toolbox
Inicio / Asuntos legales, seguridad y cumplimiento / GDPR Compliance Audit Sample Size Estimator

GDPR Compliance Audit Sample Size Estimator

Esta calculadora estima cuántos registros conviene muestrear para una comprobación estadística de una población finita, por ejemplo expedientes, consentimientos, solicitudes o registros de control. Utiliza la fórmula clásica para una proporción con corrección por población finita y permite ajustar el nivel de confianza, el margen de error y la proporción esperada de la característica revisada.

El RGPD no establece un tamaño de muestra universal para auditorías. El resultado es una herramienta estadística que puede apoyar un plan de pruebas, pero la selección final debe considerar criticidad, riesgo, heterogeneidad, requisitos de auditoría y si ciertos casos deben revisarse al 100 % en lugar de por muestreo.

Parámetros estadísticos de la muestra

registros
%
%
Resultado
—
registros a muestrear
Muestra sin corrección—
Porcentaje de la población—
Población analizada—

1. Define la población
Cuenta los registros o casos que forman el universo de la prueba y que comparten el mismo criterio de auditoría.

2. Elige la confianza
Selecciona el nivel de confianza requerido por tu metodología interna o de auditoría.

3. Fija el margen de error
Un margen menor exige una muestra mayor.

4. Estima la proporción
Si no tienes una estimación previa, el 50 % es conservador porque suele producir la muestra máxima para una proporción.

5. Combina estadística y riesgo
Aumenta o estratifica la muestra cuando haya subgrupos críticos o cuando el objetivo no pueda cubrirse con una muestra aleatoria simple.

n₀ = z² × p × (1 − p) ÷ e²
n = n₀ ÷ [1 + (n₀ − 1) ÷ N]

N es la población; z, el valor del nivel de confianza; p, la proporción esperada; y e, el margen de error, ambos en decimales. El resultado final se redondea hacia arriba.

Esta fórmula estima precisión para una proporción bajo muestreo aleatorio. No es un requisito de auditoría del RGPD. Referencia normativa: Reglamento (UE) 2016/679 (RGPD).

Qué significa el resultado

El tamaño de muestra indica cuántos elementos serían necesarios bajo los supuestos estadísticos introducidos. No garantiza detectar todos los incumplimientos, especialmente si son raros o están concentrados.

Para pruebas dirigidas por riesgo, controles críticos o poblaciones heterogéneas puede ser más apropiado estratificar, sobrerrepresentar casos de alto riesgo o revisar la población completa.

Datos:

  • Población: 5.000 registros
  • Confianza: 95 % (z = 1,96)
  • Margen: 5 %
  • Proporción esperada: 50 %

Cálculo:
n₀ = 1,96² × 0,5 × 0,5 ÷ 0,05² = 384,16
n = 384,16 ÷ [1 + (383,16 ÷ 5.000)] = 356,82
Redondeo hacia arriba = 357

Resultado:
Muestra estimada: 357 registros.

Interpretación:
Una muestra aleatoria de 357 registros ofrece la precisión indicada bajo los supuestos del modelo; la metodología de auditoría puede exigir ajustes adicionales.

¿El RGPD obliga a usar esta fórmula para auditorías?

No. El RGPD exige medidas y responsabilidad adecuadas, pero no prescribe esta fórmula ni un tamaño de muestra único para auditorías de cumplimiento.

¿Por qué el 50 % produce una muestra grande?

En una estimación de proporción, p = 0,5 maximiza p × (1 − p). Por eso es una elección conservadora cuando no se conoce la proporción esperada.

¿Qué ocurre si mi población es pequeña?

La corrección por población finita reduce la muestra frente a la fórmula de población infinita. La muestra nunca debería superar el tamaño de la población.

¿Una muestra grande garantiza encontrar infracciones raras?

No. Un problema poco frecuente puede no aparecer en una muestra aleatoria. Para riesgos raros pero graves, conviene usar selección dirigida o pruebas específicas además del muestreo.

¿Debo muestrear todas las áreas por igual?

No necesariamente. Estratificar por sistema, país, finalidad, sensibilidad o riesgo puede dar una cobertura más útil que una muestra única de toda la población.