Definir população e amostra é uma das seções do TCC de Administração em que a banca mais cobra coerência entre o número apresentado e a fórmula usada para chegar nele. Este guia mostra como definir população, calcular o tamanho da amostra e justificar a escolha, com exemplos por subárea e as arestas que a banca costuma testar na apresentação oral. Veja também como fazer o TCC de Administração para o panorama completo do trabalho antes de aprofundar nesta seção, e o guia geral de população e amostra no TCC para os conceitos que valem em qualquer curso.
População versus amostra: a diferença que a banca cobra
População é o conjunto total de elementos que interessam à pesquisa — todos os clientes de uma rede de lojas, todos os colaboradores de uma empresa, todas as empresas de um setor. Amostra é o subconjunto efetivamente pesquisado, selecionado porque estudar a população inteira raramente é viável num TCC. A seção de população e amostra precisa responder três perguntas, nessa ordem: quem é a população (com critérios de inclusão claros), qual o tamanho da amostra e como ela foi calculada, e qual o método de seleção (aleatória, por conveniência, estratificada).
Amostragem probabilística versus não probabilística
Na amostragem probabilística, cada elemento da população tem uma chance conhecida de ser selecionado, o que permite calcular margem de erro e generalizar estatisticamente os resultados — é o caso da amostragem aleatória simples ou estratificada. Na amostragem não probabilística (por conveniência, intencional ou por bola de neve), a seleção segue outros critérios, e os resultados não podem ser generalizados estatisticamente para toda a população, mas ainda assim é uma escolha metodológica legítima quando o acesso à população completa é limitado — desde que essa limitação esteja declarada como tal.
Erro amostral versus viés de seleção: dois problemas diferentes
São dois conceitos que estudantes costumam confundir. O erro amostral é a diferença esperada entre o resultado da amostra e o valor real da população, só por causa de você ter pesquisado uma parte e não o todo — é o “e” da fórmula de Cochran, e diminui conforme a amostra cresce. O viés de seleção é diferente: acontece quando o método de escolha da amostra favorece sistematicamente um tipo de respondente sobre outro, de um jeito que nenhum aumento de tamanho amostral corrige — por exemplo, aplicar um questionário só nas redes sociais da empresa tende a captar desproporcionalmente os colaboradores mais engajados digitalmente. Aumentar o N não resolve viés de seleção; só uma mudança no método de coleta resolve.
Amostragem estratificada: quando e como usar
Quando a população tem subgrupos relevantes para a pesquisa — departamentos numa empresa, faixas etárias de clientes, portes de empresa num setor — a amostragem estratificada divide a população nesses subgrupos (estratos) e sorteia uma amostra dentro de cada um, proporcional ao tamanho do estrato na população total. Isso evita que um subgrupo grande domine a amostra e outro fique sub-representado. Por exemplo, numa pesquisa de clima organizacional com 500 colaboradores distribuídos em quatro departamentos de tamanhos diferentes, a amostra estratificada sorteia respondentes proporcionalmente a cada departamento, não apenas do departamento mais numeroso ou mais acessível.
A fórmula de Cochran, passo a passo
Para amostragem probabilística com população finita, a fórmula mais usada em TCCs de Administração é a de Cochran com correção para população finita:
n = (N × Z² × p × (1−p)) / (e² × (N−1) + Z² × p × (1−p))
Onde N é o tamanho da população, Z é o valor crítico da distribuição normal para o nível de confiança escolhido (1,96 para 95% de confiança), p é a proporção esperada (0,5 quando não há estimativa prévia, por ser o valor que maximiza o tamanho da amostra necessário) e e é a margem de erro aceita (frequentemente 5%, ou 0,05).
Exemplo de cálculo (ilustrativo)
Para uma população fictícia de N = 500 colaboradores, com 95% de confiança (Z = 1,96), p = 0,5 e margem de erro de 5% (e = 0,05):
Numerador: 500 × 1,96² × 0,5 × 0,5 = 500 × 3,8416 × 0,25 = 480,2
Denominador: 0,05² × (500−1) + 1,96² × 0,5 × 0,5 = 0,0025 × 499 + 0,9604 = 1,2475 + 0,9604 = 2,2079
n = 480,2 / 2,2079 ≈ 217,5, arredondado para 218 respondentes.
Se a margem de erro fosse relaxada para 8% (e = 0,08), o denominador muda para 0,0064 × 499 + 0,9604 = 3,1936 + 0,9604 = 4,154, e n = 480,2 / 4,154 ≈ 115,6, arredondado para 116 respondentes — uma margem de erro maior sempre reduz o tamanho da amostra necessária, o que é útil saber ao negociar a viabilidade da coleta com o orientador.
Taxa de resposta: por que planejar acima do número calculado
O número que sai da fórmula de Cochran é o mínimo de respostas válidas necessárias — não o número de convites a enviar. Se você espera, por exemplo, que só uma parte dos convidados responda ao questionário, planeje enviar convites a uma base maior do que o tamanho amostral calculado, de forma a garantir o número mínimo de respostas válidas mesmo com desistências. Declare essa margem de segurança na metodologia, com o raciocínio que a justifica, em vez de simplesmente citar um número maior de convites sem explicação.
Exemplo por subárea
Marketing: satisfação do cliente
População: clientes de uma rede fictícia com cadastro ativo nos últimos doze meses. Se a população é grande (milhares de clientes) e desconhecida com precisão, uma alternativa comum é usar a fórmula para população infinita (N tende a ser irrelevante no cálculo quando é muito maior que a amostra), simplificando para n = (Z² × p × (1−p)) / e². Justificativa: o cadastro ativo garante que o respondente teve contato recente com o serviço avaliado.
Gestão de pessoas: clima organizacional
População: todos os colaboradores de uma empresa fictícia com pelo menos três meses de empresa (critério que evita respostas de quem ainda não formou opinião consolidada sobre o clima). Amostragem frequentemente estratificada por departamento, para garantir representatividade de todas as áreas, não só das maiores.
Finanças: empresas listadas num setor
População: empresas de capital aberto de um setor específico listadas na B3. Como o número costuma ser pequeno (dezenas, não milhares), a amostra muitas vezes é a população inteira (censo), e não uma amostra no sentido estatístico — declare isso explicitamente se for o caso, em vez de aplicar uma fórmula de amostragem a um grupo que já é pequeno o suficiente para ser estudado por completo.
G*Power: quando usar em vez de Cochran
A fórmula de Cochran calcula o tamanho de amostra para estimar uma proporção com determinada margem de erro — típico de pesquisas descritivas por questionário. O G*Power é uma ferramenta diferente: calcula o tamanho de amostra necessário para detectar um efeito de determinado tamanho num teste de hipótese (por exemplo, comparar médias entre dois grupos com um teste t). Se o seu TCC vai testar uma hipótese estatística, não apenas descrever uma proporção, o G*Power é a ferramenta adequada, não a fórmula de Cochran.
Como a banca testa esta seção na apresentação
É comum a banca pedir para o estudante refazer, de cabeça ou no quadro, uma parte do cálculo apresentado — não porque espera precisão de casas decimais na hora, mas para confirmar que o número não foi apenas copiado de uma calculadora on-line sem entender de onde vem cada termo da fórmula. Estar pronto para explicar por que escolheu aquele nível de confiança, aquela margem de erro e aquele p (geralmente 0,5, salvo estimativa prévia) é mais importante do que decorar a fórmula.
Relatando a amostra final obtida versus a amostra planejada
No capítulo de resultados, declare tanto o tamanho de amostra planejado (calculado antes da coleta) quanto o número de respostas válidas efetivamente obtidas — os dois raramente coincidem exatamente. Se a amostra final ficou abaixo do planejado, isso deve constar nas limitações do trabalho, com uma nota honesta sobre o impacto na margem de erro real, recalculada com o N efetivamente obtido, em vez de apresentar apenas o número planejado como se fosse o resultado final.
Erros mais comuns
Aplicar a fórmula de Cochran a uma população pequena que já poderia ser um censo completo; esquecer a correção para população finita quando N não é muito maior que a amostra; escolher margem de erro e nível de confiança sem justificar a escolha; confundir o tamanho da amostra calculado com o número de convites a enviar, sem considerar a taxa de resposta esperada; confundir erro amostral (que diminui com N maior) com viés de seleção (que não diminui só aumentando N); e apresentar um número de amostra “redondo” sem mostrar o cálculo que levou a ele — a banca costuma pedir para refazer as contas na apresentação.
Checklist antes de entregar
- População definida com critérios de inclusão claros.
- Tamanho da amostra calculado e a fórmula usada está explícita no texto.
- Nível de confiança e margem de erro escolhidos e justificados.
- Método de seleção (probabilística ou não) declarado, com a limitação correspondente se for não probabilística.
- Taxa de resposta esperada considerada no planejamento da coleta, não só o número mínimo calculado.
- Possíveis fontes de viés de seleção do método de coleta discutidas nas limitações.
- Amostra final obtida comparada com a planejada, com nota nas limitações se houve diferença relevante.
- Se a população é pequena o suficiente para censo completo, isso está declarado em vez de forçar uma fórmula de amostragem.
Como o Tesify Antiplágio ajuda a documentar a metodologia
Depois de calcular a sua amostra, o Tesify Antiplágio ajuda a conferir se a redação da seção de amostragem não reaproveitou trechos próximos demais de manuais de metodologia — comum quando o estudante copia a explicação da fórmula de um livro-texto sem reformular. Conheça também o Tesify completo para organizar toda a metodologia do TCC.
Perguntas Frequentes
Preciso sempre calcular a amostra com fórmula estatística?
Se a amostragem é probabilística e você quer generalizar os resultados para a população, sim. Se a amostragem é por conveniência ou intencional, não se calcula tamanho amostral pela fórmula de Cochran — declare o critério de seleção e a limitação de não generalização.
Qual margem de erro e nível de confiança usar?
Não existe uma norma ABNT que exija um valor específico — 95% de confiança e 5% de margem de erro são os mais comuns na literatura de Administração, mas confirme com o orientador se o seu curso tem preferência ou exigência própria.
Minha população é pequena (menos de 100). Ainda preciso de amostra?
Para populações pequenas, é comum e metodologicamente mais forte pesquisar a população inteira (censo) em vez de calcular uma amostra — declare essa escolha explicitamente, com o número total de elementos da população.
Qual a diferença entre usar Cochran e usar o G*Power?
Cochran calcula o tamanho de amostra para estimar uma proporção com certa margem de erro (pesquisas descritivas). O G*Power calcula o tamanho de amostra para detectar um efeito num teste de hipótese (comparação de médias, correlação). Use a ferramenta que corresponde ao tipo de análise que você vai fazer.
Como decido entre amostragem simples e estratificada?
Use estratificada quando a população tem subgrupos relevantes para a pesquisa (departamentos, faixas etárias, portes de empresa) que você quer garantir representados proporcionalmente. Se a população é relativamente homogênea para os fins da pesquisa, a amostragem aleatória simples já é suficiente.
Um tamanho de amostra grande resolve um problema de viés de seleção?
Não. Aumentar o número de respondentes reduz o erro amostral, mas não corrige um viés de seleção sistemático — se o método de coleta favorece um tipo de respondente, uma amostra maior só captura mais desse mesmo tipo, sem corrigir a distorção.
O que faço se a amostra final ficou bem abaixo do calculado?
Declare isso nas limitações, recalcule a margem de erro real com o N efetivamente obtido e discuta o impacto na força das conclusões — omitir essa diferença é mais arriscado na defesa do que reconhecê-la com transparência.