Upload
maria-capistrano-cabral
View
222
Download
0
Embed Size (px)
Citation preview
Relação do processo de elaboração da amostragem com os capítulos anteriores e o processo de pesquisa de marketing
Foco do capítulo Relação com os capítulos anteriores
Relação com o processo de marketing
• Processo de elaboração
da amostragem
• Técnicas de amostragem
não probabilísticas
• Técnicas de amostragem
probabilística
• Componentes do modelo
de pesquisa (capítulo 3)
Definição do problema
Abordagem do problema
Trabalho de campo
Preparação e análisedos dados
Preparação e apresentaçãodo relatório
Modelo de pesquisa
© 2011 Pearson. Todos os direitos reservados.slide 3
Definição da população
Determinação da estrutura da amopstragem
Seleção da(s) técnica(s) de amostragem
Determinação do tamanho da amostra
Execução do processo de amostragem
Processo de elaboração de amostragem
© 2011 Pearson. Todos os direitos reservados.slide 4
Defina a População Alvo
A população alvo é a coleção de elementos ou objetos que
possuem as informações buscadas pelo pesquisador e sobre a
qual devem-se fazer inferências. A população alvo deve ser
definida por elementos, unidades amostrais, extensão e
período.
– Um elemento é o objeto sobre o qual ou do qual se deseja
obter informações, isto é, o entrevistado.
© 2011 Pearson. Todos os direitos reservados.slide 5
Defina a População Alvo
– A unidade amostral é um elemento, ou uma unidade
contendo o elemento, disponível para seleção em algum estágio
do processo de amostragem.
– A extensão refere-se às fronteiras geográficas.
– O período é o tempo de duração da pesquisa.
© 2011 Pearson. Todos os direitos reservados.slide 6
Defina a População Alvo (Cont.)
Fatores qualitativos imporantes para determinar o tamanho da amostra: – importância da decisão– natureza da pesquisa– número de variáveis– natureza da análise– tamanhos de amostra usados em estudos semelhantes– taxas de incidência– taxas de finalização– limitação de recursos
© 2011 Pearson. Todos os direitos reservados.slide 7
Elementos: mulheres com 18 anos
Unidade de análise: casas com mulheres com 18 anos
Marco temporal: Próximo verão
Extensão:
Região Norte
Figura 12.4 Definindo a população alvo
© 2011 Pearson. Todos os direitos reservados.slide 8
Erro – estrutura de amostragem
População alvo:Famílias com apenas uns dos pais em Manaus
Erro – estrutura de amostragem
Estrutura de amostragem:Lista fornecida por umvendedor comercial
© 2011 Pearson. Todos os direitos reservados.slide 9
Amostra a ser utilizada
Classificação das técnicas de amostragem
Técnicas deamostragem
Técnicas de amostragem
não probabilísticas
Técnicas de amostragem
probabilísticas
© 2011 Pearson. Todos os direitos reservados.slide 10
Figura 12.7 técnicas de amostragem não probabilisticas
Técnicas de amostragem não probabilisticas
Amostragem por
conveniência
Amostragempor
julgamento
Amostragem por cotas
Amostragembola de neve
© 2011 Pearson. Todos os direitos reservados.slide 11
Amostragem por Conveniência
A amostragem por conveniência tenta obter uma amostra de
elementos convenientes para o pesquisador. Frequentemente
os entrevistados são selecionados por estarem no lugar certo,
na hora certa.
– Estudantes da Faculdade Martha Falcão
© 2011 Pearson. Todos os direitos reservados.slide 12
Amostragem por Conveniência
– Entrevistas de interceptação em shopping centers sem
qualificar os entrevistados
– Lojas de departamentos usando listas de cobrança
– Entrevistas com o “povo na rua”
© 2011 Pearson. Todos os direitos reservados.slide 13
Amostragem por Julgamento
A amostragem por julgamento é uma forma de amostragem
por conveniência em que elementos da população são
selecionados com base no julgamento do pesquisador.
– Testes de mercados
© 2011 Pearson. Todos os direitos reservados.slide 14
Amostragem por Julgamento
– Engenheiros de compra selecionados em pesquisa de
marketing industrial
– Distritos de voto selecionados para pesquisa de
comportamento de voto
– Testemunhas qualificadas usadas em um tribunal
© 2011 Pearson. Todos os direitos reservados.slide 15
Amostragem por Quota
A amostragem por quota pode ser vista como a separação em
dois estágios restritos da amostragem por julgamento.
– O primeiro estágio consiste em desenvolver categorias de
controle, ou quotas, de elementos da população.
© 2011 Pearson. Todos os direitos reservados.slide 16
Amostragem por Quota
No segundo estágio, alguns elementos da amostra são
selecionado com base na conveniência ou no julgamento. Composição da Composição da
população amostraControle
Característica Porcentagem Porcentagem NúmeroMasculino 48 48 480Feminino 52 52 520
____ ____ ____ 100 100 1000
© 2011 Pearson. Todos os direitos reservados.slide 17
Amostragem Bola-de-Neve
Na amostragem bola-de-neve, seleciona-se um grupo inicial
de entrevistados, em geral aleatoriamente.
– Após serem entrevistados, os indivíduos devem identificar
outros que pertençam à população alvo de interesse.
– Os entrevistados subsequentes são selecionados com base
nessas referências.
© 2011 Pearson. Todos os direitos reservados.slide 18
Técnicas de amostragem probabilísticas
Técnicas de amostragem probabilisticas
Amostragemaleatóriasimples
AmostragemPor Cluster
Amostragemestratificada
Amostragemsistemática
© 2011 Pearson. Todos os direitos reservados.slide 19
Amostragem Aleatória Simples
• Cada elemento da população apresenta uma probabilidade de
seleção conhecida e igual.
• Cada possível amostra de um dado tamanho (n) apresenta
probabilidade conhecida e igual de ser a amostra realmente
selecionada.
• Isso implica que todos os elementos são selecionados
independentemente uns dos outros.© 2011 Pearson. Todos os direitos reservados.slide 20
Amostragem Sistemática
A amostra é escolhida selecionando-se um ponto de partida aleatório e depois selecionando-se cada elemento seguinte em um determinado intervalo sucessivo dentro da composição da amostragem. • O intervalo de amostragem, I, é determinado ao dividir o tamanho N da população pelo tamanho n da amostra e arredondando o resultado para o número inteiro mais próximo. • Quando a ordem dos elementos se relaciona à característica de interesse, a amostragem sistemática aumenta a representatividade da amostra.
© 2011 Pearson. Todos os direitos reservados.slide 21
Amostragem Sistemática
Se a ordem dos elementos produz um padrão cíclico, a amostragem sistemática pode diminuir a representatividade da amostra. Por exemplo, há 100.000 elementos na população e uma amostra de 1.000 seria desejável. Nesse caso, o intervalo de amostragem, i, é 100. Um número aleatório entre 1 e 100 deve ser selecionado. Se, por exemplo, esse número for 23, a amostra consistirá dos elementos 23, 123, 223, 323, 423, 523 e assim por diante.
© 2011 Pearson. Todos os direitos reservados.slide 22
Amostragem Estratificada
• É um processo de duas fases no qual a população é dividida
em subpopulações ou estratos.
• Os estratos devem ser mutuamente excludentes e
coletivamente exaustivos na medida em que cada elemento da
população deve pertencer a um, e somente um estrato, e
nenhum elemento da população pode ser omitido.
© 2011 Pearson. Todos os direitos reservados.slide 23
Amostragem Estratificada
• Em seguida, selecionam-se elementos de cada estrato através
de um procedimento aleatório, normalmente semelhante a
amostragem aleatória simples.
• Um dos principais objetivos da amostragem estratificada é
aumentar a precisão sem aumentar o custo.
© 2011 Pearson. Todos os direitos reservados.slide 24
© 2011 Pearson. Todos os direitos reservados.slide 25
Amostragem Estratificada
• Os elementos dentro de um estrato devem ser o mais homogêneos quanto possível, mas os elementos de diferentes estratos devem ser tão heterogêneos quanto possível.
• As variáveis da estratificação também devem estar intimamente ligadas à característica de interesse.
• Finalmente, as variáveis devem reduzir o custo do processo de estratificação por serem fáceis de mensurar e aplicar.
© 2011 Pearson. Todos os direitos reservados.slide 26
Amostragem Estratificada
• Na amostragem estratificada proporcional, o tamanho da amostra retirada de cada estrato é proporcional ao tamanho relativo deste último na população total.
• Na amostragem estratificada desproporcional, o tamanho da amostra de cada estrato é proporcional ao tamanho relativo deste último e ao desvio padrão da característica de interesse dentre todos os elementos naquele estrato.
Amostragem por Cluster
• Primeiramente, divide-se a população-alvo em subpopulações
mutualmente excludentes e coletivamente exaustivas, ou seja,
clusters (conglomerados) Bairro da Compensa.
• Em seguida, seleciona-se uma amostra aleatória de clusters
com base na técnica de amostragem, como a amostragem
aleatória simples.
© 2011 Pearson. Todos os direitos reservados.slide 27
Amostragem por Cluster
• Para cada cluster selecionado, ou todos os elementos são
incluídos na amostra (um estágio) ou a amostra de elementos é
extraída probabilisticamente (dois estágios).
• Os elementos dentro de um cluster devem ser tão
heterogêneos quanto possível, mas os clusters devem ser o
mais homogêneos possível.
© 2011 Pearson. Todos os direitos reservados.slide 28
Amostragem por Cluster
• No caso da amostragem probabilística proporcional ao
tamanho, os clusters são agrupados com probabilidade
proporcional ao tamanho. No segundo estágio, a probabilidade
de selecionar uma unidade amostral dentro de um cluster
selecionado varia inversamente com relação ao seu tamanho.
© 2011 Pearson. Todos os direitos reservados.slide 29
Tipos de amostragem por cluster
Divisão da populaçãoem clusters
Cluster aleatório simples
Um estágio Dois estágios
Elementos de uma amostra aleatória de cada Cluster selecionados
Incluir todos os elementosde cada Cluster selecionados
Amostragem por Cluster Amostragem Estratificada
Apenas uma amostra das subpopulações (clusters) é selecionada para amostragem.
Todas as subpopulações (estratos) são selecionadas para a amostragem.
Dentro de um cluster, os elementos devem ser diferentes (heterogêneos), enquanto se mantém a homogeneidade entre os diferentes clusters.
Dentro dos estratos, os elementos devem ser homogêneos, mas com diferenças claras (heterogeneidade) entre os estratos.
É necessário uma estrutura amostral apenas para os clusters selecionados para a amostra.
Deve-se extrair uma estrutura amostral completa para as subpopulações estratificadas.
Amostragem por Cluster versus Amostragem Estratificada
© 2011 Pearson. Todos os direitos reservados.slide 31
Técnica Pontos Fortes Pontos Fracos
Técnicas de Amostragem Não-ProbabilísticaAmostragem por conveniência
A menos cara; a que consome menos tempo; a mais conveniente
Viés de seleção;amostra não representativa;não recomendada para pesquisas descritivas oucausais
Técnicas de Amostragem Não-ProbabilísticaAmostragem por julgamento
Baixo custo; conveniente; não consome muito tempo
Não há generalização;subjetiva
Técnicas de Amostragem Não-ProbabilísticaAmostragem por quota
A amostra pode ser controlada para certas características
Viés de seleção; não há garantia derepresentatividade
Pontos Fortes e Fracos de Técnicas Básicas de Amostragem
© 2011 Pearson. Todos os direitos reservados.slide 32
Pontos Fortes e Fracos de Técnicas Básicas de Amostragem (Cont.)
Técnica Pontos Fortes Pontos Fracos
Técnicas de Amostragem Não-ProbabilísticaAmostragem bola-de-neve
Pode estimar caracterísicas raras
Consome muito tempo
Amostragem ProbabilísticaAmostragem Aleatória Simples (AAS)
Facilmente compreensível; osresultados são projetáveis
Difícil de construir estrutura amostral; cara; menos precisa; não há garantia de representatividade
Amostragem ProbabilísticaAmostragem Sistemática
Pode aumentar arepresentatividade; mais fácil de implementarque a AAS; painel amostral não é necessário
Pode reduzir arepresentatividade
Pontos Fortes e Fracos de Técnicas Básicas de Amostragem
Técnica Pontos Fortes Pontos Fracos
Amostragem ProbabilísticaAmostragem estratificada
Inclui todas as subpopulações importantes; precisa
Difícil selecionar variáveis de estratificação relevantes; não é factível estratificar em diversas variáveis; cara
Amostragem ProbabilísticaAmostragem por cluster
Fácil de implementar;efetiva em termos de custo
Imprecisa; é difícilcomputar e interpretar seus resultados
© 2011 Pearson. Todos os direitos reservados.slide 34
CONDIÇÕES QUE FAVORECEM O USO DE
Fatores AmostragemNão-probabilística
Amostragem Probabilística
Natureza da pesquisa Exploratória Conclusiva
Magnitude relativa de erros de amostragem e não-amostragem
Erros de não-amostragem são maiores
Erros de amostragem são maiores
Variabilidade da população Homogênea(baixa)
Heterogênea(alta)
Considerações estatísticas Desfavoráveis Favoráveis
Considerações operacionais Favoráveis Desfavoráveis
Escolhendo Entre a Amostragem Não-probabilística vs. Probabilística
© 2011 Pearson. Todos os direitos reservados.slide 35