.jpg)
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.