O que é uma amostra? Qual a relação com a população?
Passo 1
O enunciado faz duas perguntas claras:
O que é uma amostra?
Qual a relação entre uma amostra e a população?
Não há dados numéricos fornecidos no enunciado; pede-se definição conceitual e relação entre os termos.
Passo 2
Definição de população (informal e precisa).
População é o conjunto completo de unidades sobre o qual se quer tirar conclusões. Pode ser pessoas, peças, medições, instantes de tempo, etc.
Quando a população é finita, denota-se seu tamanho por N. Quando se fala de quantidade média ou variação na população, usa-se parâmetros como a média populacional \mu e a variância populacional \sigma^{2}.
Explicando os símbolos: \mu é o número que representa a média verdadeira de todos os elementos da população; \sigma^{2} é a média dos quadrados das distâncias dos elementos em relação a \mu.
Passo 3
Definição de amostra (informal e precisa).
Amostra é um subconjunto (ou sequência de observações) extraído da população que será usado para estudar ou estimar propriedades da população.
Denota-se o tamanho da amostra por n. As observações da amostra chamaremos de X_{1},X_{2},\dots,X_{n}. Essas são as medições ou valores que efetivamente temos em mãos na prática.
Passo 4
Como a amostra se relaciona com a população — ideia central.
A amostra serve para estimar parâmetros da população. Estatísticas calculadas na amostra (média amostral, variância amostral, proporção amostral, etc.) são usadas como estimativas dos parâmetros populacionais \mu,\sigma^{2}, etc.
Exemplo concreto e pequeno para ver a diferença:
Suponha que a população seja os números \{1,3,5,7,9\}. Então N=5. A média populacional é
\mu=\frac{1+3+5+7+9}{5}=5.
Se tirarmos uma amostra de tamanho n=3 aleatoriamente e, por exemplo, obtermos \{1,5,9\}, a média amostral será
\overline{X}=\frac{1+5+9}{3}=\frac{15}{3}=5.
Nesse caso a média amostral igualou \mu, mas nem sempre isso ocorre para outras amostras; a ideia é que, em média (sobre muitas amostras), boas estimativas tendem a se aproximar de \mu.
Passo 5
Fórmulas básicas que aparecem sempre (e o que cada símbolo significa).
Média amostral:
\overline{X}=\frac{1}{n}\sum_{i=1}^{n} X_{i}.
Aqui X_{i} são as observações da amostra e n é o número de observações. \overline{X} é uma estatística — um número calculado da amostra.
Variância populacional (quando se conhece toda a população de tamanho N):
Explicação do n-1: ao calcular \overline{X} a partir dos dados, uma restrição é imposta, reduzindo os graus de liberdade em 1; usar n-1 corrige um viés na estimação de \sigma^{2}.
Passo 6
Por que a amostra pode dizer algo sobre a população — propriedades importantes (explicadas sem jargão pesado).
Se a amostra for aleatória e as observações forem independentes e identicamente distribuídas (i.i.d.), então a média amostral \overline{X} tem esperança igual à média populacional:
E(\overline{X})=\mu.
Isto significa que \overline{X} é um estimador não viesado de \mu: não puxa sistematicamente as estimativas para cima ou para baixo.
Lei dos grandes números (intuição): conforme n cresce, \overline{X} tende a se aproximar de \mu. Na prova, você pode dizer: “quanto maior a amostra, mais confiança na aproximação da média da população”.
Teorema do limite central (ideia prática): para n suficientemente grande, a distribuição de \overline{X} fica próxima de uma normal com média \mu e variância \sigma^{2}/n. Isso é útil para construir intervalos de confiança e testes, mas na prova normalmente basta saber que a dispersão da média diminui com n.
Passo 7
Tipos de amostragem (o que aparece em exercícios e como identificar na prova).
Amostragem aleatória simples (cada subconjunto de tamanho n tem igual chance): fórmula padrão e suposições i.i.d. são aplicáveis.
Amostragem com/sem reposição: com reposição, observações são independentes; sem reposição, há correlação e às vezes é preciso usar o fator de correção finita \sqrt{\dfrac{N-n}{N-1}} quando n é uma fração significativa de N.
Amostragem estratificada, por conglomerado, sistemática e amostragem por conveniência: cada uma tem implicações sobre viés e variância; em provas típicas de estatística básica, a situação assumida é amostragem aleatória simples, a menos que o enunciado diga o contrário.
Passo 8
Como responder na prova — passos práticos e frases curtas que valem ponto.
Identifique claramente a população (quem/o quê) e o parâmetro de interesse (média, proporção, variância).
Identifique a amostra (o que foi medido e o tamanho n).
Calcule a estatística correspondente (por exemplo \overline{X} ou S^{2}) e, se for preciso, indique as suposições (amostra aleatória, i.i.d.).
Se precisar justificar por que a amostra permite inferir sobre a população, cite que o estimador é não viesado e que, com n grande, a incerteza diminui (lei dos grandes números / CLT).
Passo 9
Recap rápido e incentivo (um empurrãozinho amigo).
Resumindo: a amostra é um pedaço observável da população; a população é o todo que queremos conhecer. Estatísticas da amostra são usadas para estimar parâmetros da população; quanto maior e mais bem amostrada for a amostra, melhor a estimativa. Vai dar certo — comece sempre identificando população, parâmetro e amostra quando vir questões na prova.
Resposta
Amostra: um subconjunto de observações retirado da população, usado para calcular estatísticas (como \overline{X} e S^{2}).
População: o conjunto completo de unidades sobre o qual se quer inferir; caracterizada por parâmetros verdadeiros como \mu e \sigma^{2}.
Relação: estatísticas calculadas na amostra servem como estimativas dos parâmetros populacionais; sob amostragem aleatória e com n grande, essas estimativas tendem a se aproximar dos valores verdadeiros da população.