
sau, mai simplu, populaŃie.

• Evident, idealul într-un proces de eşantionare ar fi ca

populaŃia accesibilă (populaŃia) să fie tocmai populaŃia
Ńintă. Acest lucru nu este întotdeauna posibil: anumite
persoane din populaŃia Ńintă nu sunt disponibile, din
anumite motive, şi nu pot fi incluse în grupul celor din
care vom extrage eşantionul.

• Unele populaŃii sunt foarte mari, practic infinite (ex.:

femeile/bărbaŃii dintr-o Ńară, persoanele cu drept de vot,
studenŃii, locuitorii urban/rural etc.), astfel că nu-i putem
cuprinde pe toŃi membrii săi în cercetare; pentru aceasta
se recurge la eşantionare.

• Indiferent de tehnicile de eşantionare folosite, procesul de

eşantionare parcurge trei mari paşi (etape):
1. definirea şi identificarea populaŃiei (cine?)
2. determinarea mărimii eşantionului (câŃi?)
3. alcătuirea eşantionului (extragerea numărului de
participanŃi la cercetare din populaŃie folosind o
anumită tehnică de eşantionare) (cum?)

• Măsura în care eşantionul reprezintă populaŃia şi măsura

în care rezultatele obŃinute pe eşantion sunt
generalizabile.

• Într-o definiŃie statistică, un eşantion este reprezentativ

dacă scorurile obŃinute pe acest eşantion au aceleaşi
caracteristici/sunt similare cu scorurile pe care le-am

65
 obŃine dacă am cerceta/testa întreaga populaŃie.

• Există două mari grupe de metode/tehnici de eşantionare:

probabiliste şi nonprobabiliste.

• În eşantionările probabiliste, toŃi membrii populaŃiei au

aceeaşi şansă de a face parte din eşantion.

• Evident, un eşantion obŃinut printr-o tehnică

nonprobabilistă nu va mai reprezenta populaŃia, ci numai
pe aceia cărora li s-a acordat şansa de a face parte din
eşantion. Atunci, este probabil ca între membrii populaŃiei
cărora li s-a acordat şansa de a face parte din eşantion şi
membrii populaŃiei cărora nu li s-a acordat această şansă
să existe diferenŃa mari în raport cu unu sau altul din
obiectivele cercetării.

• Metodele de eşantionare probabiliste au întotdeauna şanse

mai mari de a produce eşantioane probabiliste.

Caseta 5.2. Stabilirea volumului eşantionului într-o cercetare

psihologică

a) Eşantionul trebuie să fie cât mai mare posibil; în general

cu cât eşantionul este mai mare, cu atât mai mult este posibil ca el
să fie reprezentativ şi cu atît mai mult rezultatele cercetării sunt
generalizabile la populaŃie (a se vedea şi punctul c) de mai jos).
b) În general, numărul de participanŃi considerat
acceptabil pentru a forma un eşantion reprezentativ - în condiŃiile
unei eşantionări corecte – depinde de tipul de cercetare.
• Pentru cercetările corelaŃionale, un minim de 30 de
participanŃi este considerat suficient.
• Pentru cercetările experimentale şi cvasiexperimentale se
recomandă minim 30 de participanŃi în fiecare grup (chiar şi 15,
dacă se cercetează situaŃii/cazuri rare).
• Pentru cercetările descriptive este suficient un eşantion de
10-20% din populaŃie, cu următorul amendament: cu cât populaŃia

66
este mai mare, cu atât procentul este mai mic (20% dintr-o
populaŃie de 1000 persoane, dar 10% dintr-o populaŃie de 5000
persoane).
c) Chiar şi eşantioanele mari pot duce la rezultate/concluzii
eronate dacă ele nu sunt corect alcătuite; într-o practică
neştiinŃifică, printr-o eşantionare tendenŃioasă, dirijată se poate
demonstra orice.
d) Pe baza recomandărilor United States Office of
Education, unii autori propun următoarea mărime a eşantionului
(n) în cazul unei cercetări descriptive (apud Gay, 1996, p. 125) :

Tabelul 5.1 Mărimea eşantionului (n) funcŃie de mărimea

populaŃiei (N sau P)

P n P n P n P n

10 10 110 86 250 152 900 269

20 19 120 92 300 169 1000 278
30 28 130 97 340 181 1500 306
40 36 140 103 380 191 2000 322
50 44 150 108 420 201 3000 341
60 52 160 113 460 210 4000 351
70 59 170 118 500 217 5000 377
80 66 180 123 600 234 10000 380
90 73 190 127 700 248 50000 381
100 80 200 132 800 260 100000 384

Tabelul sugerează următoarele cinci principii generale

privind alcătuirea eşantionului în cercetările descriptive:
1. cu cât populaŃia este mai mare, cu atât procentul necesar
alcătuirii eşantionului este mai mic;
2. pentru populaŃii mici (N ≈ 100), eşantionul trebuie să fie
aproximativ egal cu aceasta;
3. pentru populaŃii cu N ≈ 500, eşantionul trebuie să conŃină
aproximativ 50% din populaŃie;
4. pentru populaŃii cu N ≈ 1500, eşantionul trebuie să conŃină cca.
67
20%;
5. dincolo de un anumit punct (N ≈ 5000) mărimea populaŃiei
este nerelevantă şi un eşantion de 400 de persoane va fi
reprezentativ, după cum un eşantion de 1% poate fi satisfăcător.
Sunt destule opinii potrivit cărora pentru populaŃii mari un
eşantion de 1.......5% este reprezentativ (Văleanu, Hîncu, 1990).
Ca o verificare, dacă se analizează succesiv 1%, 2%, 3% din
populaŃie şi nu apar diferenŃe semnificative, eşantionul a fost bine
alcătuit.

Caseta 5.3. Volumul eşantionului pentru sondaje

A.Volumul eşantionului în cercetările de sondaj se

stabileşte în funcŃie de:
• abaterea standard a caracteristicii măsurate în cadrul
populaŃiei;
• marja de eroare pe care o acceptăm atunci când ne
propunem să generalizăm rezultatele de la eşantion la
populaŃie (3%-5%);
• gradul de încredere/siguranŃă în estimările de la
eşantion la populaŃie (95%-99%);
• (eventual) mărimea populaŃiei din care se extrage
eşantionul.
B.Ca notaŃii:
→ nivel de încredere (95%, 99%), z; (în unele
lucrări: t);
→ eroarea maximă admisă ( x%), ∆;
→ abaterea standard a variabilei măsurate în
populaŃie( σ );

Astfel, formula de determinare a volumului eşantionului

este:
z 2σ 2
n= (Formula 5.1)
∆2

• Exemplul 5.1

Pentru o încredere de 95% ( p = 0,05), se ştie z = 1,96;

68
pentru o încredere de 99% , z = 2,58; ∆² (marja de eroare) este
propusă/acceptată de noi; σ nu poate fi cunoscut, dar îl vom
înlocui cu o valoare rezultată din observări anterioare asupra
populaŃiei, din ancheta pilot etc.
Care este volumul eşantionului pentru a obŃine
disponibilul de timp al studenŃilor, pentru p = 0,05, ∆ ± 1 oră
(acceptăm eroarea de 1 h) şi σ = 4?

Rezolvare. Conform Formulei 5.1:

1, 96 2 ⋅ 4 2
n= ≈ 62 studenŃi.
1

C. Pentru selecŃii aleatoare din populaŃii cunoscute, de

volum mic ( până în 5000 - 10.000), formula este:

z 2σ 2
n = (Formula 5.2)
z 2σ 2
∆2 +
Vp

în care z: 1,96 sau 2,58;

σ : din cercetări anterioare;
∆: eroarea maximă admisă (în unităŃi de măsurare:ore, cm
etc.) sau procente (de obicei 3% );
Vp: volumul populaŃiei (sau N).
Evident, cu cât Vp este mai mare, cu atât valorile obŃinute
prin Formula 5.2 se apropie de cele obŃinute prin Formula 5.1

• Exemplul 5.2

Datele sunt aceleaşi ca mai sus: nivelul de încredere 95%

(p = 0,05), ∆² = 1, σ² = 4, dar cunoştem şi volumul populaŃiei de
studenŃi: 10.000 (notat cu Vp sau N).

69
Care va fi volumul eşantionului?

Rezolvare. Conform Formulei 5.2:

1,96 2 ⋅ 4 2 3,84 ⋅ 16 61 , 47 61,47

n= 2 2
= = =
1,96 ⋅ 4 3,984 ⋅ 16 1 + 0 , 006 1,006
12 + 1 +
10000 10000
=61

D.Pentru sondajele cu caracteristici alternative (DA/NU ;

prezenŃa/absenŃa la vot; candidatul A/candidatul B;
integralişti/restanŃieri etc.), volumul eşantionului va fi stabilit prin
formula:

z 2 ⋅ p ⋅ ( 1 − p)
n= (Formula 5.3)
∆2

în care:
n: volumul eşantionului;
p: proporŃia unei alternative (în procente sau proporŃii; de
exemplu 63% sau 0,63);
1-p (sau q): proporŃia celeilalte alternative;
∆: eroarea maximă admisă de cercetător ( 3%, 5% etc.).

• Exemplul 5.3

Având doi candidaŃi, A şi B şi necunoscând nimic despre

preferinŃele electoratului, care trebuie să fie volumul eşantionului
într-un sondaj de opinie privind preferinŃele pentru A şi B, şi cu o
eroare de 3% şi o încredere de 95%?

Rezolvare
Pentru că nu cunoaştem nimic despre preferinŃele

70
electoratului presupunem că acestea sunt egale: 50%-50%.

1,96 2 ⋅ 50 ⋅ 50
n= = 1067 , p=0,05
32

2,58 2 ⋅ 50 ⋅ 50
n= = 1843 , p=0,01
32

Dacă ştim ceva despre preferinŃele electoratului, de exemplu

A=28% şi B=72%, un sondaj ulterior se va efectua pe un eşantion:

1,96 2 ⋅ 28 ⋅ 72
n= = 860 , p=0,05;
32
2,582 ⋅ 28 ⋅ 72
n= = 1491,03 , p=0,01.
32

E.Pentru populaŃii mici (5.000-10.000), volumul eşantionului va

fi:

z 2 ⋅ p ⋅ (1 − p )
n = (Formula 5.4)
2 z 2 ⋅ p ⋅ (1 − p )
∆ +
Vp

în care Vp: volumul populaŃiei (sau N)

• Exemplul 5.4

Cunoscând/estimând că preferinŃele pentru A=72%, iar pentru

B=28% într-o localitate cu 3600 cetăŃeni cu drept de vot, volumul
eşantionului pentru un (nou) sondaj este ( pentru p= 0,05):

71
 1,96 2 ⋅ 72 ⋅ 28
n= = 695
2 1,96 2 ⋅ 72 ⋅ 28
3 +
3600

ATENłIE!
1. Dacă p şi q se exprimă în procente (72%, 28%) atunci şi ∆
(eroarea maximă admisă) se exprimă la fel (eroarea de 3%→3).
Dacă p şi q se exprimă în coeficienŃi subunitari sau proporŃii
(0,72 şi 0,28 ), atunci ∆ se exprimă subunitar (eroarea 3%→0,03)
2. Formulele şi exemplele de mai sus sunt recomandate/valide
pentru eşantionările aleatoare simplă, sistematică, stratificată,
cluster.

F.Pentru o eşantionare aleatoare proporŃională cu mărimea,

algoritmul de stabilire a volumului eşantionului este prezentat în
continuare.

• Exemplul 5.5 (Novak, 2004)

Într-o mare universitate se doreşte efectuarea unui sondaj în

rândul studenŃilor, Ńinându-se cont de numărul (proporŃia)
integraliştilor/restanŃierilor din ultima sesiune. Nivelul de
încredere stabilit: 3%. Numărul de studenŃi din universitate:
10.000, repartiŃia pe cele cinci facultăŃi fiind următoarea:
A: 2000; B: 3000; C: 1000; D: 3000, E: 1000.

I. Pentru sondajul proporŃional cu mărimea (fiecărei facultăŃi),

stabilirea volumului eşantionului se face astfel:
1. Calculul dispersiei Ńinând cont de proporŃia integraliştilor din
fiecare facultate, conform tabelului de mai jos.
1.1. Se completează coloanele 1, 2 şi 3 cu datele
recoltate. În coloana 3, proporŃia de 0,8 înseamnă 80% integralişti
etc.
1.2 Se completează coloana 4 cu rezultatul înmulŃirii:
Coloana 2 · Coloana 3. De exemplu, pentru facultatea A: 2000 ·
72
0,8 = 1.600; pentru B: 3000 · 0,4 = 1200 etc.

Facultatea Număr ProporŃie Ni ⋅ pi Ni ⋅ pi

studenŃi integralişti (1- pi )
(Volum, ( pi)
Ni)
1 2 3 4 5
A 2000 0,8 1600 320
B 3000 0,4 1200 720
C 1000 0,9 900 90
D 3000 0,7 2100 630
E 1000 0,5 500 250
- 10000 - 6300 2010

1.3. Se completează coloana 5 cu produsul dintre

coloana 4 şi (1-pi). Astfel, pentru facultatea A: 1600· (1-0,8) =
1600 · 0,2 = 320; pentru B: 1200 · (1-0,4) = 1200 · 0,6 = 720 etc.
1.4. Calculul dispersiei: total (suma) pe coloana 5
împărŃit la volumul populaŃiei (numărul de studenŃi din
universitate):
2010
σ2 = = 0,201
10000
(AtenŃie! Se obŃine direct σ 2 !)

2. Se calculează volumul eşantionului.

z 2 ⋅σ 2
2.1 n = , în care
∆2
n: volumul eşantionului;
σ 2 : valoarea dispersiei obŃinută la punctul 1.4, adică
0,201;
z: 1,96 (pentru p=0,05)
∆:eroarea maximă admisă (3%), exprimată în
coeficienŃi subunitari (tip proporŃie) adică 0,03, având în vedere
că numărul studenŃilor integralişti a fost exprimat în proporŃii, şi
nu în procente (0,8 şi nu 80% etc).
73
 1,96 2 ⋅ 0,201
n= = 858
0,032

2.2. Pentru că volumul populaŃiei nu este prea mare se

aplică formula corectată:

z 2 ⋅σ 2
n = ,adică:
z 2σ 2
∆2 +
Vp
1,96 2 ⋅ 0,201
n= = 790
2 1,96 2 ⋅ 0,201
0,03 +
10000

II. Pentru o eşantionare aleatoare (simplă), în care nu am Ńine

cont de mărimea facultăŃilor, volumul eşantionului se calculează
prin formula cu caracteristici alternative: p = integralişti, 1-p =
restanŃieri

În cazul nostru (la p=0,05):

6300
P= = 0,63 ; q (sau 1-p)= 1-0,63=0,37.
10000

z 2 ⋅ p ⋅ (1 − p )
Deci: n = ,adică
∆2
1,96 2 ⋅ 0,63 ⋅ 0,37
n= = 995
0,032

łinând cont de corecŃie (populaŃie mică):

74
 1,96 2 ⋅ 0,63 ⋅ 0,37
n= = 905
2 1,96 ⋅ 0,63 ⋅ 0,37
0,03 +
10000

Rezultă clar avantajul eşantionării proporŃionale: eşantion

mai mic, cheltuieli mai puŃine (790 comparativ cu 905),
reprezentativitate mai bună.
După ce s-a stabilit volumul eşantionului se trece la
alcătuirea acestuia conform algoritmului (Casetele 5.5. - 5.9.
pentru eşantionarea probabilistă sau o tehnică de eşantionare
nonprobalistă).
NOTĂ. Eşantionarea şi stabilirea volumului eşantioanelor pentru
sondaje nu fac în mod direct obiectul lucrării de faŃă. Pentru
aprofundare recomandăm: Novak (1990,2004), Porojan, Ciocănel
(2007) etc.

Caseta5.4. Caracterizarea principalelor metode de eşantionare

probabilistă (aleatoare)

a) Eşantionarea aleatoare simplă

• Eşantionarea simplă este procesul de alcătuire a
eşantionului prin care toŃi indivizii din populaŃie au aceeaşi
şansă de a fi selecŃionaŃi în respectivul eşantion.
• Eşantionarea aleatoare (simplă) este cea mai
bună modalitate de a obŃine un eşantion reprezentativ.
• Eşantionarea aleatoare simplă parcurge
următorii paşi: definirea populaŃiei, identificarea fiecărui
membru al populaŃiei, selecŃia persoanelor pentru a face parte
din eşantion numai pe bază de şansă.
• De regulă, pentru constituirea unui eşantion
aleator se utilizează un tabel cu numere la întâmplare sau
tragerea la sorŃi.

b) Eşantionarea sistematică
75
 • În eşantionarea sistematică indivizii sunt
selecŃionaŃi dintr-o listă, fiecare al n-lea individ de pe listă fiind
inclus în eşantion; n (sau k) este egal cu numărul de indivizi de
pe listă împărŃit la numărul dorit de membri în eşantion
(mărimea eşantionului).
c) Eşantionarea stratificată
• Eşantionarea stratificată este procesul de
alcătuire a eşantionului într-o astfel de manieră încât
subgrupurile identificate în populaŃie să fie reprezentate în
eşantion în aceeaşi proporŃie în care ele există în populaŃie.
• Eşantionarea stratificată poate utiliza şi selecŃia
unui număr egal de persoane din fiecare subgrup identificat în
populaŃie; această procedură se recomandă dacă se doreşte
compararea respectivelor subgrupuri şi procedura statistică
utilizată necesită egalitatea numerică a eşantioanelor.
• Paşii eşantionării stratificate sunt aceiaşi ca în
cazul eşantionării simple, cu excepŃia faptului că selecŃia se
face din subgrupuri, nu din populaŃie ca întreg.
d) Eşantionarea cluster
• Eşantionarea tip cluster (prezentată în unele
lucrări ca multistadială) este o procedură prin care grupurile, nu
indivizii, se selecŃionează aleator.
• Orice localizare/organizaŃie etc. în care poate fi
identificat un grup de caracteristici similare (membrii
populaŃiei) constituie un cluster.
• Paşii în eşantionarea cluster sunt similari cu cei
din cazul eşantionării simple, cu excepŃia faptului că aici
selecŃionăm grupuri (clusteri), nu indivizi.

76
Caseta 5.5. Caracterizarea principalelor metode de eşantionare
nonprobabilistă

Sursa majoră de tendinŃe deformatoare în eşantionare o

constituie utilizarea de către cercetător a unor tehnici de
eşantionare nonprobabiliste. TendinŃele deformatoare (bias) în
eşantionare nu sunt cauzate de diferenŃele inerente dintre
eşantion şi populaŃie ci de felul în care a fost alcătuit
eşantionul; tendinŃele sunt sistematice şi, după cum arată şi
numele, sunt erori ale cercetătorului. Prin folosirea unor tehnici
nonprobabiliste de constituire a eşantionului, de regulă este
greu, dacă nu imposibil, să fie descrisă populaŃia din care a fost
extras respectivul eşantion şi asupra căreia să fie generalizate
rezultatele. Totuşi, se recurge la asemenea tehnici de
eşantionare din diverse cauze: refuzul participanŃilor aleşi
aleator de a participa la cercetare (de a răspunde la un
chestionar), imposibilitatea identificării tuturor membrilor
populaŃiei de interes etc.
• Eşantionarea de convenienŃă – denumită şi accidentală,
hazardată – este o tehnică de eşantionare nonprobabilistă ce
produce numeroase deformări în cercetarea psihologică; acest
tip de eşantionare constă în alegerea particianŃilor
„disponibili”: voluntari sau alegerea unui grup pentru că el
există ca atare.
• Eşantionarea prin evaluare – cercetătorul constituie un
eşantion, dar nu prin tehnici probabiliste, ci după criterii
personale; el crede astfel că eşantionul este reprezentativ.
• Eşantionarea pe cote – este deseori utilizată în
anchetele prin interviu, utilizează un anumit număr de persoane
care corespunde unei anumite caracteristici („atâŃi la % studenŃi
la o facultate tehnică cu vârsta între 20 şi 22 de ani, provenind
din mediul urban”)
• Eşantionarea prin identificare (snowball) –

77
participanŃilor deja aleşi pentru o cercetare li se cere să
identifice alŃi posibili participanŃi şi care apoi sunt solicitaŃi să
participe (de exemplu, cei care au asistat la un eveniment
psihotraumatizant)

Caseta 5.6. Algoritmul eşantionării aleatoare simple (Gay,

1996, p. 115-122)

Paşii algoritmului Exemplu

1. Definirea şi 1.PopulaŃia este alcătuită din toŃi

identificarea populaŃiei. cei 5.000 directori de şcoli din
România.
2. Stabilirea mărimii 2. Eşantionul va fi de 10% din cei
eşantionului. 5.000 de directori, respectiv
N=500.
3. Alcătuirea unei liste cu 3. ToŃi directorii de şcoli sunt
toŃi membrii populaŃiei. trecuŃi pe listă.
4. Se atribuie un număr 4. Se atribuie fiecărui director de
fiecărei persoane trecute şcoală un număr, începând cu
pe listă astfel: dacă 0000 şi terminând cu 4999.
populaŃia este până în
100 (inclusiv)
numerotarea va fi 00 –
99; dacă populaŃia are
101 – 1000, numerotarea
va fi 000 – 999; dacă
populaŃia are 1001 – 10
000, numerotarea va fi
0000 – 9999.
5. Se alege aleator un 5. Din tabelul cu numere aleatoare
număr din tabelul cu este ales arbitrar numărul 34357
numere aleatoare (Anexa (coloana întâi, rândul 12).
1).
6. Vom utiliza numărul 6. Pentru că populaŃia are 5000, se
corespunzător de cifre din utilizează doar ultimile patru cifre
numărul aleator extras. (4357).

78
7. Dacă numărul astfel 7. Pentru că populaŃia are sub
stabilit corespunde unui 10.000 de membri, luăm în
individ din populaŃie, cosiderare doar ultimile patru
acesta face parte din cifre. PopulaŃia desemnată are
eşantion. De exemplu, 5.000 de membri, deci persoana cu
dacă populaŃia are 5000 numărul 4357 face parte din
de membri, 4357 face eşantion.
parte din eşantion; dacă
populaŃia are doar 300 de
membri, 357 este
ignorat.
8. Se trece la următorul 8. Următorul număr pe coloană în
număr, pe coloană, din tabelul cu numere aleatoare este
tabelul cu numere 06318. Ultimile patru cifre sunt
aleatoare şi se repetă 6318. Cum populaŃia are doar
pasul 7. 5.000 de membri, acest număr se
ignoră.
9. Se repetă pasul 8 până 9.Se trece la următoarele numere
cănd numărul necesar de de pe coloană, astfel că persoana
participanŃi la cercetare a cu numerul 2111, va fi
fost realizat. selecŃionată; cele cu numerele
7534, 8614 nu; apoi 4856 va fi
selecŃionată etc.
Se procedează în această manieră
până când vor fi selecŃionaŃi 500
de participanŃi.
NOTĂ. Varianta în care nu trebuie să se apeleze la tabelul
cu numere în dezordine este varianta urnei: toate numele
participanŃilor sunt introduse într-o urnă şi se trage la sorŃi.

Caseta 5.7. Algoritmul eşantionă rii aleatoare sistematice

Paşii algoritmului Exemplu

1. Definirea şi 1.PopulaŃia este alcătuită din toŃi

identificarea populaŃiei. cei 5.000 de profesori din şcolile
dobrogene.
2. Determinarea mărimii 2. Eşantionul va fi compus din
eşantionului. 10% din populaŃie, respectiv 500
de participanŃi.

79
3. Alcătuirea/obŃinerea 3. Cei 5.000 de profesori sunt
unei liste a populaŃiei aranjaŃi în ordine alfabetică. Lista
nu este aleator alcătuită, dar
procedura este validă.
4. Se determină 4. K este egal cu mărimea
parametrul (pasul) K egal populaŃiei împărŃită la mărimea
cu mărimea populaŃiei eşantionului
împărŃită la mărimea K = 5000 : 500=10
eşantionului.
5. Se începe cu o poziŃie 5. Se alege o pozitie oarecare de la
oarecare de la începutul începutul listei, de exemplu al
listei. treilea nume.
6. Începând cu poziŃia 6. În eşantion vor fi incluse
aleasă, fiecare al K nume persoanele aflate la K distanŃă de
este inclus în eşantion. primul nume ales, în cazul nostru
persoana de pe locul 13, apoi cea
de pe locul 23, apoi 33 etc.
7. Daca eşantionul nu a
fost alcătuit până la
sfârşitul listei, se revine
la începutul listei (tot din
10 în 10).
NOTĂ. Datorită modului de alcătuire a listei populaŃiei,
eşantionul astfel constituit s-ar putea să fie mai puŃin
reprezentativ decât eşantioanele alcătuite prin celelalte tehnici
probabiliste prezentate.

Caseta 5.8. Algoritmul eşantionării aleatoare stratificate

Paşii algoritmului Exemplu

1. Identificarea şi definirea 1. Pentru a compara eficienŃa a

populaŃiei. două metode de formare a
competenŃei psihologice în
conducere în funcŃie de nivelul
stimei de sine, populaŃia este
alcătuită din toŃi cei 300 de top
manageri din ConstanŃa.
2. Stabilirea mărimii 2. Mărimea eşantionului va fi de
eşantionului. 45 de manageri pentru fiecare din
cele două metode (cercetare

80

3. Se stabilesc variabila şi
subgrupurile (straturile)
pentru asigurarea
reprezentativităŃii (număr
egal sau proporŃional în
fiecare subgrup).
4. Membrii populaŃiei sunt
clasificaŃi în unul din
subgrupurile stabilite.
5. Prin eşantionarea simplă
- utilizând tabelul cu
numere aleatoare sau
tragerea la sorŃi – se
stabilesc participanŃii din
fiecare subgrupă (număr
egal în fiecare strat sau
proporŃional cu mărimea
fiecărui strat).
experimentală).
3. Subgrupurile dorite sunt
stabilite pe baza a trei niveluri ale
stimei de sine: ridicată, medie,
scăzută, (minim 15 participanŃi
din fiecare strat în fiecare grup).
4. Cei 300 de manageri sunt
clasificaŃi/repartizaŃi în funcŃie de
nivelul stimei de sine: 45 de
manageri cu stimă de sine ridicată,
215 de manageri cu stimă de sine
medie, 40 cu stimă de sine
scăzută (niveluri stabilite în urma
unei testări psihologice).
5. Stabilim ca din fiecare strat să
extragem un număr egal de
participanŃi: 30. Utilizând tabelul
cu numere aleatore sau tragerea la
sorŃi extragem 30 manageri cu
stimă de sine ridicată, 30 de
manageri cu stimă de sine medie,
30 de manageri cu stimă de sine
scăzută.
6. Cei 30 de manageri participanŃi
din fiecare eşantion alcătuit sunt
repartizaŃi aleator în cele două
condiŃii (metode de formare a
competenŃei psihosociale). Astfel,
pentru fiecare metodă avem 45
participanŃi: 15 cu stimă de sine
ridicată, 15 cu stimă de sine
medie, 15 cu stimă de sine
scăzută. (Figura 5.1)
81
 PopulaŃia: 300 manageri

Clasificare
(testare)

45 de manageri cu 215 de manageri cu 40 de manageri cu

stimă de sine ridicată stimă de sine medie stimă de sine
scăzută

SelecŃie SelecŃie SelecŃie

aleatoare aleatoare aleatoare

30 manageri 30 manageri 30 manageri

Repartizare Repartizare Repartizare

aleatoare aleatoare aleatoare

15 15 15 15 15 15
manageri manageri manageri manageri manageri manageri

Metoda A Metoda B Metoda A Metoda B Metoda A Metoda B

Metoda A =15+15+15 = 45 participanŃi

Metoda B =15+15+15 = 45 participanŃi

Figura. 5.1. Schema eşantionă rii aleatoare stratificate bazată

pe stima de sine pentru a compara două metode (A şi B) de
formare a competenŃei psihosociale în conducere.

82
Caseta 5.9. Algoritmul eşantionării aleatoare multistadiale
(cluster)

Paşii algoritmului Exemplu

În eşantionarea aleatoare multistadială (cluster) selecŃia

participanŃilor care formează eşantionul se face indirect, prin
intermediul selecŃiei grupurilor de care aceştia aparŃin.
1. Identificarea şi definirea 1.PopulaŃia este alcătuită din toŃi
populaŃiei. cei 5.000 profesori din
Dobrogea.
2. Stabilirea mărimii 2. Mărimea dorită a eşantionului
eşantionului. este 500.
3. Se identifică şi se stabileşte 3. Grupul (cluster-ul) este
grupul logic (cluster). şcoala.
4. Se alcătuieşte lista care 4. Se alcătuieşte lista cu cele
conŃine grupurile ce 100 de şcoli din Dobrogea.
alcătuiesc populaŃia.
5. Se estimează numărul 5. Chiar dacă şcolile diferă ca
populaŃiei pentru fiecare grup număr de profesori, există în
(cluster). medie 50 de profesori în fiecare
şcoală .
6.Se determină numărul de 6. Mărimea dorită a
grupuri împărŃind mărimea eşantionului, 500, se împarte la
eşantionului la mărimea numărul estimat de profesori din
estimat ă a grupului. fiecare şcoală, 50.
Deci 500:50=10
7.Se selecŃionează aleator 7. Se selecŃionează aleator 10
numărul de grupuri (tabelul din cele 100 de şcoli din
cu numere aleatoare sau urna) Dobrogea
8. ToŃi membrii din grupurile 8. ToŃi profesorii din cele 10
selecŃionate fac parte din şcoli selecŃionate fac parte din
eşantion. eşantion (10 şcoli ·50 profesori
=500 de membri/participanŃi)

83
Caseta 5.10. Algoritmul eşantionă rii aleatoare proporŃionale
cu mărimea

Paşii algoritmului Exemplu

Să presupunem că vrem să executăm o cercetare pe elevii din

liceele dobrogene (20), evident fiecare cu un număr diferit de
elevi.
1.Inventarierea unităŃilor 1. Se trec pe o listă toate liceele
de eşantionare şi a din Dobrogea şi numărul de elevi
dimensiunii acestora. al fiecăruia.
2.Calculul populaŃiei 2. Se calculează frecvenŃa
cumulate. cumulată a întregii populaŃii Ńintă.
Liceul PopulaŃia Frecv. Cumulată
1 400 400
2 300 700
3 200 900
4 300 1200
5 500 1700
. . .
. . .
20 300 9000
3. Se stabileşte volumul 3. Stabilim ca volumul
eşantionului. eşantionului să fie de 300 de elevi.
4. Determinarea 4. Stabilim ca eşantionul de 300
numărului de unităŃi de de elevi să fie alcătuit din elevii a
eşantionare şi stabilirea 15 licee (câte 20 din fiecare); cele
acestora prin 15 licee sunt extrase aleator.
eşantionarea aleatoare .
5. Stabilirea pasului de 5. Cei 9000 elevi de liceu din
eşantionare prin Dobrogea împărŃit la 15
împărŃirea populaŃiei 9000:15=600
totale la numărul de
unităŃi.
6. Stabilirea punctului de 6. Alegem aleatoriu un număr între
start. Se alege aleatoriu 1 şi 600. Să presupunem că acest
un număr între 1 şi pasul număr este 115. Verificăm coloana
de eşantionare. frecvenŃei cumulate pentru a vedea
unde se află 115; în cazul nostru-
în cadrul liceului notat cu 1. Din
acest liceu vom extrage aleator 20
84

7. Stabilirea eşantionului.
La punctul de start se
adaugă valoarea pasului.
Procesul continuă până la
stabilirea celor 15 licee
(300 de participanŃi) .
elevi.
7. La punctul de start 115 se
adaugă valoarea pasului 600 şi se
obŃine 715. Elementul cu numărul
715 se găseşte în unitatea 3; de aici
vor fi selectaŃi aleator 20 elevi.
La numărul 715 se adaugă pasul
de eşantionare 600, deci 715 + 600
= 1315 element care se va găsi, în
cazul nostru, în liceul 5. De aici
vom selecŃiona aleator 20 elevi
etc.
85
ÎNTREBĂRI, EXERCIłII ŞI APLICAłII PRACTICE

5.1.
a) Care este diferenŃa esenŃială dintre populaŃie şi eşantion?
b) De ce şi cum utilizăm eşantioanele într-o cercetare?

5.2. Ce este eşantionarea?

5.3. Care este scopul eşantionării?

5.4. Care sunt întrebările esenŃiale care se pun în legătură cu

eşantionarea?

5.5. Care sunt caracteristicile cercetării selective/prin

eşantionare?

5.6. Care sunt avantajele cercetării prin eşantionare?

5.7. Care este principalul dezavantaj al cercetării prin

eşantionare/cercetării selective?

5.8.
a) Când un eşantion este reprezentativ?
b) Când un eşantion nu este reprezentativ?

5.9. Ce sunt erorile de reprezentativitate?

5.10. De ce studenŃii de la Facultatea X care urmează cursul

opŃional Y nu constituie un eşantion reprezentativ pentru
studenŃii din universitatea de apartenenŃă?

5.11. Care sunt etapele principale în orice demers de

eşantionare ?

86
 5.12. Care este procedura fundamentală pentru constituirea
unui eşantion reprezentativ?

5.13.
a) Care este diferenŃa dintre tehnicile de eşantionare
probabiliste şi cele nonprobabiliste ?
b) De ce tehnicile probabiliste de eşantionare au şanse mai
mari de a produce un eşantion reprezentativ?
c) Care tehnică de eşantionare probabilistă produce un
eşantion mai reprezentativ?
d) În algoritmii de eşantionare primul pas îl constituie
definirea şi identificarea populaŃiei. Ce se înŃelege prin
„definirea populaŃiei”?

5.14. De ce se recurge la tehnici de eşantionare

nonprobabilistă (numite şi tehnici dirijate de eşantionare)?

5.15.
a) Care este diferenŃa dintre eşantionarea aleatoare simplă şi
cea aleatoare sistematică ?
b) Ce este eşantionarea aleatoare stratificat ă?
c) Ce este eşantionarea multistadială sau cluster?

5.16. Într-o cercetare în care rezultatele sunt obŃinute de la

un eşantion reprezentativ alcătuit prin eşantionarea aleatoare
(randomizare) simplă care din următoarele enunŃuri este
adevărat?
a) Rezultatele pot fi generalizate la acea populaŃie.
b) Eşantionul poate fi obŃinut numai prin randomizare
simplă.
c) Procedura de eşantionare este similară cu cea utilizată în
majoritatea cercetărilor experimentale.
d) Răspunsurile (a) şi (b).
e) Nici unul.

87
 5.17. Ce este eşantionarea cu probabilităŃi inegale
(eşantionare proporŃională cu mărimea)?

5.18.
a) Ce este eşantionarea de convenienŃă?
b) Ce este eşantionarea pe cote?
c) Ce este eşantionarea prin identificare (snowball)?

5.19. Ce este eşantionarea de convenienŃă?

5.20. Care sunt şi în ce constau principalele procedee ale

eşantionării de convenienŃă?

5.21. Care din următoarele afirmaŃii despre eşantionarea de

convenienŃă este acceptabilă?
a) Ar trebui să fie, pe cât posibil, evitată.
b) Este adecvată numai pentru eşantioanele foarte mari.
c) Poate fi utilizată numai în anumite circumstanŃe.
d) Este o tehnică de eşantionare non- probabilistă.
e) Atât (c) cât şi (d).

5.22. Care sunt avantajele şi dezavantajele eşantionării pe

cote?

5.23. În ce constă eşantionarea prin evaluare (judgment

sampling)?

5.24. Un post de televiziune prezintă în cadrul programului

de ştiri un caz de crimă, incluzând imagini cu părinŃii îndureraŃi ai
victimei. Televiziunea respectivă iniŃiază apoi un sondaj de
opinie şi îi invită pe telespectatori să telefoneze şi să se
pronunŃe pentru sau împotriva pedepsei capitale pentru crimă.
Rezultatul sondajului a arătat că 81% din cei 20 000 de
telespectatori care au telefonat sunt în favoarea pedepsei capitale.
88
 Care din următoarele concluzii este adevărată?
a) Rezultatele studiului pot fi generalizate la toate
persoanele (populaŃia) care urmăresc programele de ştiri.
b) Rezultatele studiului pot fi generalizate la toate
persoanele care au televizor.
c) Rezultatele studiului pot fi generalizate la toate
persoanele interesate de problema pedepsei capitale.
d) Rezultatele studiului pot fi generalizate numai dacă vom
şti mai multe despre metoda de eşantionare.
e) Rezultatele studiului puteau fi generalizate dacă s-ar fi
eliminat aspectul emoŃional indus de imaginea p ărinŃilor
îndureraŃi.

5.25. Ce este deformarea prin voluntariat într-o cercetare?

5.26. Cât de mare trebuie să fie eşantionul?

5.27. Mărimea eşantionului asigură validitatea concluziilor/

rezultatelor ?

5.28. Care sunt factorii de care depinde volumul

eşantionului într-un sondaj?

5.29. Să se calculeze volumele eşantioanelor constituite

prin eşantionare aleatoare simplă în care:
a) ∆=0,36; nivelul de încredere: 95%; σ =1,96;
V p ( N ) = 180.
b) idem pentru ∆=0,48 şi ∆=0,80.
c) idem a) şi b), dar fără a cunoaşte volumul populaŃiei
( populaŃie mare).

5.30. Să se calculeze volumul eşantionului pentru o

cercetare privind opŃiunile politice ale electoratului în care:
a) p = 50%, ∆ = 0,5%; nivelul de încredere = 95%.
89
 b) p = 30%, celelalte date identice (populaŃii mari).
c) idem a) şi b), dar cunoaştem N (volumul populaŃiei):
N = 3600 ( populaŃie mică).

5.31. De ce eşantioanele în studiile de sondaj pentru

România au în jurul a 1100 de respondenŃi (subiecŃi)?

5.32. Cum obŃinem un eşantion reprezentativ de studenŃi ai

UniversităŃii „ Ovidius” din ConstanŃa?
StabiliŃi volumul acestuia în funcŃie de tipul de cercetare pe
care o preconizaŃi şi descrieŃi/indicaŃi în mod concret
operaŃiunile de alcătuire a eşantionului conform algoritmilor din
Casetele 5.6. - 5.10.

90