Calculadora de tamaño de muestra

Cómo calcular tu tamaño de muestra

1. 1Elige tu nivel de confianza (el 95 % es el estándar en estudios de mercado).
2. 2Fija el margen de error que aceptas (±5 % para la mayoría de las encuestas).
3. 3Indica el tamaño de tu población si es limitada (clientes, empleados…).
4. 4Lee el número de encuestados necesarios — y exporta o comparte el resultado.

Por qué importa el tamaño de la muestra

Preguntar a todo el mundo es imposible; preguntar a muy pocos hace que tus cifras sean inverificables. El tamaño de muestra es el puente entre ambos: el número mínimo de encuestados que hace interpretables tus porcentajes, con un margen de error conocido. Una encuesta de 200 personas que anuncia «62 % de intención de compra» sin margen de error no dice casi nada; la misma cifra con ±3,5 % se convierte en base de decisión.

La buena noticia: el tamaño requerido apenas depende del tamaño de tu mercado. Para una población muy grande, 385 encuestados bastan para ±5 % con un 95 % de confianza — tanto si apuntas a toda España como a una comunidad. Es contraintuitivo, y es justo lo que la fórmula de abajo hace visible.

La fórmula utilizada (y sus límites)

Esta calculadora aplica la fórmula clásica para una proporción: n₀ = z²·p·(1−p)/e², donde z depende del nivel de confianza (1,645 para 90 %, 1,96 para 95 %, 2,576 para 99 %), p es la proporción esperada y e el margen de error. Cuando tu población es limitada (una base de 1 000 clientes, por ejemplo), la corrección de población finita reduce la muestra requerida: n = n₀ / (1 + (n₀−1)/N).

La fórmula supone un muestreo aleatorio simple y una pregunta binaria o proporcional. No corrige ni los sesgos de reclutamiento, ni las no-respuestas, ni las preguntas mal formuladas — el tamaño es una condición necesaria de fiabilidad, nunca suficiente. Prevé también un colchón: si esperas un 20 % de respuestas incompletas, recluta proporcionalmente más.

p = 50 %: la opción prudente

Si no conoces la proporción esperada, deja el 50 %. Es matemáticamente el peor caso: p·(1−p) alcanza su máximo en 0,5, así que la muestra requerida es la más grande. Cualquier otro valor real hará tus resultados más precisos de lo prometido — nunca menos. Es la convención de casi todos los institutos.

Preguntas frecuentes

¿Cuál es el tamaño de muestra para una encuesta estándar?

385 encuestados para un margen de error de ±5 % con un 95 % de confianza, en una población grande. Es el ajuste por defecto de esta calculadora y el estándar de la mayoría de los estudios cuantitativos.

¿El tamaño de mi mercado cambia el resultado?

Apenas, en cuanto la población supera ~100 000 personas. Por debajo, la corrección de población finita reduce la muestra: para 1 000 personas bastan 278 encuestados en lugar de 385 (al 95 %, ±5 %).

¿Qué margen de error elegir?

±5 % para decisiones corrientes (test de concepto, satisfacción), ±3 % para arbitrajes más finos, ±1–2 % para mediciones críticas. Ojo: la precisión sale cara — dividir el margen entre 2 multiplica la muestra por 4.

¿90 %, 95 % o 99 % de confianza?

El 95 % es el compromiso estándar. El 90 % basta para exploraciones rápidas; el 99 % se impone cuando un error costaría muy caro (salud, regulatorio), a cambio de una muestra mucho mayor.

¿Sirve este cálculo para un test A/B?

El principio es parecido, pero un test A/B compara dos grupos: necesitas el tamaño calculado en CADA rama, e idealmente un cálculo de potencia estadística que tenga en cuenta el efecto mínimo detectable.

¿Una muestra grande garantiza una encuesta fiable?

No. El tamaño controla el error de muestreo, no los sesgos: un panel mal reclutado, preguntas dirigidas o tasas de respuesta desequilibradas distorsionan los resultados sea cual sea el tamaño.