AULA 3 Métodos Quantitativos_A

Prévia do material em texto

11/09/2020
1
Métodos Quantitativos
Aula 3: Técnicas de Amostragem
Profª Drª Ralyne Guerreiro
Objetivos
Na aula de hoje estudaremos:
 Conceitos importantes da análise Estatística;
 Tipos de Amostragem;
 Amostragem Probabilística;
 Amostragem Não-
Probabilística.
1. Introdução
A Estatística é uma das quatro ciências fundamentais que agregam a
um estudo típico da Pesquisa da Pesquisa Operacional.
Economia Matemática
Estatística Computação
P.O.
1. Introdução
De acordo com Leigus; Fenerich e Morais (2009), a Pesquisa
Operacional é uma ciência que objetiva fornecer ferramentas
quantitativas aos processos de tomada de decisão.
Dessa forma, em virtude da utilização de dados quantitativos na
P.O., nesta aula faremos uma breve revisão sobre os conceitos
básicos da Estatística com ênfase numa técnica chamada de
Amostragem.
11/09/2020
2
2. Trabalhando com Dados
Diz que nunca gostou de cálculo
mas escolheu um curso na área da
Gestão
Hoje em dia, somos inundados por dados. Estima-se que a
quantidade de informação técnica dobre a cada dois anos, e mais de
1,5 hexabyte (equivalente a 1,5 x 1018 bytes) de informação nova foi
gerada nesse ano. Isso é mais que o gerado durante o período de 5
mil anos antes de nascermos.
Uma incrível quantidade de
dados está prontamente
disponível para nós na Internet e
em outros locais. As pessoas
capazes de analisar essas
informações obterão bons
empregos, o que será de valor
inestimável em quase qualquer
campo (LOCK et al, 2017).
2. Trabalhando com Dados
Uma das coisas maravilhosas sobre a Estatística é o fato de ser
relevante em tantas áreas. Sejam quais forem seu foco e os planos
de futura carreira, é bastante certo de que você precisará de
conhecimento estatístico para tomar decisões sábias em seu campo
e vida diária.
Como veremos, a coleta e análise eficazes de dados podem levar a
resultados muito poderosos.
2. Trabalhando com Dados
“Você não pode
corrigir com a análise
o que você estragou
no planejamento”
(Richard Light, Judith Singer e Jonh
Willett, em By Design)
2. Trabalhando com Dados
Porém, antes de ser um bom analista de dados, seja um excelente
gestor! Afinal,
11/09/2020
3
A Estatística é uma parte da Matemática Aplicada
que fornece métodos para a coleta, organização,
descrição, análise e interpretação de dados e para a
utilização dos mesmos na tomada de decisões.
2. Trabalhando com Dados 2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Variável é o conjunto de dados possíveis de um 
fenômeno. 
Pode ser:
Nominal
Ordinal
Qualitativas 
ou 
Categóricas
Discreta
Contínua
Quantitativas
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Exemplo 1: Por vários anos, uma pesquisa foi realizada com
estudantes no primeiro dia de aula da disciplina Estatística em uma
universidade. Alguns desses dados são mostrados na tabela a seguir.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
11/09/2020
4
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Os sujeitos/objetos sobre o qual temos informações são chamados
de casos ou unidades em uma base de dados. No exemplo, os casos
são os estudantes que participaram da pesquisa. Cada linha
corresponde a um caso diferente.
Uma variável é qualquer característica registrada para cada caso.
Cada coluna corresponde a uma variável diferente.
Os dados da tabela mostram oito variáveis, cada uma descrevendo
certa característica diferente dos estudantes participantes da
pesquisa.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
As variáveis presentes na pesquisa são:
• M Masculino
• F FemininoGênero
• O estudante fuma?
• Sim (S) ou Não (N)Fumo
• Qual prêmio gostaria de ganhar?
• Academia (Oscar), Medalha de 
Ouro Olímpica ou Prêmio NobelPrêmio
CATEGÓRICA/
QUALITATIVA
NOMINAL
CATEGÓRICA/
QUALITATIVA
NOMINAL
CATEGÓRICA/
QUALITATIVA
NOMINAL
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
• Número de horas gastas em 
exercício físico por semanaExercício
• Número de horas gastas 
assistindo TV por semanaTV
• Atual em uma escala de 4 
pontos.GPA
QUANTITATIVA
CONTÍNUA
QUANTITATIVA
CONTÍNUA
QUANTITATIVA
CONTÍNUA
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
• Taxa de pulsação em número 
de batimentos por minuto 
na hora da pesquisa
Pulso
• Ordem de Nascimento
• 1 para o mais velho, 2 para o 
segundo, etc.
Nascimento
QUANTITATIVA
DISCRETA
QUANTITATIVA
DISCRETA
Explique o que cada variável considera sobre o estudante com ID1,
primeira linha da Tabela.
11/09/2020
5
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
O estudante 1 é um homem que não fuma e preferiria ganhar uma
medalha de ouro Olímpica a um Oscar ou Prêmio Nobel . Ele afirma
que faz 10 horas de exercícios por semana e assiste a televisão por
1 hora. Sua média GPA é 3,13. Sua taxa de pulsação era de 54
batimentos na hora da pesquisa , sendo ele o quarto filho em sua
família.
ATIVIDADE 
Uma pimenta habanero é extremamente picante usada para criar
comidas “quentes”. O vice-presidente de desenvolvimento de
produto e marketing da cadeia de restaurantes Carl’s Junior está
pensando em acrescentar um hamburguer havanero no seu menu.
Ao longo da elaboração da campanha de publicidade, um dos
problemas que ele deve lidar é se as pessoas, ao menos, sabem o
significado do termo “habanero”. Ele identifica três questões
específicas de interesse
e planeja uma pesquisa
com clientes que
frequentam a cadeia de
restaurantes em várias
partes do país.
ATIVIDADE 
 Qual a proporção de clientes sabe e compreende o significado
de habanero?
 Qual a proporção de clientes interessa-se por experimentar
hambúrguer de habanero?
 Como essas proporções mudam nas diversas regiões do país?
a) Identifique os casos para os dados que ele coleta;
b) Descreva as três variáveis que devem ser incluídas no conjunto
de dados.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
População (Universo) Estatístico: É o conjunto de entes portadores
de, pelo menos, uma característica em comum.
Amostra: É o subconjunto finito de uma população.
11/09/2020
6
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Exemplo 2: Para estimar qual percentagem de pessoas, nos Estados
Unidos, lava as mãos após utilizar o banheiro público, os
pesquisadores simularam pentear o cabelo enquanto observavam 6
mil pessoas naqueles locais em todo o país.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Viram que 85% das pessoas observadas lavaram as mãos depois de
usarem o banheiro.
 Qual é a amostra nesse estudo?
 O que se compreende como uma população razoável para o
qual nós podemos generalizar?
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Resposta:
A amostra são as 6 mil pessoas observadas (n = 6.000).
Uma população razoável para a qual generalizar seria toda a
população dos Estados Unidos.
Outras respostas para qual seria a população: Todas as pessoas nos
Estados Unidos que usam banheiros públicos, ou todas aquelas
naquele país que usam banheiros públicos nas cidades nas quais o
estudo foi realizado.
Além disso, as pessoas podem se comportar de maneira diferente
quando sozinhas e se houver mais alguém nesse ambiente com elas,
de modo que seja interessante restringir a população as pessoas em
um banheiro com mais alguém.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Como, raramente, obtêm-se dados sobre toda uma população, uma
pergunta-chave é a forma de usar a informação em uma amostra
para fazer afirmativas confiáveis a respeito dessa população. Isso se
chama inferência estatística.
Inferência Estatística:
É o processo de uso
de dados de uma
amostra para obter a
informação sobre a
população.
11/09/2020
7
Exemplo 3: No dia seguinte às eleições presidenciais de 1948, o
Chicago Tribune estampou a manchete “Dewey derrotaTruman”. No
entanto, Harry S. Truman derrotou Thomas E. Dewey e tornou-se o
33º Presidente dos Estados Unidos. O jornal foi impresso antes que
chegassem os resultados, e a manchete se baseou, em parte, nos
resultados de uma grande pesquisa por telefone, que mostrava
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Dewey derrotando
Truman.
 Qual é a amostra da população?
 O que os pesquisadores queriam inferir sobre a população com
base na amostra?
 Por que você acha que a pesquisa por telefone teve resultados
tão imprecisos?
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Respostas:
A amostra são todas as pessoas que participaram da pesquisa
utilizando o telefone.
A população são todos os eleitores americanos.
Os pesquisadores objetivavam estimar a porcentagem de todos os
eleitores que votariam em cada candidato.
Uma razão pela qual a pesquisa por telefone ter obtido resultados tão
imprecisos é o fato de que as pessoas que possuíam telefone em
1948 não serem representativas de todos os eleitores americanos. As
pessoas com telefone tendiam a ser mais ricas e preferiam o Dewey,
enquanto as pessoas sem telefone estavam propensas para Truman.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
O exemplo anterior ilustra o viés amostral porque o método de
seleção da amostra viciou os resultados ao selecionar apenas as
pessoas com telefones.
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Viés Amostral: Ocorre o viés amostral quando o método de
seleção de uma amostra faz com que ela difira da população de
algum modo significante. Se existir o viés amostral, então não se
pode confiar em generalizações para a população com base na
amostra.
11/09/2020
8
ATIVIDADE
Em 1976 um jovem casal escreveu a colunista Ann Landers pedindo
conselho sobre ter ou não filhos. Ann leu a carta do jovem casal
(que incluía várias razões para não ter filhos, mas nenhum aspecto
positivo de os ter) e fez as seguintes perguntas aos seus leitores: “Se
você tivesse que fazer de novo, teria filhos?” Sua pergunta resultou
em 10 mil respostas e, para a sua surpresa, apenas 30% dos leitores
responderam que “sim”.
ATIVIDADE
Mais tarde, ela publicou os resultados do Good Housekeeping
dizendo estar atordoada, perturbada e completamente
desconcertada pelos resultados da pesquisa. Pediu, mais uma vez,
que os leitores respondessem a mesma questão e, dessa vez, 95%
dos participantes responderam que “sim”.
Por que você acha que as duas percentagens, 30% e 95%, são
drasticamente diferentes
Para evitar esses possíveis “vieses estatísticos”, é necessário que a
amostra seja selecionada da melhor forma possível. Assim temos o
conceito de amostragem:
2. Trabalhando com Dados
2.1 CONCEITOS IMPORTANTES DA ANÁLISE ESTATÍSTICA
Amostragem: É uma técnica especial para recolher amostras , que
garante, tanto quanto possível, o acaso na escolha.
3. Tipos de Amostragem
Antes de aprendermos sobre os tipos de amostragem, temos que
compreender que há dois tipos de amostras:
Probabilística
• Todos os indivíduos do universo 
têm uma chance igual de 
responder a pesquisa;
• Busca a imparcialidade do 
entrevistador na busca de seus 
entrevistados.
• Ex: Pesquisas feitas em 
domicílios que são 
aleatoriamente selecionados, 
não deixando a escolha nas mãos 
do entrevistador.
Não Probabilística
• Utilizada quando não podemos 
ter uma lista completa e 
atualizada da população em 
estudo;
• A coleta é baseada em critérios 
definidos previamente, em que 
nem todos o universo tem a 
mesma chance de ser 
entrevistado;
• Ex: Pesquisas eleitorais, onde é 
comum a amostragem por cotas
11/09/2020
9
3. Tipos de Amostragem
Tipos de amostragem:
Probabilística Aleatória Simples
Sistemática
Estratificada
Por conglomerado
Não-
Probabilística
Por conveniência
Por julgamento
Por Cotas 
Bola de Neve
Desproporcional
4.1 Amostragem Aleatória Simples (Probabilística)
É um dos métodos de amostra probabilística mais utilizados. Nele, os
indivíduos de uma população têm uma chance igual ou maior que
zero de serem selecionados para a compor a amostra. Ela é chamada
de amostra aleatória simples pois, a seleção de elementos é feita em
forma de sorteio, dessa forma, não há critério ou filtro no processo de
amostragem.
Exemplo: Imagine uma pesquisa de opinião que será realizada em um
bairro qualquer. Essa pesquisa deve ser feita com 20 domicílios, mas o
bairro possui 200. Assim, para se obter uma amostra com 20
endereços, um sorteio entre os 200 endereços do bairro deve ser
feito, dessa maneira, todas as moradias têm a mesma chance de
participar da pesquisa.
4. Amostragem Probabilística
Quando universo é pequeno, não se torna necessário o uso de um
computador com um software estatístico para seleção de uma
amostra. Portanto, pesquisas de mercado de empresas com muitos
clientes ou pesquisas de opinião que necessitam de uma amostragem
muito extensa, o uso de recursos digitais para o sorteio se torna
essencial.
4.1 Amostragem Aleatória Simples (Probabilística)
4. Amostragem Probabilística
É uma maneira acessível 
e rápida para se obter 
uma amostra, pois todo 
trabalho de 
amostragem pode ser 
realizado em um 
computador.
Como a amostragem é 
aleatória, ela pode gerar 
qualquer combinação 
de elementos presentes 
em um universo (ex: 20 
casas na mesma rua), 
isso pode ser bom ou 
ruim.
4.1 Amostragem Aleatória Simples (Probabilística)
4. Amostragem Probabilística
Alguns prós e contas na utilização desse tipo de amostragem:
11/09/2020
10
4.2 Amostragem Sistemática (Probabilística)
4. Amostragem Probabilística
A amostra sistemática, assim como a amostra aleatória simples, é um
método de amostra probabilística que seleciona indivíduos dentro de
uma população já determinada. Contudo, há um fator matemático de
seleção que as diferencia.
Na amostra sistemática os elementos do universo a ser pesquisado
são divididos em grupos numericamente iguais, assim, após essa
segmentação é definido um “ponto de partida”, de modo a
estabelecer um número que se repetirá, em sequência, dentro de
todos os grupos determinados, até que toda a amostragem seja
selecionada.
4.2 Amostragem Sistemática (Probabilística)
4. Amostragem Probabilística
Exemplo: Em uma pesquisa realizada em um bairro, podemos dividir
500 moradias em 50 grupos, para obter uma amostragem com 50
residências. Dessa maneira, a cada 10 domicílios 1 pesquisa será
realizada.
Dentro desse grupo um “ponto de partida”, ou seja, um número, deve
ser selecionado. Assim, se decidirmos que o 4° domicílio de um grupo
será o selecionado, vamos obter uma sequência(4, 14, 24, 34… até
494) determinada de residências para a amostragem.
4.2 Amostragem Sistemática (Probabilística)
4. Amostragem Probabilística
Assim como a amostra 
aleatória simples, é de rápida 
execução. Além disso, por ter o 
critério de separação por 
grupos, o fator 
representatividade se torna 
mais efetivo: a chance de 
vizinho ou apenas moradores 
próximos aparecerem na 
amostragem desaparece.
Se por acaso cada elemento 
dos grupos selecionados tenha 
características ou opiniões que 
coincidam devido a sequência 
escolhida, mas esse problema 
pode ser facilmente resolvido 
se os grupos divididos forem 
previamente estudados e 
separados com um peso 
proporcional,
Algumas vantagens e desvantagens:
4.3 Amostragem Estratificada (Probabilística)
4. Amostragem Probabilística
É uma técnica de amostra probabilística que é realizada em duas
etapas. Esse tipo de amostragem separa a população em grupos e
subgrupos, buscando assim, uma amostra mais representativa.
11/09/2020
11
4.3 Amostragem Estratificada (Probabilística)
4. Amostragem Probabilística
Para realizar uma amostra estratificada apenas dois passos são
necessários:
1) Deve-se dividir a população em grupos distintos. Esses grupos
devem ser segmentados com características da população que
auxiliem o tema estudado, podendo ser idade, sexo, trabalho,
nível de escolaridade,entre outros.
2) Distribuir a população nesses grupos, são utilizadas outras
formas para eleger os entrevistados dentro de cada grupo,
podendo adotar critérios aleatórios ou não. Assim, para
selecionar uma amostra de forma não enviesada podemos
utilizar a amostra aleatória simples ou sistemática.
4.3 Amostragem Estratificada (Probabilística)
4. Amostragem Probabilística
Dessa forma, a principal vantagem da amostra estratificada, em
relação aos outros métodos de amostragem, é o aumento da
representatividade que ela gera por possibilitar uma estratificação
do universo. Isso ocorre pois, a divisão de grupos realizada na
primeira etapa permite que as diferentes respostas ou opiniões
possíveis em uma pesquisa possam aparecer de forma proporcional e
representativa.
Por esse motivo, ela é um bom tipo de amostragem para pesquisas de
opinião que possuem grandes populações com diferentes qualidades.
4.4 Amostragem por Conglomerados (Probabilística)
4. Amostragem Probabilística
Diferente das amostras probabilísticas anteriormente apresentadas,
que selecionam primeiro o indivíduo, a amostra por conglomerados
tem como fase inicial a seleção de um grupo (cidade ou estado em um
país) para compor a amostragem.
4.4 Amostragem por Conglomerados (Probabilística)
4. Amostragem Probabilística
Desse modo, a amostra é realizada em mais de uma etapa,assim
como a amostra estratificada. No primeiro estágio, os grupos (ou
conglomerados) são definidos. Assim, somente no último estágio os
indivíduos que participarão da entrevista serão sorteados.
O número de etapas a que uma mostra por conglomerados deve
conter, varia com o tipo de pesquisa e o quanto o universo estudo
deve ser dividido de forma a auxiliar o estudo, quanto maior e mais
heterogênea uma população, mais divisões se tornam necessárias.
11/09/2020
12
4.4 Amostragem por Conglomerados (Probabilística)
4. Amostragem Probabilística
Exemplo: Em pesquisas eleitorais que normalmente são realizadas em
três etapas. Primeiro os municípios são selecionados de acordo com a
sua grandeza, ou seja, a sua seleção é proporcional à medida de seu
tamanho (ou importância).
Na segunda etapa, os setores censitários também são incluídos de
forma proporcional.
Por fim, na terceira etapa, os eleitores são sorteados dentro de cada
um dos segmentos escolhidos.
A amostra por conglomerados é muito eficiente em pesquisas que
precisem cobrir um grande território, pesquisas que tenham uma
população heterogênea ou quando há uma listagem de todos os
indivíduos que compõem o universo do estudo.
É a relação custo benefício que 
ela proporciona na coleta de 
dados. Isso ocorre pois como os 
grupos são escolhidos antes dos 
entrevistados, dessa forma, o 
pesquisador pode escolher 
elementos conforme a 
localização dos elementos, 
fazendo com que haja um menor 
custo e tempo de deslocamento 
durante o processo de coleta.
Quanto maior a concentração de 
entrevistas por localidade, maior 
é a chance de se obter respostas 
homogêneas nos resultados, 
podendo haver uma perda de 
representatividade devido a 
exclusão de muitas regiões. 
Dessa forma é importante ter 
cuidado na escolha da área de 
pesquisa.
Algumas vantagens e desvantagens:
4.4 Amostragem por Conglomerados (Probabilística)
4. Amostragem Probabilística
São um tipo de amostra que não exige tanto critério na pré-seleção
do público a ser pesquisado, ou seja, o universo da pesquisa não
precisa estar totalmente definido para que essa seja efetuada.
Exemplo: Imagine um pesquisador que vá em um lugar público, como
uma praça, e lá mesmo faz a sua pesquisa, sem muito critério de
controle com o perfil da amostra. Assim, a seleção passa a será penas
com pessoas que passaram por lá, foram abordadas e concordaram
em responder a pesquisa.
5.1 Amostragem por Conveniência
5. Amostragem Não-Probabilística
Por não tem muito critério na seleção de perfis a serem entrevistados,
a amostra por conveniência pode gerar um resultado enviesado.
Como no exemplo dado acima, uma pesquisa realizada em uma praça
na cidade, provavelmente não comportará todo o universo necessário
em uma pesquisa.
Dessa forma, amostras por conveniência devem utilizadas em
pesquisas que buscam conclusões gerais, com um perfil exploratório
como o pré-teste de questionários, ou nas quais, não haja uma
certeza prévia do perfil de seus respondentes.
5.1 Amostragem por Conveniência
5. Amostragem Não-Probabilística
11/09/2020
13
5.2 Amostragem por Julgamento
5. Amostragem Não-Probabilística
Na amostra por julgamento, a escolha dos respondentes é feita partir
do julgamento do pesquisador. Assim, o pesquisador busca por
indivíduos que possuem características definidas previamente para
sua amostra.
Na aplicação de pesquisas com amostragem por julgamento, as
pessoas podem ser selecionadas por suas características visuais, por
frequentarem algum lugar que interessa a amostra ou até pessoas
que têm comportamentos que se encaixam às características pré-
selecionadas.
Dessa forma, a amostra por julgamento, assim como a amostra por
conveniência, tem uma função mais exploratória em uma pesquisa de
opinião ou mercado. Ela pode ser utilizada para pesquisas menores,
ou como um pré-pesquisa para outras que buscarão dados mais
aprofundados.
5.3 Amostragem por Cotas
5. Amostragem Não-Probabilística
A amostra por cotas, é uma forma de amostragem muito utilizada em
pesquisas de mercado, eleitorais e de opinião pública. Ela é uma
amostra que, por meio de cotas, seleciona proporcionalmente
pessoas com semelhantes características de uma população.
Para efetuar esse tipo de amostragem, deve-se:
1) Segmentar o universo estudado em características. Por exemplo,
dividir a população de uma cidade em cotas como idade, sexo e
escolaridade;
2) Escolher características, nessa população, que sejam relevantes
para a pesquisa.
3) Respeitar a proporcionalidade na amostragem.
5.3 Amostragem por Cotas
5. Amostragem Não-Probabilística
A precisão dos resultados em amostra por cotas é dada a partir da
quantidade de cotas selecionadas para a pesquisa. Desta maneira,
quanto maior o número de variáveis em uma amostragem mais
confiável será o resultado.
Entretanto, é preciso estar atento ao fato que cada cota adicionada
em uma pesquisa tem um comportamento multiplicador nas variáveis
já existentes, assim quanto maior a quantidade de cotas, mais lenta
e cada uma pesquisa pode se tornar.
5.3 Amostragem por Cotas
5. Amostragem Não-Probabilística
Não há um parâmetro pré-estabelecido de quantas ou quais
características de um universo devem ser selecionadas em uma
amostragem, mas normalmente elasse diferem de acordo com o tipo
de pesquisa que será realizada.
Em pesquisas de mercado, as variáveis mais utilizadas são
relacionadas a renda e ao consumo dos entrevistados, como renda
familiar mensal, posse de bens, classe socioeconômica e estado civil.
Já em pesquisas de eleitorais e de opinião pública, são utilizadas
variáveis como gênero, faixa etária, local de domicílio e escolaridade.
11/09/2020
14
5.4 Amostragem Bola de Neve
5. Amostragem Não-Probabilística
A amostragem bola de neve, por ser uma técnica de amostragem não-
probabilística, também é feita quando não há um universo definido
para a pesquisa.
Ela recebe esse nome, pois a última pessoa entrevistada indica ou
convida uma próxima para participar do questionário, fazendo com
que a amostragem se comporte como uma bola de neve, presentando
um caráter acumulativo na hora das escolhas dos respondentes.
5.4 Amostragem Bola de Neve
5. Amostragem Não-Probabilística
Essa amostragem, pode ser uma boa técnica para encontrar
subgrupos ou segmentos de uma população que são desconhecidos
ou dificilmente encontrados,como por exemplo, minorias e pessoas
que possuem um comportamento ilegal ou socialmente
estigmatizado.
Nesse tipo de amostra, mesmo não tendo um universo definido,é
importante que o pesquisador tenha um molde mínimo da
amostragem a ser utilizada, de forma que exista um controle da
diversificação da amostra dês da primeira pessoaindicada.
5.4 Amostragem Bola de Neve
5. Amostragem Não-Probabilística
Tipos de amostras bola de neve:
• Cada indivíduo 
indica um único 
participante para a 
próxima pesquisa.
Linear
• Cada indivíduo 
indica 2 ou mais 
pessoas para a 
próxima entrevista
Exponencial
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
A amostra desproporcional é utilizada quando há grupos e subgrupos
que geram resultados com pesos dessemelhantes em uma
pesquisa. Diferente da amostra por cotas, não há a preocupação em
ter uma exata proporcionalidade da população estudada, o
importante na amostra desproporcional é quanto um grupo dessa
população é importante para o estudo.
Para entendermos melhor a amostra desproporcional, vamos explicar
3 maneiras nas quais ela pode acontecer:
 Busca de inferência entre os grupos;
 Gestão de custos;
 Discrepâncias internas.
11/09/2020
15
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
5.5.1 Busca de Inferência entre os grupos
Nesse caso de amostra desproporcional, grupos minoritários são
priorizados em um estudo, de modo que suas mostras têm um peso
maior nos resultados em relação aos demais grupos. Esse método é
usado para que pequenos grupos obtenham um mínimo de
representatividade nos resultados da pesquisa.
Vamos supor, que em uma pesquisa eleitoral, uma amostra de 1000
entrevistas deve ser feita com a população de uma região é dividida
em 3 municípios.
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
5.5.1 Busca de Inferência entre os grupos
Como se pode observar na tabela acima, o terceiro município tem
uma representação de apenas 50 amostras. Considerando que, 100
amostras são um número mínimo de entrevistas que um município
possa ter para que o resultado da pesquisa seja confiável, uma
reorganização das amostras deve ser feita para que 100 entrevistas
ocorram no município 3.
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
5.5.2 Gestão de Custos 
Outra forma de utilizar a amostra desproporcional é de modo a tornar
o orçamento da pesquisa mais viável. Por exemplo, em uma cidade
onde 97% da população mora no centro urbano e 3% em uma área
distante e rural, o pesquisador pode retirar de sua amostragem os 3%
da população se considerar que o custo para a execução da pesquisa
no local não é viável, pois apenas uma pequena proporção população
total é representada pela população rural.
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
5.5.2 Gestão de Custos 
Contudo, é preciso ter cuidado com esse método em algumas
situações, se tomarmos o exemplo acima para uma eleição muito
acirrada, a vitória de um dos candidatos pode estar justamente na
área rural. Desse modo, o descarte de um grupo deve ser estudado,
quanto maior o peso quantitativo desse grupo na pesquisa, mais a sua
exclusão se torna arriscada, da mesma forma se aplica a divergência
opiniões em uma região.
11/09/2020
16
5.5 Amostragem Desproporcional (Não-Probabilística)
5. Amostragem Não-Probabilística
5.5.3 Discrepâncias Internas
Por fim, a mostra desproporcional pode ser utilizada em discrepâncias
internas de um estudo. Temos como exemplo, um hotel, no qual a
quantidade de diárias obtidas por clientes em quartos comuns é
muito maior do que a quantidade de diárias em quartos de luxo.
Nesse caso, pelos quartos de luxo terem um valor maior na sua diária
e assim, ter uma grande participação no faturamento do hotel, se
pode considerar uma amostra desproporcional em relação aos
clientes dos dois tipos de quarto, mesmo que haja um maior número
de clientes que se hospedam em quartos normais.
Referências Bibliográficas
CRESPO, A. A. Estatística Fácil. São Paulo: Saraiva, 2007.
Leigus, A.; Fenerich, A. T.; Morais, M. F. Aplicações da Pesquisa Operacional.
Anais do III Encontro de Engenharia de Produção Agroindustrial – FECILCAM.
Campo Mourão – PR, 2009. Disponível em:
http://www.fecilcam.br/anais/iii_eepa/pdf/3_02.pdf
LOCK, R. et al. Estatística - Revelando o Poder dos dados. Rio de Janeiro – RJ.
LTC: Grupo GEN, 2017. 9788521633457. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788521633457/. Acesso
em: 07 Sep 2020.
DIAS, M. 9 Tipos de Amostragem Probabilística e Não-Probabilística. Disponível
em:
https://www.opuspesquisa.com/blog/tecnicas/amostragem/#:~:text=Amostrag
em%20aleat%C3%B3ria%20simples%20%5BProbabil%C3%ADstica%5D,-
A%20amostra%20aleat%C3%B3ria&text=Ela%20%C3%A9%20chamada%20de%
20amostra,filtro%20no%20processo%20de%20amostragem. Acesso em:
08/09/2020.