Uma amostra estatisticamente válida consiste numa fração de uma população bem maior que, sendo avaliada, fornece as mesmas conclusões quando se comparado a avaliação da população inteira. Uma metáfora bastante utilizada é que para reconhecer o sabor de uma sopa (independentemente do tamanho do caldeirão) colhe-se apenas uma pequena colherzinha da mesma para ser experimentada e, a partir desta experimentação, concluir sob o sabor (ideal ou não) da sopa toda. Para sabermos sob as circunstâncias de saúde de uma pessoa colhe-se apenas uma pequena fração quantitativa de seu sangue para concluir sobre todo o estado de saúde do paciente.

As amostras são, portanto, largamente utilizadas no mundo atual para estabelecimento de diagnósticos das situações atuais. A questão básica é de que tamanho deveria ser a amostra para que as conclusões sejam o mais próximas possível da realidade da população!?

A estatística, como braço fundamental da matemática protagonizada inicialmente por Carl Friedrich Gauss, desenvolveu uma série de argumentações científicas para definir o melhor tamanho das amostras, no entanto, o objetivo deste artigo é comentar a mágica do tamanho de amostras entre 30 e 40 como número mínimo (e máximo) das amostras em geral.

A questão básica que se defende aqui é que ANTES de sabermos a quantidade amostral ideal, deve-se GARANTIR uma retirada de amostras de forma absolutamente ALEATÓRIA (o que nem sempre é tão simples quanto parece). Se for possível garantir a total aleatoriedade, então o tamanho de amostras padrão pode ser entre 30 e 40 com grande força conclusiva! É por este motivo que o tamanho mínimo de pontos nas Cartas de Controle (gráficos lineares que constituem o instrumento principal do CEP – Controle Estatístico do Processo – metodologia desenvolvida nos anos 40 por Walter Shewart e depois difundida no mundo todo William Edward Deming) é de 30!

Quando a aleatoriedade pode ser plenamente garantida, números superiores a 40 contribuem muito pouco (quase insignificantemente) para melhorar o poder conclusivo viabilizado por amostras de tamanho 30 a 40. Em contrapartida tamanho de amostras inferiores a 30 não fornecem a força necessária para uma conclusividade confiável. Por exemplo: A trabalhabilidade científica de dados oriundos dos clientes via SAC (nada aleatórios uma vez que os motivos de um contato com o SAC sempre existem, sejam para formalizar uma reclamação sejam para formalizar um elogio), e sua posterior conclusividade interpretativa, mesmo que numericamente expressivos podem ser substituídos (ou simplesmente validados) com uma pesquisa ativa e efetivamente aleatória com apenas 30 a 40 dados.

Difícil acreditar não é!? Um dos testes que mais aplico para ilustrar este fenômeno vou relatar agora e creio que o leitor possa replicá-lo quantas vezes considerar pertinente. A afirmação é a seguinte:

SE VOCÊ ESTIVER NUM AMBIENTE CONTENDO DE 30 A 40 PESSOAS (NO MÍNIMO), CONSTITUIDAS DE FORMA RELATIVAMENTE ALEATÓRIA, PODE-SE AFIRMAR (APOSTE DINHEIRO NESTA AFIRMAÇÃO SE DESEJAR…EU GARANTO) QUE EXISTIRÃO PELO MENOS UM PAR DE PESSOAS QUE NASCERAM NO MESMO DIA E MÊS (SEM CONSIDERAR O ANO DE NASCIMENTO).

Faça o teste e depois conversamos!

Orlando Pavani Júnior
Diretor Presidente