Calculadora de tamaño de muestra a partir del margen de error

Calculadora de tamaño de muestra a partir del margen de error

En crecimiento AI Skill PRO

Ingresar cálculo

Fórmula

n=n01+n0−1Población,n0=z2·p^(1−p^)e2n = \dfrac{n_0}{1 + \dfrac{n_0 - 1}{\text{Población}}}, \qquad n_0 = \dfrac{z^2 \cdot \hat{p}\,(1 - \hat{p})}{e^2}
Estadísticas de uso

Publicidad

Resultados

Tamaño de muestra necesario
385
encuestados necesarios
Tamaño sin ajustar (población infinita) 385
Puntuación z 1,96
Margen de error 5%
Proporción supuesta 50%

Informar de un error en esta página

Qué hace esta calculadora

Esta herramienta te indica a cuántas personas debes encuestar para estimar una proporción poblacional dentro de un margen de error determinado y con el nivel de confianza que elijas. Se utiliza habitualmente en estudios de mercado, sondeos electorales, control de calidad e investigación académica. Al tratarse de pura estadística, no depende de ningún país: es válida en cualquier lugar.

Cómo utilizarla

Elige tu nivel de confianza (90 %, 95 % o 99 %), introduce el margen de error que estás dispuesto a asumir (por ejemplo, un 5 %) e indica una proporción estimada. Si no tienes ninguna estimación previa, usa el 50 %: es el valor más conservador y arroja la muestra más grande y, por tanto, más segura. De forma opcional, puedes indicar el tamaño total de tu población para aplicar la corrección por población finita, que reduce la muestra necesaria cuando la población es pequeña.

Curva que muestra cómo el tamaño de muestra necesario aumenta abruptamente cuando el margen de error objetivo disminuye
El tamaño de muestra necesario crece rápidamente a medida que el margen de error objetivo se reduce.

La fórmula explicada

La ecuación central es $$n = \dfrac{z^2 \cdot p\,(1 - p)}{E^2}.$$ Aquí, \(z\) es el valor crítico de la normal estándar correspondiente a tu nivel de confianza (1,645 para el 90 %, 1,96 para el 95 % y 2,576 para el 99 %); \(p\) es la proporción esperada expresada en decimal, y \(E\) es el margen de error, también en decimal. El término \(p(1 - p)\) alcanza su máximo en \(p = 0{,}5\), motivo por el cual el 50 % genera el mayor tamaño de muestra. Cuando se indica una población finita \(N\), el resultado se ajusta a la baja mediante el factor de corrección $$n = \dfrac{n_0}{1 + \dfrac{n_0 - 1}{N}}.$$

Publicidad

Ejemplo resuelto

Imagina que quieres un nivel de confianza del 95 % (\(z = 1{,}96\)), un margen de error del 5 % (\(E = 0{,}05\)) y supones que \(p = 0{,}5\). Entonces $$n = \dfrac{1{,}96^2 \times 0{,}5 \times 0{,}5}{0{,}05^2} = \dfrac{3{,}8416 \times 0{,}25}{0{,}0025} = \dfrac{0{,}9604}{0{,}0025} = 384{,}16,$$ que se redondea al alza hasta 385 encuestados.

Diagrama que muestra cómo el margen de error E forma una banda simétrica alrededor de una proporción muestral p en una recta numérica
El margen de error \(E\) define un intervalo simétrico alrededor de la proporción estimada \(p\).

Valores críticos de z según el nivel de confianza

Nivel de confianza bilateral Valor crítico z
80% 1.282
85% 1.440
90% 1.645
95% 1.960
98% 2.326
99% 2.576
99.9% 3.291

Estos son cuantiles de la distribución normal estándar con probabilidad \(1 - \alpha/2\), donde \(\alpha = 1 - \text{nivel de confianza}\). Para una confianza del 95%, \(\alpha = 0.05\), por lo que z es el percentil 97.5 de la distribución normal estándar, aproximadamente 1.960.

Publicidad

Interpretación del tamaño de muestra requerido

  • Qué cubre el margen de error: la fórmula asume un muestreo aleatorio simple y estima una sola proporción con el nivel de confianza indicado. Solo refleja el error de muestreo aleatorio. No tiene en cuenta la falta de respuesta, los problemas de cobertura ni el sesgo de muestreo, así que el número es la cantidad de respuestas completas y utilizables que necesitas, no de invitaciones enviadas. Si esperas una tasa de respuesta del 20%, deberás invitar a muchas más personas que n.
  • Qué significa el 95% de confianza: si repitieras la encuesta muchas veces y construyeras un intervalo cada vez con este método, alrededor del 95% de esos intervalos contendría la proporción verdadera de la población. No significa que exista una probabilidad del 95% de que el valor verdadero esté en un intervalo calculado concreto.
  • Rendimientos decrecientes: n crece con \(1/E^2\), así que reducir el margen se vuelve costoso rápidamente. Pasar de un 5% a un 3% con 95% de confianza eleva n de 385 a 1,068, mientras que pasar de un 10% a un 5% solo añade unas 288 respuestas.
  • Elección de p: \(\hat{p} = 0.5\) maximiza \(\hat{p}(1-\hat{p})\) y da la n más grande y segura. Usa otro valor solo si tienes una estimación previa confiable.
  • Corrección por población finita: el ajuste \(n = \dfrac{n_0}{1 + \dfrac{n_0 - 1}{N}}\) importa principalmente cuando \(n_0\) supera aproximadamente el 5% del tamaño de la población N. En poblaciones grandes casi no cambia nada; en poblaciones pequeñas puede reducir notablemente la muestra requerida.
  • Subgrupos: el margen de error se aplica a la muestra completa. Los resultados de subgrupos (por ejemplo, por edad o región) tienen márgenes mayores, salvo que cada subgrupo tenga su propio tamaño de muestra adecuado.

Preguntas frecuentes

¿Qué proporción debo usar si no tengo ninguna estimación? Utiliza el 50 %: maximiza el tamaño de muestra necesario y garantiza que se cumpla tu margen de error.

¿Por qué se redondea hacia arriba? El tamaño de muestra debe ser un número entero, y redondear al alza asegura que no se supere el margen de error.

¿Cuándo influye el tamaño de la población? La corrección por población finita solo reduce la muestra de forma apreciable cuando la población es pequeña en relación con \(n_0\) (por ejemplo, unos pocos miles de personas o menos).

Última actualización:

Lo más popular en Matemáticas y Estadísticas

Ver todas las calculadoras de Matemáticas y Estadísticas