Qual a diferença entre um censo e uma amostragem?

Passo 1

O enunciado pergunta claramente: “Qual a diferença entre um censo e uma amostragem?” Não foram fornecidos outros dados numéricos nem restrições.
Vou responder definindo cada termo, mostrando exemplos, vantagens/desvantagens, descrevendo erros envolvidos e dando um roteiro curto para responder numa prova.

Passo 2

Definição de censo (o que é, objetivo e exemplo).
  • Censo é o procedimento de coletar informação de todos os elementos da população de interesse. Ou seja, cada indivíduo/unidade da população é observado ou interrogado.
  • Exemplo prático: o censo demográfico do IBGE, que procura registrar características de todos os domicílios e pessoas de um país.
  • Objetivo: medir parâmetros populacionais (por exemplo, a média verdadeira \mu da população ou a proporção verdadeira P) sem depender de inferência estatística — em princípio obtém-se o valor exato desses parâmetros, desde que a coleta seja completa e correta.

Passo 3

Definição de amostragem (o que é, objetivo e exemplo).
  • Amostragem é o procedimento de coletar informação só de uma parte (amostra) da população, e usar esses dados para estimar características da população inteira. A amostra tem tamanho \,n e a população tem tamanho \,N (quando N é conhecido).
  • Exemplo prático: pesquisa de intenção de voto em que se entrevista algumas centenas ou milhares de eleitores e se estima a proporção de votos para cada candidato.
  • Objetivo: obter estimativas dos parâmetros populacionais (por exemplo, média \mu ou proporção P) com custo e tempo menores do que um censo, aceitando alguma incerteza (erro amostral).

Passo 4

Comparação direta (ideia-chave).
  • Censo = coleta em toda a população; Amostragem = coleta em uma parte representativa da população.
  • Em termos práticos: censo tenta medir diretamente o parâmetro; amostragem estima o parâmetro e fornece uma medida da incerteza dessa estimativa (erro padrão, intervalo de confiança).

Passo 5

Vantagens e desvantagens do censo e da amostragem (pra você saber na prova e na vida real).
  • Censo — vantagens: (i) se bem feito, fornece valores “reais” dos parâmetros; (ii) útil quando N é pequeno e é possível medir tudo.
    — desvantagens: (i) muito custoso (tempo, dinheiro), (ii) logisticamente difícil para populações grandes, (iii) mesmo em censo pode haver erros (não resposta, erro de medição) — são chamados erros não amostrais.
  • Amostragem — vantagens: (i) muito mais barato e rápido; (ii) permite repetir estudos e quantificar incerteza estatística; (iii) quando bem amostrada, fornece estimativas precisas com muito menos recursos.
    — desvantagens: (i) introduz erro amostral (variação por acaso entre amostra e população), (ii) se a amostra não for representativa (viés de seleção), a estimativa pode ser errada.

Passo 6

Erros: amostral vs não amostral e como quantificar a incerteza (noções que caem em prova).
  • Erro amostral: é a variação aleatória entre o estimador calculado na amostra e o verdadeiro parâmetro. Ele diminui quando aumentamos \,n.
  • Exemplo concreto (média): se a população tem desvio-padrão \sigma, o desvio-padrão do estimador da média amostral (erro padrão) é aproximadamente
\sigma_{\bar X}=\frac{\sigma}{\sqrt{n}}
quando a amostragem é com reposição (ou quando N é muito grande). Se a amostragem é sem reposição e N é finito, aplica-se a correção de população finita:
\sigma_{\bar X}=\frac{\sigma}{\sqrt{n}}\sqrt{\frac{N-n}{N-1}}.
  • Exemplo concreto (proporção): o erro padrão da estimativa de proporção \hat p é aproximadamente
\text{SE}(\hat p)=\sqrt{\frac{\hat p(1-\hat p)}{n}}.
  • Erros não amostrais: incluem não resposta, erro de medição, cobertura inadequada — ocorrem tanto em censos quanto em amostragens e podem gerar viés sistemático.

Passo 7

Principais tipos de amostragem (para mostrar que você domina a ideia e saber quando amostragem é confiável).
  • Amostragem aleatória simples: cada conjunto de n unidades tem a mesma chance de ser selecionado — é a mais básica.
  • Amostragem estratificada: população dividida em estratos homogêneos e sorteia-se dentro de cada estrato; reduz a variância quando estratos são internamente semelhantes.
  • Amostragem por conglomerados (cluster): escolhem-se grupos (clusters) aleatoriamente e examina-se todas ou algumas unidades dos clusters; útil quando unidades individuais estão agrupadas geograficamente.
  • Amostragem sistemática: escolhe-se uma amostra a cada k-ésima unidade a partir de uma lista ordenada; simples e prática, mas cuidado com padrões na lista.
    Comentário prático: quando se pergunta numa prova “por que usar amostragem estratificada?” diga que é para aumentar precisão quando há variabilidade entre estratos.

Passo 8

Dicas rápidas para responder em prova e exemplos curtos prontos para citar.
  • Resposta concisa que funciona em prova: “Censo coleta dados de toda a população; amostragem coleta dados de uma parte (amostra) e usa inferência para estimar parâmetros populacionais, com ganho em custo/tempo e introdução de erro amostral.”
  • Exemplo prático para citar: “Censo = IBGE contando toda a população; Amostragem = pesquisa eleitoral entrevistando 1 000 eleitores para estimar intenção de voto.”
  • Checklist para decidir na prática: se N pequeno e recursos permitem → censo; se N grande, custo/tempo limitados ou objetivo é estimar com precisão e medir incerteza → amostragem bem planejada.

Resposta

Censo: coleta de dados de todos os elementos da população; fornece, em princípio, o valor dos parâmetros populacionais sem amostragem, mas é mais caro e sujeito a erros não amostrais.
Amostragem: coleta de dados em uma parte (amostra) da população visando inferir os parâmetros populacionais; é mais econômica e rápida, permite quantificar incerteza (erro amostral), mas exige desenho amostral cuidadoso para evitar viés.

Exercícios relacionados