Qué hace esta calculadora
El error típico responde a una pregunta muy concreta: si repitieras el estudio muchas veces, ¿cuánto variaría la media obtenida? No mide la dispersión de los datos individuales, sino la precisión de la media como estimación. Es la pieza que convierte una media en un intervalo de confianza y la base de muchos contrastes de hipótesis. Esta calculadora aplica la fórmula SE = s ÷ √n, la más habitual cuando se conoce la desviación típica de la muestra. Con ella puedes comprobar cómo mejora la precisión al aumentar el tamaño muestral y por qué duplicar la muestra no reduce el error a la mitad.
Cómo usarla
- Escribe la desviación típica de la muestra.
- Indica el número de observaciones de la muestra.
- Revisa el error típico resultante.
- Interpreta el error en las mismas unidades que la media.
- Calcula un intervalo aproximado con media ± 1,96 × error para un 95 % de confianza.
- Prueba a aumentar el tamaño muestral para ver cuánto baja el error.
Cómo funciona
Ejemplos de cálculo
Ejemplo 1: desviación 15 y muestra de 25
Con s = 15 y n = 25, el error típico es 15 ÷ 5 = 3. Si la media de la muestra fuera 100, el intervalo de confianza del 95 % sería aproximadamente 100 ± 5,9, es decir, entre 94,1 y 105,9. El error está en las mismas unidades que los datos.
Ejemplo 2: muestra más grande
Con la misma desviación de 15 pero n = 100, el error típico baja a 15 ÷ 10 = 1,5. Cuadruplicar la muestra redujo el error a la mitad. El intervalo del 95 % se estrecha a unos 100 ± 2,9.
Ejemplo 3: datos muy dispersos
Con s = 2,5 y n = 100, el error típico es 0,25. Aunque la desviación es pequeña, el error típico es aún menor porque la muestra es grande. Con s = 40 y n = 16, el error sería 10: una muestra pequeña y dispersa produce una estimación poco precisa.
Qué significa el resultado
El error típico se interpreta como la desviación típica de la media muestral: si repitieras el muestreo, las medias se repartirían alrededor de la verdadera con esa variabilidad. Por eso un error típico pequeño es señal de precisión, no de que los datos sean homogéneos. No confundas el error típico con la desviación típica: la desviación describe cuánto se separan las observaciones entre sí; el error típico describe cuánto se separa la media estimada del valor real. Al aumentar la muestra, el error baja con la raíz de n: para reducirlo a la mitad necesitas cuatro veces más datos, y para reducirlo a un tercio, nueve veces más. Si la muestra es pequeña, usa la distribución t en lugar de 1,96 para el intervalo.
Errores comunes
- Confundir el error típico con la desviación típica de los datos.
- Dividir entre n en lugar de entre la raíz cuadrada de n.
- Usar el error típico para describir la dispersión individual.
- Aplicar 1,96 con muestras pequeñas sin usar la distribución t.
- Olvidar que el error está en las mismas unidades que la media.
- Suponer que el error típico mide el error de medición o el sesgo.
Supuestos y límites
- La muestra es representativa de la población.
- Las observaciones son independientes entre sí.
- La desviación típica introducida corresponde a la muestra.
- El tamaño muestral es mayor que uno.
- Para el intervalo del 95 % se usa la aproximación normal.
Preguntas frecuentes
¿Qué diferencia hay entre desviación típica y error típico?
La desviación típica mide cuánto se dispersan las observaciones individuales. El error típico mide cuánto varía la media de la muestra. El error típico siempre es menor o igual que la desviación, porque divide por la raíz del tamaño muestral.
¿Cómo calculo un intervalo de confianza?
Para muestras grandes, el intervalo del 95 % es aproximadamente media ± 1,96 × error típico. Con muestras pequeñas, sustituye 1,96 por el valor de la distribución t con n − 1 grados de libertad.
¿Por qué el error no baja proporcionalmente con la muestra?
Porque la fórmula divide por la raíz de n. Pasar de 25 a 100 observaciones divide el error entre 2, no entre 4. Mejorar la precisión cuesta cada vez más datos.
¿El error típico depende de la desviación de la población o de la muestra?
La fórmula clásica usa la desviación de la muestra como estimación de la de la población. Si conoces la desviación poblacional, puedes usarla directamente; el resultado suele ser parecido con muestras grandes.
¿Sirve para proporciones?
Para proporciones se usa una fórmula distinta: SE = √(p × (1 − p) ÷ n). Esta calculadora está pensada para medias de variables numéricas.
¿Un error típico pequeño garantiza que la media sea correcta?
No. Un error pequeño indica precisión, pero si la muestra está sesgada la estimación puede ser precisa y equivocada a la vez. La representatividad de la muestra es tan importante como su tamaño.
Fuentes
Actualización 2026
Cómo usar el resultado profesional
Esta página no es solo una caja de fórmula. El resultado está pensado para comprobarlo, compararlo y llevarlo contigo.
- Hoja de trabajo profesional. El resultado incluye los datos usados, el método y el alcance, además de una comprobación de sensibilidad de una variable para calculadoras financieras.
- Escenarios A/B. Guarda dos conjuntos de datos en el navegador y compara las cifras principal, secundaria y el desglose lado a lado.
- Imprimir / PDF y CSV. Imprime una hoja con la marca o exporta la tabla anual cuando la calculadora la genera.
Las fórmulas y los supuestos anteriores siguen gobernando la cifra. La hoja de trabajo hace la estimación auditable; no la convierte en una cotización de un prestamista, una declaración de impuestos ni asesoría personalizada.