Calculadora de distribución muestral de proporción
Calcula la media, el error estándar, la condición de normalidad, la puntuación Z y las probabilidades acumuladas de cualquier distribución muestral de proporción.
Introduce la proporción poblacional (p) y el tamaño de muestra (n). Opcionalmente, introduce una proporción muestral específica (p̂) para obtener la puntuación Z y la probabilidad acumulada asociadas.
Calculadora de distribución muestral de proporción
Calcula la media, el error estándar, la condición de normalidad, la puntuación Z y las probabilidades acumuladas de cualquier distribución muestral de proporción.
Acerca de la distribución muestral de la proporción
La distribución muestral de la proporción es una distribución teórica que describe el rango de valores posibles de la proporción muestral (p̂) que pueden surgir de todas las muestras aleatorias posibles de tamaño fijo n extraídas de una población con proporción real p. Es uno de los conceptos más fundamentales de la estadística inferencial y sustenta gran parte de la metodología de encuestas, las pruebas de hipótesis y la construcción de intervalos de confianza.
La media de la distribución muestral es igual a la proporción poblacional p. Esta es la propiedad de insesgadez: en promedio, la proporción muestral es igual al parámetro que estima. La desviación estándar de la distribución muestral —llamada error estándar de la proporción— se calcula como σ(p̂) = √[p(1–p)/n]. A medida que aumenta el tamaño de muestra n, el error estándar disminuye, lo que significa que las muestras más grandes producen proporciones muestrales que se agrupan más estrechamente alrededor del valor real p.
Según el teorema central del límite, la distribución muestral se aproxima a una normal siempre que se cumplan dos condiciones: np ≥ 10 y n(1–p) ≥ 10. Estas condiciones garantizan que tanto el número de éxitos como el de fracasos en la muestra sea suficientemente grande para que la aproximación normal sea fiable. Cuando una o ambas condiciones no se cumplen —normalmente con muestras pequeñas o proporciones extremas cercanas a 0 o 1— debe usarse en su lugar la distribución binomial.
Cuando se proporciona una proporción muestral observada p̂, la calculadora calcula la puntuación Z, que mide cuántos errores estándar separan p̂ de la media: Z = (p̂ – p) / σ(p̂). Una puntuación Z de valor absoluto alto sugiere que la proporción muestral observada es poco probable que haya surgido por casualidad bajo la proporción poblacional asumida, y esa es la base de la prueba de hipótesis.
La probabilidad acumulada P(p̂ < x) da la probabilidad de observar una proporción muestral menor o igual que x en una muestra aleatoria de tamaño n de la población especificada. La probabilidad complementaria P(p̂ > x) da la probabilidad de observar una proporción mayor que x. Juntas, estas cifras permiten determinar cuán extrema es tu proporción muestral observada en relación con la distribución teórica.
Este concepto se aplica en sondeos (estimar si el apoyo real de un candidato supera un umbral), control de calidad (determinar si la tasa de defectos de un lote supera un estándar aceptable) e investigación médica (evaluar si la proporción de pacientes que responden a un tratamiento difiere de una referencia histórica).
Ejemplos de distribución muestral
Tres escenarios que muestran los cálculos de media, error estándar, comprobación de normalidad y puntuación Z.
| Parámetros | Resultados clave | Notas |
|---|---|---|
| p=0.60, n=100, p̂=0.65 | μ=0.60, σ=0.049, Z=1.02, P(<0.65)≈0.846 | Se cumplen las condiciones de normalidad (np=60, n(1-p)=40). El 65% observado está aproximadamente 1 error estándar por encima de la proporción poblacional. |
| p=0.50, n=400, p̂=0.53 | μ=0.50, σ=0.025, Z=1.20, P(<0.53)≈0.885 | Una muestra grande mejora la precisión. El error estándar se reduce a la mitad cuando el tamaño de muestra se cuadruplica, lo que facilita detectar desviaciones respecto a 0.50. |
| p=0.05, n=50 | μ=0.05, σ=0.031, Normalidad no aprobada | np=2.5 < 10, así que no se cumple la condición de normalidad. Para proporciones pequeñas y muestras pequeñas, usa la distribución binomial exacta. |
Cómo usar la calculadora de distribución muestral
- Introduce la Proporción poblacional (p) como un decimal entre 0 y 1 (sin incluirlos). Esta es la proporción real conocida o supuesta en la población.
- Introduce el Tamaño de muestra (n) como un número entero positivo. Esto determina el error estándar y si se cumple la condición de normalidad.
- Opcionalmente, introduce una Proporción muestral (p̂) para calcular la puntuación Z y las probabilidades acumuladas P(p̂ < x) y P(p̂ > x).
- Haz clic en Calcular para ver la media, el error estándar, el resultado de la comprobación de normalidad y, si se proporcionó p̂, la puntuación Z y las probabilidades.
- Haz clic en Restablecer para limpiar todos los campos y empezar un nuevo cálculo.
Preguntas frecuentes sobre la distribución muestral de la proporción
¿Qué es el error estándar de la proporción muestral?
El error estándar es la desviación estándar de la distribución muestral y mide cuánto varían las proporciones muestrales de una muestra a otra. Es igual a √[p(1–p)/n]. Un error estándar menor significa que las proporciones muestrales están más concentradas alrededor de la proporción poblacional real p.
¿Cuándo es aproximadamente normal la distribución muestral?
La aproximación normal es válida cuando se cumplen np ≥ 10 y n(1–p) ≥ 10. Si cualquiera de las dos condiciones falla, la distribución está sesgada y los cálculos de probabilidad basados en la normal serán inexactos. En ese caso, usa la distribución binomial exacta para obtener probabilidades precisas.
¿Cómo afecta el aumento del tamaño de muestra a la distribución?
Aumentar n reduce el error estándar proporcionalmente a 1/√n, lo que estrecha la distribución muestral. La media sigue siendo p independientemente del tamaño de muestra. Una distribución más estrecha hace que las proporciones muestrales tiendan a estar más cerca de la proporción real, aumentando la precisión de la estimación y la inferencia.
¿Qué significa una puntuación Z de 2 para una proporción muestral?
Una puntuación Z de 2 significa que la proporción muestral observada p̂ está 2 errores estándar por encima de la proporción poblacional p. Bajo la aproximación normal, la probabilidad de observar un Z tan grande o mayor por puro azar es de alrededor del 2.3% (una cola). Es una evidencia fuerte, pero no concluyente, contra la proporción poblacional hipotetizada.
¿Puede esta calculadora manejar proporciones cercanas a 0 o 1?
La calculadora seguirá mostrando resultados, pero indicará que la condición de normalidad no se cumple cuando np < 10 o n(1–p) < 10. Para proporciones extremas (por ejemplo, p = 0.02 o p = 0.98), la distribución muestral está sesgada y debes usar la distribución binomial para cálculos de probabilidad precisos.
¿Cuál es la diferencia entre la desviación estándar y el error estándar de la proporción?
La desviación estándar poblacional de una variable binaria mide la variabilidad dentro de las observaciones individuales: σ = √[p(1–p)]. El error estándar de la proporción mide la variabilidad de las proporciones muestrales a lo largo de muestras repetidas: σ(p̂) = √[p(1–p)/n]. El error estándar es menor por un factor de 1/√n, lo que refleja el efecto de promediado de tomar varias observaciones.