¿Cuál es un buen tamaño de muestra para una encuesta?
No existe un número único que siempre represente un buen tamaño de muestra. El tamaño adecuado depende de la precisión que se requiera en el resultado y del uso que se le vaya a dar a la encuesta.
¿Por qué no hay una respuesta universal?
Un tamaño de muestra adecuado para un estudio puede resultar excesivo para otro. Un sondeo de opinión puntual y un proyecto de investigación de mercado de gran envergadura no requieren el mismo nivel de certeza ni de precisión.
Por eso, el tamaño de la muestra debe ser proporcional a la importancia de la decisión.
Un punto de referencia común
Para poblaciones grandes, un nivel de confianza del 95 % y un margen de error del 5 % suelen arrojar un objetivo cercano a los 300. Por eso, muchos planificadores de encuestas ven con tanta frecuencia cifras cercanas a 385.
Pero este es solo un punto de partida común, no una regla que se ajuste a todas las encuestas.
¿Qué hace que un tamaño de muestra sea adecuado?
Un tamaño de muestra adecuado es aquel que permite obtener conclusiones fiables, es realista para el proyecto y apropiado para el análisis de subgrupos si se necesitan comparaciones.
Si los resultados de la encuesta se van a segmentar por región, departamento, nivel de cliente o tipo de dispositivo, es posible que esos subgrupos necesiten una planificación específica.
Cómo juzgar si un objetivo es realmente bueno
Un tamaño de muestra adecuado es aquel que respalda la decisión que se debe tomar con la precisión suficiente para ser creíble. Esto generalmente significa que el número no es ni demasiado pequeño para generar confianza ni tan grande como para desperdiciar tiempo y presupuesto.
La etiqueta de "bueno" pierde validez cuando se ignora la estructura de la audiencia. Una muestra que es representativa de toda la población puede resultar deficiente para comparar equipos, regiones o grupos de clientes.
- Adapta el objetivo a lo que está en juego en la decisión.
- Compruebe si el análisis de subgrupos modifica el requisito.
- Equilibrar la precisión con el costo y la realidad del trabajo de campo.
- Evite tratar los puntos de referencia comunes como reglas universales.