Vous êtes sur la page 1sur 44

TIPOS E TÉCNICAS DE

AMOSTRAGEM NA
PESQUISA SOCIAL

Profa. : Emília S. M. Seo


2009
EXISTEM DUAS FONTES BÁSICAS DE
INFORMAÇÃO:
1) A PRIMÁRIA; 2) A SECUNDÁRIA

DADOS PRIMÁRIOS: SÃO DADOS QUE FORAM


COLETADOS EM CAMPO ESPECIFICAMENTE PARA
DETERMINADO PROPÓSITO. TODO MUNDO, EM
UM OU OUTRO MOMENTO, TERÁ PARTICIPADO DE
UM PROCESSO DE COLETA DE DADOS. TODO O
FORMULÁRIO, QUANDO PREENCHIDO, FORNECE
DADOS PRIMÁRIOS PARA ALGUÉM EM ALGUM
LUGAR.
DADOS SECUNDÁRIOS: SÃO AQUELES JÁ

COLETADOS, QUE SE ENCONTRAM

ORGANIZADOS EM ARQUIVOS, BANCOS

DE DADOS, ANUÁRIOS ESTATÍSTICOS,

PUBLICAÇÕES, ETC.
Em falta da série de dados
secundários ou mesmo,
inadequados, o pesquisador
deve buscar ou coletar os
próprios dados (série de
dados primários).
• Algumas vezes, pesquisamos toda
a população: por exemplo:
examinar o desemp. acadêmico de
todos os alunos de determinada
Univers., matriculados entre 1997 e
1998;
Outras vezes, precisamos tomar
uma amostra representativa devido
às restrições de tempo e/ou
dinheiro.
Torna-se claro que a
representatividade da amostra
dependerá do seu tamanho (quanto
maior, melhor).

O pesquisador procurará acercar-se


de cuidados, visando à obtenção de
uma amostra significativa, ou seja,
que represente “o melhor possível”
toda a população.
O cálculo para o tamanho da
amostra é uma etapa que exige
máxima atenção, pois é
fundamental SABER quais as
características da população em
estudo, da qual será extraída a
amostra, que estará apta a
responder à pesquisa, atendendo
os objetivos da pesquisa.
Na teoria da amostragem, são
consideradas duas dimensões:

1.Técnicas amostrais (Métodos


de amostragem)

2. Dimensionamento da
amostra
TÉCNICAS AMOSTRAIS

As técnicas amostrais se
subdividem em dois grupos:

Probabilísticas;

Não-probabilísticas
 Amostras Probabilísticas

Para se obter uma amostra


probabilística, utiliza-se os
conceitos da estatística, pois,
nesse tipo de amostra, todos os
elementos da população têm igual
probabilidade, e diferente de zero,
de serem selecionados para
compor a amostra.
Existem seis procedimentos
básicos para a obtenção de
amostras Probabilísticas:
simples, estratificada,
sistemática, por grupos,
conglomerado e amostragem
em múltiplas etapas.
•· Amostragem aleatória simples
Este método permite que todos os
elementos da população têm igual
probabilidade de compor a amostra.
Uma amostra em que a probabilidade
de escolher qualquer dos N elementos
em uma única prova é igual a 1/N é
uma amostra aleatória. Significa que os
grupos de elementos têm a mesma
chance de serem incluídos na amostra.
Se a população é infinita, como
por exemplo chamadas
telefônicas, produção futura de
uma certa máquina, tempo de
atendimento em caixas de
supermercado, etc; podemos
considerá-lo um processo
probabilístico, compondo as
amostras aleatórias na ordem que
ocorrem.
Se a população é finita, tal como os
livros da biblioteca, estudantes de
uma faculdade, etc; a escolha
aleatória envolve a compilação de
uma lista de todos os elementos da
população, e a realização de
sorteios para escolher os itens que
irão compor a amostra.

Neste método utiliza-se a Tabela de


números aleatórios
Um exemplo: Suponhamos que uma grande
empresa queira selecionar, aleatoriamente, 40
funcionários de seus 700 empregados. Os
funcionários poderiam ser listados
alfabeticamente, ou relacionados pelos números
de seus registros, ou organizados por outro
critério qualquer.
Vamos supor o rol dos funcionários de 001 a 700.
Como a identificação de cada funcionário exige
números de três algarismos, será necessário
lermos número de três algarismos em uma tabela
de números aleatórios.
TABELA 1 – REPRESENTAÇÃO DE UMA PARTE DA TABELAS DE
NÚMEROS ALEATÓRIOS DO ANEXO B (MARTINS.2002:22).
COLUNAS
LINHAS 12345 67890 12345 67890 12345 67890 12345 67890
01 49280 88924 35779 00283 81163 07275 89863 02348
02 61870 41657 07468 08612 98083 97349 20775 45091
03 43898 65923 25078 86129 78496 97653 91550 08078
04 62993 93912 30454 84598 56095 20664 12872 64647
05 33850 58555 51438 85507 71865 79488 76783 31708
06 97340 03364 88472 04334 63919 36394 11095 92470
07 70543 29776 10087 10072 55980 64688 68239 20461
08 89382 93809 00796 95945 34101 81277 66090 88872
09 37818 72142 67140 50785 22380 16703 53362 44940
10 60430 22834 14130 96593 23298 56203 92671 15925
11 82975 66158 84731 19436 55790 69229 28661 13675
12 39087 71938 40355 54324 08401 26299 49420 59208
13 55700 24586 93247 32596 11865 63397 44251 43189
14 14756 23997 78643 75912 83832 32768 18928 50070
15 32166 53251 70654 98827 63491 04233 33825 69662
16 23236 73751 31888 81718 06546 83246 47651 04877
17 45794 26926 15130 82455 78305 55058 52551 47182
18 09893 20505 14225 68514 46427 56788 96297 78822
19 54382 74598 91499 14523 68479 27686 46162 83554
20 94750 89923 37089 20048 80336 94598 26940 36858
21 70297 34135 53140 33340 42050 83341 44104 82949
22 85157 47954 32979 26575 57600 40881 12250 73742
Para tanto, basta escolhermos arbitrariamente,
qualquer posição (linha ou coluna) e a partir daí
iniciarmos o processo de escolha (sorteio).
Por exemplo, escolhemos:
(1a linha e 1a coluna): 492 808 892 435 779 002 838
116 307 275 898 630 234 861 870 416 570 746 808
612 980 839 734 920 755 450 914 389 865 923 250
786 612(*) 978 496 976 539 155 008 078 629 939 391
230 454 845 985 609 520 664 128 726 464 733 850
585 555 143 885 507 718 657 948 876 783 317 089
340 033 648 847 204 334.
(*) o elemento com o número 612 foi descartado,

pois já havia sido escolhido (veja o 10o elemento


da segunda linha.
Logo, os funcionários identificados
pelos números assinalados em
negrito irão compor a amostra.
Quando o número sorteado supera o
maior número da população, no caso
700, o descartamos, continuando o
processo. Descartamos também as
repetições. Nesse exemplo o
processo continuou até se completar
o 40o elemento.
 Amostragem aleatória
estratificada

Este método é muito similar ao da


amostragem aleatória simples, mas é
utilizado quando se pensa que a
população possui grupos distintos que
podem possuir diferentes visões sobre
os assuntos de interesse.
Por exemplo: Os proprietários de carros e
ciclistas/pedestre teriam visões diferentes sobre
o lançamento de medidas de controle de carros
no centro de uma cidade. Para superar o perigo
de uma amostra acidentalmente não ser
representativa, a amostra pode ser estratificada
de acordo com esses grupos, para que possua
aproximadamente as mesmas proporções da
população.
Se existir 80% de proprietários de carros e 20%
de ciclistas/pedestres na população, então a
razão é 4: 1 deve ser refletida na amostra.
Para cada grupo, os membros são
selecionados aleatoriamente (como na
amostragem aleatória simples). O
processo de escolha (sorteio) deve ser
para 4 proprietários de carro e 01
ciclistas/pedestres.

Esse é um método comparativamente não


tendencioso, gera uma amostra
representativa, entretanto a estratificação
adicionará custos ao processo de
pesquisa e também é necessário ter
acesso à população.
•· Amostragem sistemática

Novamente, este método é similar à


amostragem aleatória simples, exceto que,
em vez de escolher um membro da
amostra utilizando um gerador de números
aleatórios, supõe-se que os dados estejam
em uma ordem aleatória e cada n-ésimo
membro é selecionado, onde n é dado por:

Tamanho da população  tamanho


desejado da amostra
Por exemplo: se a amostra de 5 fosse
solicitada de uma lista de 30 pessoaS,
cada 6a pessoa (30  5) poderia ser
escolhida.

Observe que não é necessário


começar com a primeira pessoa da
lista, o ponto de início deve ser
escolhido aleatoriamente. Assim, a
amostra pode conter as pessoas
numeradas 1,7,13,19 e 25 ou 2,8,14, 20
e 26,etc.
Método muito utilizado quando a população
é infinita. Ex. usuários de máquinas de
saque eletrônico de um banco.

Esse tipo de amostra probabilística é muito


utilizado em pesquisas domiciliares, pois
acredita-se que os vizinhos se influenciam e
que, utilizando-se um intervalo para
aplicação dos questionários, diminuem-se
as possíveis distorções provenientes dessa
influência.
 Amostragem por grupos

Freqüentemente utilizado quando os


itens da população de interesse são
amplamente diversificados e é
desejável que os elementos da
amostra sejam agrupados de alguma
forma (talvez geograficamente ou no
decorrer de um curto período de
tempo).
Exemplo: se um varejista quisesse
entrevistar uma amostra de lojistas, faria
sentido selecionar aleatoriamente duas ou
três áreas de vendas primeiro. Cada lojista
dentro dessas áreas poderia, então, ser
entrevistado: isso evitaria a seleção de um
número de lojistas isolados espalhados por
todo o país.
Método utilizado quando os dados estão
muito espalhados geograficamente e em
que a população não é definida exatamente
(infinita).
 Probabilística por Conglomerado

A técnica probabilística por conglomerado


exige a utilização de mapas detalhados de
regiões, estados, municípios e cidades,
pois, para a seleção da amostra, há
subdivisão da área a ser pesquisada por
bairros, quarteirões e domicílios, que serão
sorteados para composição dos elementos
da amostra, e a pesquisa será realizada de
forma sistemática para que não haja
interferência nas informações.
Por exemplo: se desejamos fazer
uma pesquisa no bairro da Mooca,
dividimos o bairro por quarteirões,
identificamos a população do
quarteirão e então estabelecemos o
intervalo por meio da fórmula de
técnica probabilística sistemática.
 Amostragem em múltiplas etapas

Similar ao método de amostragem por


grupos.
Neste caso, o processo continua até a
seleção das unidades individuais de
amostragem (em vez de grupos, como na
amostragem por grupos).
Isso é feito dividindo-se o processo de
amostragem em etapas e utilizando-se a
mais relevante das técnicas de amostragem
já listadas anteriormente (qualquer!).
Este método é muito útil para os dados
muito espalhado.
Por exemplo: um grande
fabricante de alimentos que
deseje fazer uma pesquisa
nacional sobre o estilo de vida e
os hábitos alimentares dos
consumidores, para fornecer
informações para o possível
lançamento de uma variedade de
alimentos pré preparados.
Deve utilizar em três etapas para cobrir todo o país.
· Etapa 1 (unidades amostrais primárias): Divida
o Brasil em número de regiões, e, então selecione
aleatoriamente um pequeno número delas;

· Etapa 2 (unidades amostrais secundárias):


Tomando cada uma das regiões selecionadas, retire
uma amostra aleatória de sub-regiões (talvez os
estados);

· Etapa 3 (unidades amostrais terciárias): Lares


individuais poderiam, então, ser selecionados
utilizando uma amostragem sistemática.
· Amostras Não-Probabilísticas

As amostras não-probabilísticas são


selecionadas por critérios subjetivos do
pesquisador, de acordo com sua
experiência e com objetivos do estudo.

As amostras não-probabilísticas não são


obtidas utilizando-se conceitos
estatísticos e podem ser subdivididas em
não-probabilísticas por conveniência, por
julgamento e por cota.
 Não-Probabilística por Conveniência

Os elementos da amostra são selecionados de


acordo com a conveniência do pesquisador. São
as pessoas que estão ao alcance do pesquisador
e dispostas a responder a um questionário.

Por exemplo: podem-se abordar alunos de uma


determinada faculdade para obter as informações
para uma pesquisa. Essa técnica é não-
conclusiva e a amostragem é menos confiável,
apesar de mais barata e simples.
 Não-Probabilística por Julgamento

Os elementos da amostra são selecionados


segundo um critério de julgamento do
pesquisador, tendo como base o que se acredita
que o elemento selecionado possa fornecer ao
estudo.

Por exemplo: se queremos verificar as razões, os


motivos do uso ou não de determinada marca de
produto, escolhemos dois grupos a serem
entrevistados: os usuários e os não-usuários do
produto.
• Não-Probabilística por Cota

O pesquisador procura uma amostra que se


identifique em alguns aspectos com o universo.
Esta identificação pode estar ligada ao sexo,
idade, etc., e a quantidade a ser entrevistada é
aleatória.

Por exemplo: podemos realizar uma pesquisa de


opinião sobre um jornal, em que cada
pesquisador tenha de entrevistar uma
quantidade de pessoas da classe A, da classe B,
de faixas etárias variáveis de 30 a 45 anos e de
ambos os sexos.
É importante ressaltar que as amostras
obtidas pelas técnicas não-probabilísticas
não permitem a inferência sobre o
universo, pois, nesses casos, é
desconhecido o erro cometido na escolha
dos elementos que farão parte da
amostra.

A amostragem por cotas é muito utilizada


quando a entrevista é o principal método
de coleta de dados.
EXERCÍCIO DE FIXAÇÃO
1. A tabela I é uma lista de um grupo de
seminário de alunos cursando a unidade AR101
– Introdução à Aromaterapia. Com o auxílio da
lista de Números Aleatórios a seguir, você é
solicitado a selecionar uma amostra de cinco
pessoas, que receberão uma mensagem grátis
do tutor, utilizando:
a) amostragem aleatória simples;
b) Amostragem aleatória estratificada;
c) Amostragem aleatória sistemática.
No de Sobrenome Nome No de Sobrenome Nome
ordem ordem
1 Black Lynn 11 North John
2 Kirk Tim 12 Fox Malcolm
3 Hughes Jim 13 Peters Sue
4 Hobson Anne 14 Howe Roy
5 Dixon Patrick 15 Morris Karen
6 Carr Bill 16 Philipson Gail
7 Murray John 17 Plant Vicki
8 Smith Alan 18 Stewart Ângela
9 Thompson Ivo 19 Ward David
10 Swallow Adam 20 Smith Liz
Números Aleatórios:
11 14 05 16 18 12 18 19 15 03 07
17 13 09 01 07 13 08 11 14 10 14
13 14 11 06 12 15 02 15 18 19 13
RESPOSTA:
A)
11 14 05 16 18 12 18 19 15 03 07

11 – John North
5 – Patrick Dixon
18 – Angela Stewart
18 – Ignore, pois já foi utilizado
15 – Karen Morris
7 – John Murray
B) Existem 08 mulheres e 12 homens no grupo, o que significa que a
proporção de alunos homens em relação a alunas mulheres e de 3 : 2.
Então, em uma amostra de 5, deve haver três homens e duas mulheres.
Nessa amostra específica, a segunda linha de números aleatórios é
utilizada (começando no 17); PODE SER QUALQUER PARA DAR O
INÍCIO!
17 – Vicki Plant (F)
13 – Sue Peters (F – agora existem duas mulheres, como necessário)
9 – Ivor Thompson (M)
1 - Lynn Black (F, então, não incluir)
7 – John Murray (M)
13 - Já foi utilizado, então ignorar
8 – Alan Smith (M).
C) Existem 20 pessoas e é necessário retirar uma amostra de 5.
Portanto, selecione cada 20/5 = 4a pessoa da lista, isto é, Anne
Hobson, Alan Smith, Malcolm Fox, Gail Philipson e Liz Smith.
Obs.: Um ponto inicial aleatório poderia ter sido escolhido – não é
necessário começar com a 4a pessoa.
BIBLIOGRAFIA CONSULTADA

1. LEVIN, JACK. ESTATÍSTICA APLICADA A CIÊNCIAS HUMANAS.


2A.ED. TRAD. COSTA, SÉRGIO FRANCISCO. SÃO PAULO :
HARBRA, 1987.

2. MARTINS, GILBERTO ANDRADE. ESTATÍSTICA GERAL E


APLICADA. 2A ED. SÃO PAULO: ATLAS, 2002.

3. SMAILES, JOANNE; MC GRANE, ÂNGELA. ESTATÍSTICA


APLICADA Á ADMINISTRAÇÃO COM EXCEL. 1A ED. TRAD. BRITO,
CHRISTIANE. SÃO PAULO: ATLAS, 2000.

4. SAMARA, BEATRIZ & BARROS, JOSÉ CARLOS. PESQUISA DE


MARKETING. SÃO PAULO: MAKRON BOOKS, 1999.
Muito obrigada !!