¿Cómo se calcula el tamaño de muestra de una encuesta?

El tamaño de muestra depende de tres factores: el margen de error que puedas asumir, el nivel de confianza que necesites (en España, el estándar del sector es el 95,5%, no el 95% que usan las calculadoras genéricas) y, si el universo es acotado, su tamaño. Con estos tres datos, la fórmula es estándar; lo que cambia mucho el resultado es cómo se combinan.

Índice

1. Los 3 ingredientes del cálculo
2. Por qué el 95,5% y no el 95%
3. Prueba la calculadora
4. La corrección por población finita
5. Cuando necesitas conclusiones por segmentos, no solo en el total
6. Errores habituales
7. Preguntas relacionadas

Los 3 ingredientes del cálculo

Margen de error

Es cuánto puede desviarse un resultado del valor real, expresado en puntos porcentuales. Un resultado del 40% con un margen de error de ±3 puntos significa que el valor real está, con la confianza elegida, entre el 37% y el 43%. Cuanto menor el margen de error que se exige, mayor la muestra necesaria, y la relación no es lineal: reducir el margen a la mitad no dobla la muestra, la multiplica por cuatro.

Nivel de confianza

Es la frecuencia con la que el intervalo calculado contendrá de verdad el valor real si se repitiera el estudio muchas veces. No es lo mismo que «probabilidad de acertar»: es una propiedad del método, no del resultado concreto que has obtenido.

Tamaño del universo

Si el universo es muy grande (población general, mercados de consumo masivo), se puede tratar como infinito a efectos de cálculo. Si es acotado y relativamente pequeño (un mercado B2B, un colectivo profesional, los clientes de una empresa), el tamaño del universo sí influye, y de forma significativa cuando la muestra representa una parte considerable de él.

Por qué el 95,5% y no el 95%

La mayoría de calculadoras que encontrarás en internet ofrecen 90%, 95% y 99% como niveles de confianza, porque son las convenciones más habituales en estadística general. En investigación de mercados en España, sin embargo, el estándar del sector es el 95,5%, que corresponde exactamente a dos sigmas (z = 2): una convención que viene de la época en que estos cálculos se hacían a mano y un valor redondo de z facilitaba mucho el trabajo. El 95% (z = 1,96) es matemáticamente casi idéntico, pero más incómodo de calcular sin ordenador.

El 99% de confianza, aunque aparece en muchas calculadoras genéricas, se considera fuera del alcance habitual de la investigación por encuesta: exige muestras mucho mayores para una ganancia de precisión que rara vez justifica el coste adicional en este tipo de estudios.

Prueba la calculadora

Más abajo, al final de la guía, inclimos uns calculadora interactiva. Permite calcular tanto la muestra necesaria para un margen de error objetivo como el margen de error de una muestra que ya tienes, con 95%, 95,5% o 97% de confianza, corrección por población finita, efecto de diseño y tasa de respuesta.

La corrección por población finita

Cuando el universo no es muy grande, la muestra necesaria es menor de lo que indicaría la fórmula estándar, porque a medida que la muestra se acerca al tamaño del universo, cada entrevista adicional aporta más información relativa. Esta corrección es prácticamente irrelevante en estudios de consumo final con universos de cientos de miles de personas, pero es determinante en estudios B2B o con colectivos profesionales, donde el universo puede ser de unos pocos cientos o miles.

Cuando necesitas conclusiones por segmentos, no solo en el total

El cálculo de muestra casi siempre se hace pensando en el dato total, pero muchas decisiones de negocio no se toman sobre el total sino sobre un segmento: una región, un tipo de cliente, un canal. Si un estudio con 800 entrevistas tiene un segmento clave de solo 60 casos, ese segmento tiene un margen de error mucho mayor que el titular del estudio, y puede no ser suficiente para sostener ninguna conclusión sobre él. Antes de fijar el tamaño de muestra total, conviene calcular también el tamaño de cada segmento que necesite análisis por separado.

Errores habituales

• Dimensionar solo el total y descubrir tarde que los segmentos clave se quedan cortos.
• Tratar como infinito un universo que no lo es, sobre todo en estudios B2B o con colectivos profesionales, lo que lleva a sobredimensionar la muestra (y el presupuesto) sin necesidad.
• Ignorar el efecto de diseño en encuestas con cuotas o ponderación posterior, lo que hace que el margen de error real sea mayor que el que indica la fórmula básica.
• Asumir automáticamente p = 50% cuando ya se tiene información previa sobre la proporción esperada; usar el dato disponible, cuando existe, reduce el tamaño de muestra necesario.

Preguntas relacionadas

• ¿Cómo hacer un estudio de mercado?
• ¿Cualitativo o cuantitativo? Qué necesitas para tu estudio de mercado
• Estudio de mercado B2B: qué lo hace diferente
• ¿Cómo elegir un instituto de investigación de mercados?

Guía elaborada por el equipo de Psyma Ibérica. Próxima revisión prevista en 12 meses.