ea u1 22 MetodosColetadeDados 22017

Prévia do material em texto

UnB - IE 
Departamento de 
Estatística 
UnB - IE 
Departamento de 
Estatística 
MÉTODOS DE COLETA DE DADOS 
mtlc - 2/2015 23 
 
 
 POPULAÇÃO 
 conjunto de elementos AMOSTRA 
 que apresentam alguma subconjunto de elementos 
 característica em “representativos” da 
 comum. população. 
 
 
 
 
 CENSO 
 São pesquisados todos os 
 elementos da população. AMOSTRAGEM 
 Apenas uma parcela da 
 população é pesquisada. 
 
 
 Ambos os métodos encontram ampla aplicação nos campos de 
pesquisa. 
 
UnB - IE 
Departamento de 
Estatística 
UnB - IE 
Departamento de 
Estatística 
PRINCIPAIS FATORES QUE CONDICIONAM A 
ESCOLHA DE UM DOS MÉTODOS DE COLETA: 
 
n  prazo ou tempo para conclusão; 
n  recursos financeiros disponíveis; 
n  existência de pessoal com a devida preparação técnica. 
 
mtlc - 2/2015 24 
UnB - IE 
Departamento de 
Estatística 
UnB - IE 
Departamento de 
Estatística 
SITUAÇÕES EM QUE É MAIS VANTAJOSO USAR: 
CENSO 
População é pequena 
Tamanho da amostra é grande em relação ao da população 
Exigência de precisão completa 
Já se dispõe de informação completa 
mtlc - 2/2015 
25 
AMOSTRAGEM 
População infinita 
Atualização da Informação: 
n  rapidez 
n  modificações ao longo do tempo 
Testes destrutivos 
Custo 
n  tamanho 
n  mobilidade 
n  problema de mensuração 
Precisão 
Tipo de Informação 
UnB - IE 
Departamento de 
Estatística 
UnB - IE 
Departamento de 
Estatística PLANOS DE AMOSTRAGEM 
 Como nem todo subconjunto (amostra) de uma população é 
"representativo” desta população, são necessárias técnicas que garantam 
com um certo grau de confiança, esta representatividade. 
 
 Há vários métodos de se selecionar uma amostra, gerando os 
PLANOS DE AMOSTRAGEM. Estes planos podem ser classificados em: 
 
AMOSTRAGEM NÃO-PROBABILÍSTICA 
 É a amostragem subjetiva, ou por julgamento, onde a variabilidade 
amostral não pode ser estabelecida com precisão. 
 
AMOSTRAGEM PROBABILÍSTICA 
 Os planos de amostragem probabilística são delineados de tal 
modo que se conhece a probabilidade de todas as combinações 
amostrais possíveis. Em razão disso pode-se determinar a quantidade 
de variabilidade amostral numa amostragem aleatória. 
 
 
 mtlc - 2/2015 
26