Qual a amostragem ideal para uma pesquisa? Veja o cálculo
8 min de leitura
A amostragem ideal para uma pesquisa depende de quem você quer estudar, do que pretende descobrir e da precisão necessária para tomar uma decisão.
Se o objetivo é estimar uma porcentagem em uma população grande, 385 respostas válidas são uma referência para 95% de confiança e margem de erro de 5 pontos percentuais. Esse cálculo pressupõe amostragem aleatória simples e usa 50% como proporção esperada, o cenário mais conservador. Veja a fórmula de referência da Penn State.
Para entender por que clientes cancelam um serviço, entrevistas em profundidade podem ser mais adequadas. Já se você precisa medir quantos cancelaram por causa do preço, uma pesquisa quantitativa ajuda a estimar esse percentual. A pergunta de pesquisa orienta tanto a escolha dos participantes quanto o número de respostas a coletar.
O que é amostragem em uma pesquisa?
A população é o conjunto de pessoas ou unidades sobre o qual você quer tirar conclusões. A amostra é o subconjunto que participa do estudo. A amostragem é o processo de selecionar esse subconjunto.
Imagine uma empresa que quer avaliar o atendimento entre clientes que abriram um chamado nos últimos três meses. A população é formada por esses clientes.
A lista de contatos disponível serve como base para selecionar os convidados. Se essa lista só inclui quem usou o chat, a pesquisa pode deixar de fora quem buscou atendimento por telefone. Esse problema de cobertura afeta a interpretação dos resultados mesmo quando há muitas respostas. Veja as boas práticas de pesquisa da AAPOR.
Como escolher o tipo de amostragem?
Amostragem probabilística
Na amostragem probabilística, cada unidade da população tem uma probabilidade conhecida e maior que zero de ser selecionada. O método permite estimar o erro amostral levando em conta como os participantes foram escolhidos. Veja os métodos descritos pela Statistics Canada.
Aleatória simples. Sorteia participantes de uma lista da população, com a mesma chance de seleção para cada pessoa. É uma opção quando você tem uma base de contatos que cobre o público de interesse.
Estratificada. Divide a população em grupos, como regiões ou faixas etárias, e sorteia participantes dentro de cada grupo. É adequada quando você precisa incluir segmentos pequenos ou publicar resultados para cada um deles.
Por conglomerados. Sorteia grupos, como escolas ou bairros, e entrevista todas ou parte das pessoas dentro dos grupos selecionados. Pode reduzir custos de deslocamento. Como pessoas de um mesmo grupo podem ter respostas parecidas, o cálculo da precisão deve considerar esse desenho.
Amostragem não probabilística
Na amostragem não probabilística, a inclusão pode depender de disponibilidade, adesão voluntária, cotas ou critérios definidos pela equipe. Em uma seleção por conveniência, por exemplo, o pesquisador recruta quem está ao alcance. Já as cotas buscam preencher números previstos para perfis como idade ou região.
Esses métodos podem ajudar a explorar hipóteses, recrutar perfis específicos e testar um questionário. Se você divulgar um formulário nas redes sociais, registre que houve adesão voluntária.
A margem de erro amostral clássica da amostragem aleatória simples é inadequada para interpretar esse tipo de coleta. Veja a orientação da AAPOR sobre amostras voluntárias.
Como calcular o tamanho da amostra?
Para estimar uma proporção, como o percentual de clientes satisfeitos, comece com a fórmula de planejamento para uma amostra aleatória simples em uma população grande.
n₀ = Z² × p × (1 − p) ÷ e²
n₀ é o tamanho inicial da amostra.
Z é o valor associado ao nível de confiança. Para 95%, use 1,96.
p é a proporção esperada, em decimal. Se você ainda desconhece esse valor, use 0,50 para obter o maior tamanho de amostra nessa fórmula.
e é a margem de erro desejada, em decimal. Para 5 pontos percentuais, use 0,05.
Com 95% de confiança e margem de 5 pontos percentuais, o cálculo fica 1,96² × 0,50 × 0,50 ÷ 0,05² = 384,16. Arredonde para cima e planeje 385 respostas válidas.
Nesse cenário, a margem de erro descreve a variação esperada por entrevistar uma amostra. Perguntas tendenciosas, problemas na lista de contatos e diferenças entre quem responde e quem fica de fora podem afetar o resultado por outros caminhos. Consulte a metodologia da Penn State.
Margem de erro desejada
Respostas válidas necessárias
±10 pontos percentuais
97
±5 pontos percentuais
385
±3 pontos percentuais
1.068
±2 pontos percentuais
2.401
Os valores da tabela usam 95% de confiança, proporção esperada de 50% e população grande. Passar de 5 para 3 pontos percentuais exige quase triplicar o número de respostas. Para escolher a margem, pense em quanto a estimativa pode variar sem mudar a decisão que você precisa tomar.
Como ajustar a amostra para uma população pequena?
Quando a população é conhecida e a amostra representa uma parcela relevante dela, aplique a correção para população finita. Para um sorteio aleatório simples sem reposição, use n = n₀ ÷ [1 + (n₀ − 1) ÷ N], em que N é o tamanho da população. Mantenha o valor inicial sem arredondamento até concluir o cálculo.
Em uma base de 500 clientes, por exemplo, a correção reduz a meta para 218 respostas válidas, com os mesmos parâmetros de 95% de confiança, 5 pontos percentuais de margem e proporção esperada de 50%.
A correção se refere ao universo de interesse. Se a empresa quer estudar todos os clientes do país, o total de seguidores em uma rede social seria uma base inadequada para definir esse universo. Veja a dedução da correção na Penn State.
Como planejar a coleta de respostas?
Calcule a meta por segmento. Se você quer comparar clientes novos e antigos, defina quantas respostas precisa em cada grupo. Uma amostra de 385 pessoas pode servir para estimar o percentual geral e ainda produzir uma estimativa pouco precisa para um segmento com poucas respostas. Se a pergunta principal for detectar uma diferença entre grupos, dimensione a amostra considerando a menor diferença relevante e o poder estatístico desejado.
Estime quantos convites enviar. Divida a meta de respostas válidas pela proporção de convidados que você espera que entreguem uma resposta válida. Para obter 385 respostas com uma taxa esperada de 25%, planeje 1.540 convites. Use o histórico de uma coleta semelhante ou faça um piloto para estimar essa taxa. Durante a coleta, acompanhe quais perfis estão respondendo e avalie se algum grupo ficou pouco representado.
Teste o questionário. Um pré-teste ajuda a encontrar perguntas ambíguas, problemas de navegação e alternativas incompletas. Ao publicar o resultado, informe quem podia participar, como ocorreu o recrutamento, quantas respostas foram analisadas e, quando aplicável, como calculou a margem de erro. Esses detalhes ajudam o leitor a entender a quem os resultados se aplicam. Consulte as boas práticas da AAPOR.
Prepare a lista para o sorteio. Se a unidade de análise for o cliente, organize a base para que cada cliente apareça uma única vez. Quando o mesmo cadastro aparece em várias linhas, ele pode ter mais chances de ser sorteado. Defina também os critérios de elegibilidade antes da coleta. Em uma pesquisa de satisfação sobre uma entrega, por exemplo, considere apenas clientes cujo pedido já foi entregue no período analisado. Registre esses critérios na metodologia para que o leitor saiba qual experiência foi avaliada.
Qual é a amostra ideal para uma pesquisa qualitativa?
Em uma pesquisa qualitativa, o tamanho da amostra depende da variedade dos perfis e da profundidade necessária para responder à pergunta. Uma equipe que investiga o cancelamento de um serviço pode entrevistar pessoas que saíram no primeiro mês e clientes que cancelaram após um ano. Cada grupo ajuda a explorar momentos diferentes da experiência.
Em estudos que usam saturação, a equipe analisa se novas entrevistas ainda trazem informações relevantes para o objetivo. Uma revisão sistemática identificou saturação entre 9 e 17 entrevistas em vários estudos, sobretudo com públicos relativamente homogêneos e objetivos específicos. Use esse intervalo como referência de planejamento. Se o estudo abrange perfis diversos ou várias perguntas, pode ser preciso recrutar mais pessoas. Leia a revisão de Hennink e Kaiser.
Perguntas frequentes sobre amostragem
Uma amostra precisa ter 10% da população?
O cálculo depende da precisão desejada e do desenho da pesquisa. Para estimar uma proporção com 95% de confiança e margem de 5 pontos percentuais, por exemplo, seriam necessárias 218 respostas em uma população de 500 pessoas e 370 em uma de 10 mil, com seleção aleatória simples sem reposição e proporção esperada de 50%.
Cem respostas são suficientes para uma pesquisa?
Depende da decisão que a pesquisa precisa embasar. Para estimar uma proporção em uma população grande, com seleção aleatória simples e 95% de confiança, 100 respostas dão uma margem de erro de cerca de ±9,8 pontos percentuais no cenário mais conservador. Essa precisão pode servir para uma leitura geral e ser insuficiente para avaliar diferenças pequenas.
Como saber se a amostra representa a população?
Verifique se o recrutamento cobre os perfis da população de interesse, como os participantes foram selecionados e quem efetivamente respondeu. Quando houver dados confiáveis sobre a população, compare características relevantes, como região, idade ou tempo de relacionamento com a empresa. Essa comparação ajuda a identificar possíveis desequilíbrios. Registre as diferenças encontradas e considere como elas podem afetar a interpretação dos resultados.
Precisa recrutar participantes para sua pesquisa?
Conte para nossas equipe qual perfil você procura. A gente ajuda você a encontrar participantes que atendam aos critérios do seu estudo. Fale com a gente.