Calculadora de tamanho da amostra para pesquisas

O tamanho da amostra de uma pesquisa é o número de envios completos incluídos na sua análise, representado por n. Ele é diferente do número de convites ou de pessoas na sua lista. Dentro das premissas de amostragem da calculadora, uma amostra maior estreita a margem de erro; ela não elimina um recrutamento enviesado nem perguntas mal formuladas.

Calculadora de tamanho da amostra

Nada fica escondido atrás de um cadastro e nada é enviado a lugar nenhum. A calculadora roda no seu navegador, já começa com uma resposta calculada na tela e mostra a fórmula e as contas que usou, para que você possa conferir ou refazer à mão.

O que é tamanho da amostra

Tamanho da amostra é o número de pessoas que concluem a sua pesquisa. Ele é representado por n em todas as fórmulas desta página, é a única grandeza que você compra com trabalho de campo em vez de escolher no papel, e é o número a partir do qual sua margem de erro é calculada.

Três contagens costumam ser confundidas com ele, e diferenciá-las é a maior parte do que um plano amostral faz:

• População (N): todos que você quer descrever. Uma lista de clientes, um quadro de funcionários, um país.
• Convites: quantas pessoas você contata. Sempre mais do que n, porque nem todo mundo responde.
• Tamanho da amostra (n): quantos envios completos você tem quando o trabalho de campo termina. Este é o número que a fórmula dimensiona, e o único dos três que muda sua margem de erro.

O tamanho da amostra compra precisão, que é a largura da faixa de mais ou menos em torno de cada resultado. Ele não compra exatidão, que depende de as pessoas que responderam se parecerem com as que não responderam. Uma grande amostra por conveniência pode ficar mais longe da verdade do que uma pequena amostra aleatória, e nenhum valor de n corrige isso. Onde o planejamento do tamanho da amostra erra explica a diferença, e a forma como você extrai a amostra é o que a decide.

A resposta curta, se você só quer um número

A fórmula do tamanho da amostra e como calculá-la à mão

Para uma pesquisa que reporta uma porcentagem, o ponto de partida padrão é o tamanho da amostra para uma população grande o bastante para ser tratada como ilimitada:

n0 = (z^2 x p x (1 - p)) / E^2

Lendo da esquerda para a direita:

• n0 é o número de envios completos necessários, antes de qualquer correção para a população.
• z é o escore z do seu nível de confiança. Use 1,96 para 95%.
• p é a proporção que você espera medir, em decimal. Use 0,5 se não souber.
• E é a margem de erro em decimal. Cinco pontos percentuais equivalem a 0,05.

O símbolo do tamanho da amostra é n. Algumas fontes escrevem o número sem correção como n0 e o corrigido como n, que é a convenção usada aqui.

Exemplo resolvido: de 385 a uma lista de convites

Cenário. Você quer saber a porcentagem de clientes que recomendariam sua empresa. Você quer 95% de confiança e margem de 5 pontos para mais ou para menos. Você não tem uma estimativa prévia, então p = 0,5.

1. Escolha o nível de confiança e a margem de erro

   95% de confiança define z = 1,96. Margem de 5 pontos percentuais para mais ou para menos é E = 0,05.

2. Escolha um resultado esperado

   p = 0,5, porque não há estimativa prévia e 0,5 produz a maior amostra. Nada do que você descobrir depois pode deixar você com envios de menos.

3. Aplique a fórmula do tamanho da amostra

   n0 = (1.96^2 x 0.5 x 0.5) / 0.05^2

   n0 = (3.8416 x 0.25) / 0.0025 = 0.9604 / 0.0025 = 384.16

   Arredonde para cima: 385 envios completos. Sempre arredonde para cima. Não dá para coletar uma fração de pesquisa.

4. Corrija para uma população pequena

   Se esses clientes forem uma lista de 1.000, e não um mercado aberto, aplique a correção: n = 384,16 / (1 + 383,16 / 1.000) = 384,16 / 1,38316 = 277,7, portanto 278 envios completos. A correção só faz diferença quando a amostra é uma parcela grande da população.

5. Converta envios completos em convites

   Com uma taxa de resposta de 30%, convites = 278 / 0,30 = 926,7, portanto convide 927 pessoas. Os envios completos são o que a fórmula dimensiona. Os convites são o que você de fato envia, e eles nunca podem ser mais numerosos que a população da qual você está extraindo a amostra.

Com 95% de confiança e p = 0,5, a fórmula inteira se reduz a 0,9604 dividido por E ao quadrado. Esse único atalho responde à maioria das perguntas sobre tamanho da amostra em uma linha, e é por isso que 385 aparece sem parar nas tabelas de tamanho da amostra que você encontra por aí.

Tabela de tamanho da amostra para tamanhos de população comuns

Estes números foram calculados com a fórmula acima, com 95% de confiança, margem de 5 pontos para mais ou para menos e p = 0,5, e depois corrigidos para a população. As duas últimas colunas são a nossa própria conferência com a tabela publicada por Krejcie e Morgan em 1970, que é a tabela citada na maioria dos capítulos de metodologia.

Como conferimos. Aplicamos a fórmula a 21 tamanhos de população e comparamos cada resultado com o valor publicado por Krejcie e Morgan. Doze coincidiram exatamente. Os outros nove diferiram em exatamente um envio, o que vem do ponto em que cada método arredonda, e não de uma divergência nas contas. Se um orientador perguntar por que seu número difere da tabela em um, esse é o motivo.

Vale saber, se você for citar essa tabela: Krejcie e Morgan não deduziram uma fórmula própria. O artigo deles de 1970 tem cerca de 400 palavras e uma tabela, e sua única referência atribui a fórmula a um boletim de pesquisa de 1960 da National Education Association. O resumo que os próprios autores fazem do padrão continua sendo a melhor descrição em uma linha: à medida que a população cresce, a amostra necessária aumenta a um ritmo cada vez menor e se estabiliza em pouco mais de 380 casos.

Como escolher os valores, um de cada vez

Quatro números determinam a resposta. Três deles são decisões, não fatos, e cada um tem uma forma defensável de ser escolhido.

Nível de confiança: com que frequência o método acerta

O nível de confiança descreve o método, não esta pesquisa em particular. Com 95% de confiança, os intervalos construídos desta forma contêm o valor verdadeiro 95 vezes em cada 100, no longo prazo. Não é uma chance de 95% de que a sua resposta específica esteja correta.

Use 95%, a menos que tenha um motivo para não usar. Passar para 99% eleva a amostra de 385 para 664 com a mesma precisão, um aumento de custo de 72% para ganhar muito pouco. A ideia relacionada nos testes de hipótese é o alfa, e é por isso que as pessoas confundem os dois. Se essa diferença não estiver clara, leia significância estatística e o que significam os valores-p antes de escolher um número.

Margem de erro: a variável de decisão

É sobre esta que você deve pensar com mais cuidado, porque é o único valor que liga a amostra a uma decisão. Escolha-a perguntando qual diferença mudaria o que você faz.

Se você age de forma diferente quando a satisfação é de 72% em vez de 74%, precisa de uma margem estreita. Se só age diante de 72 contra 82, uma margem de 5 pontos para mais ou para menos é suficiente. Relatórios gerais costumam ficar em 5 pontos para uma sondagem rápida ou em 3 pontos para acompanhamento contínuo. Abaixo de 2 pontos, o custo sobe rapidamente.

Tamanho da população: quase irrelevante, até deixar de ser

Para populações grandes, a amostra necessária quase não muda. Dez mil pessoas precisam de 370 envios. Cem mil precisam de 383. O tamanho da população só faz diferença quando sua amostra é uma parcela significativa dela, como em listas de funcionários, cadastros de associados e turmas escolares. É disso que trata a próxima seção.

Resultado esperado (p): use 0,5 quando não souber

Em uma pergunta de porcentagem, a incerteza é determinada por p vezes (1 menos p). Esse termo é máximo em p = 0,5, então 0,5 é a escolha conservadora e produz a maior amostra. É o padrão certo quando você não tem uma estimativa prévia.

Se você tiver uma, use-a, porque a economia é grande. Com 95% de confiança e margem de 5 pontos para mais ou para menos, p = 0,5 pede 385 envios e p = 0,9 pede 139. Pesquisas anteriores, um teste piloto ou uma referência publicada são fontes válidas para essa estimativa. Perguntas ruidosas também aumentam a dispersão, então uma redação mais clara pode estabilizar um resultado sem nenhum envio extra. Escrever perguntas de pesquisa melhores muitas vezes sai mais barato do que coletar mais envios.

Populações pequenas: a correção para população finita

A fórmula básica pressupõe que você está extraindo a amostra de um conjunto tão grande que retirar pessoas dele não muda nada. Quando sua amostra é uma fatia real da população, essa premissa cobra de você mais do que o necessário. A correção para população finita devolve os envios.

n = n0 / (1 + ((n0 - 1) / N))

• n é o número corrigido de envios completos de que você precisa.
• n0 é o número sem correção da fórmula acima.
• N é o tamanho da população.

O gatilho usual é n0 ser maior que cerca de 5% de N. Abaixo disso, a correção quase não muda nada, então nem vale a pena explicá-la a ninguém.

Exemplo resolvido: uma pesquisa com funcionários

Cenário. Você tem 1.200 funcionários. Quer 95% de confiança e margem de 5 pontos para mais ou para menos, e usa p = 0,5.

• Sem correção, n0 = 384,16.
• Com correção: n = 384,16 / (1 + (383,16 / 1.200)) = 384,16 / 1,3193 = 291,2.
• Arredonde para cima: 292 envios completos.

Sem a correção, você correria atrás de 385 envios em uma lista de 1.200, ou seja, 32% de todo mundo. Com ela, 292 dão a mesma precisão. Em uma lista desse tamanho, isso é um mês de cobranças que você não precisa fazer.

Margem de erro: a mesma fórmula, ao contrário

A margem de erro é a faixa de mais ou menos em torno do resultado de uma pesquisa que vem de ter consultado algumas pessoas em vez de todas. Se 62% de 385 respondentes escolhem uma opção e a margem de erro é de 5 pontos, você reporta 62% e diz que a faixa plausível vai de 57% a 67%.

Reorganizar a fórmula do tamanho da amostra para isolar E resulta em:

E = z x raiz quadrada de (p x (1 - p) / n)

Com uma população finita, multiplique isso pela raiz quadrada de (N - n) dividido por (N - 1). As duas versões estão na calculadora abaixo, que alterna automaticamente quando você marca ou desmarca a caixa da população.

A margem de erro aumenta com o tamanho da amostra?

Ela diminui, e diminui com a raiz quadrada de n. Essa raiz quadrada é toda a economia das pesquisas. Quatrocentos envios dão metade do erro de cem. Para reduzi-lo à metade de novo, você precisa de 1.600. Cada casa decimal a mais de precisão custa cerca de quatro vezes o trabalho de campo, e é por isso que 385 é um ponto de chegada tão comum: é onde custo e precisão param de brigar.

Quatro termos que as pessoas confundem

Erro-padrão, margem de erro, nível de confiança e intervalo de confiança são usados como se fossem intercambiáveis. São quatro coisas diferentes, e a diferença importa quando alguém questiona o seu número.

A versão curta: o erro-padrão é uma propriedade dos seus dados, o nível de confiança é uma escolha que você fez, a margem de erro é os dois multiplicados, e o intervalo de confiança é o que você publica no relatório.

O que a margem de erro não cobre

Ela cobre o erro amostral aleatório e nada mais. Não cobre pessoas que ignoraram o convite, uma lista à qual faltava parte da população nem uma pergunta que metade dos seus respondentes entendeu de um jeito diferente do que você quis dizer. Uma pesquisa pode ter uma margem de erro bem arrumada e ainda assim estar errada. Veja viés de resposta e viés de não resposta para os erros que nenhum tamanho de amostra corrige.

A entidade profissional da pesquisa por amostragem diz isso de forma mais direta do que a maioria dos fornecedores. A AAPOR afirma que não existe uma margem de erro geral mensurável para uma pesquisa eleitoral, porque as pesquisas carregam outros erros que simplesmente não podem ser medidos, desde a forma como as perguntas foram escritas até a forma como as entrevistas foram conduzidas. O que dá para calcular é a parte amostral. É essa parte que a calculadora fornece, e vale deixar claro que ela é só uma parte.

Duas regras de uso da mesma fonte, e a maioria dos textos sobre pesquisas erra as duas:

• São pontos percentuais, não uma porcentagem. Escreva “3 pontos percentuais para mais ou para menos”, e não “3% para mais ou para menos”. Significam coisas diferentes.
• Ela não se aplica de forma alguma a amostras de adesão voluntária. Uma margem de erro pressupõe que cada pessoa tinha uma chance de seleção conhecida e diferente de zero. Um link aberto, um painel de voluntários ou uma publicação em rede social não atendem a isso. Publicar uma margem de erro ao lado de resultados de um link aberto é afirmar uma precisão pela qual você não pagou.

Como converter envios completos em convites

A fórmula dá a você envios concluídos. O trabalho de campo dá a você uma taxa de resposta. A distância entre os dois é onde os planos amostrais costumam falhar, e a conta cabe em uma linha:

Convites = envios completos necessários / taxa de resposta esperada

Use a taxa em decimal, então 30% vira 0,30, e arredonde para cima. Para 292 envios completos com 35%, isso dá 292 dividido por 0,35 = 834,3, portanto convide pelo menos 835 pessoas.

Como escolher uma taxa de resposta defensável

Seu próprio histórico vale mais que qualquer referência publicada, desde que seja o mesmo público, o mesmo canal e uma pesquisa de tamanho parecido. Se você não tiver nada em que se basear, planeje três cenários, com 20%, 30% e 40%, e trate a lista de convites como uma alavanca ajustável durante o trabalho de campo. Lembretes, um prazo maior e uma lista mais ampla são coisas que você pode mudar no meio do caminho. A meta de envios completos, não.

A maioria das tabelas de referência na internet cita uma única média, sem fonte. Não existe uma média única. Veja o que as fontes primárias realmente relatam, para que você possa citar a linha que corresponde à sua situação, e não um número que alguém inventou.

Duas conclusões saem dessa tabela. Primeiro, o tamanho do grupo pesquisado prevê a taxa melhor do que quase qualquer outra coisa que você controla. Uma empresa de 300 pessoas e um órgão de 300.000 pessoas não estão fazendo a mesma pesquisa. Segundo, a afirmação muito repetida de que as taxas de resposta estão despencando em toda parte só é verdadeira em alguns lugares. As pesquisas eleitorais por telefone de fato despencaram. As pesquisas organizacionais publicadas foram na direção oposta, de 48% para 68% em quinze anos.

Mais uma conta de planejamento que vale a pena adotar: a orientação padrão de extensão universitária é acrescentar cerca de 10% à lista de convites para as pessoas que você simplesmente não consegue contatar, e cerca de 30% para as que poderiam responder e não respondem.

O que o nosso próprio acervo de modelos diz sobre o tamanho

Uma taxa de resposta emprestada da pesquisa de outra pessoa raramente se aplica bem à sua, e o tamanho é uma das poucas coisas dessa lista que você controla por completo. Aqui está um número que nós conseguimos produzir e um concorrente não, porque ele vem da contagem do nosso próprio acervo publicado, e não de perguntar a profissionais o que eles acham que fazem.

Na nossa auditoria de 21 de agosto de 2026, todos os 87 modelos de pesquisa tinham 14 perguntas ou menos, e 86 tinham 10 perguntas ou menos. Juntos, eles somavam 799 perguntas. A mediana foi de 9 perguntas, e exatamente um modelo passou de 10. Esses números descrevem aquele retrato datado, não a biblioteca atual.

Por formato de resposta, 355 das 799 perguntas são escalas de avaliação, 281 são listas de escolha única e 163 pedem que a pessoa digite algo. Esse último grupo é o que mais faz você perder envios completos, então nós o lemos à mão, em vez de confiar no campo armazenado. Das 163, 137 são caixas de comentário de várias linhas. As outras 26 são caixas de uma linha, e a leitura mostrou que 22 são campos curtos de identificação ou classificação: um nome, um endereço de e-mail, uma data, um departamento, um cargo. Apenas 4 são respostas curtas de conteúdo. Assim, a contagem honesta de perguntas realmente abertas é 141, ou cerca de uma pergunta em cada seis, e não uma em cada cinco, como o campo bruto teria indicado.

Como contamos e como conferimos. Analisamos a lista de perguntas armazenada de cada modelo de pesquisa publicado neste site em 21 de agosto de 2026, mantivemos as entradas que tinham texto de pergunta e depois buscamos cada página publicada e comparamos os dois conjuntos, em vez de confiar apenas no nosso próprio banco de dados. Todas as 87 páginas retornaram HTTP 200, enquanto um endereço que sabemos estar desativado retornou 410 na mesma execução, então a verificação de fato discriminava, em vez de dar verde para tudo. 785 das 799 perguntas, ou 98%, aparecem na página publicada. Seis dessas correspondências diferem do banco de dados apenas no caractere de apóstrofo usado, e nós as contamos como correspondências, o que preferimos declarar a arredondar silenciosamente. Oitenta e seis dos 87 modelos foram verificados por completo. O único que não foi é o nosso mais longo, com 14 perguntas, e sua página publicada atualmente não exibe nenhuma pergunta de prévia, então suas perguntas não puderam ser confirmadas de fora.

O tamanho do modelo não diz qual será a taxa de resposta aos convites. Nosso benchmark de respostas a pesquisas, que é um estudo separado, examina o comportamento depois que as pessoas interagem com uma pesquisa; ele não conta todos os convidados. Para planejar os convites, use uma taxa documentada de um projeto comparável ou de um teste piloto e mantenha o denominador consistente.

O uso prático é restrito, mas real. Se você está emprestando uma taxa de resposta para calcular os convites na calculadora, empreste-a de uma pesquisa com mais ou menos o mesmo tamanho da que você está prestes a enviar, para um público parecido, por um canal parecido. Nossos próprios instrumentos publicados ficam entre 7 e 10 perguntas, menos do que a maioria dos rascunhos tem no início.

Mais convites não compram menos viés

Uma taxa de resposta baixa cria dois problemas que parecem um só. O primeiro é que você termina abaixo da meta, então sua margem de erro fica maior do que o planejado. O segundo é que as pessoas que responderam podem ser diferentes das que não responderam, de formas que importam para o seu resultado.

Convidar mais pessoas resolve o primeiro problema. Não resolve o segundo de forma confiável. Groves e Peytcheva reuniram 59 estudos que mediram o viés de não resposta real em comparação com valores conhecidos e encontraram apenas uma relação pequena entre a taxa de resposta de uma pesquisa e o quanto ela se mostrou enviesada. O Pew testou a mesma ideia diretamente: aplicou um mesmo questionário duas vezes, uma com métodos padrão, que obteve taxa de resposta de 9%, e outra com um protocolo de alto esforço, que obteve 22%. Das 40 perguntas que as duas pesquisas tinham em comum, 28 voltaram com diferença de até 2 pontos entre si.

O contraponto honesto. Esse achado não se generaliza para todos os temas, e vale saber onde ele falha. Em pesquisas de satisfação, a relação é real e grande. Um estudo de 717 pesquisas de satisfação de pacientes em 164 hospitais suíços encontrou uma correlação de r = 0,61 entre a pontuação média de satisfação e a taxa de resposta, porque as pessoas encantadas e as furiosas respondem, e o meio-termo ambivalente não. Se você aplica CSAT ou NPS, uma taxa de resposta em alta pode, por si só, mudar sua pontuação, e uma taxa baixa provavelmente favorece você.

Então: corra atrás da taxa de resposta quando estiver medindo o que as pessoas sentem em relação a você. Não a trate como um certificado de validade quando estiver medindo qualquer outra coisa.

Tamanho da amostra em pesquisa quantitativa: do que um capítulo de métodos precisa

Não existe um único tamanho de amostra bom para pesquisa quantitativa, e qualquer fonte que dê um sem perguntar o que você está medindo está chutando. O que faz um capítulo de métodos ser aprovado não é um número grande. É um número declarado, com o nível de confiança, a margem de erro, a proporção suposta e a população escritos ao lado, e uma fórmula identificada pelo nome.

Os orientadores costumam esperar uma de quatro abordagens com nome. Elas em geral concordam entre si, e vale saber qual delas estão pedindo a você.

Cochran, e por que todo o resto é um atalho dele

A fórmula de Cochran é a que está no topo desta página: n0 = z ao quadrado vezes p vezes (1 menos p), dividido por E ao quadrado, seguida da correção para população finita quando a população é pequena. Os outros métodos com nome fixam alguns desses valores para encurtar as contas. Depois que você sabe disso, a família deixa de parecer quatro regras concorrentes e passa a parecer uma regra com três predefinições.

Yamane e Slovin: use de olhos abertos

A fórmula n = N / (1 + N x e^2) aparece em milhares de teses, geralmente atribuída a Slovin. Ela é rápida: para N = 1.000 e e = 0,05, dá 286.

Vale saber três coisas antes de citá-la.

• É Cochran com os parâmetros soldados. Fazendo o caminho inverso, a fórmula é a fórmula de proporções com p fixo em 0,5, confiança fixa em 95% e z arredondado de 1,96 para 2. Ela não consegue responder a uma pergunta com nenhum outro nível de confiança e não tem nenhum valor para o grau de variação da sua população. Duas populações do mesmo tamanho, mas com dispersões muito diferentes, recebem a mesma resposta, o que não pode estar certo.
• Esse arredondamento é o motivo de os números dela saírem altos. Com z = 2, o teto da fórmula para uma população ilimitada é exatamente 1 dividido por e ao quadrado, ou seja, 400. O teto de Cochran é 384,16, porque 1,96 ao quadrado é 3,8416, e não 4. Todo número de Yamane na tabela acima é alguns por cento maior que o número de Cochran exatamente por esse motivo. Se você já se perguntou por que dois livros-texto dão dois tamanhos de amostra diferentes para o mesmo estudo, geralmente a resposta é essa.
• A atribuição não se sustenta. Um periódico de estatística rastreou a história da fórmula e concluiu que não há nenhuma pessoa chamada Slovin por trás dela, e que a fonte mais antiga rastreável é o livro-texto de Taro Yamane de 1967. O Wolfram MathWorld a descreve como uma fórmula ad hoc, sem rigor matemático. Se seu departamento a exige, use-a e cite Yamane em vez de Slovin. Se você puder escolher, use Cochran, porque ela resiste à pergunta sobre de onde vieram os 95%.

Regras práticas, avaliadas com honestidade

Estas circulam amplamente. Algumas são úteis, outras são folclore, e ajuda saber qual é qual.

• Pelo menos 30 por grupo. Razoável como piso para comparações entre grupos, não como meta. Vem do ponto em que as distribuições amostrais começam a se comportar bem, não de nenhuma exigência de precisão.
• Dez casos por variável em uma regressão. Uma heurística de trabalho, muito usada e muito criticada. Apresente-a como heurística, nunca como regra.
• Dez por cento da população. Esta está simplesmente errada, e a tabela acima mostra por quê. Dez por cento de 100.000 são 10.000 envios, quando 383 dão a mesma precisão.
• Sempre 385. Certo apenas para uma população grande, com 95% e 5 pontos. Cite esse número com essas condições, ou ele não significa nada.
• n pequeno para estudos de usabilidade e de produto. O Nielsen Norman Group publica a versão honesta disso: 40 participantes dão uma medida de sim ou não com margem de 15 pontos para mais ou para menos, com 95% de confiança, e 47 dão uma média com a mesma precisão. Esses números são pequenos porque a precisão afirmada é folgada. Declare a precisão abertamente e as amostras pequenas deixam de ser constrangedoras.

Se o seu estudo compara grupos em vez de estimar uma porcentagem, o tamanho da amostra vira uma questão de poder estatístico, e esta não é a calculadora certa. Você precisa de um tamanho de efeito que esteja disposto a defender, além de alfa e poder. O G*Power e o OpenEpi são as ferramentas gratuitas que a maioria dos orientadores espera, e as duas são gratuitas. Dizer onde uma ferramenta para é mais útil do que fingir que ela faz tudo.

O trabalho qualitativo é dimensionado de outra forma

Entrevistas e grupos focais não são dimensionados com margem de erro, porque não estão estimando uma porcentagem da população. O argumento usual é a saturação: você continua até que novos participantes parem de trazer temas novos e depois informa onde isso aconteceu e como você avaliou. Passar um estudo qualitativo por esta calculadora produz um número que parece preciso e não significa nada.

Se você precisa de resultados por subgrupo, dimensione pelo subgrupo

A maioria das pesquisas precisa reportar por região, cargo, tempo de casa ou linha de produto. É aqui que os planos amostrais falham silenciosamente, e a regra é curta.

Sua margem de erro só se aplica a um grupo se esse grupo tiver esse número de envios completos. Se você quer margem de 5 pontos para mais ou para menos em cada uma de seis regiões, precisa de cerca de 385 envios completos em cada região, e não de 385 no total. É uma pesquisa seis vezes maior do que a que você achava que estava planejando.

Duas saídas honestas:

• Sobreamostre os grupos pequenos. Convide deliberadamente uma parcela maior dos segmentos menores, para que cada um atinja a sua própria meta. Depois, você pondera os resultados de volta.
• Aceite faixas mais largas para os recortes. Mantenha um número geral sólido e publique cada subgrupo com a sua própria margem de erro, maior, ao lado. Geralmente esta é a resposta certa.

A calculadora tem um campo para isso. Defina Subgrupos a reportar separadamente como o número de grupos para os quais você deve um resultado, e ela dimensiona cada grupo corretamente e soma o total.

Defina o escopo antes de ir a campo. Liste os segmentos que você precisa reportar, e não os que seria bom ter. Estime quantos envios completos cada um consegue produzir de forma realista, usando perguntas demográficas para identificá-los. Se um segmento só consegue render 80 envios, não prometa margem de 5 pontos para mais ou para menos para ele. Com 80 envios, a faixa é de 11 pontos para mais ou para menos.

A AAPOR usa um exemplo resolvido que vale a pena memorizar. Uma pesquisa com 1.000 adultos tem uma margem de erro geral de cerca de 3 pontos para mais ou para menos. Se 200 dessas pessoas formam o subgrupo sobre o qual você realmente quer falar, a margem de erro desse subgrupo é de 6,9 pontos para mais ou para menos, mais que o dobro. O número de destaque na capa do relatório não é o que vale para o gráfico da página nove.

As orientações publicadas sobre tamanho mínimo de célula são mais antigas e mais frouxas que as fórmulas, e é justo tratá-las como piso, e não como meta: cerca de 100 envios para um subgrupo que você vai reportar de verdade, e de 20 a 50 para um secundário que você vai mencionar de passagem.

Onde o planejamento do tamanho da amostra erra

O tamanho da amostra controla o erro amostral, o ruído aleatório de não perguntar a todos. Pesquisas reais também carregam erro sistemático, que nenhum tamanho de amostra corrige e que uma amostra grande pode disfarçar.

Tratar uma amostra por conveniência como amostra probabilística

Todas as fórmulas aqui pressupõem que cada pessoa tinha uma chance conhecida e diferente de zero de ser selecionada, e que responder não estava fortemente ligado ao que você está medindo. Um link aberto em redes sociais não atende a nenhuma das duas condições. Você ainda pode calcular uma margem de erro a partir dos envios, ela vai parecer tranquilizadora, e não vai significar o que diz. Deixe explícito que tipo de amostra você de fato extraiu.

Entender um n maior como uma medição melhor

Uma amostra grande torna uma medição ruidosa precisamente ruidosa. Se uma pergunta é ambígua, dupla ou tendenciosa, mais envios não vão salvá-la. Taxas altas de questões puladas e respostas inconsistentes são sinais de que é preciso corrigir o instrumento primeiro. Reescrever uma pergunta ruim muitas vezes faz mais do que triplicar a amostra.

Escolher a precisão sem uma decisão por trás

A precisão só tem uma resposta certa quando você sabe para que ela serve. Um tamanho de amostra é fácil de defender quando você consegue completar esta frase: precisamos distinguir resultados que diferem em X pontos. É impossível de defender quando o único motivo é que um número maior parecia mais seguro. Relacione-o ao seu desenho de pesquisa e ao que você vai fazer com o resultado.

Os números desta página e a qualidade de cada um

Todo número citado acima é uma conta que você pode reproduzir na calculadora ou uma citação que você pode verificar. Grau A significa replicado ou diretamente calculável, B significa um único estudo sólido, C significa muito repetido, mas contestado.

O modelo de justificativa

A maioria dos argumentos sobre tamanho da amostra falha porque as premissas nunca foram registradas por escrito. O botão Copiar a justificativa da calculadora escreve isso já com os seus próprios números. Se preferir montar você mesmo, estes são os nove itens que um parecerista vai procurar.

• warning
  População (N): defina a população e informe a contagem. Por exemplo, todos os clientes ativos nos últimos 90 dias, N = 48.200.
• warning
  O que você está medindo: uma proporção (uma porcentagem) ou uma média (uma avaliação média). A fórmula aqui dimensiona proporções, o que cobre a maioria dos KPIs reportados.
• warning
  Nível de confiança: o nível que você escolheu e por quê. Convenção e tolerância a risco são motivos aceitáveis, desde que você os declare.
• warning
  Margem de erro (E): sua precisão-alvo geral e, separadamente, para cada subgrupo que você prometeu reportar.
• warning
  Proporção suposta (p): o valor usado e de onde ele veio. Diga claramente se ele é 0,5 porque não havia nada melhor disponível.
• warning
  Correção para população finita: se você a aplicou e o que a motivou, como n0 ultrapassar 10% de N.
• warning
  Meta de envios completos (n): o número final de envios completos necessários, depois de todos os ajustes.
• warning
  Taxa de resposta esperada: a taxa suposta, o histórico de onde ela veio e o número de convites resultante.
• warning
  Como você vai selecionar as pessoas: aleatória simples, estratificada, censo ou conveniência, além de qualquer sobreamostragem de segmentos-chave. Dê o nome com honestidade.

Depois que a pesquisa estiver em campo, continue acompanhando os envios completos por segmento, e não o total. Um número geral saudável pode esconder um segmento que nunca vai atingir sua meta, e esse é um problema que você ainda consegue resolver na primeira semana e não consegue mais na quarta. Ao reportar, apresente cada porcentagem junto com a sua margem de erro e leia como analisar dados de pesquisas antes de tratar uma variação de dois pontos como real.

Perguntas frequentes

Referências