#sample-size

Planificación del tamaño de muestra para encuestas y sondeos como una API, calculada local y determinísticamente. El endpoint de proporción calcula el número de encuestados necesarios para estimar una proporción dentro de un margen de error objetivo con un nivel de confianza elegido, n = z²·p(1−p)/E², por defecto usando el peor caso p = 0.5 que maximiza el tamaño requerido, con una corrección opcional para población finita n/(1 + (n−1)/N) para una población conocida — el clásico margen del ±5 % con confianza del 95 % necesita 385 respuestas, ±3 % necesita 1 068, y limitar la población a 1 000 reduce el requisito del ±5 % a 278. El endpoint de media dimensiona una muestra para estimar una media dentro de un margen de error a partir de la desviación estándar, n = (z·σ/E)². El endpoint de margen invierte la relación, devolviendo el margen de error que realmente logra un tamaño de muestra dado. El valor crítico z se calcula a partir del nivel de confianza con una inversa normal de alta precisión, por lo que cualquier confianza funciona, no solo los clásicos 90/95/99 %. Los márgenes, proporciones y confianzas son decimales (0.05, 0.5, 0.95). Todo se calcula local y determinísticamente, por lo que es instantáneo y privado. Ideal para desarrolladores de aplicaciones de investigación de mercado, sondeos, investigación UX, plataformas de encuestas, análisis de productos y educación en estadística, herramientas de planificación de estudios y tamaño de muestra, y software de investigación. Cálculo local puro — sin clave, sin servicio de terceros, instantáneo. En vivo, nada se almacena. 3 endpoints. Esta es la planificación del tamaño de muestra con la aproximación normal; para significancia en pruebas A/B use una API de pruebas A/B y para estadísticas descriptivas use una API de estadísticas.

api.oanor.com/samplesize-api

Matemáticas de estadística inferencial como una API, calculadas local y determinísticamente. El endpoint samplesize calcula cuántos encuestados necesita una encuesta o experimento para una proporción, n = Z²·p(1−p)/E², a partir de un nivel de confianza y un margen de error (usando p = 0.5 para el tamaño más conservador), con una corrección por población finita cuando se conoce la población. El endpoint confidence construye un intervalo de confianza para una media (estimación ± Z·σ/√n) o una proporción (p ± Z·√(p(1−p)/n)), devolviendo el error estándar, el margen de error y los límites inferior y superior. El endpoint ztest ejecuta una prueba z de una muestra, z = (x̄ − μ₀)/(σ/√n), y devuelve el puntaje z, el valor p de una o dos colas y si el resultado es significativo al alfa elegido. Los puntajes z provienen de una inversa normal exacta y los valores p de la CDF normal. Todo se calcula local y determinísticamente, por lo que es instantáneo y privado. Ideal para desarrolladores de aplicaciones de pruebas A/B, encuestas, investigación y análisis, paneles de experimentos y herramientas de ciencia de datos, y educación. Cálculo puramente local: sin clave, sin servicio de terceros, instantáneo. En vivo, no se almacena nada. 3 endpoints. Esto es estadística inferencial; para estadística descriptiva use una API de estadísticas y para distribuciones de probabilidad use una API de probabilidad.

api.oanor.com/inference-api