Questão
Para que estudos de marketing gerem conclusões consistentes, é essencial analisar como os dados são coletados e de que maneira a amostra representa o universo pesquisado. Em muitas ocasiões, vê-se a subestimação do papel da amostragem, resultando em distorções que podem inviabilizar o uso prático dos resultados. Além disso, a forma de coleta — seja via entrevistas estruturadas, questionários online ou outras modalidades — pode interferir na qualidade das respostas obtidas. Assim, dominar técnicas de amostragem probabilística ou não probabilística, conforme o objetivo do estudo e a disponibilidade de recursos, torna-se um diferencial para o planejamento eficaz de ações. No entanto, mesmo uma boa amostragem pode falhar se a análise posterior dos dados não empregar métodos adequados de organização, depuração e interpretação estatística.
Com base no contexto apresentado, avalie as seguintes asserções e a relação proposta entre elas:
I. Definir corretamente a amostragem é crucial para minimizar vieses e ampliar a representatividade dos resultados, pois reduz a probabilidade de conclusões inadequadas.
PORQUE
II. Quando a amostra é bem selecionada, não há necessidade de métodos estatísticos rigorosos para tratar os dados, uma vez que a coleta abrange todos os perfis relevantes.
A respeito dessas asserções, assinale a opção correta:
Selecione uma alternativa: a) As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I.
b) As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
c) A asserção I é verdadeira, e a II é falsa.
d) A asserção I é falsa, e a II é verdadeira.
e) As asserções I e II são proposições falsas.
C
A asserção I é verdadeira porque definir corretamente a amostragem é realmente crucial para minimizar vieses e ampliar a representatividade dos resultados. No entanto, a asserção II é falsa, pois mesmo quando a amostra é bem selecionada, ainda é necessário aplicar métodos estatísticos rigorosos para garantir a validade e a confiabilidade dos resultados. A seleção de uma boa amostra não elimina a necessidade de uma análise estatística adequada.