Pesquisa de Mercado Carlos Freire – 2015.1.

Apresentação em tema: "Pesquisa de Mercado Carlos Freire – 2015.1."— Transcrição da apresentação:

1 Pesquisa de Mercado Carlos Freire –

2 Amostragem: Concepção e Procedimento
© 2011 Pearson. Todos os direitos reservados.

3 Preparação e apresentação
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 Definição do problema Componentes do modelo de pesquisa (capítulo 3) Abordagem do problema Modelo de pesquisa Trabalho de campo Preparação e análise dos dados Preparação e apresentação do relatório slide 3 © 2011 Pearson. Todos os direitos reservados.

4 Processo de elaboração de amostragem
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 slide 4 © 2011 Pearson. Todos os direitos reservados.

5 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. slide 5 © 2011 Pearson. Todos os direitos reservados.

6 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. slide 6 © 2011 Pearson. Todos os direitos reservados.

7 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 slide 7 © 2011 Pearson. Todos os direitos reservados.

8 Marco temporal: Próximo verão
Figura 12.4 Definindo a população alvo Extensão: Região Norte Marco temporal: Próximo verão Unidade de análise: casas com mulheres com 18 anos Elementos: mulheres com 18 anos slide 8 © 2011 Pearson. Todos os direitos reservados.

9 Erro – estrutura de amostragem
População alvo: Famílias com apenas uns dos pais em Manaus Amostra a ser utilizada Estrutura de amostragem: Lista fornecida por um vendedor comercial Erro – estrutura de amostragem slide 9 © 2011 Pearson. Todos os direitos reservados.

10 Classificação das técnicas de amostragem
não probabilísticas Técnicas de amostragem probabilísticas slide 10 © 2011 Pearson. Todos os direitos reservados.

11 Técnicas de amostragem
Figura técnicas de amostragem não probabilisticas Técnicas de amostragem não probabilisticas Amostragem por conveniência Amostragem por julgamento Amostragem por cotas Amostragem bola de neve slide 11 © 2011 Pearson. Todos os direitos reservados.

12 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 slide 12 © 2011 Pearson. Todos os direitos reservados.

13 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” slide 13 © 2011 Pearson. Todos os direitos reservados.

14 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 slide 14 © 2011 Pearson. Todos os direitos reservados.

15 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 slide 15 © 2011 Pearson. Todos os direitos reservados.

16 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. slide 16 © 2011 Pearson. Todos os direitos reservados.

17 Composição da Composição da
Amostragem por Quota No segundo estágio, alguns elementos da amostra são selecionado com base na conveniência ou no julgamento. Composição da Composição da população amostra Controle Característica Porcentagem Porcentagem Número Masculino Feminino ____ ____ ____ slide 17 © 2011 Pearson. Todos os direitos reservados.

18 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. slide 18 © 2011 Pearson. Todos os direitos reservados.

19 Técnicas de amostragem probabilisticas
Técnicas de amostragem probabilísticas Técnicas de amostragem probabilisticas Amostragem aleatória simples Amostragem sistemática Amostragem estratificada Amostragem Por Cluster slide 19 © 2011 Pearson. Todos os direitos reservados.

20 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. slide 20 © 2011 Pearson. Todos os direitos reservados.

21 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. slide 21 © 2011 Pearson. Todos os direitos reservados.

22 Amostragem Sistemática
Se a ordem dos elementos produz um padrão cíclico, a amostragem sistemática pode diminuir a representatividade da amostra. Por exemplo, há elementos na população e uma amostra de 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. slide 22 © 2011 Pearson. Todos os direitos reservados.

23 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. slide 23 © 2011 Pearson. Todos os direitos reservados.

24 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. slide 24 © 2011 Pearson. Todos os direitos reservados.

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. slide 25 © 2011 Pearson. Todos os direitos reservados.

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. slide 26 © 2011 Pearson. Todos os direitos reservados.

27 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. slide 27 © 2011 Pearson. Todos os direitos reservados.

28 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. slide 28 © 2011 Pearson. Todos os direitos reservados.

29 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. slide 29 © 2011 Pearson. Todos os direitos reservados.

30 Tipos de amostragem por cluster
Divisão da população em clusters Cluster aleatório simples Um estágio Dois estágios Elementos de uma amostra aleatória de cada Cluster selecionados Incluir todos os elementos de cada Cluster selecionados

31 Amostragem por Cluster versus 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. slide 31 © 2011 Pearson. Todos os direitos reservados.

32 Pontos Fortes e Fracos de Técnicas Básicas de Amostragem
Pontos Fracos Técnicas de Amostragem Não-Probabilística Amostragem por conveniência A menos cara; a que consome menos tempo; a mais conveniente Viés de seleção; amostra não representativa; não recomendada para pesquisas descritivas ou causais Amostragem por julgamento Baixo custo; conveniente; não consome muito tempo Não há generalização; subjetiva Amostragem por quota A amostra pode ser controlada para certas características Viés de seleção; não há garantia de representatividade slide 32 © 2011 Pearson. Todos os direitos reservados.

33 Pontos Fortes e Fracos de Técnicas Básicas de Amostragem (Cont.)
Pontos Fracos Técnicas de Amostragem Não-Probabilística Amostragem bola-de-neve Pode estimar caracterísicas raras Consome muito tempo Amostragem Probabilística Amostragem Aleatória Simples (AAS) Facilmente compreensível; os resultados são projetáveis Difícil de construir estrutura amostral; cara; menos precisa; não há garantia de representatividade Amostragem Sistemática Pode aumentar a representatividade; mais fácil de implementar que a AAS; painel amostral não é necessário Pode reduzir a representatividade

34 Pontos Fortes e Fracos de Técnicas Básicas de Amostragem
Pontos Fracos Amostragem Probabilística Amostragem estratificada Inclui todas as subpopulações importantes; precisa Difícil selecionar variáveis de estratificação relevantes; não é factível estratificar em diversas variáveis; cara Amostragem por cluster Fácil de implementar; efetiva em termos de custo Imprecisa; é difícil computar e interpretar seus resultados slide 34 © 2011 Pearson. Todos os direitos reservados.

35 Escolhendo Entre a Amostragem Não-probabilística vs. Probabilística
CONDIÇÕES QUE FAVORECEM O USO DE Fatores Amostragem Não-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 slide 35 © 2011 Pearson. Todos os direitos reservados.

36 Um mapa conceitual para técnicas amostrais
Amostragem não probabilística Amostragem probabilística Amostragem por conveniência Amostragem por julgamento Amostragem por cota Amostragem por bola de neve Amostragem aleatória simples Amostragem sitemática Amostragem estratificada Amostragem por cluster Seleção baseada na conveniência e julgamento Seleção baseada na chance Amostra baseada na conveniência Seleção subsequente baseada em indicações Amostra baseada no julgamento Amostragem por julgamento restringida em dois estágios Uma amostra aleatória de cluster é selecionada baseada em um processo de dois passos Cada elemento escolhido em intervalos uniformes é selecionado Cada elemento possui uma probalidade conheicda e igual de seleção Uma amostra aleatória de elementos selecionadas de cada estrato num processo de dois passos