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 têm propriedades que variam horizontal e verticalmente, pelo que as amostras devem ser divididas consoante provenham de greens, tees ou fairways 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‾

Por conseguinte, para um grande número de amostras, podemos estar confiantes de que a média da população estará dentro de dois erros-padrão da média; assim, se num solo tivermos uma medição média 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.