Page 1

Muestreo Investigaci贸n de Mercados


Tabla de Contenido    

Definición Muestreo Utilidad del muestreo Cálculo del tamaño de la muestra (n) Tipos de Muestreo  

Probabilístico No probabilístico


Definición Muestreo 

“Selección de un número relativamente pequeño de elementos tomados de un grupo mayor de elementos definido mayor, con la expectativa de que la información recogida del grupo menos permita que se hagan juicios sobre el grupo mayor” Hair, Bush, Ortinau. Investigación de Mercados.


¿Cuál es la utilidad del muestreo? A partir del muestreo se pueden elaborar conclusiones de una población sin necesidad de hacer un censo Censo: Investigación que comprende datos de cada miembro de la población meta definida


Definición del tamaño de la muestra (Poblaciones infinitas) n = P x Q x Z² -----------------e² • Es decir, que n es igual a P multiplicado por Q, multiplicado por z al cuadrado, todo dividido por el error estimado al cuadrado • Esta fórmula se aplica con tamaños de poblaciones grandes, que tienden a ser infinitas


Definición del tamaño de la muestra (II) n = P x Q x Z² -----------------e² Donde: • Z es el valor estandarizado para un nivel de confianza • P es la probabilidad de éxito, es decir, el estimado de la proporción de la población esperada que tiene una característica deseada, basada en intuición o información previa • Q es la probabilidad de fracaso, es decir, el estimado de la población esperada que no contiene la característica deseada. • e es el nivel tolerado de error. También es llamado “Margen de error”. Representa el nivel en el cual el investigador está dispuesto a que varíen los datos


Si no se saben P ó Q...  

Se utiliza la máxima variabilidad de P y Q… es decir, 50% y 50% Si se conoce P, se utiliza (por ejemplo, P = 70%) y Q es igual a (1-P). En el ejemplo, Q sería igual a 30%


Nivel de Confiabilidad 90%  1,65  95%  1,96  99%  2,58 Como el componente del nivel de confianza es parte del numerador, cuanto mas alto es el nivel de confianza requerido, mayor es el tamaño de muestra requerido Esto es, entre más refinamiento de los datos a partir de un mayor nivel de confiabilidad, mayor debe ser la muestra 


Ejemplo n = P x Q x Z2 -----------------e2 Despejar la fórmula con los siguientes datos: • P = 50% • Q = 50% • NC = 95% (Z = 1,96) • e = 5%


Ejemplo n = P x Q x Z² -----------------e²

n = (0,5) x (0,5) x (1,96)² -----------------(0,05)² n = 0,9604 / 0,0025 n = 384,16


Ejemplo n = 0,9604 / 0,0025 n = 384,16 • Conclusión: Se necesita tomar una muestra de 385 personas, partiendo de un NC de 95%, y un error estimado de 5%.


Definición del tamaño de la muestra (Poblaciones finitas) Cálculo del tamaño de la muestra (Poblaciones finitas) n=

N x P x Q x Z2 2 e2 (N-1) + P x Q x Z

Donde: • Z es el valor estandarizado para un nivel de confianza • P es la probabilidad de éxito •Q es la probabilidad de fracaso •e es el nivel tolerado de error. También es llamado “Margen de error”. Representa el nivel en el cual el investigador está dispuesto a que varíen los datos • N es el tamaño de la población


Recomendación  Si

la población es menor a 500, lo mejor es hacer un Censo


Ejemplo 

En una población que cuenta con 9.000 habitantes mayores de edad se desea calcular el mercado potencial existente para una nueva bebida alcohólica. ¿Cuál debería ser el número de encuestados en la investigación, si se asume un margen de error del 5% y un nivel de confiabilidad del 90%?


Tipos de Muestreo 

Probabilístico: 

 

Se conoce la probabilidad de selección de todos y cada uno de los elementos (unidades muestrales) que componen la muestra Esta probabilidad es diferente de cero Sólo con este tipo de muestreo se pude hacer inferencia de la muestra hacia la población (o universo)

No probabilístico:  

Se desconoce la probabilidad de selección de todos y cada uno de los elementos que componen la muestra La selección de la muestra se hace a partir de consideraciones prácticas (conveniencia) o a partir del criterio del investigador


Muestreo ProbabilĂ­stico


Tipos de Muestreo Probabilístico    

Muestreo Aleatorio sencillo (MAS) Muestreo Aleatorio sistemático (MASI) Muestreo aleatorio estratificado (MAE) Muestreo de conglomerados


Muestreo Aleatorio Simple (MAS)  Se deben conocer todos los elementos (unidades  

muestrales) que componen la población Se realiza una selección aleatoria Por ejemplo: Si se escogen 10 alumnos (n = 10) de una clase de 30, la probabilidad de selección es de 33% (10/30) Probabilidad de selección = Tamaño de la muestra Tamaño de la población

Desventajas: 

Se debe tener una lista de todos los elementos que conforman la población


Muestreo Aleatorio Simple (MAS) (2)


Muestreo aleatorio sistemático (MASI)   

Se realiza una lista de las unidades muestrales, ordenada de alguna manera Se inicia con un elemento aleatorio en la lista Se crea el “intervalo de salto” 

Esto es, determinar el número que se necesita para el “salto” en la lista para cubrirla en su totalidad Por ejemplo: Si se necesita una muestra de 100 (n =100) de una población de 1000, entonces el intervalo de salto será de 10. Se tomaría un punto de partida y e tomaría al azar cada décima unidad hasta abarcar la lista completa

Intervalo de salto =

Tamaño de la lista de la población meta definida Tamaño de muestra deseado


Muestreo aleatorio sistemático (MASI) (2) 

La principal desventaja del M.A.S.I. es la dificultad para identificar patrones ocultos en el ordenamiento de los datos, lo que podría resultar en que la muestra obtenida por el investigador no sea lo suficientemente representativa de la población que se desea caracterizar. Otra dificultad radica en que el investigador debe conocer de antemano la unidad muestrales que configuran la población, lo que resulta muy difícil cuando la población es grande o desconocida.


Muestreo aleatorio estratificado (MAE) 

El tercer tipo de muestreo probabilístico es el muestreo aleatorio estratificado (M.A.E.). Se utiliza cuando se piensa que la población que se desea caracterizar no es homogénea, sino que contiene varios subgrupos. El establecimiento de estos subgrupos (llamados “estratos”) impide al investigador utilizar un muestreo aleatorio simple o sistemático, ya que las unidades muestrales seleccionadas para el estudio podrían no estar representando a la población si se utilizara uno de estos tipos de muestreo.


Muestreo aleatorio estratificado (MAE) (2)   

Se divide la población a partir de “estratos” o grupos Después, se toma una muestra aleatoria simple en cada “estrato” Se aplica un factor de ponderación proporcional o desproporcional 

Proporcional: El tamaño de la muestra en cada estrato o grupo depende de su tamaño con respecto a la población Desproporcional: El tamaño de la muestra de cada estrato o grupo es independiente (es decir, no depende) del tamaño de la población


Muestreo aleatorio estratificado (MAE) (3) 

Veamos un ejemplo. La marca de café “La Seductora” desea hacer un estudio de tipo cuantitativo para determinar el perfil de sus consumidores. La compañía cuenta con datos de investigaciones pasadas según las cuales no todos sus consumidores cuentan con el mismo perfil de consumo. Las investigaciones muestran que:  

El 20% de los consumidores de café “La Seductora” son consumidores por leales de la marca. El 30% de los consumidores de café “La Seductora” son consumidores ocasionales, esto es, consumen esta marca de café de vez en cuando, sin serle fiel. El 50% de los consumidores de café “La Seductora” son consumidores por emergencia, es decir, consumen este café únicamente cuando no hay otras opciones disponibles.


Muestreo aleatorio estratificado (MAE) (4) Perfil consumidores Café "La Seductora" 30%

20% 50%

Consumidores fieles a la marca Consumidores ocasionales de la marca Consumidores por emergencia de la marca

Si contando con esta información realizáramos el estudio utilizando un muestreo aleatorio simple o sistemático, cometeríamos un error; ya que la población que deseamos caracterizar presenta unos subgrupos diferentes en tamaño que influenciarían de manera negativa los resultados si no controlamos su presencia. Lo mejor es separar los tres estratos que hemos identificado y hacer un muestreo aleatorio simple en cada uno de los tres subgrupos. Es decir, realizar un muestreo aleatorio estratificado.


Muestreo aleatorio estratificado (MAE) (5) Pasos Muestreo aleatorio estratificado (M.A.E.) 1. Obtener una lista de las unidades muestrales que contenga un marco aceptable de los elementos de la población 2. Utilizando algún tipo de información previa o secundaria, seleccionar un factor de estratificación respecto a la cual esté dividida la población 3. Dividir la población en sus estratos a partir del factor de estratificación 4. Aplicar un M.A.S. o M.A.S.I. en cada uno de los estratos identificados 5. Reunir las diferentes submuestras en una sola muestra


Muestreo por Conglomerados 

El muestreo por conglomerados es similar al muestreo aleatorio estratificado. Sin embargo, en este caso se divide geográficamente la población de estudio en áreas geográficas. Por ejemplo, podríamos dividir a Bogotá en sus localidades o una localidad de Bogotá en sus barrios. Estas áreas adquieren el nombre de conglomerados. Después de definidas las áreas, el investigador puede optar por dos alternativas. En la primera condición, se seleccionan al azar algunas de estas áreas y se levanta un censo en cada una de ellas. En la segunda alternativa, se seleccionan más áreas y se toman muestras de cada una.


Muestreo por Conglomerados (II) 

En el muestreo por conglomerados se parte de la idea que las áreas en las que se ha dividido la población de estudio son similares entre sí, por lo que es factible hacer una inferencia de unas áreas a otras. Por tanto, este método no es conveniente cuando se han detectado que las diferentes áreas que componen la población son disímiles entre sí.


Tipos de Muestreo ProbabilĂ­stico


Muestreo No probabilĂ­stico


Tipos de Muestreo No probabilístico    

Muestreo por conveniencia Muestreo por juicio Muestreo por cuota Muestreo por bola de nieve


Muestreo por Conveniencia 

En el muestreo por conveniencia la selección de las unidades muestrales se realiza según la conveniencia del investigador, seleccionando los encuestados a partir de   

Disposición Tiempo Interés en la participación del estudio


Muestreo por Conveniencia 

Parte de la concepción que la población es homogénea y por tanto las unidades muestrales se comportarán de manera representativa a la población. Por ejemplo, las encuestas que se realizan en centros comerciales suelen ser de conveniencia. Como todos los procedimientos muestrales de tipo no probabilístico, en el muestreo por conveniencia no se pueden generalizar los resultados obtenidos en la muestra a la población de estudio, ya que no existe forma de determinar si la muestra es representativa de la población o no.


Muestreo por Juicio 

En este tipo de muestreo se seleccionan las unidades muestrales a partir del criterio de una persona experta. Parte del supuesto que un experto en el tema podrá seleccionar, a través de su conocimiento y experiencia, a las unidades muestrales óptimas para el estudio; y que dichas unidades serán representativas de la población. Sin embargo, de mismo modo que en otros procedimientos no probabilísticos, en este tipo de muestreo no resulta factible medir la representatividad de la muestra.


Muestreo por Cuota 

En el muestreo no probabilístico por cuota las unidades muestrales se seleccionan a partir de cuotas que ha establecido el investigador con anterioridad a la iniciación del estudio. Estas cuotas se determinan a partir de los objetivos de la investigación. Por ejemplo, puede que se requiera que el 40% de la muestra esté entre los 18 a 25 años, el 30% de la misma se halle entre los 26 y 35 años y el resto de la muestra tenga más de 36 años. El objetivo fundamental de este muestreo es asegurar la inclusión en el estudio de los subgrupos que se han identificado como necesarios para cumplir con el objetivo de la investigación.


Muestreo por “Bola de nieve” 

El muestreo no probabilístico por bola de nieve consiste en la identificación y selección de un grupo de encuestados para que estos a su vez ayuden al investigador a invitar a otras personas a participar en el estudio. Los encuestados que accedieron a realizar a encuesta crean un efecto de “bola de nieve” invitando e incentivando a otras personas para que participen en la investigación. Este método suele utilizarse cuando la población que se pretende estudiar es muy pequeña, y por tanto, encontrar a los prospectos para la investigación resulta muy dispendioso. Se necesita entonces, que a través de referidos se convoquen a los prospectos que cumplen con el perfil.


Muestreo por “Bola de Nieve” Un prospecto responde a la encuesta

Luego crea un efecto de “bola de nieve”

Refiriendo conocidos que tienen el mismo perfil


Esquema Ccptual.


Bibliografía Obligatoria 

McDaniel, C. y Gates, R. (2005). Investigación de Mercados. Sexta edición. Ed. Thomson. México. Capítulo 12: Aspectos básicos del muestreo. Capítulo 13: Determinación del tamaño de la muestra


Bibliografía Opcional 

Hair, J. Bush, R. Ortinau, D. (2004). Investigación de mercados. En un ambiente de información cambiante. Segunda edición. Ed. Mc- Graw- Hill. Capítulo 11: Muestreo: teoría, diseños y temas en la investigación de mercados.


Páginas web relacionadas 

http://www.marketing-xxi.com/proceso-de-la-investigacionde-mercados-i-24.htm http://www.monografias.com/trabajos12/muestam/muestam. shtml


expo  

temantica teoria de lo divertido

Advertisement
Read more
Read more
Similar to
Popular now
Just for you