ESTUDIO DE MERCADO

CAPITULO III: MUESTREO

Docente: Ing. Sergio Surez Gulln
DEFINICIN
El muestreo es una tcnica usada en
estadstica que es indispensable en la
investigacin cientfica para seleccionar a los
sujetos a los que les aplicaremos las
tcnicas de investigacin elegidas, segn el
enfoque en que se trabaje (cuantitativo,
cualitativo o mixto) En la mayora de los
proyectos de investigacin utilizamos una
muestra.
Es la actividad por la cual se toman ciertas
muestras de una poblacin de elementos de
los cuales vamos a tomar ciertos criterios de
decisin

DEFINICIN
DEFINICIN
Definicin del plan de muestreo
Es el procedimiento de la seleccin de individuos de
la poblacin total







Cmo elegir la muestra? Y Cmo extrapolar a la
poblacin entera los resultados que se observarn en
la muestra?


Poblaci
n
Poblaci
n
Censo
Muestreo
Muestra
OTROS CONCEPTOS
Estadstico: Es una medida usada para
describir alguna caracterstica de una
muestra, tal como una media aritmtica, una
mediana o una desviacin estndar.
Parmetro: Es una medida usada para
describir alguna caracterstica de una
poblacin, tal como una media aritmtica,
una mediana o una desviacin estndar
de una poblacin.
IMPORTANCIA DEL MUESTRO
Se utiliza con poblacin finita
Cuando no existe mucha capacidad
econmica ni tiempo
Cuando se requiere estimaciones precisas y
confiables a corto plazo
Para analizar situaciones de una empresa o
de la sociedad
VENTAJAS DEL MUESTRO
Es econmico
No demora mucho tiempo
Obtener detalles de los datos de estudio
Menor cantidad de recursos humanos
Es ms controlable
Sus resultados son confiables
Aumenta la precisin de resultados
DESVENTAJAS DEL MUESTREO
Siempre est se debe considerar el error del
muestro debido a la variabilidad intrnseca
de los elementos del universo
Se requiere de personas altamente
calificadas
No permite hacer proyecciones sobre reas
muy pequeas de la poblacin o sobre
poblaciones sujetas a muchos cambios y
lapsos muy cortos de tiempo

TIPOS DE MUESTREO
Muestreo probabilstico:
Muestreo no probabilstico:
MUESTREO PROBABILSTICO
Elemento clave: Debe existir una
representatividad de la muestra
PLANES
PROBABILISTICOS
Es posible medir el
error
No existe un buen
conocimiento de la
poblacin
La seleccin de los
individuos se la realiza
al azar
MUESTREO NO PROBABILSTICO


PLANES NO
PROBABILISTICOS
No es posible medir el
error
Existe un buen
conocimiento de la
poblacin
La seleccin de los
individuos se la realiza
por el investigador
MUESTREO PROBABILSTICO
Muestreo aleatorio simple
Muestreo sistemtico
Muestreo estratificado
Muestreo por conglomerados o grupos
Muestro aleatorio simple:
Este proceso garantiza que todas las muestras
posibles que se pueden obtener de la poblacin
tienen la misma probabilidad de ser elegidas
Muestreo aleatorio simple es cuando un elemento es
seleccionado, medido y puede o no ser nuevamente
seleccionado (con reemplazo)
Es el que le permite al investigador conformar una
muestra de forma que cada elemento de la poblacin
o universo tenga la misma probabilidad de ser
seleccionado, por lo tanto, se requiere enumerar a
cada uno, de 1 a N.
MUESTREO PROBABILSTICO
Muestro aleatorio simple:
Ventajas:
Cuando la poblacin es pequea
Es sencillo y de fcil comprensin
Cuando la poblacin est ubicada en un espacio reducido
Se basa en la teora estadstica y se pueden utilizar
paquetes informticos para su anlisis
Cuando no se tiene informacin previa de la poblacin

MUESTREO PROBABILSTICO
Muestro aleatorio simple:
Desventajas:
Requiere la identificacin y catalogacin de la poblacin,
lo cual en ocasiones resulta muy costoso
Requiere una probabilidad de seleccin igual para todos
los elementos que conforman la poblacin

MUESTREO PROBABILSTICO
Ejemplo de muestreo aleatorio simple.
Se requiere seleccionar a 3 alumnos del
curso (materia de investigacin de
mercados) conformado por 32 personas.
La probabilidad de cada alumno de ser
elegido es de 1/32, es decir, 3,125 %.
Esta probabilidad debe mantenerse en todo
momento para la eleccin de los 3 alumnos
A esto se denomina muestreo con reemplazo
MUESTREO PROBABILSTICO
Muestreo sistemtico:
Se elige un individuo al azar y a partir de l,
a intervalos constantes, se eligen los dems
hasta completar la muestra
Se enumera las observaciones de 1 a N.
Luego se determina el Intervalo de Muestreo
(IM), que consiste en dividir el nmero de
observaciones o unidades de muestreo de la
poblacin entre el tamao deseado de la
muestra;
MUESTREO PROBABILSTICO
Muestreo sistemtico:
IM = N / m
N = poblacin
m = muestra
Ejemplo: Se tiene una poblacin formada por 100
elementos y queremos extraer una muestra de 25. Se
establece el intervalo de muestreo (IM) que ser igual a
100/25 = 4. A continuacin se elige el elemento de
arranque, tomando aleatoriamente un nmero entre el 1 y
el 4, y a partir de l obtenemos los restantes elementos
de la muestra.
Valor inicial = 2, segundo valor 2+4=6, tercer valor
2+2(4)=10, cuarto valor 2+3(4)=14, etc.
MUESTREO PROBABILSTICO
Muestreo sistemtico:
Ventajas:
Se recomienda cuando la poblacin es
numerosa
Cuando se puede disponer de un listado de los
elementos de la poblacin
La sencillez de la tcnica y que puede ser
utilizado con bastante grado de confiabilidad en
la prctica
Fcil de aplicar
MUESTREO PROBABILSTICO
Muestreo estratificado:
Se debe dividir a la poblacin o universo en
grupos relativamente homogneos, llamados
estratos y despus se toma una muestra al azar
de cada uno de ellos, y la muestra resultante se
denomina muestra estratificada
Es importante decir que en este mtodo se
identifican las caractersticas que dan lugar a la
conformacin de sub-grupos homogneos al
interior pero heterogneos entre s.


MUESTREO PROBABILSTICO
Muestreo estratificado
Consideramos que tenemos una poblacin de tamao N
dividida en k subpoblaciones de tamaos N1,N2, . . . ,Nk.
Dichas sub poblaciones son disjuntas y cumplen que N1
+N2 + +Nk = N. Cada una de las subpoblaciones se
denominan estratos.
Los estratos son agrupaciones de individuos con las
mismas caractersticas (homogneos) y se sacan
muestras de todos los estratos de la poblacin para
realizar una inferencia estadstica

MUESTREO PROBABILSTICO
MUESTREO PROBABILSTICO
Muestreo estratificado:
Ventajas:
Cuando se trata de elementos
poblacionales susceptibles a ser
clasificados
Cuando hay inters en obtener
informacin a nivel de las sub-
poblaciones
Se obtienen estimaciones ms
precisas
Se pretende obtener una
muestra lo ms semejante
posible a la poblacin en lo que
a la(s) variables se refiere
Muestreo estratificado

Poblacin
Estratos
m1

m5

m4

m3

m2

MUESTREO PROBABILSTICO
Muestreo por conglomerados:
O muestreo de reas, es til cuando la
poblacin se encuentra dispersa. La seleccin
de la muestra puede requerir varias etapas.
El mtodo es el siguiente:
1. Clasificar o dividir en reas o manzanas
2. Escoger al azar la muestra donde se va a
comenzar el muestreo
3. Determinar la frecuencia del muestreo



MUESTREO PROBABILSTICO
Afijacin simple: Consiste en el reparto a partes
iguales de la muestra entre los diversos estratos
conocidos
Afijacin proporcional: Consiste en el reparto
proporcional de la muestra entre los distintos
estratos, en base al nmero de efectivos de cada uno
de los mismos
Afijacin ptima: Selecciona el tamao de los
estratos en funcin de la desviacin estndar de
cada uno de ellos, de tal manera que los estratos
ms heterogneos (mayores varianzas) aporten ms
casos a la muestra total

MUESTREO PROBABILSTICO
Muestreo por conglomerados
El muestreo por conglomerados es cuando existe
una agrupacin de individuos que no tienen
caractersticas similares (heterogneos), se realiza
la eleccin de uno o ms conglomerados para
analizarlos exhaustivamente (censo) y se
desestiman los no elegidos

MUESTREO PROBABILSTICO
Muestreo por
conglomerados:
Ventajas:
Se recomienda cuando la
poblacin est diseminada
en grandes reas
geogrficas
No es necesario tener un
listado de toda la
poblacin, solo de las
unidades primarias de
muestreo
MUESTREO PROBABILSTICO
Es un procedimiento de seleccin en el que
se desconoce la probabilidad que tienen los
elementos de la poblacin para integrar la
muestra

MUESTREO NO PROBABILSTICO
Muestreo causal
Muestreo intencional u opintico
Muestreo por cuotas
Muestreo de bola de nieve
MUESTREO NO PROBABILSTICO
Muestreo causal
Permite elegir arbitrariamente los elementos
sin un juicio o criterio pre establecido
Ejemplo: Se preguntar la opinin a la gente
que transita por la calle Esteban Arce y
Calama, sobre la atencin que ofrecen las
distintas entidades bancarias de la zona
MUESTREO NO PROBABILSTICO
Muestreo intencional u opintico
Los elementos son elegidos en base a
criterios o juicios pre establecidos por el
investigador.
Ejemplo: Se evaluaran a los docentes de la
Universidad X
Con experiencia profesional mnima de 5 aos
Poseer diplomado en educacin superior
No tener procesos judiciales
No haber ocupado cargos pblicos

MUESTREO NO PROBABILSTICO
Muestreo por cuotas:
Consiste en dividir a la poblacin bajo
estudio en sub grupos o cuotas segn
ciertas caractersticas como: Edad, gnero,
estado civil, etc.
Ejemplo: Se desea obtener informacin de
los ingresos mensuales que perciben 40
personas del gnero femenino socias de
COMTECO
MUESTREO NO PROBABILSTICO
Muestreo de bola de nieve:
Es particularmente til cuando se muestrean
poblaciones cuyos componentes, por
motivos morales, ideolgicos, legales o
polticos tienden a ocultar su identidad.
A partir de unos pocos individuos, el
entrevistador, con ayuda de los primeros, va
conociendo a nuevos miembros de la
muestra
MUESTREO NO PROBABILSTICO
Probabilsticos
Todas las unidades
tienen la misma
probabilidad de ser
elegidos en la
muestra
La eleccin de cada
unidad muestral es
independiente de
las dems
Se puede calcular
el error muestral
RESUMEN
No
probabilsticos
Cada unidad NO
tienen la misma
probabilidad de ser
elegida en la
muestra
No se puede
calcular el error
muestral
Existe un alto
riesgo de invalidez
producido sesgos
de la muetra
CALCULO DE LA MUESTRA
Utilizando la siguiente tabla, seleccione la
poblacin objetivo aproximada. Luego, elija el
margen de error para estimar la cantidad de
encuestas completas que necesitar.
Importante: estas pautas son solo
aproximadas. Adems, para poblaciones
superiores a 1 milln, quizs desee redondear
a la prxima centena.

Poblacin
Margen de error Intervalo de confianza
10% 5% 1% 90% 95% 99%
100 50 80 99 74 80 88
500 81 218 476 176 218 286
1,000 88 278 906 215 278 400
10,000 96 370 4,900 264 370 623
100,000 96 383 8,763 270 383 660
+ 1,000,000 97 384 9,513 271 384 664
CALCULO DE LA MUESTRA
Para calcular el tamao de muestra (en
poblaciones finitas) para la estimacin de
proporciones poblacionales, la frmula es la
siguiente:


CALCULO DE LA MUESTRA

N Z /2 P (1 P)
m =
(N 1) e + Z /2 P (1 P)

CALCULO DE LA MUESTRA
Donde:

N = Tamao de la muestra
P = Probabilidad de xito
e = Error al que se quiere incurrir
Z = Valor de la distribucin normal (en tablas)

Para un nivel de confianza del 95%
y un nivel de significancia del 5%

Para 1- = 0,95
se tiene un valor de Z = 1,96
Cuando se tiene como dato la varianza de la
poblacin, se utiliza la siguiente ecuacin:

CALCULO DE LA MUESTRA