Calculadora de intervalo de confianza para una proporción: fórmula, pasos y ejemplos
Una calculadora de intervalo de confianza para una proporción estima un rango plausible para una proporción poblacional desconocida, como el porcentaje de votantes que apoyan a un candidato o la tasa de defectos de una línea de producción, a partir de una sola muestra. Estudiantes e investigadores usan una calculadora de intervalo de confianza para una proporción cuando presentan resultados de encuestas, comprueban el margen de error de un sondeo o planifican qué tamaño de muestra necesitan para alcanzar la precisión deseada. Esta guía explica desde cero la fórmula del intervalo de confianza para una proporción, resuelve un ejemplo completo de 120 de 500 con números reales y muestra cómo elegir z*, comprobar la condición de éxito-fracaso y calcular el tamaño de muestra necesario para un margen de error objetivo.
Contenido
- 01¿Qué es un intervalo de confianza para una proporción?
- 02¿Cómo funciona una calculadora de intervalo de confianza para una proporción?
- 03¿Cómo se calcula paso a paso un intervalo de confianza del 95 % para una proporción?
- 04¿Cómo se comprueba la condición de éxito-fracaso antes de confiar en el intervalo?
- 05¿Cómo se elige el valor crítico z* para un intervalo de confianza?
- 06¿Qué tamaño de muestra necesitas para un margen de error deseado?
- 07¿Qué errores comunes cometen los estudiantes con los intervalos de confianza para proporciones?
- 08Ejercicios de práctica: pon a prueba tus habilidades con intervalos de confianza para proporciones
- 09Más ayuda con intervalos de confianza para proporciones
¿Qué es un intervalo de confianza para una proporción?
Un intervalo de confianza para una proporción estima el rango de valores plausibles de una proporción poblacional desconocida, como el porcentaje real de votantes que apoyan a un candidato, la tasa real de defectos de una línea de producción o la fracción real de pacientes que responden a un tratamiento, a partir de una sola muestra. Una calculadora de intervalo de confianza para una proporción solo necesita tres datos (el número de éxitos, el tamaño de la muestra y un nivel de confianza) y devuelve un rango centrado en la proporción muestral, junto con el margen de error que lo genera. A diferencia de un intervalo de confianza para una media, que se basa en una medición continua como la altura o el tiempo, un intervalo de confianza para una proporción trabaja con datos de conteo: cuántas observaciones cayeron en la categoría de «éxito» sobre el total de la muestra. Esta distinción es importante porque la fórmula del error estándar, la forma de la distribución muestral e incluso las condiciones necesarias para que el intervalo sea válido son distintas a las del caso de la media, aunque ambos acaben produciendo un rango con el mismo formato de estimación puntual ± margen de error.
Fórmula del intervalo de confianza para una proporción: p̂ ± z* × √[p̂(1 − p̂) ÷ n], donde p̂ es la proporción muestral, z* es el valor crítico del nivel de confianza elegido y n es el tamaño de la muestra.
¿Cómo funciona una calculadora de intervalo de confianza para una proporción?
Toda calculadora de intervalo de confianza para una proporción pide los mismos pocos datos y devuelve un conjunto coherente de resultados, sea cual sea el nivel de confianza que elijas. Entender qué entra y qué sale facilita mucho plantear correctamente un problema, tanto si calculas el intervalo a mano como si usas una calculadora para comprobar tu trabajo.
1. Datos que necesita una calculadora de intervalo de confianza para una proporción
El número de éxitos (x) observados en la muestra, el tamaño total de la muestra (n) y un nivel de confianza elegido (normalmente 90 %, 95 % o 99 %). Algunas calculadoras piden directamente la proporción muestral p̂ en lugar de x y n por separado; en ese caso, p̂ = x ÷ n ya está calculada.
2. Resultados que puede devolver una calculadora de intervalo de confianza
p̂: la propia proporción muestral, expresada como decimal o porcentaje. SE: el error estándar de la proporción. Margen de error: SE multiplicado por el valor crítico z* del nivel de confianza elegido. Límites del intervalo de confianza: la proporción muestral más y menos el margen de error, lista para presentarse como un rango del tipo (20,3 %, 27,7 %).
3. Por qué conviene aprender igualmente el método manual
Las tareas, los informes de laboratorio y los exámenes casi siempre exigen mostrar el planteamiento completo (calcular p̂, comprobar la condición de éxito-fracaso, elegir z* y construir el margen de error) y no solo un decimal final obtenido con una calculadora de intervalo de confianza. Resolver la fórmula a mano también desarrolla la intuición que necesitarás más adelante para las pruebas de hipótesis sobre proporciones y para comparar dos proporciones en una prueba A/B.
¿Cómo se calcula paso a paso un intervalo de confianza del 95 % para una proporción?
La forma más clara de aprender la fórmula del intervalo de confianza para una proporción es resolver un ejemplo completo con números reales. Este es un escenario que refleja el tipo de pregunta que aparece constantemente en los cursos de estadística y en la presentación de encuestas reales.
1. Plantear el problema
Una encuesta nacional pregunta a 500 adultos seleccionados al azar si apoyan una nueva propuesta de transporte público. 120 de ellos responden que sí. Halla un intervalo de confianza del 95 % para la proporción poblacional real que apoya la propuesta.
2. Calcular la proporción muestral
p̂ = x ÷ n = 120 ÷ 500 = 0,24, es decir, 24 %.
3. Calcular el error estándar
SE = √[p̂(1 − p̂) ÷ n] = √[0,24 × 0,76 ÷ 500] = √[0,1824 ÷ 500] = √0,0003648 ≈ 0,0191.
4. Elegir z* y calcular el margen de error
Para un intervalo de confianza del 95 %, z* = 1,96. Margen de error = 1,96 × 0,0191 ≈ 0,0374, es decir, unos 3,74 puntos porcentuales.
5. Construir e interpretar el intervalo
Intervalo de confianza del 95 % = 0,24 ± 0,0374 = (0,2026, 0,2774), es decir, aproximadamente (20,3 %, 27,7 %). Puedes tener un 95 % de confianza en que la proporción real de todos los adultos que apoyan la propuesta de transporte se sitúa aproximadamente entre el 20,3 % y el 27,7 %. Una calculadora de intervalo de confianza para esta proporción devolvería al instante el mismo rango (20,3 %, 27,7 %), pero ahora puedes verificar tú mismo cada número intermedio.
Intervalo de confianza del 95 % para una proporción: 0,24 ± 1,96 × 0,0191 = (0,2026, 0,2774), es decir, aproximadamente del 20,3 % al 27,7 %.
¿Cómo se comprueba la condición de éxito-fracaso antes de confiar en el intervalo?
La fórmula del intervalo de confianza para una proporción funciona solo porque, con una muestra lo bastante grande, la distribución muestral de p̂ es aproximadamente normal. Esa aproximación falla con muestras pequeñas o con proporciones cercanas a 0 o a 1, por lo que todo cálculo de un intervalo de confianza para una proporción requiere comprobar rápidamente esta condición antes de confiar en el resultado.
1. La regla: ambos conteos esperados deben ser al menos 10
Comprueba que n × p̂ ≥ 10 (éxitos esperados) y n × (1 − p̂) ≥ 10 (fracasos esperados). Algunos libros de texto usan un umbral menos exigente de 5 en lugar de 10, pero 10 es el criterio más habitual y más conservador en AP Statistics y en la mayoría de los cursos introductorios.
2. Comprobar la condición en el ejemplo de la encuesta de transporte
n × p̂ = 500 × 0,24 = 120 ≥ 10. n × (1 − p̂) = 500 × 0,76 = 380 ≥ 10. Ambas condiciones se cumplen con holgura, así que la aproximación normal, y el intervalo de confianza basado en z* construido a partir de ella, es válida en este caso.
3. Qué hacer cuando la condición no se cumple
Si alguno de los conteos esperados es menor que 10, el intervalo z estándar puede ser impreciso, sobre todo cuando p̂ está cerca de 0 o de 1. En ese caso, usa un método exacto como el intervalo de puntuación de Wilson o el intervalo de Clopper-Pearson en lugar de la fórmula estándar, ya que ambos manejan muestras pequeñas y proporciones extremas con mucha más fiabilidad.
Condición de éxito-fracaso: n p̂ ≥ 10 y n(1 − p̂) ≥ 10. Si omites esta comprobación, una calculadora de intervalo de confianza puede devolver un rango que represente muy mal la incertidumbre real.
¿Cómo se elige el valor crítico z* para un intervalo de confianza?
El valor crítico z* controla la amplitud del intervalo y se deriva directamente del nivel de confianza que elijas. Una confianza mayor siempre implica un z* más grande, lo que produce un intervalo más amplio, pero más fiable.
1. Confianza del 90 %
z* = 1,645. Se usa cuando importa más un intervalo estrecho que una certeza muy alta, por ejemplo en investigaciones exploratorias en fase inicial.
2. Confianza del 95 %
z* = 1,96. Es la opción predeterminada en la mayoría de los cursos de estadística, artículos de investigación y noticias sobre encuestas, porque equilibra razonablemente bien precisión y certeza.
3. Confianza del 99 %
z* = 2,576. Se usa cuando el coste de equivocarse es alto (ensayos clínicos, pruebas de seguridad o decisiones de control de calidad) y un intervalo más amplio es un precio aceptable a cambio de mayor certeza.
4. Comparar los tres a la vez
Con la encuesta de transporte (p̂ = 0,24, SE ≈ 0,0191): con un 90 % de confianza, margen de error = 1,645 × 0,0191 ≈ 0,0314, lo que da (0,2086, 0,2714). Con un 95 %, margen de error ≈ 0,0374, lo que da (0,2026, 0,2774). Con un 99 %, margen de error = 2,576 × 0,0191 ≈ 0,0492, lo que da (0,1908, 0,2892). Cada aumento del nivel de confianza amplía el intervalo, porque debe abarcar una mayor parte de los posibles resultados muestrales.
z* = 1,645 para un 90 % de confianza, z* = 1,96 para un 95 % y z* = 2,576 para un 99 %: los tres valores críticos que más utiliza cualquier calculadora de intervalo de confianza para una proporción.
¿Qué tamaño de muestra necesitas para un margen de error deseado?
Planificar una encuesta o un experimento suele implicar trabajar al revés con la fórmula del intervalo de confianza: en lugar de calcular el margen de error a partir de un tamaño de muestra fijo, primero decides un margen de error objetivo y despejas el tamaño de muestra necesario para alcanzarlo. Al despejar n en la fórmula del margen de error se obtiene la fórmula del tamaño de muestra que usa toda calculadora de tamaño de muestra para proporciones.
1. La fórmula del tamaño de muestra
n = (z* ÷ E)² × p̂(1 − p̂), donde E es el margen de error deseado (en decimal) y p̂ es una estimación previa de la proporción; el resultado se redondea al siguiente número entero, ya que no se puede encuestar a una fracción de persona.
2. Ejemplo con una estimación de un estudio piloto
Supón que el estudio piloto es la encuesta de transporte anterior, con p̂ = 0,24 a partir de x = 120 y n = 500. Un estudio de seguimiento más amplio busca un intervalo de confianza del 95 % más preciso, con un margen de error de no más de 3 puntos porcentuales (E = 0,03). n = (1,96 ÷ 0,03)² × 0,24 × 0,76 = (65,33)² × 0,1824 ≈ 4268,4 × 0,1824 ≈ 778,6, que se redondea a 779 encuestados.
3. Ejemplo sin estimación previa
Cuando no hay datos piloto para estimar p̂, usa el valor conservador p̂ = 0,5, ya que p̂(1 − p̂) alcanza su máximo, y por tanto también el tamaño de muestra necesario, cuando p̂ = 0,5. Para el mismo E = 0,03 con un 95 % de confianza: n = (1,96 ÷ 0,03)² × 0,5 × 0,5 ≈ 4268,4 × 0,25 ≈ 1067,1, que se redondea a 1068 encuestados, bastantes más que los 779 necesarios cuando se dispone de una estimación previa razonable.
4. Por qué el margen de error disminuye más despacio de lo que crece la muestra
Al igual que el error estándar, el margen de error es inversamente proporcional a √n, no a n. Cuadruplicar n = 500 hasta n = 2000 (manteniendo p̂ ≈ 0,24) reduce el margen de error de unos 0,0374 a unos 0,0187, exactamente la mitad y no la cuarta parte, ya que SE = √(0,1824 ÷ 2000) ≈ 0,00955 y 1,96 × 0,00955 ≈ 0,0187. Por eso las encuestas que buscan márgenes de error muy estrechos necesitan muestras mucho más grandes por cada punto porcentual adicional de precisión.
Tamaño de muestra para un margen de error objetivo: n = (z* ÷ E)² × p̂(1 − p̂). Usa p̂ = 0,5 cuando no dispongas de una estimación previa: produce el tamaño de muestra más grande y seguro.
¿Qué errores comunes cometen los estudiantes con los intervalos de confianza para proporciones?
La mayoría de los errores en un intervalo de confianza para una proporción se deben a confundir fórmulas u omitir la comprobación de la condición, no a cálculos difíciles. Presta atención a estos cinco errores.
1. Usar la fórmula de la media en lugar de la de la proporción
La fórmula de la proporción usa √[p̂(1 − p̂) ÷ n], no s ÷ √n del caso de la media. Introducir una proporción en la fórmula del error estándar de la media (o viceversa) produce un intervalo sin sentido.
2. Olvidar la condición de éxito-fracaso
Construir un intervalo de confianza sin comprobar que n p̂ ≥ 10 y n(1 − p̂) ≥ 10 puede producir un rango que parece razonable pero no es estadísticamente válido, sobre todo con muestras pequeñas o proporciones cercanas a los extremos.
3. Usar un z* incorrecto para el nivel de confianza
Confundir 1,645 (90 %), 1,96 (95 %) y 2,576 (99 %) es una causa frecuente de un margen de error erróneo aunque todos los demás pasos sean correctos. Verifica qué nivel de confianza pide realmente el problema antes de buscar z*.
4. Redondear p̂ o SE demasiado pronto
Redondear p̂ o el error estándar a uno o dos decimales antes de calcular el margen de error puede desplazar notablemente el intervalo final. Conserva al menos cuatro decimales hasta el último paso.
5. Suponer p̂ = 0,5 cuando existe una estimación mejor
Usar p̂ = 0,5 en un cálculo de tamaño de muestra es la opción segura y conservadora solo cuando no hay información previa. Si un estudio piloto o datos anteriores ya ofrecen un p̂ razonable, úsalo: el tamaño de muestra resultante suele ser menor e igual de válido.
Ejercicios de práctica: pon a prueba tus habilidades con intervalos de confianza para proporciones
Resuelve estos ejercicios a mano y luego compara tu proceso con una calculadora de intervalo de confianza para una proporción. Se incluyen las soluciones completas para que puedas verificar cada paso.
1. Ejercicio 1: IC del 95 %, n = 150
En una muestra de 150 compradores, 45 prefieren pagar en línea antes que en la tienda. Halla un intervalo de confianza del 95 % para la proporción real. Solución: p̂ = 45 ÷ 150 = 0,3. SE = √[0,3 × 0,7 ÷ 150] = √0,0014 ≈ 0,0374. Margen de error = 1,96 × 0,0374 ≈ 0,0733. IC = 0,3 ± 0,0733 = (0,2267, 0,3733), es decir, aproximadamente (22,7 %, 37,3 %).
2. Ejercicio 2: IC del 90 %, n = 200
En una muestra de 200 usuarios de una app, 80 activaron las notificaciones push. Halla un intervalo de confianza del 90 %. Solución: p̂ = 80 ÷ 200 = 0,4. SE = √[0,4 × 0,6 ÷ 200] = √0,0012 ≈ 0,0346. Margen de error = 1,645 × 0,0346 ≈ 0,0570. IC = 0,4 ± 0,0570 = (0,343, 0,457), es decir, aproximadamente (34,3 %, 45,7 %).
3. Ejercicio 3: tamaño de muestra sin estimación previa
Un investigador quiere un intervalo de confianza del 99 % con un margen de error no mayor de 5 puntos porcentuales (E = 0,05) y no dispone de datos piloto. Solución: usa el valor conservador p̂ = 0,5. n = (2,576 ÷ 0,05)² × 0,5 × 0,5 = (51,52)² × 0,25 ≈ 2654,3 × 0,25 ≈ 663,6, que se redondea a 664 encuestados.
4. Ejercicio 4: comprobar la condición de éxito-fracaso
Una pequeña encuesta piloto a 40 personas obtiene 8 éxitos. ¿Se puede confiar aquí en un intervalo z estándar? Solución: p̂ = 8 ÷ 40 = 0,2. n p̂ = 40 × 0,2 = 8, que es menor que 10, así que la condición de éxito-fracaso no se cumple, aunque n(1 − p̂) = 32 ≥ 10 sí se cumpla. No se debe confiar en el resultado de aproximación normal de una calculadora de intervalo de confianza estándar; usa en su lugar un método exacto como el intervalo de puntuación de Wilson.
5. Ejercicio 5: comparar la precisión al aumentar el tamaño de muestra
Encuesta A: n = 500, p̂ = 0,24, lo que da SE ≈ 0,0191 y un margen de error del 95 % ≈ 0,0374. Encuesta B: n = 2000 (4 veces mayor), mismo p̂ ≈ 0,24, lo que da SE = √(0,1824 ÷ 2000) ≈ 0,00955 y un margen de error del 95 % ≈ 0,0187. El intervalo de la encuesta B tiene aproximadamente la mitad de amplitud que el de la encuesta A, lo que confirma que cuadruplicar el tamaño de muestra reduce a la mitad el margen de error.
Más ayuda con intervalos de confianza para proporciones
Cuando ya dominas el cálculo de p̂, la comprobación de la condición de éxito-fracaso, la elección de z* y la construcción del margen de error, los intervalos de confianza para proporciones pasan a ser una cuestión de plantear bien el problema y no una fórmula misteriosa. Si los números de un problema concreto no cuadran como esperas, el solucionador paso a paso de Solvify puede resolver el mismo cálculo de intervalo de confianza que se muestra en esta guía (la proporción muestral, el error estándar, el valor crítico y el intervalo final) para que veas exactamente en qué punto tu planteamiento se aparta del correcto.
Antes de confiar en una calculadora de intervalo de confianza para una proporción, comprueba primero la condición de éxito-fracaso: la validez de la fórmula depende de ella tanto como de los cálculos.
Artículos relacionados
Calculadora de error estándar: cómo calcular el SE para medias y proporciones
La fórmula del error estándar sobre la que se construye directamente un intervalo de confianza para una proporción, con más ejemplos resueltos para medias y proporciones.
Calculadora de puntuación z a percentil: fórmula, pasos y ejemplos
Un análisis más profundo de la distribución normal estándar y de los valores z que hay detrás de los valores críticos z* usados en todo intervalo de confianza para una proporción.
Calculadora de chi cuadrado: cómo calcular pruebas de chi cuadrado a mano
Otro método estadístico para datos categóricos, útil cuando estés listo para contrastar relaciones entre proporciones de distintos grupos.
Solucionadores matemáticos
Soluciones paso a paso
Obtén cada paso de un intervalo de confianza para una proporción de forma explícita: la proporción muestral, el error estándar y el margen de error.
Solucionador Smart Scan
Haz una foto de un problema de intervalo de confianza o margen de error y obtén al instante una solución completamente desarrollada.
Tutor de matemáticas con IA
Haz preguntas de seguimiento sobre intervalos de confianza, valores z* o cuándo aplicar la condición de éxito-fracaso.
Materias relacionadas
Ayuda con estadística
Estadística descriptiva, pruebas de hipótesis e intervalos de confianza: los temas que se basan directamente en los intervalos de confianza para proporciones.
Preparación de exámenes con un tutor de IA
Cómo un tutor de IA puede guiarte en problemas de intervalos de confianza y margen de error antes de un examen de estadística.