El error típico indica con qué precisión una muestra estima la magnitud que te interesa. Si sacaras muchas muestras de la misma población, sus medias variarían de una a otra, y el error típico es la desviación típica de esa variación. Es la base de los intervalos de confianza y de las pruebas de significación. Esta calculadora da el error típico de una media y de una proporción, con el margen de error al 95 % de confianza.
Cómo se calcula
- Error típico de la media = desviación típica ÷ √n
- Error típico de una proporción = √(p × (1 − p) ÷ n)
- Margen de error al 95 % = 1,96 × error típico
- Corrección de población finita = √((N − n) ÷ (N − 1)), que se aplica si indicas un tamaño de población
La proporción se expresa en puntos porcentuales: 4,9 significa 4,9 puntos en una escala de porcentaje.
Ejemplo
Una muestra de 100 con una desviación típica de 15 da un error típico de la media de 15 ÷ 10 = 1,5 y un margen de error al 95 % de aproximadamente ±2,94. Para una proporción del 40 % en la misma muestra, el error típico es √(0,4 × 0,6 ÷ 100) = 4,9 puntos, con un margen de aproximadamente ±9,6 puntos. Para dividir estos errores entre dos harían falta 400 observaciones.
Por qué importa el tamaño de la muestra
El error típico disminuye como la raíz cuadrada del tamaño de la muestra. Pasar de 100 a 400 personas divide el error entre dos, pero hay que pasar de 400 a 1600 para dividirlo otra vez. Por eso las muestras muy grandes rinden cada vez menos, y por eso una encuesta de unas 1000 personas suele ser un buen compromiso.
¿Error típico o desviación típica?
Indica la desviación típica para describir la variabilidad de los individuos, y el error típico (o un intervalo de confianza) para describir la precisión de tu estimación de la media. No sustituyas una por la otra. El error típico solo tiene en cuenta la variación aleatoria del muestreo: no mide ni el sesgo de una muestra mal elegida ni los errores de medición.