Apresentação criada em uma disciplina da pós-graduação. Neste trabalho, foi desenvolvida uma pesquisa teórica sobre os fundamentos de amostragem. Em um segundo momento, foi criada uma abordagem para que os procedimentos de amostragem fossem de melhor compreensão. Nesta abordagem mais didática, foi usada um jogo de cartas chamado Super trunfo, em que tinha-se um grupo de super heróis da Marvel.
2. População: Conjunto de elementos/casos que compartilham características em comum e que são pertinentes ao problema/objetivo de pesquisa. Censo: Conjunto completo dos elementos/casos que compõem a população. Amostra: Grupo de elementos/casos da população. Os elementos são selecionados conforme os critérios de seleção.
Malhotra (2012)
Hair Jr. (2010)
1
3. Definição da população-alvo: Identificar uma população- alvo que possa fornecer as informações procuradas. Determinação do arcabouço amostral: Formalização dos critérios de escolha da amostra e organização dos elementos qualificados. Tamanho amostral: Determinação do número de casos necessários para se obter as informações.
Malhotra (2012)
Hair Jr. (2010)
2
4. Erro de amostragem: Compreende tendenciosidades que estejam relacionadas com erros que ocorreram no processo de seleção dos elementos. Erro não amostral: Pode ocorrer em qualquer fase de uma pesquisa e envolve a precisão dos dados. Não existe procedimento para avaliar o impacto do erro na qualidade dos dados coletados.
Malhotra (2012)
Hair Jr. (2010)
3
6. Amostragem não probabilística: Conveniência Os elementos são selecionados com base na conveniência destes para o estudo. A técnica é mais usada em primeiros estágios de pesquisa e também é conhecida como amostragem acidental. A seleção dos elementos é feita pelo pesquisador.
Malhotra (2012)
Hair Jr. (2010)
5
8. Amostragem não probabilística: Julgamento A amostra é escolhida de acordo com o conhecimento, por parte do pesquisador, de que determinados elementos apresentam condições de contribuir para o estudo.
Hair Jr. (2010)
7
10. Amostragem não probabilística: Quotas Compreende uma técnica de julgamento em dois estágios. Desenvolve-se categorias (quotas), selecionam-se as características pertinentes e a proporção da distribuição na população (ex.: gênero e idade). Após isso, os elementos são selecionados conforme julgamento do pesquisador.
Hair Jr. (2010)
9
12. Amostragem não probabilística: Bola de neve Um grupo específico de elementos é escolhido para compor a amostra e estes indicam outras pessoas da mesma população. A técnica é útil para se encontrar grupos reduzidos ou de difícil acesso.
Hair Jr. (2010)
11
14. Amostragem probabilística: Aleatória simples Os elementos possuem a mesma chance de serem selecionados e o processo de escolha é aleatório. Os resultados são representativos para a população e observa-se um erro amostral pré-determinado.
Malhotra (2012)
Hair Jr. (2010)
13
16. Amostragem probabilística: Sistemática A população deve ser ordenada por meio de algum critério natural. Determina-se uma amostra por meio de um erro amostral. Calcula-se o valor que irá servir como intervalo de seleção. Um número de partida é determinado aleatoriamente e os elementos são escolhidos utilizando-se do valor de salto.
Hair Jr. (2010)
15
18. Amostragem probabilística: Estratificada A população é dividida em grupos (ex.: gênero, idade, classe social) e os elementos amostrais são escolhidos considerando estes grupos. Deve-se dividir a população em estratos homogêneos. Selecionam-se amostras aleatórias em cada estrato. Combina-se as amostras de cada estrato em uma amostra de toda a população.
Hair Jr. (2010)
17
20. Amostragem probabilística: Cluster Consiste em uma divisão da área a ser pesquisada por bairros ou domicílios. Os elementos destes conglomerados são selecionados aleatoriamente ou todos são incluídos na amostra.
Hair Jr. (2010)
19
22. Critério para a determinação de tamanhos amostrais Quanto maior a variabilidade das características da população, quanto maior o nível de confiança e menor o erro de amostragem, mais elementos são necessários. Em amostras não probabilísticas, a determinação é baseada no conhecimento do pesquisador sobre o objeto de estudo.
Hair Jr. (2010)
21
23. Projeto X: Amostra probabilística aleatória – 6 países Quotas de gênero, idade, classe social e estados
Gênero
Proporção
Quota
Feminino
52,42%
1069
Masculino
47,58%
970
Idade
Proporção
Quota
Menos de 18
4,15%
85
18-24
19,25%
393
25-34
33,90%
691
35-44
22,97%
468
45-54
13,68%
279
55 ou mais
6,05%
123
Classe
Proporção
Quota
A1
1,46%
30
A2
7,75%
158
B1
18,11%
369
B2
30,0%
611
C1
26,13%
533
C2
13,42%
274
D
2,85%
58
E
0,28%
6
Estado
Proporção
Quota
São Paulo
32,64%
666
Rio de Janeiro
11,56%
236
Minas Gerais
8,32%
170
Bahia
5,00%
102
Paraná
4,74%
97
Rio Grande do Sul
4,73%
96
Pernambuco
2,95%
60
Santa Catarina
2,82%
58
Ceará
2,00%
41
Goiás
1,90%
39
Outras
23,22%
474
22
24. Projeto Y Amostra não probabilística - 5 países 3 marcas avaliadas em cada país Quotas amostrais para cada marca e por região
Marca escolhida
Quotas
Região
Quotas
1
200
A
300
2
200
B
160
3
200
C
140
23
25. Referências
HAIR JR., Joseph F. Fundamentos de pesquisa de marketing. Porto Alegre: Bookman, 2010.
MALHOTRA, Naresh K. Pesquisa de marketing: uma orientação aplicada. Porto Alegre: Bookman, 2012.
24