La muestra es la parte de la población que nos ayuda a hacer inferencias sobre la población. Recoger la investigación de la información completa sobre la población no es posible y lleva mucho tiempo y es caro. Por lo tanto, necesitamos un tamaño de muestra adecuado para poder hacer inferencias sobre la población basándonos en esa muestra.

Uno de los problemas más frecuentes en el análisis estadístico es la determinación del tamaño de muestra adecuado. Uno puede preguntarse por qué el tamaño de la muestra es tan importante. La respuesta es que se requiere un tamaño de muestra adecuado para la validez. Si el tamaño de la muestra es demasiado pequeño, no se obtendrán resultados válidos. Un tamaño de muestra adecuado puede producir resultados precisos. Además, los resultados de un tamaño de muestra pequeño serán cuestionables. Un tamaño de muestra demasiado grande hará que se pierda dinero y tiempo. Tampoco es ético elegir un tamaño de muestra demasiado grande. No existe una regla general para determinar el tamaño de la muestra. Sin embargo, algunos investigadores apoyan una regla empírica a la hora de utilizar el tamaño de la muestra. Por ejemplo, en el análisis de regresión, muchos investigadores dicen que debe haber al menos 10 observaciones por variable. Si utilizamos tres variables independientes, una regla clara sería tener un tamaño de muestra mínimo de 30. Algunos investigadores siguen una fórmula estadística para calcular el tamaño de la muestra.

Tamaño de la muestra basado en los intervalos de confianza: Al calcular el tamaño de la muestra, nos interesa calcular el parámetro poblacional. Por lo tanto, debemos determinar los intervalos de confianza, de manera que todos los valores de la muestra se encuentren dentro de ese rango de intervalos.

Cálculo del tamaño de la muestra basado en el tamaño del efecto

Un enfoque alternativo para calcular el tamaño de la muestra es el tamaño del efecto. El tamaño del efecto se conoce como la diferencia entre los estadísticos de la muestra dividida por el error estándar. De manera más eficiente es como sigue:

Una vez que se ha estimado el tamaño del efecto, se puede utilizar la siguiente tabla para estimar una muestra:

Como se mencionó anteriormente, el alfa es igual a la probabilidad aceptable del error de tipo I y beta es la probabilidad aceptable de los errores de tipo dos y 1-beta igual a la potencia. Como la potencia aumentará con diferentes niveles de alfa, el tamaño de la muestra también aumentará.