Estima mediante una aproximación normal el tamaño de muestra necesario para estudiar una proporción poblacional en una encuesta, según la población, la confianza, el margen de error y la proporción esperada.
Tamaño de Muestra Requerido
—
Tamaño de Muestra según el Nivel de Confianza
Datos de entrada y comprobaciones
El tamaño de la población es el número de personas o unidades que forman el conjunto de interés. El campo indica un mínimo de 10 y tiene un valor predeterminado de 100000. Puedes elegir un nivel de confianza del 90%, 95% o 99%; el predeterminado es 95%.
El margen de error se introduce como porcentaje. El campo indica un intervalo del 0.1% al 50%, con incrementos de 0.1 y un valor predeterminado de 5%. Introducir 5 significa un margen previsto de ±5 puntos porcentuales para la proporción, no un error relativo del 5%.
La proporción esperada estima qué porcentaje de la población presenta la característica estudiada, por ejemplo, la preferencia por un producto. No es la tasa de respuesta. El campo admite, según sus atributos HTML, valores del 1% al 99%, en incrementos de 1, y comienza en 50%. Sin información previa, el 50% maximiza el término p(1-p) de la fórmula.
Escribe los números sin separadores de miles: utiliza 100000 o 1000. Para los decimales, utiliza un punto, por ejemplo 3.5. No introduzcas 100,000 ni 3,5: el procesamiento actual elimina las comas y puede interpretar un valor distinto del previsto.
Utiliza valores positivos válidos dentro de los intervalos indicados. La calculadora vuelve a calcular al modificar los campos, pero no aplica una validación completa a todas las entradas. Algunos valores que no se pueden interpretar se sustituyen por los predeterminados; no presupongas que todas las entradas incorrectas serán rechazadas.
Cómo interpretar el resultado
El resultado es un objetivo nominal de tamaño de muestra, redondeado siempre hacia arriba al siguiente entero. Sirve para planificar la estimación de una proporción poblacional bajo determinados supuestos; no garantiza significación estadística, representatividad ni calidad de los datos.
La calculadora convierte los porcentajes en fracciones y aplica n0 = z² × p × (1-p) / e². Utiliza los valores z = 1.645, 1.96 y 2.576 para niveles de confianza del 90%, 95% y 99%, respectivamente.
El programa aplica la corrección n = n0 / (1 + (n0-1)/N) únicamente cuando la población N es inferior a 100000. Para N igual o superior a 100000 utiliza directamente n0. Este umbral es una decisión de implementación de la herramienta, no la definición matemática de una población infinita.
Manteniendo los demás parámetros, aumentar el nivel de confianza o reducir el margen de error suele exigir más observaciones. Una proporción esperada del 50% maximiza el término de variabilidad de esta fórmula, pero no corrige los sesgos del muestreo.
El cálculo presupone un diseño de muestreo adecuado y condiciones apropiadas para la aproximación normal. La selección aleatoria, la representatividad, las faltas de respuesta y la fiabilidad de las contestaciones deben considerarse por separado. El número de personas que conviene contactar depende de la tasa de respuesta prevista; los análisis por subgrupos pueden requerir muestras mayores. No hay un incremento universal del 20% al 30% que resuelva estas cuestiones.
La página intenta mostrar un gráfico de barras comparando los tamaños de muestra para una confianza del 90%, 95% y 99%. Depende de la carga externa de Chart.js y puede no aparecer. Si el margen de error se interpreta como cero, el resultado principal pasa a mostrar un guion y se vacía su unidad, pero el gráfico anterior puede permanecer visible.
Ejemplos
Configuración predeterminada para una población grande
Entrada
Tamaño de la población: 100000; nivel de confianza: 95%; margen de error: 5%; proporción esperada: 50%.
Resultado
Tamaño de muestra necesario: 385.
Cómo comprobar el resultado
Con z = 1.96, p = 0.5 y e = 0.05, se obtiene n0 = 1.96² × 0.5 × 0.5 / 0.05² = 384.16. Como N = 100000, el programa no aplica la corrección por población finita y redondea hacia arriba: 385.
Encuesta con una población de 1000 personas
Entrada
Tamaño de la población: 1000; nivel de confianza: 95%; margen de error: 5%; proporción esperada: 50%.
Resultado
Tamaño de muestra necesario: 278.
Cómo comprobar el resultado
Primero, n0 = 384.16. Como 1000 es inferior a 100000, el programa aplica n = 384.16 / (1 + 383.16/1000) ≈ 277.7408. Al redondear hacia arriba, el resultado es 278.
Preguntas frecuentes
¿Conviene elegir un nivel de confianza del 95% o del 99%?
El 95% es una opción habitual para planificar encuestas. El 99% supone un nivel de confianza nominal mayor y requiere más observaciones si los demás parámetros permanecen iguales. La elección depende de los objetivos, la precisión prevista y los recursos disponibles; no significa que una encuesta concreta tenga un 95% o un 99% de probabilidad de ser representativa. El nivel de confianza describe la cobertura a largo plazo del procedimiento de intervalos bajo los supuestos del modelo y el muestreo repetido.
¿Qué debo introducir si desconozco el tamaño exacto de la población?
Si existe una razón fundada para considerar que la población es muy grande, puedes utilizar 100000 como aproximación para planificar, sin confundirlo con el tamaño real conocido. El programa deja de aplicar la corrección por población finita a partir de ese valor. Con un 95% de confianza, un margen del 5% y una proporción del 50%, devuelve 385; este número no es suficiente por definición para cualquier encuesta.
¿Por qué utilizar una proporción esperada del 50% si no tengo datos previos?
Porque el producto p(1-p) alcanza su máximo cuando p = 0.5. Por ello, mantener el 50% proporciona el tamaño más conservador dentro de esta fórmula, con los demás parámetros fijos. La proporción esperada describe la característica investigada, no la tasa de respuesta, y no elimina posibles sesgos de selección.
¿Basta con reunir las respuestas calculadas? ¿Qué ocurre si reduzco el margen de error?
No necesariamente. Hay que considerar cómo se seleccionan las personas, cuántas no responderán, la calidad de los datos y si se analizarán subgrupos. Calcula por separado el número de contactos a partir de una tasa de respuesta razonable, en lugar de añadir automáticamente un 20% o un 30%. Con las demás condiciones constantes, reducir el margen del 5% al 3% aumenta considerablemente la muestra necesaria, pero no elimina los errores sistemáticos.