Amostragem é a decisão metodológica mais mal justificada nos TCCs de Ciências Contábeis — não porque o aluno escolhe errado, mas porque escolhe certo e não sabe explicar por quê. A pergunta certa não é “qual tipo de amostragem é o melhor?”, mas “qual amostragem corresponde ao desenho específico da minha pesquisa?”. Este comparativo organiza as três opções mais comuns na área — conveniência, estratificada e censo — pelo tipo de estudo em que cada uma se encaixa, e ainda cobre a amostragem sistemática, a amostragem por cotas e o caso particular do estudo qualitativo, cinco situações que juntas cobrem praticamente todo desenho de pesquisa contábil em TCC de graduação.
As três opções lado a lado
| Tipo | Como funciona | Quando usar em Contábeis | Limitação a declarar |
|---|---|---|---|
| Amostragem por conveniência | Seleciona participantes pelo critério de acesso disponível, sem sorteio | Survey com contadores, auditores ou gestores financeiros acessíveis via associações profissionais ou rede de contatos | Não probabilística; resultados não generalizáveis estatisticamente à população |
| Amostragem estratificada | Divide a população em estratos (porte, setor, região) e sorteia proporcionalmente dentro de cada um | Estudo com empresas de portes variados, quando é preciso garantir representatividade de cada estrato | Exige lista completa da população para estratificar corretamente; mais trabalhosa de montar |
| Censo (população completa) | Usa todos os elementos disponíveis, sem amostragem no sentido estatístico | Análise de demonstrações contábeis de empresas listadas na B3 dentro de um setor específico, onde a lista completa é pública | Não é amostra — é a população inteira acessível; declarar isso evita confusão terminológica com a banca |
Cenário 1: survey com profissionais contábeis
Quando o TCC coleta a percepção de contadores, auditores ou controllers sobre um tema (por exemplo, a adoção de uma nova norma contábil), o acesso costuma vir de associações de classe, grupos profissionais em redes sociais ou a rede de contatos do próprio estudante. Isso caracteriza amostragem por conveniência — não há lista completa da população de contadores do Brasil da qual sortear aleatoriamente. A escolha é legítima e amplamente aceita em TCC de graduação, desde que declarada corretamente: não probabilística, com o critério de recrutamento explicitado, e a limitação de generalização reconhecida no capítulo correspondente.
Uma variação frequente desse cenário é a amostragem por cotas, em que o pesquisador define de antemão quantos respondentes de cada categoria pretende alcançar (por exemplo, 20 contadores de empresas públicas e 20 de empresas privadas), mas continua recrutando por conveniência dentro de cada cota. A amostragem por cotas melhora a representatividade em relação à conveniência pura, sem exigir uma lista completa da população, e por isso costuma ser um meio-termo interessante quando o TCC quer comparar subgrupos sem ter acesso a um cadastro completo de profissionais.
Cenário 2: painel de demonstrações contábeis de empresas listadas
Quando a pesquisa analisa indicadores financeiros extraídos de demonstrações contábeis públicas — via B3, CVM ou bases como a Economatica —, a situação muda: a lista completa das empresas do setor estudado geralmente está disponível publicamente. Nesse caso, o mais comum e metodologicamente mais forte é trabalhar com o censo do setor (todas as empresas listadas que atendem aos critérios de inclusão), em vez de sortear uma amostra menor artificialmente. Declarar “censo” em vez de “amostra” nessa situação é mais preciso e evita uma pergunta clássica de banca: “por que você não usou todas as empresas disponíveis, já que a lista é pública?”.
Cenário 3: comparação entre portes ou setores de empresas
Quando o objetivo do TCC é comparar como empresas de portes diferentes (microempresas, pequenas, médias, grandes) respondem a um fenômeno contábil — por exemplo, adesão ao Simples Nacional ou adoção de controles internos —, a amostragem estratificada se torna a opção metodologicamente mais adequada. Ela garante que nenhum porte fique sub-representado, o que uma amostragem simples ou por conveniência poderia não assegurar. O procedimento exige, primeiro, uma lista ou estimativa da população total por estrato (dados do SEBRAE ou juntas comerciais costumam servir de base), e depois um sorteio proporcional dentro de cada estrato.
Exemplo ilustrativo de estratificação (dados fictícios)
Tema fictício: adoção de controles internos formais em empresas de um município, comparando micro, pequenas e médias empresas. Suponha uma população estimada de 400 empresas ativas no setor de comércio do município, distribuídas em 260 micro, 100 pequenas e 40 médias empresas (dados fictícios, apenas para ilustrar o cálculo). Aplicando uma amostragem estratificada proporcional com nível de confiança de 95%, margem de erro de 10% e correção para população finita (uma margem ampla, aceitável apenas pelo porte de um TCC), a amostra total ficaria em torno de 78 empresas — arredondando para 80, distribuídas proporcionalmente: aproximadamente 52 micro, 20 pequenas e 8 médias. Com margem de erro de 8%, o mesmo cálculo já exigiria cerca de 110 empresas. Note que o estrato de médias empresas, sendo pequeno em número absoluto, corre risco de ficar com uma amostra insuficiente para qualquer análise estatística própria daquele estrato — nesses casos, é comum optar por incluir todas as médias empresas disponíveis (censo do estrato) e manter a amostragem apenas nos estratos maiores.
Como calcular o tamanho da amostra quando ela é probabilística
Quando a amostragem é estratificada ou aleatória simples (não por conveniência nem censo), o tamanho da amostra deve ser calculado, não estimado “a olho”. Calculadoras de amostra baseadas na fórmula de Cochran são as mais usadas em TCC de graduação para estimar proporções, exigindo três parâmetros: nível de confiança (geralmente 95%), margem de erro aceitável (geralmente 5%) e, quando disponível, uma estimativa da proporção esperada do fenômeno estudado na população; quando o objetivo é um teste de hipótese, o G*Power calcula o tamanho pela análise de poder estatístico. Quando a amostragem é por conveniência, esse cálculo não se aplica da mesma forma — o número de respondentes é o que o acesso disponível permite, e a justificativa passa a ser outra: relatar quantos foram convidados, quantos responderam, e comparar isso com estudos semelhantes da área contábil para mostrar que o número está na faixa aceitável.
Amostragem sistemática: a quarta opção menos citada
Além das três opções principais, a amostragem sistemática aparece ocasionalmente em TCCs de Ciências Contábeis que trabalham com bases de dados grandes e ordenadas — por exemplo, selecionar a cada décima nota fiscal de uma lista sequencial fornecida por uma empresa parceira. Ela é mais rápida de aplicar que a aleatória simples quando já existe uma lista ordenada disponível, mas carrega um risco específico: se a lista tiver algum padrão cíclico (por exemplo, notas fiscais organizadas por período que coincide com o intervalo de seleção), a amostra pode ficar enviesada sem que o pesquisador perceba. Antes de usar amostragem sistemática, vale conferir se a ordem da lista não esconde nenhum padrão que coincida com o intervalo de seleção escolhido, comparando manualmente uma pequena subamostra selecionada por dois pontos de partida diferentes.
Amostra em estudo de caso qualitativo
Nem todo TCC de Ciências Contábeis é quantitativo. Quando o desenho é um estudo de caso qualitativo — por exemplo, analisar em profundidade como uma única empresa implementou um novo sistema de custeio —, a lógica de amostragem probabilística simplesmente não se aplica. A “amostra” nesse caso é o próprio caso escolhido intencionalmente (amostragem intencional ou por propósito), e o critério de seleção precisa ser justificado pela relevância do caso para responder à pergunta de pesquisa, não pela representatividade estatística. Declarar isso explicitamente evita que a banca cobre um cálculo amostral que não faz sentido para esse tipo de desenho.
Um parágrafo de método já modelado para cada cenário
Para o cenário de survey por conveniência (os números dos dois modelos são ilustrativos): “A amostra deste estudo foi composta por 47 profissionais contábeis, recrutados por conveniência a partir de grupos profissionais em redes sociais e da rede de contatos da pesquisadora, entre março e abril de 2026. Trata-se de amostragem não probabilística, o que impede a generalização estatística dos resultados para o universo de profissionais contábeis do Brasil.” Para o cenário de censo: “A população deste estudo corresponde às 38 empresas do setor de energia elétrica listadas na B3 com demonstrações contábeis publicadas entre 2021 e 2025, constituindo um censo do setor, não uma amostra no sentido probabilístico.” Esses dois modelos ilustram a diferença de linguagem que a banca espera em cada situação, e podem ser adaptados trocando o número de participantes, o período e a fonte dos dados pelos do seu estudo.
Erro comum: chamar censo de “amostra” ou o contrário
Um erro terminológico recorrente é escrever “a amostra deste estudo foi composta por todas as 42 empresas do setor X listadas na B3” — isso não é uma amostra, é um censo (população completa), e a banca costuma notar a inconsistência. Da mesma forma, alguns TCCs chamam de “censo” uma seleção de conveniência que só incluiu quem respondeu ao formulário, quando na verdade é uma amostra não probabilística cujo tamanho foi limitado pela taxa de resposta. Usar o termo correto — população, censo, amostra probabilística ou amostra não probabilística — é rápido de corrigir e evita uma observação recorrente na banca.
Checklist para declarar a amostragem no capítulo de método
Confira: o termo usado (amostra, população, censo) corresponde exatamente ao procedimento realmente empregado; se a amostragem foi por conveniência ou por cotas, isso está declarado explicitamente como não probabilística; se foi estratificada, os estratos e o critério de proporcionalidade estão descritos, incluindo o que foi feito com estratos pequenos demais; se foi censo, a fonte da lista completa da população está referenciada; se o desenho é um estudo de caso qualitativo, a amostragem intencional está justificada pela relevância do caso; e o tamanho final da amostra (ou população) está registrado com a taxa de resposta, quando aplicável.
Depois de decidir o tipo de amostragem, o próximo desafio costuma ser redigir esse trecho da metodologia com a terminologia correta e formatar as referências das bases de dados utilizadas em ABNT. O Tesify ajuda a estruturar esse capítulo e organiza as referências automaticamente.
Perguntas frequentes
Qual tipo de amostragem é mais usado no TCC de Ciências Contábeis?
A amostragem por conveniência é a mais comum em TCCs de graduação, especialmente em surveys com profissionais contábeis. Quando o estudo usa dados públicos de empresas listadas, o mais comum é trabalhar com a população inteira disponível (censo).
Preciso justificar a amostragem por conveniência na metodologia?
Sim. Declare explicitamente que a amostragem é não probabilística, explique o critério de acesso usado e registre isso como limitação da pesquisa.
O que é amostragem estratificada e quando ela se aplica na Contabilidade?
É a divisão da população em subgrupos (estratos) antes de sortear a amostra proporcionalmente. Aplica-se quando o pesquisador quer garantir representatividade de subgrupos que, numa amostragem simples, poderiam ficar sub-representados.
Amostragem sistemática é a mesma coisa que amostragem aleatória simples?
Não. Na aleatória simples, cada elemento é sorteado de forma independente; na sistemática, seleciona-se um elemento a cada intervalo fixo numa lista já ordenada. Ambas são probabilísticas, mas a sistemática exige atenção a padrões cíclicos na lista de origem.
Para aprofundar, veja a matriz de amarração do TCC de Ciências Contábeis, qual teste estatístico usar na análise dos dados, o guia de como fazer o TCC de Ciências Contábeis e a lista de temas de TCC de Ciências Contábeis por subárea.