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.

Para tanto, basta escolhermos arbitrariamente, qualquer posição (linha ou coluna) e a partir daí iniciarmos o processo de escolha (sorteio). Por exemplo, escolhemos: (1 a linha e 1 a coluna): (*) (*) o elemento com o número 612 foi descartado, pois já havia sido escolhido (veja o 10 o 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 40 o 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 6 a 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.

Muito obrigada !!