Estatísticos na amostragem

O recolha de amostras destina-se a obter informações relevantes sobre um determinado solo; embora as amostras se destinem a representar todas as áreas de solo, aquilo a que chamamos "a população", podem ou não ser representativas da população.

Todos os solos apresentam propriedades que variam tanto na horizontal como na vertical, pelo que as amostras devem ser divididas consoante provenham de verduras, tees ou calles com características semelhantes.

O parâmetro estatístico de amostragem mais utilizado e mais importante é a média aritmética de uma variável numa coleção de amostras, x‾ A dispersão de amostras individuais em torno da média é dada pela variância, s², uma grande variância indica uma grande dispersão e uma pequena variância, um pequeno desvio (ideal). O desvio padrão, s, é a raiz quadrada da variância. O erro padrão de uma amostra, s×, dá a confiança no valor da média, x‾

Assim, para um grande número de amostras, podemos ter 95% a certeza de que a média da população se situará dentro de dois erros-padrão da média; assim, se num solo tivermos uma média na medição de Potássio, K, de 11 ppm e um erro padrão de 1,5 ppm, a média real da população situar-se-á entre 8 e 14 ppm. Esta estimativa só estará errada em 5% das vezes, devido exclusivamente à variação natural da amostragem.

Os valores obtidos pela adição ou subtração de dois erros-padrão à média dão o 95% do limite de confiança. Os limites de confiança para qualquer nível, 67, 80, 90, 95 ou 99% podem ser calculados através da média e do erro padrão.

A variância, a medida de variabilidade entre unidades, é frequentemente uma função do tamanho das unidades, com valores maiores a tenderem a ter variâncias maiores do que unidades mais pequenas. Assim, os comprimentos das raízes têm variâncias maiores do que o diâmetro médio das raízes. O coeficiente de variação, CVexpressa a variabilidade relativa através da divisão do desvio padrão pela média, CV%=100 s/x‾.

A recolha de amostras e o respetivo trabalho analítico são dispendiosos, mas estes custos podem ser minimizados se se recolher apenas o número de amostras necessário para obter o nível de precisão exigido. Assim, podemos utilizar a seguinte fórmula:

n=t²s²/D²

onde n, o número de amostras; t, um número escolhido para um nível de precisão, como 95%; s², a variância s² conhecida antecipadamente de outros estudos; D, a variabilidade na estimativa da amostra que aceitamos.

Isto permite determinar o número ótimo de amostras para obter os resultados mais eficazes.