DISTRBIUIÇÔES AMOSTRAIS 43
de situações reais, que poderíamos tentar identificar e classificar. Não o faremos, porém, por
fugir à nossa finalidade neste texto.3.3.5 Amostragem por voluntários
Ocorre, por exemplo, no caso da aplicação experimental de uma nova droga em pacientes,
quando a ética obriga que haja concordância dos escolhidos.
3.4 Distribuições amostrais
O tópico que abordaremos agora é, de certa forma, uma ponte entre a Estatística Descritiva
e a Estatística Indutiva. Sua apresentação é fundamental para a boa compreensão de como
se controem os métodos estatísticos de análise e interpretação dos dados, ou seja, os métodos
da Estatística Indutiva. É aqui que o Cálculo de Probabilidades vai se apresentar como a
ferramenta básica de que se vale a Estatística Indutiva para a elaboração de sua metodologia.Suporemos, doravante, que as amostras são representativas das populações, ou seja,
que foram obtidas por processos probabilísticos ou equivalentes e, salvo menção em contrário,
por amostragem casual simples. Ora, sendo a amostra aleatória, todos os seus elementos
fornecerão valores aleatórios da variável de interesse. Ou seja, a amostra é, para todos os
efeitos, constituída por um conjunto de n valores aleatoriamente obtidos de alguma variável.O conceito de distribuição de probabilidade de uma variável aleatória, fornecido pelo
Cálculo de Probabilidades, será agora utilizado para caracterizar a distribuição dos diversos
valores de uma variável em uma população. Já comentamos que, quando pensamos em
uma população, em verdade nos interessamos pelo conjunto total de valores de alguma
variável de interesse. Esse conjunto total de valores encerra potencialmente uma variável
aleatória, cujos valores se manifestam a partir do instante em que passamos a sortear
elementos dessa população e verificar os valores correspondentes de nossa variável. Logo,
o conceito de distribuição de probabilidade, muitas vezes apenas associado à idéia dinâmica
de variável aleatória, pode ser estendido às populações, e efetivamente será usado para
descrevê-las.Ao retirar uma amostra aleatória de uma população, portanto, estaremos considerando
cada valor da amostra como um valor de uma variável aleatória cuja distribuição de
probabilidade é a mesma da população no instante da retirada desse elemento para a amostra.
É claro que, se a amostragem for com reposição, todos os valores da amostra terão a mesma
distribuição de probabilidade ou, em outras palavras, serão igualmente distribuídos.Os valores da amostra também serão igualmente distribuídos se a população for infinita,
pois, nesse caso, a retirada de alguns elementos não modÜ1cará a distribuição de probabilidade
da população. Na prática, em verdade, não encontraremos populações infinitas que não
sejam hipotéticas. No entanto, podemos considerar como infinita uma população suficien-
temente grande para que sua distribuição de probabilidade se mantenha inalterada durante
a retirada da amostra.Em conseqüência do fato de os valores da amostra serem aleatórios, decorre que qualquer
quantidade calculada em função dos elementos da amostra também será uma variável
aleatória.Chamaremos os valores calculados em função dos elementos da amostra de estatísticas.
As estatísticas, sendo variáveis aleatórias, terão alguma distribuição de probabilidade, com
uma média, uma variância, etc. A distribuição de probabilidade de uma estatística chama-
se comumente distribuição amostral ou distn'buição por amostragem.