População e Amostra no TCC em 2026: Como Definir, Tipos de Amostragem e Tamanho (com Exemplos)

Você chegou ao capítulo de metodologia do seu TCC e precisa descrever com quem vai pesquisar — mas não tem clareza sobre a diferença entre população e amostra no TCC, nem sobre qual tipo de amostragem escolher. A confusão é previsível: muitos estudantes trocam os termos, adotam uma técnica incompatível com sua abordagem metodológica ou não sabem como justificar o tamanho da amostra para a banca. Este artigo resolve essas três questões com definições precisas, exemplos brasileiros e modelos de parágrafo prontos para adaptar.

As referências seguem os autores mais exigidos pelas bancas brasileiras: Antônio Carlos Gil (Métodos e Técnicas de Pesquisa Social, 7. ed., São Paulo: Atlas, 2019) e Eva Maria Lakatos e Marina de Andrade Marconi (Fundamentos de Metodologia Científica, 9. ed., São Paulo: Atlas, 2021). As fórmulas de cálculo amostral foram verificadas a partir de fontes estatísticas reconhecidas.

O que é população na pesquisa científica

No vocabulário metodológico, população (ou universo da pesquisa) é o conjunto de todos os elementos — pessoas, documentos, eventos, organizações — que compartilham ao menos uma característica relevante para o problema de pesquisa. Para Gil (2019, p. 90), população é “o conjunto definido de elementos que possuem determinadas características”.

A delimitação da população deve ser explícita e operacional: você precisa conseguir descrever quem pertence a ela de forma que qualquer outro pesquisador identificaria os mesmos elementos. Veja exemplos por tipo de abordagem:

• Pesquisa quantitativa: “Todos os funcionários efetivos de uma rede varejista de São Paulo com mais de dois anos de casa e cargo operacional.” — população finita e delimitada.
• Pesquisa qualitativa: “Professores da rede pública municipal de Fortaleza que atuam no Ensino Fundamental II há ao menos três anos.” — também finita, com critério temporal.
• Pesquisa documental: “Acórdãos do Superior Tribunal de Justiça sobre responsabilidade civil médica publicados entre 2020 e 2025.” — população de documentos.

A população pode ser finita (número determinado de elementos) ou infinita (número impossível de determinar, como “todos os consumidores brasileiros de e-commerce”). Essa distinção influencia diretamente a fórmula de cálculo amostral: para populações finitas, o tamanho da amostra pode ser menor porque a fórmula aplica um fator de correção.

O que é amostra e por que ela existe

A amostra é a parcela da população que será efetivamente pesquisada. Lakatos e Marconi (2021, p. 224) a definem como “uma porção ou parcela, convenientemente selecionada do universo (população)”. A pesquisa por amostragem existe porque estudar toda a população é, na maioria dos casos, inviável em termos de tempo, custo e logística.

A exceção é o censo, quando se pesquisa toda a população — estratégia válida quando o universo é muito pequeno (como os 14 gestores de uma única empresa) ou quando a natureza do problema exige dados exaustivos.

Para que a amostra cumpra sua função, ela precisa ter dois atributos centrais:

• Representatividade: a amostra deve refletir as características essenciais da população para que conclusões extraídas dela possam ser estendidas ao universo.
• Adequação ao método: pesquisas quantitativas exigem amostras representativas e estatisticamente calculadas; pesquisas qualitativas priorizam a profundidade interpretativa e aceitam amostras menores, selecionadas de forma intencional.

Para entender como a escolha da abordagem condiciona a estratégia amostral, consulte o guia completo sobre Pesquisa Qualitativa e Quantitativa: Diferenças, Exemplos e Quando Usar Cada Uma (2026).

Amostragem probabilística: 4 tipos

Na amostragem probabilística, cada elemento da população tem uma probabilidade conhecida e diferente de zero de ser selecionado. Isso permite generalizar os resultados para a população com determinada margem de erro — característica essencial em pesquisas quantitativas.

1. Amostragem aleatória simples

Todos os elementos têm a mesma probabilidade de ser escolhidos. O procedimento consiste em sortear os participantes de uma lista completa da população (cadastro, planilha, base de dados). É o método mais simples conceitualmente, mas exige acesso integral a essa lista — o que nem sempre é possível na prática.

Exemplo: Sortear 150 alunos de uma listagem de 800 matriculados em um curso de Administração para responder a um questionário sobre satisfação com o ensino híbrido.

2. Amostragem estratificada

A população é dividida em subgrupos homogêneos (estratos), e sorteia-se uma amostra proporcional — ou igualitária — de cada estrato. Garante que grupos minoritários que poderiam ser sub-representados em um sorteio simples tenham presença adequada na amostra.

Exemplo: Estratificar os 640 colaboradores de uma empresa por setor (administrativo, operacional, comercial) e sortear participantes em proporção ao tamanho de cada grupo.

3. Amostragem sistemática

Os elementos são selecionados a partir de um intervalo fixo (k = N ÷ n) na lista da população, após um ponto de partida aleatório. Simples de operacionalizar quando a lista está ordenada e numerada.

Exemplo: N = 1.000 prontuários; n desejado = 100; k = 10. Sorteia-se o primeiro elemento entre 1 e 10 e seleciona-se o de 10 em 10 (1.º, 11.º, 21.º…) até completar a amostra.

4. Amostragem por conglomerados

A população é dividida em grupos internamente heterogêneos (conglomerados, como escolas, bairros ou municípios) e sorteia-se um número desses grupos para pesquisar todos os seus integrantes. Indicada quando a população está geograficamente dispersa e construir uma lista completa seria inviável.

Exemplo: Sortear 6 das 40 escolas estaduais de um município e pesquisar todos os alunos do 9.º ano nessas 6 unidades.

Amostragem não-probabilística: 4 tipos

Na amostragem não-probabilística, a seleção dos participantes não é aleatória. Isso impede generalizações estatísticas, mas é adequado — e bem aceito pelas bancas — em pesquisas qualitativas, exploratórias ou quando o acesso à população é restrito.

A amostragem por conveniência é a mais utilizada em TCCs de graduação porque reflete a realidade operacional do estudante: acesso aos colegas de curso, aos funcionários da empresa onde realiza estágio ou aos clientes de um estabelecimento parceiro. Desde que justificada e com suas limitações reconhecidas no texto, a banca a aceita sem ressalvas.

A bola de neve é especialmente indicada para populações de difícil mapeamento. Nesse método, os primeiros participantes recrutados — as sementes — indicam outros com o mesmo perfil, e assim sucessivamente, até atingir a saturação teórica ou o número planejado.

Como calcular o tamanho da amostra

Para pesquisas quantitativas com população finita, a referência mais citada em metodologia brasileira é a fórmula de Cochran (1985):

Onde:

• n = tamanho da amostra a calcular
• N = tamanho da população
• z = valor crítico para o nível de confiança (1,96 para 95%; 2,58 para 99%)
• p = proporção esperada do atributo na população (use 0,5 quando desconhecida — valor que maximiza o tamanho da amostra e garante margem de segurança)
• e = margem de erro admissível (ex.: 0,05 para 5%)

A tabela abaixo mostra os tamanhos de amostra resultantes para populações de diferentes dimensões, com nível de confiança de 95%, p = 0,5 e margem de erro de 5% — parâmetros muito comuns em TCCs quantitativos. Todos os valores foram calculados aplicando a fórmula acima:

Para calcular o tamanho da sua amostra com precisão, use calculadoras como a da QuestionPro ou o recurso detalhado de Análise Estatística de Dados. Se a sua pesquisa exige cálculo de poder estatístico com o software G*Power — abordagem cada vez mais exigida em dissertações de mestrado —, consulte o guia em Como calcular o tamanho da amostra com G*Power.

Para pesquisas qualitativas, não há fórmula estatística. O critério é a saturação teórica: encerra-se a coleta quando novas entrevistas ou observações deixam de acrescentar informações inéditas à análise. TCCs qualitativos costumam trabalhar com 8 a 20 participantes — mas esse intervalo deve ser justificado com base no referencial teórico adotado, não apresentado como uma regra universal.

Critérios de inclusão e exclusão

Antes de apresentar a amostra, o TCC deve definir explicitamente quem entra e quem fica fora da pesquisa. Esses critérios aumentam a precisão metodológica ao homogeneizar a amostra e demonstram à banca que as escolhas foram conscientes e fundamentadas.

• Critérios de inclusão: características que o participante precisa ter para compor a amostra (ex.: “estar regularmente matriculado”, “exercer cargo de liderança há ao menos um ano”).
• Critérios de exclusão: características que eliminam o elemento mesmo que ele pertença à população (ex.: “estar em licença médica durante o período de coleta”, “não ter assinado o TCLE”).

Modelo de redação para TCC de Enfermagem:

“Foram incluídos na amostra os discentes regularmente matriculados no curso de Enfermagem da Universidade X, no período letivo de 2025/2, que estivessem cursando ao menos o 5.º semestre. Foram excluídos os estudantes afastados por motivo de saúde, os intercambistas e aqueles que não concordaram em participar da pesquisa mediante assinatura do Termo de Consentimento Livre e Esclarecido (TCLE).”

A definição de critérios cumpre uma função dupla: torna a amostra mais homogênea (reduzindo a variância indesejada) e demonstra que o pesquisador domina o delineamento do seu estudo.

Como redigir população e amostra no TCC

No capítulo de metodologia — que você pode estruturar do zero com o guia de Metodologia do TCC em 2026: Como Escrever o Capítulo Passo a Passo — o trecho sobre população e amostra deve responder a quatro perguntas em sequência:

1. Quem é a população? (definição com características delimitantes e tamanho, se conhecido)
2. Qual é a amostra? (número de participantes e perfil)
3. Como foi feita a seleção? (tipo de amostragem e procedimento operacional)
4. Por que esse tamanho? (critério: fórmula estatística, saturação teórica ou limitação de acesso justificada)

Modelo para pesquisa quantitativa:

“A população desta pesquisa é composta pelos 640 colaboradores de uma empresa do setor alimentício localizada em Belo Horizonte (MG). Adotando nível de confiança de 95% e margem de erro de 5%, o tamanho mínimo de amostra calculado pela fórmula de Cochran (1985) foi de 241 participantes. A seleção ocorreu por amostragem aleatória simples, mediante sorteio a partir da listagem fornecida pelo setor de Recursos Humanos da organização.”

Modelo para pesquisa qualitativa:

“A amostra foi composta por 12 docentes da rede estadual de ensino de Recife (PE), selecionados por amostragem intencional, com o critério de ter ao menos cinco anos de experiência em sala de aula no Ensino Médio e ter participado do programa de formação continuada investigado. O número de participantes foi determinado pelo critério de saturação teórica: a coleta foi encerrada quando as entrevistas passaram a gerar dados recorrentes sem novas contribuições interpretativas (GIL, 2019).”

Conecte a justificativa da amostragem ao delineamento geral da pesquisa. Se você adotou um estudo de caso, leia o guia Estudo de Caso como Metodologia (Yin, 2026) para alinhar o tipo de amostra ao método de Yin. Se ainda está definindo o tipo de pesquisa, o artigo Pesquisa Exploratória, Descritiva e Explicativa em 2026 ajuda a identificar qual delineamento se aplica ao seu problema — o que, por sua vez, orienta a escolha da estratégia amostral.

Perguntas frequentes sobre população e amostra no TCC