¿Cómo se determina el tamaño de una población? fórmula y ejemplos

Imagina que eres biólogo y necesitas saber cuántos jaguares viven en la selva amazónica. No puedes contar uno por uno. O eres dueño de una fábrica y quieres medir la satisfacción de 50.000 clientes. Entrevistar a todos sería un suicidio financiero. Entonces, ¿cómo se resuelve este problema? Con una herramienta matemática fascinante: la determinación del tamaño de una población mediante muestreo estadístico.

En este artículo aprenderás, sin rodeos, las fórmulas clave, los ejemplos paso a paso y los errores más comunes al calcular tamaños de población. Al final, podrás aplicar estos conceptos en estudios de mercado, ecología, control de calidad y ciencias sociales. Vamos al grano.

Conceptos fundamentales: población vs. muestra

Antes de lanzarnos a las fórmulas, debemos aclarar dos términos que muchos estudiantes confunden:

• Población (N): Es el conjunto total de individuos, objetos o eventos que cumplen una característica común. Ejemplo: todos los estudiantes de una universidad (15.000 personas).
• Muestra (n): Es un subconjunto representativo de esa población. Ejemplo: 500 estudiantes seleccionados al azar.

¿Por qué no estudiamos toda la población? Porque sería:

• Demasiado costoso
• Demasiado lento
• En muchos casos, imposible (poblaciones infinitas o en constante cambio)

Entonces, el objetivo es elegir un tamaño de muestra (n) que sea lo suficientemente grande para que los resultados sean confiables, pero no tan grande que resulte ineficiente.

Factores que influyen en el tamaño de la muestra

No existe un único número mágico. El tamaño de muestra depende de cuatro factores críticos:

Regla mnemotécnica: «No olvides: Z, e, p, N».

Fórmulas para determinar el tamaño de la población (tamaño de muestra)

Aquí viene lo que buscabas. Existen dos escenarios principales:

Población infinita o muy grande (N > 100.000)

Cuando la población es enorme o desconocida, usamos:$$n=\frac{Z^2\cdot p\cdot q}{e^2}$$​

Dónde:

• $Z$ = nivel de confianza (ej. 1,96 para 95%)
• $p$ = probabilidad de éxito (0,5 si es desconocida)
• $q$ = 1 – p
• $e$ = margen de error (ej. 0,05)

Población finita (N conocida y menor a 100.000)

Ajustamos la fórmula anterior para poblaciones no infinitas:$$n=\frac{N\cdot Z^2\cdot p\cdot q}{e^2\cdot (N-1)+Z^2\cdot p\cdot q}$$​

Esta fórmula corrige el sobremuestreo cuando N no es enorme.

💡 Nota importante: En la práctica, muchos investigadores usan la fórmula de población infinita cuando N > 50.000, porque la corrección es mínima.

Ejemplos resueltos paso a paso (para que lo entiendas ya)

Ejemplo 1: Población infinita – Encuesta de satisfacción online

Problema: Una empresa quiere medir la satisfacción de sus usuarios de redes sociales. Hay millones de posibles encuestados. Usarán 95% de confianza, margen de error 5% y asumen máxima variabilidad.

Datos:

• Z = 1,96
• p = 0,5
• q = 0,5
• e = 0,05

Paso 1: Calcular $Z^2=1,{96}^2=3,8416$
Paso 2: $p\cdot q=0,5\times 0,5=0,25$
Paso 3: $e^2=0,0025$
Paso 4: Aplicar fórmula:$$n=\frac{3,8416\times 0,25}{0,0025}=\frac{0,9604}{0,0025}=384,16$$

Resultado: Necesitan encuestar a 385 personas (redondeando al alza).

Ejemplo 2: Población finita – Estudiantes de una escuela

Problema: Una escuela con 800 estudiantes quiere saber qué porcentaje apoya cambiar el uniforme. Confianza 95%, error 5%, variabilidad máxima.

Datos:

• N = 800
• Z = 1,96 → $Z^2=3,8416$
• p = 0,5, q = 0,5 → $p\cdot q=0,25$
• e = 0,05 → $e^2=0,0025$

Paso 1: Calcular numerador:
$N\cdot Z^2\cdot p\cdot q=800\times 3,8416\times 0,25=800\times 0,9604=768,32$

Paso 2: Calcular denominador:
$e^2\cdot (N-1)=0,0025\times 799=1,9975$
$Z^2\cdot p\cdot q=3,8416\times 0,25=0,9604$
Suma = $1,9975+0,9604=2,9579$

Paso 3: Dividir:
$n=768,32\mathrm{/}2,9579\approx 259,74$

Resultado: Se necesita una muestra de 260 estudiantes.

Ejemplo 3: ¿Qué pasa si conocemos la proporción esperada?

Imagina que un estudio previo sugiere que el 70% de los votantes prefiere al candidato A. Entonces p = 0,7 y q = 0,3. Con N = 5.000, confianza 95%, error 4%.

Fórmula finita:

• Z² = 3,8416
• p·q = 0,7 × 0,3 = 0,21
• e² = 0,0016

Numerador: 5.000 × 3,8416 × 0,21 = 5.000 × 0,806736 = 4.033,68
Denominador: 0,0016 × 4.999 = 7,9984; más 0,806736 = 8,805136
n ≈ 458

Comparación: Si usáramos p=0,5 (sin información previa), n sería 583. ¡Ahorramos 125 encuestas gracias a conocer la proporción!

Errores clásicos que cometen los estudiantes (y cómo evitarlos)

1. Confundir población con muestra: «Nuestro estudio tiene 200 personas» – pero ¿200 es la muestra o la población? Siempre define N primero.
2. Usar siempre p=0,5 sin pensar: Si tienes datos históricos o estudios similares, utilízalos para reducir el tamaño muestral.
3. No redondear al alza: El resultado matemático puede ser 259,74; la muestra debe ser 260, no 259. El margen de error se vuelve ligeramente mayor si redondeas abajo.
4. Olvidar el ajuste por población finita: Cuando N es solo 1.000, la fórmula infinita te daría ~385, pero la ajustada da ~278. ¡Casi 100 muestras menos!
5. No considerar la tasa de no respuesta: Si esperas que solo el 80% responda, divide n entre 0,8. Ejemplo: n necesario = 260 → 260 / 0,8 = 325 encuestas a enviar.

Herramientas y trucos para calcular rápido

No necesitas hacer todo a mano. Aquí tienes recursos útiles:

• Calculadoras online: Raosoft, SurveyMonkey, Qualtrics (solo pones parámetros y te dan n).
• Tabla precalculada para 95% confianza y 5% error (p=0,5):N (población)n (muestra)100805002171.0002785.00035710.000370100.000+385
• Fórmula simplificada para 95% confianza y 5% error: n ≈ 385 para poblaciones muy grandes. De memoria te sirve para un cálculo rápido.

Aplicaciones en el mundo real (más allá del aula)

Esto no es solo teoría. Aquí cómo se usa en diferentes disciplinas:

• Ecología: Método de captura-recaptura (Lincoln-Petersen) para estimar poblaciones animales. Fórmula: N = (M × C) / R, donde M = marcados, C = capturados segunda vez, R = recapturados marcados.
• Control de calidad: Normas ANSI/ASQ Z1.4 para inspección de lotes. Se usan tablas con Nivel de Inspección General II.
• Marketing digital: Calculadoras de tamaño de muestra para tests A/B. Necesitas ~1.000 conversiones por variante para detectar diferencias del 5%.
• Medicina: Ensayos clínicos fase III usan fórmulas con poder estadístico (80-90%) además de confianza. Allí aparece el error tipo II (beta).

¿Qué pasa si la población cambia constantemente?

Gran pregunta. En poblaciones dinámicas (ej. bacterias, visitas web por hora), usamos:

• Muestreo sistemático con reemplazo: Se asume población infinita aunque no lo sea.
• Muestreo secuencial: Se toman muestras hasta que el resultado se estabiliza.
• Estimación en tiempo real: Con fórmulas bayesianas que actualizan n según la variabilidad observada.

Para un curso introductorio, quédate con la idea de que si la población fluctúa más del 10% durante tu estudio, necesitas métodos especiales (más avanzados).

Ejercicio práctico para que tú lo resuelvas

Enunciado: Una clínica veterinaria atiende a 1.200 perros registrados. Quiere estimar qué porcentaje está vacunado contra la leptospirosis. Usará 95% de confianza, margen de error 4% y, por estudios previos, espera que el 65% esté vacunado. Calcula el tamaño de muestra necesario.

Solución (no mires hasta intentarlo):

Datos: N=1.200, Z=1,96, e=0,04, p=0,65, q=0,35.
Z² = 3,8416; p·q = 0,2275; e² = 0,0016.
Numerador: 1.200 × 3,8416 × 0,2275 = 1.200 × 0,874 = 1.048,8
Denominador: 0,0016 × 1.199 = 1,9184; más 0,874 = 2,7924
n = 1.048,8 / 2,7924 ≈ 375,5 → 376 perros.

Resultados de aprendizaje

Después de leer este artículo, serás capaz de:

1. Diferenciar claramente entre población y muestra, identificando cuándo es necesario usar cada una.
2. Explicar los cuatro factores que afectan el tamaño de una muestra: nivel de confianza, margen de error, variabilidad y tamaño poblacional.
3. Aplicar la fórmula para población infinita ($n=\frac{Z^2\cdot p\cdot q}{e^2}$​) en contextos como encuestas online o mercados masivos.
4. Aplicar la fórmula para población finita ($n=\frac{N\cdot Z^2\cdot p\cdot q}{e^2\cdot (N-1)+Z^2\cdot p\cdot q}$​) en estudios con poblaciones conocidas y acotadas.
5. Calcular manualmente el tamaño de muestra en al menos tres escenarios diferentes (con y sin variabilidad conocida).
6. Evitar los 5 errores más comunes al determinar muestras, incluyendo el olvido de la tasa de no respuesta.
7. Seleccionar la herramienta adecuada (calculadora online o tabla precalculada) para verificar resultados rápidamente.
8. Interpretar resultados prácticos de estudios reales en ecología, control de calidad y marketing.

Rodrigo Ricardo Editor y fundador