AMOSTRAGEM
This presentation is the property of its rightful owner.
Sponsored Links
1 / 22

AMOSTRAGEM PowerPoint PPT Presentation


  • 63 Views
  • Uploaded on
  • Presentation posted in: General

AMOSTRAGEM. Def: Ramo da Estatística que estuda técnicas de planejamento de pesquisa para possibilitar inferências sobre um universo a partir do estudo de uma pequena parte de seus componentes. Universo ou população = Conjunto de todos possíveis elementos

Download Presentation

AMOSTRAGEM

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Amostragem

AMOSTRAGEM

Def: Ramo da Estatística que estuda técnicas de planejamento de pesquisa para possibilitar inferências sobre um universo a partir do estudo de uma pequena parte de seus componentes.

Universo ou população = Conjunto de todos possíveis elementos

(todo o grupo) que podem fazer parte do estudo.

Exemplos:

Altura média dos médicos do HC. População = Todos os médicos do HC;

Percentual de peças com problemas numa fabrica.

População= Todas as peças fabricadas.

Efeitos de uma técnica nova de aprendizado para crianças com problemas

aprendizagem. População = Todas crianças com problemas de aprendizado.

O pesquisador é que define a sua população, baseado no grau de abrangência que pretende tirar do seu estudo. Pode ter restrições geográficas, temporais ou de outras ordens.


Amostragem

AMOSTRA : Pequena parte da população que se deseja estudar, fra-

ção da população alvo.

Amostra1

População

de idosos

em Rib. Preto

Amostra2

Logicamente quanto mais semelhante, mais parecida, mais próxima for

a amostra da população mais consistente serão seus resultados, mais pode-

rosas suas inferências, melhor o seu trabalho.

Vantagens: Custo menor, resultado em menor tempo, dados mais fidedignos (??), ordem ética (novas drogas, vacinas).


Amostragem

Linhas gerais de PLANEJAMENTO AMOSTRAL idealizado:

1 - Definição dos objetivos da pesquisa (não só no plano amostral), incluindo a população a ser amostrada, o universo dos possíveis participantes

2 - Escolha das variáveis a serem observadas em cada unidade amostral,

conforme o tipo de variável há um tipo de cálculo de tamanho amostral.

3- Especificação do grau de precisão desejado (adiante mais detalhes),

quanto maior a amostra (até um certo ponto) maior o grau de certeza a

respeito dos resultados obtidos.

4 - Escolha dos instrumentos de medida (ex:questionário) e da forma

de abordagem (ex: clássico)

5 - Realização de uma prova experimental, piloto, pré-teste; é

conveniente pois testem-se os instrumentos de medida, o tempo, o custo, possíveis interferências não previstas, fornece estimativas, orienta ajustes necessários.

6 - Cálculo do tamanho da amostra, conhecido seus componentes.


Amostragem

Estratégias ou Tipos de Amostragem

Amostragem aleatória(probabilística) simples: Cada componente da

população tem a mesma chance de ser escolhido para compor a amostra, através de uma seleção aleatória (ex: sorteio). Pode ser com ou sem reposição.

Amostragem aleatória estratificada: A população é dividida em estratos

subpopulações, havendo maior homogeneidade dentro dos elementos de

cada estrato do que entre estratos diferentes. Os estratos devem respeitar

a proporcionalidade com a população. Por exemplo, se sabemos que 70%

dos elementos de uma escola são mulheres, 70% da nossa amostra deve

ser de mulheres. A amostra foi estratificada por sexo. Dentro de cada

estrato realiza-se uma amostragem simples.

Amostragem por conglomerados: Conglomerado é um conjunto de unidades amostrais, p.ex. se crianças são a unidade amostral, as escolas são conglomerados. Cada conglomerado é uma miniatura da população, os conglomerados mais numerosos fornecerão mais unidades amostrais.


Amostragem

Amostragem por estágios múltiplos: É uma combinação de dois ou mais

planos amostrais. Por exemplo, pode-se fazer uma amostra aleatória

simples na qual as unidades amostrais são os conglomerados e dentro dos

conglomerados realizar-se uma amostra aleatória estratificada.

Ausência de resposta Falha na obtenção dados de uma unidade amostral.

Motivos: Unidade não encontrada; o entrevistado não sabe, não pode,

recusa-se a responder; perda, extravio do dado; apresenta viés...

Soluções: Reposição, substituição, da unidade amostral. Seleciona-se

aleatoriamente uma nova unidade amostral. Se não for possível, em

alguns casos pode-se estimar o valor que seria fornecido pela unidade perdida.

Existem técnicas estatísticas que permitem estimar o valor perdido,

substituir pela média, pelo valor semelhante ao que outra unidade com

características parecidas forneceu,...


Amostragem

Tamanho da amostra

É conveniente, e cada vez mais cobrado por bancas e referers, planejar

a priori o tamanho da amostra, para que se possa ter uma amostra

suficiente para detectar uma diferença importante.

Por outro lado, se não há planejamento, uma amostra excessivamente

grande pode tornar diferenças irrelevantes em estatisticamente

significativas, fora o tempo e o dinheiro jogados fora.

Lembre sempre da diferença estatística e da diferença prática

O que ou quem determina o tamanho da amostra ??

A pergunta da pesquisa, a hipótese a ser testada pelo pesquisador, conforme o desenho do estudo, o tipo das variáveis e, secundariamente, a precisão que o pesquisador deseja obter nos seus resultados.


Amostragem

Cálculo do tamanho da amostra para a realização

dos testes mais comuns

1 -Situação onde desejamos calcular um tamanho de amostra (n), com o

objetivo de compararmos a média obtida nos nossos dados com uma

média conhecida (da literatura, oficial, pesquisas anteriores),

sendo s estimado a partir de algo,ou de um pré-levantamento.

(s verdadeiro é desconhecido)

-Tipo de variável envolvida: Quantitativa contínua ou discreta, ou até mesmo categórica ordinal .Teoricamente com distribuição Normal.

Conhecimentos a priori:

Diferença a ser detectada: É o valor da diferença entre a média

conhecida e a média que será estimada dos nossos dados, que é considerada

relevante pelo pesquisador. O valor que diferente da média conhecida

produzirá uma mudança de comportamento, de padrão, de conhecimento.

Ex: Sabe-se que pacientes com a doença X tem sobrevida de 40 meses,

uma nova terapia esta sendo testada e será considerada superior se

aumentar para 48 meses a sobrevida. Diferença a ser detectada é de 8 meses.


Amostragem

Desvio padrão (s): Estimado a partir dos nossos dados ou de outra fonte.

Nível de significância (): Probabilidade de cometer o erro do tipo I, a

chance de dizer que as médias são diferentes quando são iguais.

H0: Média conhecida = média estim. X H1:Média conhecida  média est.

Normalmente utiliza-se 0.05 (5%), se pretendemos diminuir a chance

desse erro para menos (0.01) paga-se o preço coletando uma amostra maior.

Poder do teste (1-): Probabilidade de detectar uma real diferença, se ela

realmente existir. Normalmente utiliza-se 0.80 (80%), se pretendemos

aumentar esta chance para mais (90%) paga-se o preço coletando uma

amostra maior.

Tipo do teste: Bicaudal, se há diferença (para cima ou para baixo) entre

as médias ou Monocaudal, se interessa a diferença só para um lado.

Na maioria esmagadora das vezes utiliza-se o Bicaudal.

Portanto conhecimentos a priori: Diferença a ser detectada, Nível de

significância (), Desvio padrão (s), Poder do teste (1-) e Tipo do teste


Amostragem

Vamos em ‘Stats’, depois em

‘Power and Sample Size’ e

finalmente em ‘1 Sample t’

Surgirá a tela onde colocaremos

8 (48-40) no campo Difference,

0.80 em ‘Power values’ e 10 em

‘Sigma’ que é o desvio padrão.

Se clicarmos em ‘Options’

obteremos a seguinte tela.


Amostragem

Repare que o tipo do teste de hipóte

se já esta especificado como “Not

equal” que é o mesmo que bicaudal

bem como o nível de significância

de 0.05 . Para alterar alguns deles basta alterar.

Clicando em OK voltamos na tela

anterior e novamente em OK temos

o resultado.

Power and Sample Size

1-Sample t Test

Testing mean = null (versus not = null)

Calculating power for mean = null + difference

Alpha = 0,05 Sigma = 10

Sample Target Actual

Difference Size Power Power

8 15 0,8000 0,8213

Então para um  = 0.05, 1- = 0.80,

um dp = 10, num teste bicaudal é

necessária uma amostra de tamanho 15 para se detectar um diferença de 8 em relação a 40. Se nesta amostra de 15 nossa média for 48 (ou 32) a diferença entre a nossa média e a conhecida será significativa (p  0.05)


Amostragem

2 -Situação onde desejamos calcular um tamanho de amostra (n), com o

objetivo de compararmos duas médias obtidas de uma amostra.

Exemplo:Desejamos saber se o uso de anticoncepcional aumenta a pressão

sistólica nas mulheres de 30 a 35 anos. Os médicos estabeleceram que qual

quer diferença na ordem de 10 mmHg é importante. O desvio padrão é de

20 mmHg.

Tipos de variáveis envolvidas:Quantitativa contínua ou discreta, ou até

mesmo categórica ordinal que é a que será medida e a variável referente aos

grupos, que pode ser categórica ordinal, nominal ou uma var. quantitativa

que foi categorizada.Teoricamente a 1a. var.com distribuição Normal.

Conhecimentos a priori:

Diferença a ser detectada: Já especificada anteriormente

Desvio padrão: Já fornecido (na verdade teria de ser estudado).

Nível de significância, poder do teste e tipo do teste de hipótese:

Adotaremos o padrão, 0.05; 0.80, Bicaudal.


Amostragem

Voltamos à tela em ‘Power and

Sample Size’ e vamos em ‘2 -Sample t’.

Surge uma nova tela onde

colocamos os valores já definidos e damos OK

Temos então para as condições

estabelecidas que coletar uma amostra

Atenção, o n = 64

é o tamanho de

cada grupo

2-Sample t Test

Testing mean 1 = mean 2 (versus not =)

Calculating power for mean 1 = mean 2 + difference

Alpha = 0,05 Sigma = 20

Sample Target Actual

Difference Size Power Power

10 64 0,8000 0,8015


Amostragem

3 -Situação onde desejamos calcular um tamanho de amostra (n), com o

objetivo de compararmos mais de duas médias obtidas de uma amostra.

Exemplo:Desejamos saber se o uso de determinadas técnicas

fisioterapêuticas diminui o tempo de recuperação para determinada lesão.

Sabe-se que a técnica padrão leva 60 dias para a recuperação e serão

testadas 2 novas técnicas e uma terceira que é combinação das 2.

Como são técnicas custosas estamos interessados em diferenças a partir

de 15 dias. O desvio padrão é de 7 dias (estudos prévios).

Tipos de variáveis envolvidas:Quantitativa contínua ou discreta, ou até

mesmo categórica ordinal que é a que será medida e a variável referente

aos grupos, que pode ser categórica ordinal, nominal ou uma var. quantitativa

que foi categorizada.Teoricamente a 1a. var.com distribuição Normal.

Conhecimentos a priori

Número de níveis, fatores, grupos, tratamentos,.. = 4

Diferença a ser detectada: Já especificada anteriormente

Desvio padrão: Já fornecido.

Nível de significância, poder do teste e tipo do teste de hipótese: Adotare

mos o padrão, 0.05; 0.80, Bicaudal.


Amostragem

Voltamos à tela em ‘Power and Sample Size’ e vamos em ‘Oneway ANOVA’.

Na nova tela especificamos o no.

de tratamentos, a dif. mínima a ser detectada, o poder e o dp e damos Ok.

Portanto necessitaríamos de uma

amostra de 6 elementos em cada

grupo.

One-way ANOVA

Sigma = 7 Alpha = 0,05 Number of Levels = 4

Sample Target Actual Maximum

SS Means Size Power Power Difference

112,5 6 0,8000 0,8158 15


Amostragem

4 -Situação onde desejamos calcular um tamanho de amostra (n), com o

objetivo de compararmos uma proporção (percentual) em um experimento

com uma proporção conhecida da população.

Exemplo: Sabe-se que o percentual de crianças nascidas a pré-termo com

problemas de aprendizagem é 40%. Um novo método de ensino para estas

crianças foi desenvolvido, e será adotado se este percentual cair para 30%.

Tipos de variáveis envolvidas:Qualitativa nominal, ou outros tipos que

foram categorizadas.

Conhecimentos a priori:

Proporção na população: É o valor da proporção conhecido na população,

de estudos anteriores, da literatura, ou outras fontes. Se não tiver a menor

idéia use 0.50 que fornecerá o maior tamanho de amostra. Segurança.

Proporção sugerida (a ser detectada): É a proporção que se pretende

observar, que se deseja obter.

Nível de significância, poder do teste e tipo do teste de hipótese: São

os mesmos Adotaremos o padrão, 0.05; 0.80, Bicaudal.


Amostragem

Voltamos à tela em ‘Power and Sample

Size’ e vamos em ‘1 Proportion’

Na nova tela inserimos a proporção

sugerida em ‘Alternative values of p’

o poder do teste e em ‘Hypothesized

p ‘ colocamos o valor da proporção

conhecido na população. E OK

Portanto se amostramos 182 crianças

e o percentual delas com problemas

for igual ou inferior a 30% (55) a

diferença entre 30% e 40% será

significativa ( p  0.05).

O novo método será

eficaz.

Test for One Proportion

Testing proportion = 0,4 (versus not = 0,4)

Alpha = 0,05

Alternative Sample Target Actual

Proportion Size Power Power

0,300000 182 0,8000 0,8020


Amostragem

5 -Situação onde desejamos calcular um tamanho de amostra (n), com o

objetivo de compararmos duas proporções obtidas em uma amostra

Exemplo: Pacientes tratados com a droga A apresentam índice de melhora

de 70%; os pacientes tratados com a droga B apresentam melhora de 85%.

Qual o tamanho da amostra para que a diferença entre estas proporções se

já significante?

Tipos de variáveis envolvidas:Duas vars. qualitativa nominis, ou outros

tipos que foram categorizadas. Uma para os tratamentos e a outra referente

ao índice de melhora.

Conhecimentos a priori:

As duas proporções estimadas: Proporções estimadas de estudos

anteriores, literatura, de experimentos prévios, da experiência.

Nível de significância, poder do teste e tipo do teste de hipótese: São

os mesmos Adotaremos o padrão, 0.05; 0.80, Bicaudal.


Amostragem

Voltamos pela enésima tela em ‘Power

and Sample Size’ e vamos em`2 Proportions

Na nova tela inserimos os valores das

nossas proporções (70% e 85%) e o

poder do teste. E OK

Portanto são necessário 121 pacientes

em cada tratamento para que 85% seja significativamente superior a 70%.

Test for Two Proportions

Testing proportion 1 = proportion 2 (versus not =)

Calculating power for proportion 2 = 0,85

Alpha = 0,05

Sample Target Actual

Proportion 1 Size Power Power

0,700000 121 0,8000 0,8017


Amostragem

Nos estudos prospectivos, pode-se calcular um tamanho de amostra

apropriado, com poder de teste controlado. Trabalhos consistentes do ponto de vista metodológico (estatístico).

Nos estudos retrospectivos, quando em muitas situações não é possível se

calcular um tamanho de amostra (não há mais dados disponíveis) pode-se

estimar o poder do teste ( probabilidade de se detectar uma real diferença

se ela realmente existir), de modo a termos real noção do nosso resultado.

Exemplo: Depois de uma revisão de pastas, verificou-se que pac. portado

res de um determinado gene Y tem glicemia média de 80 e os não portado

res de média de 100. Haviam 7 pacientes em cada grupo e dp foi 15.

Após irmos e ‘2- Sample t’ temos a tela

onde colocaremos o tamanho dos grupos

(7), a diferença detectada (100-80=20) e

o dp = 15 e OK


Amostragem

Então para uma amostra de

7 em cada grupo a chance de

detectarmos uma diferença se

ela realmente existir(com os

parâmetros estipulados) é de

63%.

2-Sample t Test

Testing mean 1 = mean 2 (versus not =)

Calculating power for mean 1 = mean 2 + difference

Alpha = 0,05 Sigma = 15

Sample

Difference Size Power

20 7 0,6301

20 14 0,9243

Repare que se dobrarmos o tamanho

da amostra o poder do nosso teste vai para

92.4%

Para delineamentos mais complexos que exijam testes mais sofisticados

existem fórmulas de cálculo de tamanho de amostra específicos.

Quando não houver a menor idéia das diferenças a serem detectadas, ou das

estimativas necessárias para o cálculo de um tamanho amostral a priori, siga a

seguinte regra para responder à pergunta qual o tamanho da amostra ?

Dentro da sua possibilidade de TEMPO(de conclusão, de obter

amostras, de paciência,...) e de CUSTO (de obter amostras ou de

qquer origem) COLETE A MAIOR QUANTIDADE POSSÍVEL

DE DADOS.


  • Login