O estudo tem como universo de pesquisa os usuários de informação financeira pessoal. Na sociedade atual, quase a totalidade das pessoas lidam de uma forma ou de outra com dinheiro e com decisões que envolvam seu patrimônio pessoal. Sendo assim, a população-alvo seria, a princípio, delimitada pela totalidade de pessoas que possuem contato com recursos financeiros próprios. Verifica-se, portanto, que o número de integrantes da população-alvo, a diversidade de localização geográfica, a inacessibilidade a todos os indivíduos e a disponibilidade de tempo do pesquisador são alguns fatores que impossibilitam a realização de um censo. Sendo assim, a pesquisa utilizou o sistema de amostragem para o estudo da população.
Se a população é composta de todos os elementos de interesse para a pesquisa, a amostra consiste em uma parcela desses elementos, ou seja, é “qualquer subconjunto do conjunto universal ou população” (RICHARDSON, 1999, p. 158).
Conforme o método utilizado na definição das amostras, elas podem ser classificadas como amostras probabilísticas ou amostras não probabilísticas. As amostras são probabilísticas quando os elementos da população estudada têm, a princípio, a mesma probabilidade de serem escolhidos ou, como melhor explica Kidder (1987, p. 84),
no caso mais simples, cada elemento tem a mesma probabilidade de ser incluído, mas esta não é uma condição necessária. O que é necessário, é que haja, para cada elemento, uma probabilidade especificada de que ele será incluído na amostra.
Nas amostras não-probabilísticas não ocorre o uso de formas aleatórias de seleção, porém, os elementos para compor a amostra são escolhidos conforme as limitações da pesquisa e de critérios determinados pelo pesquisador.
Os dois tipos de amostras, probabilísticas e não-probabilísticas possuem vantagens e desvantagens e devem ser utilizadas conforme os objetivos e características de cada pesquisa. A princípio, é natural que se forme opinião de que as amostras probabilísticas sejam superiores às não probabilísticas e que estas não deveriam servir como base para determinação
de elementos a serem estudados em uma pesquisa científica. No entanto, ao se analisar com maior detalhe as pesquisas e as diversas situações onde elas se desenvolvem, verifica-se que a amostra não-probabilística encontra a sua aplicação e, em alguns casos, é mais aconselhável que a amostra probabilística. Kidder (1987, p. 100) afirma que os investigadores
continuarão a usar métodos não probabilísticos e a justificar seu uso pela experiência prática, mesmo admitindo, a princípio, a superioridade da amostragem probabilística. Além disso, muitos
amostradores experientes argumentarão que, em muitos casos pelo menos, esta superioridade só existe no papel. Eles assinalarão que há uma diferença entre o plano amostral e sua execução efetiva; pode haver tantos deslizes ao executar o plano a ponto de anular suas vantagens teóricas.
A amostra não-probabilística é uma alternativa viável quando há dificuldades ou é impossível obter o mapeamento completo de todos os elementos da população para que se realize a amostragem por meio da amostra probabilística. Segundo Richardson (1999), ela pode ser útil em situações onde o pesquisador não detém muitas informações sobre o tema a ser estudado e desenvolve um primeiro contato investigativo.
Optou-se pela amostra não-probabilística principalmente devido ao tamanho da população-alvo, pela inviabilidade temporal e financeira para se realizar uma amostragem probabilística e pela escassez de pesquisas ligadas ao comportamento informacional de usuários de informação financeira pessoal. O tipo de amostra não probabilística utilizada na pesquisa foi a do tipo acidental que é caracterizada pela seleção de uma amostra que “é um subconjunto da população formado pelos elementos que se pôde obter, porém sem nenhuma segurança de que constituam uma amostra exaustiva de todos os possíveis subconjuntos do universo” (RICHARDSON, 1999, p. 160).
A escolha deste tipo de amostra deve-se ao fato de que, para os objetivos da pesquisa, o relacionamento das variáveis é o fator mais importante e pode ser estudado com essa técnica de amostragem (COZBY, 2003; RICHARDSON, 1999; SAMPIERE, COLLADO e LUCIO, 2006) e é com entendimento dessas relações que torna-se possível a descrição do comportamento informacional.
Como se utilizou a amostragem não-probabilística, não são aplicáveis os cálculos tradicionais para se definir o tamanho da amostra que
levem em consideração itens como erro amostral e o nível de confiabilidade em relação à totalidade da população. Com isso, o tamanho da amostra foi definido para que possibilitasse a maior flexibilidade possível na análise dos dados que fossem coletados. Foi estabelecido um tamanho de amostra que permitisse ao pesquisador efetuar análises univariadas, onde se analisa uma variável por vez; análises bivariadas, onde são analisadas as relações entre duas variáveis por vez e análises multivariadas, onde se analisam mais de três variáveis e suas relações entre si, ainda que não se utilizassem de fato os três tipos de análises no decorrer da análise dos dados. Além disso, procurou-se obter uma amostra que atendesse os requisitos para amostragem não-probabilística divulgados por Hair Jr. et al (2005, p. 97-98) que afirmam que neste tipo de amostragem é aconselhável que a amostra contenha não menos que 50 casos válidos e que não deve ser menor que dez vezes a quantidade de variáveis estudadas. A pesquisa desenvolvida estudou 32 variáveis, o que demanda uma amostra com pelo menos 320 casos válidos. A pesquisa coletou uma amostra de 885 casos sendo 35 inválidos, totalizando 850 casos válidos, o que contempla as exigências para uma análise multivariada e conseqüentemente, bivariada e univariada.