Na formação de uma população amostral, desempenha-se um papel importante determinando seu volume e garantindo a representatividade.

"Se o tipo de amostra diz como as pessoas entram na amostra, então o tamanho da amostra diz quantas delas chegaram lá." Ou seja, o tamanho da amostra é o número de unidades incluídas na amostra. E é muito importante que a amostra seja representativa, ou seja, não distorça ideias sobre a população geral como um todo. “Os requisitos para a representatividade da amostra significam que, de acordo com os parâmetros selecionados (critérios), a composição dos examinados deve se aproximar das proporções correspondentes na população geral.”

Um dos principais problemas que geralmente enfrenta um sociólogo, decidindo se confia ou não nos dados obtidos durante o mesmo, é quantas pessoas devem ser entrevistadas para obter informações verdadeiramente representativas. Infelizmente, não existe na natureza uma fórmula única e clara, com a qual se possa calcular o tamanho ideal da amostra. E isso é explicado de forma muito simples. O fato é que determinar o tamanho da população amostral não é tanto um problema estatístico quanto significativo.

Em outras palavras, o tamanho da população da amostra depende de muitos fatores, os principais são os seguintes:

• 1. o custo da coleta de informações, incluindo o tempo;
• 2. o desejo de uma certa confiabilidade estatística dos resultados, que o pesquisador espera receber;
• 3. o valor e a novidade das informações obtidas como resultado da pesquisa.

O tamanho da amostra é determinado pelo grau de homogeneidade ou heterogeneidade da população geral, o número de características que a caracterizam. Homogêneo é um conjunto em que um atributo controlado, por exemplo, o nível de alfabetização, é distribuído uniformemente, ou seja, não forma vazios e condensações, então entrevistando apenas algumas pessoas, podemos concluir que a maioria das pessoas é alfabetizada. Quanto mais homogênea a população, menor o tamanho da amostra. Por exemplo, "digamos que selecionamos a partir de uma população de 2.000 pessoas, controlando a composição da população da amostra com base no" sexo "": 70% homens e 30% mulheres. De acordo com a teoria da probabilidade, pode-se supor que entre cada dez entrevistados selecionados haverá três mulheres. Se quisermos entrevistar pelo menos 90 mulheres, com base na proporção acima, precisamos selecionar pelo menos 300 pessoas. Agora suponha que a população geral seja 90% masculina e 10% feminina. Nesse caso, para incluir 90 mulheres na amostra, é necessário selecionar pelo menos 900 pessoas”. Pode-se ver no exemplo que o tamanho da amostra depende da dispersão do recurso (dispersão) e deve ser calculado com base no recurso, cuja variância dos valores é a maior.

“O grau de homogeneidade de um objeto social depende, em essência, de quão detalhadamente pretendemos estudá-lo. Quase todos, o objeto mais "elementar" acaba sendo extremamente complexo. Somente em análise a apresentamos como relativamente simples, destacando uma ou outra de suas propriedades. Quanto mais completa e detalhada for a análise, mais propriedades de um determinado objeto pretendemos levar em conta em sua combinação, e não isoladamente, maior deve ser o tamanho da amostra.”

Em uma amostra representativa, todos os elementos da população geral são representados na mesma proporção. Mas não importa o quão cuidadosamente você siga este princípio, ainda haverá erros aleatórios. Temos a capacidade de determinar o erro de representatividade. O erro de representatividade, via de regra, é chamado “a discrepância entre dois conjuntos - o geral, ao qual se dirige o interesse teórico do sociólogo e a ideia das propriedades das quais ele deseja obter ao final, e a amostra, à qual se dirige o interesse prático do sociólogo, que atua simultaneamente como objeto de exame e meio de obtenção de informações sobre a população em geral. É importante levar em consideração que com a ajuda do método de amostragem nunca é possível obter uma avaliação absolutamente precisa da característica observada, sempre existe a possibilidade de erro, mas se a probabilidade de erro for pequena, então é mais provavelmente não ocorrerá. Na literatura russa, junto com o termo "erro de representatividade" existe outro termo - "erro de amostragem". Eles geralmente são usados ​​de forma intercambiável, mas o erro de amostragem é quantitativamente mais preciso do que o erro de representatividade. O erro amostral é “o desvio das características médias da população amostral das características médias da população geral. Na prática, é determinado comparando as características conhecidas da população geral com as médias amostrais.

A representatividade da amostra é determinada por dois componentes: erros sistemáticos e aleatórios. Erros aleatórios estão associados "a erros estatísticos (dependendo da dinâmica das feições estudadas) e violações imprevistas do procedimento de coleta de informações (erros de procedimento cometidos durante o registro das feições)". Os erros aleatórios diminuem com o aumento do tamanho da amostra. O erro aleatório pode ser medido por métodos de estatística matemática, se o princípio da aleatoriedade foi observado durante a formação da população amostral, que é fornecido por regras estritamente definidas que compõem o método de formação da população amostral, e eliminado.

Na prática, é muito difícil observar o princípio da aleatoriedade, e às vezes é simplesmente impossível, o que leva ao aparecimento de um erro sistemático que surge “devido à objetividade incompleta da amostra da população geral (falta de informação sobre população geral, seleção dos elementos mais “convenientes” da população geral para pesquisa), bem como pela inconsistência da amostra com as metas e objetivos do estudo. Às vezes, esses erros são chamados de erros de deslocamento. Elas surgem durante várias pesquisas televisivas, quando o apresentador de TV convida os telespectadores a ligar para determinados números de telefone, enviar uma mensagem SMS e opinar sobre algum assunto. Naturalmente, não podemos dizer que essas pessoas refletem a opinião de toda a população do país, e até mesmo da audiência da TV. Muito provavelmente, tais pesquisas envolvem pessoas mais instruídas e ativas do que a população em geral, então qualquer pesquisa televisiva contém uma distorção sistemática e é superficial.

Mas erros sistemáticos também ocorrem no curso de uma pesquisa corretamente organizada. Por exemplo, na rua, só quem não tem pressa de responder as perguntas de um entrevistador. As distorções podem ser evitadas se os princípios da seleção aleatória forem seguidos e, por exemplo, cada décimo transeunte for entrevistado.

Causas de erros sistemáticos:

• 1. “durante o estudo, a base de amostragem não foi compilada corretamente (foram usados ​​dados desatualizados, incompletos ou não havia estatísticas sobre algumas características importantes para a amostragem),
• 2. método escolhido sem sucesso para selecionar unidades de observação,
• 3. Alguns dos entrevistados “desistiram” da pesquisa por vários motivos (ausente, recusou-se a responder) e assim por diante.”

Com a ajuda de meios matemáticos, tais erros não podem ser eliminados, portanto, é necessário realizar uma análise lógica das causas dos erros sistemáticos e desenvolver medidas que possam eliminá-los. “É praticamente impossível determinar a magnitude dos erros de viés usando fórmulas matemáticas, então eles são automaticamente transferidos para os resultados e conclusões do estudo. Os erros de deslocamento geralmente são o resultado de:

• - dados estatísticos iniciais incorretos sobre os parâmetros dos sinais de controle da população em geral;
• - tamanho da amostra muito pequeno (estatisticamente insignificante);
• - aplicação incorreta do método de seleção de unidades de análise (por exemplo, seleção de uma lista compilada incorretamente, escolha malsucedida do local e hora da pesquisa)”.

Existem certos limites de erro amostral, que dependem do objetivo do estudo. Projeções econômicas e demográficas, como censos populacionais, exigem maior confiabilidade e precisão. Para tais previsões, erros significativos se transformam em milhões de perdas de recursos materiais e erros de cálculo nas previsões e no planejamento. Mas, mais frequentemente, estudos sociológicos são realizados para esclarecer tendências gerais, uma orientação geral na esfera social, que não exige cem por cento de confiabilidade. Há uma estimativa aproximada da confiabilidade dos resultados do estudo: “o aumento da confiabilidade permite um erro amostral de até 3%. Ordinário - até 3-10%, aproximado - depois 10 a 20%, aproximado - de 20 a 40% e estimado - mais de 40%.

Assim, existem várias maneiras de evitar o erro:

• § cada elemento da população geral deve ter a mesma probabilidade de ser incluído na amostra;
• § a população geral deve ser preferencialmente homogênea;
• § é necessário ter informações sobre a estrutura da população em geral e seus traços característicos;
• § ao compilar uma amostra populacional, leve em consideração antecipadamente os erros aleatórios e sistemáticos.

Por exemplo, se, depois de entrevistar 380 pessoas em um assentamento onde a população total de solventes é de 10 mil pessoas, descobrimos que 36% dos compradores pesquisados ​​preferem produtos nacionais, então com um grau de probabilidade de 95% podemos dizer que 46 ± 5 % compram constantemente produtos domésticos (ou seja, de 41 a 51%) dos habitantes deste assentamento.

Muitas circunstâncias complicam o problema do cálculo da amostra e muitas vezes podem levar ao fato de que uma amostra formalmente estatisticamente representativa acaba sendo qualitativamente não representativa.

A qualidade da amostra é avaliada por dois indicadores: representatividade e confiabilidade. A representatividade já foi discutida acima. E para criar uma amostra confiável, é necessário construir corretamente sua base. Para isso, são atendidos os seguintes requisitos:

• 1. Completude da amostra, que exige a presença de todos os elementos da população no quadro da amostra. Se a amostra não incluir muitas unidades de observação, especialmente aquelas que carregam as características e características essenciais do objeto, os resultados do estudo serão incompletos e unilaterais.
• 2. A ausência de duplicação, o que implica a inadmissibilidade de reinserção na amostra da mesma unidade de observação (por exemplo, um aluno mudou-se para outra escola, foi incluído em uma nova lista sem excluí-lo da antiga, então ele foi incluído na amostra duas vezes).
• 3. Exatidão das informações amostrais, supondo a exclusão de unidades de observação inexistentes da base amostral. Por exemplo, nas listas eleitorais que estão sendo preparadas para as próximas eleições de deputados em vários níveis, muitas vezes permanecem mortos ou moradores de casas demolidas.
• 4. Adequação, o que significa que a base da amostra compilada deve ser correlacionada com a solução das tarefas definidas no estudo. Por exemplo, uma lista completa de todos os alunos de uma escola é uma boa base para amostragem ao estudar o problema do desempenho acadêmico geral. Mas se estamos interessados ​​na atitude dos alunos do ensino médio em relação às principais disciplinas acadêmicas, essa lista só pode ser usada para formar um novo quadro de amostragem - a lista de alunos do ensino médio.
• 5. Conveniência de trabalhar com o quadro de amostragem, no qual é necessário numerar claramente todos os elementos que nele se integram, e armazenar centralmente as listas compiladas.

“Existem duas abordagens principais para comprovar a representatividade da amostra:

• 1. Com uma abordagem estatística, a representatividade é assegurada por métodos especiais de amostragem probabilística. Para generalizar os resultados do estudo para a população geral, são utilizados procedimentos de inferência estatística indutiva estrita, o erro amostral é estimado com uma dada probabilidade.
• 2. A justificativa não estatística da representatividade envolve a comprovação teórica de que a amostra representa razoavelmente bem a população. Ao usar essa abordagem, a estimativa estatística de erros de amostragem não é realizada.

À primeira vista, parece que é simplesmente impossível garantir uma amostra representativa na prática, mas na verdade tudo depende das metas do programa e dos objetivos do estudo.

Se estivermos realizando uma pesquisa de grande interesse público, ao final da qual será necessário tirar conclusões sobre toda a população, é necessário seguir rigorosamente todos os requisitos de um procedimento de amostragem representativa, pois erros em tais estudos são inaceitável.

Se nos deparamos com tarefas mais modestas e o nível de confiabilidade das conclusões pode ser reduzido com segurança, é necessário seguir todos os requisitos para a representação qualitativa da população amostral. Se optarmos por enfatizar a confiabilidade estatística dos dados, enganaremos as pessoas que estão acostumadas a acreditar em cálculos matemáticos. Não devemos esquecer que as informações que recebemos por meio de pesquisas e outros métodos são apenas condicionalmente traduzidas em indicadores quantitativos. E não é incomum que os indicadores quantitativos reflitam apenas aproximadamente a essência dos processos sociais. “Portanto, os esforços voltados ao rigor da justificativa estatística dos resultados tornam-se significativos apenas sob a condição de uma análise qualitativa séria do problema, seu estudo significativo.”

Deve ser lembrado que um sociólogo deve concentrar sua atenção precisamente na essência dos problemas sociais, envolver outros especialistas, profissionais e teóricos no trabalho, estudar cuidadosamente a literatura no campo da economia, psicologia, sociologia sobre o assunto da pesquisa. E para resolver problemas estatísticos, em relação ao tipo e tamanho da amostra, ele deve primeiro formular claramente as questões específicas que precisam ser resolvidas e só então recorrer aos cálculos correspondentes de várias estatísticas.

O conceito de representatividade é frequentemente encontrado em relatórios estatísticos e na elaboração de discursos e relatórios. Talvez, sem ela, seja difícil imaginar qualquer tipo de apresentação de informações para revisão.

Representatividade - o que é?

A representatividade reflete como os objetos ou partes selecionados correspondem ao conteúdo e significado do conjunto de dados do qual foram selecionados.

Outras definições

O conceito de representatividade pode ser desenvolvido em diferentes contextos. Mas, em seu sentido, representatividade é a correspondência das características e propriedades de unidades selecionadas da população geral, que refletem com precisão as características de todo o banco de dados geral como um todo.

Além disso, a representatividade da informação é definida como a capacidade dos dados amostrais representarem os parâmetros e propriedades da população que são importantes do ponto de vista do estudo em andamento.

Exemplo representativo

O princípio da amostragem é selecionar o mais importante e refletir com precisão as propriedades do conjunto total de dados. Para isso, são utilizados diversos métodos que permitem obter resultados precisos e uma ideia geral de utilizar apenas materiais seletivos que descrevam a qualidade de todos os dados.

Assim, não é necessário estudar todo o material, mas basta considerar a representatividade da amostra. O que é isso? Esta é uma seleção de dados individuais para ter uma ideia da massa total de informações.

Dependendo do método, eles são distinguidos como probabilísticos e improváveis. Um probabilístico é uma amostra que é feita calculando os dados mais importantes e interessantes, que são representantes adicionais da população em geral. Esta é uma escolha deliberada ou uma seleção aleatória, no entanto, justificada pelo seu conteúdo.

Incrível - esta é uma das variedades de amostragem aleatória, compilada de acordo com o princípio de uma loteria comum. Nesse caso, a opinião de quem compõe tal amostra não é levada em consideração. Apenas um lote cego é usado.

Amostragem probabilística

As amostras de probabilidade também podem ser divididas em vários tipos:

• Um dos princípios mais simples e compreensíveis é a amostragem não representativa. Por exemplo, esse método é frequentemente usado em pesquisas sociais. Ao mesmo tempo, os participantes da pesquisa não são selecionados da multidão por motivos específicos, e as informações são obtidas das primeiras 50 pessoas que participaram dela.
• Amostras intencionais diferem na medida em que possuem uma série de requisitos e condições na seleção, mas ainda dependem de coincidências aleatórias, não perseguindo o objetivo de obter boas estatísticas.
• A amostragem baseada em cotas é outra variação da amostragem não probabilística que é frequentemente usada para examinar grandes conjuntos de dados. Ele usa muitos termos e condições. São selecionados os objetos que devem corresponder a eles. Ou seja, usando o exemplo de uma pesquisa social, pode-se supor que 100 pessoas serão entrevistadas, mas apenas a opinião de um certo número de pessoas que atendam aos requisitos estabelecidos será levada em consideração na elaboração de um relatório estatístico.

Amostras de probabilidade

Para amostras probabilísticas, são calculados vários parâmetros aos quais os objetos da amostra irão corresponder, e dentre eles, de diferentes maneiras, podem ser selecionados precisamente aqueles fatos e dados que serão apresentados como representatividade dos dados amostrais. Essas formas de calcular os dados necessários podem ser:

• Uma amostra aleatória simples. Consiste no fato de que, dentre o segmento selecionado, um método de sorteio totalmente aleatório seleciona a quantidade de dados necessária, que será uma amostra representativa.

• A amostragem sistemática e aleatória permite elaborar um sistema de cálculo dos dados necessários a partir de um segmento selecionado aleatoriamente. Assim, se o primeiro número aleatório que indica o número de sequência dos dados selecionados da população total for 5, então os dados subsequentes a serem selecionados podem ser, por exemplo, 15, 25, 35 e assim por diante. Este exemplo explica claramente que mesmo uma escolha aleatória pode ser baseada em cálculos sistemáticos dos dados de entrada necessários.

Amostra de consumidores

A amostragem intencional é um método que consiste em considerar cada segmento individual e, com base em sua avaliação, é compilada uma população que reflete as características e propriedades do banco de dados geral. Dessa forma, são coletados mais dados que atendem aos requisitos de uma amostra representativa. É fácil selecionar uma série de opções que não serão incluídas no número total, sem perder a qualidade dos dados selecionados que representam a população total. Dessa forma, determina-se a representatividade dos resultados do estudo.

Tamanho da amostra

Não a última questão a ser abordada é o tamanho da amostra para uma representação representativa da população. O tamanho da amostra nem sempre depende do número de fontes na população geral. No entanto, a representatividade da população amostral depende diretamente de quantos segmentos o resultado deve ser dividido. Quanto mais segmentos desse tipo, mais dados entram na amostra resultante. Se os resultados exigem uma notação geral e não exigem especificidades, então, consequentemente, a amostra torna-se menor, pois, sem entrar em detalhes, as informações são apresentadas de forma mais superficial, o que significa que sua leitura será geral.

O conceito de erro de representatividade

O erro de representatividade é uma discrepância específica entre as características da população e os dados da amostra. Ao realizar qualquer estudo amostral, é impossível obter dados absolutamente precisos, como em um estudo completo de populações gerais e uma amostra fornecida com apenas parte das informações e parâmetros, enquanto um estudo mais detalhado só é possível quando se estuda toda a população. Assim, alguns erros e erros são inevitáveis.

Tipos de erros

Existem alguns erros que ocorrem ao compilar uma amostra representativa:

• Sistemático.
• Aleatório.
• Deliberar.
• Não intencional.
• Padrão.
• Limite.

A razão para o aparecimento de erros aleatórios pode ser a natureza descontínua do estudo da população geral. Normalmente, o erro aleatório de representatividade é de tamanho e natureza insignificantes.

Erros sistemáticos, por sua vez, surgem quando as regras de seleção de dados da população total são violadas.

O erro médio é a diferença entre a média da amostra e a população subjacente. Não depende do número de unidades na amostra. É inversamente proporcional, então quanto maior o volume, menor o valor do erro médio.

O erro marginal é a maior diferença possível entre os valores médios da amostra feita e a população total. Tal erro é caracterizado como o máximo de erros prováveis ​​sob dadas condições de sua ocorrência.

Erros intencionais e não intencionais de representatividade

Erros de deslocamento de dados podem ser intencionais ou não intencionais.

Então, as razões para o aparecimento de erros deliberados são a abordagem da seleção de dados pelo método de determinação de tendências. Erros não intencionais ocorrem mesmo na fase de preparação de uma observação amostral, formando uma amostra representativa. Para evitar tais erros, é necessário criar uma boa base de amostragem para as listas de unidades de amostragem. Deve atender integralmente aos objetivos da amostragem, ser confiável, abrangendo todos os aspectos do estudo.

Validade, confiabilidade, representatividade. Cálculo de erro

Cálculo do erro de representatividade (Mm) da média aritmética (M).

Desvio padrão: tamanho da amostra (>30).

Erro representativo (Mr) e (R): tamanho da amostra (n>30).

No caso em que você tem que estudar uma população onde o número de amostras é pequeno e inferior a 30 unidades, então o número de observações será menor em uma unidade.

A magnitude do erro é diretamente proporcional ao tamanho da amostra. A representatividade das informações e o cálculo do grau de possibilidade de se fazer uma previsão precisa refletem um certo grau de erro marginal.

Sistemas representacionais

Não apenas uma amostra representativa é usada no processo de avaliação da apresentação da informação, mas a própria pessoa que recebe a informação usa sistemas representativos. Assim, o cérebro processa algumas criando uma amostra representativa de todo o fluxo de informações para avaliar de forma qualitativa e rápida os dados enviados e entender a essência da questão. Responda à pergunta: "Representatividade - o que é isso?" - na escala da consciência humana é bastante simples. Para fazer isso, o cérebro usa todos os assuntos, dependendo de que tipo de informação precisa ser isolada do fluxo geral. Assim, eles distinguem:

• O sistema de representação visual, onde estão envolvidos os órgãos de percepção visual do olho. As pessoas que costumam usar esse sistema são chamadas de visuais. Com a ajuda deste sistema, uma pessoa processa informações que chegam na forma de imagens.
• sistema representacional auditivo. O principal órgão que é usado é a audição. As informações fornecidas na forma de arquivos de som ou fala são processadas por este sistema específico. As pessoas que percebem melhor as informações de ouvido são chamadas de auditivas.
• O sistema representacional cinestésico é o processamento do fluxo de informação, percebendo-o com a ajuda de canais olfativos e táteis.

• O sistema representacional digital é usado em conjunto com outros como meio de obter informações de fora. percepção e compreensão dos dados recebidos.

Então, representatividade - o que é isso? Uma simples seleção de uma multidão ou um procedimento integral no processamento da informação? Podemos dizer com certeza que a representatividade determina em grande parte nossa percepção dos fluxos de dados, ajudando a isolar dele os mais significativos e significativos.

Exemplo representativo

Exemplo representativo

Uma amostra representativa é uma amostra que tem a mesma distribuição de características relativas que a população geral.

Em inglês: exemplo representativo

Veja também: Populações de amostra

Dicionário Financeiro Finam.

Veja o que é "Amostra Representativa" em outros dicionários:

Exemplo representativo- Um grupo de participantes que representa com maior ou menor precisão a composição da população em estudo. A amostra pode refletir a distribuição por características de idade e gênero, bem como quaisquer outras características que afetem o resultado do experimento em termos de ... ...

exemplo representativo- — [Glossário inglês-russo de termos básicos sobre vacinologia e imunização. Organização Mundial da Saúde, 2009] Tópicos Vacinologia, Imunização EN amostragem representativa … Manual do Tradutor Técnico

EXEMPLO REPRESENTATIVO- (amostra representativa) uma amostra que é (ou é considerada) um verdadeiro reflexo da população parental, ou seja, tem o mesmo perfil de características, por exemplo, estrutura etária, estrutura de classes, nível de escolaridade. Representante ... ... Grande dicionário sociológico explicativo

EXEMPLO REPRESENTATIVO- Veja o representante da amostra... Dicionário explicativo de psicologia

EXEMPLO REPRESENTATIVO- uma amostra em que todas as principais características da população geral da qual a amostra é retirada são representadas aproximadamente na mesma proporção ou com a mesma frequência com que essa característica aparece nessa população geral ... Dicionário Enciclopédico de Psicologia e Pedagogia

Exemplo representativo- esta é uma amostra em que todas as principais características da população geral da qual esta amostra é extraída são representadas aproximadamente na mesma proporção ou com a mesma frequência com que essa característica aparece neste geral ... ... Sociológico Dicionário Sociológico

Exemplo representativo- (exemplo representativo). Uma amostra que reflete com precisão o estado e as propriedades de toda a população ... Psicologia do desenvolvimento. Dicionário por livro

exemplo representativo- (amostra representativa) uma amostra feita de acordo com as regras, ou seja, de tal forma que reflita as especificidades da população em geral tanto em termos de composição quanto de características individuais dos sujeitos incluídos. Dicionário de psicólogo prático. MASTRO, ... ... Grande Enciclopédia Psicológica

Inglês amostragem, representativa; Alemão Stichprobe, representativo. Uma amostra que tem essencialmente a mesma distribuição de características relativas que a população. Antinazi. Enciclopédia de Sociologia, 2009 ... Enciclopédia de Sociologia

Amostra representativa Uma amostra que possui a mesma distribuição de características relativas que a população Vocabulário de termos de negócios. Akademik.ru. 2001... Glossário de termos comerciais

Na verdade, começaremos não com uma, mas com três perguntas: o que é uma amostra? quando é representativo? o que ela representa?

Agregar - este é qualquer grupo de pessoas, organizações, eventos de interesse para nós, sobre os quais queremos tirar conclusões, e acontecendo, ou objeto, - qualquer elemento de tal coleção 1 .Amostra – qualquer subgrupo do conjunto de casos (objetos) selecionados para análise. Se quisermos estudar a atividade decisória dos legisladores estaduais, poderíamos examinar essa atividade nas legislaturas dos estados da Virgínia, Carolina do Norte e Carolina do Sul, e não em todos os cinquenta estados e, com base nisso, distribuir receberam dados sobre a população da qual esses três estados foram selecionados. Se quisermos investigar o sistema de preferência do eleitor da Pensilvânia, poderíamos fazê-lo entrevistando 50 trabalhadores americanos. S. Steele em Pittsburgh e distribuir os resultados da pesquisa a todos os eleitores do estado. Da mesma forma, se quiséssemos medir a inteligência de estudantes universitários, poderíamos testar todos os jogadores defensivos registrados no estado de Ohio em uma determinada temporada de futebol e depois estender os resultados para a população da qual fazem parte. Em cada exemplo, procedemos da seguinte forma: estabelecemos um subgrupo dentro da população geral, bastante estudamos esse subgrupo, ou amostra, em detalhes, e estendemos nossos resultados para toda a população. Essas são as principais etapas da amostragem.

No entanto, parece bastante óbvio que cada uma dessas amostras tem uma desvantagem significativa. Por exemplo, embora as legislaturas da Virgínia, Carolina do Norte e Carolina do Sul façam parte da constelação de legislaturas estaduais, elas são, por razões históricas, geográficas e políticas, susceptíveis de operar de maneiras muito semelhantes e muito diferentes de legislaturas tão distintas. Estados como Nova York, Nebraska e Alasca. Embora os cinquenta metalúrgicos de Pittsburgh possam de fato ser eleitores na Pensilvânia, eles podem muito bem, em virtude de seu status socioeconômico, educação e experiência de vida, ter opiniões diferentes das de muitas outras pessoas que são eleitores da mesma maneira. Da mesma forma, embora os jogadores de futebol do estado de Ohio sejam estudantes universitários, eles podem ser diferentes de outros estudantes por vários motivos. Em outras palavras, embora cada um desses subgrupos seja de fato uma amostra, os membros de cada um deles são sistematicamente diferentes da maioria dos outros membros da população da qual são selecionados. Como um grupo separado, nenhum deles é típico em termos de distribuição de características de opiniões, motivos comportamentais e características na população geral à qual está associado. Assim, os cientistas políticos diriam que nenhuma dessas amostras é representativa.

Exemplo representativo - trata-se de uma amostra em que todas as principais características da população geral da qual essa amostra é retirada são representadas aproximadamente na mesma proporção ou com a mesma frequência com que essa característica aparece nessa população geral. Assim, se 50% de todas as legislaturas estaduais se reúnem apenas uma vez a cada dois anos, cerca de metade de uma amostra representativa de legislaturas estaduais deve ser desse tipo. Se 30% dos eleitores da Pensilvânia são operários, cerca de 30% de um representante as amostras para esses eleitores (em vez de 100% como no exemplo acima) devem ser de colarinho azul. E se 2% de todos os estudantes universitários são atletas, aproximadamente a mesma proporção de uma amostra representativa de estudantes universitários deveria ser atletas. Em outras palavras, uma amostra representativa é um microcosmo, um modelo menor, mas preciso, da população que se pretende representar. Na medida em que a amostra é representativa, as conclusões baseadas no estudo desta amostra podem ser consideradas seguramente aplicáveis ​​à população original. Essa distribuição de resultados é o que chamamos de generalização.

Talvez uma ilustração gráfica ajude a esclarecer isso. Suponha que queiramos estudar padrões de participação em grupos políticos entre adultos americanos. A Figura 5.1 mostra três círculos divididos em seis setores iguais. A Figura 5.1a representa toda a população em consideração. Os membros da população são classificados de acordo com os grupos políticos (como partidos e grupos de interesse) aos quais pertencem. Neste exemplo, cada adulto pertence a pelo menos um e não mais de seis grupos políticos; e esses seis níveis de associação são igualmente comuns no agregado (daí os setores iguais). Suponha que queremos investigar os motivos das pessoas para ingressar em um grupo, escolha de grupo e padrões de participação, mas devido a restrições de recursos, só podemos examinar um em cada seis membros da população. Quem deve ser selecionado para análise?

Arroz. 5.1. Formação de uma amostra da população geral

Uma das amostras possíveis de um determinado tamanho é ilustrada pela área sombreada na Fig. 5.1b, mas claramente não reflete a estrutura da população. Se generalizássemos a partir desta amostra, concluiríamos: (1) que todos os americanos adultos pertencem aos cinco grupos políticos e (2) que todo comportamento de grupo americano coincide com o comportamento daqueles que pertencem precisamente aos cinco grupos. No entanto, sabemos que a primeira conclusão não é verdadeira, e isso pode nos levar a duvidar da validade da segunda. Por isso, a amostra mostrada na Figura 5.1b não é representativa porque não reflete a distribuição de uma determinada propriedade populacional (muitas vezes referida como parâmetro ) de acordo com sua distribuição real. Tal amostra é dita mudou para membros dos cinco grupos ou deslocou-se de todos os outros modelos de associação de grupo. Com base nessa amostragem tendenciosa, geralmente chegamos a conclusões errôneas sobre a população.

Isso pode ser mais claramente demonstrado pelo exemplo da catástrofe que se abateu sobre a revista Literary Digest na década de 1930, que organizou uma pesquisa de opinião pública sobre os resultados das eleições. O Literary Digest foi um periódico que reimprimiu editoriais de jornais e outros materiais de opinião pública; esta revista foi muito popular no início do século. A partir de 1920, a revista realizou uma ampla pesquisa nacional em que as cédulas foram enviadas para mais de um milhão de pessoas pedindo-lhes para marcar seu candidato preferido para a próxima eleição presidencial. Por vários anos, os resultados das pesquisas da revista foram tão precisos que a pesquisa de setembro parecia tornar irrelevante a eleição de novembro. E como poderia ocorrer um erro com uma amostra tão grande? No entanto, em 1936, foi exatamente isso que aconteceu: com grande maioria de votos (60:40), a vitória foi prevista pelo candidato republicano Alf Landon. Nas eleições, Landon perdeu para uma pessoa com deficiência - Franklin D. Roosevelt - com quase o mesmo resultado com que deveria ter vencido. A credibilidade da Literary Digest foi tão severamente prejudicada que a revista saiu de circulação logo depois. O que aconteceu? É muito simples: a pesquisa Digest usou uma amostra tendenciosa. Postais foram enviados para pessoas cujos nomes foram extraídos de duas fontes: listas telefônicas e listas de registro de automóveis. Embora esse método de seleção não tivesse sido muito diferente de outros métodos anteriores, era bem diferente agora, durante a Grande Depressão de 1936, quando os eleitores menos abastados, o pilar mais provável de Roosevelt, não podiam comprar um telefone, muito menos um carro. Assim, de fato, a amostra usada na pesquisa Digest foi tendenciosa para aqueles que eram mais propensos a concorrer aos republicanos, e ainda é surpreendente que Roosevelt tenha tido um resultado tão bom.

Como resolver este problema? Voltando ao nosso exemplo, vamos comparar a amostra da Fig. 5.1b com a amostra da Fig. 5.1c. Neste último caso, um sexto da população também foi selecionado para análise, mas cada um dos principais tipos de população está representado na amostra na proporção em que está representado em toda a população. Essa amostra mostra que um em cada seis adultos americanos pertence a um grupo político, um em cada seis ou dois, e assim por diante. Tal amostra também revelaria outras diferenças entre seus membros que poderiam estar relacionadas à participação em um número diferente de grupos. Assim, a amostra apresentada na Figura 5.1c é uma amostra representativa para a população considerada.

Claro, este exemplo é uma simplificação em pelo menos duas maneiras extremamente importantes. Primeiro, a maioria das populações de interesse dos cientistas políticos é mais diversificada do que a do exemplo. Pessoas, documentos, governos, organizações, decisões, etc. diferem entre si não em uma, mas em um número muito maior de características. Portanto, uma amostra representativa deve ser tal que cada da área principal, diferente foi apresentado na proporção de sua participação no agregado. Em segundo lugar, a situação em que a distribuição real das variáveis, ou itens que queremos medir, não é conhecida antecipadamente é muito mais comum do que o contrário - talvez não tenha sido medida no censo populacional anterior. Assim, uma amostra representativa deve ser projetada para que possa refletir com precisão a distribuição existente, mesmo quando não podemos avaliar diretamente sua validade. O procedimento de amostragem deve ter uma lógica interna capaz de nos convencer de que, se pudéssemos comparar a amostra com o censo, ela seria de fato representativa.

Para poder refletir com precisão a organização complexa de uma determinada população e ter algum grau de confiança de que os procedimentos propostos são capazes de fazê-lo, os pesquisadores recorrem aos métodos estatísticos. Ao fazê-lo, eles operam em duas direções. Primeiro, usando certas regras (lógica interna), os pesquisadores decidem quais objetos específicos estudar, o que exatamente incluir em uma amostra específica. Segundo, usando regras muito diferentes, eles decidem quantos objetos selecionar. Não estudaremos essas numerosas regras em detalhes, consideraremos apenas seu papel na pesquisa em ciência política. Vamos começar com as estratégias de seleção de objetos que formam uma amostra representativa.

Na verdade, começaremos não com uma, mas com três perguntas: o que é uma amostra? quando é representativo? o que ela representa?

Agregar- este é qualquer grupo de pessoas, organizações, eventos de interesse para nós, sobre os quais queremos tirar conclusões, e acontecendo, ou objeto, - qualquer elemento de tal coleção.

Amostra- qualquer subgrupo do conjunto de casos (objetos) selecionados para análise.

Se quisermos estudar a atividade decisória dos legisladores estaduais, poderíamos examinar essa atividade nas legislaturas dos estados da Virgínia, Carolina do Norte e Carolina do Sul, e não em todos os cinquenta estados e, com base nisso, distribuir receberam dados sobre a população da qual esses três estados foram selecionados. Se quisermos investigar o sistema de preferência do eleitor da Pensilvânia, poderíamos fazê-lo entrevistando 50 trabalhadores americanos. S. Steele em Pittsburgh e distribuir os resultados da pesquisa a todos os eleitores do estado.

De forma similar Se quisermos medir a inteligência dos estudantes universitários, poderíamos testar todos os jogadores defensivos registrados no estado de Ohio em uma determinada temporada de futebol e depois estender os resultados para a população da qual fazem parte. Em cada exemplo, procedemos da seguinte forma: estabelecemos um subgrupo dentro da população, estudamos esse subgrupo ou amostra com algum detalhe e estendemos nossos resultados para toda a população. Essas são as principais etapas da amostragem.

No entanto pareceÉ bastante óbvio que cada uma dessas amostras tem uma desvantagem significativa. Por exemplo, embora as legislaturas da Virgínia, Carolina do Norte e Carolina do Sul façam parte da constelação de legislaturas estaduais, elas são, por razões históricas, geográficas e políticas, susceptíveis de operar de maneiras muito semelhantes e muito diferentes de legislaturas tão distintas. Estados como Nova York, Nebraska e Alasca. Embora os cinquenta metalúrgicos de Pittsburgh possam de fato ser eleitores na Pensilvânia, eles podem muito bem, em virtude de seu status socioeconômico, educação e experiência de vida, ter opiniões diferentes das de muitas outras pessoas que são eleitores da mesma maneira.

Da mesma forma, embora os jogadores de futebol do estado de Ohio sejam estudantes universitários, eles podem ser diferentes de outros estudantes por vários motivos. Em outras palavras, embora cada um desses subgrupos seja de fato uma amostra, os membros de cada um deles são sistematicamente diferentes da maioria dos outros membros da população da qual são selecionados. Como um grupo separado, nenhum deles é típico em termos de distribuição de características de opiniões, motivos comportamentais e características na população geral à qual está associado. Assim, os cientistas políticos diriam que nenhuma dessas amostras é representativa.

Exemplo representativo- trata-se de uma amostra em que todas as principais características da população geral da qual a amostra é retirada são apresentadas aproximadamente na mesma proporção ou com a mesma frequência com que essa característica aparece nessa população geral. Assim, se 50% de todas as legislaturas estaduais se reúnem apenas uma vez a cada dois anos, cerca de metade de uma amostra representativa de legislaturas estaduais deve ser desse tipo. Se 30% dos eleitores da Pensilvânia são operários, cerca de 30% de uma amostra representativa desses eleitores (em vez de 100% como no exemplo acima) deve ser operário.

E se 2% de todos os estudantes universitários são atletas, aproximadamente a mesma proporção de uma amostra representativa de estudantes universitários deveria ser atletas. Em outras palavras, uma amostra representativa é um microcosmo, um modelo menor, mas preciso, da população que se pretende representar. Na medida em que a amostra é representativa, as conclusões baseadas no estudo desta amostra podem ser consideradas seguramente aplicáveis ​​à população original. Essa distribuição de resultados é o que chamamos de generalização.

Talvez uma ilustração gráfica ajude a esclarecer isso. Suponha que queiramos estudar padrões de participação em grupos políticos entre adultos americanos. A Figura 5.1 mostra três círculos divididos em seis setores iguais. A Figura 5.1a representa toda a população em consideração. Os membros da população são classificados de acordo com os grupos políticos (como partidos e grupos de interesse) aos quais pertencem.

Neste exemplo cada adulto pertence a pelo menos um e não mais de seis grupos políticos; e esses seis níveis de associação são igualmente comuns no agregado (daí os setores iguais). Suponha que queremos investigar os motivos das pessoas para ingressar em um grupo, escolha de grupo e padrões de participação, mas devido a restrições de recursos, só podemos examinar um em cada seis membros da população. Quem deve ser selecionado para análise?

Arroz. 5.1. Formação de uma amostra da população geral

Uma das possíveis amostras de um determinado tamanho é ilustrada pela área sombreada na Fig. 5.1b, no entanto, claramente não reflete a estrutura da população.

Se fôssemos fazer generalizações com base nesta amostra, concluiríamos:

1) que todos os americanos adultos pertencem a cinco grupos políticos e

2) que todo o comportamento grupal dos americanos coincide com o comportamento daqueles que pertencem precisamente aos cinco grupos.

No entanto, sabemos que a primeira conclusão não é verdadeira, e isso pode nos levar a duvidar da validade da segunda.

Assim, a amostra mostrada na Figura 5.1b não é representativa porque não reflete a distribuição de uma determinada propriedade populacional (muitas vezes chamada de parâmetro) de acordo com sua distribuição real. Diz-se que tal amostra é mudou para membros dos cinco grupos ou deslocou-se de todos os outros modelos de associação de grupo. Com base nessa amostragem tendenciosa, geralmente chegamos a conclusões errôneas sobre a população.

Isso pode ser mais claramente demonstrado pelo exemplo da catástrofe que se abateu sobre a revista Literary Digest na década de 1930, que organizou uma pesquisa de opinião pública sobre os resultados das eleições. “ Resumo Literário” foi um periódico que reimprimiu editoriais de jornais e outros materiais que refletiam a opinião pública; esta revista foi muito popular no início do século.

Desde 1920. A revista realizou uma ampla pesquisa nacional na qual mais de um milhão de pessoas receberam cédulas por correio pedindo que marcassem seu candidato preferido para a próxima eleição presidencial. Por vários anos, os resultados das pesquisas da revista foram tão precisos que a pesquisa de setembro parecia tornar irrelevante a eleição de novembro.

E como poderia ocorrer um erro com uma amostra tão grande? No entanto, em 1936, foi exatamente isso que aconteceu: com grande maioria de votos (60:40), a vitória foi prevista pelo candidato republicano Alf Landon. Nas eleições, Landon perdeu para uma pessoa com deficiência - Franklin D. Roosevelt- praticamente com o mesmo resultado com que deveria ter vencido. A credibilidade da Literary Digest foi tão severamente prejudicada que a revista saiu de circulação logo depois. O que aconteceu? É muito simples: a pesquisa Digest usou uma amostra tendenciosa. Postais foram enviados para pessoas cujos nomes foram extraídos de duas fontes: listas telefônicas e listas de registro de automóveis.

Embora esse método de seleção não tivesse sido muito diferente de outros métodos anteriores, era bem diferente agora, durante a Grande Depressão de 1936, quando os eleitores menos abastados, o pilar mais provável de Roosevelt, não podiam comprar um telefone, muito menos um carro. Assim, de fato, a amostra usada na pesquisa Digest foi tendenciosa para aqueles que eram mais propensos a concorrer aos republicanos, e ainda é surpreendente que Roosevelt tenha tido um resultado tão bom.

Como resolver este problema? Voltando ao nosso exemplo, vamos comparar a amostra da Fig. 5.1b com uma seleção na fig. 5.1c. Neste último caso, um sexto da população também foi selecionado para análise, mas cada um dos principais tipos de população está representado na amostra na proporção em que está representado em toda a população. Essa amostra mostra que um em cada seis adultos americanos pertence a um grupo político, um em cada seis ou dois, e assim por diante. Tal amostra também revelaria outras diferenças entre seus membros que poderiam estar relacionadas à participação em um número diferente de grupos. Assim, a amostra apresentada na Figura 5.1c é uma amostra representativa para a população considerada.

Claro que este exemplo é simplificado de pelo menos dois pontos de vista extremamente importantes. Primeiro, a maioria das populações de interesse dos cientistas políticos é mais diversificada do que a do exemplo. Pessoas, documentos, governos, organizações, decisões, etc. diferem entre si não em uma, mas em um número muito maior de características. Portanto, uma amostra representativa deve ser tal que cada do núcleo, uma área distinta foi representada na proporção de sua participação na população.

Em segundo lugar, a situação em que a distribuição real das variáveis, ou características que queremos medir, não é conhecida antecipadamente, é muito mais comum do que o contrário - talvez não tenha sido medida no censo populacional anterior. Assim, uma amostra representativa deve ser projetada para que possa refletir com precisão a distribuição existente, mesmo quando não podemos avaliar diretamente sua validade. O procedimento de amostragem deve ter uma lógica interna capaz de nos convencer de que, se pudéssemos comparar a amostra com o censo, ela seria de fato representativa.

Para dar a oportunidade reflexo preciso da organização complexa de uma determinada população e um certo grau de confiança de que os procedimentos propostos são capazes de fazer isso, os pesquisadores recorrem aos métodos estatísticos. Ao fazê-lo, eles operam em duas direções. Primeiro, usando certas regras (lógica interna), os pesquisadores decidem quais objetos específicos estudar, o que exatamente incluir em uma amostra específica. Segundo, usando regras muito diferentes, eles decidem quantos objetos selecionar. Não estudaremos essas numerosas regras em detalhes, consideraremos apenas seu papel na pesquisa em ciência política. Vamos começar com as estratégias de seleção de objetos que formam uma amostra representativa.