Un tamaño de muestra (\(n\)) insuficiente es una de las principales causas de rechazo en revistas indexadas. No se trata solo de un número, sino de la capacidad de tu estudio para detectar un efecto real.
1. Los pilares del cálculo de muestra
Para determinar cuántos sujetos u observaciones necesitas, debemos equilibrar cuatro fuerzas estadísticas:
Nivel de Significancia (\(\alpha\)):
El riesgo de ver un efecto donde no lo hay (falso positivo). Usualmente fijado en 0.05.
Poder Estadístico (\(1-\beta\)):
La probabilidad de detectar un efecto si realmente existe. Se recomienda al menos 80%.
2. La fórmula del éxito
En estudios comparativos de medias, la relación matemática que define tu \(n\) es:
Donde \(\Delta\) representa la diferencia mínima que tiene relevancia científica.
3. Errores críticos al calcular el \(n\)
-
•Muestreo por conveniencia: Seleccionar sujetos por cercanía y no por representatividad.
-
•Ignorar la variabilidad (\(\sigma\)): No realizar una prueba piloto para estimar la desviación estándar real.
4. Recomendaciones para tu Tesis o Artículo
Siempre justifica tu muestra en el manuscrito siguiendo estos pasos:
- Cita la fuente de donde obtuviste la varianza esperada.
- Declara el software utilizado (G*Power, R, SPSS).
- Justifica por qué el "Tamaño del Efecto" elegido es importante para tu área de estudio.
¿Necesitas un cálculo de muestra riguroso?
Evita que el comité evaluador cuestione tu metodología. Entregamos el cálculo justificado con simulaciones de poder listas para tu publicación.
Consultar por WhatsApp