Como calcular o tamanho da amostra de uma pesquisa

Definir quantas pessoas entrevistar é uma das primeiras decisões de qualquer pesquisa quantitativa — e uma das que mais geram dúvida. Amostra pequena demais compromete a confiabilidade; grande demais desperdiça tempo e orçamento. Neste guia você entende o que determina o tamanho da amostra, a fórmula por trás do cálculo e uma tabela pronta para consultar.

O que é tamanho de amostra e por que importa

O tamanho da amostra é o número de respondentes necessário para que os resultados da sua pesquisa representem bem a população de interesse, com um grau de precisão e confiança definidos. Como raramente conseguimos entrevistar toda a população, trabalhamos com uma parte dela — a amostra — e usamos estatística para estimar o comportamento do todo.

Importa porque toda estimativa feita a partir de uma amostra carrega incerteza. Uma amostra bem dimensionada mantém essa incerteza dentro de um limite aceitável, permitindo afirmar, por exemplo, que "62% aprovam a marca, com margem de ±3 pontos". Sem esse controle, os números existem, mas não sustentam decisão.

Os três fatores que definem o tamanho

O cálculo amostral equilibra três variáveis. Entender cada uma ajuda a escolher valores conscientes em vez de copiar um número qualquer.

• Nível de confiança — a probabilidade de que o intervalo estimado realmente contenha o valor da população. Os padrões de mercado são 90%, 95% (o mais usado) e 99%. Quanto maior a confiança exigida, maior a amostra.
• Margem de erro — o quanto o resultado pode variar para mais ou para menos. Uma margem de 5% significa que um resultado de 50% está, na verdade, entre 45% e 55%. Reduzir a margem aumenta muito a amostra necessária.
• Proporção esperada (p) — a divisão esperada das respostas para a variável principal. Quando não há estimativa prévia, usa-se 50%, porque é o valor que exige a maior amostra: o produto p · (1 − p) é máximo em 0,5. Adotar 50% é, portanto, o cenário mais conservador e seguro.

A fórmula do cálculo amostral

Para uma população grande (ou desconhecida), o tamanho da amostra vem da fórmula abaixo, em que Z é o valor associado ao nível de confiança, p é a proporção esperada e e é a margem de erro (ambos em proporção, não em porcentagem):

Quando a população é finita e relativamente pequena, aplica-se a correção de população finita, que reduz a amostra necessária:

Aqui N é o tamanho total da população. Se preferir não fazer as contas à mão, use a calculadora de tamanho de amostra, que aplica as duas fórmulas automaticamente.

O valor de Z por nível de confiança

O termo Z vem da distribuição normal e traduz o nível de confiança em um número. Os valores mais usados:

• 90% de confiança → Z = 1,645
• 95% de confiança → Z = 1,96
• 99% de confiança → Z = 2,576

Como Z entra ao quadrado na fórmula, subir de 95% para 99% tem impacto considerável no tamanho final. Por isso 95% permanece o equilíbrio padrão entre rigor e custo na maioria das pesquisas de mercado.

Tabela de referência (95% de confiança, p = 50%)

Para o cenário mais comum — 95% de confiança, proporção de 50% e população grande — estes são os tamanhos de amostra por margem de erro:

Note o salto: sair de 5% para 3% de margem quase triplica a amostra, e chegar a 1% exige quase dez mil respondentes. Para o caminho inverso — partir da amostra que você já tem e ver a precisão resultante — use a calculadora de margem de erro.

Quando o tamanho da população importa

Na prática, o total da população só faz diferença relevante em populações pequenas — abaixo de cerca de 20 mil pessoas. Acima disso, a correção de população finita é tão sutil que o tamanho de amostra necessário quase não muda: para uma cidade de 200 mil ou um país inteiro, a amostra a 95% e 5% continua na casa dos 385 respondentes.

Em públicos restritos, porém, a correção ajuda bastante: para uma base de 500 clientes você não precisa de 385 respostas para chegar a 5% de margem — a amostra exigida cai de forma sensível.

Amostra por subgrupo e cotas

Calcular o total é só metade do trabalho. Se você pretende analisar recortes — por idade, região, classe social ou canal — cada subgrupo precisa de base própria. De nada adianta ter 400 entrevistas no total se o recorte "mulheres de 18 a 24 anos no Nordeste" tem apenas 12 casos: nesse nível, qualquer número vira ruído.

A regra prática é garantir pelo menos 30 a 50 casos por célula que você queira ler isoladamente. Se os cruzamentos importantes forem muitos, planeje cotas na coleta para assegurar volume mínimo em cada grupo, em vez de descobrir a lacuna só na hora de tabular.

Erros comuns ao dimensionar a amostra

• Confundir tamanho da amostra com taxa de resposta. Se espera 20% de resposta e precisa de 385 respondentes, dispare para uma base bem maior.
• Ignorar os subgrupos. Um total confortável pode esconder células pequenas demais para qualquer conclusão.
• Perseguir 99% e 1% por padrão. Rigor excessivo multiplica custo sem ganho prático para a maioria das decisões.
• Aplicar o cálculo à pesquisa qualitativa. Entrevistas em profundidade e grupos focais seguem o critério de saturação temática, não o tamanho estatístico.

Dimensionada a amostra e concluída a coleta, o passo seguinte é tabular e interpretar os dados com método — assunto que detalhamos no guia de análise de pesquisa de mercado.

Leia também