Cómo usar esta calculadora
- Introduce el tamaño de la población objetivo.
- Define el margen de error máximo.
- Selecciona el nivel de confianza.
- Indica la proporción esperada y calcula.
#3179 · Herramienta de IA y tecnología
Calculadora del tamaño de muestra para modelos de atribución
Estima el tamaño de muestra necesario para medir una proporción en modelos de atribución con un margen de error y un nivel de confianza definidos. Incluye corrección por población finita y permite ajustar la proporción esperada cuando existe información previa.
Calculadora
Precisión estadísticaFórmula
n₀ = z²p(1−p) / e²; n = n₀ / (1 + (n₀−1)/N)
N es la población, e el margen de error en forma decimal, p la proporción esperada y z el valor crítico normal.
Qué significa el resultado
El resultado aproxima cuántas observaciones necesitas para estimar una proporción de modelos de atribución bajo un esquema de muestreo aleatorio simple.
No compensa diseños complejos, no respuesta, ponderaciones ni clustering. Si existen, añade un factor de diseño y una reserva por pérdidas.
Ejemplo de cálculo
Para una población de 100.000, un 95 % de confianza, 5 % de margen y proporción esperada del 50 %, se requieren aproximadamente 383 observaciones tras la corrección por población finita.
Consejos para obtener mejores resultados
- Usa 50 % si desconoces la proporción esperada.
- Añade una reserva por no respuesta antes de recolectar datos.
- Si compararás segmentos, verifica el tamaño dentro de cada grupo.
- Para diseños agrupados, ajusta por efecto de diseño.
Preguntas frecuentes
¿Qué tamaño de muestra necesito para modelos de atribución con 95 % de confianza?
Depende del margen de error, la población y la proporción esperada. Con población grande, 5 % de margen y p=50 %, suele resultar cerca de 385 casos.
¿Por qué usar 50 % como proporción esperada en modelos de atribución?
Porque maximiza p(1−p) y produce un tamaño de muestra conservador cuando no existe una estimación previa fiable.
¿Cómo afecta una población pequeña al tamaño de muestra de modelos de atribución?
La corrección por población finita puede reducir la muestra necesaria cuando la muestra representa una fracción relevante de la población.
¿Debo aumentar la muestra de modelos de atribución por respuestas incompletas?
Sí. Divide la muestra requerida entre la tasa de respuesta esperada para estimar cuántas invitaciones o registros iniciales necesitas.
¿Puedo usar esta muestra para comparar varios segmentos de modelos de atribución?
El cálculo es para una proporción global. Si necesitas precisión dentro de cada segmento, planifica tamaños suficientes por grupo y considera comparaciones múltiples.
Calculadoras relacionadas
Resumen de variables
| Elemento | Uso |
|---|---|
| Entradas | Datos definidos por el usuario |
| Resultado principal | Estimación calculada en el navegador |
| Resultados secundarios | Indicadores para interpretar la estimación |