A seleção amostral pode ser feita, em geral, por dois método...

Gabarito: C

Distribuição hipergeométrica é uma distribuição de probabilidade discreta que descreve a probabilidade de k sucessos em n retiradas, sem reposição, de uma população de tamanho N que contém exatamente K sucessos, sendo cada retirada um sucesso ou um fracasso.

Probabilística: todos os elementos da população têm a mesma chance de serem escolhidos.

NÃO probabilística: os elementos da população NÃO têm a mesma chance de serem escolhidos.

Referência: https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_hipergeom%C3%A9trica

A) ERRADA. Distribuição hipergeométrica é probabilística

B) ERRADA. Amostra probabilística é indicada para populações grandes.

C) CORRETA

D) ERRADA. Na seleção por conglomerados, os grupos são heterogêneos.

E) ERRADA. O erro está em "quantitativos".

Apenas uma correção ao comentário da Deborah: nos métodos probabilísticos, a distribuição de probabilidades de seleção dos indivíduos da população é conhecida, o que não significa que todos os indivíduos da população têm igual probabilidade de ser selecionado. Isso seria verdade no caso de amostras aleatórias. Vejam a questão Q987885.

a)  a probabilidade de seleção t;

ERRADO: Não é possível afirmar que uma amostragem não probabilística segue uma distribuição específica. 

b)  a amostragem por julgamento é recomendada para os casos em que a

ERRADO: Em uma amostragem por julgamento os elementos da amostra são selecionados com base num julgamento do investigador. Por esse motivo não se permite generalizações para populações. Assim em uma população muito grande, o julgamento deverá ser feito em uma amostra muito grande, o que inviabilizaria o processo.

c)  é frequentemente aplicada naqueles casos em que uma parte relevante da população está inacessível;

CORRETO:  Deve-se considerar a utilização de amostragem probabilística sempre que as condições abaixo sejam cumpridas:

(1) Todos os elementos da minha população apresentam uma probabilidade maior que zero para ser selecionados na amostra.

(2) Conhecer precisamente a probabilidade para cada elemento, também chamado de probabilidade de inclusão

O segundo requisito é muito exigente. Todos os indivíduos que não podem ser selecionados em uma amostra normalmente são considerados como unidades fora de cobertura.

Por todas estas razões e por temas de custos, diversas vezes devemos recorrer a outras técnicas de amostragem, agrupadas dentro do que é conhecido como amostragem não probabilística.

d)  a amostragem por cotas guarda semelhança com a seleção por conglomerados, em ;

ERRADO: A heterogeneidade do grupo é essencial para uma boa amostragem por conglomerados.

e)   a amostragem em Bola de Neve se destaca entre os métodos não probabilísticos.

ERRADO: A amostragem em Bola de Neve se destaca entre os métodos não probabilísticos para levantamentos QUALITATIVOS.

AMOSTRAGEM ALEATÓRIA SIMPLES

A amostragem aleatória simples é a mais cobrada em provas de concursos. De forma bem resumida, podemos dizer que se trata da amostragem feita de forma que cada elemento da população tem a mesma chance de ser escolhido.

Por exemplo: queremos escolher algumas pessoas de uma empresa para realizar uma entrevista. Escrevemos os nomes de todos os funcionários em pedaços de papel de mesmo tamanho. Colocamos todos os nomes em um saco. Misturamos bem todos os papéis. Feito isto sorteamos 5 nomes. Este é um exemplo de amostragem aleatória simples.

Quando a população é descrita por uma variável contínua, não podemos mais falar em probabilidade de ocorrer um dado valor. Nesse caso, segundo William J Stevenson, em Estatística Aplicada à Administração, a amostra é aleatória se “a probabilidade de incluir na amostra qualquer intervalo de valores é igual à percentagem da população que está naquele intervalo”

AMOSTRAGEM ESTRATIFICADA

Há diversos outros tipos de amostragem. Na prática, muitas vezes a amostragem aleatória simples pode não ser a mais indicada. Mas, para concursos, é a mais importante.

Uma alternativa à amostragem aleatória é a amostragem estratificada. Nela, dividimos nossa população em extratos. Idealmente, cada extrato abriga elementos homogêneos.

Exemplo: estamos fazendo uma pesquisa sobre o perfil de consumo das pessoas de uma cidade. É possível que, para o tipo de produto a que se refere a pesquisa, seja interessante separar a população por idade. Dividimos nossa população em extratos. Um extrato para crianças, outro para jovens, outro para adultos e outro para idosos. Dentro de cada extrato fazemos uma amostragem aleatória.

Qual a vantagem disso? Se cada estrato for realmente homogêneo, a variabilidade dos dados, dentro de cada estrato, será pequena, o que permite que trabalhemos com amostras menores.

Vejamos um caso extremo. Que bom seria (para quem está fazendo a pesquisa) se todos os idosos do nosso estrato tivessem exatamente o mesmo perfil de consumo. Poderíamos tomar apenas um deles como a amostra (a amostra teria tamanho 1), de forma que conheceríamos muito bem o comportamento de todos eles.

Há duas formas de se realizar a amostragem por extratos.

Na primeira, fazemos uma alocação proporcional entre os extratos. Ou seja, os tamanhos das amostras a serem feitas em cada extrato são proporcionais ao tamanho do extrato. Assim, se 30% da população desta cidade é formado por crianças e nós iremos entrevistar ao todo 100 pessoas, seria interessante que 30 pessoas fossem crianças.

Um segundo modo se refere à alocação uniforme entre os extratos, tomando o mesmo número de elementos de cada extrato. Exemplo: vamos entrevistar 100 pessoas, divididas em 4 extratos (crianças, jovens, adultos e idosos). Tomamos 25 pessoas de cada extrato (números iguais, uniformes, para cada extrato, independente do tamanho de cada extrato).

Além da idade, outros critérios de formação de extratos poderiam ser: sexo, região geográfica, renda, profissão.