Diapositiva 1

1
INVESTIGACIÓN DE MERCADOS (Clase 7)
2
Muestreo diseño y procedimientos

• Población El total de todos los elementos que
  comparten un conjunto de características comunes
  y comprenden el universo del propósito del
  problema de investigación de mercado.
• Censo Enumeración completa de los elementos
  de una población u objetos de estudio.
• Muestra Subgrupo de elementos de la población
  seleccionado para participar en el estudio

3
Proceso de diseño del muestreo
Definir la población Objetivo
Determinar marco de muestreo
Seleccionar técnicas de muestreo
Determinar tamaño de muestra
Ejecutar proceso de muestreo
4
1.- Definición de la Población Objetivo

• La población Objetivo es la recolección de
  elementos u objetos que poseen la información
  buscada por el investigador y acerca de la cual
  se deben realizar las deducciones. La Población
  Objetivo se debe definir en términos de
  elementos, unidades de muestra, la extensión, y
  el tiempo.
• Un elemento es el objeto que posee la
  información buscada por le investigador y acerca
  de la cual se harán deducciones, por ej. el
  encuestado.
• Una unidad de muestra es un elemento, o una
  unidad que contiene el elemento, que está
  disponible para la selección en una etapa del
  proceso de muestra.
• La extensión consulta los límites geográficos.
• El tiempo es el período de tiempo en estudio.

5
2.- Determinación de Marco de Muestreo

• Marco de Muestreo
• Representación de los elementos de la población
  objetivo. Consiste en una lista o conjunto de
  instrucciones para identificar a la población
  objetivo.
• Ej Directorio telefónico
• Directorios de Empresas.

6
3.- Elección de una técnica de muestreo

• 3.a) Método Bayesiano
• Método de selección donde los elementos se eligen
  siguiendo una secuencia. Explícitamente incorpora
  información previa acerca de los parámetros de
  población, así como los costos y probabilidades
  relacionados con tomar las decisiones
  equivocadas.
• 3.b) Muestreo con reemplazo
• Técnica de muestreo en la que el elemento puede
  incluirse en la muestra más de una vez.
• 3.c) Muestreo sin reemplazo
• Técnica de muestreo en la que el elemento no se
  puede incluir en la muestra más de una vez.

7
4.- Determinación del tamaño de muestra

• El tamaño de muestra está referido al
  número
• de elementos que se incluirán en el
  estudio.
• Como factores cualitativos relevantes
• Naturaleza de la investigación.
• Número de variables.
• Tamaño de muestra utilizados en estudios
  similares.
• Restricciones de recursos., etc.

8
5.- Ejecución del proceso de muestreo

• Requiere especificar detalladamente cómo se
  llevarán a cabo las decisiones de diseño de
  muestreo con relación a la población, marco de
  muestreo, unidad de muestreo, técnica de muestreo
  y tamaño de muestra.

9
Clasificación de técnicas de muestreo
Probabilistico
Muestreo Sistemático
Muestreo Estratificado
Muestreo por Agrupamiento
Otros
MAS
10
Técnicas de Muestreo

• A.- Muestreo no Probabilístico Técnicas de
  muestreo que no utilizan procedimientos de
  selección por casualidad. En su lugar, se basan
  en el juicio personal del investigador. Se
  utilizan cuando no se puede dimensionar o
  identificar claramente el Universo muestral, o
  este no se conoce.
• En este muestreo los resultados son válidos a
  nivel de muestra. Son cuatro Muestreo por Cupo,
  por conveniencia, Muestreo por juicio, Muestreo
  de Bola de Nieve.
• B.- Muestreo Probabilístico Procedimiento de
  muestreo en el que cada elemento de la población
  tiene una oportunidad probabilística fija de ser
  seleccionado para muestra.

11
Técnicas de Muestreo No Probabilístico

• Muestreo por Juicio Es una forma del muestreo
  por conveniencia, en que la muestra se selecciona
  en base al juicio del investigador. Este, elige
  los elementos a ser incluidos en la muestra. Es
  subjetivo y su valor depende de la experiencia
  del investigador.
• Ej Mercados de prueba para determinar potencia
  de productos.
• Tiendas elegidas aleatoriamente para probar
  nuevos métodos de exhibición de mercadería.-

12
Técnicas de Muestreo No Probabilistico

• 2) Muestreo por Cuotas (o cupo) Técnica de
  muestreo no probabilístico, que es un muestreo
  por juicio restringido de dos etapas. La primera
  etapa consiste en desarrollar categorías de
  control o cuotas de elementos de la población. En
  la segunda etapa, los elementos de muestra se
  seleccionan con base en la conveniencia o juicio.

13
Técnicas de Muestreo No Probabilistico

• Características Muestreo por Cuota (Cupo)
• 1 El Universo es divisible según criterio y
  experiencia del investigador., y este se puede
  dividir por varias variables, atributos del
  productos o cuantitativas.
• 2 Se usa cuando no es posible conocer el tamaño
  del universo o cuando no es requisito conocerlo.
• 3 Se usa cuando se conoce la proporción de cada
  segmento del universo.

14
Técnicas de Muestreo No Probabilistico

• Etapas del Muestreo por cuotas (cupo)
• 1 Seleccionar las caracteristicas o variables de
  control Edad, sexo G.S.E., etc.
• 2 Establecerlos elementos poblacionales
  relevantes como subsegmentos del Universo.
  (definidos por las variables de control).

15
Técnicas de Muestreo No Probabilistico
Característica de Control
Composición de la población /muestra
/ Edad Sexo Menor a 20 Mayor o igual a 20 Total
Masculino 15 35 50
Femenino 15 35 50
Total 30 70 100
Elementos poblacionales Personas Variables de
Control Edad y sexo de las personas. nij
(Nij) n N nij Tamaño de cada
segmento o nicho, según las variables e control
utilizadas. En este caso los símbolos representan
a dos de ellas. Nij Proporción de cada
segmento en el universo N n Tamaño de la
muestra.
16
Técnicas de Muestreo No Probabilistico
Característica de Control
Composición de la población /muestra
/ Edad Sexo Menor a 20 Mayor o igual a 20 Total
Masculino 6 14 20
Femenino 6 14 20
Total 12 28 40
Si n 40 De esta forma se determinan los
cupos CUPO 1 6 hombre menores 20 años 14
hombres mayores 20 años CUPO2 6 mujeres menores
20 años 14 mujeres mayores 20 años
17
Técnicas de Muestreo No Probabilistico

• 3) Muestreo por conveniencia
• Técnica de muestreo no probabilístico que
  intenta obtener una muestra de elementos
  convenientes. La selección de las unidades de
  muestreo se deja principalmente al entrevistador.
• Variables relevantes Intervalos de tiempo,
  áreas geográficas, etc.
• Ej Personas que visitan un Mall en distintos
  días de la semana.
• Alumnos que asisten a una clase en
  determinado día, de acuerdo a calendario.
• Encuesta de evaluación docente.

18
Técnicas de Muestreo No Probabilistico

• 4) Muestreo de Bola de Nieve
• Técnica de muestreo no probabilístico en la
  que un grupo inicial de encuestados es
  seleccionado en forma aleatoria. Los encuestados
  posteriores se seleccionan en bases a referencias
  o información proporcionada por los encuestados
  iniciales.

19
B.- Muestreo Probabilístico

• Procedimiento de muestreo en el cual cada
  elemento de la población tiene una oportunidad
  probabilística fija de ser seleccionado para la
  muestra.
• La clasificación de las técnicas de muestreo de
  probabilidad se realiza con base en
• Muestreo de elementos contra muestreo de grupo.
• Probabilidad unitaria igual contra
  probabilidades
• desiguales.
• Selección no estratificada contra estratificada.
• Selección aleatoria contra sistemática.
• Técnicas de una sola etapa contra técnicas de
  etapas
• múltiples.

20

• 1. Muestreo aleatorio simple (M.A.S.)
• Cada elemento de la población tiene una
  probabilidad de selección idéntica y conocida.
• Cada muestra (n) tiene una probabilidad
  idéntica y conocida de ser la muestra que se
  elija.
• Ejemplo
• 1. Seleccionar un marco de muestra adecuado.
  (alumnos)
• 2. A cada elemento se le asigna un N de 1 a
  N. (100 als.)
• 3. Generar (n) números aleatorios diferentes
  entre 1 y N
• utilizando un paquete de software

21
Muestreo aleatorio simple (M.A.S.)Cálculo con
utilización de la tabla estadística de N
aleatorios sencillosTamaño de muestra
15Marco de muestra 9001. Se inicia en el
renglón 1 y la columna 1 de la tabla 1,
considerando los tres dígitos de la derecha.2.
Se busca hacia abajo, por la columna , hasta
seleccionar 15 números entre 1 y 900.3. n
480, 368, 130, 167, 570, 562, 301, 579, 475, 553,
429, 365, 119, 85, 368 y 11.
22

• 2. Muestreo aleatorio sistemático
• La muestra se elige mediante la selección de
  
• un punto de inicio aleatorio y la elección
  de cada
• iésimo elemento en sucesión (i), a partir
  del
• marco de la muestra.
• Ejemplo
• N 100.000 alumnos. Se desea n 1.000
  alumnos.
• i 100.000/1.000 100 i 100
• Se selecciona un N aleatorio entre 1
  y 100 27,
• Muestra 27, 127, 227, 327, 427, 527, 627,
  727, 827, etc.

23

• 2. Muestreo aleatorio sistemático
• Fórmula
• 1. Seleccionar un marco de muestra adecuado.
• 2. A cada elemento se le asigna un número de
  1 a N.
• 3. Determinar el intervalo de muestra, i,
  donde i N/n.
• 4. Seleccionar un N aleatorio, k, entre 1 e
  i.
• 5. Los elementos con los N siguientes
  formarán parte
• de la muestra aleatoria sistemática
• k, k i, k 2i, k 3i..,
  k (n1)i.
• 27, 27100, 27 2 x100, 327,

24

• 3. Muestreo aleatorio estratificado (M.A.E.)
• Se determina cuando se debe estratificar la
  muestra a fin que los elementos posean un
  determinado atributo (profesión, residencia,
  sexo, etc.).
• Se divide a la población en subpoblaciones o
  estratos y se selecciona una muestra para cada
  estrato.
• Cada estrato funciona en forma independiente,
  se puede aplicar dentro de cada estrato el MAS o
  el MAE para elegir los elementos concretos que
  formaran parte de la muestra.

25

• 3. Muestreo aleatorio estratificado (M.A.E.)
• La distribución de la muestra en función de
  los diferentes estratos se denomina afijación, y
  puede ser de diferentes tipos
• Afijación Simple A cada estrato le corresponde
  igual número de elementos muestrales.
• Afijación Proporcional La distribución se hace
  de acuerdo con el peso (tamaño) de la población
  en cada estrato.
• Afijación Optima Se tiene en cuenta la
  previsible dispersión de los resultados, de modo
  que se considera la proporción y la desviación
  típica. Tiene poca aplicación, no se conoce la
  desviación.

26

• 3. Muestreo aleatorio estratificado (M.A.E.)
• Fórmula
• 1. Seleccionar un marco de muestra adecuado.
• 2. Seleccionar la (s) variables (s) de
  estratificación y el N de estratos, H.
• 3. Dividir toda la población en H estratos.
  Con base en la variable de
• clasificación, cada elemento de la
  población se asigna a uno de los H
• estratos.
• 4. En cada estrato, numerar los elementos de 1
  a N h (el tamaño de la
• población del estrato h).
• 5. Determinar el tamaño de la muestra de cada
  estrato, n h con base en
• el muestreo estratificado proporcionado o
  desproporcionado, donde
• H
• n h n
• h 1
• 6. En cada estrato, seleccionar una muestra
  aleatoria sencilla de tamaño nh

27

• 4. Muestreo aleatorio por conglomerados
• En el muestreo por conglomerados la unidad
  muestral
• es un grupo de elementos de la población que
  forman
• una unidad, a la que llamamos conglomerado.
• Ejemplo
• Las unidades hospitalarias, los
  departamentos universitarios,
• una caja de determinado producto, etc. son
  conglomerados
• naturales.
• Cuando los conglomerados son área
  geográficas suele
• hablarse de "muestreo por áreas".

28

• 4. Muestreo aleatorio por conglomerados
• 1. La población meta se divide en
  subpoblaciones, o grupos,
• recíprocamente selectas y colectivamente
  exhaustivas.
• 2. Se selecciona una muestra aleatoria de los
  grupos, con base
• en una técnica de muestreo probabilístico
  como el M.A.S.
• 3. Para cada grupo seleccionado, ya sea que se
  incluyan todos
• los elementos en la muestra o que se tome
  una muestra de
• elementos en forma probabilística.
• 4. Si todos los elementos en cada grupo
  seleccionado se incluyen en la muestra Muestreo
  de una etapa.
• 5. Si una muestra de los elementos se toma en
  forma probabilística de cada grupo seleccionado
  Muestreo de grupo de dos etapas.

29

• 4. Muestreo aleatorio por conglomerados
• En otras palabras
• El muestreo por conglomerados consiste en
  seleccionar aleatoriamente un cierto número de
  conglomerados (el necesario para alcanzar el
  tamaño muestral establecido) y en investigar
  después todos los elementos pertenecientes a los
  conglomerados elegidos.

30

• 4. Muestreo aleatorio por conglomerados
• Tipos de muestreo aleatorio por conglomerado

Muestreo de grupo
Muestreo de una Etapa
Muestreo de dos Etapas
Muestreo de Etapas múltiples
Muestreo de Grupo sencillo
Probabilidad Proporcional al tamaño de la
muestra
31

• 5. Muestreo polietápico
• Ante lo compleja que puede llegar a ser la
  situación real de muestreo con la que nos
  enfrentemos es muy común emplear lo que se
  denomina muestreo polietápico.
• Se caracteriza por operar en sucesivas etapas,
  empleando en cada una de ellas el método de
  muestreo probabilístico más adecuado.

32

• Criterios entre elección de muestras
  probabilísticas
• 1. Grado de Exactitud de los resultados, por tipo
  de muestra, acorde con las decisiones de
  Mercadotecnia a tomar.
• 2. Recursos y Costos.
• 3. Grado de Usos.
• 4. Tiempo disponible para obtener los resultados.
• 5. Disponibilidad de la información de la
  Población definida (listas de las unidades
  muestrales).
• 6. Accesibilidad para seleccionar a las unidades
  muestrales.
• 7. Distribución geográfica de la población.

33
Elección del muestreo no probabilístico/
probabilístico

• Condiciones que favorecen el uso de
• 
  Muestreo no Muestreo
• Factores
  probabilístico probabilístico
• 1. Naturaleza de la investigación
  Exploratoria Concluyente
• 2. Magnitud relativa de los errores Los
  errores de falta de Los errores de
• de muestreo y de falta de muestreo muestreo son
  grandes muestreo son - gr.
• 3. Variabilidad en la población Homogénea
  (baja) Heterogénea (alta)
• 4. Consideraciones estadísticas.
  Desfavorables Favorables.
• 5. Consideraciones operativas. Favorables
  Desfavorables.

34
Determinación del tamaño de la muestra para un
M.A.S.

• Las estrategias estadísticas para
  determinar el tamaño de la muestra se basan en
  la estimación de los valores desconocidos de
  los parámetros de la población, por medio de
  las estadísticas de la muestra.

35
Determinación del tamaño de la muestra para un
M.A.S.

• Conceptos estadísticos claves
• Parámetro Es una descripción resumida de una
  característica fija
• o medida de la población
  meta. Indica el valor real
• que se obtendría si se
  realizara un censo.
• Estadístico Es una descripción resumida de una
  característica o
• medida de la muestra. Se
  utiliza como un estimada
• del parámetro de la
  población.
• Error Muestral, de estimación o standard
• Es la diferencia entre un estadístico y su
  parámetro correspondiente. Nos da una noción
  clara de hasta dónde y con qué probabilidad
  una estimación basada en una muestra se aleja
  del valor que se hubiera obtenido por medio de
  un censo.

36
Determinación del tamaño de la muestra para un
M.A.S.

• Conceptos estadísticos claves
• Nivel de Confianza Probabilidad de que la
  estimación
• efectuada se ajuste a la realidad. La
  información
• que se recoge está distribuida según la
  ley de
• probabilidad (Gauss o Student), se
  llama nivel de confianza a la probabilidad de
  que el intervalo
• construido en torno a un estadístico
  capte el verdadero
• valor del parámetro.
• Intervalo de confianza Es el rango en el que se
  encontrará
• el parámetro de la población real,
  suponiendo un nivel
• determinado de confianza.