Calculadora de Tamanho de Amostra

O que a calculadora de tamanho de amostra resolve

A calculadora de tamanho de amostra indica quantas unidades precisam ser observadas em uma pesquisa para que a estimativa de uma proporção tenha determinada precisão estatística. Em termos práticos, ajuda a definir quantas pessoas devem responder a um questionário, quantos clientes devem ser entrevistados ou quantos registros devem ser auditados antes da coleta de dados.

Em uma pesquisa de satisfação, por exemplo, não costuma ser necessário entrevistar todos os clientes da base. A amostragem procura selecionar uma parcela da população que permita inferir, dentro de limites conhecidos, resultados para o conjunto. A margem de erro informa a tolerância de imprecisão; o nível de confiança expressa a confiabilidade do procedimento quando ele é repetido sob as mesmas condições.

Esta ferramenta é voltada ao cálculo de amostra para estimar proporções, como o percentual de consumidores satisfeitos, de eleitores que declaram uma preferência, de pedidos entregues no prazo ou de usuários que reconhecem uma marca. Ela usa a correção para população finita. Portanto, é especialmente útil quando se conhece o total de elementos elegíveis e a amostra representa uma fração relevante desse total.

O número apresentado é o mínimo arredondado para cima. Arredondar para baixo reduziria a precisão planejada. Ainda assim, o tamanho calculado não elimina a necessidade de definir corretamente quem integra a população, como os participantes serão selecionados e como serão tratadas as recusas e respostas incompletas.

Como usar a calculadora

Tamanho da população

Preencha o número total de unidades sobre as quais se pretende concluir algo. Se a pesquisa mede satisfação dos compradores ativos de uma loja, a população deve ser o total de compradores ativos definido no período de interesse, e não necessariamente todos os contatos disponíveis no cadastro. Uma população bem delimitada evita que o cálculo tenha aparência de precisão sem corresponder ao objetivo real da pesquisa.

Nível de confiança

Escolha 90%, 95% ou 99%. O nível de 95% é frequentemente adotado em pesquisas descritivas e corresponde, nesta fórmula, ao valor crítico aproximado de 1,96. Maior confiança exige uma amostra maior, pois o intervalo precisa cobrir mais variações possíveis. A escolha não significa que exista 95% de chance de uma resposta individual estar correta; ela se refere ao desempenho de intervalos produzidos por repetidas amostras seguindo o mesmo método.

Margem de erro

Informe a margem desejada em porcentagem. Uma margem de 5% significa que uma estimativa de 60% pode ser apresentada, sob os pressupostos do modelo, com intervalo aproximado de 55% a 65% no nível de confiança selecionado. Margens menores, como 3%, tornam o resultado mais preciso, mas demandam muito mais entrevistas. O campo aceita casas decimais, como 2,5%.

Proporção esperada

Indique o percentual esperado da característica que será medida. Se dados anteriores sugerem que 30% dos clientes usam determinado serviço, informe 30%. Na ausência de estudo anterior confiável, use 50%. Esse valor produz a maior variabilidade possível para uma proporção e, consequentemente, uma amostra mais conservadora. Não confunda esse campo com a margem de erro: a proporção é uma expectativa sobre o resultado; a margem é a precisão desejada.

Fórmula do tamanho de amostra

O cálculo começa pela amostra necessária para uma população muito grande e, em seguida, aplica a correção para população finita. A primeira etapa é:

n₀ = z² × p × (1 − p) / e²

Nessa expressão, n₀ é o tamanho preliminar da amostra, z é o valor crítico associado ao nível de confiança, p é a proporção esperada em formato decimal e e é a margem de erro também em formato decimal. Assim, 50% é escrito como 0,50 e 5% como 0,05.

Conhecendo o tamanho N da população, a correção utilizada é:

n = N × n₀ / (N − 1 + n₀)

O valor final n é sempre arredondado para o próximo número inteiro. A correção reduz a amostra quando a população é limitada, pois a observação de parte relevante do universo traz mais informação do que teria em uma população praticamente ilimitada.

Passo a passo do cálculo

1. Transforme a margem de erro e a proporção esperada em decimais.
2. Selecione o valor crítico z compatível com a confiança escolhida.
3. Calcule a amostra preliminar n₀ pela fórmula de proporções.
4. Substitua n₀ e o tamanho da população na correção para população finita.
5. Arredonde o resultado para cima e planeje contatos extras para compensar não respostas.

Exemplos de tamanho de amostra

Exemplo 1: pesquisa com 1.000 clientes

Uma empresa tem 1.000 clientes ativos e quer estimar a satisfação. Sem proporção prévia, usa 50%; define confiança de 95% e margem de erro de 5%. A amostra preliminar é 1,96² × 0,50 × 0,50 / 0,05², aproximadamente 384,16. Com a correção para 1.000 clientes, o resultado é aproximadamente 277,74. Portanto, a empresa deve obter ao menos 278 respostas válidas.

Exemplo 2: enquete em uma base de 10.000 contatos

Uma equipe de marketing deseja estimar o percentual de clientes interessados em uma nova oferta. A população é de 10.000 contatos elegíveis, a confiança é de 95%, a margem de erro é de 3% e estudos anteriores indicam interesse próximo de 30%. A amostra preliminar é aproximadamente 896,37. Após a correção para população finita, chega-se a cerca de 822,66; o planejamento deve considerar 823 respostas válidas.

Exemplo 3: auditoria de 300 pedidos

Uma operação quer verificar a proporção de pedidos com documentação completa em 300 remessas. Adota 90% de confiança, 5% de margem de erro e proporção esperada de 80%, com base em mês anterior. A etapa inicial resulta em aproximadamente 173,06 observações. Aplicada a correção para 300 pedidos, a necessidade cai para cerca de 110,50. Como não se pode selecionar meia unidade, a amostra mínima é de 111 pedidos.

Planejamento da coleta e taxa de resposta

O resultado da calculadora se refere a respostas válidas, não ao número de convites enviados. Se a taxa estimada de resposta for de 40% e forem necessárias 278 respostas válidas, é prudente convidar aproximadamente 695 pessoas, pois 278 dividido por 0,40 é igual a 695. Também convém prever exclusões por duplicidade, abandono do questionário, critérios de elegibilidade ou respostas sem qualidade mínima.

Quando a população possui grupos com perfis muito diferentes, como regiões, faixas de compra ou portes de empresa, uma amostra aleatória simples pode deixar grupos pequenos pouco representados. Nesse cenário, a amostragem estratificada pode ser apropriada. O tamanho total pode até ser semelhante, mas a alocação entre estratos deve ser definida previamente e a análise precisa respeitar os pesos de cada grupo.

Base técnica aplicável

A fórmula empregada decorre da estimação de proporções sob aproximação normal e do ajuste conhecido como correção para população finita. Ela pressupõe uma seleção aleatória simples, ou condição suficientemente próxima, e que a variável de interesse seja expressa como proporção. O valor z decorre da distribuição normal padronizada; já o termo p × (1 − p) representa a variância de uma variável binária.

Em pesquisas eleitorais divulgadas no Brasil, a legislação eleitoral e as orientações da Justiça Eleitoral estabelecem obrigações específicas de registro e divulgação que vão além do cálculo numérico da amostra. Em pesquisas de mercado, atendimento, clima ou qualidade, também podem existir regras contratuais, requisitos de proteção de dados pessoais e protocolos internos. A fórmula estatística não substitui essas obrigações.

Erros comuns no cálculo amostral

• Usar o total de seguidores, contatos ou cadastros sem verificar quem realmente faz parte da população pesquisada.
• Interpretar margem de erro como proteção contra viés de seleção, perguntas mal redigidas ou baixa taxa de resposta.
• Adotar 50% como se fosse uma previsão do resultado, quando ele é apenas uma escolha conservadora na falta de referência.
• Calcular a amostra e entrevistar somente participantes voluntários, sem avaliar a possibilidade de autoseleção.
• Esquecer de aumentar a quantidade de convites para compensar recusas e questionários inválidos.
• Aplicar a fórmula de proporção a médias, tempos, valores monetários ou testes de hipótese sem os parâmetros adequados.
• Arredondar o tamanho recomendado para baixo por conveniência operacional.

Limites do resultado

O número calculado mede a precisão amostral sob hipóteses específicas; ele não garante representatividade por si só. Uma amostra numericamente grande pode continuar enviesada se apenas determinado perfil de pessoa responde, se a lista de contatos estiver incompleta ou se a seleção não for aleatória. Da mesma forma, uma pesquisa com boa amostra pode gerar conclusões inadequadas caso o questionário induza respostas ou meça um conceito diferente do pretendido.

A ferramenta não calcula poder estatístico, tamanho de amostra para comparar grupos, estudos clínicos, médias, correlação, regressão ou experimentos A/B. Esses problemas requerem parâmetros adicionais, como desvio-padrão, diferença mínima detectável, poder desejado, proporção de alocação entre grupos e desenho amostral. Em amostragens por conglomerados, pode ser necessário aplicar efeito de desenho; em populações muito heterogêneas, pode ser indicado estratificar.

Por fim, confiança e margem de erro descrevem a incerteza de amostragem, e não todos os erros possíveis da pesquisa. Antes de usar o resultado para decisões relevantes, defina a população-alvo, o método de seleção, o plano de análise e os critérios de qualidade dos dados.