O texto abaixo foi retirado do site: https://pt.surveymonkey.com/mp/sample-size/ a leitura é fundamental para quem deseja entender um pouco da teoria e da importância sobre as funções que analisaremos nesta seção.
Ao se perguntar “De quantos respondentes preciso?”, o que você quer dizer é “Qual deve ser o tamanho da minha amostra para que eu possa estimar com precisão a minha população?”. Esses conceitos são complexos. Por isso, dividimos o processo em cinco passos, para você calcular facilmente o tamanho ideal da sua amostra e garantir precisão nos resultados da pesquisa.
Cinco passos para garantir uma amostra representativa e estimar com precisão a sua população:
1. Qual é a sua população?
Quando falamos em população, isso significa o conjunto total de pessoas que você deseja entender. Já sua amostra serão as pessoas dessa população que de fato responderão à sua pesquisa.
Dessa forma, por exemplo, se você quiser entender como comercializar sua pasta de dente na França, sua população será formada pelos residentes desse país. Se você quiser descobrir quantos dias de férias as pessoas que trabalham na sua empresa de pasta de dente gostariam de ter, sua população será formada por todos os funcionários da empresa.
Independentemente de ser um país ou uma empresa, definir qual população você está tentando entender é um primeiro passo essencial. Após saber qual é sua população, descubra quantas pessoas (aproximadamente) a compõem. Por exemplo, cerca de 65 milhões de pessoas vivem na França, então supomos que sua empresa de pasta de dente tenha menos funcionários que isso.
Já tem o seu número? Certo, então vamos continuar.
2. Quão exata sua pesquisa precisa ser?
Pense nesta etapa como uma avaliação do volume de risco que você se dispõe a assumir de que as respostas para sua pesquisa não serão tão precisas, pois você não está aplicando questionários à população inteira. Então, aqui estão as duas perguntas que é preciso responder:
Qual é o nível de certeza necessário de que as respostas refletem as opiniões da sua população?
Esta é sua margem de erro. Então, digamos que, por exemplo, 90% da sua amostra gosta de chiclete de uva. Uma margem de erro de 5% adicionaria 5% em ambos os lados desse número, o que significa que, na verdade, 85-95% da sua amostra gosta de chiclete de uva. 5% é a margem de erro mais usada, mas você pode usar de 1 a 10%, dependendo da sua pesquisa. Usar uma margem de erro acima de 10% não é recomendado.
Qual o nível de certeza que você precisa ter de que a amostra retrata com precisão a sua população?
Este é o seu nível de confiança. O nível de confiança é a probabilidade de que a amostra selecionada seja refletida nos resultados obtidos. O cálculo é feito geralmente da seguinte maneira. Se você selecionasse mais 30 amostras aleatoriamente na sua população, quantas vezes os resultados obtidos na sua primeira amostra seriam significativamente diferentes das outras 30? Um nível de confiança de 95% significa obter os mesmos resultados em 95% das vezes. 95% é o nível de confiança utilizado com mais frequência, mas sua pesquisa pode exigir um nível de confiança de 90% ou 99%, dependendo das suas necessidades. Reduzir seu nível de confiança para um valor abaixo de 90% não é recomendado.
3. Qual deve ser o tamanho da minha amostra?
Usando o gráfico abaixo, selecione sua população-alvo aproximada e escolha sua margem de erro para estimar o número de pesquisas concluídas que serão necessárias.
Agora que você possui os números dos passos 1 e 2, confira o gráfico de apoio abaixo para descobrir qual deve ser o tamanho da sua amostra.
População margem de erro de 10% margem de erro de 5% margem de erro de 1% nível de confiança de 90% nível de confiança de 95% nível de confiança de 99%
| População | margem de erro de 10% | margem de erro de 5% | margem de erro de 1% | nível de confiança de 90% | nível de confiança de 95% | nível de confiança de 99% |
| 100 | 50 | 80 | 99 | 74 | 80 | 88 |
| 500 | 81 | 218 | 476 | 176 | 218 | 286 |
| 1.000 | 88 | 278 | 906 | 215 | 278 | 400 |
| 10.000 | 96 | 370 | 4.900 | 264 | 370 | 623 |
| 100.000 | 96 | 383 | 8.763 | 270 | 383 | 660 |
| + de 1.000,000 | 97 | 384 | 9.513 | 271 | 384 | 664 |
Observação: estas informações servem apenas como orientações gerais. Além disso, para as populações com mais de 1 milhão de indivíduos, arredonde sempre para a centena mais próxima.
4. Qual será a taxa de resposta dos indivíduos?
Lamentamos informar que nem todo mundo que receber sua pesquisa vai respondê-la.
A porcentagem de pessoas que realmente respondem a uma pesquisa recebida é conhecida como a “taxa de resposta”. Estimar sua taxa de resposta ajuda a determinar o número total de pesquisas que você terá que enviar para obter o número necessário de respostas.
As taxas de resposta variam amplamente, dependendo de uma série de fatores, como o relacionamento com seu público-alvo, o tamanho e a complexidade da pesquisa, os incentivos oferecidos e até o tema das perguntas. Para questionários online, em que não há qualquer relacionamento prévio com os destinatários, uma taxa de resposta de 20% a 30% é considerada excelente. Uma taxa de resposta de 10% a 15% é um palpite mais conservador e seguro, caso ainda não tenha aplicado questionários à sua população.
5. Esta parte é fácil!
Basta dividir o número obtido no passo 3 pelo número obtido no passo 4. Este é o número procurado.
Assim, por exemplo, se você precisa que 100 mulheres que usam xampu preencham sua pesquisa e acredita que cerca de 10% delas vão de fato respondê-la, então é preciso enviar as perguntas a 100/10% mulheres – 1.000!
Desvio Médio
Como observado na seção anterior, segue as funções para cálculo de valor mínimo:
DESV.MÉDIO
Fórmula: DESV.MÉDIO(valor1; valor2) | Descrição: Calcula a média das magnitudes de desvios da média de um conjunto de dados.
O Desvio Médio, é basicamente a soma de todos os números da conta, divididos pela quantidade dele. É então uma medida da dispersão dos dados em relação à média de uma sequência, o “afastamento” em relação a essa média. Esta medida representa a média das distâncias entre cada elemento da amostra e seu valor médio. Vejamos um exemplo no vídeo à seguir.
Desvio Padrão
Como observado na seção anterior, segue as funções para cálculo de desvio padrão:
DESVPAD
Fórmula: DESVPAD(valor1; valor2) | Descrição: Calcula uma estimativa de desvio padrão com base em uma amostra.
DESVPADA
Fórmula: DESVPADA(valor1; valor2) | Descrição: Calcula uma estimativa de desvio padrão com base em uma amostra, definindo o texto com o valor “0”.
DESVPADP
Fórmula: DESVPADP(valor1; valor2) | Descrição: Calcula uma estimativa de desvio padrão com base em uma população inteira.
DESVPADPA
Fórmula: DESVPADPA(valor1; valor2) | Descrição: Calcula uma estimativa de desvio padrão com base em uma população inteira, definindo o texto com o valor “0”.
O desvio padrão é um parâmetro muito usado em estatística que indica o grau de variação de um conjunto de elementos. Exemplificando. Se medirmos a temperatura máxima durante três dias em uma cidade e obtivermos os seguintes valores, 28º, 29º e 30º, podemos dizer que a média desses três dias foi 29º. Em outra cidade, as temperaturas máximas nesses mesmos dias podem ter sido 22º, 29º e 35º. No segundo caso, a média dos três dias também foi 29º. As médias têm o mesmo valor, mas os moradores da primeira cidade viveram três dias de calor, enquanto os da segunda tiveram dois dias de calor e um de frio. Para diferenciar uma média da outra, foi criada a noção de desvio padrão, que serve para dizer o quanto os valores dos quais se extraiu a média são próximos ou distantes da própria média. No exemplo acima, o desvio padrão da segunda cidade é muito maior que o da primeira. Uma das aplicações mais comuns do desvio padrão é para cálculo da classificação no vestibular. Se dois candidatos ao mesmo curso tiram nota 7 em provas diferentes, o peso desse resultado vai depender do desvio padrão de cada exame. Digamos que a média das notas nas duas provas tenha sido 5. Aquele que obteve 7 na prova cujo desvio padrão foi menor, será mais considerado porque signifca que ele conseguiu um 7 em um exame em que quase todo mundo ficou próximo a 5. Enquanto o outro conquistou um 7 em uma prova onde muitos outros também tiraram notas altas.
Variação
Como observado na seção anterior, segue as funções para cálculo de valor mínimo:
VAR
Fórmula: VAR(valor1; valor2) | Descrição: Calcula uma estimativa da variação com base em uma amostra.
VARA
Fórmula: VARA(valor1; valor2) | Descrição: Calcula uma estimativa da variação com base em uma amostra, definindo o texto com o valor “0”.
O coeficiente de variação é usado para analisar a dispersão em termos relativos a seu valor médio quando duas ou mais séries de valores apresentam unidades de medida diferentes. Dessa forma, podemos dizer que o coeficiente de variação é uma forma de expressar a variabilidade dos dados excluindo a influência da ordem de grandeza da variável.