Escopo e metodologia das pesquisas
O que é amostra em pesquisa/enquete?
Quais são os tipos de população que existem em uma pesquisa/enquete?
Qual o objetivo ao usar uma amostra?
Por que a utilização de amostra é útil?
Quais as vantagens de se trabalhar com amostras?
Quais são os tipos de amostras que existem?
Quais são os mitos da amostragem?
Quais os elementos fundamentais na definição da amostra?
Qual a diferença entre parâmetro e estimador?
O que significa margem de erro de uma pesquisa amostral?
O que significa intervalo de confiança de uma pesquisa amostral?
O que é nível de significância?
Qual a relação entre o tamanho da amostra e o erro amostral?
Qual a relação entre o tamanho da amostra e o nível de confiança?
Como se garante a representatividade de uma amostra?
Como saber o erro amostral de uma pesquisa/enquete?
Como saber o tamanho da amostra?
Como calcular a amostra de uma pesquisa?
Quais cuidados devem ser tomados no momento de utilizar os dados oriundos de uma amostra?
Como descrever os resultados de uma pesquisa/enquete por amostra?
O que são estimativas e inferências?
O que é amostra em pesquisa/enquete?
A amostra é alguma parte da população utilizada em uma pesquisa/enquete, onde se observam as características dessa parte para fazer afirmações válidas sobre toda a população. Mas para que essa validade se confirme é preciso que a amostra seja uma réplica em pequena escala de toda a população da qual se deseja obter informações. Sendo necessário a definição apropriada da população alvo.
O que é uma população?
População é um conjunto de unidades individuais, que podem ser pessoas, objetos ou resultados, com pelo menos uma característica comum, que se pretende conhecer. População entendida como um conjunto de todos os elementos sob investigação.
Quais são os tipos de população que existem em uma pesquisa/enquete?
- população-alvo: aquela para qual se gostaria de obter a informação.
- população referenciada: aquela cuja definição foi baseada num sistema de referência (cadastro) e não necessariamente é a mesma da população-alvo.
- população de pesquisa ou amostrada: é aquela que será realmente coberta pela pesquisa, que pode conter unidades não previstas, ou ainda faltar unidades que, apesar de previstas, foram perdidas. Ou ainda, aquela que foi feito algum filtro, como somente pessoas do sexo feminino, ou da faixa etária até 60 anos de idade.
Qual o objetivo ao usar uma amostra?
O objetivo ao usar uma amostra é fazer generalizações sem precisar examinar todos os elementos da população.
Por que a utilização de amostra é útil?
Uma amostra só é útil se obedecer a exigência de ser representativa do universo/população a que se refere. Não adianta a amostra ser grande, se não representa o todo. Quando ela não representa o todo passa a ser viciada. Ao contrário do que muitos pensam, a qualidade da amostra depende mais da forma de seleção do que o seu tamanho. Ela tem de ser um retrato da população, mas em tamanho reduzido.
Quais as vantagens de se trabalhar com amostras?
- com um número mais reduzido de indivíduos é possível se obter um ganho em qualidade dos dados;
- quando os recursos humanos e materiais são escassos (tempo e dinheiro);
- os dados são mais atualizados porque as informações das quais se necessita se alteram no tempo sofrendo mudanças significativas;
- tem-se maior qualidade dos dados, pois com um número mais reduzido de unidades a serem observadas é possível se obter um ganho em qualidade dos trabalhos;
- é possível dimensionar os erros, porque mesmo com a adoção de censo seriam cometidos erros, porém não seria possível dimensioná-los, diferentemente da amostra onde os erros cometidos são quantificáveis;
O que é censo?
Censo envolve o exame de todos os elementos da população.
Quando se deve usar o censo (o exame da totalidade da população)?
- Quando a população é considerada muito pequena e sua amostra fica relativamente grande;
- Quando as características da população são de fácil mensuração, mesmo que a população não seja pequena;
- Quando há necessidade de alta precisão.
Quais são os tipos de amostras que existem?
As probabilísticas e as não-probabilísticas.
O que é uma amostra probabilística?
É aquela cujas unidades da população, sem exceção, têm alguma probabilidade de seleção na amostra, ou seja, têm a probabilidade de seleção conhecida e diferente de zero. Esse método tem como característica fundamental o fato de permitir que os resultados coletados possam ser submetidos ao tratamento estatístico, podendo ser generalizados para a população em questão.
O que é uma amostra não-probabilística?
Na amostra não-probabilística não se conhece a priori a probabilidade que um elemento da população tem de pertencer à amostra. Ela se baseia na experiência do pesquisador. Como exemplo clássico tem-se a amostragem por julgamento ou intencionais, sendo impossível a mensuração da probabilidade de seleção, por ser um critério puramente subjetivo. Como esse método se baseia, principalmente, na experiência do pesquisador, não é possível a aplicação de tratamento estatístico aos seus resultados. É inviável a generalização dos resultados obtidos através da amostra para a população. A limitação se deve à impossibilidade de demonstração segundo as normas de cálculo hoje existentes de extrapolar os resultados.
Quando devo usar a amostra não-probabilística?
Ela é útil em determinados contextos, como a busca exploratória de informações ou sondagem, ou ainda quando se deseja obter informações detalhadas sobre questões particulares, durante um espaço pequeno de tempo. Quando a população é inacessível. Quando já existem indícios, sendo então intencional e quando o tempo de execução de uma amostra probabilística é inviável.
Quando devo usar a amostra probabilística?
Quando se deseja a generalização ou projeção dos resultados obtidos na amostra para a população à qual ela se refere.
O que é uma probabilidade de seleção?
As probabilidades de seleção são os pesos de seleção das unidades da amostra. Esses pesos se alteram a depender do tamanho da população e da amostra, dos métodos de amostragem adotado, da estratégia amostral etc.
A probabilidade de seleção de cada unidade amostral deve ser conhecida, porque é ela que permitirá o cálculo das estimativas sem viés.
Quais são os tipos de amostras não-probabilísticas?
- Amostra a Esmo: Imagine uma caixa com 1.000 parafusos. A enumeração desses parafusos ficaria muito difícil. Então, em situações desse tipo, supondo que a população de parafusos seja homogênea, escolhemos a esmo a quantidade relativa ao tamanho da amostra. Quanto mais homogênea for a população, como a de parafusos, as unidades serão escolhidas para compor a amostra de um determinado tamanho sem nenhuma norma ou a esmo.
- Amostra Intencional: A amostragem intencional corresponde àquela em que o pesquisador deliberadamente escolhe certos elementos para pertencer à amostra por julgar tais elementos bem representativos da população. Um exemplo desse tipo de amostragem corresponde à situação em que desejamos saber a aceitação de uma nova marca de whisky a ser inserida no mercado de uma cidade. Somente entrarão para compor a amostra pessoas que façam uso da bebida e que tenham condições financeiras de comprar essa nova marca.
- Amostra por Cotas: a população é dividida em grupos e, na sequência, é determinada uma cota proporcional ao tamanho de cada grupo. Entretanto, dentro de cada grupo não é feito sorteio, mas sim os elementos são procurados até que a cota de cada grupo seja cumprida. Encontramos esse tipo de amostra em pesquisas eleitorais quando a divisão de uma população ocorre em grupos; considerando, por exemplo, o sexo, o nível de escolaridade, a faixa etária e a renda, que podem servir de base para a definição dos grupos, partindo da suposição de que essas variáveis definem grupos com comportamentos diferenciados no processo eleitoral.
Quais são os tipos de amostras probabilísticas?
- Amostragem Aleatória Simples (AAS);
- Amostragem Sistemática (AS);
- Amostragem Estratificada (AE);
- Amostragem por Conglomerados (AC);
E demais combinações desses tipos, como por exemplo, em uma amostra estratificada é possível se fazer uma AAS dentro de cada estrato, ou ainda, em uma amostra por conglomerados é possível se fazer amostra estratificada no primeiro estágio e AAS no segundo estágio.
O que é uma Amostra Aleatória Simples (AAS)?
É aquela em que os elementos selecionados possuem o mesmo peso de seleção, ou seja, a mesma chance de ser selecionado. Esse tipo não é muito utilizado devido ao seu tamanho, geralmente, ser muito grande se comparado a outros tipos. Além do fato de não ser possível se garantir a proporcionalidade das características da população pesquisada.
Outra informação importante é que quando se adota algum tipo de ponderação nos elementos a serem selecionados, essa amostra deixa de ser simples e passa a ser considerada complexa, que significa dizer que os pesos de seleção devem ser considerados no momento de se fazer as estimativas e não é possível a adoção das fórmulas padrão da AAS de estimar média, total, proporção, etc., que não se leva em consideração o peso de seleção por serem iguais.
O que é uma Amostra Sistemática (AS)?
A amostra sistemática é uma variante da AAS, ela é, na verdade mais uma regra de seleção dos elementos da amostra baseada na posição onde estes se encontram, que pode variar conforme a população se apresenta. Ela é muito utilizada quando não se tem uma lista ou registro onde seja possível enumerar os elementos distribuídos num espaço, como por exemplo, pessoas em um auditório, ou pessoas que entram em um Banco, então se estabelece uma regra de seleção, como no auditório, a cada fileira selecionar de cinco em cinco, até se esgotar as fileiras de pessoas do auditório ou no Banco a cada três pessoas que entram, selecionar uma, durante um período de tempo, etc. Lembrando que nesse caso do Banco, para que a amostra seja representativa deve-se considerar os horários de funcionamento do Banco, pois existem horários de pico, quando tem mais gente etc.
O que é uma Amostra Estratificada (AE)?
A amostra estratificada consiste em separar os elementos da população em grupos distintos, chamados de estratos, onde são selecionadas amostras dentro destes estratos. O princípio da estratificação é dividir a população de tal forma que as unidades dentro do estrato são as mais semelhantes possíveis. O objetivo é evidenciar as possíveis diferenças existentes nos grupos distintos da população, como também reduzir a variação total, pois, em sendo os elementos mais homogêneos dentro do estrato, a variância dentro do estrato é menor, e quando as variâncias dos estratos são somadas essa é menor que a variação total quando os estratos são desconsiderados
Esse tipo de amostragem resulta, geralmente, em uma amostra de menor tamanho que a AAS e costuma representar melhor a população que a AAS porque permite se distribuir proporcionalmente algumas características da população, como por exemplo, em uma amostra nacional pode-se estratificar a amostra por regiões ou estados da federação do país, ou ainda estratificar uma população pelas características sociodemográficas, como por faixas etárias ou sexo, etc.
O que é uma Amostra por Conglomerados (AC)?
A amostra por conglomerados é constituída por unidades populacionais reunidas em grupos denominados conglomerados, eles se dividem na população em unidades primárias, e essas unidades primárias serão formadas por unidades secundárias e assim por diante.
O resultado disso é a diminuição do espaço amostral, e, consequentemente, há um aumento do espalhamento e da variação, porque os conglomerados, na prática, têm tamanhos diferentes, diminuindo assim a precisão, porém a representatividade é preservada e os custos são menores.
Ela pode ser em um ou mais estágios: em um estágio é quando selecionados os grupos, todos seus elementos farão parte da amostra; e em mais estágios quando os grupos são arranjados segundo uma hierarquia até chegar às unidades elementares.
Após a seleção dos grupos, no primeiro estágio, se estabelece os grupos existentes no segundo estágio, que estão dentro dos grupos do primeiro e se procede um outro sorteio para determinar a amostra dos grupos no segundo estágio, depois faz-se a seleção de uma amostra de elementos desses grupos. Como por exemplo, em uma amostra de alunos de um município, pode-se fazer uma amostra de escolas no primeiro estágio, inclusive estratificada por tipo (rural ou urbana – pública ou privada) e diante das escolas selecionadas, fazer uma amostra de alunos de cada escola selecionada, podendo também ser estratifica por série escolar etc.
Os métodos para fazer as amostras em cada um desses estágios podem variar, sendo possível se fazer inúmeras combinações de métodos, podendo ser uma amostra estratificada no primeiro estágio e uma amostra aleatória simples no segundo estágio etc. A escolha irá depender da necessidade e/ou conveniência do pesquisador, e de como a população se apresenta.
Quais são os mitos da amostragem?
- o mito de que a eficiência dos resultados amostrados está, única e exclusivamente, ligada ao tamanho da amostra, ou seja, quanto maior a amostra, mantendo-se tudo o mais constante, maior a precisão. É sempre bom ressaltar que há um determinado tamanho de amostra a partir do qual aumentar o número de unidades não oferece ganhos significativos adicionais na precisão e nem de informação adicional, isso sem mencionar os custos adicionais crescentes associados a esse aumento. Depois de um certo tamanho de população, o ingresso de novos elementos na mesma não mais sensibiliza o tamanho da amostra, ou seja, há um certo patamar para o tamanho das amostras em que a inclusão de novos elementos amostrais não agrega informações significativas, ou seja, a partir desse ponto, nenhum elemento extra traz novidades ao processo, pois todas as nuances da população já foram suficientemente capturadas.
- o mito de que tamanho da amostra não aumenta proporcionalmente ao tamanho da população, com o crescimento da população, passam a distanciar-se progressivamente do tamanho da amostra.
- o mito que existe em torno do tema de amostragem é o de que uma boa amostra é aquela que tem 10% (dez por cento) da população. Isto não é verdade, pois o tamanho da amostra gerado por tal percentual pode ser bem menor que o necessário ou pode ser muitíssimo maior do que seria preciso (toma-se, como exemplo, as pesquisas eleitorais, imagine se fosse necessário dez por cento da população de eleitores para se obter informações a respeito das eleições presidenciais?).
- o mito de que uma amostra de 30 (trinta) elementos é sempre suficiente. Em alguns casos pode até ser, mas não sempre. A origem dessa ideia vem da interpretação equivocada decorrente do Teorema do Limite Central, que preconiza que, para se realizar inferências estatísticas utilizando parâmetros da distribuição Normal, a amostra deve ser suficientemente grande, e que isso ocorre quando essa compreende, no mínimo, trinta ou mais elementos. Caso a amostra tenha menos de trinta elementos a distribuição a ser adotada deve ser a t de Student. Sendo assim, o número trinta não é um número mágico que serve para dimensionar qualquer amostra.
Quais os elementos fundamentais na definição da amostra?
- Definição do(s) objetivo(s): para se elaborar um plano amostral é preciso saber exatamente qual o objetivo pesquisa/enquete, ou seja, o que se deseja obter com os resultados e de posse deles a quais conclusões deseja-se chegar.
- Definição do universo ou população de interesse: quando os objetivos da pesquisa/enquete estão bem definidos fica claro o estabelecimento de qual é a população alvo a ser considerada para a elaboração da amostra, bem como a definição das unidades de amostragem (elementos).
- Definição do elemento (unidade amostral): a unidade amostral é aquela que sofrerá a ação da pesquisa/enquete diretamente, ou seja, que será objeto de algum questionamento por parte do pesquisador.
- Estabelecimento da precisão: a precisão nada mais é que o máximo que se deseja errar ao se obter os resultados. A precisão influenciará diretamente no tamanho da amostra, quanto mais precisos forem os resultados que se deseja obter, maior será o dimensionamento da amostra, e vice-versa.
- Aleatoriedade: a seleção dos elementos ou unidades da amostra devem ser imperativamente aleatórias. A aleatoriedade é um pressuposto fundamental para se evitar inclusão de tendenciosidade nos resultados, ou seja, que não se está influenciando na escolha dos elementos da amostra com seu juízo pessoal, que além de não ser padronizado, coloca em risco os resultados da amostra, tornando-a enviesada e, portanto, resultando em informações equivocadas a respeito da população alvo da amostragem. Sendo assim, uma amostra sem aleatoriedade é tendenciosa, levando o pesquisador a conclusões errôneas.
- Representatividade: esse é outro fator fundamental quando se fala em amostragem. Para que a amostra seja representativa ela deve ser, de fato, um retrato da população que ela objetiva representar só que em uma dimensão menor, ou seja, a amostra deve conter todos os tipos de elementos da população. Isso significa que todas as características que a população possui devem ser preservadas na amostra, por exemplo, se uma população possui elementos de várias classes e em diferentes quantidades, a amostra deve retratar e respeitar essas diferenças e proporções.
Qual a diferença entre parâmetro e estimador?
Um parâmetro se refere a uma estimativa (média, total, proporção etc.) obtida com dados da população e um estimador se refere a uma estatística (média, total, proporção etc.) obtida com dados da amostra. Geralmente os valores dos parâmetros são desconhecidos e por isso se faz amostras, para se obter os estimadores dos parâmetros.
O que significa margem de erro de uma pesquisa amostral?
A margem de erro é uma estatística que expressa a quantidade de erro amostral aleatório nos resultados de uma pesquisa. Ela é a largura do intervalo de confiança para a mesma estatística. Quanto maior a margem de erro, menor a precisão dos resultados de uma pesquisa/enquete. É o quanto de erro se comete para mais e para menos em relação ao valor estimado com base nos dados amostrais.
O que significa intervalo de confiança de uma pesquisa amostral?
O intervalo de confiança mede a magnitude do erro que estamos cometendo por estarmos utilizando uma amostra e não o censo. Ele é construído de modo que esse intervalo tenha uma probabilidade conhecida de conter dentro dele o verdadeiro valor do parâmetro, ou seja, o valor da população pesquisada. Ele pode variar a depender no nível de confiança adotado no momento de calcular as estimativas baseadas na amostra coletada.
O intervalo de confiança é obtido somando e subtraindo do valor estimado (média, total, proporção etc.) o desvio-padrão multiplicado pelo nível de confiança (tabelado), preferencialmente, o mesmo adotado no momento de calcular o tamanho da amostra.
O que é nível de significância?
Os intervalos de confiança são baseados na distribuição amostral do estimador pontual. Ele pode ou não conter o parâmetro que se deseja conhecer, no caso, uma média, um total, ou uma proporção. Então, em todas as possibilidades de amostras de uma determinada população, quando se estabelece um nível de confiança de 95%, significa dizer que em 95% dessas possíveis amostras, considerando todas as combinações de amostra, quando estimamos o parâmetro de interesse, o intervalo estimado tem o parâmetro (real), que é desconhecido, dentro do intervalo estimado e que em 5% das possíveis amostras o parâmetro de interesse não se encontra dentro do intervalo estimado, ou seja, esses 5% são as amostras que não são representativas da população e irão produzir resultados viciados ou enviesados.
Isso significa dizer que não há garantia que a sua amostra terá o parâmetro populacional está dentro do intervalo, pois ela pode ser uma das amostras dos 5% de possibilidades. A única forma de evitar que a sua amostra esteja dentro dos 5% indesejáveis é que ela seja de fato representativa da população.
Qual a relação entre o tamanho da amostra e o erro amostral?
Quanto maior o erro, menor o tamanho da amostra e, consequentemente, menor a precisão das estimativas. Aqui é preciso ponderar que se a precisão for pequena a informação coletada poderá ser inútil, como em um exemplo de meteorologia, quando a estimativa indica em seu intervalo de confiança que está fazendo entre 40% e 80% de umidade, o que se pode dizer à respeito da umidade do ar, está ou não úmido?
Qual a relação entre o tamanho da amostra e o nível de confiança?
Quanto maior o nível de confiança, maior o tamanho da amostra, porém menor é a precisão. Isso se deve ao fato de que o nível de confiança quando aumenta, aumenta a largura do intervalo de confiança e consequentemente a precisão da estimativa diminui.
Como se garante a representatividade de uma amostra?
Fazendo com que todos os tipos de elementos da população pesquisada estejam presentes na sua amostra e de forma proporcional. Todas as características que a população possui devem ser preservadas na amostra, assim se garante que a amostra realmente representa a população pesquisada.
Como saber o erro amostral de uma pesquisa/enquete?
É importante a esclarecer é que existem dois erros quando se fala em amostragem: um é o erro utilizado no momento do cálculo da amostra para definir o tamanho da mesma, esse erro é discricionário, ou seja, escolhido pelo estatístico com base na sua experiência, ou na experiência de quem demandou a amostra, ou ainda na adoção do erro máximo possível; outro erro é o erro oriundo dos dados coletados pela amostra, que deve ser considerado no momento de se fazer as estimativas.
Um é o quanto se permite errar (anterior à coleta) para calcular o tamanho da amostra e o outro é o que realmente de fato se errou (posterior à coleta).
Erro amostral se refere apenas à discrepância que pode resultar de julgar o todo com base em um número muito menor. O erro a ser considerado deve ser aquele proveniente das estimativas posteriormente a coleta dos dados. Esse é o erro real calculado com base na variação dos dados oriundos da amostra efetivamente coletada. Para obtê-lo basta dividir a largura do intervalo de confiança por dois.
Lembrando que cada estimativa produz um intervalo diferente. Com exceção das estimativas de alternativas de uma questão que as alternativas são apenas duas e complementares, todas as demais questões com mais de uma alternativa e que não são complementares irão produzir intervalos de confiança diferentes, exceto por coincidência das variações, o que é muito raro, mas pode acontecer.
Se meu questionário possui várias perguntas e com várias alternativas de respostas não complementares, como faço para obter o erro amostral da pesquisa/enquete como um todo?
Considere o erro aquele oriundo do maior intervalo de confiança estimado para alguma alternativa de resposta do questionário. Assim se garante que o erro será, no máximo, esse erro.
O que é uma amostra viciada?
É aquela que tem embutida erros não-amostrais, ou seja, sistemáticos. Os erros sistemáticos podem ter várias origens:
- ausência de aleatoriedade;
- erro de coleta;
- erros de má concepção do instrumento de coleta (má formulação de perguntas e alternativas de resposta ao questionário);
- erros de preenchimento;
- erros na definição equivocada do plano/estratégia amostral;
- erros de não resposta.
Como saber o tamanho da amostra?
O tamanho da amostra adequado irá depender de vários fatores: dos recursos de que se dispõe (humanos, materiais, de tempo, etc.), do método de amostragem escolhido, da maneira como se deseja obter os resultados, das variações do fenômeno associadas às diferenças existentes na população, ou seja, depende da homogeneidade da população e do grau de precisão desejado. A depender de cada fator o tamanho da amostra irá variar.
Existem fórmulas de cálculo do tamanho da amostra em que é possível considerar o custo unitário de pesquisa de cada elemento, mas como não é o único fator a se considerar, a decisão irá depender também dos demais fatores adotados.
Como calcular a amostra de uma pesquisa?
Apesar de existirem diversos sites na internet que oferecem o serviço de calculadora de amostragem de forma gratuita, é preciso muita cautela em utilizá-los, porque atualmente não existem procedimentos automáticos de cálculo de tamanho de amostra nos aplicativos estatísticos, sendo necessária a sua programação para incorporação dos métodos (fórmulas) de amostragem que se deseja utilizar. E mesmo que se tenha incorporado os métodos, a definição da amostra está relacionada a várias escolhas que irão depender de como a população se apresenta, como se deseja obter os resultados etc. Ou seja, cada caso é um caso. Não existe uma fórmula mágica e nem um caminho mais curto para se fazer amostragem de forma consistente.
O ideal é solicitar a um estatístico de formação, com prática em cálculo de amostragem, para não somente calcular o tamanho da amostra, como também executar e orientar as demais etapas de estimação e apresentação dos resultados, sempre levando em conta o plano amostral efetivamente utilizado.
Quais cuidados devem ser tomados no momento de utilizar os dados oriundos de uma amostra?
- Para se fazer as estimativas (médias, totais, proporções, etc.), com o objetivo de generalizações dos resultados, deve-se respeitar o respectivo método de amostragem adotado no momento do levantamento dos dados, tais como, o método utilizado para calcular o tamanho da amostra (AAS, AS, AE e AC), o peso de seleção da cada unidade selecionada e qual estimativa deseja fazer, porque para cada método escolhido para calcular o tamanho da amostra e sua seleção existe as respectivas fórmulas de calcular as estimativas e que são diferentes, inclusive para cada tipo de estimador (médias, totais, proporções, etc.). Isso significa dizer que se adotar a fórmula inadequada para estimar os parâmetros produzirá resultados enviesados/viciados.
- Outra premissa importante é levar em consideração a variação por se estar trabalhando com a amostra e não com o todo. Ou seja, é sempre bom lembrar que as estimativas possuem uma amplitude de variação quando da análise dos resultados, pois mesmo quando se fornece estimativas pontuais, deve-se lembrar sempre que essas não são exatas. Sendo assim, ao apresentar as estimativas pontuais é necessário apresentar conjuntamente as estimativas intervalares, que mostram o quanto aquele resultado pode variar, por se tratar de uma amostra e não do todo.
Como descrever os resultados de uma pesquisa/enquete por amostra?
Na apresentação dos resultados de uma pesquisa/enquete por amostra é preciso, primeiramente, descrever a população que está sendo pesquisada, a fonte dos dados, a sua distribuição e características.
Posteriormente deve-se descrever o método de amostragem adotado e o motivo da escolha do método, o nível de confiança e o erro escolhido. Apresentar a distribuição da amostra em uma tabela mostrando comparativamente à distribuição da população para o leitor visualizar que a proporcionalidade foi considerada no momento de elaboração da amostra.
Finalmente apresentar os resultados das estimativas sempre acompanhados das inferências para cada alternativa de resposta de cada questão do questionário.
O que são estimativas e inferências?
Estimativas são as médias, totais ou proporções, obtidas nas respostas às perguntas feitas no questionário da pesquisa que se desejava levantar por meio dos dados obtidos na amostra aplicada.
Inferências são as generalizações das estimativas obtidas para a população pesquisada. Como, por exemplo, em uma pesquisa por amostragem observou-se que a satisfação na resposta às manifestações é de 30%, que está variando entre 25% e 35%, de uma população de 2.000. Isto significa que 30% dos 2.000 resulta na inferência de 600 manifestantes, que está variando entre 500 e 700 manifestantes estão satisfeitos com as respostas às manifestações.