Como definir o tamanho da amostra do seu TCC
Poucas decisões metodológicas geram tanta insegurança — e tantas perguntas de banca — quanto a definição do número de participantes. O erro mais comum é escolher um número redondo ("vou entrevistar 100 pessoas") e depois procurar uma fórmula que justifique a escolha. O caminho correto é o inverso: você define os parâmetros do estudo e a matemática devolve o número.
Primeiro, identifique o tipo de pergunta
Existem duas lógicas completamente diferentes de dimensionamento, e confundi-las é a raiz de quase todo erro:
- Estimar um parâmetro (levantamento). Você quer saber qual proporção da população pensa ou faz algo. "Qual o percentual de universitários que praticam atividade física regular?" Aqui o que importa é a precisão: quão estreito você quer o intervalo de confiança em torno da estimativa.
- Testar uma hipótese (comparação). Você quer saber se dois grupos diferem, ou se duas variáveis se associam. "O treinamento melhora o desempenho?" Aqui o que importa é o poder: a probabilidade de detectar um efeito que realmente existe.
Os quatro parâmetros que você precisa decidir
Nível de confiança (1 − α). A convenção acadêmica é 95%, o que corresponde a α = 0,05. Significa aceitar 5% de risco de concluir que existe um efeito quando ele não existe (erro tipo I). Elevar para 99% aumenta a exigência de amostra em cerca de 75%.
Margem de erro (e). Exclusiva de levantamentos. Se você obtém 60% de aprovação com margem de 5%, o valor real na população está entre 55% e 65%. Cinco por cento é o padrão defensável; abaixo disso a amostra cresce de forma quadrática — reduzir o erro pela metade quadruplica a amostra.
Poder estatístico (1 − β). Exclusivo de testes de hipótese. Cohen propôs 80% como piso aceitável: se o efeito existe, você tem 80% de chance de encontrá-lo, e 20% de risco de concluir erroneamente que não há efeito (erro tipo II). Estudos com poder abaixo de 80% são frequentemente criticados como underpowered — a ausência de significância neles não permite concluir ausência de efeito.
Tamanho de efeito esperado. O parâmetro mais difícil e mais importante. Não se calcula: estima-se, a partir de (a) estudos anteriores semelhantes, (b) um estudo piloto, ou (c) na ausência de ambos, das convenções de Cohen — d = 0,2 pequeno, 0,5 médio, 0,8 grande. Quanto menor o efeito que você quer detectar, maior a amostra necessária. E a relação é dura: detectar um efeito pequeno (d = 0,2) exige cerca de 394 participantes por grupo, contra apenas 64 para um efeito médio.
A correção para população finita
Este é o detalhe que a maioria dos tutoriais ignora. Se sua população é pequena e conhecida — os 340 alunos de um curso, os 80 funcionários de uma empresa — você não precisa da amostra calculada para população infinita. A correção reduz substancialmente o número:
n = n₀ ÷ [1 + (n₀ − 1) ÷ N]
Onde n₀ é a amostra para população infinita e N a população real. Para N = 1.000 com 5% de erro, a amostra cai de 384 para 278 participantes. Para N = 100, cai para apenas 80. Usar a correção quando aplicável é sinal de rigor, não de facilitação.
Não esqueça a taxa de perda
O número calculado é o de casos válidos ao final da análise, não o de convites enviados. Questionários online costumam ter taxa de resposta entre 10% e 30%. Estudos longitudinais perdem participantes no seguimento. A prática recomendada é inflar a amostra planejada:
n_recrutar = n_calculado ÷ (1 − taxa de perda esperada)
Com 20% de perda prevista e n calculado de 128, planeje recrutar 160 participantes.
Perguntas frequentes
Minha amostra ficou menor que o calculado. Meu TCC está perdido?
Não, mas exige honestidade metodológica. Use o modo "poder observado" desta calculadora, reporte o poder alcançado e trate a limitação explicitamente na seção de limitações. Uma frase como "o poder observado de 62% indica que efeitos de pequena magnitude podem não ter sido detectados" é muito mais bem recebida por bancas do que omitir o problema.
Posso usar amostra por conveniência?
Sim, e é o mais comum em TCCs. Mas note: o cálculo de tamanho amostral pressupõe amostragem probabilística. Com amostra por conveniência, o número calculado serve como referência de poder estatístico, e você deve declarar a técnica de amostragem como não probabilística, reconhecendo o limite de generalização dos resultados.
Pesquisa qualitativa precisa de cálculo de amostra?
Não. Em pesquisa qualitativa o critério é a saturação teórica — coleta-se até que novas entrevistas deixem de produzir categorias novas. Tipicamente entre 12 e 30 participantes, dependendo da homogeneidade do grupo. Cálculo estatístico de amostra não se aplica e usá-lo indevidamente evidencia confusão de paradigma.
Como cito o método de cálculo no meu trabalho?
Cite a fonte da fórmula, não a ferramenta. Para levantamentos: Cochran (1977), Sampling Techniques. Para testes de hipótese: Cohen (1988), Statistical Power Analysis for the Behavioral Sciences. A justificativa gerada aqui já vem redigida no padrão esperado — basta adaptar e conferir com seu orientador.
Próximos passos
Definida a amostra e concluída a coleta, o próximo passo é verificar os pressupostos e rodar o teste apropriado. Use o teste de normalidade para decidir entre abordagem paramétrica e não paramétrica, e em seguida a calculadora estatística, que entrega o resultado com o parágrafo em ABNT já redigido.