População (população geral)

Imagine a seguinte situação: o departamento de RH de uma empresa realiza uma pesquisa de satisfação dos funcionários. O questionário é publicado no chat corporativo e 84 pessoas o preenchem. A nota média é 4,2 de 5.

A diretoria fica satisfeita: “Os funcionários estão felizes!”. Mas a empresa tem 600 funcionários, 200 dos quais trabalham na produção sem acesso permanente ao chat corporativo. Os 84 que responderam são trabalhadores de escritório com condições confortáveis.

A opinião das equipes de produção não entrou de jeito nenhum nos dados. A conclusão “os funcionários estão felizes” acabou sendo “os funcionários de escritório que não se importam de preencher questionários estão, no geral, satisfeitos”. E essa é uma história completamente diferente. O erro aconteceu logo na primeira etapa: ninguém definiu a população, ou seja, ninguém fez a pergunta “sobre quem exatamente queremos tirar conclusões?”.

O que é a população

A população é o conjunto completo de todos os objetos (pessoas, organizações, eventos, transações) que atendem aos critérios de um estudo e sobre os quais o pesquisador deseja tirar conclusões fundamentadas. A população é “o bolo inteiro”, do qual uma amostra arranca um pedaço para estudar.

Na estatística, o termo “população” não significa necessariamente “a população de um país”. A população pode ser qualquer coisa: todos os clientes de uma loja online, todos os alunos do terceiro ano da faculdade de economia, todas as visitas a um site no último mês, todos os lotes de produto fabricados. O pesquisador define os limites, e tudo o mais depende da clareza com que ele faz isso.

Por que definir a população

Porque sem ela não é possível avaliar a qualidade dos dados. Há três consequências principais.

Não é possível construir uma amostra correta. Uma amostra é um subconjunto da população. Se a população não estiver definida, não fica claro de quem exatamente selecionar os respondentes. “Pesquisar os clientes” não é uma instrução: é uma direção. Quais clientes? Atuais ou antigos? Em que período? De qual região? Sem respostas a essas perguntas, a amostra é formada de maneira caótica, e os resultados não podem ser extrapolados para nada.

Não é possível avaliar a representatividade. Para entender se a sua amostra reflete a realidade, você precisa de um parâmetro de comparação: a estrutura da população. Se você sabe que 60% dos seus clientes são mulheres e 40% são homens, pode verificar se essa proporção se mantém nas respostas. Se não sabe, não há com o que comparar.

Não é possível interpretar corretamente os resultados. Um mesmo indicador significa coisas diferentes dependendo da população. “85% dos clientes nos recomendam” é excelente se se refere a todos os clientes. E é praticamente inútil se se refere apenas àqueles que deixaram uma avaliação no site (onde predominam os satisfeitos).

Como definir uma população

A definição se baseia em quatro parâmetros: quem, onde, quando e quais critérios de inclusão/exclusão.

Quem (o elemento da população)

A unidade de análise é o objeto específico sobre o qual os dados são coletados. Na maioria das vezes é uma pessoa (um cliente, um funcionário, um respondente), mas também pode ser uma transação, um pedido, uma visita, uma solicitação de suporte ou uma empresa.

Exemplo. Um estudo da qualidade do atendimento. O elemento da população poderia ser: a) os clientes (cada pessoa é contada uma vez), b) as solicitações (um cliente pode ter feito cinco solicitações, e cada uma é avaliada separadamente). A escolha da unidade de análise muda o tamanho da população, a metodologia e as conclusões.

Onde (limites geográficos e organizacionais)

Uma cidade ou o país inteiro? Uma filial ou todas? Apenas a loja online ou incluindo o varejo físico? Quanto mais ampla a geografia, mais recursos são necessários para a cobertura, e mais difícil é garantir que todos os subgrupos estejam representados.

Quando (limites temporais)

Clientes do último mês, trimestre, ano? Funcionários no momento da pesquisa ou incluindo os que saíram? O recorte temporal é crítico: uma população de “todos os compradores em 3 anos” e “os compradores dos últimos 30 dias” são grupos fundamentalmente diferentes, com experiências e expectativas distintas.

Critérios de inclusão e exclusão

Filtros adicionais que precisam os limites. Incluir as contas de teste? Os funcionários em período de experiência? Os clientes que fizeram apenas uma compra? Cada critério reduz ou amplia a população, e deve ser justificado pelo objetivo do estudo.

Uma boa definição de população soa assim: “Todos os clientes individuais (pessoas físicas) que fizeram pelo menos uma compra na loja online CompanyX no período de 1º de janeiro a 31 de março de 2026, excluindo as contas de teste e os pedidos internos dos funcionários”. Uma ruim: “Nossos clientes”.

População e amostra

Esses dois conceitos funcionam em conjunto. A população é “sobre quem queremos saber”. A amostra é “a quem realmente perguntamos”. O cenário ideal é um estudo censitário, no qual todos os elementos da população são pesquisados. Mas isso só é prático com um tamanho pequeno: 50 funcionários, 200 participantes de uma conferência, 30 clientes corporativos.

Quando a população é grande (milhares, dezenas de milhares, milhões), realiza-se um estudo por amostragem. De toda a população, seleciona-se, segundo determinadas regras, um subconjunto: uma amostra. Os resultados obtidos na amostra são estendidos à população com certa margem de erro. Para saber mais sobre como formar uma amostra e calcular seu tamanho, consulte o artigo “Amostra”.

A regra principal: a amostra deve se parecer com a população em suas características-chave. Se 30% dos clientes são de uma cidade, 25% de outra e 45% das regiões, as proporções na amostra devem ser aproximadamente as mesmas. Caso contrário, os dados ficarão enviesados em direção ao grupo super-representado.

Erros típicos ao definir uma população

A população não é definida de jeito nenhum. O erro mais comum. A equipe “simplesmente lança uma pesquisa”: o link é espalhado pelos canais, as respostas são coletadas, as conclusões são tiradas. Mas conclusões sobre quem? Se a população não estiver definida, os resultados descrevem apenas quem, por acaso, respondeu à pesquisa, e não qualquer grupo com sentido.

A população é ampla demais. “Todos os consumidores do país” soa impressionante, mas pesquisar uma amostra representativa de dezenas de milhões de pessoas é uma tarefa para uma agência estatística federal, não para um departamento de marketing. Quanto mais ampla a população, mais recursos são necessários para garantir a representatividade. Muitas vezes basta restringi-la: “mulheres de 25 a 45 anos em grandes cidades que compram cosméticos online”.

A população não corresponde ao objetivo. Uma empresa quer entender por que os clientes vão embora, e pesquisa os clientes atuais. Mas a população para essa pergunta são os clientes que saíram. Os atuais podem supor as causas, mas a resposta real só é conhecida por quem já tomou a decisão de sair.

Substituir a população pela audiência disponível. A pesquisa é colocada no site → ela é vista apenas pelos visitantes do site. Mas se a população são todos os clientes, incluindo os que compram offline e não entram no site, os dados são inerentemente incompletos. O método de distribuição da pesquisa deve corresponder à estrutura da população, e não o contrário.

Ignorar os subgrupos “invisíveis”. Em toda população há grupos difíceis de alcançar: antigos clientes (que apagaram o aplicativo), funcionários insatisfeitos (que não vão abrir uma pesquisa corporativa), usuários mais velhos (que não usam e-mail). Se esses grupos forem sistematicamente excluídos, as conclusões serão mais otimistas do que a realidade. Use perguntas de triagem e diferentes canais de distribuição para abranger o máximo de subgrupos.

Populações finitas e infinitas

Do ponto de vista estatístico, as populações se dividem em dois tipos.

População finita. O número de elementos pode ser contado: 5.000 funcionários, 12.340 assinantes, 87 clientes corporativos. Para populações finitas, ao calcular o tamanho da amostra aplica-se uma correção para população finita, que reduz o volume de amostra necessário. Quanto menor a população, maior a proporção dela que precisa ser pesquisada.

População infinita (praticamente infinita). O número de elementos é tão grande que pode ser considerado infinito: todos os compradores potenciais, todos os futuros visitantes do site, todas as transações possíveis. Nesses casos, o tamanho da população praticamente não influencia o cálculo da amostra: a fórmula se simplifica. É justamente por isso que uma pesquisa com 10 mil clientes e uma com 10 milhões exigem aproximadamente a mesma amostra (~385 pessoas com parâmetros padrão), o que é analisado em detalhe no artigo sobre o intervalo de confiança.

Recomendações práticas

Formule a população antes de criar o questionário. Esse é o primeiro passo de um desenho de pesquisa. Enquanto a população não estiver definida, não fica claro quem pesquisar, por qual canal nem quais perguntas fazer. Elaborar um questionário sem uma população definida é como escrever um texto publicitário sem entender o público.

Escreva a definição. Uma definição formalizada impõe disciplina e protege contra a expansão descontrolada dos limites. Se daqui a um mês um colega perguntar “por que não incluímos os antigos clientes?”, você terá uma resposta documentada.

Confronte a população com os dados disponíveis. Definir uma população é uma coisa; ter acesso a uma lista de seus elementos é outra. Se a sua população são “todos os usuários do aplicativo móvel”, mas você não tem os contatos de 40% deles (cadastraram-se sem e-mail), é preciso ajustar a população ou encontrar um canal de acesso alternativo: notificações push, uma pesquisa dentro do aplicativo.

Use vários canais para a cobertura. Se a população é heterogênea, um único canal não basta. O e-mail alcançará quem deixou o endereço. Um código QR alcança a audiência offline. Um formulário pop-up no site alcança quem está ativo no momento. Quanto mais canais, mais perto a amostra real fica da população.

Documente as discrepâncias. Na prática, raramente é possível cobrir perfeitamente toda a população. Isso é normal, mas as discrepâncias precisam ser registradas. “A população são todos os clientes do Q1 (N = 8.200). A pesquisa foi distribuída por e-mail. Apenas os clientes com e-mail informado foram alcançados (N = 6.100, 74%). Não alcançados: clientes sem e-mail, predominantemente compradores offline”. Uma anotação assim permite interpretar corretamente os resultados e apontar com honestidade as limitações.

A população é a resposta à pergunta “sobre quem queremos tirar conclusões?”. Sem uma resposta clara, qualquer estudo se transforma numa coleta de dados sobre ninguém e sobre nada. Dedique 10 minutos a definir a população antes de começar a trabalhar, e você economizará semanas tentando explicar o que significam os dados coletados.