Conectar vía MCP →

Ingresar cálculo

Fórmula

Publicidad

Resultados

Margen de error

± 3,099%

With 95.0% confidence, the true population proportion is within 3,099% of your sample proportion.

Intervalo de confianza: 46,9% - 53,1%
Tamaño de la muestra: 1.000
Nivel de confianza: 95%
Proporción de la muestra: 50%

Interpretation: We can be 95.0% confident that the true population proportion falls between 46,9% and 53,1%.

¿Qué es la Calculadora de Margen de Error?

La Calculadora de Margen de Error te indica cuánto puede desviarse el resultado de tu encuesta o sondeo respecto al valor real de toda la población. Cuando solo consultas a una parte de un grupo, tu estimación arrastra cierta incertidumbre, y el margen de error la expresa en forma de un porcentaje de más o de menos. Esta herramienta convierte tres datos sencillos en un margen preciso y en un intervalo de confianza alrededor de la cifra que has obtenido.

Curva de campana con un punto de estimación muestral y una barra de error horizontal que muestra la dispersión del margen de error a su alrededor
El margen de error define un rango alrededor de una estimación muestral donde probablemente se encuentra el valor real.

Los datos que tienes que introducir

  • Tamaño de la muestra: el número de personas o elementos que realmente has encuestado (por ejemplo, 1.000 encuestados).
  • Nivel de confianza (%): qué grado de seguridad quieres tener de que el valor real cae dentro de tu intervalo; lo habitual es usar 90, 95 o 99.
  • Proporción de la muestra (%): el porcentaje de tu muestra que ha dado una respuesta concreta (por ejemplo, un 60 % respondió «si»).

La fórmula que utiliza

La calculadora aplica la fórmula estándar del margen de error de una proporción:

$$\text{ME} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100$$
  • \(z\) es el valor crítico de la distribución normal, que se obtiene a partir de tu nivel de confianza. La herramienta lo calcula como la probabilidad acumulada inversa de \(1 - (1 - \text{confianza}/100) / 2\), de modo que un 95 % da \(z \approx 1{,}96\).
  • \(p\) es tu proporción muestral expresada en decimal (el 60 % se convierte en 0,60).
  • \(n\) es el tamaño de la muestra.

Después muestra un intervalo de confianza: el límite inferior (proporción − ME, nunca por debajo del 0 %) y el límite superior (proporción + ME, nunca por encima del 100 %).

Publicidad
Diagrama que muestra el margen de error como la puntuación z por el error estándar, con el tamaño de la muestra bajo una raíz cuadrada
Las muestras más grandes reducen el margen de error mediante la raíz cuadrada en el denominador.

Ejemplo resuelto

Imagina que encuestas a 1.000 personas, quieres un nivel de confianza del 95 % y un 60 % ha respondido «si».

  • \(z = 1{,}96\), \(p = 0{,}60\), \(n = 1.000\)
  • Error estándar \(= \sqrt{0{,}60 \times 0{,}40 / 1000} = \sqrt{0{,}00024} \approx 0{,}01549\)
  • $$\text{ME} = 1{,}96 \times 0{,}01549 \times 100 \approx \mathbf{3{,}04\ \%}$$

Por tanto, el resultado es 60 % ± 3,04 %, lo que da un intervalo de confianza de aproximadamente 56,96 % a 63,04 %.

Preguntas frecuentes

¿Cómo puedo reducir el margen de error? Aumenta el tamaño de la muestra. Como \(n\) está bajo una raíz cuadrada, tienes que multiplicar la muestra por cuatro, aproximadamente, para reducir el margen a la mitad.

¿Qué proporción genera el margen más grande? Una proporción del 50 % produce el margen más amplio, porque es ahí donde \(p(1 - p)\) alcanza su valor máximo. Si todavía no conoces tu proporción, usar el 50 % te da una estimación conservadora.

¿Por qué un nivel de confianza más alto amplía el intervalo? Un nivel de confianza mayor eleva el valor de \(z\) (el 95 % usa 1,96 y el 99 % usa alrededor de 2,58), por lo que el intervalo se ensancha para darte más seguridad de captar el valor real.

Última actualización: