Calculadora de tamaño de muestra para encuesta

¿Qué es el cálculo de tamaño de muestra para encuestas?

Antes de realizar una encuesta, necesitas determinar cuántos encuestados se requieren para lograr un nivel de precisión deseado. Esta calculadora encuentra el tamaño de muestra necesario para un margen de error especificado.

Pregunta clave: "¿Cuántas personas necesito encuestar para estimar la proporción dentro de ±3%?"

Las entradas clave

Margen de error (precisión)

Qué tan cerca debe estar tu estimación del valor verdadero:

• ±3%: Estándar para encuestas principales
• ±5%: Común para investigación de mercado
• ±10%: Aceptable para encuestas exploratorias

Márgenes más pequeños requieren muestras más grandes.

Nivel de confianza

Qué tan seguro quieres estar de que el valor verdadero cae dentro de tu margen:

• 95%: Estándar (z* = 1,96)
• 99%: Más seguro, muestra más grande (z* = 2,576)
• 90%: Menos seguro, muestra más pequeña (z* = 1,645)

Proporción esperada

Si estás estimando una proporción, tu mejor conjetura del valor verdadero:

• Usa 50% si es desconocido (maximiza el tamaño de muestra requerido)
• Usa datos piloto o investigación previa si está disponible

Tamaño de población (opcional)

Para poblaciones pequeñas, la corrección de población finita reduce el tamaño de muestra requerido.

La fórmula

Para población infinita:

n = (z*)² × p(1-p) / E²

Donde:

• z* = valor crítico (1,96 para 95%)
• p = proporción esperada (0,5 si es desconocida)
• E = margen de error (como decimal)

Para población finita N:

n_ajustado = n / [1 + (n-1)/N]

Tablas de tamaño de muestra

Para 95% de confianza, p = 50%

Efecto del tamaño de población (IC 95%, ±5%, p = 50%)

Para poblaciones superiores a 20.000, la corrección de población finita es despreciable.

Ejemplos prácticos

Encuesta de opinión nacional

"Estimar la aprobación presidencial dentro de ±3%"

p = 50% (desconocido), 95% de confianza n = 1.068 encuestados

Encuesta de satisfacción del cliente

"La empresa tiene 5.000 clientes. Estimar satisfacción dentro de ±5%"

Población = 5.000, p = 50%, 95% de confianza n = 357 encuestados

Estudio de preferencia de producto

"Investigación previa sugiere que el 30% prefiere nuestra marca. Estimar dentro de ±4%"

p = 30%, 95% de confianza n = 504 encuestados

Menos que los 600 necesarios si p fuera desconocido (50%).

Por qué 50% maximiza el tamaño de muestra

La fórmula incluye p(1-p), que se maximiza en p = 0,5:

Usar p = 50% es conservador—tendrás precisión adecuada independientemente de la proporción real.

Considerando tasas de respuesta

Si esperas que solo una fracción de invitados responda:

Invitaciones necesarias = Tamaño de muestra / Tasa de respuesta

Ejemplo:

• Necesitas: 400 respuestas
• Tasa de respuesta esperada: 25%
• Enviar: 400 / 0,25 = 1.600 invitaciones

Análisis de subgrupos

Si planeas analizar subgrupos por separado:

Cada subgrupo necesita su propia muestra adecuada.

Ejemplo:

• Análisis principal: n = 400
• También analizar por género (2 grupos): Necesitas n = 400 por grupo
• Total necesario: 800 (o proporcionalmente más)

Muestreo estratificado

Para poblaciones con estratos distintos:

1. Determina tamaño de muestra para cada estrato
2. Muestrea proporcional u óptimamente entre estratos
3. Combina con ponderación apropiada

Diseños de encuesta complejos

Las fórmulas estándar asumen muestreo aleatorio simple. Se necesitan ajustes para:

Muestreo por conglomerados: Multiplica por efecto de diseño (frecuentemente 1,5-2,5) Estratificación: Puede reducir el tamaño de muestra requerido Ponderación: El tamaño de muestra efectivo puede ser menor que el real

Errores comunes

Ignorar no respuesta

Planificar 400 pero lograr solo 200 compromete la precisión.

No considerar conglomerados

Encuestar estudiantes por aulas (conglomerado) requiere muestras más grandes que muestreo aleatorio simple.

Sobreconfianza en datos piloto

Los pilotos pequeños tienen alta variabilidad. Sé conservador con estimaciones de p.

Olvidar restricciones prácticas

El cálculo de tamaño de muestra da un mínimo. Presupuesto, tiempo y acceso pueden dictar la muestra real.

Encuesta vs. experimento

Encuesta (estimación): "¿Qué proporción apoya la política?" Enfoque en margen de error.

Experimento (comparación): "¿El tratamiento A difiere de B?" Enfoque en potencia y tamaño del efecto.

Esta calculadora es para estimación. Para comparación, usa Tamaño de muestra para dos proporciones.

Contexto histórico

La determinación del tamaño de muestra se volvió sistemática en los años 1930-40 con el desarrollo de metodología de encuestas.

George Gallup demostró que las encuestas científicas podían predecir elecciones con solo unos pocos miles de encuestados—muchos menos que los 2,4 millones del Literary Digest (que falló espectacularmente en 1936).

La perspectiva clave: La selección aleatoria importa más que el tamaño de muestra. Una muestra sesgada de millones falla donde una muestra aleatoria de miles tiene éxito.

Cálculos relacionados

• Calculadora de margen de error — Dado n, encuentra el margen
• Corrección de población finita — Ajustar para poblaciones pequeñas
• Tamaño de muestra para dos proporciones — Para comparaciones
• Intervalo de confianza para proporción — Después de recolectar datos

Resumen

El cálculo de tamaño de muestra para encuestas equilibra las necesidades de precisión contra restricciones prácticas. El margen de error disminuye con √n, así que reducir el margen a la mitad requiere cuadruplicar la muestra. Para proporciones cercanas al 50%, se necesita el máximo tamaño de muestra; para proporciones extremas, menos. Siempre considera la no respuesta esperada inflando tu objetivo. Y recuerda: las fórmulas de tamaño de muestra asumen muestreo aleatorio—la selección sesgada invalida todas las afirmaciones de precisión.