Um pesquisador deseja estimar a proporção de estudantes que utilizam transporte público para chegar à universidade.
a) Descreva como realizar uma Amostragem Aleatória Simples (AAS).
b) Explique como garantir que todos tenham a mesma probabilidade de serem selecionados.
c) Discuta o que pode ocorrer se a pesquisa for feita apenas com estudantes que chegam cedo.
d) Classifique essa última estratégia e explique o possível viés envolvido.

Passo 1

Vou deixar bem claro o que o enunciado pede e quais informações ele dá.
  • O pesquisador quer estimar a proporção de estudantes que usam transporte público para chegar à universidade.
  • Há quatro perguntas:
    a) Descrever como realizar uma Amostragem Aleatória Simples (AAS).
    b) Explicar como garantir que todos tenham a mesma probabilidade de serem selecionados.
    c) Discutir o que pode ocorrer se a pesquisa for feita apenas com estudantes que chegam cedo.
    d) Classificar essa última estratégia e explicar o possível viés envolvido.
Informações relevantes implícitas:
  • População-alvo: todos os estudantes da universidade (ou de um campus/turno específico, se o pesquisador definir).
  • Parâmetro de interesse: a proporção verdadeira p de estudantes que usam transporte público.
  • A resposta deve explicar procedimentos práticos, justificar teoricamente e mostrar consequências de um protocolo ruim.

Passo 2

O que é e como executar, passo a passo, uma Amostragem Aleatória Simples (AAS).
  1. Objetivo da AAS (em uma frase): selecionar n estudantes de tal forma que cada subconjunto de n estudantes da população tenha a mesma chance de ser escolhido. Isso garante imparcialidade probabilística.
  2. Passos práticos detalhados para realizar a AAS:
  • Definir a população e construir a lista (frame): obter uma lista completa e atualizada de todos os estudantes da universidade que pertencem à população alvo (por exemplo, matrícula ativa no semestre). Cada estudante recebe um identificador único (ID) — por exemplo, números 1,2,\dots,N, onde N é o tamanho da população. Explicação didática: sem essa lista completa, não há como garantir iguais probabilidades.
  • Escolher o tamanho da amostra n: determinar n baseado em precisão desejada. Fórmula aproximada para margem de erro E ao nível de confiança 1-\alpha (usar z correspondente, por exemplo z\approx1{,}96 para 95%):
n \approx \frac{z^{2}\,p^*(1-p^*)}{E^{2}},
onde p^* é uma estimativa inicial de p; se não houver, usar p^*=0{,}5 (caso conservador que maximiza variância). Explicação: essa fórmula vem da variância da proporção para amostras grandes e garante que o erro de estimativa seja controlado.
  • Selecionar aleatoriamente n IDs sem reposição: usar método aleatório verdadeiro — gerador de números aleatórios (software como R, Python, Excel), ou sorteio físico (bolinhas numeradas). Exemplo simples: gerar n números inteiros distintos uniformes entre 1 e N. Explicação: “sem reposição” significa que cada estudante só pode aparecer no máximo uma vez na amostra.
  • Coletar os dados dos selecionados: contatar os estudantes selecionados e registrar se usam transporte público (resposta binária: sim/não).
  • Calcular a estimativa da proporção: se X é o número de entrevistados que disseram “sim”, então a estimativa (proporção amostral) é
\hat{p} = \frac{X}{n}.
Explicação: \hat{p} é a média das observações binárias (1 para “usa transporte público”, 0 caso contrário).
  1. Propriedades úteis e fórmulas de apoio:
  • Unbiasedness (sem viés): para AAS sem reposição, a esperança de \hat{p} é o verdadeiro p:
\mathbb{E}[\hat{p}] = p.
  • Variância da proporção na AAS (correção para população finita): se a população tem N elementos,
\mathrm{Var}(\hat{p}) = \left(1-\frac{n}{N}\right)\frac{p(1-p)}{n}.
Explicação: o fator 1-\dfrac{n}{N} corrige a variância quando a amostra é uma fração significativa da população; se N é muito grande em relação a n, esse fator é aproximadamente 1 e a variância reduz para \dfrac{p(1-p)}{n}.
  • Intervalo de confiança aproximado (por exemplo 95%):
\hat{p} \pm z\,\sqrt{\frac{\hat{p}(1-\hat{p})}{n}\left(1-\frac{n}{N}\right)}.
Explicação: dá uma faixa plausível para p baseada em \hat{p} e na variabilidade da amostra.

Passo 3

Como garantir, na prática, que todos tenham a mesma probabilidade (resposta à parte b).
  1. Garantia teórica: em uma AAS sem reposição, a probabilidade de qualquer estudante específico ser selecionado é
\Pr(\text{um dado estudante é selecionado})=\frac{n}{N}.é
Justificativa curta: entre todos os \binom{N}{n} subconjuntos possíveis de tamanho n, o número de subconjuntos que contêm um estudante fixo é \binom{N-1}{n-1}; a razão \dfrac{\binom{N-1}{n-1}}{\binom{N}{n}}=\dfrac{n}{N}.
  1. Práticas que asseguram essa igualdade de probabilidade:
  • Ter um frame completo (lista com todos os N) e escolher IDs por um método aleatório que trate cada ID igualmente (gerador randômico, sorteio físico). Se a lista estiver corrigida e atualizada, cada ID tem a mesma chance.
  • Evitar atalhos como “pegar os primeiros n da lista” (isso não é aleatório) ou “entrevistar quem estiver disponível na biblioteca” (é conveniência).
  • Se usar amostragem sistemática (por exemplo, ordenar a lista e escolher cada k-ésimo após um ponto de partida aleatório), garantir que a ordenação não introduza padrões relacionados ao transporte. Observação: sistemática pode ter prob. iguais, mas só se não houver periodicidade relacionada à característica estudada.
  1. Como verificar na prática: documentar o processo, guardar a semente do gerador aleatório, e se possível publicar o frame e o método (ou ao menos descrever) para auditoria posterior.

Passo 4

Consequências de pesquisar apenas estudantes que chegam cedo (parte c).
  1. O que muda no frame: ao entrevistar somente os que chegam cedo, a população efetivamente amostrada é um subconjunto dos estudantes — os “chegadores cedo”. Isso não é a população alvo original (todos os estudantes), portanto há cobertura parcial (coverage bias).
  2. Efeito sobre a estimativa: se o fato de chegar cedo estiver associado ao modo de transporte, a estimativa será enviesada. Exemplos concretos para entender:
  • Se estudantes que usam carro chegam mais cedo (porque têm controle do horário) e estudantes que dependem de ônibus chegam mais tarde por causa de horários/atrasos, então uma amostra só de chegadores cedo vai super-representar usuários de carro e subestimar a proporção real que usa transporte público — ou seja, \hat{p} tenderá a ser menor que p.
  • O contrário também é possível: se usuários de transporte público precisam chegar cedo por causa de horários dos ônibus, então a amostra cedo pode superestimar o uso do transporte público.
  1. Outros problemas práticos:
  • Não é possível calcular probabilidades de seleção conhecidas para todos os estudantes (porque estudantes tardios têm probabilidade zero), então não se pode justificar intervalos de confiança válidos para a população inteira.
  • Resultados não generalizáveis: conclusões valem apenas para chegadores cedo, não para todos os estudantes.
  • Viés pode ser grande e imprevisível se não houver informação sobre a associação entre hora de chegada e modo de transporte.

Passo 5

Classificação da estratégia “entrevistar apenas os que chegam cedo” e explicação do viés (parte d).
  1. Classificação: essa estratégia é um exemplo de amostragem por conveniência, ou mais formalmente uma amostra não probabilística com viés de cobertura (coverage bias) e seleção por conveniência (convenience sampling ou time-location sampling sem aleatoriedade).
  2. Tipo de viés envolvido:
  • Viés de seleção / cobertura: alguns indivíduos (os que chegam mais tarde) têm probabilidade zero de serem selecionados; portanto a amostra não representa a população alvo.
  • Viés sistemático: se a variável de interesse (uso de transporte público) está correlacionada com a variável que define a conveniência (hora de chegada), a estimativa será sistematicamente deslocada em relação ao verdadeiro p.
  • Consequência técnica: não é possível estimar corretamente a variância da estimativa para a população total nem construir intervalos de confiança válidos, porque as probabilidades de inclusão não são conhecidas ou nulas para parte da população.
  1. Como explicar isso de maneira prática e amigável: imagina que só se pergunta para quem já está na porta às 7h — é como querer saber o gosto musical de todos os alunos perguntando só pra galera do grupo de pagode que chega cedo ao bar. O resultado pode estar muito longe da realidade.
  2. Mitigações possíveis (sugestões para tornar o estudo válido):
  • Fazer amostragem probabilística estratificada por horário: formar estratos de horários de chegada (por exemplo: cedo, médio, tarde) e selecionar aleatoriamente dentro de cada estrato, ou
  • Amostrar em diferentes horários ao longo do dia com probabilidade proporcional ao fluxo, ou
  • Usar amostragem por cluster (ex.: escolher turmas/disciplinas aleatoriamente e entrevistar todos os presentes) garantindo que as probabilidades sejam conhecidas.
    Explicação: essas soluções restauram (ou aproximam) a probabilidade conhecida de inclusão e reduzem o viés de cobertura.

Resposta

a) Fazer uma AAS: montar a lista completa da população (IDs 1,\dots,N), escolher tamanho n (pela fórmula n\approx\dfrac{z^{2}p^*(1-p^*)}{E^{2}} se quiser controlar erro), selecionar aleatoriamente n IDs sem reposição (software ou sorteio), entrevistar esses n e estimar a proporção por \hat{p}=X/n.
b) Garantir iguais probabilidades usando um frame completo e seleção aleatória verdadeira; em AAS sem reposição a probabilidade de cada estudante ser selecionado é \dfrac{n}{N}.
c) Se pesquisar apenas os estudantes que chegam cedo, a amostra pode não representar todos os estudantes; se hora de chegada estiver associada ao modo de transporte, a estimativa ficará enviesada (pode subestimar ou superestimar a proporção real).
d) Essa estratégia é amostragem por conveniência (amostra não probabilística) e envolve viés de seleção/coverage: alguns têm probabilidade zero de serem selecionados, impossibilitando estimativas imparciais e intervalos de confiança válidos.

Exercícios relacionados