toolbox
Inicio / IA, datos y tecnología / Estimador de tamaño de muestra para Feature Store

Estimador de tamaño de muestra para Feature Store

Este estimador calcula cuántas observaciones conviene revisar para estimar una proporción asociada a un Feature Store, como la fracción de lecturas correctas, entidades con features completas o registros que cumplen una validación. El cálculo parte del nivel de confianza, el margen de error máximo aceptable y una proporción esperada.

Es útil al planificar auditorías de calidad sin inspeccionar todo el tráfico. Si no existe una estimación previa razonable, una proporción esperada del 50 % produce el tamaño más conservador dentro de este modelo. El resultado asume muestreo aproximadamente independiente y una población suficientemente grande respecto a la muestra.

Objetivo de precisión

%
%
Resultado
—
observaciones mínimas aproximadas
Valor crítico z—
Proporción usada—
Margen en decimal—

1. Fija la precisión
Indica el margen de error máximo, en puntos porcentuales, que quieres alrededor de la proporción estimada.

2. Escoge la confianza
Selecciona el nivel de confianza del intervalo que pretendes construir con la muestra.

3. Introduce una proporción esperada
Usa una estimación histórica o de una prueba piloto. Si no tienes referencia, 50 % es la opción más conservadora.

4. Redondea hacia arriba
La calculadora devuelve un tamaño mínimo entero; en la práctica conviene prever observaciones adicionales si puede haber datos inválidos o exclusiones.

Para estimar una proporción en una población grande:

n = z² × p × (1 − p) / e²

Donde n es el tamaño de muestra, z el valor crítico del nivel de confianza, p la proporción esperada en decimal y e el margen de error en decimal.

El resultado se redondea hacia arriba. No se aplica corrección por población finita.

Qué significa el resultado

El resultado indica el número aproximado de observaciones necesarias para alcanzar el margen de error elegido bajo los supuestos del modelo.

Si existe agrupamiento por usuario, entidad, tienda u otra unidad, la muestra efectiva puede ser menor que el número bruto de registros.

Datos: margen de error de 3 puntos porcentuales, 95 % de confianza y proporción esperada del 50 %.

Cálculo: n = 1,96² × 0,50 × 0,50 / 0,03² = 1.067,11.

Resultado: se redondea hacia arriba a 1.068 observaciones.

Interpretación: bajo los supuestos indicados, esa muestra permite estimar la proporción con un margen aproximado de ±3 puntos porcentuales al 95 %.

¿Por qué 50 % genera una muestra grande?

Porque p × (1 − p) alcanza su máximo en 0,50. Cuando no se conoce la proporción esperada, usar 50 % evita subestimar el tamaño dentro de esta fórmula.

¿El margen de error es relativo o absoluto?

Aquí es absoluto y se introduce en puntos porcentuales. Un margen del 3 % significa aproximadamente ±3 puntos porcentuales alrededor de la proporción estimada.

¿Necesito corregir el cálculo si tengo una población pequeña?

Puede ser apropiado aplicar una corrección por población finita cuando la muestra representa una parte importante de toda la población. Esta calculadora no la aplica.

¿Puedo muestrear varias filas de la misma entidad?

Sí, pero si esas filas están muy correlacionadas no equivalen a observaciones independientes. En ese caso puede ser necesario aumentar la muestra o muestrear por entidad.

¿Es lo mismo que un cálculo de potencia estadística?

No. El tamaño para estimar una proporción parte de una precisión deseada; la potencia evalúa la probabilidad de detectar una diferencia o efecto concreto.