.jpg)
O consultor Orlando Pavani Júnior, diretor da Gauss Consulting, explica que uma amostra estatisticamente válida consiste numa fração de uma população bem maior que, sendo avaliada, fornece as mesmas conclusões quando comparada 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 disso, conclui-se sob o sabor (ideal ou não) da sopa toda. Para sabermos sob as circunstâncias de saúde de uma pessoa, coleta-se apenas uma pequena fração quantitativa de seu sangue, que permite saber sobre todo o estado de saúde do paciente.
As amostras são, portanto, largamente utilizadas no mundo atual para o estabelecimento de diagnósticos das situações atuais. A questão básica é: qual o tamanho que 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, o 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 ou formalizar um elogio), e sua posterior conclusividade interpretativa, mesmo que numericamente expressivas, podem ser substituídas (ou simplesmente validadas) 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 em um ambiente contendo de 30 a 40 pessoas (no mínimo), constituídas de forma relativamente aleatória, pode-se afirmar (aposto 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 é Consultor Titulado CMC pelo IBCO/ICMCI e Diretor Executivo da Gauss Consultores Associados Ltda.
