Capı́tulo 1

Muestreo y Estimación

1.1. Introducción Teórica

El muestreo es una técnica estadı́stica que permite obtener información
sobre una población a partir de un subconjunto representativo llamado mues-
tra. Esta estrategia es esencial en situaciones donde estudiar toda la población
resulta costoso, impráctico o incluso imposible.
En términos generales, se busca que las caracterı́sticas observadas en la
muestra permitan hacer inferencias válidas sobre la población completa. Para
lograrlo, es fundamental que el proceso de selección de la muestra sea ade-
cuado y que se utilicen herramientas matemáticas que permitan controlar e
interpretar el error inherente al muestreo.

1.1.1. Tipos de Población: finita vs infinita

En estadı́stica, la población es el conjunto total de elementos sobre los
cuales se desea hacer inferencias. En el contexto de la administración pública,
una población puede referirse, por ejemplo, a los hogares de un municipio,
los beneficiarios de un programa social o los funcionarios de una entidad
territorial.
Desde el punto de vista operativo, las poblaciones se pueden clasificar en
dos tipos según su tamaño y accesibilidad:

Población finita: Corresponde a un conjunto de elementos cuyo tamaño

total N es conocido y accesible. Esto ocurre cuando se dispone de un

1
 marco muestral completo, es decir, una lista o base de datos que per-
mite identificar y enumerar a cada unidad. Ejemplos tı́picos incluyen el
listado oficial de hogares en una base del SISBEN, la nómina de emplea-
dos de una alcaldı́a o los estudiantes matriculados en una institución
pública. En estos casos, el valor de N se incorpora explı́citamente en
los cálculos estadı́sticos, como en la fórmula del tamaño de muestra con
corrección para población finita.

Población infinita (o desconocida): Se refiere a situaciones en las que no

se conoce con certeza el tamaño total de la población o no se tiene acceso
a un marco muestral completo. Aunque la población real puede ser
numéricamente limitada (por ejemplo, 7.000 hogares en una zona rural),
si no es posible construir una lista detallada de todos los elementos, se
considera operativamente infinita. Esto también ocurre en poblaciones
abiertas o dinámicas, como los usuarios de un servicio público que varı́a
constantemente. En estos casos, se utiliza una fórmula más simple que
no depende del valor de N .

Esta clasificación tiene implicaciones prácticas al momento de calcular

el tamaño de muestra necesario para una encuesta o estudio. Si el tamaño
de la población se conoce con precisión, conviene tratarla como finita. En
caso contrario, se asume que es infinita, lo cual simplifica el análisis sin afec-
tar significativamente la validez de los resultados, especialmente cuando la
población real es grande.

1.1.2. Tipos de Variables

En estadı́stica, las variables representan las caracterı́sticas que se desean
observar o medir. Se clasifican principalmente en dos tipos: categóricas y
numéricas.

Variables categóricas: También llamadas cualitativas, son aquellas que

expresan atributos o categorı́as. Por ejemplo: sexo (masculino/femenino),
tipo de régimen de salud (contributivo/subsidiado), o satisfacción (sa-
tisfecho/no satisfecho). Cuando la variable tiene solo dos posibles valo-
res, se considera binaria y se usa para estimar proporciones.

Variables numéricas: Representan cantidades que pueden medirse y sobre

las cuales se pueden calcular promedios. Ejemplos comunes incluyen el

2
 ingreso mensual, la edad, o el número de trámites realizados. Estas
variables permiten calcular estimaciones como la media y la desviación
estándar, y se usan en las fórmulas de tamaño de muestra para medias.

1.1.3. Parámetros y Estadı́sticos

En el análisis estadı́stico es importante distinguir entre los parámetros
y los estadı́sticos.
Los parámetros son valores que describen caracterı́sticas de toda la po-
blación, como la media poblacional µ, la proporción real p o la desviación
estándar poblacional σ. En la práctica, estos valores son desconocidos.
Por otro lado, los estadı́sticos son los valores calculados a partir de una
muestra, como la media muestral x̄, la proporción observada p̂ o la desviación
estándar de la muestra s. Estos valores se utilizan para estimar los parámetros
poblacionales.

1.1.4. Error Muestral y Error No Muestral

En un estudio por muestreo pueden presentarse dos tipos de error: el
error muestral y el error no muestral.

Error muestral: Es el error que se genera al trabajar con una muestra

en lugar de toda la población. Aunque se haga un muestreo correcto,
siempre habrá cierta variación. Este es el único error que se considera
en los cálculos estadı́sticos y se puede reducir aumentando el tamaño
de la muestra.

Error no muestral: Es causado por problemas en el diseño del instrumen-

to, la recolección de datos o errores humanos. No se reduce aumentando
el tamaño de muestra y no se incluye en las fórmulas estadı́sticas, por
lo que debe prevenirse mediante buenas prácticas metodológicas.

1.1.5. Nivel de Confianza y Margen de Error

Dos conceptos clave al diseñar un estudio por muestreo son el nivel de
confianza y el margen de error. Estos determinan qué tan precisos y
confiables serán los resultados obtenidos a partir de una muestra.

3
Nivel de confianza: Es la probabilidad de que el intervalo de confianza ob-
tenido con los datos muestrales contenga el verdadero valor del paráme-
tro poblacional. Los niveles más comunes son 95 % y 99 %, y se rela-
cionan con un valor crı́tico de la distribución normal, denotado como
Zα .

Margen de error (ϵ): Indica cuánto pueden diferir los resultados de la

muestra respecto a los valores reales de la población. Se expresa como
una tolerancia positiva o negativa alrededor del resultado estimado, por
ejemplo ˘3 % o ˘5 %.

Ejemplo: Una encuesta de intención de voto en un municipio reporta

que el 48 % de los encuestados votarı́a por el candidato A, y el 45 % por el
candidato B, con un margen de error de ˘3 % y un nivel de confianza del
95 %.
Esto significa que, con un 95 % de confianza, el verdadero apoyo al can-
didato A se encuentra entre 45 % y 51 %, y el de B entre 42 % y 48 %.
Como los intervalos se superponen, no se puede afirmar con certeza quién va
ganando: estadı́sticamente, hay un empate técnico.
Ejemplo con varios candidatos:
Una encuesta de intención de voto realizada en un municipio reporta
los siguientes resultados para tres candidatos a la Alcaldı́a, con un nivel de
confianza del 95 % y un margen de error del ˘3 %:

Candidato A: 42 %

Candidato B: 39 %

Candidato C: 12 %

Con base en estos resultados, se pueden construir intervalos de confianza

para cada uno:

Candidato A: r39 %, 45 %s

Candidato B: r36 %, 42 %s

Candidato C: r9 %, 15 %s

4
 Ejemplo con variable numérica:
Una alcaldı́a realizó una encuesta para estimar el tiempo promedio que
un ciudadano tarda en ser atendido en ventanilla. El estudio encontró
que el tiempo promedio es de 20 minutos, con un margen de error de
±10 % y un nivel de confianza del 95 %.
Esto significa que, con un 95 % de confianza, el verdadero tiempo prome-
dio de atención en toda la población está entre 18 y 22 minutos.

1.1.6. Tipos de Muestreo Probabilı́stico

El muestreo probabilı́stico se basa en la selección aleatoria de las unidades
muestrales, lo que garantiza que cada elemento de la población tenga una
probabilidad conocida y distinta de cero de ser incluido en la muestra. A
continuación, se describen los tipos más comunes, con especial atención a su
aplicación en estudios territoriales y administrativos.

Muestreo Aleatorio Simple (MAS): Cada unidad de la población tiene

la misma probabilidad de ser seleccionada. Es el método más básico y el
que sirve como base para las fórmulas que se estudiarán en esta unidad.
Por ejemplo, una alcaldı́a puede seleccionar al azar un conjunto de
ciudadanos registrados en su base de datos para evaluar la percepción
sobre los servicios públicos, asegurando que todos tengan la misma
posibilidad de ser escogidos.

Muestreo Estratificado: La población se divide en subgrupos homogéneos

(estratos) según una caracterı́stica relevante, como zona geográfica, ni-
vel educativo o grupo etario, y se toma una muestra de cada grupo.
Esto permite asegurar la representación proporcional de distintos sec-
tores de la población. Por ejemplo, al evaluar el acceso a internet o
el uso de servicios sociales, puede resultar útil separar la población en
zonas urbanas y rurales y extraer muestras proporcionales en cada una.

Muestreo por Conglomerados: Se seleccionan grupos completos (con-

glomerados), como barrios, veredas o instituciones, y se encuestan to-
dos los elementos del grupo o una submuestra interna. Este método es
común cuando no se dispone de un marco muestral individual, pero sı́ se
conoce la estructura territorial. Por ejemplo, se pueden escoger algunos
corregimientos del municipio y encuestar todos los hogares dentro de

5
 ellos, o seleccionar instituciones educativas para aplicar instrumentos a
los estudiantes de cierto nivel.

Muestreo Sistemático: Consiste en seleccionar unidades a intervalos regu-

lares a partir de una lista ordenada. Se elige un punto de inicio aleatorio
y luego se toma cada k-ésima unidad. Es eficiente cuando se dispone
de registros administrativos estructurados, como listados de licencias,
solicitudes o trámites. Por ejemplo, si se cuenta con una base ordenada
de licencias de construcción, se puede extraer una muestra tomando
una de cada 20 observaciones, empezando desde un punto aleatorio.

1.2. 2.1.8 Cálculo del Tamaño de Muestra (MAS)

En esta sección se presentan las fórmulas utilizadas para calcular el ta-
maño de muestra cuando se aplica un muestreo aleatorio simple (MAS), que
es el tipo de muestreo base en esta unidad. El tamaño de muestra necesario
depende de:

El tipo de variable que se desea estimar (proporción o media).

Si la población es considerada finita (tamaño N conocido) o infinita

(muy grande o desconocida).

El nivel de confianza deseado (que determina el valor crı́tico Z).

El margen de error aceptable (ϵ).

Una estimación previa de la proporción p o la desviación estándar σ,

dependiendo del caso.

A continuación, se explican los cuatro casos fundamentales, organizados

según el tipo de variable y el tipo de población.

1.2.1. 2.1.8-A Variable Cualitativa Binaria con Pobla-

ción Infinita
Este caso se presenta cuando se desea estimar una proporción sobre una
caracterı́stica binaria en una población muy grande o de tamaño desconocido.

6
Es común en encuestas donde las respuestas son de tipo sı́/no, como conocer
un programa, estar satisfecho con un servicio o participar en una actividad.
La fórmula utilizada para calcular el tamaño de muestra es:

Z 2 ¨ pp1 ´ pq
n“
ϵ2
n: Tamaño de muestra necesario.
Z: Valor crı́tico de la distribución normal asociado al nivel de confianza
(por ejemplo, 1.96 para 95 %).
p: Proporción estimada de la caracterı́stica en estudio.
ϵ: Margen de error tolerado.

Cuando no se tiene un valor estimado de p, se recomienda usar p “ 0.5,

ya que maximiza el producto pp1 ´ pq, dando lugar al tamaño de muestra
más conservador.
Interpretación: Esta fórmula permite calcular cuántas personas se de-
ben encuestar para estimar una proporción dentro de un margen de error
especı́fico y con cierto nivel de confianza, sin necesidad de conocer el tamaño
total de la población.
Ejemplo aplicado: Un equipo de la alcaldı́a desea estimar qué porcen-
taje de ciudadanos está satisfecho con el servicio de agua potable. No se tiene
un valor previo de referencia, por lo que se asume p “ 0.5. Se desea un nivel
de confianza del 95 % y un margen de error del 5 %:

p1.96q2 ¨ 0.5 ¨ 0.5 3.8416 ¨ 0.25 0.9604

n“ 2
“ “ “ 384.16
p0.05q 0.0025 0.0025
Se requiere entonces una muestra de al menos 385 personas para garan-
tizar la precisión deseada.

1.2.2. 2.1.8-B Variable Cualitativa Binaria con Pobla-

ción Finita
Este caso se presenta cuando se desea estimar una proporción (por ejem-
plo, el porcentaje de personas que acceden a un servicio o conocen un progra-
ma) y se conoce el tamaño total de la población N . En estos casos se aplica

7
un ajuste al tamaño de muestra para evitar sobredimensionar el número de
encuestas necesarias.
La fórmula que se utiliza es:

Z 2 ¨ N ¨ pp1 ´ pq
n“
ϵ2 pN ´ 1q ` Z 2 ¨ pp1 ´ pq

n: Tamaño de muestra ajustado.

N : Tamaño total de la población.

Z: Valor crı́tico según el nivel de confianza.

p: Proporción estimada de la caracterı́stica en estudio.

ϵ: Margen de error tolerado.

Esta fórmula incorpora la llamada corrección para población finita,

que permite reducir el tamaño de muestra si la población total es conocida
y no es muy grande.
Interpretación: Cuando se conoce el tamaño total de la población, es
innecesario trabajar con muestras tan grandes como en el caso de población
infinita. Esta corrección permite ajustar el cálculo y optimizar los recursos
disponibles para la recolección de datos.
Ejemplo aplicado: En el municipio de Inı́rida (Guainı́a), se desea es-
timar la proporción de estudiantes de educación media que están matricu-
lados en jornada única. La población total de estudiantes en ese nivel es de
N “ 920. No se tiene información previa, por lo que se toma p “ 0.5, con un
nivel de confianza del 95 % y un margen de error del 5 %.
Aplicando la fórmula:

p1.96q2 ¨ 920 ¨ 0.5 ¨ 0.5 3.8416 ¨ 920 ¨ 0.25

n“ 2 2
“
p0.05q ¨ p920 ´ 1q ` p1.96q ¨ 0.5 ¨ 0.5 0.0025 ¨ 919 ` 0.9604

884.368 884.368
n“ “ « 271.38
2.2975 ` 0.9604 3.2579
Por lo tanto, se requiere encuestar aproximadamente 272 estudiantes.

8
1.2.3. 2.1.8-C Variable Cualitativa con Más de Dos Ca-
tegorı́as y Población Infinita
Este caso se presenta cuando se desea estimar proporciones asociadas a
una variable cualitativa que tiene más de dos categorı́as (por ejemplo, tipo
de régimen de salud, medio de transporte, nivel educativo, entre otras), y se
considera que la población es muy grande o desconocida.
Aunque la fórmula general para calcular el tamaño de muestra es la mis-
ma que en el caso binario, es importante aclarar cómo usarla correctamente
cuando se quiere estimar varias proporciones al tiempo:

Z 2 ¨ pp1 ´ pq
n“
ϵ2
n: Tamaño de muestra necesario.

Z: Valor crı́tico de la distribución normal (según el nivel de confianza).

p: Proporción esperada de la categorı́a que se desea estimar.

ϵ: Margen de error absoluto tolerado.

Importante: En esta fórmula, el margen de error ϵ es absoluto, es decir,

se interpreta como una diferencia fija (por ejemplo, ±0.05). Sin embargo, si
la proporción p es muy pequeña, ese error puede representar un error relativo
muy alto. Por ejemplo:

Si p “ 0.6 y ϵ “ 0.05, el error relativo es de aproximadamente 8.3 %.

Si p “ 0.1 con el mismo ϵ “ 0.05, el error relativo es del 50 %.

Esto significa que, aunque con valores pequeños de p la fórmula da un

tamaño de muestra menor, la estimación puede ser mucho menos precisa en
términos relativos.
¿Qué hacer si se desea estimar todas las proporciones de una
variable cualitativa?
Cuando el objetivo es estimar la distribución completa de una variable
(por ejemplo, el porcentaje de personas que se transportan en moto, bus, bici-
cleta, etc.), se deben tomar medidas para asegurar que el error sea aceptable
en cada categorı́a. Las dos estrategias más comunes son:

9
 Calcular el valor de pp1 ´ pq para cada categorı́a y seleccionar el mayor.
Luego, se usa ese valor de p en la fórmula. Esta estrategia genera un
tamaño de muestra suficientemente grande para estimar con precisión
aceptable todas las proporciones relevantes.

Utilizar el valor p “ 0.5, que maximiza pp1 ´ pq y genera el tamaño

de muestra más conservador. Esta opción es útil cuando no se tienen
estimaciones previas o se busca garantizar un error uniforme aceptable
en todas las categorı́as.

Ejemplo aplicado:
La Gobernación del Vaupés desea estimar la proporción de ciudadanos
que utilizan diferentes medios de transporte para ir al trabajo: a pie, en
motocicleta, en bicicleta, en transporte público o en vehı́culo propio. Según
una encuesta piloto, el uso de bicicleta tiene una proporción estimada de
p “ 0.12. Se desea estimar esa proporción con un nivel de confianza del 95 %
y un margen de error absoluto de ϵ “ 0.04:

p1.96q2 ¨ 0.12 ¨ p1 ´ 0.12q 3.8416 ¨ 0.1056 0.4059

n“ 2
“ “ « 254
p0.04q 0.0016 0.0016

Aunque el tamaño de muestra calculado es menor que el que se obtendrı́a

con p “ 0.5, debe considerarse que el error relativo sigue siendo alto para
esta categorı́a (más del 30 %). Si el estudio busca estimar con buena precisión
todas las proporciones, puede ser preferible usar p “ 0.5, lo cual requerirı́a
una muestra de aproximadamente 385 personas con los mismos parámetros.

1.2.4. 2.1.8-D Variable Cualitativa con Más de Dos Ca-

tegorı́as y Población Finita
Este caso corresponde al estudio de proporciones en variables cualitativas
con más de dos categorı́as (por ejemplo, tipo de transporte, nivel educativo,
afiliación al sistema de salud, etc.), cuando el tamaño total de la población
N es conocido y no muy grande.
Se utiliza la misma lógica que en el caso de proporciones binaria con
población finita, incorporando la corrección para tamaño poblacional. La
fórmula es:

10
 Z 2 ¨ N ¨ pp1 ´ pq
n“ 2
ϵ pN ´ 1q ` Z 2 ¨ pp1 ´ pq

n: Tamaño de muestra requerido.

N : Tamaño total de la población.

Z: Valor crı́tico según el nivel de confianza.

p: Proporción estimada para la categorı́a de interés.

ϵ: Margen de error absoluto permitido.

Esta corrección reduce el tamaño de muestra necesario cuando la pobla-

ción total no es muy grande, lo cual es frecuente en estudios de municipios
pequeños, grupos poblacionales especı́ficos o proyectos focalizados.
Consideración metodológica:
Cuando se desea estimar varias proporciones (una por categorı́a de la
variable), lo más riguroso es calcular el tamaño de muestra individualmente
para cada categorı́a, utilizando su valor estimado de p, y luego seleccionar
el mayor de todos. Esto garantiza que todas las proporciones queden dentro
del margen de error establecido.
En el caso de población infinita, esto se puede simplificar comparando
directamente los valores de pp1 ´ pq para cada categorı́a, ya que el tamaño de
muestra depende directamente de esta expresión. Sin embargo, en población
finita, el pp1 ´ pq aparece también en el denominador, por lo que puede no
coincidir con el mayor tamaño de muestra. Por ello, en ese caso se recomienda
calcular los valores completos de n y elegir el mayor.
Ejemplo aplicado:
La Alcaldı́a de Mitú (Vaupés) desea estimar la proporción de hogares
según su fuente principal de energı́a para cocinar: gas domiciliario, leña, elec-
tricidad o carbón. Según un censo reciente, hay 870 hogares en el municipio,
y se estima que el 20 % utiliza carbón. Se desea estimar esta proporción con
un nivel de confianza del 95 % y un margen de error del 5 %.

p1.96q2 ¨ 870 ¨ 0.2 ¨ 0.8

n“
p0.05q2 ¨ p870 ´ 1q ` p1.96q2 ¨ 0.2 ¨ 0.8

11
 3.8416 ¨ 870 ¨ 0.16 535.37376 535.37376
n“ “ “ « 192.1
0.0025 ¨ 869 ` 3.8416 ¨ 0.16 2.1725 ` 0.614656 2.787156
Por tanto, se requiere una muestra de aproximadamente 193 hogares para
estimar con ese nivel de precisión la proporción de uso de carbón como fuente
principal.

1.2.5. 2.1.8-E Variable Cuantitativa y Población Infi-

nita
Este caso corresponde a situaciones donde se desea estimar una media
poblacional (por ejemplo, ingreso promedio, edad promedio, número prome-
dio de trámites realizados, etc.), y la población es muy grande o desconocida.
Es tı́pico en encuestas de percepción ciudadana, estudios sectoriales o inves-
tigaciones con variables cuantitativas continuas.
Fórmula:

Z 2 ¨ σ2
n“
ϵ2
n: Tamaño de muestra requerido.
Z: Valor crı́tico de la distribución normal (según el nivel de confianza).
σ: Desviación estándar de la variable (se puede estimar a partir de
estudios previos o muestras piloto).
ϵ: Margen de error absoluto tolerado respecto a la media.

Importante: En esta fórmula, el margen de error ϵ debe estar expresado

en las mismas unidades de la variable (por ejemplo, pesos, años, minutos).
No se debe usar directamente un porcentaje como margen de error.
¿Qué hacer si el problema entrega un margen de error en por-
centaje?
En ese caso, se requiere una estimación previa de la media poblacional
µestimada para convertir ese porcentaje en una cantidad absoluta:

ϵ “ Porcentaje ˆ µestimada

12
 Una vez hecho esto, se puede aplicar la fórmula original sin problema.
Ejemplo aplicado:
La Secretarı́a de Hacienda del departamento del Meta desea estimar el
ingreso mensual promedio de los contratistas de la administración pública te-
rritorial. A partir de registros anteriores, se estima que la desviación estándar
de los ingresos es de aproximadamente $1.200.000.
Caso 1: Margen de error absoluto
Se desea estimar la media con un margen de error absoluto de $200.000
y un nivel de confianza del 95 %:

p1.96q2 ¨ p1.200.000q2 3.8416 ¨ 1.44 ˆ 1012 5.530 ˆ 1012

n“ “ “ « 138.25
p200.000q2 4 ˆ 1010 4 ˆ 1010

Por lo tanto, se requiere una muestra de al menos 139 contratistas.

Caso 2: Margen de error dado en porcentaje
Supongamos ahora que el problema pide estimar el ingreso promedio con
un error del 5 %. Si se estima que la media está en $1.200.000, entonces el
margen de error es:

ϵ “ 0.05 ¨ 1.200.000 “ 60.000

Y se aplica la fórmula con ese valor:

p1.96q2 ¨ p1.200.000q2 3.8416 ¨ 1.44 ˆ 1012

n“ “ « 1537.1
p60.000q2 3.6 ˆ 109
En este caso se requerirı́a una muestra de aproximadamente 1538 perso-
nas.
Nota: Cuanto menor sea el margen de error (ya sea absoluto o relativo),
mayor será el tamaño de muestra requerido. Además, los errores relativos
deben siempre convertirse a unidades antes de aplicar la fórmula.

1.2.6. 2.1.8-F Variable Cuantitativa y Población Finita

Este caso se presenta cuando se desea estimar una media poblacional
(por ejemplo, ingreso promedio, edad promedio, número de trámites, horas
trabajadas, etc.) y se conoce el tamaño total de la población N . Esto es

13
común en estudios focalizados sobre grupos limitados, como funcionarios de
un municipio, estudiantes de un programa, o beneficiarios de un proyecto.
Fórmula:

Z 2 ¨ N ¨ σ2
n“
ϵ2 pN ´ 1q ` Z 2 ¨ σ 2
n: Tamaño de muestra requerido.
N : Tamaño total de la población.
Z: Valor crı́tico de la distribución normal (según el nivel de confianza).
σ: Desviación estándar de la variable de interés.
ϵ: Margen de error absoluto tolerado respecto a la media.

Consideraciones clave:
Esta fórmula incluye la corrección por población finita, lo que re-
duce el tamaño de muestra requerido cuando N no es muy grande.
Al igual que en el caso de población infinita, el margen de error ϵ debe
expresarse en las mismas unidades de la variable.
Si el error es dado en porcentaje, debe convertirse previamente a un
valor absoluto usando una media estimada.

Ejemplo aplicado:
La Alcaldı́a de Mitú (Vaupés) desea estimar el número promedio de dı́as
que demoran los procesos de contratación de obras menores. Hay un total
de 400 contratos reportados en el año anterior, y se estima que la desviación
estándar es de 8 dı́as. Si se desea estimar la media con un error máximo de
2 dı́as y un nivel de confianza del 95 %, se tiene:

p1.96q2 ¨ 400 ¨ 82 3.8416 ¨ 400 ¨ 64

n“ 2 2 2
“
2 ¨ p400 ´ 1q ` p1.96q ¨ 8 4 ¨ 399 ` 3.8416 ¨ 64
98.32384 ¨ 400 39329.536
“ “ « 21.36
1596 ` 245.8624 1841.8624
Por tanto, se requiere una muestra de al menos **22 contratos** para
estimar el promedio de duración con ese nivel de precisión.

14
1.3. Ejercicios
Ejercicio 1.1. La Alcaldı́a de Puerto Gaitán, en el departamento del Meta,
desea conocer la proporción de ciudadanos que han accedido al programa de
alimentación escolar en zonas rurales. Como no se cuenta con información
previa, se estima p “ 0.5. Se desea un nivel de confianza del 95 % y un
margen de error del 6 %. Calcule el tamaño mı́nimo de muestra requerido
suponiendo que la población es muy grande o desconocida.

Ejercicio 1.2. En el departamento de Vaupés, la Gobernación está intere-

sada en estimar la proporción de hogares que reciben subsidios al gas domi-
ciliario en los corregimientos de difı́cil acceso. No se tiene una proporción
conocida, por lo que se asume p “ 0.5, con un margen de error tolerado
del 4 % y un nivel de confianza del 90 %. Determine cuántos hogares deben
encuestarse bajo el supuesto de población infinita.

Ejercicio 1.3. En el municipio de Mitú (Vaupés), la Secretarı́a de Salud

realizó una encuesta piloto en dos veredas, encontrando que aproximadamente
el 70 % de las familias reportaron tener acceso regular a atención médica
básica. La administración desea estimar esta proporción a nivel municipal
con un nivel de confianza del 95 % y un margen de error del 5 %. Calcule el
tamaño de muestra necesario, asumiendo una población infinita.

Ejercicio 1.4. La Gobernación del Guainı́a quiere estimar la proporción de

ciudadanos mayores de 60 años que están inscritos en programas de recrea-
ción comunitaria. Con base en registros administrativos previos, se estima
que esta proporción es cercana al 35 %. Si se desea construir una estimación
con un margen de error de 4 % y un nivel de confianza del 99 %, determine el
tamaño mı́nimo de muestra requerido suponiendo que la población es grande
o desconocida.

Ejercicio 1.5. En el municipio de San José del Guaviare, se desea estimar el

porcentaje de comerciantes informales que conocen los requisitos para acceder
a créditos del fondo de emprendimiento local. No se cuenta con información
previa, por lo que se toma p “ 0.5, con un nivel de confianza del 95 % y un
margen de error del 6 %. Determine el tamaño de muestra necesario.

Ejercicio 1.6. La Alcaldı́a de Puerto Carreño (Vichada) reportó en un cen-

so local que el 62 % de los hogares usa leña como fuente principal de energı́a

15
para cocinar. Se desea verificar esta proporción mediante una encuesta repre-
sentativa, con un nivel de confianza del 90 % y un margen de error del 5 %.
Calcule el tamaño de muestra requerido.
Ejercicio 1.7. En La Macarena (Meta), se estima que el 45 % de los jóvenes
entre 15 y 25 años ha participado en al menos un programa de liderazgo
juvenil. Se desea confirmar esta proporción mediante una encuesta con un
margen de error del 4 % y un nivel de confianza del 95 %. Determine cuántos
jóvenes deben ser encuestados, suponiendo una población infinita.
Ejercicio 1.8. La Gobernación del Amazonas necesita estimar el porcentaje
de familias indı́genas que reciben el incentivo del programa de ingreso soli-
dario. Ante la ausencia de datos exactos, se toma p “ 0.5, con un nivel de
confianza del 99 % y un margen de error de 3 %. Calcule el tamaño mı́nimo
de muestra requerido.
Ejercicio 1.9. En el municipio de Calamar (Guaviare), se quiere estimar
el porcentaje de mujeres cabeza de hogar que tienen acceso a internet en su
vivienda. Estudios previos estiman esta proporción en un 28 %. Si se desea
un nivel de confianza del 95 % y un margen de error del 4 %, determine el
tamaño de muestra necesario.
Ejercicio 1.10. La Secretarı́a de Educación del departamento del Meta busca
estimar la proporción de estudiantes de colegios rurales que utilizan transporte
escolar. Una estimación inicial indica que el 80 % accede al servicio. Se desea
construir un intervalo con un nivel de confianza del 96 % y un margen de
error del 5 %. ¿Cuál es el tamaño de muestra requerido bajo el supuesto de
población infinita?
Ejercicio 1.11. La Alcaldı́a de Mapiripán (Meta) desea estimar el porcentaje
de hogares que han recibido asistencia alimentaria en el último año. El censo
reciente reporta 1.150 hogares en el municipio. No se tiene una proporción
previa, por lo que se asume p “ 0.5. Si se desea un nivel de confianza del
95 % y un margen de error del 6 %, calcule el tamaño de muestra necesario.
Ejercicio 1.12. En Mitú (Vaupés), la Secretarı́a de Educación quiere esti-
mar la proporción de estudiantes de secundaria que participan en actividades
extracurriculares. De acuerdo con registros oficiales, hay 720 estudiantes ma-
triculados en ese nivel. Con base en una encuesta piloto, se estima que el 40 %
participa activamente. Si se desea un nivel de confianza del 90 % y un margen
de error del 5 %, determine cuántos estudiantes deben ser encuestados.

16
Ejercicio 1.13. En Puerto Leguı́zamo (Putumayo), la Dirección Local de
Salud desea estimar qué porcentaje de madres gestantes está inscrita en pro-
gramas de control prenatal. La población objetivo es de 580 mujeres según la
base de datos del SISBEN. Se desea trabajar con un nivel de confianza del
95 % y un margen de error del 4 %, asumiendo p “ 0.6. Calcule el tamaño
mı́nimo de muestra necesario.
Ejercicio 1.14. En el municipio de La Primavera (Vichada), se desea cono-
cer el porcentaje de negocios formales que acceden a capacitaciones del SENA.
El censo empresarial indica que existen 310 negocios registrados. Si se estima
que el 55 % ha participado y se desea trabajar con un margen de error del 5 %
y un nivel de confianza del 99 %, determine el tamaño de muestra requerido.
Ejercicio 1.15. La Gobernación del Guaviare quiere estimar la proporción
de funcionarios públicos del nivel territorial que han realizado formación vir-
tual en los últimos 12 meses. Según la base de datos oficial, hay 860 funcio-
narios activos. Se estima que el 65 % ha participado. Si se desea un nivel de
confianza del 95 % y un margen de error del 4 %, determine el tamaño de
muestra necesario.
Ejercicio 1.16. En el municipio de Puerto Gaitán (Meta), se quiere estimar
el porcentaje de hogares que han accedido al programa de gas domiciliario en
zona rural. Según el último reporte, hay 1.360 hogares rurales. Se asume
p “ 0.5, con un nivel de confianza del 90 % y un margen de error del 5 %.
Calcule el tamaño mı́nimo de muestra.
Ejercicio 1.17. En Calamar (Guaviare), la Alcaldı́a desea conocer qué pro-
porción de jóvenes entre 14 y 18 años está inscrita en procesos de partici-
pación juvenil. La población objetivo es de 450 jóvenes. Un estudio anterior
sugiere una participación del 30 %. Se desea un nivel de confianza del 95 %
y un margen de error del 5 %. Determine el tamaño de muestra necesario.
Ejercicio 1.18. La Gobernación del Amazonas quiere estimar el porcenta-
je de pequeños productores rurales que reciben asistencia técnica. El censo
agrı́cola departamental identifica 980 productores. Se asume que el 50 % ha
accedido a este servicio. Con un nivel de confianza del 99 % y un margen de
error del 5 %, calcule el tamaño de muestra necesario.
Ejercicio 1.19. En La Macarena (Meta), se quiere conocer el porcentaje de
familias con niños en edad preescolar que acceden al programa de alimenta-
ción infantil. La base de datos de cobertura indica que hay 790 familias con

17
niños de 3 a 5 años. Se estima p “ 0.75, y se desea un margen de error del
6 % con nivel de confianza del 95 %. Determine el tamaño de muestra.

Ejercicio 1.20. La Alcaldı́a de Puerto Carreño (Vichada) planea medir la

proporción de ciudadanos que usan bicicleta como medio de transporte prin-
cipal. Según el censo urbano, hay 2.500 personas entre 15 y 64 años. Una
encuesta piloto sugiere que el 22 % utiliza bicicleta. Se desea trabajar con un
margen de error del 4 % y un nivel de confianza del 90 %. Calcule cuántas
personas deben ser encuestadas.

Ejercicio 1.21. La Gobernación del Amazonas desea estimar la proporción

de ciudadanos que utilizan diferentes fuentes de agua para consumo diario:
acueducto oficial, pozo, rı́o o agua lluvia. Según un estudio preliminar, el uso
de agua lluvia representa aproximadamente el 18 % de los casos. Con un nivel
de confianza del 95 % y un margen de error del 4 %, determine el tamaño de
muestra necesario para estimar esa proporción.

Ejercicio 1.22. En Puerto Inı́rida (Guainı́a), la alcaldı́a quiere estimar la

distribución de medios de transporte usados por los servidores públicos para
movilizarse al trabajo: caminata, motocicleta, bicicleta, transporte institucio-
nal o vehı́culo propio. Se estima que el 10 % utiliza bicicleta. ¿Cuál es el
tamaño de muestra necesario para estimar esa categorı́a con un margen de
error del 5 % y un nivel de confianza del 99 %?

Ejercicio 1.23. La Secretarı́a de Planeación del Guaviare desea conocer la

proporción de hogares según el tipo de material predominante en sus vivien-
das: concreto, madera, zinc o bareque. Según registros del DANE, el 25 % usa
zinc. Si se desea estimar esa proporción con un nivel de confianza del 95 %
y un margen de error del 5 %, calcule el tamaño de muestra necesario.

Ejercicio 1.24. En el departamento del Meta, se desea estimar la proporción

de usuarios de los centros de salud según el tipo de régimen de afiliación:
subsidiado, contributivo, especial o no afiliado. Un reporte técnico indica que
el grupo “no afiliado” representa solo el 7 %. Determine el tamaño mı́nimo
de muestra requerido para estimar esa categorı́a con un margen de error del
3 % y un nivel de confianza del 95 %.

Ejercicio 1.25. La Gobernación de Vaupés desea estimar la distribución de

las lenguas maternas habladas en el departamento: español, cubeo, tukano, y
otras indı́genas. De una encuesta piloto, se estima que el 14 % habla tukano

18
como lengua principal. Determine el tamaño de muestra necesario para esti-
mar esa proporción con un nivel de confianza del 90 % y un margen de error
del 5 %.

Ejercicio 1.26. En el municipio de La Macarena (Meta), se está elaborando

un estudio sobre nivel educativo alcanzado por la población adulta: sin educa-
ción formal, básica primaria, básica secundaria, media o superior. Se estima
que solo el 8 % tiene educación superior. Si se desea estimar esta proporción
con un margen de error del 4 % y un nivel de confianza del 95 %, ¿cuántas
personas se deben encuestar?

Ejercicio 1.27. En Puerto Carreño (Vichada), la alcaldı́a desea estimar la

proporción de personas que utilizan distintos canales para realizar trámites
con la administración pública: presencial, por teléfono, en lı́nea o a través de
terceros. De una encuesta previa, se estima que solo el 9 % utiliza el canal en
lı́nea. Calcule el tamaño de muestra necesario para estimar esa proporción
con un nivel de confianza del 95 % y un margen de error del 4 %.

Ejercicio 1.28. La Gobernación del Meta busca estimar la proporción de pe-

queños productores agrı́colas que comercializan sus productos de forma direc-
ta, por medio de intermediarios, en ferias locales o en plataformas digitales.
Se estima que solo el 6 % usa plataformas digitales. Determine el tamaño de
muestra necesario para estimar esa categorı́a con un margen de error del 3 %
y un nivel de confianza del 95 %.

Ejercicio 1.29. En San José del Guaviare, se desea conocer la proporción de

jóvenes entre 18 y 24 años según su actividad principal: estudian, trabajan,
hacen ambas o ninguna. De un censo local, se estima que el 20 % ni estudia
ni trabaja. Con un margen de error del 5 % y un nivel de confianza del 90 %,
¿cuál es el tamaño de muestra necesario para estimar esa proporción?

Ejercicio 1.30. La Secretarı́a de Cultura de Vaupés desea estimar la propor-

ción de ciudadanos según su participación en actividades culturales: festiva-
les, talleres, grupos artı́sticos o ninguna. De un informe reciente, se estima
que solo el 11 % participa en talleres. Determine cuántas personas deben ser
encuestadas para estimar esa proporción con un nivel de confianza del 99 %
y un margen de error del 5 %.

Ejercicio 1.31. La Alcaldı́a de Puerto Guzmán (Putumayo) desea estimar

la proporción de hogares según el tipo de material del piso en su vivienda:

19
baldosa, cemento, tierra o madera. Según el último censo, hay 1.200 hogares
en el municipio y se estima que el 22 % tiene piso de tierra. Si se desea
un nivel de confianza del 95 % y un margen de error del 5 %, determine el
tamaño de muestra necesario para estimar esa proporción.

Ejercicio 1.32. En Puerto Gaitán (Meta), la alcaldı́a desea estimar el por-

centaje de negocios formales según su canal principal de venta: en punto
fı́sico, domicilio, plataformas digitales o ferias locales. El censo empresarial
reporta 950 negocios registrados, y se estima que el 18 % vende por platafor-
mas digitales. Determine el tamaño de muestra necesario para estimar esa
proporción con un nivel de confianza del 90 % y un margen de error del 5 %.

Ejercicio 1.33. La Gobernación del Guaviare desea estimar la distribución

de los ciudadanos según el tipo de régimen de salud: contributivo, subsidiado,
especial o no afiliado. Se estima que el 10 % pertenece al régimen especial.
Si la población total es de 8.400 personas y se desea trabajar con un nivel de
confianza del 95 % y un margen de error del 3 %, ¿cuántas personas deben
encuestarse para estimar esa categorı́a?

Ejercicio 1.34. En el municipio de San José del Guaviare, la Secretarı́a de

Educación desea estimar el porcentaje de docentes según su tipo de vincula-
ción: provisional, de carrera o contratista. Hay 680 docentes en total, y una
encuesta previa estima que el 30 % son contratistas. Determine el tamaño de
muestra necesario para estimar esa proporción con un margen de error del
5 % y un nivel de confianza del 99 %.

Ejercicio 1.35. La Alcaldı́a de Leticia (Amazonas) desea estimar la pro-

porción de jóvenes entre 15 y 24 años según su principal fuente de ingreso:
empleo formal, informal, ayudas estatales o sin ingresos. Hay 2.100 jóvenes
en esa franja de edad. Según un diagnóstico reciente, el 12 % recibe ayudas
estatales. Si se desea un nivel de confianza del 95 % y un margen de error
del 4 %, determine cuántos jóvenes deben ser encuestados.

Ejercicio 1.36. En La Primavera (Vichada), se quiere conocer la proporción

de mujeres mayores de 50 años según el lugar donde realizan sus controles
médicos: hospital público, IPS privada, EPS o fuera del municipio. Hay 780
mujeres en ese rango de edad. Una estimación previa sugiere que el 25 %
asiste a IPS privada. Con un nivel de confianza del 90 % y un margen de
error del 5 %, calcule el tamaño de muestra requerido.

20
Ejercicio 1.37. La Alcaldı́a de San Vicente del Caguán (Caquetá) desea
estimar la proporción de familias según el tipo de acceso a internet: acceso
por cable, fibra óptica, por datos móviles o sin acceso. La población total es de
2.500 hogares, y se estima que el 15 % tiene acceso por datos móviles. Si se
desea un nivel de confianza del 95 % y un margen de error del 4 %, determine
el tamaño de muestra necesario para estimar esa categorı́a.
Ejercicio 1.38. En el municipio de San Martı́n (Meta), se quiere estimar
la proporción de habitantes que tienen acceso a servicios de salud en lı́nea:
acceso total, parcial o sin acceso. La población total es de 3.100 personas,
y se estima que el 25 % tiene acceso parcial. Con un nivel de confianza del
99 % y un margen de error del 3 %, calcule el tamaño de muestra necesario.
Ejercicio 1.39. En el departamento del Amazonas, la Secretarı́a de Agricul-
tura desea estimar la proporción de pequeños agricultores que cultivan cacao,
café, frutas o vegetales. Según los registros del censo agrı́cola, la proporción
estimada de productores de cacao es del 20 %. Si la población total es de
1.500 agricultores, determine el tamaño de muestra necesario para estimar
esa proporción con un nivel de confianza del 95 % y un margen de error del
5 %.
Ejercicio 1.40. La Alcaldı́a de Villavicencio (Meta) desea estimar la pro-
porción de jóvenes entre 18 y 30 años que participan en actividades recrea-
tivas y deportivas en el municipio: deportes organizados, recreación en espa-
cios públicos, actividades en casa o no participa. La población objetivo es de
15.000 jóvenes, y se estima que el 18 % participa en deportes organizados.
Si se desea un nivel de confianza del 95 % y un margen de error del 4 %,
determine el tamaño de muestra necesario.
Ejercicio 1.41. La Alcaldı́a de Puerto Gaitán (Meta) desea estimar el in-
greso promedio mensual de los comerciantes informales del municipio. Según
un estudio anterior, la desviación estándar de los ingresos es de aproximada-
mente $900.000. Determine el tamaño de muestra necesario para estimar la
media con un margen de error de $150.000 y un nivel de confianza del 95 %.
Ejercicio 1.42. La Secretarı́a de Gobierno del Vaupés desea conocer el pro-
medio de horas semanales dedicadas al trabajo comunitario por parte de lı́de-
res sociales. Según registros previos, la desviación estándar es de 6 horas.
Calcule el tamaño de muestra requerido para estimar esa media con un error
máximo de 1 hora y un nivel de confianza del 99 %.

21
Ejercicio 1.43. En Guainı́a, se quiere estimar el número promedio de trámi-
tes administrativos realizados por ciudadano en el último año. Un estudio
piloto estima una desviación estándar de 3 trámites. ¿Cuál es el tamaño de
muestra necesario para estimar esa media con un margen de error de 0.5
trámites y un nivel de confianza del 95 %?

Ejercicio 1.44. La Gobernación del Amazonas desea estimar la edad prome-

dio de los beneficiarios del programa de alimentación escolar. De una muestra
preliminar se obtuvo una desviación estándar de 2.3 años. Determine el ta-
maño de muestra necesario para estimar la media con un error de 0.4 años
y un nivel de confianza del 90 %.

Ejercicio 1.45. En el municipio de Mitú (Vaupés), se desea conocer el pro-

medio de dı́as que demora el proceso de contratación directa de bienes. Se
estima que la desviación estándar es de 8 dı́as. Calcule el tamaño de muestra
necesario si se desea un margen de error de 2 dı́as con un nivel de confianza
del 95 %.

Ejercicio 1.46. La Secretarı́a de Planeación del Meta quiere estimar el pro-

medio de tiempo en minutos que los ciudadanos pasan en espera al solicitar
atención en una ventanilla única. Según datos previos, la desviación estándar
es de 25 minutos. ¿Cuántas observaciones se necesitan para estimar la media
con un error máximo de 5 minutos y un nivel de confianza del 95 %?

Ejercicio 1.47. La Alcaldı́a de Puerto Leguı́zamo (Putumayo) desea estimar

el promedio de dı́as que tardan los ciudadanos en recibir respuesta a sus
peticiones formales. Según una muestra inicial, la desviación estándar es de
10 dı́as. Determine el tamaño de muestra necesario para estimar la media
con un margen de error de 2 dı́as y un nivel de confianza del 95 %.

Ejercicio 1.48. La Secretarı́a de Desarrollo Social del Guaviare desea cono-

cer el ingreso mensual promedio de las mujeres cabeza de hogar que participan
en programas de subsidios. Se estima una desviación estándar de $1.000.000
y se considera que el ingreso promedio es de aproximadamente $1.200.000.
¿Qué tamaño de muestra se requiere para estimar la media con un error del
15 % y un nivel de confianza del 90 %?

Ejercicio 1.49. La Gobernación del Vichada quiere estimar el número pro-

medio de beneficiarios atendidos por jornada en centros de atención rural

22
itinerante. La desviación estándar estimada es de 12 personas, y se conside-
ra que el promedio es de 50 beneficiarios por jornada. Determine el tamaño
de muestra necesario para estimar esa media con un error del 6 % y un nivel
de confianza del 95 %.

Ejercicio 1.50. En Leticia (Amazonas), se desea estimar el promedio de

horas mensuales que los funcionarios públicos dedican a capacitaciones ins-
titucionales. Se estima una desviación estándar de 7.5 horas y un promedio
de 20 horas mensuales. Calcule el tamaño de muestra necesario para estimar
esa media con un error del 10 % y un nivel de confianza del 99 %.

Ejercicio 1.51. La Alcaldı́a de Puerto Gaitán (Meta) desea estimar el in-

greso mensual promedio de sus 280 contratistas. Se estima que la desviación
estándar del ingreso es de $950.000. Determine el tamaño de muestra nece-
sario para estimar la media con un margen de error de $150.000 y un nivel
de confianza del 95 %.

Ejercicio 1.52. La Gobernación del Guaviare desea estimar el número pro-

medio de horas semanales que los funcionarios administrativos dedican a
trámites presenciales. La población es de 150 funcionarios y se estima una
desviación estándar de 6 horas. ¿Qué tamaño de muestra se requiere para es-
timar la media con un margen de error de 1.5 horas y un nivel de confianza
del 99 %?

Ejercicio 1.53. En San José del Guaviare se desea conocer el promedio de

dı́as que se tarda en aprobar un subsidio de vivienda de interés social. De
350 expedientes tramitados, se estima que la desviación estándar es de 10
dı́as. Determine el tamaño de muestra necesario para estimar la media con
un error máximo de 2 dı́as y un nivel de confianza del 95 %.

Ejercicio 1.54. La Alcaldı́a de Leticia (Amazonas) quiere estimar el número

promedio de trámites realizados mensualmente por los usuarios de su venta-
nilla única. Se dispone de una base con 600 usuarios activos, y se estima una
desviación estándar de 4 trámites. ¿Cuántas observaciones se requieren para
estimar la media con un margen de error de 1 trámite y un nivel de confianza
del 90 %?

Ejercicio 1.55. La Secretarı́a de Educación de Vaupés desea conocer el pro-

medio de horas de formación continua recibidas por los docentes del depar-
tamento. Hay 800 docentes registrados, y una estimación preliminar indica

23
una desviación estándar de 7 horas. Calcule el tamaño de muestra necesario
para estimar la media con un error de 1.5 horas y un nivel de confianza del
95 %.

Ejercicio 1.56. En el municipio de Puerto Carreño (Vichada), se desea

estimar el gasto promedio mensual en servicios públicos por hogar. Se tiene
un censo de 950 hogares, y se estima una desviación estándar de $70.000.
Determine el tamaño de muestra necesario para estimar esta media con un
margen de error de $10.000 y un nivel de confianza del 95 %.

Ejercicio 1.57. La Secretarı́a de Planeación del Meta desea estimar el in-

greso mensual promedio de los servidores públicos de planta del nivel terri-
torial. La población total es de 520 personas, y se estima una desviación
estándar de $1.100.000. Si se considera que el ingreso promedio está alrede-
dor de $3.000.000, ¿cuál es el tamaño de muestra necesario para estimar la
media con un error del 5 % y un nivel de confianza del 95 %?

Ejercicio 1.58. En el municipio de Mitú (Vaupés), se desea estimar el

número promedio de visitas mensuales que los ciudadanos hacen a la ofi-
cina de atención al público. Hay registro de 450 ciudadanos habituales, y la
desviación estándar estimada es de 3 visitas. Si el promedio se estima en 10
visitas, determine el tamaño de muestra requerido para un error del 10 % y
un nivel de confianza del 90 %.

Ejercicio 1.59. La Gobernación del Amazonas quiere estimar el promedio

de dı́as de retraso en el pago de cuentas a proveedores, en una población
de 380 órdenes de pago. Se estima una desviación estándar de 6 dı́as, y se
considera que el promedio de retraso es de 20 dı́as. Determine el tamaño de
muestra necesario para estimar esa media con un margen de error del 8 % y
un nivel de confianza del 95 %.

Ejercicio 1.60. En Puerto Carreño (Vichada), se desea estimar el gasto

promedio mensual en combustible de la flota vehicular oficial del munici-
pio. Se cuentan 120 vehı́culos, y se estima que la desviación estándar es de
$180.000. Si se considera que el gasto promedio es de $600.000, determine
el tamaño de muestra requerido para un margen de error del 10 % y un nivel
de confianza del 99 %.

24
Nota: ¿Qué es el valor crı́tico Z?
El valor Z representa el valor crı́tico de la distribución normal estándar
asociado al nivel de confianza que se desea. Este valor indica cuántas desvia-
ciones estándar se debe extender el intervalo desde la media para cubrir un
porcentaje especı́fico de la población.
Los valores más utilizados en la práctica son:

Nivel de confianza ( %) Valor crı́tico Z

80 % 1.282
85 % 1.440
90 % 1.645
92 % 1.751
95 % 1.960
96 % 2.054
97 % 2.170
98 % 2.326
99 % 2.576
99.5 % 2.807
99.9 % 3.291

Por ejemplo, si se desea un nivel de confianza del 95 %, se debe utilizar

Z “ 1.96 en las fórmulas del tamaño de muestra.

25
26