Você sabia que dobrar o tamanho da amostra não dobra a precisão da sua pesquisa eleitoral?

Existe uma intuição que parece óbvia para quem está começando a trabalhar com pesquisa eleitoral: quanto maior a amostra, mais preciso o resultado. Se 400 entrevistas entregam margem de erro de 4,9 pontos, 800 entrevistas deveriam entregar margem de 2,4 pontos. E 1.600 entrevistas deveriam entregar margem de 1,2 pontos.

Essa intuição é matematicamente incorreta. E as decisões de orçamento que ela gera são algumas das mais ineficientes que uma campanha ou instituto de pesquisa pode tomar.

Por que a relação entre amostra e precisão não é linear

A relação entre tamanho de amostra e margem de erro segue uma curva específica que estatísticos chamam de raiz quadrada inversa. O que isso significa na prática é que cada entrevista adicional contribui com um ganho de precisão progressivamente menor do que a entrevista anterior.

Nos primeiros aumentos de amostra, o ganho por entrevista adicional é expressivo. Passar de 100 para 200 entrevistas reduz a margem de erro de forma significativa. Mas passar de 800 para 900 entrevistas produz uma redução muito menor, mesmo sendo o mesmo número absoluto de entrevistas adicionais.

A matemática é direta. Para reduzir a margem de erro pela metade, é necessário quadruplicar o tamanho da amostra, não dobrá-la. Dobrar a amostra reduz a margem de erro por um fator de aproximadamente 1,4, não de 2.

Com números concretos: uma pesquisa com 400 entrevistas tem margem de erro de 4,9 pontos. Dobrar para 800 entrevistas reduz a margem para 3,5 pontos, uma redução de 1,4 ponto. Dobrar novamente para 1.600 entrevistas reduz a margem para 2,4 pontos, mais 1,1 ponto de ganho. Dobrar uma terceira vez para 3.200 entrevistas reduziria a margem para aproximadamente 1,7 ponto, um ganho de apenas 0,7 ponto com o custo oito vezes maior do que o ponto de partida.

Onde está o ponto de retorno decrescente

Para a maioria dos municípios brasileiros, o ponto onde os ganhos de precisão por entrevista adicional se tornam progressivamente menos justificáveis está entre 400 e 600 entrevistas.

Nessa faixa, a margem de erro já está entre 4 e 5 pontos para eleitorados de médio porte. Cada entrevista adicional a partir desse ponto produz ganho de precisão cada vez menor, enquanto o custo de cada entrevista permanece constante ou aumenta quando os territórios de menor acesso precisam ser cobertos.

Isso não significa que pesquisas com mais de 600 entrevistas não têm valor. Significa que o valor do aumento de amostra precisa ser avaliado em relação ao custo e ao que esse investimento poderia produzir se aplicado em outra frente da qualidade metodológica.

O que o orçamento adicional produz quando aplicado em distribuição territorial

A pergunta que todo coordenador de pesquisa eleitoral deveria fazer antes de aumentar a amostra é simples: o que esse mesmo orçamento produziria se fosse aplicado em melhorar a distribuição territorial da pesquisa?

Uma pesquisa com 400 entrevistas concentradas no centro urbano de um município com 30% de eleitorado rural tem um erro de cobertura que pode ser muito maior do que a margem de erro estatística de 4,9 pontos. O erro de cobertura não aparece no relatório. Não tem número declarado. Mas distorce os resultados de forma sistemática que nenhum aumento de amostra no mesmo território vai corrigir.

Uma pesquisa com 400 entrevistas bem distribuídas pelo território, com a zona rural representada proporcionalmente, com cotas de sexo e faixa etária respeitadas, com rotação automática de candidatos e com questionário na sequência metodológica correta, é muito mais confiável do que uma pesquisa com 800 entrevistas concentradas na área mais conveniente do município.

O número maior impressiona. O resultado menor é mais confiável. E confiabilidade é o que orienta decisões estratégicas corretas.

O que acontece com os cruzamentos quando a amostra aumenta

Existe uma situação onde aumentar a amostra tem valor direto e verificável: quando a pesquisa precisa de cruzamentos por subgrupos com confiabilidade estatística suficiente.

Cruzamentos por região, faixa etária, sexo e outros perfis relevantes exigem que cada subgrupo tenha casos suficientes para sustentar conclusões confiáveis. A referência prática é de pelo menos 80 a 100 casos por subgrupo para cruzamentos com confiabilidade razoável.

Uma pesquisa com 400 entrevistas dividida por cinco regiões do município produz em média 80 casos por região, no limite inferior do aceitável. Se os cruzamentos regionais são estrategicamente críticos para a campanha, aumentar a amostra para garantir 100 a 120 casos por região faz sentido metodológico e estratégico.

Esse é o argumento correto para aumentar a amostra: garantir subgrupos suficientes para os cruzamentos que a análise vai exigir, não buscar uma redução marginal na margem de erro geral que não vai mudar nenhuma decisão estratégica da campanha.

Como apresentar esse conceito para o cliente

Coordenadores de pesquisa eleitoral frequentemente enfrentam clientes que querem aumentar a amostra como forma de aumentar a confiança no resultado, sem entender que o ganho de precisão é progressivamente menor a cada entrevista adicional.

A forma mais eficaz de comunicar isso é com números concretos do município específico. Se o eleitorado tem 50 mil eleitores e a pesquisa está planejada com 450 entrevistas, a margem de erro resultante é de aproximadamente 4,6 pontos. Dobrar para 900 entrevistas reduziria a margem para aproximadamente 3,3 pontos.

A pergunta que o cliente precisa responder é: essa redução de 1,3 ponto na margem de erro vai mudar alguma decisão estratégica que seria tomada de forma diferente com a pesquisa de 450 entrevistas? Na maioria dos casos, a resposta é não. A diferença entre margem de 4,6 e margem de 3,3 não muda a leitura de quem está na frente, qual é a rejeição de cada candidato ou qual território merece mais atenção.

O que muda é o custo da pesquisa, que dobra. E o tempo de campo, que também aumenta significativamente.

Se o cliente tem orçamento adicional disponível, a recomendação correta é aplicá-lo em melhor distribuição territorial, em gravação de áudio para auditoria de campo ou em rodadas adicionais de pesquisa de acompanhamento ao longo da campanha, não em duplicar a amostra de uma única rodada.

O que o HashData oferece para calibrar o tamanho de amostra corretamente

O HashData disponibiliza a calculadora amostral integrada em survey.hashdata.app/calc-amostral, que calcula automaticamente o tamanho de amostra necessário para qualquer eleitorado municipal aplicando o fator de correção para populações finitas.

A calculadora mostra exatamente qual margem de erro resulta de cada tamanho de amostra para aquele eleitorado específico. Com essa informação, o coordenador pode apresentar ao cliente uma tabela comparativa mostrando o ganho de precisão de cada aumento de amostra e o custo correspondente, tornando visível o ponto onde o retorno decrescente começa a tornar o investimento adicional ineficiente.

Para pesquisas onde os cruzamentos por subgrupo são estrategicamente críticos, o HashData permite configurar cotas por região antes da coleta e monitorar o atingimento de cada cota em tempo real durante o campo. Essa funcionalidade garante que cada subgrupo estrategicamente relevante tenha o volume de casos necessário para cruzamentos confiáveis, sem precisar aumentar a amostra total além do necessário.

Mais entrevistas no mesmo território não é a resposta para uma pesquisa mais confiável. Melhores decisões metodológicas antes do campo é o que transforma uma pesquisa de tamanho modesto numa pesquisa estrategicamente robusta.

Calcule o tamanho de amostra certo para sua pesquisa eleitoral com a calculadora do HashData: survey.hashdata.app/calc-amostral