Cómo Calcular el Tamaño de la Muestra para tu Tesis en 2026: Fórmula, Ejemplo y Calculadora (Sampieri)
Calcular bien el tamaño de la muestra es uno de los pasos más determinantes del capítulo metodológico de tu tesis. Un número demasiado pequeño le resta validez estadística a tus resultados; uno demasiado grande te hará perder semanas levantando datos innecesarios. Si tu investigación es cuantitativa y usas muestreo probabilístico, saber cómo calcular el tamaño de la muestra no es opcional: es el corazón de tu diseño de investigación.
Hernández-Sampieri y Mendoza (2018) distinguen con claridad dos escenarios: poblaciones cuyo tamaño es conocido (finitas) y poblaciones cuyo tamaño es desconocido o muy grande (consideradas infinitas para efectos estadísticos). Cada escenario tiene su propia fórmula, y confundirlas es uno de los errores más frecuentes en las tesis que circulan en universidades mexicanas.
Aquí encontrarás la fórmula completa, cada parámetro explicado, un ejemplo numérico resuelto paso a paso con contexto mexicano y las herramientas disponibles en 2026 para hacer el cálculo de forma eficiente.
1. Qué es población y muestra en investigación
La población (también llamada universo) es el conjunto completo de casos que cumplen las características definidas por tus criterios de inclusión. No tiene que ser un grupo de personas: puede ser expedientes clínicos, empresas de un sector, publicaciones académicas o registros contables.
La muestra es el subconjunto de esa población que realmente vas a estudiar. Cuando tu muestra es seleccionada mediante procedimientos probabilísticos —es decir, cada elemento de la población tiene una probabilidad conocida y distinta de cero de ser incluido— tus hallazgos pueden generalizarse al universo con un margen de error calculable. Esa posibilidad de inferencia es la razón por la que el tamaño de la muestra importa tanto.
Para profundizar en cómo encaja el muestreo dentro del diseño metodológico general, consulta la guía completa de metodología de la investigación para tu tesis 2026. Si quieres definir con precisión tu población y tu muestra antes del cálculo, la guía de muestra y población en investigación con ejemplos explica los criterios de selección con casos de universidades en México, Perú y Chile.
2. Cuándo aplicar la fórmula (y cuándo no)
La fórmula de cálculo de tamaño muestral aplica exclusivamente cuando usas muestreo probabilístico: aleatorio simple, sistemático, estratificado o por conglomerados. Si tu investigación es cualitativa o si tu muestra es no probabilística (conveniencia, bola de nieve, propósito), no existe una fórmula aplicable: el tamaño se justifica por saturación teórica, acceso o criterio experto.
La elección entre muestreo probabilístico y no probabilístico depende del enfoque de tu investigación. En estudios cuantitativos que buscan inferencia estadística, el muestreo probabilístico es la norma. En estudios cualitativos centrados en la comprensión profunda de fenómenos, el muestreo intencional o teórico es lo esperado. Conoce las diferencias entre ambos enfoques en el artículo sobre investigación cualitativa y cuantitativa.
Si tienes dudas sobre qué tipo de muestreo usar en tu tesis, el artículo sobre tipos de muestreo en investigación te ayuda a justificar tu elección citando a Hernández Sampieri.
3. Los parámetros de la fórmula: Z, p, q, e, N
Antes de aplicar cualquier fórmula necesitas entender qué representa cada parámetro:
| Símbolo | Nombre | Definición | Valor más común |
|---|---|---|---|
| Z | Valor Z (score) | Valor de la distribución normal estándar correspondiente al nivel de confianza elegido | 1.96 (para 95 %) |
| p | Proporción esperada | Probabilidad estimada de que el evento de interés ocurra en la población | 0.50 (máxima varianza) |
| q | Complemento de p | q = 1 − p | 0.50 |
| e | Margen de error | Error máximo aceptable entre el estadístico de la muestra y el parámetro de la población | 0.05 (5 %) |
| N | Tamaño de la población | Número total de elementos del universo de estudio (solo para población finita) | Variable según tu estudio |
| n | Tamaño de la muestra | El resultado que buscas: cuántos elementos debes incluir en tu muestra | — (resultado) |
4. Fórmula para población finita
Usa esta fórmula cuando conoces con exactitud cuántos elementos tiene tu población (registros escolares, padrón de empleados, listado de empresas, etc.):
La lógica de esta fórmula es que, a medida que tu muestra representa una fracción significativa de la población, la varianza de estimación se reduce. El denominador incorpora ese ajuste: e² · (N − 1) “descuenta” la reducción de incertidumbre porque ya estás midiendo una parte importante del universo.
5. Fórmula para población infinita o desconocida
Cuando tu población es muy grande o no puedes conocer su tamaño con precisión, se considera infinita a efectos prácticos y la fórmula se simplifica:
Con los valores estándar de 95 % de confianza, p = q = 0.50 y e = 0.05:
n = (3.8416 × 0.25) / 0.0025
n = 0.9604 / 0.0025
n = 384.16 → 385 personas
El valor 385 es una referencia ampliamente citada en metodología cuantitativa para estudios con estas condiciones estándar. Si tu margen de error sube a 10 % (e = 0.10), el tamaño de muestra necesario cae a 97 personas, lo que ilustra cuánto influye ese parámetro.
6. Ejemplo numérico paso a paso
Supón que realizas una tesis sobre hábitos de estudio en estudiantes de licenciatura de una universidad pública del Estado de México con un total de 1 000 alumnos inscritos (población finita, N conocida). Decides usar:
- Nivel de confianza: 95 % → Z = 1.96
- Proporción esperada: p = 0.50, q = 0.50 (sin estudios previos aplicables)
- Margen de error: e = 0.05 (5 %)
- N = 1 000
Paso 1 — Calcula el numerador:
= 1 000 × 1.96² × 0.50 × 0.50
= 1 000 × 3.8416 × 0.25
= 1 000 × 0.9604
= 960.4
Paso 2 — Calcula el denominador:
= 0.05² × (1 000 − 1) + 3.8416 × 0.25
= 0.0025 × 999 + 0.9604
= 2.4975 + 0.9604
= 3.4579
Paso 3 — Divide numerador entre denominador:
n = 277.79
n = 278 estudiantes (redondeas siempre hacia arriba)
Así, con una población de 1 000 alumnos necesitas encuestar a 278. Compara esto con los 385 que requerirías si trataras la población como infinita: la fórmula de población finita te ahorra 107 encuestas sin sacrificar rigor estadístico.
7. Nivel de confianza y margen de error: cómo elegirlos
La elección del nivel de confianza y del margen de error es una decisión metodológica que debes justificar explícitamente en tu tesis, no algo que simplemente “se hace al 95 %”. Aquí tienes los criterios para elegir bien:
| Nivel de confianza | Valor Z | Cuándo usarlo |
|---|---|---|
| 90 % | 1.645 | Estudios exploratorios o con recursos muy limitados; menor rigor exigido |
| 95 % | 1.96 | Estándar en ciencias sociales, educación, administración y salud pública |
| 99 % | 2.576 | Estudios con implicaciones clínicas, legales o de alta consecuencia |
Respecto al margen de error: en ciencias sociales y educación el estándar es e = 0.05 (5 %). Para estudios de salud o decisiones de alto impacto es recomendable e = 0.03 (3 %). Usar e = 0.10 (10 %) es aceptable solo en estudios piloto o investigaciones de alcance exploratorio; un comité evaluador exigente puede cuestionarlo.
El alcance de tu investigación también influye en esta decisión. Puedes repasar los cuatro alcances y sus implicaciones metodológicas en el artículo sobre alcance de la investigación según Hernández Sampieri.
8. Calculadoras y software disponibles en 2026
Calcular el tamaño de la muestra a mano te permite demostrar que entiendes la fórmula (algo que los asesores valoran en la defensa), pero para verificar tu resultado o para estudios más complejos existen varias herramientas:
- STATS 2.0: El software al que Hernández-Sampieri y Mendoza (2018) remiten a sus lectores. Está orientado específicamente a investigación en ciencias sociales y calcula tamaño muestral, potencia estadística y análisis descriptivos básicos.
- G*Power: Herramienta gratuita para cálculo de potencia estadística y tamaño de muestra. Imprescindible si tu diseño involucra comparación de grupos, correlaciones o ANOVA.
- Calculadoras web: Plataformas como Udesta ofrecen calculadoras en línea para población finita e infinita sin necesidad de instalar software.
- R y SPSS: Para diseños más avanzados (muestreo estratificado, por conglomerados) que requieren ponderación diferenciada por estrato.
Si usas Tesify para estructurar tu capítulo metodológico, la plataforma te ayuda a redactar la justificación del tamaño muestral de manera coherente con el resto de tu diseño, sugiriendo la fórmula aplicable y la cita correspondiente. Puedes comenzar desde app.tesify.app.
9. Errores comunes al calcular el tamaño de la muestra
Estos son los errores que con más frecuencia detectan los comités revisores y asesores metodológicos en tesis mexicanas:
- Usar la fórmula de población infinita cuando N es conocida y pequeña. Si tu población tiene 300 elementos y usas la fórmula infinita obtienes n = 385, lo que es mayor que tu universo: matemáticamente absurdo. Siempre aplica la corrección por finitud.
- Redondear n hacia abajo. Al calcular 277.79, algunos redondean a 277 para “ahorrar” encuestas. Lo correcto es redondear siempre hacia arriba (278) para no quedar por debajo del umbral estadístico.
- No prever la tasa de no respuesta. Si anticipas que el 15 % de tu muestra no responderá (cuestionarios rechazados, abandono, datos incompletos), ajusta: n ajustada = n / (1 − tasa de no respuesta). Para n = 278 y tasa del 15 %: 278 / 0.85 = 327.
- Confundir tamaño de muestra con tamaño de población. Reportar “mi muestra es de 1 000 estudiantes” cuando 1 000 es el total de la población y la muestra calculada es 278 es un error conceptual que invalida toda la sección.
- Seleccionar participantes sin respetar el procedimiento de aleatorización. Calcular correctamente n pero después elegir a “los que estaban disponibles” convierte un diseño probabilístico en uno de conveniencia. El cálculo pierde su sustento.
- Usar valores de p y q distintos de 0.50 sin justificación. Algunos investigadores usan p = 0.30 porque “ese es el porcentaje que esperan encontrar”, sin un estudio previo que lo respalde. Si no tienes evidencia sólida, usa 0.50.
Preguntas frecuentes
¿Cuánto es el tamaño de muestra mínimo aceptable para una tesis?
No existe un número universal, ya que depende de la varianza esperada, el nivel de confianza y el margen de error que elijas. Sin embargo, una muestra menor a 30 sujetos rara vez es aceptable en estudios cuantitativos con pretensión inferencial, salvo que se justifique estadísticamente (estudios piloto, poblaciones muy pequeñas o diseños de caso único). En ciencias sociales y educación, muestras entre 100 y 400 son las más frecuentes en tesis de licenciatura y posgrado.
¿Puedo cambiar el margen de error si mi muestra calculada es muy grande?
Sí, pero debes justificarlo explícitamente y asumir las limitaciones que implica. Pasar de e = 0.05 a e = 0.08 reducirá significativamente el tamaño muestral, pero tus estimaciones serán menos precisas. Lo importante es que la decisión aparezca razonada en tu capítulo metodológico, no que simplemente “ajustes” el número hasta obtener una muestra manejable.
¿Qué fórmula recomienda Hernández Sampieri para calcular el tamaño de muestra?
Hernández-Sampieri y Mendoza (2018) en Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta remiten el cálculo preciso al software STATS, aunque las ediciones anteriores incluían las fórmulas estándar de estadística inferencial: n = (N · Z² · p · q) / (e² · (N − 1) + Z² · p · q) para población finita y n = (Z² · p · q) / e² para población infinita. Estas fórmulas son las mismas que emplean organismos estadísticos como el INEGI en sus marcos de muestreo.
¿Qué pasa si no puedo alcanzar el tamaño de muestra calculado?
Tienes dos opciones metodológicamente válidas: (a) aumentar el margen de error a un nivel que te permita alcanzar una muestra factible, declarando explícitamente la limitación; o (b) cambiar el tipo de muestreo a no probabilístico y ajustar el alcance de tu investigación de modo que no pretenda inferencia estadística al universo. Ambas decisiones deben quedar justificadas en el texto, no ocultarse.
¿Cómo calculo el tamaño de muestra para un diseño estratificado?
Primero calculas n total con la fórmula de población finita. Después distribuyes ese n entre los estratos de forma proporcional: si el estrato A representa el 40 % de la población, debes incluir el 40 % de tu muestra de ese estrato. La asignación proporcional garantiza que cada subgrupo quede representado en la misma proporción que en el universo. Para estratos muy pequeños puede ser necesaria asignación no proporcional con ponderación posterior.
¿Cómo justifico el tamaño de muestra en mi tesis?
Incluye en tu capítulo metodológico: (1) la fórmula utilizada con su fuente; (2) el valor de cada parámetro y el criterio por el que lo elegiste; (3) el resultado numérico del cálculo; y (4) el tamaño ajustado por tasa de no respuesta si aplica. Si usaste software, especifica el nombre y la versión. Esta transparencia es lo que distingue una sección metodológica sólida de una que el comité podría rechazar.
Escribe tu capítulo metodológico con apoyo de IA
Si ya tienes claro tu tamaño de muestra pero te atascas al redactar la justificación o al armar el resto de tu diseño de investigación, Tesify te ayuda a estructurar el capítulo metodológico completo, citar correctamente tus fuentes en APA 7 y mantener la coherencia entre tu pregunta de investigación, tus objetivos y tus instrumentos.