1
resposta

Meus comentários!

Em relação ao "Case 1 - Despesas Médicas Anuais das Famílias", A empresa busca entender as despesas médicas anuais para subsidiar políticas de benefícios e planejamento orçamentário de médio e longo prazo.

Desvio-padrão estimado: R$ 300
Nível de confiança: 95%

Cenários Avaliados:
Cenário (1) => margem de erro desejada: R$ 50,00; tamanho da amostra recomendado: 139 funcionários
Cenário (2) => margem de erro desejada: R$ 25,00; tamanho da amostra recomendado: 553 funcionários

Comentários
Uma margem de erro de R$ 50,00 já fornece boa precisão para planejamento financeiro anual, com custo e esforço moderados.
A redução da margem de erro para R$ 25,00 aumenta significativamente o tamanho da amostra (aprox. 4 vezes), impactando tempo, custo e logística da pesquisa.

Recomendação
Adotar o cenário de R$ 50,00 de margem de erro, salvo em situações onde decisões orçamentárias críticas exijam um nível de detalhamento excepcional.

Em relação ao "Case 2 - Transporte Corporativo dos Coordenadores". Avaliação da sustentabilidade e eficiência do benefício de transporte corporativo oferecido a 100 coordenadores de área.

Desvio-padrão: R$ 200
Média estimada (piloto): R$ 1.000/ano
Nível de confiança: 90%

Cenários Avaliados:
Cenário (1) => margem de erro: 10% da média. interpretação: mais/menos R$ 100; tamanho da amostra: 10 coordenadores.
Cenário (2) => margem de erro: 5% da média. interpretação: mais/menos R$ 50; tamanho da amostra: 31 coordenadores.

Foi feito um ajuste nos valores pela correção para população finita.

Comentários
Uma amostra de 10 coordenadores é suficiente para uma visão geral dos custos do programa.
Uma amostra de 31 coordenadores oferece maior precisão para decisões mais sensíveis, como renegociação de contratos, revisão de política de benefício ou análise de expansão.

Recomendação
Utilizar 10 coordenadores para monitoramento rotineiro.
Adotar 31 coordenadores caso o objetivo seja uma revisão estratégica ou reestruturação do programa.

1 resposta

Oi, Sergio! Como vai?

Agradeço por compartilhar seus aprendizados com a comunidade Alura.

É isso aí! Interessante quando você compara os cenários considerando custo, esforço e precisão, tanto no Case 1 quanto no Case 2. Sua recomendação faz sentido, pois você conectou bem a margem de erro com a tomada de decisão prática, mostrando que nem sempre mais precisão compensa o aumento no tamanho da amostra.

Continue nesse caminho, pois esse tipo de pensamento analítico é muito valorizado em projetos de dados e negócios.
Conte com o apoio do Fórum na sua jornada. Abraços e bons estudos!

Para saber mais:

Sugestão de conteúdo:

Alura Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!