Baixe o app para aproveitar ainda mais
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.
Compartilhar