Definir população e amostra em um TCC de Economia costuma ser diferente do que em cursos que aplicam questionário direto a pessoas: boa parte dos trabalhos usa dados secundários já coletados pelo IBGE, pelo Banco Central ou por outras instituições públicas, o que muda tanto o conceito de “população” quanto a forma de calcular uma amostra representativa. Este guia mostra como fazer essa definição corretamente, com um exemplo de cálculo, sempre com a ressalva de que cada desenho de pesquisa pede uma abordagem diferente.
Sumário: os três caminhos possíveis
- Dados secundários agregados (séries) — a população é a série toda dentro do recorte temporal; não há cálculo de amostra.
- Microdados de pesquisa amostral (ex.: PNAD Contínua) — o desenho amostral já existe; você usa os pesos fornecidos pelo IBGE.
- Dados primários (questionário/entrevista aplicado por você) — você calcula o tamanho da amostra, com a fórmula de Cochran ou um cálculo de poder estatístico, conforme o objetivo do estudo.
População em dados secundários: o universo dos dados disponíveis
Quando o TCC usa dados secundários — séries do Ipeadata, do Sistema Gerenciador de Séries Temporais (SGS) do Banco Central, ou microdados do IBGE (PNAD Contínua, Censo) —, a “população” do estudo é o universo de observações que a fonte de dados cobre: todos os meses de uma série histórica, todas as empresas de um setor registradas em uma base, todos os domicílios entrevistados em uma pesquisa amostral do IBGE. Definir a população com precisão significa especificar exatamente esse recorte: qual série, qual período, qual nível de agregação (nacional, regional, setorial).
Usando microdados de pesquisas como a PNAD Contínua
Quando o TCC usa microdados de uma pesquisa amostral do IBGE, como a PNAD Contínua, um ponto importante: a amostragem já foi feita pelo IBGE, com pesos amostrais (fatores de expansão) que tornam os dados representativos da população brasileira quando usados corretamente. Isso significa que você não recalcula uma amostra do zero — você usa o desenho amostral já existente, aplicando os pesos fornecidos pelo IBGE nas suas análises. Ignorar esses pesos e tratar os microdados como se cada observação valesse o mesmo é um erro metodológico comum, que distorce qualquer estimativa calculada a partir dos dados.
Quando você precisa de uma amostra própria (dados primários)
Alguns TCCs de Economia aplicam questionário ou entrevista diretamente a um grupo (por exemplo, consumidores, pequenos empresários, investidores). Nesse caso, sim, você precisa definir uma amostra da população de interesse e justificar o tamanho amostral com um cálculo, não apenas com “apliquei a quantas pessoas consegui”.
Cálculo de tamanho de amostra: a fórmula de Cochran
Para uma proporção estimada com margem de erro definida, a fórmula de Cochran para população infinita ou muito grande é:
n = (Z² × p × (1−p)) / e²
onde Z é o valor da distribuição normal para o nível de confiança escolhido (aproximadamente 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), e e é a margem de erro tolerada, em proporção (por exemplo, 0,05 para 5 pontos percentuais).
Exemplo de cálculo (fictício, ilustrativo)
Para uma pesquisa hipotética com pequenos empresários de uma cidade, com 95% de confiança (Z ≈ 1,96), p = 0,5 (sem estimativa prévia) e margem de erro de 5% (e = 0,05):
n = (1,96² × 0,5 × 0,5) / 0,05² = (3,8416 × 0,25) / 0,0025 = 0,9604 / 0,0025 ≈ 384
Isso resulta em aproximadamente 384 respondentes para uma população considerada infinita ou muito grande. Quando a população de interesse é finita e conhecida (por exemplo, um número específico de empresas cadastradas em uma associação comercial), aplique a correção para população finita:
n_ajustado = n / (1 + (n−1)/N)
onde N é o tamanho da população finita conhecida. Se, no exemplo, a cidade tivesse apenas 800 pequenos empresários cadastrados (N = 800): n_ajustado = 384 / (1 + (384−1)/800) = 384 / (1 + 383/800) = 384 / (1 + 0,479) = 384 / 1,479 ≈ 260. Confira sempre o cálculo com o seu orientador antes de fechar o tamanho final, e ajuste a margem de erro ou o nível de confiança se o número resultante não for viável dentro do prazo do TCC.
Cuidado com margens de erro maiores
Reduzir a margem de erro tolerada aumenta bastante o tamanho de amostra necessário — e o inverso também vale: aumentar a margem tolerada de 5% para 8%, por exemplo, reduz o n calculado de forma substancial, porque a margem de erro entra ao quadrado no denominador da fórmula (0,08² = 0,0064 contra 0,05² = 0,0025, mais que o dobro no denominador). Antes de escolher uma margem maior só para reduzir o trabalho de campo, avalie se ela ainda é aceitável para o que o seu estudo pretende afirmar — uma margem de erro grande enfraquece a capacidade do TCC de sustentar conclusões específicas.
Cochran não é a mesma coisa que cálculo de poder estatístico
Um erro comum é confundir a fórmula de Cochran (que dimensiona uma amostra para estimar uma proporção com certa margem de erro) com o cálculo de poder estatístico usado para testes de hipótese (por exemplo, comparar médias entre dois grupos), que depende de parâmetros diferentes — tamanho de efeito esperado, poder desejado (comumente 80%), e o tipo de teste estatístico planejado. Se o seu TCC vai comparar grupos ou testar uma hipótese específica (não apenas estimar uma proporção), o cálculo de amostra apropriado é o de poder estatístico, não a fórmula de Cochran — confirme com o orientador qual dos dois se aplica ao seu desenho antes de justificar o tamanho da amostra na metodologia.
Amostragem em dados de painel ou séries temporais
Quando o desenho usa uma série temporal (como no exemplo do modelo comentado de TCC de Economia sobre Selic e crédito), o conceito de amostragem se aplica de forma diferente: normalmente não há uma “amostra” de observações escolhidas aleatoriamente dentro do período — você usa toda a série disponível dentro do recorte temporal definido (por exemplo, todos os meses entre 2015 e 2025). O que precisa ser justificado, nesse caso, não é o tamanho da amostra, mas a escolha do período (por que começar e terminar nessas datas) e a frequência dos dados (mensal, trimestral, anual).
Representatividade: mais importante do que só o tamanho
Um erro comum é focar só no número de observações e esquecer da representatividade: uma amostra de 400 pequenos empresários, se coletada só em um bairro específico de uma cidade grande, pode não representar a diversidade real da população-alvo, mesmo com o tamanho “correto” pela fórmula. Sempre que possível, descreva no capítulo de metodologia como a amostra foi selecionada (amostragem aleatória simples, estratificada, por conveniência) e reconheça as limitações de representatividade que o método escolhido implica.
Amostragem estratificada: quando o setor econômico importa
Se a população de interesse tem subgrupos relevantes para a pergunta de pesquisa — por exemplo, empresas de diferentes setores econômicos, ou consumidores de diferentes faixas de renda —, a amostragem estratificada costuma produzir resultados mais representativos do que uma amostragem aleatória simples: você divide a população em estratos (setores, faixas), calcula o tamanho de amostra total e distribui proporcionalmente entre os estratos, garantindo que nenhum grupo relevante fique sub-representado por acaso. Declare no capítulo de metodologia os critérios usados para definir os estratos e a proporção de cada um na amostra final.
Fontes de dados públicos para dimensionar a população de referência
Para estimar o tamanho da população de interesse antes de calcular a amostra — por exemplo, quantas empresas de um setor existem em uma região —, bases como o Base dos Dados, o Cadastro Nacional de Empresas do IBGE ou dados da Junta Comercial do estado costumam ser pontos de partida confiáveis. Sempre registre a data de consulta, porque esses números mudam ao longo do tempo e a banca pode perguntar de onde veio o total usado para calcular a amostra.
Como este guia se conecta com o restante do TCC
Se você está usando dados secundários e ainda não decidiu como estruturar essa etapa dentro do trabalho, veja também o guia sobre TCC com dados secundários, que cobre do recorte ao capítulo escrito. E se a etapa de amostra faz parte de um problema de pesquisa que você ainda está formulando, o guia de problema de pesquisa e hipóteses do TCC ajuda a estruturar essa parte anterior.
Como o Tesify ajuda a estruturar essa seção do seu TCC
O Tesify Antiplágio ajuda você a verificar a originalidade da seção de metodologia antes de entregar, garantindo que a descrição da população, amostra e fontes de dados está redigida com suas próprias palavras e devidamente referenciada. Cadastro gratuito.
Perguntas frequentes
Preciso calcular amostra se o meu TCC usa apenas séries temporais do BCB e do IBGE?
Não da mesma forma. Em séries temporais, você usa toda a série dentro do recorte de período definido, e o que precisa ser justificado é a escolha do período e da frequência dos dados, não um cálculo de tamanho amostral como o de Cochran.
Qual margem de erro é aceita em um TCC de Economia?
Não há um número fixo em norma nacional. 5% é comumente usado como referência em pesquisas sociais e de mercado, mas a margem aceitável depende do que o seu orientador considera adequado para o tipo de conclusão que o TCC pretende sustentar.
Posso usar uma amostra por conveniência em vez de aleatória?
Pode, especialmente quando o acesso à população-alvo é limitado, mas declare essa escolha explicitamente na metodologia e reconheça, nas limitações do estudo, que uma amostra por conveniência reduz a capacidade de generalizar os resultados para toda a população.
Onde encontro o tamanho total de uma população de empresas ou setores no Brasil?
Bases como o Cadastro Nacional da Pessoa Jurídica (dados abertos da Receita Federal), o Base dos Dados e sindicatos/associações setoriais costumam publicar contagens. Sempre registre a fonte exata e a data de consulta na sua metodologia.
Preciso usar os pesos amostrais em qualquer análise com microdados do IBGE?
Sim, sempre que o objetivo for produzir uma estimativa representativa da população (por exemplo, uma taxa nacional ou regional). Análises exploratórias internas aos próprios microdados podem, em alguns casos específicos, dispensar os pesos — confirme com o orientador ou com a documentação metodológica da pesquisa específica do IBGE antes de decidir.
Uma amostra pequena invalida automaticamente o TCC?
Não necessariamente. Uma amostra menor do que o ideal é uma limitação que deve ser declarada com honestidade na seção de limitações, junto com as razões práticas (acesso, prazo) que levaram a ela — o problema não é ter uma amostra pequena, é apresentá-la como se tivesse a mesma força de generalização de uma amostra calculada corretamente.
A fórmula de Cochran serve para qualquer tipo de variável, não só proporções?
A versão apresentada aqui é específica para estimar uma proporção. Para estimar uma média (por exemplo, o gasto médio mensal de um grupo), a fórmula muda e depende do desvio-padrão estimado da variável — confirme com o orientador ou um material de estatística aplicada qual versão se aplica ao seu caso antes de calcular.