Um engenheiro precisa verificar a resistência à compressão do concreto usada em uma obra com 100 pilares. Devido ao custo e tempo dos ensaios, ele decide testar 10 pilares escolhidos aleatoriamente.
a) Classifique o conjunto de \mathbf{1 0 0} pilares em relação à população ou amostra.
b) Classifique o conjunto de \mathbf{1 0} pilares testados em relação à população ou amostra.
c) Justifique a importância de usar uma amostra nesse contexto.

Passo 1

O enunciado dá as seguintes informações e faz estas perguntas:
  • Informação: existem 100 pilares na obra.
  • Informação: o engenheiro testa 10 pilares escolhidos aleatoriamente.
  • Pergunta (a): classificar o conjunto de 100 pilares em relação a ser população ou amostra.
  • Pergunta (b): classificar o conjunto de 10 pilares testados em relação a ser população ou amostra.
  • Pergunta (c): justificar a importância de usar uma amostra nesse contexto.

Passo 2

Primeiro vamos definir, com calma e sem pressa, o que significam os termos que aparecem nas perguntas.
  • População: é o conjunto total de elementos sobre os quais se quer tirar conclusões. É o “universo” do problema. No nosso caso, se o interesse do engenheiro é avaliar a resistência dos pilares daquela obra específica, a população natural é o conjunto de todos os pilares dessa obra.
  • Amostra: é um subconjunto da população que é observado ou medido; usa‑se para estimar características da população quando medir tudo é impraticável.
Essas definições são gerais; mais à frente aplicamos diretamente ao enunciado.

Passo 3

Classificando o conjunto de \,100\, pilares.
  • Pelo enunciado, o engenheiro quer verificar a resistência dos pilares daquela obra que tem exatamente \,100\, pilares. Portanto esse conjunto de \,100\, pilares é o conjunto completo de interesse naquele problema — ou seja, é a população (mais precisamente: uma população finita de tamanho N=100).
  • Observação prática (curtinha): se o interesse fosse mais amplo (por exemplo, “todos os pilares construídos por uma empresa no país”), então os 100 poderiam ser apenas uma amostra desse universo maior. Mas com o enunciado dado, trate 100 como população.

Passo 4

Classificando o conjunto de \,10\, pilares testados.
  • Os 10 pilares medidos são um subconjunto dos 100. Logo eles constituem uma amostra.
  • O enunciado diz “escolhidos aleatoriamente”, então trata‑se de uma amostra aleatória (tipicamente uma amostra aleatória simples sem reposição, porque um pilar não é testado duas vezes). Em notação usual, o tamanho da amostra é n=10.

Passo 5

Por que é importante que a amostra seja aleatória e o que isso garante (explicação didática).
  • Objetivo prático: uma amostra aleatória reduz o risco de viés sistemático na seleção. Ex.: evitar escolher só pilares fáceis de acessar ou só pilares de uma laje específica — isso poderia dar uma ideia falsa da resistência média.
  • Objetivo estatístico: com amostragem aleatória é possível usar estimadores que têm boas propriedades (como não‑viés e fórmulas para erro padrão) e quantificar a incerteza das estimativas.
  • Uma estimativa simples que o engenheiro provavelmente usará é a média amostral:
\bar{x}=\frac{1}{n}\sum_{i=1}^{n} x_i,
onde x_i é a resistência medida no i-ésimo pilar da amostra e n=10. Aqui:
  • \bar{x} é a estimativa da resistência média da população;
  • x_i são as observações que o ensaio fornece;
  • n é o tamanho da amostra.

Passo 6

Como medir a incerteza da estimativa (explicação prática, sem me assustar com muita teoria).
  • O desvio padrão amostral é calculado por
s=\sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2}.
Ele mede a dispersão das medidas na amostra.
  • O erro padrão da média (uma medida de quão precisa é \bar{x} como estimador da média populacional) é aproximadamente
\mathrm{SE}(\bar{x})=\frac{s}{\sqrt{n}}.
Explicação das variáveis:
  • s é o desvio padrão da amostra (medidas de resistência);
  • n é o tamanho da amostra.
  • Interpretação simples: quanto maior n, menor será \mathrm{SE}(\bar{x}) (a precisão da média aumenta como 1/\sqrt{n}). Então, testar mais pilares torna a estimativa mais confiável, mas custa mais tempo e dinheiro.

Passo 7

Nota sobre população finita (um detalhe útil para quem vai realmente calcular no campo).
  • Quando a população é pequena (aqui N=100) e a amostra não é desprezível ( n=10 é 10% de N), aplica‑se uma correção chamada fator de correção para população finita (FPC, do inglês). A forma é:
\mathrm{SE}_{\text{corrigido}}(\bar{x})=\sqrt{\frac{N-n}{N-1}}\;\frac{s}{\sqrt{n}},
onde N=100 e n=10. Esse fator
\sqrt{\frac{N-n}{N-1}}=\sqrt{\frac{100-10}{100-1}}=\sqrt{\frac{90}{99}}\approx 0,953
reduz um pouco o erro padrão — cerca de 4{,}7\% neste caso. É um ajuste técnico que melhora a precisão das inferências quando a amostra é uma fração significativa da população.

Passo 8

Resumo didático e prático — por que usar amostra é a escolha certa aqui (linguagem direta, como se eu estivesse conversando com você no laboratório).
  • Praticidade: testar todos os \,100\, pilares consumiria muito tempo, custo e talvez danificaria pilares desnecessariamente. Testar \,10\, bem escolhidos custa menos e é rápido.
  • Informação útil: com uma amostra aleatória e os cálculos de média e erro padrão, dá para estimar a resistência média da população e calcular intervalos de confiança para saber o quanto confiar nessa estimativa.
  • Segurança e decisão: se a média estimada estiver muito abaixo do esperado, o engenheiro pode decidir fazer mais testes ou agir (reparo, reforço). A amostra permite detectar problemas sem testar tudo.
  • Boas práticas rápidas que recomendo seguir na prova e no trabalho: garantir aleatoriedade na escolha, registrar n, calcular \bar{x}, s e \mathrm{SE}(\bar{x}), e mencionar a FPC se n for uma fração relevante de N.

Resposta

(a) O conjunto de \,100\, pilares é a população (população finita de tamanho N=100).
(b) O conjunto de \,10\, pilares testados é uma amostra (amostra aleatória, n=10).
(c) Usar uma amostra é importante porque reduz custo e tempo, permite estimar parâmetros da população (por exemplo com \bar{x}=\dfrac{1}{n}\sum x_i) e quantificar a incerteza da estimativa (via s e \mathrm{SE}(\bar{x})); além disso, amostragem aleatória evita vieses e possibilita decisões fundamentadas sem testar todo o conjunto.

Exercícios relacionados