Referencia

Tamaño de la muestra en función del tamaño de la población.

Una de las cosas más sorprendentes de la planificación de encuestas es que el tamaño de la muestra no crece linealmente con el tamaño de la población. Una vez que las poblaciones son lo suficientemente grandes, los tamaños de muestra necesarios varían solo ligeramente bajo supuestos estándar.

Por qué el tamaño de la población importa menos de lo que mucha gente espera

Cuando las poblaciones son grandes, los principales factores que determinan el tamaño de muestra necesario son el nivel de confianza, el margen de error y la proporción estimada. El tamaño de la población sigue siendo importante, pero su efecto es menor de lo que la mayoría de la gente supone.

Por eso, una población de 100.000 habitantes no requiere una muestra 10 veces mayor que una población de 10.000 habitantes.

Cuando el tamaño de la población importa más

El tamaño de la población es más relevante cuando la audiencia es relativamente pequeña y conocida, como por ejemplo unos cientos de empleados o unos miles de clientes. En esos casos, la corrección para poblaciones finitas puede reducir notablemente el tamaño de la muestra necesaria.

Esto es especialmente relevante para las encuestas internas y las campañas de difusión basadas en listas de contactos.

Cómo usar esta página

Utilice esta página como referencia rápida para la planificación, no como sustituto de establecer sus supuestos con precisión. Una misma población puede requerir diferentes tamaños de muestra según el nivel de confianza y el margen de error que elija.

Si desea una respuesta precisa, utilice la calculadora en lugar de basarse únicamente en el tamaño de la población.

Lo que esto significa en la práctica

El tamaño de la población suele ser más importante en los casos de muestras pequeñas, donde una encuesta puede alcanzar una parte significativa del público total. Por eso, los estudios basados ​​en listas se comportan de manera diferente a las encuestas públicas a gran escala.

El error práctico que se debe evitar es elegir una muestra basándose únicamente en el tamaño de la población. La configuración de precisión sigue siendo fundamental una vez que la audiencia alcanza un tamaño moderado.

  • Se prevé que el mayor efecto poblacional se observe en audiencias más pequeñas y conocidas.
  • Utilice la corrección de población finita cuando la muestra sea una gran parte de la lista.
  • No asuma que las poblaciones grandes requieren muestras proporcionalmente grandes.
  • Establezca el nivel de confianza y el margen de error antes de utilizar tablas de población.

Páginas relacionadas para Tamaño de la muestra en función del tamaño de la población.

Preguntas frecuentes

¿Qué aprenderé en esta página?
Una de las cosas más sorprendentes de la planificación de encuestas es que el tamaño de la muestra no crece linealmente con el tamaño de la población. Una vez que las poblaciones son lo suficientemente grandes, los tamaños de muestra necesarios varían solo ligeramente bajo supuestos estándar.
¿Para quién es esta guía de encuestas?
Esta guía es para investigadores, marketers, equipos de operaciones y cualquier persona que planifique una encuesta y quiera tomar mejores decisiones sobre precisión, tamaño de muestra e informes.
¿Qué debo hacer después de leer esta página?
Usa la explicación de esta página para elegir supuestos realistas y luego pasa a la calculadora o a las páginas relacionadas para estimar el tamaño de muestra o el rango de reporte que necesitas.
¿Por qué el tamaño de la muestra deja de crecer significativamente en poblaciones grandes?
Porque una vez que la población es lo suficientemente grande, los supuestos de precisión y confianza dominan el cálculo. El tamaño adicional de la población añade relativamente poca incertidumbre en comparación con esos parámetros.
¿Cuándo debería el tamaño de la población influir en mi planificación?
El tamaño de la población debería influir en la planificación principalmente cuando la audiencia es pequeña, conocida y delimitada. En esos casos, la corrección por población finita puede reducir notablemente los requisitos de muestra.