Curso de Amostragem

Aula 1 • Visão Geral dos Tipos de Delineamento Amostral

Mapeia o panorama dos delineamentos probabilísticos e não probabilísticos em alto nível. Prepara os alunos para escolher métodos apropriados em capítulos posteriores.

Aula 2 • Populações e Amostras Definidas

Esclarece a distinção entre uma população-alvo e uma amostra extraída. Estabelece o vocabulário utilizado em todas as decisões de amostragem subsequentes.

Aula 3 • Erro Amostral e Viés

Diferencia o erro amostral aleatório do viés sistemático e explica seu impacto nas conclusões. Fornece uma base para avaliar a qualidade da amostra ao longo do curso.

Aula 1 • Estimando Parâmetros a partir da AAS

Deriva estimadores para média, proporção e total sob AAS e calcula seus erros padrão. Vincula as fórmulas de estimação ao conceito de distribuições amostrais.

Aula 2 • Construindo um Quadro Amostral

Explica o que é um quadro amostral, como construí-lo e os erros comuns de quadro. Um quadro sólido é o pré-requisito para todos os métodos de amostragem probabilística.

Aula 3 • Comparando a Eficiência da AAS e da Sistemática

Avalia eficiência relativa, custo e restrições práticas de cada método. Os alunos selecionam entre SRS e amostragem sistemática para cenários específicos.

Aula 4 • Mecânica da Amostragem Aleatória Simples

Aborda métodos de seleção por sorteio, tabela de números aleatórios e baseados em software. Os alunos executam procedimentos de AAS e verificam a seleção com igual probabilidade.

Aula 1 • Pós-Estratificação e Ponderação

Aborda o ajuste de pesos após a coleta de dados quando a pré-estratificação foi incompleta. Apresenta raking e calibração como ferramentas práticas de correção.

Aula 2 • Princípios da Estratificação

Explica por que dividir uma população em estratos homogêneos reduz a variância geral. Conecta a lógica da estratificação aos ganhos de precisão sobre a AAS.

Aula 3 • Alocação Proporcional e Ótima

Contrasta a alocação proporcional com a alocação ótima de Neyman e variantes com restrição de custo. Os alunos calculam os tamanhos amostrais dos estratos sob cada regra.

Aula 1 • Efeito de Delineamento e Ajuste do Tamanho Amostral

Quantifica o efeito de delineamento (DEFF) e o utiliza para inflar os requisitos de tamanho amostral da AAS. Os alunos recalculam os tamanhos amostrais necessários para delineamentos por conglomerados.

Aula 2 • Amostragem com Probabilidade Proporcional ao Tamanho

Detalha métodos de seleção PPS, incluindo PPS sistemático e o método de Lahiri. Demonstra como o PPS obtém amostras autoponderadas em designs com conglomerados desiguais.

Aula 3 • Delineamentos em Dois Estágios e em Múltiplos Estágios

Estende a amostragem por conglomerados para dois ou mais estágios com subamostragem dentro dos conglomerados selecionados. Aborda a complexidade da estimação e a decomposição da variância entre estágios.

Aula 4 • Lógica e Compensações da Amostragem por Conglomerados

Explica por que o agrupamento reduz custos de deslocamento e listagem, ao mesmo tempo que aumenta a variância. Contrasta a amostragem por conglomerados com a amostragem estratificada conceitualmente.

Aula 1 • Amostragem em Bola de Neve e em Rede

Aborda cadeias de referência impulsionadas pelos respondentes para populações de difícil acesso. Apresenta a amostragem impulsionada pelo respondente como uma extensão probabilística dos métodos em bola de neve.

Aula 2 • Amostragem Teórica e Intencional em Pesquisa Qualitativa

Aborda estratégias de variação máxima, caso desviante e saturação teórica. Conecta a lógica não probabilística aos padrões de validade da pesquisa qualitativa.

Aula 3 • Avaliando a Qualidade da Amostra Não Probabilística

Fornece critérios para avaliar o rigor quando a amostragem probabilística está ausente. Os alunos aplicam padrões de transparência e adequação ao propósito a delineamentos não probabilísticos.

Aula 4 • Amostragem por Conveniência e Intencional

Descreve a seleção baseada na disponibilidade e no julgamento e seus riscos de viés inerentes. Identifica contextos de pesquisa onde esses métodos são defensáveis.

Aula 1 • Tamanho Amostral para Proporções

Adapta a fórmula de tamanho para desfechos binários e aborda a suposição conservadora de p=0,5. Os alunos calculam tamanhos para proporções únicas e múltiplas.

Aula 2 • Ajustes para Delineamentos Complexos

Aplica multiplicadores de efeito de delineamento e inflação por não resposta aos cálculos de tamanho amostral base. Integra os ajustes de estratificação e agrupamento de capítulos anteriores.

Aula 3 • Análise de Poder Estatístico para Teste de Hipóteses

Vincula o tamanho amostral ao poder estatístico, tamanho do efeito e taxas de erro Tipo I e II. Os alunos usam curvas de poder para justificar tamanhos amostrais para estudos comparativos.

Aula 4 • Tamanho Amostral Baseado em Precisão para Médias

Deriva a fórmula do tamanho amostral para estimar uma média populacional dentro de uma margem de erro especificada. Requer conhecimento da estimação de variância de capítulos anteriores.

Aula 1 • Modos de Coleta de Dados

Compara modos presenciais, telefônicos, postais e on-line quanto a custo, cobertura e qualidade da resposta. Os alunos selecionam modos apropriados ao seu quadro amostral e população.

Aula 2 • Não Resposta e Estratégias de Acompanhamento

Identifica fontes de não resposta de unidade e de item e delineia protocolos de acompanhamento para reduzi-las. Vincula as taxas de não resposta ao risco de viés estabelecido no Capítulo 1.

Aula 3 • Princípios de Delineamento de Questionários

Aborda a redação das perguntas, a construção da escala de resposta e os efeitos de ordem. Conecta a qualidade do instrumento à precisão dos dados amostrados.

Aula 4 • Treinamento de Entrevistadores e Controle de Qualidade

Estabelece protocolos para treinar entrevistadores e monitorar a qualidade da coleta de dados. Aborda os efeitos do entrevistador como fonte de erro de mensuração.

Aula 1 • Lidando com Dados Faltantes e Imputação

Distingue mecanismos de dados faltantes ao acaso de não faltantes ao acaso e aplica métodos de imputação hot-deck e múltipla. Avalia o impacto da imputação nas estimativas.

Aula 2 • Construindo Pesos Amostrais

Deriva pesos base a partir de probabilidades de seleção e aplica ajustes de não resposta e calibração. Baseia-se nos conceitos de estratificação e agrupamento de capítulos anteriores.

Aula 3 • Estimação da Variância para Amostras Complexas

Aborda os métodos de linearização de Taylor, replicação balanceada repetida e jackknife para estimação da variância. Os alunos selecionam o método apropriado para seu delineamento.

Aula 4 • Relatando e Comunicando Resultados

Estrutura relatórios de pesquisa com declarações de precisão apropriadas, limitações e divulgações do delineamento. Traduz estimativas técnicas em achados acessíveis para diversos públicos.