Sistema de Informações e Pesquisa de Marketing Aula 12 24/10/17

Transcrição

1 Sistema de Informações e Pesquisa de Marketing Aula 12 24/10/17 2º semestre / 2017 Profa Kavita Hamza kavita@usp.br

2

3 População Soma de todos os elementos que compartilham algum conjunto comum de características e que compreende o universo para o problema de pesquisa de marketing. Censo Enumeração completa dos elementos de uma população ou de objetos de estudo. Amostra Subgrupo dos elementos da população, selecionado para participação no estudo.

4 População e Amostra Condições que favorecem o uso de Amostra ou Censo Fator Amostra Censo Orçamento Pequeno Grande Tempo disponível Curto Longo Tamanho da população Grande Pequeno Variância da característica Pequena Grande Custos de erros amostrais Baixo Alto Custos de erros não-amostrais Alto Baixo Natureza da medição Destrutiva Não-destrutiva Atenção a casos individuais Sim Não

5 População e Amostra Processo de elaboração da amostragem Defina a população-alvo Determine a composição da amostra Escolha a(s) técnica(s) de amostragem Determine o tamanho da amostra Execute o processo de amostragem

6 População e Amostra Amostra Não-Probabilística Não é conhecida a probabilidade de cada elemento fazer parte da amostra. A seleção é baseada no julgamento do pesquisador.

7 Amostra Não-Probabilística Por Conveniência: Procura obter uma amostra de elementos convenientes, ficando a seleção das unidades à cargo do entrevistador. Exemplos: Pesquisa com alunos em universidades Entrevistas em centros comerciais Questionários online (redes sociais) Entrevistas com pessoas na rua

8 Amostra Não-Probabilística Por Julgamento: Elementos são selecionados deliberadamente, com base no julgamento do pesquisador. Exemplos: Gerentes de compra em uma empresa industrial Escolha de distritos eleitorais representativos para uma pesquisa de comportamento de voto Lojas de departamento selecionadas para testar um novo sistema de merchandising

9 Amostra Não-Probabilística Por Quotas: São 2 estágios, sendo que no 1º criam-se categorias (ou quotas) de controle de elementos da população. Relacionam-se características relevantes, e analisam-se sua distribuição na população-alvo (ex. sexo, idade, classe social). Em seguida, os elementos são selecionados por conveniência ou julgamento. As quotas asseguram que a composição da amostra seja a mesma que a composição da população, dadas as características escolhidas para análise / controle.

10 Amostra Não-Probabilística Bola de neve: Grupo inicial de entrevistados é selecionado de forma aleatória, porém os subsequentes são selecionados com base em informações fornecidas pelos entrevistados iniciais. Objetivo principal é estimar características raras na população. Exemplos: Viúvos com menos de 35 anos Pares de comprador-vendedor

11 Amostra Probabilística É conhecida a probabilidade de cada elemento que fazer parte da amostra. Permite calcular até quanto o valor da amostra difere do valor da população, sendo esta diferença o chamado erro amostral.

12 Amostra Probabilística Aleatória simples: Cada elemento da população tem uma probabilidade conhecida e igual de ser selecionado. A amostra é extraída por aleatoriedade. Vantagens: Fácil de entender Resultados podem ser projetados para a população-alvo Maior parte das abordagens de inferência estatística assume que os dados sejam aleatórios Desvantagens: Identificar a população (numerar) para amostragem aleatória Amostras muito grandes ou dispersas Pode não resultar em uma amostra representativa

13 Amostra Probabilística Sistemática: A amostra é determinada selecionando-se um ponto de partida aleatório e tomando-se cada i-ésimo elemento sucessivamente da composição da amostra. Ordenação dos elementos pode ou não estar relacionada com a característica de interesse (ex. saldo devedor do cartão de crédito).

14 Amostra Probabilística Estratificada: Processo de 2 estágios para dividir a população em subpopulações ou estratos (em geral 6). Dentro de cada estrato, o processo de escolha é aleatório. Elementos dentro de um estrato devem ser homogêneos entre si, e heterogêneos em relação aos outros estratos. Exemplos de variáveis para estratificar: demográficas, tipo de cliente, tamanho da empresa, tipo de setor. Pode ser proporcional a cada estrato da população, ou considerar o desvio-padrão de cada estrato.

15 Amostra Probabilística Conglomerados: População é dividida em clusters, que são posteriormente selecionados por amostragem probabilística. Para cada cluster selecionado, incluem-se na amostra todos os elementos ou uma amostra probabilística. A diferença em relação à amostragem estratificada, é que no caso dos conglomerados, somente uma amostra dos clusters é selecionada (enquanto na estratificada todos os estratos são considerados).

16 Fatores Natureza da pesquisa Magnitude relativa dos erros Variabilidade na população Considerações estatísticas Considerações operacionais Amostragem nãoprobabilística Exploratória Erros não-amostrais são maiores Homogênea (baixa) Desfavoráveis Favoráveis Amostragem probabilística Conclusiva Erros amostrais são maiores Heterogênea (alta) Favoráveis Desfavoráveis

17 Uso de Amostragem Não-Probabilística Testes de conceito, de embalagens, de denominação e de impacto de propaganda sem necessidade de projetar resultados para a população. Uso de Amostragem Probabilística Categorias de produto e proporção de consumo de uma marca, perfis psicográficos e demográficos dos usuários.

18 Cálculo do Tamanho da Amostra Determinação do tamanho da amostra 1. Especificar o nível de precisão (margem de erro) 2. Especificar o nível de confiança 3. Converter o nível de confiança para valor Z 4. Verificar se irá utilizar médias ou proporções

19 Cálculo do Tamanho da Amostra Fórmulas para média (população infinita ou desconhecida) n = tamanho da amostra a ser calculada Z α/2 = correspondente ao grau de confiança desejado E = margem de erro σ = desvio-padrão da variável estudada Se σ não for conhecido, utilizar a aproximação σ = amplitude /4 n = (σ * Z α/2 ) 2 E

20 Cálculo do Tamanho da Amostra Fórmulas para média (população finita) N = tamanho da população n = tamanho da amostra a ser calculada Z α/2 = correspondente ao grau de confiança desejado E = margem de erro σ = desvio-padrão da variável estudada Se σ não for conhecido, utilizar a aproximação σ = amplitude /4 n = N * σ 2 * Z 2 α/2 (N-1) * E 2 + σ 2 * Z 2 α/2

21 Cálculo do Tamanho da Amostra Fórmula para proporção Valores de Z para os níveis de confiança 99% 2,58 95% 1,96 Nível de precisão = D Proporção anterior = π (Se não for conhecido, utilizar 5 (50%)) Amostra = π * (1-π) * (z ^2) / (D ^2)

22 Cálculo do Tamanho da Amostra Cálculo do tamanho da amostra por proporção Exemplo Cálculo para pesquisa de opinião para uma cidade de 5 milhões de habitantes ou um grupo de 3 mil consumidores (Não depende da população). Margem de erro = D = +/- 4% Nível de confiança = NC = 95% Valor de Z para NC dado = 1,96 Proporção adotada = π = 5 n =5*(1-5) * (1,96 ^2) / (04 ^2) n = 601 eleitores

23 Cálculo do Tamanho da Amostra Cálculo do tamanho da amostra por proporção Exemplo Precisão 95% de NC % D Amostra , , , , , , , ,04

24 Precisão 99% de NC Profª Kavita 01 M Hamza Cálculo do Tamanho da Amostra Cálculo do tamanho da amostra por proporção 99% D Amostra , , , , , , ,41

25 Erros Erro total Erro de amostragem aleatória Erro não amostral Erro de resposta Erro de falta de resposta Erros dos pesquisadores Erros dos entrevistadores Erros dos entrevistados Erro de substituição de informações Erro de medição Erro na definição da população Erro na composição da amostra Erro na análise dos dados Erro de seleção dos entrevistados Erro de questionamento Erro no registro Erro proposital Erro por incapacidade Erro por má vontade