Capítulo 5 Técnicas de Amostragem

Depois de calcular quantas pessoas a pesquisa precisa, falta responder à outra metade da pergunta: como escolher essas pessoas. É disso que trata a técnica de amostragem, e o objetivo dela é garantir que a amostra represente bem a população, evitando viés.

5.1 O que é viés de amostragem

O viés aparece quando certos grupos têm mais chance de ser selecionados do que outros, o que distorce os resultados.

Imagine que a UFTM tenha 60% de mulheres e 40% de homens. Se a sua amostra terminar com 80% de homens e 20% de mulheres, ela não representa a população — e qualquer conclusão que você tirar dela vai carregar essa distorção. Toda a discussão a seguir é sobre técnicas que minimizam esse risco.

As técnicas se dividem em dois grupos. Nas probabilísticas, há sorteio, e todos têm uma chance conhecida e diferente de zero de ser selecionados. Nas não probabilísticas, não há sorteio: a seleção se dá por conveniência, julgamento ou cotas.

5.2 Amostragem aleatória simples

Todos têm a mesma chance de ser escolhidos, como num sorteio de loteria.

Para fazer, você obtém uma lista completa da população, numera cada pessoa de 1 até N, sorteia aleatoriamente a quantidade calculada e monta a amostra com quem foi sorteado. O sorteio pode ser feito no R com a função sample(), no Excel com =ALEATÓRIOENTRE(1;N), em sites como o Random.org ou em qualquer aplicativo de sorteio.

Um exemplo na UFTM: para avaliar a saúde mental dos estudantes, você solicitaria à secretaria a lista de todos os alunos matriculados, sortearia 364 deles com uma ferramenta digital e convidaria os sorteados por e-mail institucional.

A vantagem é ser simples de entender e aplicar, dar chance igual a todo mundo, minimizar o viés de seleção e servir de base para as análises inferenciais. A desvantagem é depender de uma lista completa e atualizada, o que nem sempre existe, e ficar difícil em populações muito grandes. Há ainda o risco de grupos pequenos ficarem sub-representados por puro acaso.

Para evitar viés: garanta que a lista esteja completa e atualizada, use geradores aleatórios confiáveis em vez de escolher “de cabeça”, e nunca substitua um sorteado por outra pessoa mais acessível.

5.3 Amostragem estratificada

Aqui dividimos a população em grupos homogêneos, chamados estratos, e sorteamos dentro de cada grupo proporcionalmente. Use quando a população tem subgrupos importantes que precisam estar representados.

Vejamos como ficaria na UFTM, com uma amostra de 364 estudantes de graduação.

Nos exemplos de amostragem a seguir trabalhamos apenas com a graduação, cerca de 6.750 alunos. O N de 6.900 usado no cálculo amostral incluía também a pós-graduação e os cursos técnicos. Como os dois números são próximos, a amostra de 364 continua adequada — mas, na sua pesquisa, defina uma população só e use a mesma em todas as etapas.

O primeiro passo é definir os estratos, que aqui serão os cursos:

Curso Estimativa de alunos* % Amostra por curso
Medicina 660 10% 36
Enfermagem 400 6% 22
Fisioterapia 330 5% 18
Terapia Ocupacional 200 3% 11
Nutrição 330 5% 18
Educação Física 530 8% 29
Psicologia 400 6% 22
Serviço Social 330 5% 18
Engenharia Ambiental 330 5% 18
Engenharia de Produção 330 5% 18
Engenharia de Alimentos 260 4% 15
Engenharia Elétrica 330 5% 18
Engenharia Mecânica 330 5% 18
Letras 260 4% 15
História 200 3% 11
Geografia 200 3% 11
Ciências Biológicas 400 6% 22
Química 200 3% 11
Matemática 200 3% 11
Biomedicina 330 5% 18
Total ~6.750 100% 364

*Valores aproximados, para efeito didático.

O segundo passo é sortear aleatoriamente, dentro de cada curso, a quantidade calculada para aquele estrato.

Essa técnica dá maior representatividade, garante que os cursos menores entrem na amostra, permite comparações entre eles e reduz a variabilidade do conjunto. Em compensação, exige conhecer a composição da população por curso e ter acesso a listas separadas por estrato, além de dar mais trabalho que a aleatória simples.

Para evitar viés: os estratos precisam ser relevantes para a pesquisa e mutuamente exclusivos, isto é, cada aluno em um estrato só. E use alocação proporcional, para que a amostra reflita a distribuição real da população.

Os cursos não são a única forma de estratificar na UFTM: dá para usar o período (calouros, intermediários, formandos), o campus (Uberaba e Iturama), o turno (matutino, vespertino, noturno, integral) ou a grande área (Saúde, Exatas, Humanas).

5.4 Amostragem sistemática

A ideia é escolher um ponto de partida aleatório e depois selecionar a cada k elementos da lista.

Com 6.750 alunos e uma amostra de 364, começamos calculando o intervalo:

k = População / Amostra
k = 6.750 / 364 = 18,5  →  arredonde PARA BAIXO:  k = 18

Atenção ao arredondamento: aqui o k deve ser arredondado para baixo. Se usássemos k = 19, percorrendo a lista de 19 em 19 sairiam apenas 6.750 ÷ 19 = 355 pessoas, menos do que os 364 necessários. Com k = 18 saem 375, que cobre a amostra com folga.

Em seguida sorteamos o primeiro elemento, um número entre 1 e 18. Digamos que saiu o 7. A partir dele, selecionamos de 18 em 18: 7, 25, 43, 61, 79, 97, 115, 133, e assim por diante até percorrer a lista inteira. No R, a função seq() monta essa sequência; no Excel, uma fórmula de sequência aritmética resolve; e no papel, basta uma calculadora e a lista numerada.

Um exemplo fora da universidade: você está numa UBS pesquisando satisfação na fila de vacinação. Decide entrevistar uma a cada dez pessoas, sorteia o início e cai na terceira; daí em diante entrevista a 13ª, a 23ª, a 33ª, e por aí vai.

É uma técnica muito fácil de aplicar em campo, distribui a amostra uniformemente ao longo da lista e dispensa múltiplos sorteios. O problema aparece quando a lista tem algum padrão periódico, porque aí o salto fixo pode cair sempre no mesmo tipo de pessoa. E, por isso mesmo, ela é um pouco menos aleatória que a amostragem simples.

Para evitar viés: certifique-se de que a lista não tem uma ordem sistemática e, se tiver (por curso, por exemplo), embaralhe antes. E garanta que o primeiro elemento seja sorteado de verdade.

5.5 Amostragem por conglomerados

Aqui dividimos a população em grupos, os conglomerados, e sorteamos grupos inteiros.

Suponha que você queira pesquisar hábitos de estudo na UFTM. Uma opção é tomar as turmas como conglomerados: liste todas as turmas por curso e período, sorteie algumas e pesquise todos os alunos delas. Outra é tomar os cursos: liste os 20, sorteie 5 e pesquise todos os alunos (ou uma amostra) desses cursos. Uma terceira é tomar os campi: sorteie entre Uberaba e Iturama e pesquise uma amostra dos alunos do campus sorteado.

A vantagem fica evidente em escala nacional. Numa pesquisa sobre educação no Brasil é impossível listar todos os estudantes do país; então sorteamos 50 cidades, dentro delas sorteamos 5 escolas cada, e pesquisamos os alunos dessas escolas.

É a técnica mais prática para populações grandes e dispersas, economiza tempo e custo porque concentra a coleta, e dispensa a lista completa de indivíduos. O preço é ser menos precisa que as outras: conglomerados podem ser muito diferentes entre si, e isso aumenta o erro amostral.

Para evitar viés: os conglomerados devem ser internamente diversos e parecidos entre si — o oposto do que se espera dos estratos. E sorteie um número suficiente deles.

Essa é justamente a diferença que costuma confundir:

Aspecto Estratificada Conglomerados
Divisão Grupos homogêneos Grupos heterogêneos
Seleção Amostra de cada grupo Alguns grupos inteiros
Objetivo Representar subgrupos Facilitar a coleta
Na UFTM Sortear alunos de cada curso Sortear turmas inteiras

5.6 Amostragem por conveniência

Aqui selecionamos quem está mais acessível ao pesquisador. É uma técnica não probabilística, sem sorteio, com alto risco de viés — e, ao mesmo tempo, rápida, prática e barata. É a mais usada nos trabalhos de graduação, e por isso merece atenção redobrada.

Os exemplos mais comuns são o formulário online, em que o pesquisador compartilha um link e responde quem quiser; a abordagem em locais específicos, como entrevistar alunos na biblioteca, no restaurante universitário ou na entrada do campus; e a divulgação em redes sociais, por post no Instagram, grupo de WhatsApp do curso ou e-mail para colegas conhecidos.

Os formulários online, em especial, concentram quatro tipos de viés:

Tipo de viés O que é Exemplo
De acesso Só quem tem internet responde Exclui quem não tem smartphone ou dados móveis
De autosseleção Só os interessados respondem Quem gosta do tema participa mais
De distribuição Enviado só a certos grupos Só o grupo de WhatsApp do seu curso
De plataforma Cada rede tem seu perfil O público do Instagram não é o do e-mail institucional

O viés de distribuição é o mais fácil de cometer: se o formulário circular só no grupo da Medicina, a amostra terá um curso onde a população tem vinte.

A conveniência é aceitável em estudos exploratórios de fase inicial, em pré-testes de questionário, em pesquisas qualitativas, quando os recursos são muito limitados e em TCCs com prazo curto. Não é aceitável quando a pesquisa precisa generalizar para a população, em estudos quantitativos rigorosos, em dissertações e teses, e em publicações de alto impacto.

Se você precisa usá-la, dá para reduzir bastante o estrago. Diversifique os canais: não envie só em um grupo, mas também por e-mail institucional para todos os cursos, em redes sociais variadas, em murais físicos espalhados pelo campus, em avisos de sala de aula de cursos diferentes e na rádio universitária. Descreva as limitações honestamente no texto do trabalho. Compare a amostra com os dados populacionais e relate as diferenças: se 80% da amostra é de Exatas e a UFTM tem 40% de cursos dessa área, isso precisa aparecer. E, se possível, combine com outra técnica, somando o formulário online a uma coleta presencial estratificada.

Um exemplo de como relatar isso com honestidade em um artigo:

“Utilizou-se amostragem por conveniência através de formulário online (Google Forms), divulgado por e-mail institucional, redes sociais e grupos de WhatsApp. Obtivemos 412 respostas de estudantes da UFTM. Reconhecemos que esta técnica apresenta limitações quanto à representatividade, especialmente viés de autosseleção e acesso digital. A amostra apresentou maior proporção de estudantes da área da Saúde (65%) comparado à distribuição real dos cursos da UFTM (aproximadamente 40%), o que deve ser considerado na interpretação dos resultados.”

5.7 Combinando técnicas

Na vida real, os pesquisadores frequentemente combinam técnicas para melhorar a representatividade dentro do que é viável.

Dá para juntar estratificada com aleatória simples, dividindo os alunos por área e sorteando dentro de cada uma. Ou conglomerados com sistemática, sorteando 8 cursos e, dentro deles, selecionando a cada quinto aluno. Ou ainda estratificada com cotas, definindo quantas respostas se quer por curso e divulgando o formulário até preencher cada cota.

Veja um caso concreto: pesquisar o bem-estar dos estudantes, com recursos limitados e dois meses de prazo. Na primeira etapa, estratifique por área — Saúde 40%, Exatas 35%, Humanas 25% — e calcule a amostra proporcional. Na segunda, faça a coleta mista, visitando turmas sorteadas para obter 60% da amostra e complementando os 40% restantes com formulário online. Na terceira, monitore as proporções durante a coleta e reforce a divulgação nos grupos que ficarem sub-representados. O resultado é uma amostra mais representativa do que a puramente online e mais viável do que a puramente presencial.

5.8 Comparando as técnicas

Técnica Tipo Complexidade Representatividade Custo Quando usar
Aleatória simples Probabilística Baixa Alta Médio Lista completa disponível
Estratificada Probabilística Média Muito alta Médio-alto Subgrupos importantes
Sistemática Probabilística Baixa Alta* Baixo Lista sem padrões
Conglomerados Probabilística Média Média Baixo População dispersa
Conveniência Não probabilística Muito baixa Baixa Muito baixo Estudos exploratórios

*Desde que não haja padrão periódico na lista.

Para escolher, comece perguntando se você tem a lista completa da população. Se tem, veja se existem subgrupos importantes: havendo, use estratificada; não havendo, aleatória simples resolve. Se não tem a lista, pergunte se a população está dispersa geograficamente: se estiver, vá de conglomerados. Se não estiver e os recursos forem muito limitados, resta a conveniência, com todo o cuidado que ela exige — caso contrário, vale o esforço de conseguir a lista e usar a estratificada.

Antes de fechar a decisão, confira se você:

5.9 Um guia rápido contra o viés

Cinco fontes de viés aparecem com mais frequência, e cada uma tem um antídoto:

Tipo de viés O que é Como evitar
Seleção Alguns grupos têm mais chance Usar sorteio verdadeiramente aleatório
Autosseleção Só os motivados participam Incentivar e facilitar a participação de todos
Não resposta Quem não responde é diferente de quem responde Fazer follow-up, oferecer incentivos
Acesso Parte da população não é alcançável Combinar canais, online e presencial
Temporal Coletar só em um certo período Distribuir a coleta em momentos diferentes

E, ao final da coleta, verifique se você usou de fato um método de sorteio em vez de escolher pessoas conhecidas; se todos os subgrupos relevantes tinham chance de ser selecionados; se o cadastro estava atualizado; se você resistiu à tentação de substituir sorteados por quem estava mais à mão; se documentou quem recusou ou não respondeu; se comparou as características da amostra com as da população; e se relatou as limitações honestamente.

5.10 Para levar daqui

Documente tudo: como sorteou e com qual ferramenta, quantas pessoas foram convidadas, quantas aceitaram e quantas recusaram, e em que data a coleta aconteceu. Seja transparente sobre as limitações da técnica escolhida, sobre os vieses possíveis e sobre o motivo da escolha. Planeje para as perdas, acrescentando 20% a 30% ao tamanho calculado e tendo uma estratégia pronta para baixa adesão. E teste antes: um piloto com 10 a 20 pessoas revela problemas no questionário que você não veria de outro jeito.

Um exemplo de redação completa para a seção de método:

“Utilizou-se amostragem estratificada proporcional, com estratos definidos por curso de graduação. A partir do cadastro institucional de 6.750 estudantes da UFTM, distribuídos em 20 cursos, calculou-se amostra de 364 alunos (margem de erro de 5%, nível de confiança de 95%). A distribuição amostral por curso respeitou a proporção de cada curso na população. Dentro de cada estrato, realizou-se sorteio aleatório simples utilizando gerador de números aleatórios (Random.org). Foram convidados 486 estudantes para compensar possíveis perdas estimadas em 25% (364 ÷ 0,75). A taxa de resposta foi de 77% (n = 374), superando o mínimo necessário. A amostra final apresentou distribuição por área (Saúde 38%, Exatas 36%, Humanas 26%) compatível com a população da instituição.”

Em uma frase cada: a aleatória simples sorteia direto da lista completa; a estratificada divide em grupos e sorteia de cada um; a sistemática escolhe a cada k elementos; a de conglomerados sorteia grupos inteiros; e a de conveniência pega quem está acessível.

Sempre que possível, use técnicas probabilísticas: são elas que permitem generalizar os resultados e são mais aceitas cientificamente. E se você precisar recorrer à conveniência, seja honesto sobre as limitações.