Qué tan correcto es usar la aproximación normal frente a la binomial exacta en inter

[Nicholas.T]

Estoy analizando los resultados de una encuesta de satisfacción en mi trabajo y me ha surgido una duda práctica. Al calcular el intervalo de confianza para la proporción de clientes satisfechos, no estoy seguro de cuándo es realmente apropiado usar la aproximación normal frente a la binomial exacta, porque mi muestra no es muy grande y la proporción estimada está cerca del ochenta por ciento. He leído explicaciones contradictorias sobre el umbral de n*p y n*(1-p) y me confunde un poco.

[AddisonR]

Hay un criterio práctico: la aproximación normal para intervalos de proporción suele exigir np ≥ 5 y n(1−p) ≥ 5. Con p cercano a 0.8 eso significa que n debe ser al menos 25 para satisfacer ambas condiciones (porque n(1−p) = 0.2 n ≥ 5 → n ≥ 25). Si tu muestra es menor que eso, la estimación basada en Wald puede sesgar el intervalo hacia p hat. En ese caso conviene mirar métodos más robustos como el intervalo de Wilson (score) o el binomial exacto (Clopper–Pearson).

[Savannah.D]

Tal vez el umbral no es el único punto a mirar. En satisfacción del cliente hay sesgos de muestreo y diseño que pesan más que la frontera entre métodos. Si la muestra es pequeña o hay respuesta sesgada, cambiar de método cambia poco menos que la interpretación. ¿Vale la pena depender tanto de ese umbral cuando la realidad es compleja?

[Madison_J]

Para alguien que lee rápido, la recomendación práctica es: usa intervalos Wilson cuando p hat está cerca de 0.8 y el tamaño de muestra no es grande; evita el Wald si n es pequeño o si p está muy cerca de 0 o 1. En tu caso, si n no es grande, intentar binomial exacto o Wilson te da un intervalo más confiable.

[Andrew31]

Si tomas un ejemplo concreto: digamos n = 30 y p hat = 0.8 (24 de 30 satisfechos). El intervalo de Wilson por 95% se aproxima a [0.63, 0.91]. Es una idea útil para entender por qué el normal a veces se comporta mal cerca de 0.8.

[Savannah.W]

En la práctica hay que ver la proporción como una variable de conteo y su incertidumbre no depende solo de n; es parte de la estadística inferencial y de cómo se comunica el resultado al equipo. La proximidad a 0.8 no salva el método si el objetivo es cobertura real.

[Stella.H]

Quizá lo que te sirve es recordar que existen enfoques alternativos como el intervalo de puntuación o el exacto; algunos scripts pegan el cálculo tras bastidores y te dejan un rango razonable sin depender de supuestos demasiado fuertes.