Table of Contents
Si estás mirando tu encuesta y te preguntas cuántas respuestas necesitas de verdad, estás planteando la pregunta correcta. La respuesta es más sencilla de lo que sugieren muchos manuales de estadística. El tamaño de muestra depende de tres ideas claras, un par de cifras de referencia que conviene recordar y una verdad sincera sobre lo que importa más que alcanzar un total mágico.
Esta guía está escrita para tu versión de estudiante bajo presión: tienes una fecha límite, un supervisor que pide «una muestra adecuada» y ninguna gana de perderte entre fórmulas. Mantendremos las matemáticas al mínimo, te daremos cifras que puedes citar y te enviaremos a una calculadora cuando necesites un valor exacto. Si necesitas justificar las matemáticas, consulta la fórmula del tamaño de muestra explicada.
Esta es la versión en una línea, por si no lees más. Para una población grande y niveles de confianza habituales, busca unas 385 respuestas para un resultado preciso, o unas 100 si puedes aceptar uno menos preciso. A continuación explicamos de dónde salen esas cifras y cómo ajustarlas a tu estudio.
Las dos palabras que deciden el tamaño de muestra
Dos ideas determinan la cifra: el nivel de confianza y el margen de error. Si entiendes ambas, el resto consiste en consultar una tabla.
El nivel de confianza indica hasta qué punto quieres asegurarte de que el resultado no sea fruto del azar. El estándar en casi todos los trabajos de estudiantes es el 95%. Significa que, si repitieras el estudio muchas veces, unas 95 de cada 100 versiones quedarían cerca de la respuesta real. Puedes subir al 99%, pero exige muchas más respuestas a cambio de una mejora pequeña, así que el 95% es el valor predeterminado sensato.
El margen de error es el intervalo alrededor de tu resultado. Si el 60% de la muestra prefiere la opción A con un margen del 5%, la cifra real se encuentra entre el 55% y el 65%. Un margen menor ofrece más precisión y requiere más respuestas. La mayoría de las encuestas usa un margen del 5%; un 10% puede ser aceptable para trabajos exploratorios o en una fase inicial.
Cómo expresarlo en una frase
«Con un nivel de confianza del 95% y un margen de error del 5%» significa: tengo una confianza del 95% en que la respuesta real está a menos de cinco puntos de lo observado en mi muestra. Esa es la formulación que tu supervisor espera en la sección de métodos.
Las cifras de referencia que conviene recordar
Para una población grande, aproximadamente más de 20.000 personas o cualquier población tan amplia que apenas afecte al cálculo, con una confianza del 95%, el tamaño necesario es fijo y merece la pena recordarlo:
- 385 respuestas para un margen de error del 5%
- 97 respuestas para un margen de error del 10%
- 1.067 respuestas para un margen de error del 3%
Observa el patrón: reducir el margen aproximadamente a la mitad, del 10% al 5%, multiplica por cuatro las respuestas necesarias. Reducirlo todavía más, al 3%, vuelve a elevar mucho el coste. La precisión exige recursos. Por eso no tiene sentido perseguir un margen del 3% en un trabajo de clase cuando un 5% o incluso un 10% basta para responder a tu pregunta.
Para conocer la cifra exacta de tu estudio, introduce tus datos en la calculadora de tamaño de muestra. Se ocupa del nivel de confianza, el margen de error y la población para que no tengas que tocar la fórmula.
Tamaño de muestra según la población
Las cifras anteriores suponen una población grande. Si tu población es pequeña, por ejemplo los 300 estudiantes de tu departamento o los 80 empleados de una empresa, necesitas menos respuestas porque se aplica una «corrección por población finita». Esta es una tabla estándar para una confianza del 95% y un margen del 5%.
Muestra necesaria con 95% de confianza y 5% de margen
| Tamaño de la población | Respuestas necesarias |
|---|---|
| 100 | 80 |
| 200 | 132 |
| 300 | 169 |
| 500 | 217 |
| 1.000 | 278 |
| 2.000 | 322 |
| 5.000 | 357 |
| 10.000 | 370 |
| 50.000 | 381 |
| 100.000 o más | 385 |
Destacan dos cosas. Primero, en una población pequeña necesitas una proporción sorprendentemente grande, como 80 de cada 100 personas. Segundo, por encima de unas 20.000 personas la cifra apenas cambia, de ahí que 385 sea tan conocida. Si tu población objetivo es enorme, no te preocupes por su tamaño: el requisito se estabiliza.
Reglas prácticas para análisis habituales de estudiantes
A veces la pregunta no es «qué precisión tiene mi porcentaje», sino «tengo datos suficientes para aplicar mi prueba estadística». En esos casos se usan reglas prácticas. Son orientaciones, no leyes. Se enseñan con frecuencia, pero tu método o supervisor puede exigir otra cifra. Trátalas como un mínimo que debes comentar, no como una garantía.
Son orientaciones, no reglas estrictas
Las cifras siguientes son convenciones habituales para planificar, no requisitos exactos. Para justificar con rigor la muestra necesaria para detectar un efecto concreto, realiza un análisis de potencia. Comprueba siempre lo que espera tu método y tu supervisor.
- Regresión: una orientación común es contar con al menos 10 a 15 participantes por variable predictora. Cinco predictores sugieren un mínimo aproximado de 50 a 75 participantes, y más si esperas efectos pequeños.
- Pruebas t y comparaciones entre grupos: unas 30 personas por grupo es una convención aproximada para obtener resultados razonablemente estables. Las diferencias pequeñas o sutiles requieren bastantes más.
- Correlaciones: muchos manuales recomiendan alrededor de 30 participantes o más para obtener una estimación estable, con muestras mayores si esperas relaciones débiles.
- Análisis factorial y encuestas con muchos ítems: las convenciones varían mucho. A menudo se habla de varios participantes por ítem o de unos cientos en total. Consulta la orientación específica de tu técnica.
Cuando diseñas un experimento y quieres superar las reglas prácticas, un análisis de potencia calcula la muestra necesaria para detectar un efecto de un tamaño determinado. Nuestra calculadora de potencia estadística lo hace por ti y ofrece una justificación más sólida de tu n en una tesis.
Lo que importa más que alcanzar una cifra mágica
Esta es la parte que los manuales suelen esconder. Una muestra representativa de 200 personas es mejor que una muestra sesgada de 2.000. El tamaño controla la precisión, pero no mejora la exactitud. Si quienes respondieron son sistemáticamente distintos de la población que te interesa, una muestra mayor solo produce una respuesta incorrecta con más confianza.
Dedica al menos la misma energía a dos aspectos. Primero, la representatividad: ¿la muestra refleja realmente la población sobre la que quieres hablar? Una encuesta compartida solo en un grupo de Facebook representa a ese grupo, no a «los estudiantes» en general. Segundo, la calidad de las respuestas: las respuestas apresuradas, desatentas o contradictorias contaminan los datos, por muchas que recojas. Añade una comprobación de atención, identifica a quienes terminan a una velocidad imposible y lee nuestra guía para recoger datos de encuesta de alta calidad.
Una muestra mayor no corrige el sesgo
Si tu método de captación llega a las personas equivocadas, captar a más de ellas empeora el problema. Corrige a quién preguntas antes de preocuparte por cuántas personas responden.
Qué hacer si no puedes alcanzar el objetivo
La realidad interviene. Llega la fecha límite y tienes 140 respuestas en lugar de las 385 previstas. Dispones de buenas opciones y ninguna consiste en inventar datos.
Informa de ello con honestidad como una limitación. Una sección de métodos que indique la muestra conseguida, el margen de error más amplio resultante y cómo limita las conclusiones es más sólida, no más débil, que una que finja que todo salió perfecto. Los supervisores valoran la honestidad sobre las limitaciones.
Adapta el análisis a tus datos. Con una muestra menor, presenta los resultados como provisionales, evita dividirla en subgrupos diminutos y apóyate en estadísticas descriptivas en lugar de pruebas que necesitan muchos datos. No ejecutes una regresión con diez predictores sobre 60 personas y la presentes como sólida.
O consigue más participantes. A menudo basta con mejorar la distribución. Un intercambio como el intercambio gratuito de SurveySwap te permite obtener respuestas reales contestando las encuestas de otras personas, una ayuda muy útil durante la última semana antes de la entrega. Nuestra guía para encontrar participantes para una encuesta de tesis reúne más tácticas dirigidas al público académico.
La conclusión es sencilla: elige un nivel de confianza, normalmente el 95%, y un margen de error que puedas aceptar. Usa las cifras de referencia o la calculadora para fijar el objetivo y dedica después el esfuerzo a llegar a las personas adecuadas y mantener sus respuestas limpias. Esa combinación, no una gran cifra redonda, hace defendible el tamaño de muestra.
Preguntas frecuentes
¿Cuántos participantes necesito para una encuesta de tesis?
Depende de la población y de la precisión que necesites. Para una población grande con una confianza del 95%, busca unas 385 respuestas para un margen del 5%, o menos si la población es pequeña; la tabla anterior ofrece las cifras exactas. Para contrastar hipótesis, un análisis de potencia es la forma más sólida de justificar la muestra.
¿Cuál es un buen tamaño de muestra para una investigación cuantitativa?
No existe una única cifra «buena»: depende del nivel de confianza, el margen de error y la población. Como referencia habitual, muchos estudios de estudiantes buscan entre 100 y 385 respuestas. Usa la calculadora de tamaño de muestra para obtener tu cifra exacta y recuerda que la representatividad importa más que el tamaño bruto.
¿Son suficientes 30 participantes para una encuesta?
Para comparaciones aproximadas, 30 personas por grupo es una regla práctica muy citada, pero no una garantía. Treinta suele ser insuficiente para estimar porcentajes con precisión, porque el margen es amplio, o para detectar efectos pequeños. Trátalo como un mínimo absoluto para una comparación pequeña, no como el objetivo de una encuesta completa.
¿Una muestra mayor siempre ofrece mejores resultados?
No. Una muestra mayor mejora la precisión, pero no corrige el sesgo. Una muestra representativa de 200 personas es más fiable que una muestra sesgada de 2.000. Primero llega a las personas adecuadas y recoge respuestas de calidad; después, alcanza el tamaño objetivo.