23 Junho 2021 11:19

Amostra aleatória simples vs. amostra aleatória estratificada: qual é a diferença?

Amostra Aleatória Simples vs. Amostra Aleatória Estratificada: Uma Visão Geral

Na análise estatística, a ” população ” é o conjunto total de observações ou dados existentes. No entanto, muitas vezes é inviável medir cada indivíduo ou ponto de dados em uma população. Em vez disso, os pesquisadores confiam em amostras. Uma amostra é um conjunto de observações da população. O método de amostragem é o processo usado para retirar amostras da população.

Amostras aleatórias simples e amostras aleatórias estratificadas são métodos comuns para obter uma amostra. Uma amostra aleatória simples é usada para representar toda a população de dados e. Seleciona aleatoriamente indivíduos da população sem qualquer outra consideração.

Uma amostra aleatória estratificada, por outro lado, primeiro divide a população em grupos menores, ou estratos, com base em características compartilhadas. Portanto, uma estratégia de amostragem estratificada garantirá que os membros de cada subgrupo sejam incluídos na análise de dados.

Principais vantagens

  • Amostras aleatórias simples e aleatórias estratificadas são ferramentas de medição estatística.
  • Uma amostra aleatória simples leva uma pequena porção básica de toda a população para representar todo o conjunto de dados.
  • A população é dividida em diferentes grupos que compartilham características semelhantes, a partir dos quais uma amostra aleatória estratificada é retirada.

Amostra Aleatória Simples

A amostragem aleatória simples é uma ferramenta estatística usada para descrever uma amostra muito básica retirada de uma população de dados. Esta amostra representa o equivalente a toda a população.

A amostra aleatória simples é frequentemente usada quando há muito pouca informação disponível sobre a população de dados, quando a população de dados tem muitas diferenças para se dividir em vários subconjuntos ou quando há apenas uma característica distinta entre a população de dados.

Por exemplo, uma empresa de doces pode querer estudar os hábitos de compra de seus clientes para determinar o futuro de sua linha de produtos. Se houver 10.000 clientes, ele pode escolher 100 desses clientes como uma amostra aleatória. Ele pode então aplicar o que descobrir desses 100 clientes ao restante de sua base.

Os estatísticos criarão uma lista exaustiva de uma população de dados e, em seguida, selecionarão uma amostra aleatória desse grande grupo. Nesta amostra, cada membro da população tem uma chance igual de ser selecionado para fazer parte da amostra. Eles podem ser escolhidos de duas maneiras:

  • Por meio de sorteio manual, em que cada integrante da população recebe um número. Os números são então sorteados aleatoriamente por alguém para incluir na amostra. Isso é melhor usado quando se olha para um pequeno grupo.
  • Amostragem gerada por computador. Este método funciona melhor com conjuntos de dados maiores, usando um computador para selecionar as amostras em vez de um ser humano.

O uso de amostragem aleatória simples permite que os pesquisadores façam generalizações sobre uma população específica e deixem de fora qualquer tendência. Isso pode ajudar a determinar como tomar decisões futuras. Assim, aquela empresa de doces do exemplo acima pode usar essa ferramenta para desenvolver um novo sabor de doce para fabricar com base nos gostos atuais dos 100 clientes. Mas lembre-se de que essas são generalizações, portanto, há espaço para erros. Afinal, é uma amostra simples. Esses 100 clientes podem não ter uma representação precisa dos gostos de toda a população.

Amostragem Aleatória Estratificada

Ao contrário das amostras aleatórias simples, as amostras aleatórias estratificadas são usadas com populações que podem ser facilmente divididas em diferentes subgrupos ou subconjuntos. Esses grupos são baseados em determinados critérios e, em seguida, escolhem elementos aleatoriamente de cada um em proporção ao tamanho do grupo em relação à população.

Este método de amostragem significa que haverá seleções de cada grupo diferente – cujo tamanho é baseado em sua proporção em relação à população inteira. Mas os pesquisadores devem garantir que os estratos não se sobreponham. Cada ponto na população deve pertencer a apenas um estrato, portanto, cada ponto é mutuamente exclusivo. A sobreposição de estratos aumentaria a probabilidade de alguns dados serem incluídos, distorcendo assim a amostra.

A empresa de doces pode decidir usar o método de amostragem estratificada aleatória, dividindo seus 100 clientes em diferentes grupos de idade para ajudar a fazer determinações sobre o futuro de sua produção.


Os gerentes de portfólio podem usar a amostragem aleatória estratificada para criar carteiras, replicando um índice, como um índice de títulos.

A amostragem estratificada oferece algumas vantagens e desvantagens em comparação com a amostragem aleatória simples. Por usar características específicas, pode fornecer uma representação mais precisa da população com base no que é usado para dividi-la em diferentes subconjuntos. Isso geralmente requer um tamanho de amostra menor, o que pode economizar recursos e tempo. Além disso, ao incluir pontos de amostra suficientes de cada estrato, os pesquisadores podem realizar uma análise separada em cada estrato individual.

Mas é necessário mais trabalho para extrair uma amostra estratificada do que uma amostra aleatória. Os pesquisadores devem rastrear e verificar individualmente os dados de cada estrato para inclusão, o que pode levar muito mais tempo em comparação com a amostragem aleatória.

Related Posts