Calculadora de tamaño muestral para estimar una media

¿Cuántas observaciones se necesitan?

El objetivo es estimar una media poblacional con un margen de error elegido. Las observaciones más variables requieren muestras mayores. Reducir el margen a la mitad exige aproximadamente cuatro veces más observaciones. El cálculo usa n = (zσ/E)² y redondea hacia arriba.

Límites de la planificación

La desviación estándar puede proceder de mediciones anteriores en las mismas unidades. Esta estimación para la planificación no constituye una garantía. Una desviación de 10, un margen de 2 y una confianza del 95 % requieren 97 observaciones utilizables. Esta calculadora no estima la potencia de las pruebas ni las proporciones de encuestas. La falta de observaciones, la agrupación en conglomerados y el sesgo de medición requieren decisiones específicas sobre el diseño del estudio.

Definir correctamente el margen

El margen no es el error permitido de una observación individual. Es la mitad de la anchura del intervalo de confianza alrededor de la media estimada. Expresa la desviación estándar y el margen en las mismas unidades. Introducir la desviación en mm y el margen en cm sin convertirlos cambia mucho el tamaño. Un error relativo porcentual debe convertirse primero a las unidades de la magnitud medida.

Supón una desviación estándar de 2 mm y una estimación de la media con margen de 0,5 mm y confianza del 95 %. El valor crítico bilateral normal es aproximadamente 1,959964. El tamaño sin redondear es (1,959964 × 2 / 0,5)² ≈ 61,4633. Al redondear hacia arriba se necesitan 62 observaciones válidas. Redondear hacia abajo no conserva el margen solicitado. La herramienta también muestra el margen alcanzado con la cantidad redondeada.

Esta desviación es una supuesto de planificación, no una recomendación universal. Los datos anteriores deben representar el mismo método y una variabilidad similar. Si la variabilidad real es mayor, la número previsto de observaciones puede ser insuficiente. Los registros inutilizables no cuentan como observaciones válidas. Recoger más datos no elimina por sí solo el sesgo de selección. No confundas esta estimación con un cálculo de potencia para detectar una diferencia.