A observa o de todos os elementos ou indiv duos da popula o (censo) , na maioria das situa es, imposs vel de efetuar, quer por quest es de tempo e custos, quer por quest es operacionais de implementa o. Com isso surgiu a necessidade de desenvolver m todos estat sticos que permitissem recolher essa informa o a partir de uma amostra. Este trabalho apresenta um algoritmo para identificar caracter sticas que possam ser utilizadas num processo de amostragem estratificada. O algoritmo localiza as caracter sticas e os seus respectivos valores que dividem o conjunto de dados em estratos, de tal forma que a vari ncia do estimador, de uma m dia ou propor o, seja inferior vari ncia do estimador baseado em uma amostra aleat ria simples. O algoritmo implementa o c lculo da vari ncia do estimador baseado nos tr s m todos de aloca o: uniforme, proporcional e aloca o tima de Neyman com custo fixo. Foi tamb m implementado um novo m todo denominado GRD, baseado no princ pio do ganho de informa o, que exige menos recursos de processamento. O algoritmo foi aplicado em um conjunto de dados simulados para produzir estratos pr -definidos, e tamb m, em um conjunto de dados real.