Argumenta la importancia de obtener un tamaño de muestra para trabajar con poblaciones

grandes
Comencemos por considerar un ejemplo en el que simplemente queremos estimar una característica de nuestra
población y ver el efecto que tiene el tamaño de nuestra muestra sobre la precisión de nuestra estimación.

El tamaño de nuestra muestra dicta la cantidad de información que tenemos y por lo tanto, en parte, determina
nuestra precisión o nivel de confianza que tenemos en nuestras estimaciones de muestra. Una estimación siempre
tiene un nivel de incertidumbre asociado, que depende de la variabilidad subyacente de los datos, así como del
tamaño de la muestra. Cuanto más variable sea la población, mayor será la incertidumbre en nuestra estimación. De
manera similar, cuanto mayor sea el tamaño de la muestra, más información tenemos y, por lo tanto, nuestra
incertidumbre se reduce.

Supongamos que queremos estimar la proporción de adultos que poseen un teléfono inteligente en el Ecuador.
Podríamos tomar una muestra de 100 personas y preguntarles.

Si 59 de cada 100 personas poseen un teléfono inteligente, estimamos que la proporción en el Ecuador es 59/100 =
59%. También podemos construir un intervalo alrededor de esta estimación puntual para expresar nuestra
incertidumbre en ella, es decir, nuestro margen de error. Por ejemplo, un intervalo de confianza del 95% para
nuestra estimación basada en nuestra muestra de tamaño 100 oscila entre 49,36% y 68,64% (que se puede calcular
utilizando nuestra calculadora en línea gratuita). Alternativamente, podemos expresar este intervalo diciendo que
nuestra estimación es del 59% con un margen de error de ± 9,64%. Este es un intervalo de confianza del 95%, lo que
significa que hay un 95% de probabilidad de que este intervalo contenga la proporción verdadera. En otras palabras,
si tuviéramos que recolectar 100 muestras diferentes de la población, la proporción real caería dentro de este
intervalo aproximadamente 95 de cada 100 veces.

¿Qué pasaría si tuviéramos que aumentar el tamaño de nuestra muestra saliendo y preguntando a más personas?

Supongamos que preguntamos a otras 900 personas y encontramos que, en total, 590 de las 1000 personas poseen
un teléfono inteligente. Nuestra estimación de la prevalencia en toda la población es de nuevo 590/1000 = 59%. Sin
embargo, nuestro intervalo de confianza para la estimación ahora se ha reducido considerablemente del 55,95% al
62,05%, un margen de error de ± 3,05%; consulte la Figura 1 a continuación. Debido a que tenemos más datos y, por
lo tanto, más información, nuestra estimación es más precisa.