Calculadora del tamaño de muestra para una media
Esta calculadora del tamaño de muestra para una media determina el número mínimo de observaciones independientes necesario para estimar una media poblacional con el margen de error absoluto y el nivel de confianza bilateral que usted elija.
Ejecutar — gratis
Introduzca la desviación estándar poblacional prevista en las mismas unidades que el margen. La calculadora convierte la confianza en un valor crítico normal estándar, aplica la fórmula de planificación reconocida y redondea hacia arriba hasta una observación completa. Resulta útil para planificar mediciones, encuestas, estudios de laboratorio y controles de calidad antes de recopilar datos.
Elija entradas que describan la medición prevista
Comience por definir con claridad un resultado numérico y la población objetivo. El margen es la mayor distancia aceptable entre la media muestral y la media poblacional, expresada en las unidades originales del resultado. Si el tiempo de entrega se mide en minutos y se necesita una estimación con una precisión de dos minutos, introduzca un margen de 2. La desviación es la desviación estándar poblacional que usted espera para ese mismo resultado, también en minutos. Estímela a partir de un estudio piloto, un estudio anterior fiable, registros operativos o una población realmente comparable. Mezclar unidades hace que el cálculo carezca de sentido; por tanto, no introduzca un margen porcentual salvo que el resultado medido sea en sí un porcentaje. La confianza se introduce como decimal: por ejemplo, 0.95 representa un nivel de confianza bilateral del 95 por ciento. El método presupone observaciones independientes y una desviación estándar estable. Si la estimación de la desviación es incierta, calcule varios escenarios, incluido uno con una desviación prudentemente mayor, porque una variabilidad superior exige más observaciones. Defina la población de análisis, el procedimiento de medición, el margen y la fuente de la desviación antes de consultar el resultado, para evitar que valores convenientes sustituyan silenciosamente los requisitos reales del estudio.
Comprenda la fórmula y el redondeo hacia arriba
La calculadora convierte primero el nivel de confianza bilateral solicitado en un valor crítico de la distribución normal estándar, denominado habitualmente puntuación z. Después multiplica ese valor crítico por la desviación estándar prevista, divide el producto entre el margen objetivo y eleva el resultado al cuadrado. En símbolos, el requisito sin redondear es el cuadrado de z por la desviación dividido entre el margen. El tamaño final de la muestra siempre se redondea hacia arriba, porque no se puede recopilar una fracción de observación y el redondeo ordinario podría dejar el plan ligeramente por debajo de la precisión declarada. La puntuación z mostrada se redondea para facilitar la lectura, pero el cálculo del tamaño muestral utiliza todo el valor interno. Un margen más estrecho aumenta rápidamente el requisito: reducirlo a la mitad multiplica aproximadamente por cuatro el tamaño de la muestra si las demás entradas permanecen iguales. Una desviación mayor o una confianza superior también aumentan el requisito. El resultado es un mínimo de planificación sujeto a los supuestos de la fórmula, no una promesa de que toda media muestral obtenida quedará dentro del margen. La confianza describe la cobertura a largo plazo del procedimiento de intervalo en muestras repetidas, mientras que el resultado real también depende de la calidad del muestreo, los datos ausentes y la representatividad de la variabilidad supuesta.
Ajuste el mínimo estadístico al diseño real del estudio
Interprete el tamaño muestral devuelto como el número de observaciones válidas e independientes necesario para el análisis. No incluye automáticamente mediciones inutilizables, falta de respuesta, abandono de participantes, fallos de equipos ni registros eliminados durante la depuración. Si se espera que solo el 80 por ciento de las observaciones reclutadas siga siendo válido, divida el recuento válido requerido entre 0.8 y redondee hacia arriba para planificar el reclutamiento. Los diseños por conglomerados, como pacientes agrupados en clínicas o productos agrupados por lotes de fabricación, suelen necesitar un ajuste adicional por efecto del diseño, ya que las observaciones de un mismo grupo pueden estar correlacionadas. Las mediciones repetidas de una persona no equivalen automáticamente al mismo número de sujetos independientes. La fórmula también usa un valor crítico normal estándar y presupone que la desviación estándar se conoce con suficiente precisión para planificar. Los estudios muy pequeños con una desviación estimada pueden requerir un método basado en t o iterativo. Una corrección por población finita puede reducir el requisito si se muestrea una parte importante de una población pequeña y conocida, pero aquí no se aplica. Documente cada ajuste y su justificación junto al mínimo estadístico original. Los cálculos automatizados mediante API cuestan $0.002 por solicitud y devuelven el mismo resultado determinista para entradas idénticas.
Qué puede hacer con ella
Planificar un estudio de medición de laboratorio
Determine cuántas muestras independientes necesita para estimar una concentración media dentro de un margen elegido.
Diseñar un estudio de tiempos operativos
Estime el número de observaciones necesario para informar de un tiempo medio de gestión o entrega con una confianza declarada.
Preparar una investigación de control de calidad
Calcule el mínimo de mediciones válidas antes de añadir previsiones por lecturas rechazadas o lotes de producción agrupados.
Preguntas frecuentes
¿Qué fórmula utiliza la calculadora?
Utiliza la fórmula normal para poblaciones grandes: el cuadrado del valor crítico z bilateral multiplicado por la desviación y dividido entre el margen, con redondeo hacia arriba.
¿Deben emplear las mismas unidades el margen y la desviación?
Sí. Si la desviación se mide en kilogramos, el margen también debe expresarse en kilogramos. Mezclar unidades genera un plan inválido.
¿De dónde debe proceder la estimación de la desviación?
Use una muestra piloto, un estudio anterior fiable, datos operativos históricos o una población comparable. Si existe incertidumbre, pruebe una desviación mayor como escenario prudente.
¿El resultado incluye falta de respuesta o datos inutilizables?
No. Es el número mínimo de observaciones válidas e independientes. Aumente por separado el reclutamiento previsto para compensar falta de respuesta, exclusiones, abandonos o fallos de medición.
¿Se aplica una corrección por población finita?
No. Se devuelve el resultado convencional para poblaciones grandes. Aplique la corrección por separado si la muestra representa una parte importante de una población conocida.
Para desarrolladores — acceso por API
Todo lo de esta página está disponible por programación. Esta sección es para equipos que quieren integrarlo en sus sistemas; el resto puede usar la herramienta de arriba sin más.
Endpoint de API
¿Prefiere automatizarlo? Un POST autenticado crea la tarea; el resultado llega por webhook o enlace firmado. La misma capacidad también se ejecuta aquí en la web, por email y desde Telegram — y pronto también desde nuestra app.
Llámela desde su stack
curl -X POST https://api.kit.forhosting.com/stat/sample-size-mean \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"margin":2,"deviation":10,"confidence":0.95}'const res = await fetch("https://api.kit.forhosting.com/stat/sample-size-mean", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"margin": 2,
"deviation": 10,
"confidence": 0.95
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/sample-size-mean",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"margin": 2,
"deviation": 10,
"confidence": 0.95
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/sample-size-mean", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"margin":2,"deviation":10,"confidence":0.95}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"margin":2,"deviation":10,"confidence":0.95}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/sample-size-mean", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Ejemplo de solicitud
{
"margin": 2,
"deviation": 10,
"confidence": 0.95
}Ejemplo de respuesta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.sample_size_mean",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}La API es asíncrona: la llamada devuelve un task_id al instante y el resultado llega por webhook. El polling está limitado a 1 req/s por tarea.
Precio
Precio publicado — sin tokens ni créditos inventados. Una tarea fallida no se cobra.
Errores
| HTTP | Código | Significado |
|---|---|---|
401 | unauthorized | API key ausente o inválida. |
402 | insufficient_balance | El saldo no cubre el precio de la tarea. |
404 | unknown_type | El tipo de tarea no existe. |
429 | rate_limited | Demasiadas peticiones. Use el webhook en vez de sondear. |