Quais são as principais diferenças entre a amostragem aleatória estratificada e a amostragem por conglomerados?
Passo 1
Você perguntou: “Quais são as principais diferenças entre a amostragem aleatória estratificada e a amostragem por conglomerados?”\n
O que preciso esclarecer e entregar para você:
O que preciso esclarecer e entregar para você:
- Definir claramente cada método (o que é, como se aplica na prática).
- Listar e explicar cada diferença importante (objetivo, como se escolhem as unidades, homogeneidade/heterogeneidade, efeitos sobre variância e custo, vantagens/desvantagens).
- Mostrar fórmulas/evidências que ajudem a entender por que um método reduz variância e o outro tende a aumentá‑la (quando aplicáveis).
- Dar pequenos exemplos numéricos e regras práticas para escolher entre eles.\n
Não há dados numéricos do enunciado: a resposta será conceitual e com exemplos ilustrativos.
Passo 2
O que é amostragem aleatória estratificada — definição e procedimento passo a passo (com explicação didática):
- Definição simples: na amostragem estratificada a população é dividida em subgrupos chamados estratos, de modo que dentro de cada estrato os elementos sejam, preferencialmente, parecidos entre si (homogêneos) quanto à característica que interessa medir. Depois selecionamos amostras (geralmente aleatórias simples) dentro de cada estrato. Isso reduz a variabilidade da estimativa final se a estratificação for bem feita.\n
- Procedimento prático:
- Dividir a população em
estratos disjuntos com tamanhos . O total é . - Para cada estrato
escolhemos uma amostra de tamanho (com ). A seleção dentro de um estrato costuma ser aleatória simples. - Para estimar a média populacional usamos uma média ponderada pelas proporções dos estratos: a estimativa ponderada considera os pesos
.
- Dividir a população em
- Por que funciona: se dentro de cada estrato a variabilidade
é baixa, então a contribuição de variância de cada estrato é menor; a soma dessas contribuições dá uma variância total menor do que uma amostra aleatória simples de mesmo tamanho (isso é o objetivo).\n - Fórmula (importante para entender o efeito sobre variância): a variância da média estratificada é
onde
,
(fração amostral no estrato),
é a variância dentro do estrato
e
o tamanho amostral no estrato. Eu explico cada termo:
faz o peso do estrato na média total;
é a correção por população finita;
é a variância típica da média do estrato.
Passo 3
O que é amostragem por conglomerados — definição e procedimento passo a passo (com explicação didática):
- Definição simples: na amostragem por conglomerados (cluster sampling) a população é dividida em grupos chamados conglomerados (clusters), normalmente formados naturalmente — por exemplo, escolas, bairros, salas de aula. Em vez de amostrar indivíduos espalhados pela população, selecionamos aleatoriamente alguns clusters e medimos todos os indivíduos dentro desses clusters (ou então fazemos uma segunda amostragem dentro dos clusters — multietápica).\n
- Procedimento prático (amostragem por conglomerados em uma etapa):
- Partir da lista de
clusters. Cada cluster tem elementos; em casos simples assumimos clusters de tamanho igual . - Selecionar aleatoriamente
clusters (por exemplo, por amostragem aleatória simples de clusters). - Medir todos os elementos dentro dos clusters selecionados; o total de observações é aproximadamente
.
- Partir da lista de
- Quando usado: é muito útil quando a lista completa de indivíduos é difícil de obter, mas é fácil obter uma lista dos clusters. É mais barato logisticamente (menos locais a visitar), mas tem implicações na precisão.\n
- Por que tende a aumentar variância: se os elementos dentro de um cluster forem parecidos entre si (alta correlação intracluster), então observar vários elementos do mesmo cluster traz pouca informação adicional, aumentando a variância da estimativa em comparação com uma amostra aleatória simples do mesmo tamanho. A medida dessa dependência é a correlação intracluster
.\n - Fórmula prática importante (efeito do desenho): o efeito do desenho (design effect) aproximado para amostragem por conglomerados com clusters de tamanho médio
é
onde
é a correlação intracluster (intraclass correlation). Isso significa que a variância do estimador na amostragem por conglomerados é aproximadamente
vezes a variância que teríamos por amostragem aleatória simples com o mesmo
. Explicando termos:
é o número médio de elementos por cluster e
mede o quanto elementos do mesmo cluster são semelhantes (
). Se
for pequeno, o aumento de variância é pouco; se
for grande, o aumento é grande.
Passo 4
Comparação direta (cada ponto comparado e explicado com linguagem simples):
- Objetivo principal:
- Estratificada: reduzir variância da estimativa, garantindo representatividade de subgrupos; melhora precisão quando estratos são internamente homogêneos.
- Conglomerados: reduzir custo/logística (menos locais para visitar), facilitar amostragem quando não há lista detalhada de indivíduos.
- Como se formam as partes:
- Estratos: construídos para que elementos dentro do mesmo estrato sejam semelhantes entre si (homogeneidade interna).
- Clusters: normalmente formados por conveniência (geografia, unidades naturais); idealmente clusters são heterogêneos internamente (cada cluster representa bem a população), mas na prática clusters costumam ter similaridade interna.
- Unidade de amostragem:
- Estratificada: unidade final costuma ser o indivíduo (amostras dentro de cada estrato).
- Conglomerado: unidade primária é o cluster; medimos indivíduo só dentro de clusters selecionados.
- Efeito na variância:
- Estratificada: tende a diminuir a variância se a estratificação for eficaz (dentro de cada estrato
pequeno). A variância total é a soma das variâncias dos estratos (ver a fórmula do Passo 2). - Conglomerados: tende a aumentar a variância em relação a SRS devido à correlação intracluster; controlamos isso com o
(ver Passo 3).
- Estratificada: tende a diminuir a variância se a estratificação for eficaz (dentro de cada estrato
- Alocação da amostra:
- Estratificada: podemos alocar
proporcionalmente a (alocação proporcional) ou por Neyman para otimizar precisão:
onde é o desvio padrão do estrato . Isso prioriza estratos com maior variabilidade e/ou maior tamanho. - Conglomerados: escolhe-se número de clusters
e, dependendo do desenho, quantos elementos por cluster; em amostragem por conglomerados de uma etapa geralmente se escolhe muitos clusters pequenos para reduzir .
- Estratificada: podemos alocar
- Vantagens/Desvantagens (resumindo):
- Estratificada: + maior precisão por mesmo
; - precisa de informação prévia para formar estratos e de frame com identificação dos membros por estrato. - Conglomerados: + menor custo/logística e praticidade; - menor precisão (a não ser que clusters sejam muito heterogêneos) e necessidade de modelar correlação intracluster.
- Estratificada: + maior precisão por mesmo
Passo 5
Exemplos numéricos ilustrativos (curtos, para fixar a intuição):
- Exemplo de efeito da estratificação (conceito): suponha
estratos com , variâncias dentro e . Se escolhermos (total ) e ignorarmos a correção por população finita, a variância estratificada aproximada é
Isso mostra como a média ponderada de variâncias reduz o resultado final (compare com a variância sem estratificar — que seria algo como
dependendo da variância global).
- Exemplo de efeito dos conglomerados com deff: suponha clusters médios com
indivíduos e correlação intracluster . Então
Isso significa que, para obter a mesma precisão de uma SRS de
observações, você precisaria de aproximadamente
observações ao usar clusters desse tamanho e correlação — ou, dito de outra forma, a variância aumenta em
.
Passo 6
Regras práticas para escolher entre os dois (dicas amigáveis para a prova):
- Use amostragem estratificada quando:
- Você puder dividir a população em estratos com abundante informação prévia.
- Seu objetivo é reduzir variação da estimativa (por ex., precisa estimar média por subgrupos).
- O custo/logística permitem amostras dispersas pela população.
- Use amostragem por conglomerados quando:
- Listas completas de indivíduos são difíceis/impraticáveis, mas listas de clusters existem.
- O custo de deslocamento e operação é um fator limitante (visitar menos localidades).
- Você planeja multietapa (selecionar clusters e depois amostrar indivíduos dentro dos clusters) para equilibrar custo e precisão.
- Estratégia mista comum: fazer estratificação em grande escala (por ex., regiões) e dentro de cada estrato usar amostragem por conglomerados (design estratificado por conglomerados). Essa combinação junta as vantagens, mas exige cuidado no cálculo da variância.
Passo 7
Resumo final curto e direto (para decorar na prova):
- Estratificada: divide a população em estratos homogêneos; seleciona amostras dentro de cada estrato; reduz variância quando bem feita; requer frame detalhado e decisão de alocação (
). - Conglomerados: divide em clusters práticos; seleciona clusters e coleta em clusters selecionados; reduz custo logístico, mas tende a aumentar variância por correlação intracluster; avalie o
.\n
Força aí — com essas ideias você consegue explicar na prova quando e porquê usar cada método, calcular efeitos básicos sobre variância e justificar suas escolhas.
Resposta
Estratificada: população dividida em estratos homogêneos; amostras são retiradas dentro de cada estrato; objetivo principal é reduzir variância; variância da média é
requer frame detalhado e permite alocação ótima (Neyman).\n
Conglomerados: população dividida em clusters (unidades práticas); selecionam‑se clusters e medem‑se indivíduos dentro deles; objetivo principal é reduzir custo/logística; tende a aumentar variância quando há correlação intracluster, aproximada pelo efeito de desenho
Conglomerados: população dividida em clusters (unidades práticas); selecionam‑se clusters e medem‑se indivíduos dentro deles; objetivo principal é reduzir custo/logística; tende a aumentar variância quando há correlação intracluster, aproximada pelo efeito de desenho
usar muitos clusters pequenos reduz
.