Uma indústria de alimentos deseja avaliar se um novo conservante aumenta a vida de prateleira de um molho. A empresa possui um lote de 10.000 unidades e deseja conduzir um estudo sem testar toda a produção.
(a) Explique qual técnica de amostragem você utilizaria para selecionar os produtos e justifique sua escolha.
(b) Descreva como você estruturaria um experimento para avaliar o efeito do conservante.
(c) Identifique dois possíveis vieses que podem ocorrer nesse estudo e explique como evitá-los.

Passo 1

O enunciado pede três coisas claras:
  • (a) escolher e justificar uma técnica de amostragem para selecionar produtos de um lote de tamanho 10{,}000 sem testar toda a produção;
  • (b) descrever como estruturar um experimento para avaliar se o novo conservante aumenta a vida de prateleira;
  • (c) identificar dois vieses possíveis no estudo e explicar como evitá‑los.
Informações que temos do enunciado:
  • Tamanho do lote: 10{,}000 unidades.
  • Objetivo: testar se um novo conservante aumenta a vida de prateleira do molho.
  • Não se pretende testar todas as 10{,}000 unidades (amostragem).

Passo 2

Resposta à (a): escolha da técnica de amostragem e justificativa (detalhado, passo a passo)
  1. Técnica recomendada: amostragem aleatória estratificada.
  • O que é (explicando como se faz): dividir a população (as 10{,}000 unidades) em “estratos” homogêneos e depois selecionar aleatoriamente unidades dentro de cada estrato.
  • O que pode ser um estrato aqui: lote de produção por dia/turno/linha de envase, tipo de embalagem, data de fabricação, ou qualquer característica que influencie a vida de prateleira. Por exemplo, estratos = cada dia de produção dos últimos k dias ou por cada linha de envase se houver variação entre linhas.
  • Por que usar estratificação (intuitivo): se a vida de prateleira variar por batch/linha/tempo, a estratificação garante que a amostra represente todas essas fontes de variação. Isso geralmente reduz a variância da estimativa e evita que a amostra fique concentrada apenas em um único batch estranho.
  1. Como implementar, passo a passo (um procedimento que dá para aplicar na prova e na prática):
  • Identificar os estratos disponíveis (ex.: S_1 = linha A, S_2 = linha B, S_3 = linha C, ou S_1 = produção dia 1, S_2 = dia 2, …).
  • Decidir o tamanho total da amostra n (ver Passo 3 para como escolher n).
  • Alocar n entre os estratos. Duas opções comuns:
    • Alocação proporcional: n_h = n \times \dfrac{N_h}{N}, onde N_h é o número de unidades no estrato h e N=10{,}000.
    • Alocação igual ou ótima: se alguns estratos forem mais variáveis, pode atribuir mais amostras a eles.
  • Dentro de cada estrato, selecionar unidades por amostragem aleatória simples (por ex., usar tabela de números aleatórios ou função aleatória de computador).
  • Registrar os identificadores selecionados para rastreabilidade.
  1. Alternativa simples (se não houver estratos confiáveis): amostragem aleatória simples (cada unidade tem igual chance). É menos eficiente que a estratificada se houver heterogeneidade por batches, mas é fácil de explicar e implementar.

Passo 3

Como escolher o tamanho da amostra n (fórmulas e um exemplo prático)
  1. Ideia geral: o tamanho depende do efeito que se quer detectar, da variabilidade da medida e do erro aceitável. Se a variável principal for “dias até falha” (tempo de vida útil), uma abordagem prática inicial é:
  • Fazer um estudo piloto pequeno ( 10 30 unidades) para estimar a variabilidade (desvio padrão \sigma) da vida útil.
  • Usar essa estimativa para calcular n.
  1. Fórmula útil (diferença de médias, duas amostras iguais): para detectar uma diferença média \delta entre tratamento e controle com nível de significância \alpha e poder 1-\beta,
n \approx 2\left(\dfrac{z_{1-\alpha/2}+z_{1-\beta}}{\delta/\sigma}\right)^{2},
onde:
  • n é o tamanho por grupo (tratamento ou controle),
  • z_{1-\alpha/2} é o quantil da normal para o nível de significância (ex.: para \alpha=0{,}05, z_{1-0{,}05/2}=z_{0{,}975}\approx1{,}96),
  • z_{1-\beta} é o quantil para o poder (ex.: poder 80\%\Rightarrow z_{0{,}8}\approx0{,}84),
  • \sigma é o desvio padrão da medida de vida útil,
  • \delta é a diferença média mínima considerada relevante (em dias).
  1. Exemplo numérico prático para ter uma referência (isso serve para planejar):
  • Suponha que o fabricante ache que um aumento de \delta=10 dias é relevante e que o piloto sugira \sigma\approx15 dias. Deseja-se \alpha=0{,}05 e poder 80\%.
  • Substituindo:
n \approx 2\left(\dfrac{1{,}96+0{,}84}{10/15}\right)^{2} =2\left(\dfrac{2{,}80}{0{,}666\ldots}\right)^{2} =2\left(4{,}20\right)^{2} =2\times17{,}64\approx35{,}3.
  • Logo, n\approx36 por grupo (total \approx72 unidades). Isso é um número plausível e manejável no laboratório.
  • Observação importante: se a variável for “tempo até falha” com censura, usar métodos de análise de sobrevivência e ajustar cálculo de tamanho (mas a ideia de fazer um piloto e usar estimativas de evento é a mesma).
  1. Regras práticas se faltar tempo:
  • Se não houver piloto e não der para calcular, use uma regra empírica: pelo menos 30 unidades por grupo para que o teorema central do limite comece a valer e para permitir testes não paramétricos razoáveis.
  • Prefira amostras maiores em estratos com maior variabilidade.

Passo 4

Estrutura detalhada do experimento (resposta à (b), com passo a passo operacional e justificativas)
  1. Tipo de experimento: experimento controlado, aleatorizado e, se possível, cego (randomized controlled trial).
  2. Grupos:
  • Controle: molho sem o novo conservante (ou com conservante padrão).
  • Tratamento: molho com o novo conservante.
  1. Procedimento prático, em etapas:
  • Passo A — definição do que é “falha”: escolher critérios objetivos (ex.: contagem bacteriana acima de um limite X UFC/g, crescimento de bolor visível, pH fora de faixa, ou nota média de aceitabilidade sensorial abaixo de um corte). Definir claramente o critério primário (por ex., microbiológico).
  • Passo B — amostragem: aplicar a amostragem estratificada descrita no Passo 2 para selecionar n unidades por grupo.
  • Passo C — preparação das amostras: etiquetar por códigos (cegar avaliadores) — somente o responsável técnico conhece a chave.
  • Passo D — armazenamento padronizado: definir condições de armazenamento (temperatura, luminosidade) iguais para todos os frascos; usar câmaras com monitoramento; registrar variações.
  • Passo E — cronograma de testes: verificar as unidades em intervalos fixos (ex.: dia 0, 7, 14, 28, 56…) até ocorrer falha ou atingir prazo máximo. Para cada amostra, registrar o primeiro momento em que o critério de falha é atingido (tempo até falha).
  • Passo F — aleatorização: atribuir o tratamento (conservante novo vs controle) às unidades selecionadas por sorteio aleatório; se houver estratos, randomizar dentro de cada estrato (blocos).
  • Passo G — cegamento: garantir que avaliadores microbiológicos e sensoriais não saibam qual amostra é qual (duplo-cego ideal: nem técnicos nem avaliadores sabem; chave só com o investigador).
  • Passo H — medições objetivas: usar métodos padronizados (ex.: método A para contagem microbiana, pHmetro calibrado, painel sensorial treinado com protocolo). Documentar metodologia.
  • Passo I — registro: planilha ou sistema com ID da amostra, estrato, data de fabricação, data de teste e resultados. Salvar evidências (fotos, relatórios de contagem).
  • Passo J — análise: ver Passo 5.
  1. Observações práticas importantes:
  • Se o estudo consumir produto e for caro, considere testar em mais de uma réplica por condição (repetições) em vez de aumentar muito o número de frascos.
  • Se esperam muitas amostras não chegarem a falha até o final do ensaio (censura), planeje análise de sobrevivência.

Passo 5

Análise estatística e interpretação (o que fazer com os dados)
  1. Definir hipótese principal (exemplo para tempo até falha):
\text{H}_0:\\ \text{o conservante novo não aumenta a vida média (ou curva de sobrevivência) em relação ao controle}ãéêçã
\text{H}_1:\\ \text{o conservante novo aumenta a vida média (ou melhora a curva de sobrevivência)}éê
  1. Escolha de testes conforme o tipo de dado:
  • Se o dado for “tempo até falha” com censura: usar análise de sobrevivência (estimativa de curvas de sobrevivência com Kaplan–Meier) e comparar curvas com o teste de log-rank. Estimar mediana de sobrevivência e IC95%.
  • Se o dado for “dias até falha” sem censura e com distribuição aproximadamente normal: usar teste t de duas amostras (ou t pareado se apropriado). Caso a distribuição seja muito assimétrica, usar teste de Mann–Whitney.
  • Se o desfecho for binário (ex.: falhou até 60 dias: sim/não): comparar proporções com teste qui‑quadrado ou teste exato de Fisher.
  • Sempre reportar estimativas de magnitude do efeito (diferença média em dias, razão de riscos, diferença de proporções) com intervalos de confiança.
  1. Níveis e decisões práticas:
  • Nível de significância usual: \alpha=0{,}05.
  • Poder desejado: normalmente 80\% ou 90\%.
  • Além do p‑valor, apresentar intervalos de confiança e interpretação prática (ex.: ganho médio + dias com IC e se é relevante comercialmente).

Passo 6

Dois vieses possíveis e como evitá‑los (resposta à (c), detalhada e com exemplos práticos)
  1. Viés de seleção (ou amostragem não representativa)
  • O que é: escolher amostras que não representam a variabilidade do lote (por ex., só pegar frascos do primeiro turno que por acaso estejam melhores).
  • Efeito: pode superestimar ou subestimar a vida de prateleira média; resultados não generalizam ao lote.
  • Como evitar (medidas concretas):
    • Usar amostragem aleatória estratificada conforme Passo 2, garantindo representação por turnos/linhas/dias.
    • Documentar e registrar origem (número de série, data/linha) de cada unidade.
    • Evitar “escolher na prateleira” por conveniência ou pegar apenas amostras fáceis.
  1. Viés de observador / viés de medição (inclui viés sensorial)
  • O que é: avaliadores ou técnicos sabem qual amostra é do tratamento e avaliam de forma inconsciente diferente; ou diferentes condições de armazenamento/medição entre grupos.
  • Efeito: resultados contaminados por expectativas, protocolos diferentes ou instrumentos não calibrados.
  • Como evitar (medidas concretas):
    • Cegar (single ou double blind): avaliadores sensoriais e pessoal de laboratório não sabem qual rótulo é controle/tratamento.
    • Padronizar procedimentos de teste (mesmos incubadores, mesmas placas, mesmo protocolo de contagem).
    • Calibrar equipamentos e treinar pessoal.
    • Registrar datas e condições ambientais para verificar igualdade de tratamento.

Passo 7

Checklist operacional rápido e sugestões finais (pra você levar pra prova e pro laboratório)
  1. Antes de iniciar:
  • Definir critério primário de falha e métodos de medição.
  • Fazer um piloto para estimar \sigma.
  • Decidir n usando fórmula do Passo 3 (ou regra de 30 por grupo se faltar tempo).
  • Planejar estratos e alocação.
  1. Montagem do experimento:
  • Selecionar amostras por estratificação e randomização.
  • Rotular com códigos cegos.
  • Armazenar tudo sob condições idênticas monitoradas.
  • Testar em cronograma predefinido; registrar cuidadosamente.
  1. Depois do experimento:
  • Fazer análise estatística (Kaplan–Meier/log‑rank para tempo até falha; t‑test/Mann–Whitney para médias; testes de proporção se binário).
  • Reportar p‑valor, intervalo de confiança e interpretação prática (quantos dias a mais? isso vale o custo?).
  1. Palavra de incentivo: comece pelo piloto — ele dá a informação que permite planejar bem o experimento. Com um plano bem documentado, o estudo vira uma sequência de passos simples e controláveis.

Resposta

(a) Amostragem aleatória estratificada (por linha/turno/data de fabricação ou outro fator que afete vida de prateleira), com seleção aleatória dentro de cada estrato e alocação proporcional ou ótima.
(b) Experimento randomizado controlado e cego: selecionar n unidades por amostra (ver cálculo de tamanho), alocar aleatoriamente para controle ou tratamento dentro de cada estrato, armazenar sob condições padronizadas, medir tempo até falha (critério microbiológico/sensorial definido), analisar com análise de sobrevivência (Kaplan–Meier + log‑rank) ou testes apropriados (t/Mann–Whitney ou teste de proporções), reportando diferenças e IC95%.
(c) Dois vieses e como evitá‑los:
  • Viés de seleção: evitar com amostragem aleatória estratificada e registro da origem das unidades.
  • Viés de observador/medição: evitar com cegamento (blind), protocolos padronizados, calibração de equipamentos e treinamento dos avaliadores.

Exercícios relacionados