4.7 Para saber mais

Para amostragem intencional veja (Nagae 2007), (Fossaluza et al. 2009) e (Diniz et al. 2016).

O material Amostragem: Teoria e Prática Usando R, gentilmente disponibilizado pelos professores Pedro Luis do Nascimento Silva, Zélia Magalhães Bianchini e Antonio José Ribeiro Dias, é uma fonte muito rica para informações adicionais sobre este tópico. Está disponível ainda o livro Análise de Dados Amostrais Complexos, também do professor Pedro Silva em parceria com o professor Djalma Pessoa.
O professor Pedro também compartilhou os slides da apresentação Combinando amostras para aprimorar estimativas – aventuras na amostragem não probabilística, apresentado em 18 de outubro de 2020 no VII Encontro Baiano de Estatística.

Há ainda o curso de análise de dados amostrais usando R, preparado pelo Prof. Marcel Vieira para a International Association of Survey Statisticians (IASS). É um curso auto instrucional em inglês, com vídeos, apresentações sobre a teoria e material para prática individual, que inclui códigos em R e os dados necessários. O curso é gratuito e livre, e está disponível neste link.

Por fim, há também o pacote samplics para Python, que realiza ponderação e análise de amostras complexas.

Referências

Diniz, Juliana Belo, Victor Fossaluza, Carlos Alberto de B. Pereira, and Sergio Wechsler. 2016. “Rain Dance: The Role of Randomization in Clinical Trials.” Open Access Journal of Clinical Trials 8: 21. https://www.doi.org/10.2147/OAJCT.S100446.
Fossaluza, Victor, Juliana Belo Diniz, Basilio de B. Pereira, Eurı́pedes Constantino Miguel, and Carlos Alberto de B. Pereira. 2009. “Sequential Allocation to Balance Prognostic Factors in a Psychiatric Clinical Trial.” Clinics 64 (6): 511–18. https://www.doi.org/10.1590/S1807-59322009000600005.
Nagae, Cátia Yumi. 2007. Amostragem Intencional.” PhD thesis, Universidade de São Paulo. https://teses.usp.br/teses/disponiveis/45/45133/tde-06122007-205037/pt-br.php.