La respuesta corta: el tamaño de muestra depende de la precisión que necesitas y del efecto que quieres detectar. Para un margen de error E sobre una media, n = (zσ/E)². Para una diferencia entre dos grupos, n crece con el cuadrado del efecto estandarizado que necesitas detectar. La agrupación en conglomerados, la falta de respuesta y los análisis por subgrupos elevan la cifra requerida.

Puntos clave

  • Dos objetivos distintos: un cálculo de margen de error responde «¿qué precisión?», mientras que un cálculo de potencia responde «¿qué puedo detectar?».
  • El tamaño de muestra tiene rendimientos decrecientes. Cuadruplicar n reduce a la mitad el margen de error, a cuatro veces el costo.
  • La potencia suele fijarse en 80 % o 90 %. Una potencia menor implica que un efecto real probablemente pase inadvertido.
  • Los efectos de diseño multiplican la n requerida. Las muestras por conglomerados pueden necesitar dos o tres veces más observaciones que una muestra aleatoria simple.
  • Las muestras más grandes no corrigen el sesgo. Un diseño sesgado sigue sesgado en cualquier tamaño.

Qué compra el tamaño de muestra y qué no

Una muestra más grande compra precisión y potencia. La precisión es el ancho del intervalo de confianza alrededor de tu estimación; la potencia es la probabilidad de detectar un efecto de un tamaño dado si existe. Ambas mejoran con n, pero ninguna corrige una muestra no representativa, un cuestionario que mide lo equivocado ni un diseño que confunde correlación con causalidad.

Por eso la planificación del tamaño de muestra empieza por la pregunta, no por la fórmula. ¿Estimas una media poblacional, comparas dos grupos, mides una proporción o pruebas varios subgrupos? Cada objetivo tiene su propio cálculo, y la n requerida más grande suele regir el diseño.

Tamaño de muestra para una media

Al reordenar la fórmula del margen de error E = zσ/√n se obtiene:

n = (z × σ ÷ E)²

Supón que se estima que la desviación estándar poblacional es de 15 puntos y quieres un margen de error del 95 % de 2 puntos. Entonces n = (1.96 × 15 ÷ 2)² = (14.7)² = 216.09, que se redondea hacia arriba a 217. Redondea siempre hacia arriba: 216 daría un margen ligeramente mayor que el solicitado.

Si la población es finita, aplica la corrección nadj = n ÷ (1 + (n − 1)/N). Con N = 2,000, el tamaño ajustado es 217 ÷ (1 + 216/2,000) = 217 ÷ 1.108 = 195.9, así que bastan 196 observaciones. La corrección importa cuando la muestra representa una fracción sustancial de la población, aproximadamente por encima del 5 %.

Tamaño de muestra para una proporción

Para una proporción con margen de error E, la fórmula es:

n = z² × p(1 − p) ÷ E²

Cuando p es desconocida, usa p = 0.5, que maximiza p(1 − p) y por lo tanto da la muestra más conservadora. Para un margen de error del 95 % de 3 puntos porcentuales, n = 3.8416 × 0.25 ÷ 0.0009 = 1,067.1, que se redondea hacia arriba a 1,068. Si la evidencia previa sugiere que p está cerca de 0.2, el tamaño requerido baja a 3.8416 × 0.16 ÷ 0.0009 = 683.

Se aplica la misma corrección para población finita. Para N = 20,000, los 1,068 se convierten en 1,068 ÷ (1 + 1,067/20,000) = 1,014. Para una población de unos cientos, la corrección puede recortar la muestra de forma drástica, y por eso a menudo es factible hacer un censo de una organización pequeña.

Potencia y tamaño del efecto

La potencia es la probabilidad de rechazar la hipótesis nula cuando la alternativa es verdadera. El objetivo convencional es 80 %, es decir, un 20 % de probabilidad de falso negativo, aunque en los ensayos clínicos es común el 90 %. Para una comparación de medias entre dos grupos, una aproximación estándar es:

n por grupo ≈ 2 × (z1−α/2 + z1−β)² ÷ δ²

Aquí δ es el tamaño del efecto en unidades de desviación estándar. Con α = 0.05 y 80 % de potencia, el numerador es 2 × (1.96 + 0.842)² = 15.70. Un efecto moderado de δ = 0.5 necesita 15.70 ÷ 0.25 = 63 por grupo; un efecto pequeño de δ = 0.2 necesita 15.70 ÷ 0.04 = 393 por grupo; un efecto grande de δ = 0.8 necesita solo 25 por grupo.

La lección es que los efectos pequeños son caros. Reducir a la mitad el tamaño del efecto cuadruplica la muestra, y eso antes de contar la pérdida de seguimiento o la agrupación en conglomerados. Los cálculos de potencia deben usar el efecto más pequeño que sería prácticamente significativo, no el más grande que esperas observar.

Efecto de diseño y muestras por conglomerados

Las observaciones de un conglomerado —estudiantes en un aula, pacientes en una clínica, residentes en un barrio— suelen parecerse más entre sí que las observaciones extraídas de forma independiente. Esa similitud reduce la información efectiva de cada observación. El efecto de diseño es:

DEFF = 1 + (m − 1) × ρ

donde m es el tamaño del conglomerado y ρ es la correlación intraclase. Con m = 30 y ρ = 0.05, DEFF = 1 + 29 × 0.05 = 2.45. Para obtener la precisión de 400 observaciones independientes, necesitas unas 400 × 2.45 = 980 observaciones en conglomerados. El tamaño efectivo de muestra es n ÷ DEFF, no n.

Los pesos de encuesta crean un segundo efecto de diseño, porque la ponderación desigual reduce el tamaño efectivo de muestra incluso sin conglomerados. El software que informa un «efecto de diseño» suele combinar ambos. Si los ignoras, el margen de error informado será demasiado pequeño y el estudio parecerá más preciso de lo que es.

Poblaciones finitas y tasas de respuesta

La corrección para población finita reduce n cuando la muestra es una parte grande de la población, pero no exime de la falta de respuesta. Si necesitas 400 entrevistas completadas y esperas una tasa de respuesta del 60 %, invita al menos a 400 ÷ 0.60 = 667 personas. Si la respuesta difiere sistemáticamente entre quienes contestan y quienes no, el sesgo resultante no se repara con una lista de invitados más grande.

La pérdida de seguimiento funciona igual en los estudios longitudinales. Un estudio que necesita 500 participantes en la última ola y espera un 20 % de abandono debería reclutar unos 625. Planifica el aumento antes de recoger los datos y controla la respuesta por subgrupo para que la falta de respuesta diferencial sea visible.

Subgrupos, resultados raros y comparaciones múltiples

Una muestra global puede ser adecuada para la estimación principal e inútil para las comparaciones por subgrupo. Si cuatro subgrupos necesitan 400 observaciones cada uno para la misma precisión, el total es 1,600 a menos que el diseño sobremuestree. Las pruebas de interacción necesitan aún más, porque el efecto que se prueba es una diferencia entre diferencias.

Los resultados raros necesitan muestras más grandes porque la información efectiva depende del número de eventos, no solo del número de personas. Un estudio con una tasa de eventos del 1 % y 1,000 participantes observa unos 10 eventos, una cifra demasiado baja para un modelado estable. Los desenlaces múltiples y las comparaciones múltiples también elevan la evidencia requerida, ya que cada prueba adicional aumenta la probabilidad de un falso positivo.

Qué cifras introducir

Usa una desviación estándar de estudios previos, de un piloto o de un supuesto conservador, e indica la fuente. Para las proporciones, usa el valor plausible más conservador salvo que tengas buena evidencia de otro. Para la potencia, especifica el efecto más pequeño que cambiaría una decisión, no el efecto que esperas observar.

Desconfía de introducir un tamaño de efecto estimado a partir de un piloto pequeño: esas estimaciones son ruidosas y suelen estar infladas, lo que hace que la muestra planificada sea demasiado pequeña. Normalmente es mejor calcular la potencia para un efecto menor que el que sugiere el piloto, o usar un diseño robusto frente a la incertidumbre en el tamaño del efecto.

Errores comunes

  • Redondear hacia abajo en lugar de hacia arriba, lo que incumple en silencio el margen de error objetivo.
  • Usar la corrección para población finita cuando la muestra es una fracción mínima de la población.
  • Calcular la potencia para el efecto que esperas encontrar y no para el efecto más pequeño que importa.
  • Ignorar la agrupación en conglomerados o la ponderación, lo que reduce mucho el tamaño efectivo de muestra respecto del recuento bruto.
  • Olvidar aumentar la muestra por falta de respuesta, abandono o registros inutilizables.
  • Calcular la potencia después del estudio y llamar «negativo» a un resultado sin potencia suficiente.

Advertencias prácticas

El tamaño de muestra es una decisión presupuestaria tanto como estadística. Duplicar la muestra a menudo duplica el costo y solo mejora la precisión alrededor de un 41 %, así que el tamaño correcto equilibra el valor de la precisión con el costo de recoger los datos. Una muestra más pequeña, bien medida y representativa puede superar a una más grande y sesgada.

Por último, registra o documenta la justificación del tamaño de muestra antes de recoger los datos. Una muestra planificada protege frente a la tentación de detenerse cuando el resultado parece significativo y hace auditables las afirmaciones de precisión del estudio. Los estudios sin potencia suficiente no solo son ineficientes; desperdician el tiempo de los participantes y pueden producir una literatura engañosa.

Preguntas frecuentes

¿Qué es la potencia estadística?

Es la probabilidad de detectar un efecto de un tamaño especificado cuando ese efecto es real. Equivale a 1 menos la tasa de falsos negativos, y el 80 % es un objetivo mínimo habitual.

¿Cómo elijo el margen de error?

Elige el margen más grande que aún permita tomar la decisión que necesitas. Una encuesta política puede tolerar ±3 puntos; una medición clínica puede necesitar una precisión mucho más fina.

¿Una muestra más grande siempre significa mejores resultados?

No. Una muestra más grande mejora la precisión y la potencia, pero no puede corregir el sesgo de selección, el error de medición ni un diseño con confusión. La representatividad importa tanto como el tamaño.

¿Qué es un efecto de diseño?

Es la razón entre la varianza bajo un diseño complejo y la varianza de una muestra aleatoria simple del mismo tamaño. La agrupación en conglomerados y la ponderación desigual suelen elevarlo por encima de 1, lo que aumenta la muestra necesaria.

¿Puedo usar una fórmula de tamaño de muestra para una proporción cuando p es desconocida?

Sí. Usa p = 0.5 para la estimación más conservadora, o un valor plausible de datos previos si lo tienes. Informa el supuesto para que los lectores puedan juzgar la afirmación de precisión.

¿Por qué necesito más participantes de los que indica mi cálculo?

Porque el cálculo suele suponer datos completos y muestreo aleatorio simple. Aumenta la muestra por falta de respuesta, abandono, respuestas inutilizables y efectos de diseño antes de empezar a reclutar.