Exemplo de amostra de pesquisa: veja como definir a sua

Se você já começou a montar uma pesquisa, seja para o trabalho, para a faculdade ou para entender melhor os clientes da sua empresa, provavelmente já esbarrou numa pergunta que trava muita gente: quem, afinal, deve responder ao seu questionário? Essa pergunta tem nome: amostra de pesquisa. E entender esse conceito bem, com um exemplo de amostra de pesquisa na mão, é o que separa um estudo confiável de um cheio de furos.

Neste artigo, vamos conversar sobre o que é uma amostra, por que ela importa tanto, quais são os tipos que existem, como calcular o tamanho ideal e, claro, ver exemplos práticos que você pode aplicar na sua própria pesquisa. A ideia é que, ao final da leitura, você saiba exatamente como escolher a sua amostra sem depender de achismo.

O que é uma amostra de pesquisa?

Amostra de pesquisa é o grupo de pessoas (ou itens, dependendo do que você está estudando) selecionado dentro de um universo maior, chamado de população, para representar esse universo em um estudo. Em vez de entrevistar todo mundo que você gostaria de entender, você entrevista uma parte, e usa essa parte para tirar conclusões sobre o todo.

Pense assim: imagine que você quer saber a opinião dos moradores de uma cidade de 500 mil habitantes sobre um novo projeto de mobilidade urbana. Falar com os 500 mil seria praticamente impossível, caro e demorado. Então você seleciona, por exemplo, 1.000 pessoas que representem bem essa população, com diferentes idades, bairros e perfis sociais. Esses 1.000 moradores são a sua amostra de pesquisa.

A lógica por trás disso é estatística: se a amostra for bem escolhida, o que ela mostra tende a refletir, com uma margem de erro conhecida, o que aconteceria se você perguntasse para todo mundo. É essa a mágica (e a ciência) por trás de pesquisas eleitorais, pesquisas de satisfação, estudos acadêmicos e até testes de produtos.

Vale destacar a diferença entre dois termos que às vezes se confundem:

• População (ou universo): é o conjunto total de pessoas, empresas, produtos ou eventos que você quer estudar.
• Amostra: é o subconjunto dessa população que você efetivamente vai pesquisar.

Quanto mais bem definida for essa distinção no início do seu projeto, mais fácil será desenhar o restante da metodologia.

Por que a amostra é importante em uma pesquisa?

A amostra é, sem exagero, uma das decisões mais importantes de qualquer pesquisa. Ela é a base sobre a qual todos os resultados vão se apoiar. Se a amostra for mal escolhida, nem a análise estatística mais sofisticada do mundo vai salvar as conclusões do seu estudo. É o famoso “lixo entra, lixo sai”.

Aqui estão os principais motivos pelos quais a amostra merece tanta atenção:

1. Economia de tempo e recursos. Pesquisar toda uma população costuma ser inviável financeiramente e operacionalmente. Uma amostra bem dimensionada entrega resultados confiáveis a um custo muito menor.
2. Representatividade. Uma boa amostra reflete as características da população: idade, gênero, renda, localização, comportamento de compra, entre outras variáveis relevantes para o seu objetivo. Isso permite generalizar os resultados com segurança.
3. Validade estatística. Os métodos estatísticos usados para calcular margens de erro, intervalos de confiança e significância dependem de a amostra ter sido selecionada de forma adequada. Sem isso, esses números perdem o sentido.
4. Tomada de decisão mais segura. Empresas usam pesquisas de mercado para decidir lançamento de produtos, ajuste de preços e estratégias de comunicação. Se a amostra não for confiável, a decisão baseada nela também não será.
5. Credibilidade do estudo. Em pesquisas acadêmicas, científicas ou jornalísticas, a forma como a amostra foi definida costuma ser um dos primeiros pontos analisados por quem avalia o trabalho. Uma amostra malfeita compromete a credibilidade de tudo o que vem depois.

Em resumo: a amostra é a ponte entre o que você pergunta e o que você pode afirmar com segurança sobre a realidade. Quanto mais sólida essa ponte, mais confiança as pessoas terão nos seus resultados.

Quais são os tipos de amostragem?

Existem duas grandes famílias de amostragem: a probabilística e a não probabilística. A diferença central entre elas está na forma como os participantes são selecionados e, principalmente, na possibilidade (ou não) de calcular a probabilidade de cada pessoa da população fazer parte da amostra.

Amostragem probabilística

Na amostragem probabilística, todo elemento da população tem uma chance conhecida e diferente de zero de ser selecionado. Isso permite calcular margens de erro e generalizar os resultados com rigor estatístico. É o tipo mais indicado quando o objetivo é produzir conclusões representativas de toda a população.

Amostragem aleatória simples

É o método mais intuitivo: todos os elementos da população têm exatamente a mesma chance de serem escolhidos, como em um sorteio. Se você tem uma lista completa de 10 mil clientes e sorteia 300 deles aleatoriamente (por exemplo, usando um gerador de números aleatórios), está fazendo uma amostragem aleatória simples.

• Vantagem: simplicidade e ausência de viés na seleção.
• Limitação: exige uma lista completa da população, o que nem sempre está disponível.

Amostragem estratificada

Na amostragem estratificada, a população é dividida em subgrupos (estratos) com características em comum, como faixa etária, região ou nível de escolaridade, e depois se faz uma amostragem aleatória dentro de cada estrato, respeitando a proporção de cada grupo na população total.

Por exemplo, se 60% dos seus clientes são mulheres e 40% são homens, sua amostra deve manter essa mesma proporção. Isso garante que subgrupos menores, mas relevantes, não fiquem sub-representados.

• Vantagem: mais precisão quando existem diferenças importantes entre subgrupos.
• Limitação: exige conhecer previamente as características da população para definir os estratos.

Amostragem sistemática

Nesse método, você define um intervalo fixo (por exemplo, a cada 10 pessoas) e seleciona os elementos da população a partir desse intervalo, começando por um ponto de partida aleatório. Se você tem uma lista de 1.000 clientes e quer uma amostra de 100, pode selecionar um cliente a cada 10, começando de um número sorteado entre 1 e 10.

• Vantagem: mais simples de aplicar do que a aleatória simples quando há uma lista organizada.
• Limitação: pode gerar viés se houver algum padrão oculto na lista que coincida com o intervalo escolhido.

Amostragem por conglomerados (ou clusters)

Em vez de selecionar indivíduos diretamente, você divide a população em grupos naturais (conglomerados), como bairros, escolas ou filiais, sorteia alguns desses grupos e entrevista todos ou parte das pessoas dentro dos grupos sorteados.

Por exemplo, em vez de sortear pessoas em toda uma cidade, você sorteia 10 bairros e entrevista todos os moradores desses bairros.

• Vantagem: reduz custos logísticos, especialmente em pesquisas presenciais e geograficamente dispersas.
• Limitação: tende a ter uma margem de erro maior do que outros métodos probabilísticos, porque os conglomerados podem não ser tão homogêneos quanto a população total.

Amostragem não probabilística

Na amostragem não probabilística, nem todo elemento da população tem chance conhecida de ser selecionado, e a seleção costuma depender de critérios práticos ou do julgamento do pesquisador. Ela é mais rápida e barata, mas os resultados não podem ser generalizados com o mesmo rigor estatístico da amostragem probabilística.

Amostragem por conveniência

O pesquisador seleciona os participantes que estão mais acessíveis no momento, sem critério probabilístico. Um exemplo clássico é entrevistar pessoas que passam em frente a um shopping em determinado horário.

• Quando usar: estudos exploratórios, testes piloto, ou quando o tempo e o orçamento são muito limitados.
• Cuidado: alto risco de viés, já que o grupo acessível pode não representar bem a população total.

Amostragem intencional (ou por julgamento)

O pesquisador escolhe deliberadamente participantes que possuem características específicas relevantes para o objetivo do estudo. É comum em pesquisas qualitativas, quando se busca entender em profundidade a opinião de especialistas ou de um grupo muito específico.

• Quando usar: pesquisas qualitativas, estudos de caso, entrevistas com especialistas.
• Cuidado: depende muito do critério do pesquisador, o que pode introduzir viés de seleção.

Amostragem por quotas

Parecida com a estratificada, mas sem sorteio: o pesquisador define quotas (por exemplo, 50 homens e 50 mulheres) e vai preenchendo essas quotas com quem estiver disponível, sem seleção aleatória dentro de cada grupo.

• Quando usar: pesquisas de mercado rápidas, quando se quer garantir representatividade demográfica básica sem o custo de uma amostragem probabilística completa.
• Cuidado: ainda existe viés na forma como as pessoas dentro de cada quota são escolhidas.

Amostragem bola de neve

Usada principalmente para estudar populações difíceis de acessar diretamente, como grupos em situação de vulnerabilidade ou comunidades muito específicas. O pesquisador começa com poucos participantes e pede que eles indiquem outras pessoas com o perfil desejado, formando uma “bola de neve” que cresce a cada indicação.

• Quando usar: estudos com populações de difícil acesso ou pouco visíveis publicamente.
• Cuidado: a amostra tende a refletir apenas as redes sociais dos primeiros participantes, o que pode limitar a diversidade dos resultados.

Como definir o tamanho da amostra?

Definir o tamanho ideal da amostra é uma das etapas mais técnicas do processo, mas dá para entender a lógica sem precisar ser estatístico. O cálculo depende de quatro elementos principais:

1. Tamanho da população. Quantas pessoas (ou itens) existem no universo total que você quer estudar. Para populações muito grandes, esse número tem pouco impacto no tamanho final da amostra a partir de um certo ponto.
2. Nível de confiança. Indica o quanto você pode confiar que o resultado da amostra reflete a realidade da população. Os níveis mais comuns são 90%, 95% e 99%. Um nível de confiança de 95% significa que, se você repetisse a pesquisa várias vezes, em 95% das vezes o resultado real da população estaria dentro da margem de erro calculada.
3. Margem de erro. É o intervalo de variação aceitável entre o resultado da amostra e o resultado real da população. Margens comuns variam entre 3% e 5%. Quanto menor a margem de erro desejada, maior precisa ser a amostra.
4. Variabilidade (ou heterogeneidade) esperada. Refere-se ao quanto as respostas tendem a variar dentro da população. Quando não se sabe essa variabilidade, costuma-se usar o valor mais conservador, que é 50%, pois é o que exige o maior tamanho de amostra (garantindo segurança no cálculo).

A fórmula clássica para populações finitas é:

n = (N × Z² × p × (1-p)) / (e² × (N-1) + Z² × p × (1-p))

Onde:

• n = tamanho da amostra
• N = tamanho da população
• Z = valor correspondente ao nível de confiança (1,96 para 95%, por exemplo)
• p = proporção esperada (geralmente 0,5, quando não há dado anterior)
• e = margem de erro (por exemplo, 0,05 para 5%)

Na prática, você não precisa fazer essa conta na mão. Existem diversas calculadoras de amostra gratuitas na internet em que basta inserir o tamanho da população, o nível de confiança desejado e a margem de erro para obter o número ideal de participantes.

Um exemplo rápido: para uma população de 100.000 pessoas, com nível de confiança de 95% e margem de erro de 5%, o tamanho de amostra recomendado gira em torno de 383 participantes. Se você reduzir a margem de erro para 3%, esse número sobe para cerca de 1.056 participantes, mostrando como a precisão desejada impacta diretamente o esforço de coleta.

Como escolher uma amostra para uma pesquisa?

Escolher a amostra certa envolve responder, na ordem certa, a algumas perguntas-chave: qual é o objetivo da pesquisa?

Antes de pensar em números, defina claramente o que você quer descobrir. Pesquisas exploratórias, que buscam entender percepções gerais, costumam aceitar amostras não probabilísticas. Já pesquisas conclusivas, que buscam generalizar resultados, exigem amostragem probabilística.

Quem é a população-alvo?

Delimite com precisão quem faz parte do universo da pesquisa. “Consumidores brasileiros” é vago demais; “mulheres de 25 a 40 anos, moradoras de capitais, que compraram roupas online nos últimos 3 meses” é um recorte muito mais útil.

Existe uma lista completa da população disponível?

Se sim, métodos probabilísticos como a amostragem aleatória simples ou sistemática se tornam viáveis. Se não, pode ser necessário recorrer a métodos não probabilísticos ou a amostragem por conglomerados.

Qual o orçamento e o prazo disponíveis?

Amostragens probabilísticas costumam exigir mais tempo e recursos. Se o prazo for curto, uma amostragem por quotas ou conveniência pode ser mais realista, desde que as limitações fiquem claras no relatório final.

O estudo é qualitativo ou quantitativo?

Pesquisas qualitativas, que buscam profundidade em vez de generalização, costumam usar amostras intencionais menores. Pesquisas quantitativas, que buscam números e percentuais representativos, dependem de amostras probabilísticas maiores.

Quais variáveis são essenciais de representar?

Se idade, gênero, renda ou localização são fatores relevantes para o seu objetivo, considere uma amostragem estratificada para garantir que esses grupos estejam proporcionalmente presentes.

Depois de responder a essas perguntas, o caminho natural costuma ficar bem mais claro: você já sabe se precisa de uma amostra probabilística ou não, já delimitou a população e já tem uma ideia do tamanho necessário.

Exemplo de amostra de pesquisa

Vamos ver alguns exemplos práticos de amostra de pesquisa, aplicados a situações do dia a dia, para deixar tudo isso mais concreto.

Exemplo 1: Pesquisa de satisfação de clientes de um e-commerce

• População: todos os clientes que compraram no site nos últimos 12 meses (supondo 50.000 pessoas).
• Tipo de amostragem: estratificada, dividindo os clientes por faixa de gasto (baixo, médio, alto) para garantir que todos os perfis de consumo sejam representados.
• Tamanho da amostra: com nível de confiança de 95% e margem de erro de 5%, cerca de 381 clientes.
• Método de coleta: e-mail com link para questionário online, enviado proporcionalmente a cada faixa de gasto.

Exemplo 2: Pesquisa acadêmica sobre hábitos de leitura de universitários

• População: estudantes matriculados em uma universidade com 20.000 alunos.
• Tipo de amostragem: aleatória simples, sorteando nomes a partir da lista oficial de matrícula fornecida pela instituição.
• Tamanho da amostra: aproximadamente 377 estudantes, considerando 95% de confiança e 5% de margem de erro.
• Método de coleta: formulário online enviado por e-mail institucional.

Exemplo 3: Pesquisa de mercado para lançamento de um novo produto

• População: consumidores em potencial de uma determinada faixa etária e região, sem uma lista completa disponível.
• Tipo de amostragem: por quotas, definindo cotas de idade, gênero e renda com base em dados demográficos do IBGE para a região.
• Tamanho da amostra: 400 participantes, distribuídos proporcionalmente entre as quotas definidas.
• Método de coleta: abordagem em pontos de grande circulação, como shoppings e centros comerciais.

Exemplo 4: Pesquisa qualitativa com especialistas de um setor

• População: profissionais com mais de 10 anos de experiência em um nicho técnico específico.
• Tipo de amostragem: intencional, selecionando nomes reconhecidos no mercado com base em critérios definidos previamente (tempo de experiência, cargo, publicações).
• Tamanho da amostra: entre 8 e 15 entrevistados, número típico de estudos qualitativos que buscam profundidade, não generalização estatística.
• Método de coleta: entrevistas individuais em profundidade, presenciais ou por videochamada.

Exemplo 5: Estudo sobre uma comunidade de difícil acesso

• População: pessoas em situação de rua em uma determinada cidade.
• Tipo de amostragem: bola de neve, começando por poucos contatos feitos através de ONGs e pedindo indicações de outras pessoas com o mesmo perfil.
• Tamanho da amostra: variável, definido conforme a saturação das respostas (quando novas entrevistas deixam de trazer informações relevantes novas).
• Método de coleta: entrevistas presenciais realizadas por equipes treinadas, muitas vezes em parceria com assistência social.

Esses exemplos mostram como a escolha do tipo de amostragem muda completamente dependendo do objetivo, da população e dos recursos disponíveis. Não existe um único “jeito certo” de fazer amostragem: existe o jeito mais adequado para cada contexto específico.

Quais erros devem ser evitados na definição da amostra?

Alguns erros aparecem com tanta frequência em pesquisas mal planejadas que vale a pena destacá-los especificamente.

• Confundir tamanho de amostra com representatividade

Uma amostra grande, mas mal selecionada, pode ser menos confiável do que uma amostra menor, porém bem distribuída. O tamanho importa, mas a forma de seleção importa tanto quanto, senão mais.

• Ignorar o viés de seleção

Quando a forma de recrutar participantes favorece sistematicamente um determinado perfil, o resultado fica distorcido. Um exemplo clássico é fazer uma pesquisa apenas nas redes sociais, o que exclui automaticamente quem não usa aquela plataforma.

• Não definir claramente a população-alvo

Sem um recorte preciso de quem deveria fazer parte da pesquisa, fica impossível avaliar se a amostra é adequada ou não.

• Usar amostragem por conveniência quando o objetivo exige generalização

Amostras de conveniência são úteis para estudos exploratórios, mas não permitem afirmar “isso representa toda a população” com segurança estatística.

• Esquecer a taxa de resposta

Se você planeja uma amostra de 400 pessoas, mas sabe que só 20% costumam responder a pesquisas do seu setor, é preciso convidar um número bem maior de participantes para atingir a amostra final desejada.

• Não considerar subgrupos relevantes

Se características como idade, gênero, região ou renda influenciam diretamente o tema pesquisado, ignorar esses subgrupos na composição da amostra compromete a qualidade dos resultados.

• Misturar métodos sem transparência

Combinar amostragem probabilística e não probabilística pode ser válido em certos desenhos de pesquisa, mas isso precisa ser explicado claramente no relatório, para que quem for interpretar os resultados entenda as limitações envolvidas.

• Definir a margem de erro e o nível de confiança depois de coletar os dados

O ideal é planejar esses parâmetros antes da coleta, e não ajustar os números depois para “encaixar” um resultado que já foi obtido.

Evitar essas armadilhas exige planejamento, mas o esforço vale a pena: uma amostra bem definida economiza tempo, dinheiro e, principalmente, evita decisões tomadas com base em dados que não refletem a realidade.

Buscando pessoas para sua amostra de pesquisa?

Na PainelTAP, sua pesquisa encontra os  certos com rapidez, qualidade e segurança. Solicite uma proposta e descubra como otimizar sua coleta de dados. 

Quero conhecer

Perguntas frequentes

Quantas pessoas devem participar de uma pesquisa?

Não existe um número fixo válido para todas as pesquisas. O ideal depende do tamanho da população, do nível de confiança desejado (geralmente 95%) e da margem de erro aceitável (geralmente entre 3% e 5%). Para populações grandes, amostras entre 380 e 1.100 pessoas costumam ser suficientes para a maioria dos estudos quantitativos, mas o número exato deve ser calculado caso a caso, usando uma calculadora de amostra ou a fórmula estatística apropriada.

O que é uma amostra representativa?

Uma amostra representativa é aquela cujas características refletem, de forma proporcional, as características da população que ela pretende representar. Isso inclui variáveis como idade, gênero, localização, renda e outros fatores relevantes para o objetivo do estudo. Quando uma amostra é representativa, os resultados obtidos podem ser generalizados para toda a população com uma margem de erro conhecida e aceitável.

Qual a diferença entre censo e amostragem?

O censo consiste em coletar dados de absolutamente todos os elementos de uma população, sem exceção, como acontece no Censo Demográfico do IBGE. Já a amostragem consiste em selecionar apenas uma parte da população para representar o todo. O censo tende a ser mais preciso, porém muito mais caro, demorado e complexo de executar. A amostragem, quando bem planejada, oferece resultados confiáveis com um custo e um tempo muito menores, sendo a escolha mais comum na grande maioria das pesquisas de mercado, acadêmicas e de opinião.

Concluindo…

Definir bem a amostra de uma pesquisa não é um detalhe técnico qualquer: é a base que sustenta a credibilidade de qualquer estudo, seja ele acadêmico, de mercado ou de opinião pública. Entender os tipos de amostragem disponíveis, saber calcular o tamanho ideal e conhecer os erros mais comuns permite que qualquer pesquisa, do porte que for, entregue resultados em que se pode confiar de verdade.

Se você está prestes a planejar a sua própria pesquisa, vale revisar cada exemplo de amostra de pesquisa apresentado aqui e identificar qual método se encaixa melhor no seu contexto, no seu orçamento e no seu objetivo final. Com esse cuidado inicial, o restante do processo, coleta, análise e interpretação dos dados, tende a fluir de forma muito mais tranquila e confiável.