Escolar Documentos
Profissional Documentos
Cultura Documentos
Amostragem em Pesquisas
Amostragem em Pesquisas
Uma explicao completa da teoria matemtica pode ser encontrada em livros sobre
estatstica e probabilidades. Os pontos mais importantes so citados a seguir, informalmente.
Princpio I: Probabilidade
Quando a dona de casa quer saber se colocou bastante sal na sopa, toma uma colherada,
prova-a, e tira suas concluses, que no se referem apenas pequena amostra, mas a
totalidade. Ela no necessita tomar um prato nem a sopa toda para se assegurar do paladar.
Mas, a probabilidade de que isto acontea pequena: quantas vezes o teste da sopa ou o
exame de sangue falham? Poucas. A proporo entre os sucessos e o nmero total de testes
ou exames representa o que na teoria chamado de grau de confiana. Ele indica a
probabilidade de que a amostra escolhida representa bem o todo que se queria estudar ou
inferir.
Outra pergunta que muitas pessoas fazem : Por que nunca fui escolhido para uma entrevista
com tantas pesquisas de mercado e de opinio existentes? As respostas a essa pergunta so:
Certamente voc conhece mais pessoas que participaram de alguma pesquisa do que pessoas
que ganharam na loteria, porque so realizadas muito mais pesquisas do que sorteios da
loteria!
Suponha que voc seja uma das pessoas que forneceu uma resposta errada: numa entrevista
voc perguntado sobre qual era a cor da ltima camisa que voc comprou. Suponhamos que
a camisa que voc comprou era azul, mas nesse dia voc est mal-humorado e diz ao
entrevistador que a camisa era vermelha.
Segundo a Lei dos Grandes Nmeros, respostas falsas sero compensadas. Isto , h uma alta
probabilidade de que outras respostas erradas compensem sua mentira (por exemplo, uma
pessoa envergonhada por ter comprador uma camisa vermelha, vai responder que comprou
uma camisa azul).
Mas, a Lei dos Grandes Nmeros s se aplica se as mentiras dos interrogados ocorrem ao
acaso. Por exemplo, se a pesquisa aborda apenas homens homosexuais em um pas onde estes
so discriminados, o nmero de respostas mentirosas tende a ser maior, por exemplo, para as
cores de camisa comumente associadas s mulheres (como o rosa). Por isso, preciso tomar
cuidado com as perguntas: h um limite para o que se pode perguntar as pessoas, se voc
deseja respostas honestas e corretas!
Resumindo, a Lei dos Grandes Nmeros pressupe que os desvios da verdade devem ocorrer
ao acaso: algumas vezes em uma direo e outras na direo oposta. Assim, na totalidade da
amostra os desvios acabam se anulando. Se esta premissa no for satisfeita, ento os
resultados da pesquisa sero distorcidos.
Em outras palavras, universo significa o conjunto de todas as espcies que entram na mira da
investigao. Aamostra o subconjunto extrado ao acaso deste universo. Note que o universo
pode ser constitudo de pessoas, mas pode ser tambm constitudo de lares, casas novas, um
determinado tipo de empresas, etc.
O ltimo conceito associado a pesquisas a margem de erro. Considere este exemplo: foi
encomendada uma pesquisa com o objetivo de descobrir quantas residncias dispem de
forno de microondas na nossa cidade. Se interrogarmos todas as donas de casa, no haveria
margem de erro (ou, diremos, a margem de erro ser zero), porque nossa amostra ter
sido exaustiva: nossa amostra seria igual ao universo da pesquisa.
Obviamente, as despesas geradas com pesquisas exaustivas so muito grandes (a menos que o
universo seja muito pequeno). Se a pesquisa exaustiva for financeiramente invivel, ento
optamos por entrevistar apenas uma amostra aleatria das residncias. Ento, nossos
resultados sero semelhantes, mas no iguais, aos resultados obtidos na pesquisa exaustiva. A
diferena entre estes resultados chamada de margem de erro.
intuitivo ( justificado teoricamente pela Lei dos Grandes Nmeros) que o uso de amostras
maiores, embora implique em despesas maiores, permite obter margens de erros menores do
que o uso de amostras pequenas. Mas, a relao entre o tamanho da amostra, a margem de
erro e o tamanho do universo s pode ser descrita por uma funo matemtica complexa. Esta
relao analisada em profundidade na prxima seo.
O cliente normalmente oscila entre dois extremos ao encomendar uma pesquisa: de um lado,
no deseja uma amostra grande por causa do custo que acarreta, do outro no acredita na
amostra que, na sua opinio, demasiado pequena. O problema do tamanho da amostra no
pode ser subestimado, mas menos importante do que a composio da amostra. Quanto
mais uniforme for o universo do qual extrada a amostra, menor pode ser a amostra.
Se o universo no for uniforme, deve ser feita uma tentativa de dividi-lo em camadas
uniformes. o que chamamos de amostragem estratificada, subgrupos ou sub-amostras, para
garantir que o universo seja representado apropriadamente. Em teoria, a amostra de
probabilidade concede a cada um dos membros do universo exatamente a mesma
oportunidade de ser escolhido.
Antes de entrarmos na discusso dos vrios mtodos de amostra, importante ressaltar que o
resultado est diretamente relacionado disponibilidade financeira destinada a pesquisa.
Normalmente, o pagamento dos pesquisadores de campo constituem a maior parte da
despesa de uma pesquisa. Eles podem ser contratados por diria (com quotas definidas de
questionrios) ou por produtividade (quantidade de questionrios). O oramento a chave
para se dimensionar o tamanho da amostra, assim como a metodologia utilizada.
A tabela abaixo relaciona o tamanho do universo a ser estudado (populao total) com a
margem de erro desejada para a pesquisa, com um coeficiente de confiana de 95,5%:
Conclumos com alguns exemplos representativos de aes de marketing em empresas da rea
de informtica:
- Considere o universo das empresas instaladas no Brasil com faturamento anual superior a R$
5.000.000. Estimamos que o nmero destas empresas esteja prximo de cem mil. Uma
amostra de apenas cem empresas (0,1% do total) j resulta em uma margem de erro de 10%.
Para obter uma margem de erro de 5%, a amostra deve ser de 400 empresas; para uma
margem de erro de 2%, a amostra deve ser de 2500 empresas.
- Considere o universo das 500 maiores empresas do pas. Para uma margem de erro de 10%,
preciso obter dados de 85 delas, ou seja, usar uma amostra de 17%. J se a margem de erro
considerada razovel for de 5%, necessria uma amostra de 45% (225 empresas).
[1] Alguns autores usam o termo populao como sinnimo de universo. Entretanto,
optamos pelo uso do termo universo para evitar a associao do termo populao com as
pessoas: quando a pesquisa tem como alvo o mercado empresarial, a populao composta
por empresas e no por pessoas!