¿Qué es el margen de error?
Expresa la precisión de una estimación frente a la variabilidad del muestreo; no resume por sí solo todos los errores posibles de una encuesta.
El margen de error es una medida de precisión que expresa cuánto puede variar una estimación muestral por efecto del muestreo, bajo un diseño y un nivel de confianza determinados. Suele presentarse como ± un valor alrededor de una estimación y se obtiene, en términos generales, multiplicando el error estándar por un valor crítico asociado al nivel de confianza. Por ejemplo, una estimación de 40% con un margen de error de ±3 puntos porcentuales al 95% de confianza produce un intervalo de 37% a 43%. En el enfoque frecuentista, el 95% no significa que exista una probabilidad del 95% de que el valor verdadero esté dentro de ese intervalo concreto: significa que, si repitiéramos el procedimiento de muestreo muchas veces en las mismas condiciones, aproximadamente el 95% de los intervalos construidos de ese modo contendrían el valor poblacional. El margen de error refleja sólo una parte de la incertidumbre: no captura por sí solo sesgos de cobertura, no respuesta, redacción de preguntas, medición, procesamiento o modelos. Además, el margen de muestreo clásico se fundamenta en diseños probabilísticos; en muestras no probabilísticas, cualquier medida de precisión depende de supuestos adicionales y debe explicarse como tal.
- Qué es el margen de error
- Cómo se calcula
- Cómo interpretarlo
- Nivel de confianza
- Tamaño de muestra
- Margen de error vs. error estándar
- Margen de error vs. intervalo de confianza
- Qué no mide
- Muestras no probabilísticas
- Comparaciones y subgrupos
- Errores frecuentes
- Preguntas frecuentes
- Fuentes y referencias
- Conceptos relacionados
Qué es el margen de error
El margen de error —más precisamente, margen de error de muestreo— expresa la precisión de una estimación obtenida a partir de una muestra. Indica cuánto puede variar esa estimación debido al hecho de observar sólo una parte de la población y no a todos sus integrantes.
El U.S. Census Bureau lo define como una medida de la magnitud del error de muestreo y lo publica asociado a un nivel de confianza. AAPOR también lo trata como una medida de precisión para estimaciones obtenidas mediante muestreo probabilístico.
La idea clave: un margen de error pequeño significa mayor precisión frente a la variabilidad muestral; no significa automáticamente que el estudio esté libre de sesgo ni que el resultado sea “correcto”.
Cómo se calcula el margen de error
En forma general, el margen de error puede expresarse como:
Margen de error = valor crítico × error estándar
El valor crítico depende del nivel de confianza elegido. Para una aproximación normal, es cerca de 1,645 para 90% y 1,96 para 95%. El error estándar depende de qué se está estimando, del tamaño y diseño de la muestra, de la variabilidad de los datos y, cuando corresponde, de ponderaciones, estratificación, conglomerados o correcciones por población finita.
Para una proporción bajo muestreo aleatorio simple, una fórmula habitual es:
SE(p̂) ≈ √[p̂(1−p̂)/n]
y, al 95%, MOE ≈ 1,96 × SE(p̂).
Esta fórmula sencilla no debe aplicarse mecánicamente a diseños complejos. Pew, por ejemplo, ajusta la variabilidad por el design effect cuando la ponderación u otras características del diseño cambian la precisión efectiva.
Cómo interpretar un margen de error
Supongamos que una encuesta estima que 40% de una población conoce una marca y reporta un margen de error de ±3 puntos porcentuales al 95% de confianza.
Estimación puntual: 40%.
Margen: 3 puntos porcentuales hacia cada lado.
Intervalo: aproximadamente 37%–43%.
Interpretación: si repitiéramos el mismo procedimiento de muestreo muchas veces y construyéramos el intervalo de la misma manera, alrededor del 95% de esos intervalos contendrían el verdadero parámetro poblacional.
No significa: “hay 95% de probabilidad de que el valor verdadero esté entre 37% y 43%”. En el enfoque frecuentista clásico, una vez calculado el intervalo, el parámetro se considera fijo y el procedimiento es el que tiene una tasa de cobertura del 95%.
Cómo influye el nivel de confianza
Con la misma muestra y el mismo estimador, exigir mayor confianza produce un intervalo más ancho y, por lo tanto, un margen de error mayor.
| Nivel de confianza | Valor crítico aproximado | Efecto sobre el margen |
|---|---|---|
| 90% | 1,645 | Más estrecho que al 95%, todo lo demás constante. |
| 95% | 1,96 | Convención muy habitual en encuestas y análisis estadístico. |
| 99% | 2,576 | Más ancho: se exige mayor cobertura del procedimiento. |
No existe un nivel “correcto” universal. Debe informarse siempre porque un ±3 sin indicar si corresponde al 90%, 95% u otro nivel es incompleto.
Cómo influye el tamaño de muestra
En muchos estimadores, manteniendo comparables el diseño y la variabilidad, el error estándar disminuye aproximadamente en proporción a 1/√n.
Duplicar la muestra no reduce a la mitad el margen de error. Para reducir aproximadamente el margen a la mitad suele ser necesario cuadruplicar el tamaño muestral.
Además, el margen reportado para la muestra total no debe trasladarse automáticamente a cada subgrupo. Un segmento con menos casos suele tener un margen mayor. Pew destaca que los márgenes para subgrupos pueden crecer considerablemente porque las estimaciones se apoyan en menos observaciones.
En diseños complejos, el tamaño nominal tampoco es toda la historia: ponderaciones muy desiguales, clustering u otras decisiones pueden aumentar la varianza mediante el design effect.
Margen de error vs. error estándar
| Concepto | Qué representa | Relación |
|---|---|---|
| Error estándar | La variabilidad esperada de un estimador entre muestras repetidas bajo el modelo o diseño considerado. | Es la base estadística sobre la que suele construirse el margen. |
| Margen de error | Una distancia alrededor de la estimación asociada a un nivel de confianza. | Suele calcularse como valor crítico × error estándar. |
Por eso dos estudios con el mismo error estándar pueden reportar márgenes distintos si usan niveles de confianza diferentes.
Margen de error vs. intervalo de confianza
El margen de error no es el intervalo completo. En un intervalo simétrico sencillo:
Intervalo de confianza = estimación ± margen de error
Si la estimación es 40% y el margen ±3 puntos, el intervalo es 37%–43%. Census publica MOE y permite construir los límites sumando y restando ese valor.
En procedimientos asimétricos o distribuciones especiales, un intervalo puede no describirse adecuadamente con un único ± simétrico; por eso conviene entender el método con el que fue calculado.
Qué no mide el margen de error
Un margen de error convencional cuantifica error de muestreo. No resume todos los posibles errores de una investigación.
Error de cobertura
Parte de la población puede quedar fuera del marco o canal de reclutamiento.
No respuesta
Quienes responden pueden diferir sistemáticamente de quienes no responden.
Medición y redacción
Preguntas confusas, sesgadas o sensibles pueden alterar las respuestas.
Procesamiento
Codificación, limpieza, ponderación, clasificación o errores técnicos pueden introducir variación o sesgo.
Modelos y supuestos
Algunas estimaciones dependen de modelos cuya especificación añade incertidumbre que no queda resumida en el MOE muestral estándar.
Census denomina a estos problemas errores no muestrales y advierte que pueden aumentar la variabilidad o introducir sesgo aunque el margen de muestreo sea pequeño.
Margen de error y muestras no probabilísticas
El margen de muestreo clásico tiene una interpretación bien definida cuando la inferencia está sustentada por un diseño probabilístico. En una muestra opt-in, de conveniencia o en otros diseños no probabilísticos, las probabilidades de selección no son conocidas de la misma manera.
AAPOR establece que, para encuestas no probabilísticas, sólo deben informarse medidas de precisión cuando se definan claramente y se explique el modelo utilizado, sus supuestos, su validación y la forma de cálculo. Su guía periodística de 2026 es todavía más directa: no debe reportarse un margen de error convencional para una muestra no probabilística.
Una muestra enorme no arregla este problema. El tamaño puede reducir variabilidad aleatoria dentro del mecanismo observado, pero no elimina por sí solo sesgo de selección ni crea una base probabilística que el diseño no tenía.
Comparaciones, diferencias y subgrupos
Otro error común es usar el margen global para decidir si dos resultados son “distintos”. El margen de error de una diferencia entre estimaciones no suele ser igual al margen individual de cada una.
Pew muestra que comparar dos mediciones o dos subgrupos exige calcular la incertidumbre de la diferencia. Además, cada subgrupo suele tener su propio margen, frecuentemente mayor que el de la muestra total.
Por eso, que dos intervalos se superpongan o que una diferencia sea mayor que un único MOE publicado no siempre resuelve por sí solo una prueba de significancia. Census también recomienda usar procedimientos específicos para comparar estimaciones en lugar de depender únicamente de la inspección visual de intervalos.
Errores al interpretar el margen de error
Creer que mide todo el error del estudio
El MOE muestral no incluye automáticamente cobertura, no respuesta, sesgo de selección, redacción, medición o procesamiento.
Aplicarlo a cualquier muestra
Reportar el MOE clásico en una muestra no probabilística puede comunicar una precisión que el diseño no sustenta.
Usar el margen total para subgrupos
Un subgrupo con pocos casos tiene mayor incertidumbre que la muestra completa y necesita su propia estimación de precisión.
Confundir puntos porcentuales con porcentaje relativo
Un resultado de 40% ±3 puntos va de 37% a 43%; no significa ±3% de 40.
Interpretar 95% como probabilidad posterior
En el intervalo frecuentista clásico, el 95% describe la tasa de cobertura del procedimiento en repeticiones hipotéticas, no una probabilidad asignada al parámetro después de observar la muestra.
Suponer que más muestra corrige sesgos
Aumentar n reduce parte de la variabilidad, pero no elimina un marco incompleto, autoselección o una medición defectuosa.
Preguntas frecuentes sobre margen de error
¿Qué es el margen de error?
Es una medida de precisión que indica cuánto puede variar una estimación por efecto del muestreo, bajo un diseño y un nivel de confianza determinados. Suele expresarse como ± un valor alrededor de la estimación.
¿Qué significa un margen de error de ±3 puntos porcentuales?
Si una estimación es 40% y el margen de error es ±3 puntos, el intervalo correspondiente va aproximadamente de 37% a 43%, siempre dentro del nivel de confianza y los supuestos del diseño informados.
¿Margen de error e intervalo de confianza son lo mismo?
No exactamente. El margen de error es la distancia entre la estimación y cada límite del intervalo cuando éste es simétrico. El intervalo de confianza combina la estimación con ese margen para producir un rango.
¿Qué diferencia hay entre error estándar y margen de error?
El error estándar mide la variabilidad esperada de una estimación entre muestras. El margen de error incorpora además el nivel de confianza mediante un valor crítico: en términos generales, margen de error = valor crítico × error estándar.
¿Una muestra más grande reduce el margen de error?
En condiciones comparables, sí. Para muchas estimaciones, el error estándar disminuye aproximadamente con la raíz cuadrada del tamaño muestral. Por eso, para reducir a la mitad el margen de error, suele hacer falta aproximadamente cuadruplicar la muestra.
¿El margen de error incluye todos los errores de una encuesta?
No. Describe incertidumbre de muestreo bajo ciertos supuestos. No incorpora automáticamente errores por cobertura, no respuesta, sesgo de selección, redacción de preguntas, medición, procesamiento u otros problemas metodológicos.
Fuentes y referencias
1. American Association for Public Opinion Research. Disclosure Standards.
2. American Association for Public Opinion Research. A Journalist’s Guide to Understanding Polls & Surveys.
3. Pew Research Center. 5 key things to know about the margin of error.
4. Pew Research Center. (2025). Understanding error bars in charts.
5. U.S. Census Bureau. Sample Size Definitions.
6. U.S. Census Bureau. (2024). ACS and PRCS Design and Methodology: Variance Estimation.