Calculadora de tamanho da amostra para proporção
Esta calculadora de tamanho da amostra para proporção determina o número mínimo de observações independentes necessário para estimar uma proporção populacional com o nível de confiança e a margem de erro escolhidos por você.
Executar grátis
Informe como decimais a proporção prevista, a maior margem de erro aceitável e um nível de confiança bilateral. O resultado usa a aproximação normal padrão e sempre arredonda para cima, pois uma fração de participante ou observação não atende à precisão desejada. A ferramenta ajuda você a planejar pesquisas, enquetes, auditorias, experimentos e inspeções de qualidade antes da coleta dos dados.
Escolha valores coerentes com a pergunta do estudo
Comece expressando todos os valores como decimais. Uma margem de cinco pontos percentuais deve ser informada como 0.05, e um nível de confiança de 95 por cento, como 0.95. A proporção estimada é a melhor previsão disponível da parcela que deverá apresentar a característica de interesse. Ela pode vir de um estudo piloto, de uma pesquisa anterior, de registros operacionais ou de uma população realmente comparável. Quando não houver estimativa confiável, 0.5 é a escolha conservadora convencional, pois o produto de p por um menos p atinge seu máximo em 0.5. Para margem e confiança fixas, essa opção produz a maior amostra. Defina claramente o desfecho antes de selecionar a estimativa: a proporção de clientes que renovam não equivale à proporção dos que recomendam um produto. Os valores precisam representar um único desfecho binário e uma população específica. A calculadora pressupõe observações independentes e uma margem na escala da proporção, não um percentual relativo do resultado esperado.
Entenda o cálculo e o arredondamento para cima
Primeiro, a calculadora converte o nível de confiança bilateral no valor crítico da normal padrão, geralmente chamado de escore z. Em seguida, calcula z ao quadrado vezes a proporção estimada vezes um menos essa proporção e divide pela margem de erro ao quadrado. Essa é a fórmula de planejamento mais conhecida para uma proporção com aproximação normal. O valor calculado é arredondado para o próximo número inteiro. Arredondar para cima é essencial: o arredondamento comum poderia deixar o estudo logo abaixo da precisão declarada. O escore z aparece no resultado para dar transparência, enquanto o tamanho da amostra utiliza internamente o valor sem arredondamento. Trata-se de um mínimo condicionado às premissas da fórmula, e não de uma promessa de que toda amostra observada terá exatamente esse erro. A incerteza real depende da proporção observada e do processo de amostragem. O cálculo também não inclui falta de resposta, registros inválidos, desistências, conglomerados, ponderações ou medições repetidas; esses fatores devem ser incorporados depois ao plano do estudo.
Interprete o resultado e ajuste o desenho do estudo
Considere o resultado como o número de respostas ou observações válidas e independentes necessárias para a análise. Se você espera que apenas 80 por cento das pessoas convidadas respondam, divida a quantidade válida exigida por 0.8 e arredonde para cima para estimar o total de convites. Amostras por conglomerados, como estudantes dentro de escolas ou pacientes dentro de clínicas, normalmente exigem um ajuste adicional pelo efeito do desenho, porque as observações do mesmo grupo são correlacionadas. Uma população finita conhecida às vezes permite uma correção para população finita, mas esta calculadora apresenta de propósito o resultado padrão para populações grandes, mantendo as premissas claras e reutilizáveis. Eventos extremamente raros ou frequentes também podem exigir métodos específicos para cobertura de intervalos. Antes da coleta, documente a margem, a confiança, a proporção prevista, a taxa esperada de resposta e qualquer efeito do desenho. Para automatizar o planejamento, a API custa US$ 0,002 por solicitação e entrega o mesmo cálculo determinístico.
Casos de uso
Planejar uma pesquisa com clientes
Estime quantas respostas completas são necessárias para medir a parcela de clientes favorável a uma mudança proposta.
Estruturar uma auditoria de qualidade
Defina quantos itens independentes devem ser inspecionados para estimar uma proporção de defeitos com precisão declarada.
Preparar uma pesquisa de opinião pública
Calcule o mínimo estatístico antes de acrescentar ajustes de não resposta e do desenho amostral.
Perguntas frequentes
Qual fórmula a calculadora utiliza?
Ela usa a aproximação normal padrão para populações grandes: o valor crítico z ao quadrado multiplicado por p(1-p), dividido pela margem de erro ao quadrado, com arredondamento para cima.
Qual proporção devo usar sem uma estimativa anterior?
Use 0.5 quando não houver uma estimativa defensável. Esse valor maximiza p(1-p) e gera a amostra mais conservadora para a margem e a confiança selecionadas.
Devo informar percentuais ou decimais?
Informe decimais. Por exemplo, use 0.05 para uma margem de cinco pontos percentuais e 0.95 para um nível de confiança de 95 por cento.
O resultado inclui falta de resposta ou desistência?
Não. O resultado é o número necessário de observações válidas e independentes. Aumente separadamente o recrutamento para compensar não respostas, exclusões ou desistências.
A calculadora aplica correção para população finita?
Não. Ela retorna o cálculo padrão para populações grandes. Aplique essa correção separadamente quando a amostra representar uma parcela relevante de uma população conhecida.
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/stat/sample-size-proportion \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"margin":0.05,"estimated_proportion":0.5,"confidence":0.95}'const res = await fetch("https://api.kit.forhosting.com/stat/sample-size-proportion", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"margin": 0.05,
"estimated_proportion": 0.5,
"confidence": 0.95
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/sample-size-proportion",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"margin": 0.05,
"estimated_proportion": 0.5,
"confidence": 0.95
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/sample-size-proportion", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"margin":0.05,"estimated_proportion":0.5,"confidence":0.95}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"margin":0.05,"estimated_proportion":0.5,"confidence":0.95}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/sample-size-proportion", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"margin": 0.05,
"estimated_proportion": 0.5,
"confidence": 0.95
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.sample_size_proportion",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |