INVESTIGACIÓN DE MERCADOS (Clase 7)

Muestreo: diseño y procedimientos

Población:

un conjunto de características comunes y comprenden el

universo

El total de todos los elementos que comparten 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

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

1.- Definición de la Población Objetivo



La población Objetivo objetos que deducciones.

términos de

el tiempo.

poseen es la recolección de elementos u la información buscada por el investigador y acerca de la cual se deben realizar las La Población Objetivo se debe definir en

elementos, unidades de muestra, la extensión, y 

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.

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.

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.

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: a) b) c) d) Naturaleza de la investigación.

Número de variables.

Tamaño de muestra utilizados en estudios similares.

Restricciones de recursos., etc.

5.- Ejecución del proceso de muestreo

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

Clasificación de técnicas de muestreo

Técnicas de Muestreo No Probabilístico Probabilistico Muestreo por conveniencia Muestreo por juicio Muestreo por cuota Muestreo de Bola de nieve MAS

Muestreo Sistemático Muestreo Estratificado Muestreo por Agrupamiento Otros

Técnicas de Muestreo

A.- Muestreo no Probabilístico

muestreo que no utilizan procedimientos de selección por casualidad. En su lugar, se basan en el juicio personal del investigador.

: Técnicas de 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

seleccionado para muestra.

: Procedimiento de muestreo en el que cada elemento de la población tiene una oportunidad probabilística fija de ser

Técnicas de Muestreo No Probabilístico

1) Muestreo por Juicio

muestra.

: 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

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.-

Técnicas de Muestreo No Probabilistico

2)

Muestreo por Cuotas (o cupo): muestreo no probabilístico, que es un muestreo por juicio restringido de dos etapas.

etapa consiste en desarrollar categorías de control o cuotas de

Técnica de

La primera elementos de la población

.

En la

segunda etapa, los elementos de muestra se seleccionan con base en la conveniencia o juicio.

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.

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 control).

como subsegmentos del Universo. (definidos por las variables de

Técnicas de Muestreo No Probabilistico

Característica de Control Composición de la población /muestra / Edad Sexo Masculino Femenino Total Menor a 20 15% 15% 30% Mayor o igual a 20 35% 35% 70% Elementos poblacionales: Personas Variables de Control: Edad y sexo de las personas.

Total 50% 50% 100% nij: N = ( 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= Tamaño de la muestra.

Técnicas de Muestreo No Probabilistico

Característica de Control Composición de la población /muestra / Edad Sexo Masculino Femenino Total Menor a 20 6 6 12 Mayor o igual a 20 14 14 28 Total 20 20 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

Técnicas de Muestreo No Probabilistico

3) Muestreo por conveniencia: Técnica de muestreo no probabilístico que intenta obtener una

muestra de elementos convenientes

entrevistador.

. La selección de las unidades de muestreo se deja principalmente al Variables relevantes: geográficas, etc.

Intervalos de tiempo, áreas 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.

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.

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.

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

……

1.

Muestreo aleatorio simple (M.A.S.):

Cálculo con utilización de la tabla estadística de N° aleatorios sencillos:

Tamaño de muestra = 15 Marco de muestra = 900 1. 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.

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.

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 + (n+1)i.

27, 27+100, 27 + 2 x 100, 327,

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.

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 acuerdo con el peso (tamaño) de la población en cada estrato.

: La distribución se hace de 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.

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

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".

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.

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.

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

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.

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.

Elección del muestreo no probabilístico/ probabilístico Factores Condiciones que favorecen el uso de Muestreo no Muestreo probabilístico probabilístico

1. Naturaleza de la investigación 2. Magnitud relativa de los errores

Exploratoria Concluyente

Los errores de falta de Los errores de de muestreo y de falta de muestreo gr.

muestreo son + grandes muestreo son 3. Variabilidad en la población Homogénea (baja) Heterogénea (alta) 4. Consideraciones estadísticas. Desfavorables Favorables.

5. Consideraciones operativas. Favorables Desfavorables.

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.

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

Conceptos estadísticos claves:

Parámetro: Estadístico:

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.

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.

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.