Hay dos formas de usar esta calculadora. ① Escribe el nivel de confianza, la proporción y el margen de error para hallar el tamaño de la muestra que necesitas. ② Escribe el nivel de confianza, la proporción y el tamaño de la muestra para hallar el margen de error. Escribe el tamaño de la población solo si lo conoces.
Índice
-
Qué puedes hacer en esta página
-
¿Para qué sirve este cálculo?
-
Cómo usar
-
Fórmula
-
Tamaño de la muestra necesario (cuando la población es muy grande)
-
Corrección por población finita del tamaño de la muestra (cuando conoces el tamaño de la población \(N\))
-
Margen de error (cuando la población es muy grande)
-
Corrección por población finita del margen de error (cuando conoces el tamaño de la población \(N\))
-
-
Símbolos y términos
-
Conviene saber antes de empezar
-
Cómo calcularlo en Excel
-
Cómo calcularlo en Hojas de cálculo de Google
-
Cómo calcularlo en Python
-
Cómo escribirla en LaTeX y otros lenguajes de fórmulas (para copiar y pegar)
-
Cómo pedirle el cálculo a ChatGPT
-
Las ventajas de DataChef
-
Funciones relacionadas
-
Lista de calculadoras de NumberChef
Qué puedes hacer en esta página
- «¿A cuántas personas tengo que encuestar para un nivel de confianza del 95 % y un margen de error de ±5 %?». Obtén al momento el tamaño de la muestra que necesita tu encuesta
- Al revés, «¿qué precisión, en más o menos, tiene una encuesta a 1000 personas?». En la misma página calculas también el margen de error
- Si conoces el tamaño de la población (500 empleados, 1000 socios…), la corrección por población finita ajusta el número a las personas que de verdad necesitas
- En esta misma página tienes la explicación sencilla de las fórmulas y fórmulas para copiar y pegar en Excel, Hojas de cálculo de Google y Python
¿Para qué sirve este cálculo?
Las encuestas de los periódicos y la televisión suelen entrevistar a entre 1000 y 2000 personas elegidas al azar entre decenas de millones de electores. Con un nivel de confianza del 95 %, un margen de error de ±3 % y una proporción del 50 %, el tamaño de la muestra necesario es \(1{,}96^2 \times 0{,}25 \div 0{,}03^2 \approx 1067{,}1\) (unas 1068 personas). Esta fórmula responde a la pregunta «¿de verdad bastan unas 1000 personas para saber lo que piensan millones?».
Al revés, también puedes ver que si la diferencia entre «un 45 % y un 47 % de intención de voto» está dentro de un margen de error de ±3 puntos, no se puede asegurar que haya una diferencia estadística.
«¿A cuántos de nuestros 1000 socios tenemos que preguntar?» es un caso típico de corrección por población finita. Con un nivel de confianza del 95 %, un margen de error de ±5 % y una proporción del 50 %, el valor antes de corregir, 384,16, baja a \(384{,}16 \div (1 + 383{,}16 \div 1000) \approx 277{,}7\) (278 personas, redondeando hacia arriba).
Si decides de antemano cuántas respuestas bastan para la precisión que necesitas, antes de mandar recordatorio tras recordatorio a todo el mundo, puedes equilibrar con números el coste y la precisión de la encuesta.
Esta fórmula también sirve para estimar el porcentaje de piezas defectuosas de una producción en serie sin revisarlas todas. Si los datos anteriores indican un porcentaje de defectos de alrededor del 10 %, con un nivel de confianza del 90 % y un margen de error de ±4 % sale \(1{,}65^2 \times 0{,}1 \times 0{,}9 \div 0{,}04^2 \approx 153{,}1\), así que basta con una muestra de unas 154 piezas.
El ejemplo muestra también que cuanto más se aleja la proporción del 50 %, menor es la dispersión \(\hat{p}(1-\hat{p})\) y menos piezas necesitas.
En un estudio epidemiológico sobre «el porcentaje de personas de una zona que tienen cierta enfermedad», el protocolo del estudio debe indicar cuántos participantes hacen falta. Si estudios anteriores apuntan a una prevalencia de alrededor del 20 %, con un nivel de confianza del 95 % y un margen de error de ±3 % sale \(1{,}96^2 \times 0{,}2 \times 0{,}8 \div 0{,}03^2 \approx 683{,}0\), unas 683 personas.
En la investigación clínica real se usan además métodos más precisos según el diseño del estudio (como el análisis de potencia). Esta fórmula es la base de la que parten.
Las audiencias de televisión se estiman con un panel de hogares de muestra, no con todos los hogares. Como ejemplo simplificado (los métodos reales son más complejos), toma un panel de 2700 hogares y un programa que ven 10 de cada 100. Con un nivel de confianza del 95 %, el margen de error es \(1{,}96 \times \sqrt{0{,}1 \times 0{,}9 \div 2700} \approx 0{,}0113\) (unos ±1,1 puntos).
Así puedes ver que «la diferencia entre un 9,5 % y un 10,5 % de audiencia quizá esté dentro del margen de error», y leer las cifras de las noticias con más criterio.
Fórmula
Símbolos y términos
Símbolos
| \(n\) | ene | El tamaño de la muestra. En una encuesta, es el número de personas de las que recoges respuestas; en una inspección, el número de piezas que revisas. |
| \(n_0\) | ene sub cero | El tamaño de la muestra necesario calculado considerando la población muy grande. Es el valor antes de la corrección por población finita. |
| \(z\) | zeta | La puntuación z (un valor de la distribución normal estándar) que corresponde al nivel de confianza. Los valores habituales son 1,96 para el 95 % y 2,58 para el 99 %. |
| \(\hat{p}\) | pe sombrero | La proporción poblacional (por ejemplo, el porcentaje de «sí» que quieres conocer). Para hallar el tamaño de la muestra, pon el valor que esperas; para hallar el margen de error, la proporción que has obtenido de verdad en la encuesta (la proporción muestral). Se escribe como decimal entre 0 y 1 (0,5 para el 50 %). |
| \(\varepsilon\) | épsilon | El margen de error, la desviación que admites entre el resultado de la encuesta y el valor real. Se indica con ±, como en «±5 %». |
| \(N\) | ene mayúscula | El tamaño de la población, el número de personas o de piezas de todo el grupo que quieres estudiar (por ejemplo, los 500 empleados de una empresa). |
Términos
| población | Todo el grupo sobre el que de verdad quieres saber algo, como «todos los electores del país» o «los 500 empleados de la empresa». |
| muestra | La parte de la población que eliges para estudiarla de verdad. El número de personas o de piezas de la muestra se llama tamaño de la muestra (o tamaño muestral). |
| muestreo aleatorio | Elegir la muestra de forma que todos los miembros de la población tengan la misma probabilidad de salir, como en un sorteo. Las fórmulas de esta página suponen un muestreo aleatorio y no sirven para encuestas en las que solo contesta quien quiere. |
| proporción poblacional | La proporción que de verdad quieres conocer, como el porcentaje de «sí» en toda la población. La proporción que sale de una muestra se llama proporción muestral, para distinguirlas. |
| nivel de confianza | El grado de seguridad: si repitieras la misma encuesta muchas veces, el porcentaje de veces en que el resultado caería dentro del margen de error. El más usado es el 95 %. |
| intervalo de confianza | El intervalo que se obtiene al dar el resultado de una encuesta con un margen, como en «52 % ± 3 % (del 49 % al 55 %)». El margen de error ±ε de esta página es ese margen. |
| margen de error | La desviación que se admite entre el resultado de la encuesta y el valor real. Es lo que indican las fichas técnicas de las encuestas de las noticias con «margen de error de ±3 puntos». |
| corrección por población finita | Una corrección que rebaja el tamaño de la muestra necesario o el margen de error cuando sabes que la población tiene un tamaño limitado. Refleja que cuanto mayor es la parte de la población que estudias, más seguro es el resultado. |
Conviene saber antes de empezar
Esto es lo que te ayuda a usar el cálculo de esta página entendiendo lo que haces, y no solo pulsando el botón.
| Porcentajes y proporciones (6.º de Primaria, 11-12 años) |
|
| Raíces cuadradas (2.º de ESO, 13-14 años) |
|
| Población y muestra (3.º de ESO, 14-15 años) |
|
| La distribución normal y la inferencia estadística (2.º de Bachillerato, 17-18 años) |
|
Cómo calcularlo en Excel
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción esperada (%) | 50 |
| Margen de error (%) | 5 |
| Valor calculado n0 | =B1^2*(B2/100)*(1-B2/100)/(B3/100)^2 |
| Tamaño de la muestra necesario (redondeado hacia arriba) | =REDONDEAR.MAS(B4;0) |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción esperada (%) | 50 |
| Margen de error (%) | 5 |
| Tamaño de la población N | 500 |
| Valor antes de corregir n0 | =B1^2*(B2/100)*(1-B2/100)/(B3/100)^2 |
| Tamaño de la muestra necesario (corregido y redondeado hacia arriba) | =REDONDEAR.MAS(B5/(1+(B5-1)/B4);0) |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción obtenida en la encuesta (%) | 60 |
| Tamaño de la muestra n | 100 |
| Margen de error (%) | =B1*RAIZ(B2/100*(1-B2/100)/B3)*100 |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción obtenida en la encuesta (%) | 30 |
| Tamaño de la muestra n | 200 |
| Tamaño de la población N | 1000 |
| Margen de error antes de corregir (%) | =B1*RAIZ(B2/100*(1-B2/100)/B3)*100 |
| Margen de error corregido (%) | =B5*RAIZ((B4-B3)/(B4-1)) |
En la primera tabla, B4 muestra 384,16 y B5, 385. En la segunda tabla el resultado es 218; en la tercera, unos 9,60 (%), y en la cuarta, unos 5,68 (%).
«^» es una potencia (al cuadrado), «RAIZ» es la raíz cuadrada y «REDONDEAR.MAS» es la función para redondear hacia arriba.
Ojo: la calculadora de esta página suma uno más por seguridad aunque el valor calculado sea un número entero exacto, así que en esos casos puede diferir en 1 del REDONDEAR.MAS de Excel.
Cómo calcularlo en Hojas de cálculo de Google
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción esperada (%) | 50 |
| Margen de error (%) | 5 |
| Valor calculado n0 | =B1^2*(B2/100)*(1-B2/100)/(B3/100)^2 |
| Tamaño de la muestra necesario (redondeado hacia arriba) | =REDONDEAR.MAS(B4;0) |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción esperada (%) | 50 |
| Margen de error (%) | 5 |
| Tamaño de la población N | 500 |
| Valor antes de corregir n0 | =B1^2*(B2/100)*(1-B2/100)/(B3/100)^2 |
| Tamaño de la muestra necesario (corregido y redondeado hacia arriba) | =REDONDEAR.MAS(B5/(1+(B5-1)/B4);0) |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción obtenida en la encuesta (%) | 60 |
| Tamaño de la muestra n | 100 |
| Margen de error (%) | =B1*RAIZ(B2/100*(1-B2/100)/B3)*100 |
| Puntuación z (1,96 para el 95 %) | 1,96 |
| Proporción obtenida en la encuesta (%) | 30 |
| Tamaño de la muestra n | 200 |
| Tamaño de la población N | 1000 |
| Margen de error antes de corregir (%) | =B1*RAIZ(B2/100*(1-B2/100)/B3)*100 |
| Margen de error corregido (%) | =B5*RAIZ((B4-B3)/(B4-1)) |
Cómo calcularlo en Python
import math
# Tabla rápida de nivel de confianza (%) a puntuación z (valores redondeados habituales)
z_table = {80: 1.28, 85: 1.44, 90: 1.65, 95: 1.96, 98: 2.33, 99: 2.58}
# ---- Modo 1: calcular el tamaño de la muestra necesario ----
confidence_level = 95 # nivel de confianza (%)
population_ratio = 50 # proporción esperada (%)
margin_of_error = 5 # margen de error (%)
population_size = None # tamaño de la población (None si no se conoce o es muy grande)
z = z_table[confidence_level]
p = population_ratio / 100
e = margin_of_error / 100
raw_size = z ** 2 * p * (1 - p) / e ** 2 # valor antes de corregir
if population_size is not None:
raw_size = raw_size / (1 + (raw_size - 1) / population_size) # corrección por población finita
required_size = math.floor(raw_size) + 1 # menor entero por encima del valor calculado (redondeo hacia arriba por seguridad)
print(f"Tamaño de la muestra necesario: {required_size}")
# ---- Modo 2: calcular el margen de error ----
sample_size = 1000 # tamaño de la muestra encuestada
sample_ratio = 50 / 100 # proporción obtenida en la encuesta (0.5 para el 50 %)
error_ratio = z * math.sqrt(sample_ratio * (1 - sample_ratio) / sample_size)
print(f"Margen de error: ±{error_ratio * 100:.2f} %")
Cómo escribirla en LaTeX y otros lenguajes de fórmulas (para copiar y pegar)
n₀ = z² × p̂(1 − p̂) ÷ ε²
n_0 = \dfrac{z^2 \, \hat{p}(1-\hat{p})}{\varepsilon^2}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
<mrow>
<msub><mi>n</mi><mn>0</mn></msub>
<mo>=</mo>
<mfrac>
<mrow>
<msup><mi>z</mi><mn>2</mn></msup>
<mover accent="true"><mi>p</mi><mo>^</mo></mover>
<mo>(</mo><mn>1</mn><mo>−</mo><mover accent="true"><mi>p</mi><mo>^</mo></mover><mo>)</mo>
</mrow>
<msup><mi>ε</mi><mn>2</mn></msup>
</mfrac>
</mrow>
</math>
n_0 = (z^2 hat(p)(1 - hat(p)))/(epsilon^2)
z^2*p*(1 - p)/err^2
n0 := z^2*p*(1 - p)/err^2;
n0 = z^2*p*(1 - p)/err^2;
n_0 = (z^2 p̂(1 − p̂))/ε^2
n = n₀ ÷ (1 + (n₀ − 1) ÷ N)
n = \dfrac{n_0}{1 + \dfrac{n_0 - 1}{N}}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
<mrow>
<mi>n</mi>
<mo>=</mo>
<mfrac>
<msub><mi>n</mi><mn>0</mn></msub>
<mrow>
<mn>1</mn><mo>+</mo>
<mfrac>
<mrow><msub><mi>n</mi><mn>0</mn></msub><mo>−</mo><mn>1</mn></mrow>
<mi>N</mi>
</mfrac>
</mrow>
</mfrac>
</mrow>
</math>
n = n_0/(1 + (n_0 - 1)/N)
n0/(1 + (n0 - 1)/nPop)
n := n0/(1 + (n0 - 1)/N);
n = n0/(1 + (n0 - 1)/N);
n = n_0/(1 + (n_0 − 1)/N)
ε = z × √(p̂(1 − p̂) ÷ n)
\varepsilon = z \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
<mrow>
<mi>ε</mi>
<mo>=</mo>
<mi>z</mi>
<msqrt>
<mfrac>
<mrow>
<mover accent="true"><mi>p</mi><mo>^</mo></mover>
<mo>(</mo><mn>1</mn><mo>−</mo><mover accent="true"><mi>p</mi><mo>^</mo></mover><mo>)</mo>
</mrow>
<mi>n</mi>
</mfrac>
</msqrt>
</mrow>
</math>
epsilon = z sqrt((hat(p)(1 - hat(p)))/n)
z*Sqrt[p*(1 - p)/n]
err := z*sqrt(p*(1 - p)/n);
err = z*sqrt(p*(1 - p)/n);
ε = z√((p̂(1 − p̂))/n)
ε = ε₀ × √((N − n) ÷ (N − 1))
\varepsilon = \varepsilon_0 \sqrt{\dfrac{N-n}{N-1}}
<math xmlns="http://www.w3.org/1998/Math/MathML" display="block">
<mrow>
<mi>ε</mi>
<mo>=</mo>
<msub><mi>ε</mi><mn>0</mn></msub>
<msqrt>
<mfrac>
<mrow><mi>N</mi><mo>−</mo><mi>n</mi></mrow>
<mrow><mi>N</mi><mo>−</mo><mn>1</mn></mrow>
</mfrac>
</msqrt>
</mrow>
</math>
epsilon = epsilon_0 sqrt((N - n)/(N - 1))
err0*Sqrt[(nPop - n)/(nPop - 1)]
err := err0*sqrt((N - n)/(N - 1));
err = err0*sqrt((N - n)/(N - 1));
ε = ε_0 √((N − n)/(N − 1))
Cómo pedirle el cálculo a ChatGPT
Eres un asistente de cálculo para encuestas estadísticas. Haz el siguiente cálculo ejecutando de verdad código Python y basa tu respuesta solo en los números del resultado de la ejecución (no respondas con cálculo mental ni a ojo). Un servicio con 1000 socios va a hacer una encuesta de satisfacción. Usa un nivel de confianza del 95 % (puntuación z 1,96), una proporción esperada del 50 % y un margen de error de ±5 %. Calcula lo siguiente: 1. El tamaño de la muestra necesario considerando la población muy grande (el valor calculado y el número de personas redondeado hacia arriba) 2. El tamaño de la muestra necesario con la corrección por población finita para una población de 1000 3. El margen de error (con la corrección por población finita, en %) si solo responden 200 personas Muestra las fórmulas que has usado y los números del resultado de la ejecución.
Cómo usar
-
1Introduce los datosEscribe en las casillas los números con los que quieres calcular
-
2CalculaPulsa el botón «Calcular»
-
3Consulta el resultadoEl resultado aparece al instante. En la misma página tienes también la idea del cálculo y la explicación de la fórmula
Las ventajas de DataChef
Sin conocimientos técnicos: fácil e intuitivo
Sin necesidad de dar datos personales
Los archivos se borran automáticamente tras la descarga
Sin necesidad de atribución
Sin necesidad de pedir permiso