Amostragem, margem de erro e intervalo de confiança
Pesquisas Eleitorais e Margem de Erro
Como 2 mil entrevistas conseguem representar mais de 150 milhões de eleitores — e o que "empate técnico" realmente significa. Sem entrar em quem está na frente de quem: aqui o assunto é só a matemática por trás do número.
🗳️ Simulador: uma amostra reflete a população?
Como uma amostra pequena representa uma população enorme
Com eleições gerais em outubro de 2026, pesquisas eleitorais voltam a aparecer o tempo todo — e junto com elas, a pergunta mais comum: como uma pesquisa com 2 mil pessoas consegue dizer algo confiável sobre mais de 150 milhões de eleitores?
A resposta não tem a ver com o tamanho da amostra em relação à população — tem a ver com aleatoriedade e representatividade. Se cada pessoa da população tem a mesma chance de ser sorteada para a amostra (e a amostra reflete a distribuição real de idade, região, renda etc.), o tamanho da população total quase não importa para a precisão — o que importa é o tamanho da própria amostra.
De onde vem a margem de erro
A margem de erro mede o quanto a estimativa de uma pesquisa pode se afastar do valor real da população, só por causa do acaso de quem foi sorteado para a amostra. Para uma pesquisa com nível de confiança de 95% (o padrão do setor):
📐 Margem de erro (caso mais conservador, p = 50%)
margem ≈ 1,96 × √(0,25 / n)
Onde n é o tamanho da amostra. Para n = 2.000, isso dá aproximadamente ±2,2 pontos percentuais — o número que você vê estampado em quase toda pesquisa eleitoral divulgada no Brasil.
Repare que a fórmula depende só de n, não do tamanho da população. É por isso que uma pesquisa nacional com 2.000 entrevistados e uma pesquisa estadual também com 2.000 entrevistados têm, aproximadamente, a mesma margem de erro — mesmo representando populações de tamanhos completamente diferentes.
Use o simulador acima para ver isso na prática: defina um valor "real" arbitrário, ajuste o tamanho da amostra, e simule pesquisas repetidas. Quanto maior a amostra, mais estreita a margem — mas o ganho fica cada vez menor (dobrar a amostra não reduz o erro pela metade, reduz por um fator de √2).
O que "empate técnico" realmente significa
Quando a diferença entre dois candidatos numa pesquisa é menor que a margem de erro, a imprensa costuma chamar de "empate técnico". A interpretação correta não é "os dois estão exatamente iguais" — é: com os dados dessa amostra, não dá para afirmar com confiança estatística qual dos dois está à frente. Pode ser que um esteja genuinamente à frente do outro na população real, mas a amostra não teve "poder" suficiente para detectar essa diferença com segurança.
Um detalhe técnico que a cobertura jornalística costuma simplificar demais: a margem de erro de cada candidato individualmente não é exatamente a margem de erro da diferença entre os dois — calcular a margem da diferença corretamente exige levar em conta a correlação entre as duas respostas (quem não vota em A tende a votar em B), o que normalmente resulta numa margem um pouco diferente da soma simples das margens individuais.
Erro amostral não é o único erro possível
A margem de erro cobre só o erro amostral — a variação que aconteceria mesmo numa pesquisa perfeitamente bem feita, só por causa do acaso de quem foi entrevistado. Ela não cobre outras fontes de erro, igualmente importantes:
Viés de metodologia ("house effects"): institutos diferentes, mesmo com o mesmo tamanho de amostra, podem ter resultados sistematicamente diferentes por causa de como fazem as perguntas, como ponderam os dados demográficos, ou o método de coleta (telefone, presencial, internet).
Não resposta e indecisos: como distribuir os "não sei" ou "não responderam" entre os candidatos muda o resultado final — e diferentes institutos fazem isso de formas diferentes.
Erro de amostragem não-aleatória: se a amostra não for verdadeiramente aleatória (por exemplo, pesquisas feitas só pela internet excluem quem não tem acesso), o resultado pode ter um viés sistemático que nenhuma fórmula de margem de erro consegue capturar.
📚 O caso clássico: a pesquisa de 1936 com 2 milhões de pessoas que errou feio
Em 1936, a revista americana Literary Digest enviou 10 milhões de cartas e recebeu 2,4 milhões de respostas — uma amostra gigantesca — prevendo a vitória de um candidato à presidência dos EUA. O instituto Gallup, com uma amostra de apenas 50 mil pessoas, mas escolhida de forma muito mais representativa, previu corretamente o resultado oposto. A lição, válida até hoje: uma amostra representativa de 50 mil vale mais que uma amostra enviesada de 2,4 milhões. Tamanho não substitui representatividade.
Como ler uma pesquisa eleitoral com mais cuidado
- Verifique o tamanho da amostra e a margem de erro divulgada — pesquisas menores têm margens maiores
- Diferenças menores que a margem de erro pedem cautela na interpretação, não descarte automático
- Compare a tendência de várias pesquisas ao longo do tempo, não o resultado isolado de uma única pesquisa
- Pesquisas de institutos diferentes podem ter pequenos viés sistemáticos próprios — olhar várias fontes ajuda a identificar isso
Resumindo em 4 pontos
- Uma amostra aleatória e representativa pode estimar uma população inteira com boa precisão — o tamanho da população quase não importa, o que importa é o tamanho da amostra.
- A margem de erro (±2,2 pontos para n=2.000, no caso mais conservador) mede a variação esperada só por causa do acaso da amostragem.
- "Empate técnico" significa que a amostra não tem confiança estatística suficiente para apontar um líder — não que os dois estejam exatamente iguais.
- Erro amostral não é o único erro possível: viés de metodologia, indecisos e amostras não-representativas também afetam o resultado, e a margem de erro não cobre isso.