Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados

Conceptos Básicos
• Elemento: Es la unidad acerca de la cual se solicita información. En una investigación con encuestas, por lo regular el elemento es el entrevistado.

AM04003-Análisis e interpretación de resultados
Sesión1. La importancia del muestreo

•Población meta: Es el conjunto de todos los elementos definidos antes de la selección de la muestra y que posee la información que busca el investigador. Una población definida adecuadamente debe definirse en términos de ELEMENTOS, UNIDADES DE MUESTREO, ALCANCE y TIEMPO. Ejemplos:

1

2

Conceptos Básicos
Si deseamos monitorear las ventas de un nuevo producto, como un jabón de tocador, la población podría ser: ELEMENTO: Jabón de tocador UNIDADES DE MUESTREO: Supermercados, farmacias, almacenes de descuentos, tiendas de abarrotes. ALCANCE: Monterrey TIEMPO: 6 al 20 de enero de 2007

Conceptos Básicos
La población para medir la reacción de un comprador hacia un nuevo producto químico industrial sería: ELEMENTO: Ingenieros Químicos UNIDADES DE MUESTREO: Empresas que compran mas de 2 millones de pesos en químicos por año. ALCANCE: La zona norte de la República Mexicana TIEMPO: 2007

3

4

Unidad de muestreo
Es el elemento o elementos disponibles para su selección en alguna etapa del proceso de muestreo. En el tipo de muestreo más simple, que sería el de una sola etapa, las unidades y los elementos de muestreo son los mismos. En el caso de procedimientos más complejos, se pueden tener el número de etapas que el investigador desee, lo que se tiene que hacer es especificar la unidad de muestreo en cada una de las etapas.

Conceptos Básicos
Por ejemplo, una muestra en tres etapas podrías ser: Etapa 1: Ciudades con población de mas de 800,000 habitantes. Etapa 2: Colonias de nivel socioeconómico C+ Etapa 3: Mujeres de 40 años y más

5

6

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

1

Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados

Marco muestral o de referencia
Representación de los elementos de la población meta que consiste en una lista o grupo de indicaciones para identificar a la población meta. Un ejemplo de esto podrían ser una lista de clase, una lista de votantes registrados, una lista de empleados, directorio telefónico y hasta un mapa. En el caso del mapa se estarían muestreando partes geográficas, como por ejemplo, colonias, cuadras o manzanas dentro de una ciudad.

¿Por qué una muestra?
La alternativa al muestreo es realizar un censo, en el cual se estarían utilizando todos los elementos disponibles de una población definida, como el censo poblacional que realiza el gobierno, por parte de INEGI. Los censos casi no se utilizan en la investigación de mercados, debido a que las poblaciones de interés por lo común incluyen miles o millones de individuos; aunque hay casos en el que un censo puede ser útil para una empresa de productos industriales que sólo tiene un pequeño número de clientes de un producto altamente especializado.

7

8

Beneficios del muestreo

1. Ahorra dinero: claramente ahorraríamos dinero entrevistando a 1000 personas en vez de un millón de personas que compondrían un población dada, en caso de hacer un censo. 2. Ahorra tiempo: definitivamente no sería lo mismo entrevistar a un millón de personas que sólo a 1000, en el caso de una muestra.

3. Puede ser mas preciso: a pesar de lo que pueda parecer, cuanto más pequeño sea un estudio, mayores serán las posibilidades de controlar al personal en cada una de las etapas del proceso de muestreo. Entre más personal se utilice, y más tiempo se lleve el estudio, habrá más errores y resultados menos exactos.

9

10

Bibliografía
• Malhotra, Naresh. Investigación de Mercados, un enfoque práctico. México: Editorial Pearson Educación 2004, (ISBN 970-26-0491-5). • Mc Daniel, Carl. Investigación de Mercados. México: Editorial Thomson 2005, (ISBN 970-686-366-4). • Kinnear, Thomas. Investigación de Mercados, un enfoque aplicado. México: Editorial Mc Graw Hill 1996, (ISBN 958-600-124-5).

Créditos:

Lic. Ana María López Navarro

11

12

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

2

Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados

Proceso de Muestreo

1

Definir la población Identificar el marco muestral Seleccionar un método de muestreo Determinar el tamaño de la muestra Ejecutar el plan

AM04003-Análisis e interpretación de resultados
Sesión 2. Procedimiento de muestreo

2

3

4

5

1

2

1. Definir la población
La población se debe definir en términos de: • Elementos • Unidades de muestreo • Alcance • Tiempo

1. Definir la población
Los datos demográficos tales como edad, ingreso, nivel de estudios, etc., se utilizan mucho para definir a la población. También los estilos de vida se pueden considerar, o bien condiciones de vida como tener poco tiempo disponible para dormir, comer, etc. Por ejemplo, si queremos hacer una investigación para pastillas de cafeína, debemos asumir que una de las características de la población meta debe ser que tenga poco tiempo para dormir, como pueden ser choferes, doctores, enfermeras, etc.
3 4

2. Identificar el marco muestral
Ya que se ha definido la población, el investigador debe buscar un listado que le sirva como marco muestral. Existen algunas fuentes tanto privadas como públicas que pueden servir, pero hay que considerar que todas tienen un grado de error muestral, hay que evaluar bien las fuentes y buscar la que mejor represente a la población meta.

2. Identificar el marco muestral
Para evaluar el error muestral en una “lista”, y ver si le puede servir al investigador, hay que considerar dos puntos: • Evaluar el grado de afinidad de las características del marco muestral con los de la población meta. • Estimar la cantidad de personas no listadas de la población meta.

5

6

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

1

Del Paseo Residencial Monterrey. para poder descartar a las personas que no califican. Por ejemplo. si el investigador determina que la cantidad de miembros no considerada dentro de la lista no representa un error considerable para la muestra final. etc. Determinar el tamaño de la muestra En estudios concluyentes se deben tomar en cuenta factores como: • Desviación estándar de la media • Nivel de confiabilidad • Error estándar En estudios de naturaleza exploratorio las muestras tienden a ser más pequeñas. 2 . 11 5. es muy importante tener un manual detallado para los entrevistadores. en el caso de una encuesta casa por casa. Identificar el marco muestral Para el segundo punto. si no se encuentran. Por ejemplo. puede ser que se tomen en cuenta solamente los registrados en Internet.R.L. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. en estudios concluyentes las muestras deben ser más grandes. si hay terrenos baldíos. la puede juzgar como aceptable. 2006. Los factores cualitativos que se deben considerar son: • Importancia de la decisión • Naturaleza de la investigación • Número de variables • Naturaleza del análisis • Tamaños de muestra utilizados en estudios similares • Tasas de incidencia • Tasas de cumplimiento • Restricciones de recursos $ 10 No Probabilísticos Probabilísticos Por juicio Por cuotas Aleatorio simple Sistemático Estratificado Bola de nieve Por conveniencia De grupo o agrupamientos 9 4. Esto se puede hacer en una encuesta con preguntas de filtro. instrucciones si la casa está vacía. pero hay unos cuantos que no están registrados. el salto de casas. ya que debe eliminarse la participación de ellos al máximo. N. y debe especificarse detalladamente la ruta a seguir. Seleccionar un método de muestreo Métodos de Muestreo 4. Identificar el marco muestral Para evaluar el grado de afinidad de los miembros de la lista con los de la población meta se utiliza un “rango de incidencia” que son los que calificarían para la muestra.. 12 D. en un club deportivo. más sus hábitos de consumo no difieren en la opinión de los registrados.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 2. 7 8 3. 2. Ejecutar el plan En esta etapa de deben desarrollar procedimientos operacionales para la selección de la muestra. Determinar el tamaño de la muestra Número de elementos que se incluirán en la muestra. por lo cual podría ser válido el marco muestral.

(ISBN 970-686-366-4). Carl. Investigación de Mercados. y muchas veces la ejecución es la que puede constituir un obstáculo para toda la investigación.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 5. Investigación de Mercados. México: Editorial Thomson 2005. Ejecutar el plan En una muestra probabilística es de suma importancia cuidar los procedimientos. México: Editorial Mc Graw Hill 1996. Del Paseo Residencial Monterrey. ya que son factores críticos de éxito. • Kinnear. 13 14 Créditos: Lic. (ISBN 970-26-0491-5).. Thomas. N. • Mc Daniel. Naresh. un enfoque aplicado. (ISBN 958-600-124-5). © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L. Bibliografía • Malhotra. 2006. un enfoque práctico.R. 3 . Ana María López Navarro 15 D. Investigación de Mercados. México: Editorial Pearson Educación 2004.

• Utilizar grupos de estudiantes de cierta universidad.R. las cuotas aseguran que la composición de la muestra se la misma que la de la población en relación a las características de interés. en una prueba de comercialización se hace un juicio con respecto a qué ciudades podrían considerarse como las mejores para lanzar un nuevo producto. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2006. Muestreo de juicio Se aplica a cualquier muestra en la que los criterios de selección se basan en el criterio del investigador acerca de lo que constituye una muestra representativa. 3 4 Muestreo por cuotas Se seleccionan de manera que las características demográficas de interés para el investigador estén representadas en la muestra en las proporciones meta. Es decir. • Entrevistar a las personas que pasen por cierta calle. Ejemplos: • Realizar entrevistas en un centro comercial. de acuerdo a la conveniencia del investigador. Del Paseo Residencial Monterrey. como su nombre lo dice. Muestreo no probabilístico • De juicio • Por cuotas • Bola de nieve 1 2 Muestreo de conveniencia Las muestras por conveniencia se seleccionan. Es muy utilizado por las empresas debido a su bajo costo y facilidad de ejecución. Muestreo por cuotas Ejemplo: Característica de control Sexo Masculino Femenino Composición de la población Porcentaje 45% 65% Composición de la muestra Porcentaje 45% 65% Número 450 650 5 6 D. Por ejemplo.L. N..Universidad Tec Milenio: Profesional AM04003 – Análisis en interpretación de resultados Muestreo no probabilístico • De conveniencia AM04003-Análisis e interpretación de resultados Sesión 3. 1 .

después de ser entrevistados se les pide que identifiquen a otros que pertenecen a la población de interés. (ISBN 970-686-366-4). Bola de Nieve Un ejemplo común de este método es cuando te llaman por teléfono para ofrecerte una tarjeta de crédito. un enfoque práctico. Este proceso es como una cadena. posteriormente te piden si puedes proporcionarles los datos de algún familiar o conocido que pudiera estar interesado en la tarjeta de crédito también. Del Paseo Residencial Monterrey. N. México: Editorial Pearson Educación 2004. 2006. Thomas. • Kinnear. Créditos: Lic.R. Ana María López Navarro 9 10 D. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Naresh. generalmente al azar. una referencia lleva a otra y así sucesivamente. te preguntan información y posteriormente te piden datos de algún posible interesado en los servicios. Carl. Investigación de Mercados. 7 8 Bibliografía • Malhotra..Universidad Tec Milenio: Profesional AM04003 – Análisis en interpretación de resultados Bola de Nieve En este método se selecciona un grupo inicial de encuestados. También empresas de Internet como Terra te llaman para ofrecerte los servicios. Investigación de Mercados. (ISBN 970-26-0491-5). (ISBN 958-600-124-5). por eso del nombre bola de nieve. • Mc Daniel. México: Editorial Thomson 2005. Investigación de Mercados. un enfoque aplicado. 2 . México: Editorial Mc Graw Hill 1996.L.

N. 3 4 Muestreo aleatorio simple Ejemplo para utilizar una tabla de números aleatorios: PASO 1. 75 55 16 29 26 27 58 48 50 30 49 17 93 05 59 43 28 51 18 81 59 01 10 32 94 99 44 09 Nombre López. 1 . Ana Sosa. Del Paseo Residencial Monterrey. 3. 6 D. Muestreo probabilístico • Aleatorio simple • Sistemático • Estratificado • Por agrupamiento 1 2 Muestreo aleatorio simple Es la forma más pura del muestreo probabilístico y se realiza a partir de una lista de la población. Asigna a todos los miembros de la población un número. Selecciona cualquier número en la tabla de números aleatorios como punto de partida y encuentra el primer número que corresponda a la lista de la población. Los números generados denotan los elementos que deberán incluirse en la muestra. Luis Flores. El procedimiento para realizarlo es: 1. posteriormente hacia abajo y así sucesivamente. después hacia abajo y hacia la derecha. Asignar a cada elemento un número del 1 al N (tamaño de la población). 2.R. (supongamos que tenemos una lista de 30) PASO 2. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Ricardo Pérez..Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Muestreo probabilístico Cada elemento de la población tiene la misma probabilidad de ser seleccionado para la muestra. Erik Número 1 2 3 4 5 30 5 23 65 03 38 96 11 43 15 54 87 97 31 74 36 Punto de partida: Nos moveremos hacia la izquierda hasta el final de la fila.L. Generar n (tamaño de la muestra) números aleatorios diferentes entre 1 y N. 4. Josué Bonilla. 2006. Eva Aldape. hay cuatro tipos: AM04003-Análisis e interpretación de resultados Sesión 4. En este ejemplo hemos seleccionado el número 32 como punto de partida. en zig-zag. Seleccionar un marco muestral. Esto se puede hacer mediante programas computacionales o tablas de números aleatorios.

PASO 2. 2 . Ejemplo: 25. Aplica el intervalo de salto para determinar los nombres de la lista que se incluirán en la muestra. Javier #30 #16 Bonilla.R. en dado caso. La lista se maneja de manera circular. 2006. Calcula el intervalo de salto dividiendo el número de nombres de tu lista entre el número de la muestra. pero es más sencillo de aplicar. 11 12 D. posteriormente el 30. que no lo incluye nuestra lista. Ejemplo: •Selecciona un número aleatorio para la página del directorio donde se comenzará. Pedro. El intervalo de salto sería cada 50 personas o nombres. vamos a decir que ya seleccionando los puntos anteriores. •Selecciona un número aleatorio para el renglón de la columna donde se comenzará. Continuamos de la misma forma hasta completar el número completo de elementos para la muestra. 9 10 PASO 4. N. Erik Garza. empezaríamos en Fuentes. Ejemplo: Si empezamos en Fuentes. simplemente lo saltamos y seguimos en la selección. luego el 16 y sigue el 87. Del Paseo Residencial Monterrey. PASO 5. Alicia Muestreo sistemático El muestreo sistemático se utiliza a menudo como sustituto del muestreo aleatorio simple. nuevamente a la letra “F”. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. como vayan apareciendo. este lo saltamos…llevamos por lo pronto a las siguientes personas: #28 Brito.000 nombres en el directorio = 50 Muestra de 500 personas PASO 3. el primer nombre que se seleccionó aleatoriamente. determina el punto de partida en la lista. donde continuaríamos en la letra “A” hasta llegar. 7 8 PASO 1. Si encuentras un número que ya seleccionamos anteriormente. es decir. Utilizando números aleatorios. en este caso aparecen primero el 28. Selecciona a la persona que corresponda a los números de la lista.. Identifica un listado de la población que contenga un nivel aceptable de error. saltamos 50 nombres y seleccionamos el siguiente. Ejemplo: El directorio telefónico de tu ciudad. produce muestras casi idénticas a las generadas por el simple aleatorio. Pedro. será el último de la lista al ir avanzando.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados PASO 3. Ejemplo: Empezamos en la “F” de Fuentes. •Selecciona un número aleatorio para seleccionar la columna. seguiríamos seleccionado hasta llegar a la “Z”. El procedimiento es: PASO 4.L.

Determinar el tamaño de la muestra de cada estrato. los conglomerados pueden ser las colonias de viviendas. 4. los municipios. 15 16 Muestreo por agrupamiento En el muestreo por conglomerados o agrupamiento. nh. En cada estrato. El proceso es elegir aleatoriamente uno o varios conglomerados y la muestra estará formada por TODOS los elementos de los conglomerados. Del Paseo Residencial Monterrey.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Muestreo estratificado Las muestras estratificadas son las muestras probabilísticas que se distinguen por los siguientes pasos en el procedimiento: 1. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.R. lo que consideramos son “conglomerados de elementos”. 13 14 Ejemplo: 5. Seleccionar un marco muestral. Las muestras simples aleatorias de los elementos de los dos o más subconjuntos se eligen independientemente una de la otra. hombre y mujer) 2.000 niños.L. 2. 3 . con base en la variable de calificación. (por ejemplo. con base en muestreo estratificado proporcionado o desproporcionado: H nh = n ∑ h=1 6. Supongamos que en Zacatecas. Seleecionar las variables de estratificación y el número de estratos. etc. -En otros ejemplos. los conglomerados pueden ser las mesas electorales. lo que haremos es dividir los alumnos en 2 estratos (pública y privada) y se eligen aleatoriamente 700 niños de la pública y aleatoriamente 300 de la privada. N. 2006. en lugar de considerar cada elemento de la población. cada elemento de la población es asignado a uno de los estratos H. se divide en dos o más subconjuntos mutuamente excluyentes y extensivos. En cada estrato.. Si queremos 1. numerar los elementos del 1 al Nh (tamaño de la población del estrato H). y lo que se hace es escoger algunas mesas al azar (y de ahí se toman todos los votos de las mesas seleccionadas). La población original o principal. seleccionar una muestra aleatorio simple de tamaño nh. Ejemplos: -En las encuestas durante las elecciones. Procedimiento 1. 3. 70% de los niños de primaria van a escuela pública y el 30% a privadas. 17 18 D. Dividir la población completa en H estratos.

México: Editorial Thomson 2005. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Créditos: Lic. Investigación de Mercados. Investigación de Mercados. 4 . 2006. N. • Mc Daniel. Investigación de Mercados.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía • Malhotra. (ISBN 958-600-124-5).. México: Editorial Mc Graw Hill 1996. un enfoque práctico. México: Editorial Pearson Educación 2004. • Kinnear. (ISBN 970-26-0491-5). (ISBN 970-686-366-4). Thomas. Carl.L. Ana María López Navarro 19 20 D. Naresh. Del Paseo Residencial Monterrey.R. un enfoque aplicado.

La diferencia entre el enfoque convencional y el arbitrario es que el convencional puede tener cierta lógica. estado civil. donde una muestra debe ser al menos el 5% de la población total para poder ser confiable. 5 6 D.. 1 . etc. Enfoque Convencional Este enfoque se refiere a utilizar un tamaño “convencional” de muestra para el investigador. Del Paseo Residencial Monterrey. Si no hubiera costos definidos para el investigador. Los análisis estadísticos se utilizan para analizar subgrupos dentro de una muestra. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. En este enfoque es importante valorar la importancia de los resultados de la investigación para la toma de decisiones.L. sexo.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Métodos Existen 5 enfoques o métodos para calcular el tamaño de la muestra: AM04003-Análisis e interpretación de resultados Sesión 5. Tamaño de la muestra • • • • • Enfoque Arbitrario Enfoque Convencional Enfoque basado en el costo Enfoque Estadístico Enfoque del Intervalo de Confianza 1 2 Enfoque Arbitrario Este enfoque se basa en una regla fija. 2006. se usa el 5% indistintamente. todo podría ser manejado con censos. y el arbitrario no. ya que ciertos análisis necesitan un mínimo de tamaño para que los resultados obtenidos sean confiables y aptos para la toma de decisiones. Este enfoque es muy fácil de aplicar. El número “convencional” puede ser el promedio de tamaños de muestra en estudios similares o puede ser el mismo tamaño de muestra que utilizó la competencia en un estudio similar. 3 4 Enfoque basado en costo Este enfoque utiliza el presupuesto disponible de la empresa para determinar el tamaño de la muestra. Enfoque Estadístico En este método el tamaño de la muestra es determinado por los análisis estadísticos que van a ser utilizados. Se analizan aspectos por edades. ya que a veces es conveniente considerar un ajuste en el presupuesto. pero no es eficiente ni económico. N.R.

Del Paseo Residencial Monterrey.000 o más se gana muy poca precisión. distribución de la muestra y error estándar de la media para crear un tamaño de muestra válido.R. Este es de los métodos más comúnmente utilizados por los investigadores.P Punto importante: A mayor variabilidad en la población estudiada. N..L. Este método aplica conceptos de variabilidad. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. A continuación veremos cada uno de los factores considerados en este enfoque. inclusive si se dobla la muestra a 2. mayor será el tamaño de la muestra requerida para cumplir con un nivel de precisión estipulado. Teorema del límite central: Es una teoría que sostiene que los valores estadísticos tomados repetitivamente de la muestra en una investigación tienen una distribución normal. 2 .Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Intervalo de confianza Existe sólo un método que permite al investigador PREDETERMINAR la exactitud de los resultados de la muestra y es el de intervalo de confianza. 7 Intervalo de confianza Este método está basado en dos premisas básicas: Intervalo de confianza: Es el rango en donde las terminaciones o colas definen un cierto porcentaje de las respuestas a una pregunta. Precisión Tamaño de la muestra 9 10 Intervalo de confianza Variabilidad: se refiere a qué tan similar o diferentes son las respuestas a una pregunta dada.000. Fórmula de error muestral : Error muestral % veces Intervalo de confianza Relación entre el tamaño de la muestra y el error muestral: Relación precisión/tamaño de la muestra Para una muestra de 1. 2006. Intervalo de confianza ¿Qué hemos aprendido hasta ahora? Existe una relación entre: El nivel de confianza que queremos que tengan nuestros resultados… La variabilidad de la población y… La cantidad de error muestral aceptable (precisión deseada) que queremos tener y… El tamaño de la muestra! 11 12 D. 8 Intervalo de confianza Recordamos los dos tipos de errores: – Error de No Muestreo – Error de Muestreo o error muestral: Este es el tipo de error que estaremos controlando mediante las fórmulas. P : Porcentaje Q : 100% . intervalo de confianza.

z=2. mayor tamaño de la muestra. 99% de confianza. q=50) – Estimar la variabilidad: ¿Existen estudios anteriores? ¿Se conducirá un estudio piloto? Intervalo de confianza ¿Cómo determinar el nivel de error muestral? – El investigador debe ponerse de acuerdo con los gerentes para definir esta decisión. 18 D.L.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Intervalo de confianza Existe una fórmula que conjuga todos estos factores.58 17 Factor de corrección de la población finita Es un ajuste al tamaño de la muestra que se hace en los casos donde la muestra es igual a 5% ó más de la población total. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. N. (z=1. mayor deberá ser el nivel de confianza. 3 . qué tanto error están dispuestos a tolerar? – Lo convencional es ± 5%. menor deberá ser el error..R. a mayor nivel de confianza.96) – Entre más importante sea la decisión. Generalmente sucede en mercados muy especializados donde la población total es pequeña. – Entre más importante sea la decisión. – Lo convencional es 95%. ésta es la que considera porcentajes: n= z2(pq) e2 Intervalo de confianza Fórmula para calcular el tamaño de la muestra que considera una media: n= s2 z2 e2 Dónde: n = tamaño de la muestra z = error estándar asociado al nivel del confianza seleccionado p = porcentaje estimado de la población q = 100 – p e = error muestral aceptable 13 Dónde: n = tamaño de la muestra z = error estándar asociado al nivel del confianza seleccionado s = variabilidad indicada por una desviación estándar estimada e = error muestral aceptable 14 Intervalo de confianza ¿Cómo estimar la variabilidad ( p q ) en la población? – Esperar el peor de los casos (p=50. 15 16 Intervalo de confianza ¿Cómo determinar el nivel de confianza? – El investigador debe ponerse de acuerdo con los gerentes para definir esta decisión. como el mercado industrial o médico. Del Paseo Residencial Monterrey. 2006.

• Mc Daniel. N.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Factor de corrección de la población finita Este cálculo se hace utilizando la siguiente fórmula: nN N+n-1 Bibliografía • Malhotra. (ISBN 970-26-0491-5). Thomas. Investigación de Mercados. • Kinnear. México: Editorial Thomson 2005.L. un enfoque práctico. Naresh. un enfoque aplicado.R. México: Editorial Mc Graw Hill 1996. Investigación de Mercados. (ISBN 958600-124-5). © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey. México: Editorial Pearson Educación 2004. (ISBN 970-686-366-4). Carl. Ana María López Navarro 21 D. n’ = Donde: n’ = tamaño revisado de la muestra n = tamaño original de la muestra N = tamaño de la población 19 20 Créditos: Lic. 4 . Investigación de Mercados.. 2006.

4. 3 4 Programación del tiempo Cuando son proyectos muy largos. y si es necesario. 1 ..Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Planeación de las operaciones de campo Como contexto general. Presupuesto Se deben asignar costos a cada una de las actividades del programa. 10. 5. Planeación del trabajo de campo 1. 13. 14. 6. ya que deben cumplirse los tiempos establecidos. Del Paseo Residencial Monterrey. Programación del tiempo Presupuesto Trabajadores de campo Medición del desempeño 1 2 Programación del tiempo Cualquier proyecto debe incluir una programación del tiempo que especifique: • Comienzo e inicio del proyecto • Secuencia de actividades dentro del tiempo especificado (usualmente se utiliza una gráfica de Gantt) ACTIVIDADES Programación del tiempo Ejemplo: 1. 5 6 D. 9. 2. 11. Debe estar muy clara la calendarización del proyecto. 7.R. y otras específicas por actividades o bloques de actividades. ya que un cambio en alguna actividad afecta a otra y el presupuesto se puede ver modificado. 2006. Borrador del cuestionario de prueba Seleccionar la muestra de prueba Seleccionar los entrevistadores de prueba Preparar el material de capacitación Capacitar a los entrevistadores Realizar entrevistas de prueba Evaluar los resultados de la prueba Afinar cuestionario según resultados de prueba Seleccionar personal de campo Preparar material de capacitación Capacitar personal de campo Realizar entrevistas Validación del trabajo de campo Evaluación del personal de campo Informe final de campo 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 OCTUBRE 1 2 3 4 5 6 7 NOVIEMBRE Es necesario detallar el número de días para cada actividad pero que sean realistas. es necesario realizar una gráfica general. Hay que detallar lo mejor posible cada uno de los rubros. 4. asignar un fondo de reserva para cubrir contingencias imprevistas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3. ya que a veces los proyectos se atrasan por fijar metas inalcanzables. 12. N. existen cuatro aspectos que son comunes en las operaciones de campo: AM04003-Análisis e interpretación de resultados Sesión 6.L. 15. 8. 3. 2. los costos están directamente relacionados.

Del Paseo Residencial Monterrey. (ISBN 958600-124-5).. Thomas. indicadores esperados y reales: MEDIDA DE DESEMPEÑO 1.3 No contactos 1. N. Muchas veces en caso de cuestionarios se evalúa por encuesta respondida. 8 Medición del desempeño Es necesario tener un control por escrito para poder evaluar el desempeño individual del personal.3 Tasa de contactos 3. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Los métodos son: •Entrevista personal •Entrevista telefónica •Entrevista por correo •Entrevista por computadora •Observación Bibliografía • Kinnear. y cada uno de ellos tiene sus particularidades. por el número realizado. 7 Personal El éxito del trabajo de campo depende principalmente en la calidad del personal. Pero existe otra información importante como rechazos. 11 12 D. Es necesario que el personal entienda claramente sus responsabilidades y la forma de medir su desempeño.4 Tasa de elegibilidad ESPERADO REAL % % % % % % % % 10 Métodos de recolección de datos Existen diferentes métodos para la recolección de datos en una investigación. o en el caso de entrevistas. por ejemplo.1 Se mudaron 2. casos de ausencia.R..1 Tasa de respuestas 3. Muestra total 3. México: Editorial Mc Graw Hill 1996.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Presupuesto Para un estudio basado en entrevistas personales. Total de encuestados elegibles 1.1 Entrevistas 1.2 Tasa de rechazos 3. 2006. Total de encuestados no elegibles 2.2 Otro (especifique) 3. A continuación se presenta un ejemplo en el caso de entrevistas: 9 Medición del desempeño Ejemplo tabla de evaluación. un enfoque aplicado. las principales categorías de costos son: • Sueldos y salarios administrativos • Materiales y suministros • Teléfono • Supervisores de campo o servicios por entrevistas • Salario de entrevistadores • etc. 2 . Se requieren mediciones claras y fáciles de entender.2 Rechazos 1.L.4 Otro (especifique) 2. etc. Investigación de Mercados. con la cual pueden hacerse comparaciones interesantes. es necesario realizar una cuidadosa selección y capacitación para poder exigir tiempos y el cumplimiento de adecuado de las actividades.

Del Paseo Residencial Monterrey. Ana María López Navarro 13 D.L. 2006.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.. 3 .Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Créditos: Lic. N.

Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Proceso del trabajo de campo y recopilación de datos Selección de los trabajadores de campo AM04003-Análisis e interpretación de resultados Sesión 7. Se deben especificar todos los aspectos del método a utilizar. 2006. Entre mayor afinidad exista entre el personal de campo y el entrevistado. Contratar al personal. debemos definir los siguientes aspectos: – – – Establecer los requerimientos del proyecto..R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Definir las características necesarias en el personal de campo. antes de seleccionar al personal. como: • Primer contacto • Realización de preguntas • Sondeo • Registro de respuestas • Conclusión de entrevista Primer Contacto En el primer contacto se decide si el entrevistado coopera o no en la investigación. Hay que saber manejar objeciones y ser proactivos en la investigación. ya que las características . Trabajo de campo y recopilación de datos Capacitación de los trabajadores de campo Supervisión de los trabajadores de campo Validación del trabajo de campo Evaluación de los trabajadores de campo 1 2 Selección de los trabajadores de campo El primer paso en el proceso de trabajo de campo es la selección. y actitudes del personal de campo afectan en las respuestas de los entrevistados. Del Paseo Residencial Monterrey. por esto es muy importante capacitar al personal para que realice comentarios que inviten a participar en el estudio.L. N. sino más bien ser asertivos y dar la pauta para empezar la entrevista. Selección de los trabajadores de campo Por lo cual. 5 6 D. de acuerdo al método de recopilación de datos. Muchas veces no se debe preguntar al entrevistado si desea participar o no. antecedentes. ya que de eso dependen resultados uniformes durante la investigación. 1 . 3 4 Capacitación de los trabajadores de campo Es muy importante tener bien capacitado al personal. es mayor la probabilidad de que la investigación sea exitosa.

2. Leer cada pregunta pausadamente. 5. Plantear las preguntas en el orden que aparecen en el cuestionario exclusivamente. Conocer a fondo el cuestionario 2. 3. en el orden. 6. pero esto no debe en tanto no sea incómodo. se le debe indicar “no existen respuestas buenas o malas. A continuación se presentan algunos lineamientos para hacer preguntas: Realización de preguntas 1. Si la persona entrevistada quiere que se le explique alguna pregunta. 3. 2 . entonación. cualquier cambio en la redacción de la pregunta. ¿Alguna otra razón? (AO) 12 D. no se debe interpretar. sondear cuidadosamente. Tranquilizar o impulsar al entrevistado. Estimular las aclaraciones. Seguir las indicaciones y esquemas de salto.. Del Paseo Residencial Monterrey. Repetir la pregunta. N.R. ¿Por qué opina así? (POA). “No comprendo bien su respuesta.L. se le comenta “lo que signifique para usted”. ¿Algo más? (AM). 7. deben ser objetivos y neutros como. 8 7 Sondeo Sondear significa motivar a los entrevistados para que elaboren. esto sirve para alentar al entrevistado para que detalle más de sus propios comentarios. Hacer todas las preguntas aplicables. aclaren o expliquen sus respuestas. esto puedo estimular la respuesta. Hacer comentarios y preguntas neutras. Esto puede alentar a que el entrevistado complete más su respuesta. también es útil para ubicar al entrevistado en el contenido de la entrevista y que sólo proporcione información relacionada al estudio. 2006. En el caso de que el entrevistado dude de sus respuestas. ¿sería tan amable de decirme algo más por favor? 11 6. A continuación se presentan algunas técnicas comumes de sondeo: Sondeo 1. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Repetir las preguntas que no haya sido entendidas. puede alterar su significado y sesgar la respuesta. Es de vital importancia capacitar al personal y dar todos los detalles para preguntar de manera uniforme y sin sesgar al entrevistado.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Realización de preguntas Realizar preguntas correctamente no es una tarea fácil. 4. Hacer una pausa o silencio. 9 10 4. queremos su opinión solamente”. Repetir la respuestas del entrevistado. Utilizar exactamente las palabras que están descritas en el cuestionario. Algunos comentarios que se utilizan para sondear se abrevian a lado de cada pregunta. 5. Para que el entrevistado aclare más sus respuestas se le pueden mencionar frases como.

Todos los entrevistadores lo deben de hacer en la misma forma. El entrevistador no debe responder ninguna pregunta relacionada con el estudio. Incluya todo lo que concierna a los objetivos de la pregunta. Cada encuesta o entrevista es diferente. Anote las respuestas durante la entrevista. Incluya todos los sondeos y comentarios.R. La supervisión abarca: • Control de calidad y correcciones • Control del muestreo • Control de fraudes • Control de la oficina central 15 16 Validación del trabajo de campo Se deben verificar al azar del 10 al 25% de los cuestionarios o entrevistas.L. 2006. Registro de las preguntas Por ejemplo. por lo tanto debe de tener indicaciones explícitas de cada punto. la calidad. las respuestas abiertas se deben de registrar literalmente. N. donde se pregunte si efectivamente el entrevistador realizó las preguntas.. Evaluación de los trabajadores de campo Se debe evaluar a los trabajadores de campo en base: • Costos y tiempos • Tasas de respuesta • Calidad de la entrevista • Calidad de los datos 17 18 D. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Como regla general. Utilice las mismas palabras que el entrevistado. 3. No resuma ni parafrasee las respuestas abiertas. el “Survey Research Center” en la ciudad de Michigan. La información demográfica se cruza con la registrada para verificar la autenticidad de las entrevistas. tiene los siguientes lineamientos: 1. Del Paseo Residencial Monterrey. es importante darle las gracias y expresar su aprecio. y datos demográficos básicos. Repita la respuesta mientras la escribe. 5. 4. 2. la duración de la entrevista.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Registro de las preguntas Se debe especificar claramente el formato en el cual se deben registrar las preguntas. 3 . 14 13 Conclusión de entrevista La entrevista no debe darse por concluida si se encuentra incompleta. El entrevistado debe llevarse una sensación positiva. 6. Supervisión de los trabajadores de campo Significa asegurarse de que se estén aplicando las técnicas y procedimientos que se indicaron en la capacitación.

México: Editorial Mc Graw Hill 1996. Créditos: Lic. un enfoque aplicado. Carl. • Kinnear. México: Editorial Pearson Educación 2004. 2006. Naresh. Investigación de Mercados. (ISBN 970-26-0491-5).Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía • Malhotra. Investigación de Mercados. Thomas. México: Editorial Thomson 2005. 4 . Del Paseo Residencial Monterrey. (ISBN 958600-124-5). © Universidad TecMilenio Lázaro Cárdenas #2610 Col..R. N. Ana María López Navarro 19 20 D. un enfoque práctico. Investigación de Mercados. • Mc Daniel.L. (ISBN 970-686-366-4).

que guiar la pregunta como. pero generalmente el mayor potencial de error no-muestral se encuentra en la etapa de recopilación de datos.L. Fraude Guiar a una respuesta 1. entonación. a continuación se presenta una clasificación de los errores no-muestrales: Errores del trabajador de campo Error de los entrevistados Errores intencionales 1. Errores no-intencionales Características del entrevistador Malentendidos Fatiga Errores intencionales 1. Respuestas falsas No respuesta Errores no-intencionales 1. 4. lenguaje corporal o inclusive el parafraseo de un reactivo. Errores en la recolección de datos de campo El error de no muestreo incluye lo siguiente: • Todos los tipos de error que no sean de muestreo • Errores en la recolección de datos • Errores en el manejo de los datos • Errores de análisis • Errores de interpretación 1 2 Errores no-muestrales También se incluyen errores en la definición del problema. ¿Es el tema del gas un problema para usted?. 2. Puede ser mediante la pronunciación. Malentendidos Supuestos Pérdida de atención Distracciones Fatiga 3 4 Errores del trabajador de campo Intencionales Fraude Este ocurre cuando el trabajador de campo concientemente no está incluyendo información representativa de la muestra. Esto muchas veces se da debido a que se paga por encuesta o entrevista completada. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3. parafraseo de preguntas. 1 . 5. 2. 2. 3.R. Por ejemplo. Del Paseo Residencial Monterrey.. AM04003-Análisis e interpretación de resultados Sesión 8. veremos este tema con mayor detalle. ¿Acaso no es el tema del gas un problema para usted? 5 6 D. Errores del trabajador de campo Intencionales Guiar a una respuesta Este ocurre cuando el trabajador de campo concientemente está guiando al entrevistado a que le responda algo en específico. 2006. no es lo mismo preguntar. no las que debe seleccionar. N. Puede ser que esté dando información falsa o que escoja a las personas que más se le faciliten. 2. Por lo cual.Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Errores en la recolección de datos de campo El error de muestreo es sólo uno de los dos tipos de error que afectan una investigación.

no netos. 2 . instrucciones de cómo registrar las respuestas de los entrevistados y otros procedimientos que deben ser comprendidos. En las entrevistas por teléfono puede influenciar mucho el acento. en una investigación donde se requieren cantidades después de impuestos. El trabajo de campo puede ser muy repetitivo y monótono. Errores de los entrevistados No-Intencionales Malentendidos Es cuando el entrevistado proporciona una respuesta sin comprender la pregunta planteada o el contexto. como saltar una pregunta en caso de cierta respuesta.R. y esta diferencia puede reflejarse en una problema de comunicación. como el sexo. 2006. Por ejemplo. o hacerlo más rápido y con menos detalle por la prisa de terminar. por ejemplo. diferentes tipos de escala. 7 Errores del trabajador de campo No-Intencionales Malentendidos En este tipo de error ocurre cuando el personal de campo. una persona puede estar respondiendo en términos brutos. Las negativas a participar en una investigación son problemas que el investigador debe enfrentar. 8 Errores del trabajador de campo No-Intencionales Fatiga El tercer error no intencional es referente a la fatiga. el ingreso que recibe una persona. acento. 11 12 D. Del Paseo Residencial Monterrey. Existen ciertos temas que son más propensos que otros a recibir respuestas falsas. 9 Errores de los entrevistados Intencionales Respuestas falsas Este tipo de error ocurre cuando el entrevistado no proporciona información veraz. o profundizar más en algunas preguntas. el personal de campo puede estar menos alerta y descuidar aspectos de la investigación. N. Puede descuidar patrones de respuesta. 10 Errores de los entrevistados Intencionales No respuesta Este es el error intencional que más se da en una investigación.Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Errores del trabajador de campo No-Intencionales Características del entrevistador En este tipo de error influencian las características personales del trabajador de campo. En una investigación por teléfono.. El cuestionario puede incluir instrucciones. esto se da cuando el personal de campo ya se encuentra cansado. la edad. como por ejemplo. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L. Bajo ciertas circunstancias el hecho de que el trabajador de campo sea hombre o mujer influye en los resultados según el tema que se esté investigando. o comportamiento. Al final de un largo día de entrevistas. ya sea por proteger su intimidad o por vergüenza. pero en realidad lo hace incorrectamente. por lo cual la gente se fatiga. cree que comprende bien como administrar la investigación. Existe una diferencia en educación muy considerable entre los diseñadores de la investigación y el personal de campo. y es cuando los entrevistados no proporcionan respuesta a un reactivo determinado. es muy común este problema. se tienen que considerar todos lo factores. muchas veces las personas tienen prejuicios de acentos de ciertas regiones. o cuestiones de higiene personal.

• Burns. Ana María López Navarro 17 18 D. un enfoque aplicado. Errores de los entrevistados No-Intencionales Fatiga Es cuando el entrevistado se cansa de participar en la investigación.R. Por ejemplo. entrevistado no está interesado en la investigación como está el investigador. (ISBN 0-13-014411-8).. en lugar de ver el recibo de agua y dar el dato verídico. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3 . (ISBN 958600-124-5). Por ejemplo. N. puede ser que al entrevistar a una madre de familia por teléfono la interrumpa el bebé o alguno de sus hijos. puede ser que en un cuestionario la persona tienda más a seleccionar la categoría de NR. 13 Errores de los entrevistados No-Intencionales Pérdida de atención Es cuando el interés del entrevistado decae. las respuestas que se proporcionan ya no son reflexionadas.L. el lo el el 14 Errores de los entrevistados No-Intencionales Distracciones Es cuando ocurren distracciones o interrupciones durante la entrevista. Alvin. 2006. Créditos: Lic. por lo que conforme avance cuestionario o entrevista cada vez se pierde más y más interés. Del Paseo Residencial Monterrey. “no respuesta”. Investigación de Mercados. a fin de terminar pronto. Thomas. Marketing Research. 15 16 Bibliografía • Kinnear. en una pregunta como: ¿Cuánto fue el consumo en su hogar de agua el mes pasado en litros? Muchas personas podrían suponer la cantidad que se le está preguntando. Cuando esto sucede. Estados Unidos: Editorial Prentice Hall 2000.Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Errores de los entrevistados No-Intencionales Supuestos Es cuando el entrevistado proporciona una respuesta de la cual no está seguro de su veracidad y está haciendo un supuesto de la información. En el caso de una encuesta en un centro comercial puede ser que el entrevistado salude a algún conocido o familiar. México: Editorial Mc Graw Hill 1996. Por ejemplo.

Hay varias formas de hacer esto. sólo podemos disminuir su efecto. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Por ejemplo. Cabe mencionar que no se eliminan en su totalidad. 2006. 1 . en una encuesta.R.L..Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Estrategias de control en la recolección de datos de campo Como hemos visto. a pesar de que existen muchos factores de error en la recolección de datos de campo. 5 6 D. por ejemplo. Cómo minimizar los errores en la recolección de datos de campo Cómo controlar (minimizar) los errores Tipos de error Errores del trabajador de campo Errores intencionales Errores no-intencionales Error de los entrevistados Errores intencionales Respuestas falsas Asegurar anonimato y confidencialidad Incentivos Chequeos de validación Técnica de la tercera persona Asegurar anonimato y confidencialidad Incentivos Técnica de la tercera persona Cuestionario bien redactado Preguntas directas Cuestionario bien redactado Opciones de respuesta (respuestas cerradas) Escalas de diferencial semántico Utilizar apuntadores de avance (frases de ánimo) Fraude Guiar a una respuesta Supervisión Validación Mecanismos de control Estrategias de control para evitar errores del trabajador de campo Intencionales Existen dos estrategias que se pueden utilizar para evitar los errores intencionales por parte del trabajador de campo: • Supervisión • Validación Características del entrevistador Malentendidos Fatiga Selección y entrenamiento de los entrevistadores Sesiones de orientación y simulación de roles Descansos e investigaciones alternas No respuesta Errores no-intencionales Malentendidos Adivinar respuestas Pérdida de atención Distracciones Fatiga 3 4 Supervisión Validación En la supervisión se utiliza una persona para vigilar el trabajo de campo. afortunadamente existen también estrategias de control que podemos utilizar para minimizar estos errores. se contacta nuevamente a la persona para ver si efectivamente participó en la investigación. en las entrevistas telefónicas se les escucha o graba para ver si el entrevistador no está sesgando las preguntas o si está entrevistando a las personas de la muestra. Del Paseo Residencial Monterrey. En la validación se verifica que el trabajador de campo haya hecho el trabajo requerido. En el caso de las entrevistas personales el supervisor puede ir de observador para evaluar el procedimiento. N. Las estrategias de control se resumen en la siguiente tabla: 1 2 AM04003-Análisis e interpretación de resultados Sesión 9.

La simulación de roles tiene el propósito de que el entrevistador se familiarice con el cuestionario y se le oriente de manera práctica cómo resolver algún problema en la administración del mismo. o algún tipo de recompensa. que son información falsa o falta de respuesta.. Se trata de actuar como si fuera una entrevista real. En caso de tener varias investigaciones al mismo tiempo.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Estrategias de control para evitar errores del trabajador de campo No-Intencionales El número estándar que se debe validar es el 10% de la muestra. como cupones. regalos.R. es importante ofrecer confidencialidad de la información proporcionada por el entrevistado. De esta forma el entrevistado se sentirá más comprometido a decir la verdad ya que esté siendo remunerado por su participación. aún y que el trabajador de campo no los crea necesarios. En estas sesiones se debe ser claro respecto a los patrones de salto de respuestas. Es importante ser firmes en los descansos designados. Otra forma de validar. se puede alternar a los trabajadores. También es conveniente realizar algunas preguntas nuevamente para comparar los resultados. ya sea económicos. Estrategias de control para evitar errores de los entrevistados Intencionales Para controlar este tipo de errores. 2006. pero haciendo alusión a todos los requisitos de la investigación. Del Paseo Residencial Monterrey. N. alguna instrucción especial o el formato de aplicación del cuestionario. etc.L. es que una persona con experiencia en el campo observe los cuestionarios y detecte si hay algún patrón inconsistente de respuestas. para evitar que se fatiguen con la monotonía de un mismo estudio. etc. descuentos. y anonimato. Existen tres mecanismos de control para controlar los errores de campo no-intencionales: • Sesiones de orientación • Simulación de roles • Descansos 7 8 Sesiones de orientación Simulación de roles Son reuniones en las cuales se orienta a los trabajadores de campo respecto al cuestionario y se les explican los procedimientos de administración. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 9 10 Descansos Con los descansos se pretende evitar la fatiga en los entrevistadores y evitar errores por esta cuestión. como en el caso de personas muy jóvenes y una gran número de hijos. 2 . que su nombre no pueda ser asociado con la información proporcionada. 12 11 D. Otra estrategia es ofrecer incentivos.

Adivinar respuestas. etc. México: Editorial Mc Graw Hill 1996.respuesta El error de no-respuesta por parte del entrevistado. según el caso. (ISBN 0-13-014411-8). por lo cual siempre debe ser cuantificado. es recomendable utilizar apuntadores de avance. Distracciones y Fatiga. si queremos el domicilio o colonia. es importante ofrecer cuidar el diseño de un cuestionario. para reducir el error. Investigación de Mercados. 18 D. y si el grado se considera un problema. Si la persona dice tener cierta edad. En el caso de necesitar ajustes. “Respuesta dudosa”. “¿Piensa usted que alguna persona de su misma edad y condición física podría utilizar medicamentos tomados para evitar la calvicie?” 13 14 Estrategias de control para evitar errores de los entrevistados No-intencionales Para controlar este tipo de errores. pedirle un comprobante. se deben realizar ajustes. Pérdida de atención. 3 . 2006.. (ISBN 958600-124-5). Estados Unidos: Editorial Prentice Hall 2000. se deben ofrecer ejemplos en caso necesario. “Sin respuesta”. que son Malentendidos. un enfoque aplicado. cuando hay opciones de respuesta. 15 16 Ajuste de resultados para reducir el error de no. pedirle que muestre el frasco. sobre todo en temas que pueden ser vergonzosos para algunos. • Burns. entonces no existe una razón para hacer ajustes. Estrategias de control para evitar errores de los entrevistados No-intencionales Otra táctica es utilizar escalas de diferencial semántico. esto es preguntar al entrevistado en términos de alguien más. existen dos métodos de compensación: • Promedios ponderados • Sobremuestreo 17 Bibliografía • Kinnear. ya que esto evita que las personas hagan supuestos de la información y adivinen las respuestas. etc. ofrecer alternativas como “Indiferente”. Por ejemplo. en cuestionarios o entrevistas muy largas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Por último. Del Paseo Residencial Monterrey. Marketing Research.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados También se puede utilizar validación de pruebas.R. es de lo más común. N. y no cargar las respuestas afirmativas o negativas de un solo lado. Por último.L. podemos utilizar la técnica de la tercera persona. pedirle una identificación. Alvin. o frases de ánimo. si este factor no es significativo. como: “Acabamos de terminar la parte más complicada de la investigación”. si el entrevistado responde que utiliza cierto tipo de vitaminas. Thomas. “Ya estamos por terminar”. por ejemplo.

R. 2006.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Créditos: Lic.. Del Paseo Residencial Monterrey. 4 . Ana María López Navarro 19 D. N.L. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.

. 1 . Tabulación y análisis 1 2 1. 2. Validación y edición 2. Procesamiento de datos 3. Sobre todo las omisiones.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 1. Introducción de datos 4. Integrar el catálogo de claves Revisar respuestas a preguntas abiertas Integrar por separado claves para preguntas abiertas Asignar claves a preguntas abiertas 5 6 D. Se verifican tanto los errores intencionales como los intencionales por parte del entrevistador y el entrevistado. puesto que a veces son miles de páginas por verificar. N. Validación y edición La validación se refiere al proceso de verificar que las entrevistas se hayan realizado de acuerdo a las indicaciones establecidas. etc. Del Paseo Residencial Monterrey. Limpieza de los datos 5. pero es algo que se debe realizar para garantizar la calidad de los resultados. Codificación AM04003-Análisis e interpretación de resultados Sesión 10. En muchos cuestionarios las respuestas ya están precodificadas.L. 3 4 Ejemplo de una encuesta pre-codificada Procedimiento para codificación de datos general Revisar respuestas a preguntas cerradas Asignar claves a preguntas cerradas Iniciar captura Definir claves para cada pregunta cerrada del cuestionario vacío. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.R. Es muy tedioso este proceso. Lo más recomendable en estudios grandes es tener precodificada la mayor parte de la información. Codificación Se refiere al proceso de agrupar y asignar códigos numéricos a las posibles respuestas de una pregunta dentro de un cuestionario o entrevista. si se siguieron los patrones de salto. 2006.

como cd. 2 . 15. 9 1. 8. 5. 18. Porque sabe bien Porque me gusta Por la publicidad Porque le gusta a mi esposo/a Es la que más se vende Es la que siempre encuentro a la mano Porque te la traen a domicilio Estoy acostumbrado Es un hábito Es la que beben todos mis amigos Porque está en oferta Tenía promoción Por inercia La bebo desde que era niño Me ayuda con el dolor estómago Me reanima cuando me siento mal No hay ninguna razón en particular No sé No tengo idea 10 3. 14. 9. 4. 2. 11 12 D.. 16. Generalmente los datos se introducen en un paquete estadístico.L. Introducción de datos Es el proceso de convertir la datos a un formato electrónico. Esto es en el caso de preguntas abiertas. Minitab. 7. Realizar un listado de respuestas. El más utilizado en el mercado de investigación de mercados es el SPSS. 19. N. 3. Determinar los códigos. donde se tiene que ver las respuestas que se van dando y agrupar las que se repiten. 12. Varias respuestas se pueden agrupar en una misma categoría. Del Paseo Residencial Monterrey. SAS. Consolidar las respuestas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2. 4. 10. disco duro. 11. como una computadora y un medio de almacenamiento. 2006.R. y nos sirve para poder procesarlos y obtener información relevante del estudio para la toma de decisiones. Introducir los códigos. 13. etc. pero esto lo tiene que decidir un investigador calificado y muchas veces se decide también con el cliente. 17. 7 8 Ejemplo de respuestas a pregunta abierta codificada: ¿Por qué le gusta tomar Coca-Cola? 3. por mencionar algunos. Este proceso requiere de un dispositivo para la introducción de datos. es como realizar un catálogo.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Proceso de codificación para respuestas abiertas Ejemplo de libro de códigos 1. Excel. 6. se listan las que van saliendo nuevas y si se repiten se añaden al conteo de las respuestas registradas. Se asigna el código numérico a cada respuesta final. como SPSS (ejemplo de pantalla).

Del Paseo Residencial Monterrey.. Podemos controlar varios aspectos en los datos: – Valores perdidos – Casos repetidos – Valores imposibles: Sexo varón. 2006. dos embarazos – Valores implausibles: Altura 1. Las tres grandes ramas de tipos de análisis que estaremos viendo en los siguientes módulos son: 17 18 D. Estas técnicas son diferentes para variables categóricas o numéricas y también nos permiten ver si hay errores de captura.R. peso 100 kilos Los valores imposibles deben ser corregidos. están listos para tabularse y realizar análisis estadísticos. los valores implausibles pueden ser valores legítimos y necesitan ser investigados con detalle. 13 14 • Existen comprobaciones generales en la hoja de cálculo: – Líneas repetidas (SPSS 12 tiene un comando para – esto) – Casillas en blanco – Valores repetidos • Utilizando técnicas estadísticas. También histogramas 15 16 Diagramas de dispersión para dos variables 5. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L.60 mts.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 4. Tabulación y análisis estadístico Ya que los datos han sido introducidos a la computadora y están libres de errores de captura. Limpieza de datos En esta parte ya se han introducido los datos a la computadora y es el momento de realizar una verificación final de errores antes de continuar con el análisis estadístico. Se utilizan técnicas que en principio son para cálculo estadístico pero que nos dan pistas de los posibles problemas. 3 . N. • Categóricas – Frecuencias para una variable – Cruces de Frecuencias para más de una variable • Numéricas – Máximos y mínimos para variables numéricas.

Carl. 4 . • Kinnear. Ana María López Navarro 21 D. Naresh.. México: Editorial Pearson Educación 2004. Investigación de Mercados. Thomas. (ISBN 970-26-0491-5). Investigación de Mercados. (ISBN 970-686-366-4). un enfoque aplicado.R. un enfoque práctico. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. México: Editorial Thomson 2005. Del Paseo Residencial Monterrey. 2006. Más de dos Una ¿Cuántas variables van a utilizarse a la vez? Dos • Mc Daniel. (ISBN 958600-124-5). N. Análisis univariado de datos Análisis bivariado de datos Análisis Multivariado de datos 19 20 Créditos: Lic.L. Investigación de Mercados.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía Inicio • Malhotra. México: Editorial Mc Graw Hill 1996.

Bivariado o Multivariado •Propiedades de las técnicas estadísticas Descriptivas o Inferenciales •Conocer características de los datos Escalas de medición de acuerdo al tipo de datos •Consideraciones durante el proceso de investigación Definición del problema. Estadísticas que permiten hacer juicios acerca de la población total basado en resultados generados por las muestras. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey.. 1 .R. en Tipos de Análisis de Datos Univariados Propiedades Técnicas Estadísticas • Descriptiva. Análisis univariado de datos: Estadística descriptiva Estrategia de Análisis •Número de variables a analizar simultáneamente Univariado. método y diseño •Antecedentes y filosofía del investigador 3 ¿Cuántas variables se analizarán simultáneamente ? 1 2 Más de 2 Univariado Bivariado Se enfoca en: Multivariado Niveles (promedio) Distribución (desviación) Grado de relaciones (correlaciones y covarianzas) 4 Análisis univariado • Es el análisis de una variable de manera individual.L. t y ji cuadrada 6 5 D. Tales como: Pruebas z. Tales como: Medidas de Tendencia Central y Dispersión • Inferencial. • Se utiliza cuando hay una medida única de cada elemento de la muestra o en caso de tener dos o más mediciones de los elementos cada variable se analiza por separado. • Los datos pueden analizarse solos o agrupados categorías o clases (frecuencias). Estadísticas que proporciona medidas resumidas de los datos en sus muestras. 2006.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis de Datos PROCESO DE PREPARACION DE DATOS Revisión del Cuestionario Edición Codificación Transcripción Depuración de datos Ajuste estadístico Estrategia de Análisis 1 2 AM04003-Análisis e interpretación de resultados Sesión 11. N.

• Se representa con: S o con la letra sigma σ • MODA 12 D. N. • Se utiliza con datos de Intervalo. Categoría/ Edad 25 a 30 años 30 a 35 años 35 a 40 años Mas de 40 Totales Numero de personas fi 8 16 24 16 64 11 Medidas de dispersión: Desviación Estándar • Indica cuánto tienden a alejarse los valores puntuales del promedio.16.11 y 9 = 63/5 = 12. Es lo que se conoce como "promedio".L. Observación X1 X2 X3 X4 X5 Valor de Xi 15 26 Mediana 71 84 102 = 1.. 2006. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 10 Medidas de Tendencia Central: Moda • Es la categoría de una variable nominal que ocurre con mayor frecuencia. 2 . de personas fi 8 16 24 16 64 Punto medio Xi 14 18 22 26 fiXi 112 288 528 416 1.344 / 64 = 21 9 Los datos se ordenan de manera creciente o decreciente. Categoría/Edad 25 a 30 años 30 a 35 años 35 a 40 años Mas de 40 Totales No.6 8 También se puede utilizar cuando los datos de intervalo se agrupan en categorías o clases (frecuencias). • Se utiliza con los datos de escala ordinal o de intervalo.344 Medidas de Tendencia Central: Mediana • Es el valor medio cuando los datos se agrupan en orden de magnitud.R.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Procedimientos univariados Las estadísticas que se utilizan para analizar los datos univariados van de acuerdo a la escala y el tipo de información que queremos obtener: Medida de Tendencia Central Moda Mediana Media Medidas de tendencia central: media Es la suma de los valores dividido por el tamaño de la muestra.15. Del Paseo Residencial Monterrey. • Una desviación estándar grande indica que los puntos están lejos de la media y una desviación pequeña indica que los datos están agrupados cerca de la media. Se usa con datos de intervalos Escala Nominal Ordinal Intervalo Medida de Dispersión Frecuencias Rango intercuartil Desviación estandar 7 Ejemplo: Valores: 12. • Se utiliza con datos de escalas nominales o de orden superior.

88% 20% 27.30. Se utilizan en Datos de Escala Nominal. 14 Medidas de dispersión: Frecuencias Ejemplo. Investigación de Mercados. Carl. (ISBN 970-686-366-4). Thomas. México: Editorial Mc Graw Hill 1996. (ISBN 958600-124-5).7% 22. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey. Investigación de Mercados. 3 .2 6% 8% 4% 1% 100% f absoluta / n ¿Qué hemos aprendido? Debemos elegir una técnica estadística en función a: • El número de variables a analizar simultáneamente (análisis UNIVARIADO. Investigación de Mercados. • Kinnear.12. Son los porcentajes de los elementos totales que aparecen en cada categoría. N. y para determinar cuales estadísticos debemos conocer el tipo de ESCALA de los datos (intervalo. • Tipo de información estadística deseada: DESCRIPTIVA (descripción de la muestra) e Inferencial. 2006.24.6. un enfoque práctico.R..14 1) Determinar la media = 19 2) Raíz Cuadrada de los cuadrados de las desviaciones de los datos de la media (x. Pueden ser: Absolutas.L.X)2 (20-19)^2= (36-19)^2= (30-19)^2= (24-19)^2= (6-19)^2= (12-19)^2= Total 1 289 121 25 169 49 654 Medidas de dispersión: Frecuencias • La frecuencia es la repetición de un proceso. • Mc Daniel.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Datos: 20. México: Editorial Pearson Educación 2004.36. • En el análisis univariado Descriptivo utilizamos medidas de TENDENCIA CENTRAL y de DISPERSION . bivariado y multivariado). Créditos: Lic.57 13 Relativas. ¿Cuántas veces por semana consume leche? xi 0 1 2 3 4 5 6 7 f absoluta 8 18 25 20 6 8 4 1 n = 90 F relativa 8. México: Editorial Thomson 2005. (ISBN 970-26-0491-5). ordinal o nominal). Son los números de la muestra que aparecen en cada categoría de la variable nominal.10. • La distribución de frecuencias es hacer un conteo del numero de respuestas asociadas con diferentes valores de la variable. Naresh. 15 16 Bibliografía • Malhotra. un enfoque aplicado. Ana María López Navarro 17 18 D. 3) S= Raíz cuadrada de 654/8 4) S= 25.

3 Pasos Prueba de Hipótesis 1. Para estimar el consumo de leche en Monterrey.Comparar valor critico y tomar decisión No se rechaza HO Se rechaza HO 4 1.Determinar Nivel de significancia 4. de acuerdo al tipo de información. una cola.L. 2006. es decir. 6 D.R.Formular hipótesis nula y alternativa 2.Determinar la probabilidad: valor critico 6. 1 . una muestra aleatoria puede someterse a investigación Con base en estos resultados muestrales puede estimarse el consumo de la población. debemos conocer las Pruebas de Hipótesis. Estadística Inferencial nos permite hacer juicios acerca de la población total basado en resultados generados por las muestras. Formular Hipótesis Hipótesis Nula ( H0 ) Enunciado del estado en que se encuentran las cosas y en el que no se espera ninguna diferencia ni efecto. Formular Hipótesis Las pruebas pueden ser bilateral o de 2 colas o unilateral. podemos dividir la estadística en dos categorías. supone que un parámetro de población adquiere determinado valor o conjunto de valores.Calcular la estadística de prueba 5. 1 2 AM04003-Análisis e interpretación de resultados Sesión 12. Prueba de Hipótesis: Procedimiento basado en la evidencia muestral y la probabilidad. La hipótesis nula es la que siempre se pone a prueba. Del Paseo Residencial Monterrey. 5 1. Análisis Univariado Inferencial: Prueba de Hipótesis Prueba de Hipótesis Con frecuencia no es suficiente describir lo que aparece en la muestra.. la estadística descriptiva e inferencial. Alternativa ( H1 ) Enunciado en el que se espera alguna diferencia o efecto (opuesto a la hipótesis nula). © Universidad TecMilenio Lázaro Cárdenas #2610 Col.Elegir la estadística de prueba 3.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis Univariado Inferencial Como vimos en la sesión anterior. Para hacer un análisis inferencial. Ejemplo. N. en caso de tener una dirección (> o <). sino se requiere hacer inferencias de la muestra con respecto a la población de la cual se tomó. Es una aseveración de una población con el propósito de verificar si la afirmación es razonable en función a los datos de la muestra.

Error tipo II (ß) Es no rechazar la hipótesis nula cuando ésta es realmente falsa. 2 . Prueba t es adecuada cuando: 1) La n < 30 y no se conoce la desviación estándar. . o 2) El tamaño de la muestra es mayor que 30 y no se conoce la desviación estándar. Se pueden cometer dos clases de errores: Error tipo I (α). Los niveles más usados son . Es rechazar la hipótesis nula cuando ésta es realmente cierta. Elegir la Estadística de Prueba Datos de Intervalo La prueba z y la prueba t. Elegir la Estadística de Prueba Datos de Intervalo Prueba z es adecuada cuando: 1)El tamaño de la muestra es de cualquier orden y se conoce la desviación estándar de la población. N. Del Paseo Residencial Monterrey. Datos de Intervalo (hipotesis de µ) Prueba z Prueba t Datos nominales (hipotesis de σ) Prueba ji cuadrada 7 2.L. Nivel de Significancia (α) Es la probabilidad de rechazar la hipótesis nula cuando esta es realmente cierta . 8 2.R. Elegir la Estadística de Prueba La estadística de prueba mide la aproximación de la muestra a la hipótesis nula.01 12 D. El nivel de significancia (α) se escoge de acuerdo al riesgo de rechazar equivocadamente la H0 que se deseé. La prueba apropiada de inferencias estadísticas varía según el nivel de ESCALA de los Datos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. son pruebas sobre el tamaño de la media de la población. Nivel de Significancia (α) Potencia de la prueba (1-ß) Es el complemento de la probabilidad de un error tipo II. (proporción) 11 3.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 2.05 y . 9 2. Elegir la Estadística de Prueba Datos Nominales Prueba ji cuadrada Compara una distribución hipotética de la población con una distribución generada por la muestra. 10 3. La selección entre las dos depende del conocimiento que tiene el investigador sobre la desviación estándar y el tamaño de la muestra utilizado.. 2006.10.

3 .05. por lo que decide escoger una muestra de 45 bolsas de papitas y probar con un nivel de significancia de .R..05.200 H1: σ2 > . Determinar la distribución de Formular la hipótesis: probabilidad y la región crítica: H0: µ ≥ 20 H1: µ < 20 Valor crítico Se obtuvo de la tabla Z .Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 4. La región crítica depende del tipo de hipótesis (una o dos colas). N. se esta sobreestimando el número de ganadores por día. Calcular Estadístico de Prueba Parámetro en Ho una población 5. Si este último cae dentro de la región crítica entonces rechazamos H0 De lo contrario decimos que no hay suficiente evidencia para rechazar H0 Ejemplo: Prueba de Hipótesis µ Sabritas quiere probar si en su nueva promoción tiene 20 ó más ganadores por día. sino también que la varianza no sea mayor de .200 oz2 Se seleccionó una muestra de 101 latas con un nivel de significancia de .64 Tomar una decisión: Como cae en la región crítica rechazamos H0. 17 H0: σ2 ≤ .1.200 Determinar la distribución de probabilidad y la región critica: 18 D.245oz2 Formular la hipótesis: Z -1. una vez que se haya determinado dónde se encuentra la región crítica. De la muestra se obtuvo una media de 16 y una desviación estándar de 10. 6. Existen fórmulas para calcular las pruebas si se tienen proporciones.75 oz y σ2= .L. (Tablas z y t para hipótesis de medias y de ji cudrada para hipótesis de desviación) 13 14 Información Distribución Estadístico de prueba σ Normal Z n>30 Normal z n<30 Prueba t µ S* Población normal σ2 Población normal Ji cuadrada * La s es un estimado de la desviación estándar. Valor que define dónde comienza la región crítica. para el director de calidad no sólo es importante que el promedio de oz esté cerca de 12. Un ejecutivo de la empresa asegura que se están sobreestimando el número de ganadores.64 15 16 Ejemplo: Prueba de Hipótesis µ Calcular el estadístico de prueba: Ejemplo: Prueba de Hipótesis σ2 La nueva presentación de Pepsi contiene 12 oz de refresco. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Determinar Probabilidad: Valor crítico Valor crítico. Región crítica. El valor crítico se determina usando el nivel de significancia. Del Paseo Residencial Monterrey. la distribución de probabilidad y el nivel de significancia. ya que no se conoce. Comparar valor crítico y Tomar una decisión Para tomar una decisión debemos comparar los valores críticos con el valor del estadístico de prueba. lo cual quiere decir que el ejecutivo tiene razón. 2006. Es el conjunto de valores del estadístico de prueba para los que se rechaza H0. dando una media de 11.

Determinar la probabilidad (valor crítico). 4. 21 22 Créditos: Lic. 19 Análisis Inferencial 3. Determinar el nivel de significancia α. México: Editorial Thomson 2005. (ISBN 970-686-366-4). 7. Calcular el estadístico de prueba. se utilizan tablas para determinar la región crítica con valores de z. Para realizar este análisis debemos aplicar la prueba de hipótesis. Naresh. no hay suficiente evidencia para decir que la varianza es mayor a . Ana María López Navarro 23 D. Considerar una cola o dos colas. Carl. t y jicuadrada. (ISBN 970-26-0491-5).. 2006. • Kinnear. Thomas. 4. Bibliografía • Malhotra. Comparar Valor Crítico y tomar una decisión. México: Editorial Pearson Educación 2004. México: Editorial Mc Graw Hill 1996. Seleccionar el estadístico de prueba en función a: a) Tipo de escala b) La información que tenemos de la muestra y desviación estándar σ para hipótesis de µ 20 Tomar una decisión: Como el valor crítico no cae en la región.L. un enfoque práctico. un enfoque aplicado. Considerar los tipos de error I y II. Investigación de Mercados. 5.200 por lo tanto se acepta H0. N. Los pasos de la prueba de hipótesis son: 1. • Mc Daniel. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Formular la hipótesis (nula y alternativa) 2. 4 . Investigación de Mercados. 6. Investigación de Mercados. Del Paseo Residencial Monterrey.R. (ISBN 958600-124-5).Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Ejemplo: Prueba de Hipótesis σ2 Calcular el estadístico de prueba: Análisis Inferencial Lo que hemos aprendido hasta ahora… • • • El análisis inferencial nos permite hacer supuestos de una población con los datos obtenidos de una muestra.

• Ilustremos el test utilizando un ejemplo.L. Es decir. es el total de sujetos que poseen la característica Ai. Análisis bivariado: tablas cruzadas Con los datos de una muestra podemos observar si existe alguna relación entre dos variables.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Tablas cruzadas o tablas de contingencia El objetivo de la tabulación cruzada es identificar la relación que existe entre dos variables. es decir si A y B son o no independientes. AM04003-Análisis e interpretación de resultados Sesión 13.R. 1 2 Los datos se organizan en una tabla de doble entrada. N. que la tabla de contingencia entre X e Y tendrá r filas y c columnas. Esto es si cumple. 1 .c) es la suma de la j-ésima columna de la tabla. 4 • • 3 Tablas de Contingencia y Medidas de Asociación • ¿Existirá o no relación entre las variables A y B?. y la pregunta que surge naturalmente es si esta relación es verdadera o es el resultado del error muestral. La siguiente tabla de contingencia muestra la tabulación cruzada de la variable ingreso anual (dividido en tres categorías) y la última marca de coche comprada (dividida en tres marcas).r) es la suma de la i-ésima fila de la tabla. llamada Tabla de contingencia. La hipótesis nula del test es que las dos variables analizadas son independientes. que existe una relación entre las dos variables. Del Paseo Residencial Monterrey. Cj (j = 1. que tienen las • Ri (i = 1. n representa el total de observaciones tomadas.. es el total de sujetos que poseen la característica Bi. Las tablas de contingencia son tabulaciones cruzadas entre dos variables X e Y con r y c categorías respectivamente. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.…. es decir. A y B serán independientes si cada entrada de la tabla es igual al producto de los totales marginales dividido entre el número de datos. Es decir. La hipótesis alternativa es que las variables no son independientes. cuya forma general es la siguiente: VAR B1 VAR A A1 A2 A3 … Ar Total Or1 C1 Or2 C2 Or3 C3 … … O11 O21 O31 B2 O12 O22 O32 B3 O13 O23 O33 B … Bc O1c O2c O3c … Orc Cc Rr n Total R1 R2 R3 Tablas cruzadas o tablas de contingencia • Oij es el número de sujetos características Ai y Bj a la vez.…. 6 Oij = Ri C j n 5 D. Es decir. • Se utiliza un test de hipótesis conocido como el test Chicuadrado de Pearson. 2006.

N. Por ejemplo. Del Paseo Residencial Monterrey.38 11 • Este proceso se puede repetir para cada una de las entradas de la tabla.40.091 = 109.000 $ compraron un auto marca Ford.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Tablas de Contingencia y Medidas de Asociación Marca del último auto comprado Ford Toyota Renault Ingreso anual Menos de 20. 2006.000 Total 50 200 100 350 200 100 25 325 125 350 50 525 375 650 175 1200 Tablas de Contingencia y Medidas de Asociación • Las entradas de la tabla representan el número de personas en la muestra con cada combinación de ingreso y marca de auto.R.000" y "B1: comprar marca Ford" es el producto de esas dos probabilidades: Pr(A1 y B1) = Pr(A1)*Pr(B1) Pr(A1) = A1/A = 375/1200. el valor esperado de cada celda de la tabla si las variables ingreso y marca son independientes. la probabilidad del evento conjunto "A1: ganar menos de $20. 12 χ2 = ∑ ∑ r c (Oij − E ij )2 D.. Por lo tanto: Pr(A1 y B1) = Pr(A1)*Pr(B1) = 375*350/(1200*1200) = 0.38 9 10 Tablas de Contingencia y Medidas de Asociación En general la fórmula del valor esperado es: Eij = (NAi*NBj)/N.L. Una vez hecho esto el estadístico Chi-cuadrado se calcula con la siguiente fórmula: E ij i =1 j =1 r = número de categorías de la variable en las filas c = número de categorías de la variable en las columnas Oij = número observado en entrada ij Eij = número esperado en la entrada ij • Este estadístico Chi-cuadrado tiene (r-1)*(c-1) grados de libertad. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • El test Chi-cuadrado de Pearson se basa en encontrar cuál hubiera sido el valor de cada entrada si las variables fueran independientes.000 . Pr(B1) = B1/B = 350/1200 Donde A y B son las frecuencias totales de los eventos. – Eij = número esperado – NAi= número de elementos en la categoría Ai – NBi= número de elementos en la categoría Bi Para A1B1 el número esperado es: – E11 = (375*350)/1200 = 109. 50 personas que ganan menos de 20. Es decir. Total 7 8 • Si ingreso y marca son independientes.091 El número esperado en la entrada A1B1 es entonces: N* Pr(A1 y B1) = 1200*0.000 20.000 más de 40. 2 .

El estadístico de Pearson nos dice si dos variables son independientes una de otra pero no nos dice nada acerca de la naturaleza de la relación. puede ser calculado utilizando el estadístico Chi-cuadrado de Pearson con la siguiente fórmula: φ = (χ2/N)1/2 donde N es el número de datos. El coeficiente de contingencia • El coeficiente de contingencia es una extensión del coeficiente φ al caso de que al menos una de las variables presente más de dos categorías. 2006.49. Valores próximos a cero indican poca asociación entre las variables y valores cercanos a uno indican una fuerte asociación. • Como 252.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Tablas de Contingencia y Medidas de Asociación • En nuestro ejemplo hay (3-1)*(3-1) = 4 grados de libertad.2.R. las variables no son independientes. En consecuencia toma valores positivos y. Es decir. • El coeficiente φ puede ser calculado como el coeficiente de correlación entre dos variables dicotómicas.2 > 9.c-1)/(1+ min(r-1.. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. donde si r y c son el número de categorías de cada una de las variables: Cmax = [min(r-1. su valor será próximo a uno. que compara el producto de las frecuencias en la diagonal principal de la tabla con el producto de las frecuencias en la diagonal opuesta mediante el cociente entre ambos. 13 14 Medidas de Asociación para Tablas de 2x2 El Coeficiente Phi (φ) • Es una medida del grado de asociación entre dos variables dicotómicas basada en el estadístico Chicuadrado de Pearson. En esos casos se suelen utilizar otras medidas de asociación. el estadístico da 252. Alternativamente.49 se rechaza la hipótesis nula. 15 16 Riesgo Relativo • El riesgo relativo es una medida del grado de asociación entre dos variables dicotómicas. 3 . • Este coeficiente toma valores en el intervalo cero-uno. Cuando analizamos variables dicotómicas (adoptan solo los valores 0. Toma valores entre 0 y Cmax. Realizando todas las cuentas con la tabla del ejemplo. N.c-1))]1/2 17 18 D.L. si las variables son independientes. • Comparando este número con el valor crítico de la distribución Chi-cuadrado con 4 grados de libertad a un nivel de significatividad del 5% el valor crítico correspondiente es 9. Del Paseo Residencial Monterrey. 1) el estadístico de Pearson puede ser poco preciso.

México: Editorial Thomson 2005. un enfoque práctico. a diferencia del coeficiente de contingencia toma valores entre 0 y 1. (ISBN 970-686-366-4). Naresh. • Mc Daniel. Investigación de Mercados. V = (χ2/(r ó c)*N)1/2 19 20 Bibliografía • Malhotra. un enfoque aplicado. Ana María López Navarro 21 22 D. 4 . Carl.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Medidas de Asociación para Tablas Mayores a 2x2 Valores del coeficiente de Contingencia cercanos a 0 indican que no hay asociación entre las variables y valores próximos a Cmax indican una fuerte asociación (note que Cmax es un número que siempre será menor a uno). Medidas de Asociación para Tablas Mayores a 2x2 La V de Cramer Otra extensión del coeficiente φ al caso de variables con más de dos categorías es la V de Cramer que. Del Paseo Residencial Monterrey.. • Kinnear. Thomas. Investigación de Mercados. 2006. (ISBN 958-600-124-5). N. Créditos: Lic. México: Editorial Pearson Educación 2004.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. México: Editorial Mc Graw Hill 1996. (ISBN 970-26-0491-5).L. Investigación de Mercados. Valores de V cercanos a 0 indican que no hay asociación entre las variables y valores cercanos a 1 indican una fuerte asociación.

Cuando se analiza el grado de asociación entre dos variables.. 1 . se pueden utilizar para describir el tipo de relación y predecir su comportamiento. Se conocen como técnicas bivariadas. “tau” de kendall) 3. 3. Regresión partir de la ind.. no se sigue estudiando. 2006. Si son dependientes intentaremos determinar la variable dependiente a partir de la variable independiente.. variables independientes tales como precio. nos plantearemos el grado de dependencia. N. * f. 2. a Relación lineal. REGRESIÓN: Con esta técnica trataremos de determinar el tipo de dependencia.Test de la X2 (Lo veremos al ver la inferencia) Correlación 1. Análisis bivariado: correlación 1 2 Procedimientos bivariados Las variables independientes son aquellas que se cree afectan el valor de la variable dependiente.L. debe de existir una variable independiente. distribución. 5 Correlación y regresión VARIABLES CUALITATIVAS VARIABLES CUANTITATIVAS Estudio de independencia “Dos variables son independientes cuando la frecuencia relativa conjunta es igual al producto de las frecuencias relativas marginales” fi.. Si existe dependencia. Y = Variable dependiente o variable respuesta. Del Paseo Residencial Monterrey.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis bivariado Son los métodos estadísticos para analizar la relación entre dos variables de estudio. etc.R. dep. Dos variables de intervalo ¿Cuál es el nivel de escala de las variables? Dos variables ordinales Dos variables nominales • Coeficiente de correlacional lineal r • Regresión simple • Coeficiente de correlación por rangos • Gamma • Tao • Coeficiente de contingencia • Lambda Prueba t sobre el coeficiente de regresión Prueba z sobre la diferencia entre medias Prueba t sobre la diferencia entre medias Prueba U de Mann Whitney Prueba de Kolmogorov Smirnov Prueba de ji cuadrado 3 4 Análisis bivariado CORRELACIÓN: Con esta técnica trataremos de dar respuesta a si existe dependencia entre dos variables. en variables dependientes como ventas o participación de mercado de un producto. y una variable independiente. Si son independientes. X = Variable independiente o regresora. que es el criterio. 2. gasto en promoción..-Analíticamente: Covarianza. AM04003-Análisis e interpretación de resultados Sesión 14.. Por ejemplo.otros estadísticos (“ro de Spearman.) (estimar los valores de la vble. Coeficiente de correlación de Pearson. Relación no lineal (no la veremos) 6 D.Coeficiente de asociación (H) 2.Estudio del grado de relación Grado de asociación 1.Gráficamente. que es el factor de predicción. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.j = fij Si son independientes ya no seguimos estudiando la relación porque no existe.

. Mide 161 cm. 61 60 78 62 66 60 54 84 68 . aunque tienen tendencia a acercarse (regresar) a la media. Altura en cm. Lo mismo puede decirse de los padres muy bajos.R. 100 90 80 70 60 50 40 30 140 150 160 170 180 190 200 11 Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersión. ANÁLISIS GRÁFICO: Dichas observaciones pueden ser representadas en un diagrama de dispersión (‘scatterplot’). Peso en Kg.L. 162 154 180 158 171 169 166 176 163 .) • Conclusión: los padres muy altos tienen tendencia a tener hijos que heredan parte de esta altura. – En cada fila tenemos los datos de un individuo.5 altura del padre (aprox.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Introducción: un poco de historia El término regresión fue introducido por Galton en su libro “Natural inheritance” (1889) refiriéndose a la “ley de la regresión universal”: – “Cada peculiaridad en un hombre es compartida por sus descendientes. Altura en cm. y si es posible predecir el valor de una de ellas en función de la otra. 7 8 Correlación A la derecha tenemos un ejemplo de los datos obtenidos observando dos variables en varios individuos de una muestra. 80 70 60 50 40 30 140 Pesa 50 kg.. pero en media. cada individuos es un punto cuyas coordenadas son los valores de las variables. 2006. Del Paseo Residencial Monterrey. en un grado menor. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.... de qué tipo. 162 154 180 158 171 169 166 176 163 . – Cada columna representa los valores que toma una variable sobre los mismos. 61 60 78 62 66 60 54 84 68 . Nuestro objetivo será intentar reconocer a partir del mismo si hay relación entre las variables. au eso el p que ce are ura P lt la a on ac ent m 150 160 170 180 190 200 12 D.... 9 10 Correlación .. Hoy en día el sentido de regresión es el de predicción de una medida basándonos en el conocimiento de otra. – Pearson (un amigo suyo) realizó un estudio con más de 1000 registros de grupos familiares observando una relación del tipo: • Altura del hijo = 85cm + 0. 2 . 100 90 Pesa 76 kg.” • Regresión a la media – Su trabajo se centraba en la descripción de los rasgos físicos de los descendientes (una variable) a partir de los de sus padres (otra variable).Diagramas de dispersión Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersión. Mide 187 cm. Peso en Kg. N. En ellos. – Los individuos no se muestran en ningún orden particular.

80 70 60 50 40 30 10 cm.L. •Para los valores de X menores que la media le corresponden valores de Y menores también. el peso aumenta en una unidad por cada unidad de altura. 330 280 230 180 130 80 30 140 100 Incorrelación 90 80 70 60 50 40 30 Fuerte relación directa. Grado de presencia : El valor de p.. N. por lo que permite comparar entre distribuciones.. •Esto se llama relación directa o creciente entre X e Y. si p=or<.. 3 .) Correlación: Coeficiente de correlación lineal de Pearson El coeficiente nos sirve para determinar si existe una relación significativa o no a la asociación en análisis. Tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relación sea directa o inversa. 170 180 190 200 13 Cierta relación inversa 20 10 0 140 150 160 170 180 190 200 14 Correlación: Covarianza de dos variables X y Y • La covarianza entre dos variables. Debemos identificar tres aspectos : 1. 2006. ya que si la relación es (>.. 150 160 170 180 190 200 140 150 160 170 180 190 200 Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. pero no nos dice nada sobre el grado de relación entre las variables.05. Del Paseo Residencial Monterrey.05). Para los valores de X mayores que la media le corresponden valores de Y menores. nos indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales). 15 16 Correlación: Coeficiente de correlación lineal de Pearson La coeficiente de correlación lineal de Pearson de dos variables. •Para los valores de X mayores que la media le corresponden valores de Y mayores también. Esto es relación inversa o decreciente. debe ser examinado primero. • Además es una medida que depende de las unidades. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Correlación: Predicción de una variable en función de la otra = Regresión Aparentemente el peso aumenta 10 kg por cada 10 cm de altura. por tanto necesitamos un coeficiente o algún valor que venga definida la relación entre dos variables para poder saber si la relación es fuerte o débil: COEFICIENTE DE CORRELACIÓN DE PEARSON ∑ • El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no. – Directa: Sxy >0 1 – Inversa: Sxy <0 S xy = ( xi − x )( yi − y ) n i – No-relacionda: Sxy =0 Correlación: Covarianza de dos variables X y Y La covarianza tiene el inconveniente de que no está delimitada..R. logarítmica. siginifica que no existe relación. nos indica si la posible relación entre dos variables es directa o inversa. 10 kg. 100 90 80 70 60 50 40 30 140 150 160 Correlación: Cómo reconocer relación directa e inversa. Incorrelación. a la hora de calcular el coeficiente. – s útil para determinar si hay relación lineal entre dos variables. pero no servirá para otro tipo de relaciones (cuadrática. Sxy. r. o sea. significa que sí existe una relación significativa y procedemos a determinar: r= S xy SxS y 17 18 D..

21 y -. 21 22 Créditos: Lic. 2006.R. N. Investigación de Mercados.61 +.. disponemos de dos estadísticos: – ρ (‘ro’) de Spearman – τ (‘tau’) de Kendall Son estadísticos análogos a r y los podemos aplicar donde las variables no puedan considerarse numéricas.60 y -.41 ó -.L. Fuerza de la asociación: El coeficiente de correlación (r) es un número que se encuentra en el rango –1. Bibliografía • Malhotra. 3. a continuación presentamos una clasificación que será útil en este aspecto.80 y +. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.41 +. (ISBN 970-26-0491-5). México: Editorial Mc Graw Hill 1996. mayor es la asociación. 4 .81 ó -1 y -.81 +. • Mc Daniel.20 Relación Alta Relación Moderada Relación Baja Relación Débil Inexistente 20 19 Correlación: Otros coeficientes de correlación Cuando las variables en vez de ser numéricas son ordinales. Para estos casos. (ISBN 958-600-124-5). (ISBN 970-686-366-4). Si el coeficiente cae entre: +1 y +.00 (+ ó -).0.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Correlación: Coeficiente de correlación lineal de Pearson 2. Del Paseo Residencial Monterrey. Carl. Ana María López Navarro 23 D. podemos concluir acerca de la fuerza en la asociación de variables. un enfoque aplicado. Investigación de Mercados.21 y +.40 ó -. México: Editorial Thomson 2005. Correlación: Coeficiente de correlación lineal de Pearson Después de haber obtenido el coeficiente de correlación y determinar si es estadísticamente significativo.60 y +. es posible preguntarse si hay algún tipo de correlación entre ellas. un enfoque práctico. Thomas. Investigación de Mercados. Entre más cercano sea a 1. • Kinnear.80 y -. Dirección de la asociación: Hay que ver si el coeficiente es negativo (-) o positivo (+).0 a +1. Naresh.40 Igual o menor a ±. México: Editorial Pearson Educación 2004.61 ó -.

Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados

Regresión
El análisis de regresión no se debe confundir con el de correlación, el que mide el grado de relación lineal entre las variables, en cambio, el de regresión, mide relaciones de causalidad. El análisis de correlación supone que todas las variables son aleatorias, en cambio, cuando se regresiona, se supone que las variables explicativas son fijas en muestreos repetidos.

AM04003-Análisis e interpretación de resultados
Sesión 15. Análisis bivariado: regresión lineal simple

1

2

El análisis de regresión sirve para predecir una medida en función de otra medida (o varias). Y = Variable dependiente – predicha – explicada X = Variable independiente – predictora – explicativa ¿Es posible descubrir una relación? – Y = f(X) + error • f es una función de un tipo determinado • el error es aleatorio, pequeño, y no depende de X

Veremos un ejemplo del estudio de la altura en grupos familiares de Pearson, como la sesión anterior, que estaremos manejando durante el resto del tema. – Altura del hijo = 85cm + 0,5 altura del padre (Y = 85 + 0,5 X) • Si el padre mide 200cm ¿cuánto mide el hijo? – Se espera (predice) 85 + 0,5x200=185 cm. » Alto, pero no tanto como el padre. Regresa a la media.

3

4

Modelo de regresión lineal simple
• En el modelo de regresión lineal simple, dado dos variables –Y (dependiente) –X (independiente, explicativa) •buscamos encontrar una función de X muy simple (lineal) que nos permita aproximar Y mediante –Ŷ = b0 + b1X •b0 (ordenada en el origen, constante) •b1 (pendiente de la recta) •Y y Ŷ rara vez coincidirán por muy bueno que sea el modelo de regresión. A la cantidad – e=Y-Ŷ se le denomina residuo o error residual.

• Si el padre mide 120cm ¿cuánto mide el hijo? – Se espera (predice) 85 + 0,5x120=145 cm. » Bajo, pero no tanto como el padre. Regresa a la media. Es decir, nos interesaremos por modelos de regresión lineal simple.

5

6

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

1

Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados

Modelo de regresión lineal simple
•Y y Ŷ rara vez coincidirán por muy bueno que sea el modelo de regresión. A la cantidad – e=Y-Ŷ se le denomina residuo o error residual. En el ejemplo de Pearson y las alturas, él encontró: – Ŷ = b0 + b1X • b0=85 cm (No interpretar como altura de un hijo cuyo padre mide 0 cm) • b1=0,5 (En media el hijo gana 0,5 cm por cada cm del padre)
180 150 120 90 60 30 0
7 8
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220

b1=0,5

b0=85 cm

La relación entre las variables no es exacta. Es natural preguntarse entonces: Cuál es la mejor recta que sirve para predecir los valores de Y en función de los de X Qué error cometemos con dicha aproximación (residual).

Modelo de regresión lineal simple
El modelo lineal de regresión se construye utilizando la técnica de estimación mínimo cuadrática: – Buscar b0, b1 de tal manera que se minimice la cantidad • Σi ei2 Se comprueba que para lograr dicho resultado basta con elegir: S b1 = r Y b0 = y − b1 x SX

180 150 120 90 60 30 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 220

b1=0,5

b0=85 cm
9 10

Se obtiene además unas ventajas “de regalo” – El error residual medio es nulo. – La varianza del error residual es mínima para dicha estimación. • Traducido: En término medio no nos equivocamos. Cualquier otra estimación que no cometa error en término medio, si es de tipo lineal, será peor por presentar mayor variabilidad con respecto al error medio (que es cero).

Modelo de regresión lineal simple
• Que el error medio de las predicciones sea nulo no quiere decir que las predicciones sean buenas. • Hay que encontrar un medio de expresar la bondad del ajuste (bondad de la predicción)
No importa. Con los dos últimos clientes me equivoqué en +10 y +20. En término medio el error es cero. Cometió un error de -30 en su última predicción

11

12

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

2

Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados

¿Cómo medir la bondad de una regresión?
Imaginemos un diagrama de dispersión, y vamos a tratar de comprender en primer lugar, qué es el error residual, su relación con la varianza de Y, y de ahí, cómo medir la bondad de un ajuste.
13

¿Cómo medir la bondad de una regresión? Interpretación de la variabilidad en Y
En primer lugar olvidemos que existe la variable X. Veamos cuál es la variabilidad en el eje Y. La franja sombreada indica la zona donde varían los valores de Y. Proyección sobre el eje Y = olvidar X
Y

14

¿Cómo medir la bondad de una regresión?

Interpretación del residuo
Y

Regresión: Bondad de un ajuste
Resumiendo: • La dispersión del error residual será una fracción de la dispersión original de Y • Cuanto menor sea la dispersión del error residual mejor será el ajuste de regresión. Eso hace que definamos como medida de bondad de un ajuste de regresión, o coeficiente de determinación a:
Y

Fijémonos ahora en los errores de predicción (líneas verticales). Los proyectamos sobre el eje Y. Se observa que los errores de predicción, residuos, están menos dispersos que la variable Y original. Cuanto menos dispersos sean los residuos, mejor será la bondad del ajuste.

R2 = 1−
15

S e2 2 SY

2 Se2 < SY
16

Regresión: Bondad de un ajuste Resumen
•La bondad de un ajuste de un modelo de regresión se mide usando el coeficiente de determinación R2 •R2 es una cantidad adimensional que sólo puede tomar valores en [0, 1] •Cuando un ajuste es bueno, R2 será cercano a uno. •Cuando un ajuste es malo R2 será cercano a cero. •A R2 también se le denomina porcentaje de variabilidad explicado por el modelo de regresión. •R2 puede ser pesado de calcular en modelos de regresión general, pero en el modelo lineal simple, la expresión es de lo más sencilla: R2=r2

17

18

D.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey, N.L., 2006.

3

(ISBN 970-686-366-4). Créditos: Lic.. Ana María López Navarro 19 20 D. N. México: Editorial Thomson 2005. (ISBN 970-26-0491-5). un enfoque práctico. 2006.L. 4 . Investigación de Mercados. • Kinnear. Carl. México: Editorial Pearson Educación 2004. Investigación de Mercados.R. Del Paseo Residencial Monterrey. Investigación de Mercados. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Naresh. Thomas. • Mc Daniel. México: Editorial Mc Graw Hill 1996.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía • Malhotra. (ISBN 958-600-124-5). un enfoque aplicado.

de las columnas. están numeradas de forma correlativa. Cada columna tiene asignado un nombre de variable. 3 Introducir datos en SPSS Al abrir el programa SPSS lo primero se solicita es el archivo de trabajo. Recoge todos los menús para trabajar con los datos y realizar los análisis estadísticos. Visor de resultados de SPSS: en esta ventana podemos visualizar los resultados del método implementado. . N. etiquetas para Valores de la variable. la Etiqueta (permite introducir una pequeña descripción de la variable). . el número de decimales (en el caso de variables numéricas). Existen otros paquetes como SAS. sin embargo.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados SPSS El paquete estadístico SPSS (Statistical Package for the Social Sciences) es uno de los muchos que se pueden utilizar para la investigación de mercados. Permite visualizar los datos y las variables con los que vamos a trabajar.sav 4 La ventana de Editor de datos de SPSS dispone de dos pestañas: Vista de datos y Vista de variables. Fecha. Minitab e inclusive Excel que se pueden utilizar. implementar un método..Vista de variables: recoge las características de las variables o lo que es lo mismo. etiquetas para identificar valores Perdidos. al implementar cualquiera de las utilidades que nos ofrece SPSS. El programa SPSS trabaja con los datos previamente grabados en un archivo al que denominamos archivo de datos y tiene la extensión obligatoria . Del Paseo Residencial Monterrey. el SPSS es el más empleado actualmente para este rubro. el Ancho de la variable. la Alineación y la Medida. en general.Vista de datos: está dividida en columnas y filas dando lugar a celdas o casillas donde se recogen los datos. Cadena. a su vez. En esta ventana se pueden entrar de forma manual los datos o bien cargar unos nuevos datos mediante la opción Abrir Datos del menú Archivo. dibujar un gráfico. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Editor de sintaxis de SPSS: en esta ventana podemos pegar la sintaxis generada al realizar un cálculo. Las filas. Se puede seleccionar una base de datos o bien pulsar en el botón Cancelar y acceder directamente a la ventana de Editor de datos del programa SPSS. AM04003-Análisis e interpretación de resultados Sesión 16. ya sea especificado por el usuario o bien por el propio programa SPSS (máximo 8 caracteres).L. 5 6 D. el ancho de columna. SPSS 1 2 Regresión SPSS esta estructurado en tres ventanas diferentes: Editor de datos de SPSS: es la primera ventana que aparece nada más acceder al programa..). el Tipo (Numérico. Informa sobre el Nombre de la variable. 1 . 2006..R.

4. N. Supongamos que en nuestro caso.L. al código 1 se le ha asignado la etiqueta “no”. al código 2 se la ha asignado la etiqueta “moderado” y al código 3 se le añadirá la etiqueta “grave” en cuanto pulsemos el botón Añadir. Para cada variable habrá que ir especificando cada una de sus características. peso y altura. Estadísticas Descriptivas Si pulsamos aceptar sin modificar ninguna otra opción. generalmente se le asigna un número grande y fácil de tabular a fin de que no se confunda con los valores de análisis. sexo.. así.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados Creación de un archivo 1. Es un buen procedimiento para una inspección inicial de los datos. pueden ser de hasta 60 caracteres.R. 8 Vista de archivo Un archivo de datos tendría mas o menos el siguiente aspecto: Estadísticas Descriptivas El procedimiento Frecuencias proporciona estadísticos y representaciones gráficas que resultan útiles para describir muchos tipos de variables. 9 10 En primer lugar. que éstos serían las NO-respuestas por parte de los entrevistados. al ejecutar este procedimiento. nos aparece una ventana en la que hemos de seleccionar las variables sobre las que deseamos obtener la información. empezando por el nombre (primera columna). Supongamos que deseamos estudiar una muestra de 50 sujetos a los que hemos medido cinco variables: edad. en la Figura 3. Del Paseo Residencial Monterrey. Hay que definir los valores perdidos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. se escribe un código en la zona en la que aparece “Valor” y la etiqueta correspondiente en la zona de “Etiqueta de valor” y después pulsar el botón de Añadir. Veamos la salida que nos proporciona el procedimiento frecuencias. la salida que proporciona el programa es la siguiente.2. 2. 2 . No olvides grabar tu documento para no perder la información almacenada. para cada variable seleccionada: 11 12 D. 2006. usualmente se asigna 99. 7 3. Debemos crear la estructura (definir las variables) de un nuevo archivo de datos de SPSS. deseamos ver qué ocurre si seleccionamos las variables edad y sexo. Definir etiquetas para cada variable.

la salida sería: 15 16 Estadísticas Descriptivas Si se ejecuta el procedimiento para el conjunto de variables seleccionadas. en el procedimiento Frecuencias existe una opción para dibujar gráficos. Si en ese cuadro seleccionamos. además del cuadro referente a las frecuencias.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados Además.. estadísticos de posición. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3 . desviación típica y varianza y lo ejecutamos para la variable edad. Si seleccionamos la opción Histogramas.R. por ejemplo. por ejemplo. Del Paseo Residencial Monterrey. de dispersión o sobre la forma de la distribución). serían: 13 14 Igualmente.L. la salida que proporciona el programa es la siguiente: Además de los estadísticos que aparecen en el cuadro anterior es posible añadirles otros. N. mediana. Simplemente en el cuadro de Descriptivos hay que pulsar sobre el botón Opciones y aparecerá la siguiente ventana: En ella se pueden seleccionar más estadísticos y elegir el orden de visualización de las variables (alfabético o por el valor ascendente o descendente de las medias). en el procedimiento frecuencias podemos establecer una serie de opciones. 17 18 D. podemos elegir un conjunto de ellos sobre las variables seleccionadas (valores percentiles. Si seleccionamos esa opción aparecerá la siguiente ventana: El procedimiento Descriptivos muestra estadísticos de resumen univariados para variables en una única tabla y calcula puntuaciones tipificadas (puntuaciones z). media. 2006. los resultados proporcionados. Si en la ventana de Frecuencias elegimos el botón de Estadísticos.

elegir las filas en orden ascendente o descendente. Por último. Del Paseo Residencial Monterrey. 23 24 D. Veamos la salida que proporciona: El procedimiento Tablas de contingencia tiene tres posibilidades. el procedimiento tablas de contingencia crea un panel de medidas y estadísticos asociados para cada valor del factor capa. Cada casilla de la tabla puede contener cualquier combinación de recuentos. una columna y un factor de capa (variable de control). nominales. etc. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. La primera opción es Estadísticos. 21 22 Además. la opción Formato permite.R. como en otros procedimientos del programa.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados Tablas Cruzadas El procedimiento Tablas de contingencia crea tablas de clasificación doble y múltiple y además proporciona 22 pruebas y medidas de asociación para tablas de doble clasificación. el procedimiento permite acceder a la ventana Casillas. 19 20 En nuestro ejemplo vamos a realizar una tabla de contingencia para las variables edad en filas y sexo en columnas. N. 2006.). Esta opción proporciona distintos estadísticos que hemos de seleccionar en función del tipo de variables con las que estamos trabajando (dicotómicas.. Los estadísticos de tablas de contingencia y las medidas de asociación sólo se calculan para las tablas de doble clasificación. Así permite mostrar las frecuencias esperadas y tres tipos de residuos que miden la diferencia entre las frecuencias observadas y las esperadas. Si se especifica una fila.L. Esta ventana permite descubrir las tramas en los datos que contribuyen a una prueba chi-cuadrado significativa. porcentajes y residuos seleccionados. Como siempre para acceder a ellas debemos pulsar los botones de la parte inferior de la ventana de Tablas de contingencia. 4 . ordinales.

Ana María López Navarro 29 D. México: Editorial Mc Graw Hill 1996. Del Paseo Residencial Monterrey. (ISBN 970-26-0491-5). 27 28 Créditos: Lic. Carl. México: Editorial Thomson 2005. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • Mc Daniel. Investigación de Mercados. Investigación de Mercados. México: Editorial Pearson Educación 2004. Naresh. El procedimiento que permite dibujar nubes de puntos. se realiza con el procedimiento Analizar Correlaciones Bivariadas 25 26 Análisis de Varianza Para llevar a cabo un Análisis de Varianza. se realiza con el procedimiento Analizar Regresión Linea Para llevar a cabo una Correlación.L. (ISBN 970-686-366-4).R. Investigación de Mercados. Thomas. Para llevar a cabo una Regresión Lineal. (ISBN 958600-124-5). el primer paso consiste en dibujar la nube de puntos.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados Regresión y Correlación En todo problema de regresión y correlación. con objeto de detectar posibles no-linealidades en la relación o alguna otra falla en las hipótesis del modelo de regresión lineal. lo encuentras en Gráficos Diagrama de Dispersión. • Kinnear.. se realiza con el procedimiento Analizar Comparar Medias ANOVA de un factor Bibliografía • Malhotra. un enfoque aplicado. un enfoque práctico. N. 2006. 5 .

R. regular u ocasional. medido en una escala Likert de nueve puntos. Se denota con Scerror. La fuerza de los efectos X en Y. Análisis bivariado: varianza (ANOVA) El ANOVA puede responder a preguntas cómo: El análisis de varianza debe tener una variable dependiente. más los no-consumidores de la avena en sobres de sabores Quaker. 1 2 AM04003-Análisis e interpretación de resultados Sesión 17. • SCE. Generalmente la hipótesis nula es que todas las medias son iguales. Es la variación de Y relacionada con la variación de las categorías de X. supongamos que un investigador quiere saber si los consumidores constantes. que en este caso sería la preferencia por la avena.. 5 Etapas del ANOVA de un factor Identificar variables dependiente e independiente Descomponer la variación total Medir los efectos Probar la significación Interpretar resultados 6 D. • SCy. vendedores y mayoristas? ¿Varía el nivel de consumo de mi producto según el segmento? 3 4 Análisis de Varianza Estadísticos principales • Eta2 (η2). como consumo constante.L. Es la variación de Y debido a la variación en cad una de las categorías de X. regulares y ocasionales. Variación total de Y. La hipótesis nula de que no difiere la preferencia por la avena de los cuatro grupos puede verificarse con un análisis de varianza. También se denota SCx. Con esta estadística se verifica la hipótesis nula de que las medias de las categorías son iguales. Las variables independientes deben ser variables nométricas. Por ejemplo. Del Paseo Residencial Monterrey. A las variables independientes se les llama factores. se utiliza para analizar resultados experimentales. N. 2006. ¿Cómo varía la intención de compra del producto por parte de los consumidores según los niveles de precios? ¿Varían las opiniones de las políticas de distribución de la empresa entre los agentes. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. que es métrica (medida en una escala de intervalo o razón). • Estadística F. El valor de η2 varía entre 0 y 1. difieren en su preferencia a la avena Quaker. • SCA.Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Análisis de Varianza El análisis de varianza (ANOVA) prueba medias de dos o más poblaciones. 1 . Una combinación particular de niveles de factores se llama tratamiento.

95331 Grados de libertad 4 Medias cuadráticas 0.. si tenemos 3 programas distintos de incentivos y queremos ver cuál aumenta el rendimiento de manera más eficaz. no podemos rechazar la hipótesis de igualdad y no podremos afirmar que los grupos comparados difieran en sus promedios poblacionales. El formato general de una tabla de ANOVA que arrojan los paquetes estadísticos generalmente tiene los siguientes componentes: Fuente de Variación Tratamientos Tabla de Anova Suma de Grados de Cuadrado Cuadrados libertad Medio SSCA k-1 MSTR= SSCA/ k-1 F F= MSTR/MSE Error SCE nT . F. En la práctica todo se resume en un estadístico. En caso contrario.252442 Sig. 11 12 D. 2006. .R.384498 41 En una tabla este es el valor que se evalúa y se compara en base a .Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Etapas del ANOVA de un factor Todo el proceso se puede hacer en forma manual. Del Paseo Residencial Monterrey. Queremos medir el rendimiento de cada grupo y averiguar si existen o no diferencias entre ellos.119761824 Total 8.431188 37 0. utilizamos el análisis de varianza. y tiene desglosados todos los componentes del mismo.k MSE= SCE/nT .L.k Total SSy nT-1 7 Donde: k=número de tratamientos. Sumas de cuadrados Entre grupos Dentro de los grupos 3. 2 .98832753 F 8.05. F= SCx / ( c – 1 ) Scerror / ( N – c) ) 9 10 Estadístico F Si la probabilidad o significancia del Estadístico F es menor a . Fisher que durante los años 1912 a 1962 y contribuyó en forma notable a un modo de pensamiento y filosofía estadística moderna. pero es muy largo y complicado. y si se tienen gran cantidad de datos tiene que recurrirse a algún tipo de software.05 rechazaremos la hipótesis de igualdad de medias y concluiremos que no todas la medias poblacionales comparadas son iguales. Fórmula: Por ejemplo. nT= Número total de datos 8 Estadístico F • Este tipo de análisis fue ideado por Sir Ronald A. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.000 4. N.

13 14 Créditos: Lic. Carl. Bibliografía • Malhotra.000. Ana María López Navarro 15 D. 2006. Naresh. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.05 es mayor que . Investigación de Mercados. por lo cual se rechaza la hipótesis nula y podemos concluir que sí existe una diferencia en rendimiento de acuerdo al programa de incentivos utilizado. (ISBN 970-686-366-4). puesto que la significancia da a . Investigación de Mercados. un enfoque práctico. • Mc Daniel.R. Del Paseo Residencial Monterrey.L.000. (ISBN 970-26-0491-5). entonces vemos que . 3 . México: Editorial Thomson 2005. México: Editorial Pearson Educación 2004. N..Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Estadístico F En este caso.

que indica la contribución relativa de dicha variable para explicar la dependiente 5 6 D. b1 y b2 son los coeficientes de regresión generados a partir de datos de la muestra.. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. La ecuación predictiva : Y= a + b1X1 +b2X2 Las variables independientes se utilizan para predecir la dependiente Múltiples variables dependientes Correlación Canónica X1 y X2 a. Del Paseo Residencial Monterrey. 1 .Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis multivarainte Es el análisis simultáneo de más de dos variables. Técnicas dependientes Se pueden categorizar en función a: • Si alguna de las variables se puede identificar como dependiente de otra u otras • Existe más de una variable dependiente • La naturaleza de los datos (tipo de escala) 1 2 Propósitos del análisis multivariante • • • • • • • • • Comprender la relación de los datos (mediante las distancias de éstos) Visualizarlos Hacer modelos Obtener información correlacionada Reducir los datos o simplificar la estructura de éstos Sortearlos y agruparlos Investigar la dependencia entre las variables Predecir Construir hipótesis y probarlas 3 Análisis multivariante Técnicas Multivariantes Técnicas de Dependencia Una Variable Dependiente Técnicas de Interdependencia Interdependencia variables Semejanza entre objetos Mas de una variable dependiente Regresión Múltiple Correlación Discriminante Canónica Medición Conjunta Varianza y Covarianza Análisis Conglomerado Factor Común Escala Multidimensional 4 Técnicas dependientes Una variable dependiente Regresión Múltiple Análisis Discriminante Varianza y Covarianza Medición Conjunta Regresión múltiple Examina la relación entre por lo menos 2 variables independientes de intervalos de escala y una variable dependiente de intervalo de escala.L. Análisis multivariante. 2006. AM04003-Análisis e interpretación de resultados Sesión 18. N.R.

Análisis discriminante Ejemplo Walt Mart está interesado en analizar la opinión de sus clientes con respecto a la tienda. 2) Elaborar procedimientos de clasificación sistemática de individuos de origen desconocido. El número de clientes pertenecientes al grupo de muestra con hijos es igual a 120 y el del grupo sin hijos es de 80.2 X1 + 5. 2006. 11 12 D.L. indica la proporción de la variación en Y explicado por la regresión. 42% de la variación en Ventas pueden ser relacionadas por el costo de publicidad y el ingreso. 8 7 Análisis discriminante Este análisis busca generar dimensiones que permitan separar los objetos tanto como sea posible. tiene clasificados a sus clientes en dos grupos de acuerdo a si tienen hijos o no. X2 = Ingresos Las ventas tienden a aumentar en .R. asumiendo que todas las demás variables independientes permanezcan constantes. Calidad. X1 = Costo de publicidad.42 donde: Y = Estimado de ventas. 9 10 Análisis discriminante D= b0 +b1X1+b2X2+b3X3 + … bkXk Dónde: D = Puntuación discriminante bx = coeficientes o peso discriminante Xs = variables independientes Función discriminante.2 unidades por cada unidad incrementada en el costo de publicidad y en 5.. Del Paseo Residencial Monterrey. Disponibilidad de Productos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. un coeficiente negativo indica una relación inversa. en uno de los grupos analizados. Para ello realiza una encuesta a una muestra de 200 de ellos en las que le pide que valoren su labor haciendo una valoración entre 0 y 5 en los siguientes aspectos: Limpieza. Precios Competitivos. N. Además.2 unidades por cada incremento en los ingresos R2 es el coeficiente de determinación múltiple. El tamaño del coeficiente indica la cantidad de cambio en la variable dependiente asociado con un incremento de una unidad en dicha variable independiente. a partir de grupos ya determinados Se utiliza con una variable dependiente en escala nominal y un conjunto de variables independientes en escala de intervalo. Servicio en Caja. Cercanía y Promociones. Combinación lineal de las variables independientes que diferencie al máximo los puntajes de las medidas a través de categorías de la variable dependiente.2 X2 R2 = 0.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Regresión múltiple ejemplo Un coeficiente positivo indica una relación directa entre esa variable independiente y la variable dependiente. 2 . Considera la siguiente ecuación de regresión múltiple: Y = 121 + 0. Análisis discriminante Objetivos: 1) Analizar si existen diferencias entre los grupos en cuanto a su comportamiento con respecto a las variables consideradas y averiguar en qué sentido se dan dichas diferencias (descriptivo). (predictivo).

Se requiere una variable dependiente en escala de intervalos y variables independientes en escala nominal. Ejemplo. agrupar datos o simplificar la estructura de estos.. Es útil en el diseño de nuevos productos o servicios. Del Paseo Residencial Monterrey. 18 D. y en caso de que existan..R. que alguna fuente externa de variación contribuye a los valores de la variable dependiente. Análisis de Covarianza (ANCOVA) se utiliza en situaciones en donde se descubre después del experimento. Requiere una variable dependiente en escala de intervalos y una variable o variables independientes en escala nominal. 15 Medición conjunta Ejemplo Resumen de Importancia de los atributos en la selección de un automóvil Importance summary 50 40 Averaged Importance Importancia promedio 30 20 10 0 Colour carro Color del of car Brand Name Marca Repairs for one yearTamaño del motor Seguridad Engine size as indic Factor 16 Correlación canónica Es apropiada cuando se tiene un conjunto de variables dependientes en escala de intervalos y un conjunto de variables independientes. El procedimiento implica obtener un conjunto de ponderaciones para las variables dependientes e independientes que proporcione la correlación única máxima entre el conjunto de variables dependientes y el conjunto de variables independientes. Para conocer la forma en que un conjunto de actitudes se relacionen con un conjunto de comportamiento. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. En las técnicas dependientes una o más variables pueden identificarse como dependientes (el resultado estudiado o evento) y las demás variables como independientes. 2006. El tamaño de la muestra es n=200 con n1 = 120 y n2 = 80. En este caso. analizar en qué sentido se dan dichas diferencias. N. correlación. 3 . 17 Que hemos aprendido hasta hoy. Análisis de Varianza (ANOVA) se utiliza en el análisis de datos experimentales. para predecir la participación de mercados o la rentabilidad de un producto que ofrece varias combinaciones de atributos.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Varianza y Covarianza El objetivo del estudio es analizar si existen diferencias en cuanto a la percepción de la tienda entre los clientes con hijos y los clientes sin hijos. Se utiliza para medir los intercambios que los consumidores hacen sobre atributos de productos. El análisis multivariante nos permite analizar múltiples variables simultáneamente para entender la relación (distancia). existen 7 variables clasificadoras (p=7) y dos grupos a discriminar (q=2). Podemos definir dos técnicas multivariantes. dependientes e interdependientes..L. 14 13 Medición conjunta Se ocupa de los efectos conjuntos de dos o más variables independientes nominales en la disposición de una variable dependiente ordinal.

Thomas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Varianza y Covarianza. Medición Conjunta. un enfoque práctico. Una variable dependiente: Regresión Múltiple. Investigación de Mercados. México: Editorial Thomson 2005. Del Paseo Residencial Monterrey. Investigación de Mercados. México: Editorial Mc Graw Hill 1996. Investigación de Mercados. Naresh. Ana María López Navarro 21 D. (ISBN 970-686-366-4). 19 20 Créditos: Lic. N. (ISBN 970-26-0491-5). Análisis Discriminante. Múltiples variables dependientes: Correlación Canónica • Malhotra. • Mc Daniel. 4 . 2006. un enfoque aplicado.R. México: Editorial Pearson Educación 2004. (ISBN 958-600-124-5). • Kinnear.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía Los métodos estadísticos a utilizar dependen de si tenemos una o más variables dependientes y el tipo de escala de los datos.. Carl.L.

1 . Enfoque en variables Análisis Factor Común Enfoque en objetos Análisis Conglomerado (Cluster) Escalas Multidimensionales Análisis de factor común Procedimiento que selecciona un gran número de variables u objetos y se investiga si tienen un numero pequeño de factores en común que expliquen su intercorrelación.53 .63 .20 0.00 En este ejemplo se tienen 4 variables y mediante la matriz de correlaciones se identificaron 2 factores (A y B) Las cargas de la matriz de factores miden cuáles variables están involucradas en qué patrón factorial. X3.70 . hasta qué grado y en qué dirección. Análisis multivariante: técnicas interdependientes Técnicas de Dependencia Una Variable Dependiente Técnicas de Interdependencia Interdependencia variables Semejanza entre objetos Mas de una variable dependiente Regresión Múltiple Correlación Discriminante Canónica Medición Conjunta Varianza y Covarianza 1 Análisis Conglomerado Factor Común Escala Multidimensional 2 Técnicas interdependientes No hace diferencias entre variables dependientes e independientes. Matriz de correlación entre variables: – Factor R.85 1.75 1.00 X3 0.38 . Interpretación de factores Factor A (Innovadores) X1.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis multivariante Técnicas Multivariantes AM04003-Análisis e interpretación de resultados Sesión 19. Extracción de factores de la matiz de correlación. x4 Rotación de Factores Variable X1 X2 X3 X4 A .35 0.95 1. 3 4 Análisis de factor común Ejemplo Matriz de correlación X1 X1 X2 X3 X4 1. N. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. correlación entre casos 2. analiza el conjunto completo de la interrelación de las variables.48 .54 Factor B (seguidores) X2 5 6 D.R.76 B . Rotación de factores iniciales.26 -. (se lee como correlación). Del Paseo Residencial Monterrey.. 3. 2006. Pasos: 1.L.15 0. correlaciones entre variables – Factor Q.00 X4 0. Se le asigna a cada factor un nombre creativo que identifique el conjunto de variables.00 X2 0.

Por consiguiente. Alta calidad. Análisis conglomerado Ejemplo Se utiliza en: Segmentación de Mercado. Dendograma. 2006. Del Paseo Residencial Monterrey.R. definición del mercado meta. Fanta.. se usa la técnica para identificar los grupos de casos u observaciones relativamente homogéneos. N. los grupos no están pre-definidos. Se mide las distancia entre las similutues/diferencias de los objetos o de la matriz de correlación para hacer Agrupamientos. las cuales fueron definidas por los atributos de los refrescos. – Con estas dimensiones. el MDS ilustra la posición de los refrescos en la mente del consumidor. Pepsi. Se utilizan mapas preceptúales de dos o más dimensiones para tener un diagrama visual de las preferencias y percepciones. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Objeto 1 Objeto 2 Objeto 3 Objeto 4 Objeto 3 Objeto 6 Distancia 7 8 Escala multidimensional MDS Obtiene las dimensiones de los juicios de los encuestados sobre la similitud o preferencias de los productos transformándolos en distancias. El análisis multivariante nos permite analizar múltiples variables simultáneamente para entender la relación (distancia). ∗BIG COLA Alto en azúcar ∗FANTA Buen sabor ∗COCA COLA ∗PEPSI Alta calidad Refrescante ∗SPRITE Quita la sed 11 Las técnicas interdependientes analizan el conjunto completo de la interdependencia de las variables. Barato. Refrescante. – MDS muestra la relación entre las variables colocándolas en una espacio multidimensional. a diferencia del análisis discriminante. correlación. agrupar datos o simplificar la estructura de éstos. dependientes e interdependientes. 2 . Podemos definir dos técnicas multivariantes. Escala multidimensional MDS Ejemplo MDS Análisis para los refrescos: – Coca Cola. Big Cola.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis conglomerado El objetivo es clasificar una muestra de entidades (personas u objetos) en un número pequeño de grupos mutuamente excluyentes basados en similitudes entre las entidades. Sprite – Variables que los consumidores clasificaron en 6 atributos: • Buen sabor.. sin distinguir variables dependientes. Se utiliza en preferencias por marcas o tiendas. 12 D.L. Quita la sed.. posicionamiento de productos y desarrollo de nuevos productos. 9 10 Mapa perceptual refrescos Ejemplo Barato Que hemos aprendido hasta hoy. En el análisis conglomerado. Alto contenido de azúcar.

• Kinnear. Thomas.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Bibliografía Se puede clasificar si se tiene enfoque a objetos o a variables. Investigación de Mercados. un enfoque práctico. (ISBN 958-600-124-5).L. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. México: Editorial Thomson 2005. México: Editorial Pearson Educación 2004. Naresh. un enfoque aplicado. Carl. Enfoque en variables: Análisis de Factor Común Enfoque en objetos: Análisis Conglomerado (Cluster). Escalas Multidimensionales MDS • Malhotra. México: Editorial Mc Graw Hill 1996. Investigación de Mercados. Del Paseo Residencial Monterrey. 3 . Ana María López Navarro 15 D.R. los métodos estadísticos para las técnicas interdependientes están en función de esta clasificación. Investigación de Mercados. N. 2006. 13 14 Créditos: Lic. (ISBN 970-26-0491-5). • Mc Daniel.. (ISBN 970-686-366-4).

la metodología. el alcance. Presentación de resultados Proceso de preparación del reporte Definición del problema Diseño de investigación Metodología Análisis de Datos Consideraciones para la elaboración del Informe escrito • Considerar la audiencia objetivo – Empezar con lo simple – Definir términos técnicos – Utilizar palabras sencillas que conozcan los lectores – Utilizar ayudas gráficas o visuales – Facilitar la lectura de cifras. N. pero si enfocarse en las necesidades de información al momento de redactar el informe. • Tener en cuenta las necesidades de información – Asegurar la relación de los hallazgos con los objetivos gerenciales. la hipótesis.. • Un documento escrito y/o una presentación oral basada en la documentación escrita que comunica el propósito. • Es más que un resumen de lo investigado. Antes del reporte escrito Interpretación de los hallazgos Preparación del Informe Reporte Escrito Presentación Oral Después del Reporte Escrito SEGUIMIENTO Lectura por parte del cliente • Ser conciso y preciso – Seleccionar la información de manera de no meterse en detalles. breve – Palabras y frases cortas – Ser conciso – Apariencia (utilización de espacios) – Información estadística visual – Utilizar tiempo presente – Voz activa – No modismos – Colocar citas de los encuestados D. rangos. los objetivos. redondeo. es un registro del proceso de investigación. • Comunicación Definir un estilo de redacción considerando: – Lenguaje de negocios. – Entender la información y dar conclusiones interpretativas de éstas.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Qué es un reporte de investigación. utilizando porcentajes. – En ocasiones una imagen o gráfica dice más que mil palabras. Del Paseo Residencial Monterrey. las limitaciones y finalmente las recomendaciones del proyecto de investigación.L. • Objetividad – No sesgar ni favorecer la información. AM04003-Análisis e interpretación de resultados Sesión 20. debe presentarse los hallazgos y defender su validez en caso necesario. – No repetir información innecesaria. los hallazgos.R.. etc. 2006 1 .. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • Es el ultimo paso del proceso de la investigación de mercados.

procedimiento de recolección y análisis de datos. Tipo de investigación exploratoria o concluyente. ya que algunos ejecutivos solo es lo que leen del informe. imágenes. especificar las fuentes de datos.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Formato del informe escrito • • • • • • • Portada Tabla de contenido Índice de tablas ( gráficas.R. plan muestral. • Debe tener los hallazgos de mayor impacto. – Es un resumen de los aspectos técnicos que desarrolla la confiabilidad de la investigación. deben facilitar el emprender una acción. naturaleza del problema de decisión y objetivos. • Contiene los títulos y la paginación de todos los apoyos visuales incluidos. el método de recolección. N. Cuerpo del informe • Resultados – Flujo lógico de información para el propósito de toma de decisiones. Del Paseo Residencial Monterrey. Ayudar en la identificación rápida de los temas de interés Índice de tablas • Puede ir junto con la tabla de contenido o por separado.L. figuras.. Resumen ejecutivo • Abreviación o síntesis de los aspectos importantes de la investigación. etc) Resumen ejecutivo Cuerpo del informe Conclusiones y recomendaciones Apéndice • • • • Portada Titulo que trasmita la esencia del estudio. D. • Limitaciones – Apartado cuya finalidad es permitir al lector juzgar la validez. atractivo que invite y despierte el interés por la lectura Fecha Organización o persona que lo emite o presenta Organización o personas a quien va dirigido Tabla de contenido • Secuencial de los temas que se cubren en el informe y paginación • Objetivo. • Metodología – Describir la naturaleza del diseño de la investigación. – Entre las limitaciones se involucran las insuficiencias del muestreo. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2006 2 . Debe incluir: – Objetivos de la investigación – Naturaleza del problema de decisión – Resultados – Conclusiones (opiniones basadas en la investigación) – Recomendaciones Cuerpo del informe • Introducción – Información básica del proyecto.

Analizar la audiencia. como será la reacción. Practicar la presentación varias veces. Mapas geográficos o perceptuales Representan ubicación relativa y/o dimensiones. Principio “Dígales”: 1) Dígales que va a decir. Elementos de los apoyos visuales: Número de la tabla o figura Título del contenido de la tabla Títulos horizontales y verticales Organización Bases de las mediciones Notas de pie de página Tipos de Presentación de los datos Tabular Presentación numérica de datos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3) Dígales que les dijo. • Graficas de barras (representa magnitud). Presentación Oral La clave para una presentación eficaz es la preparación. • • Cuidar el lenguaje corporal. Pictogramas Despliegue de datos con imágenes o símbolos pequeños. polígono de frecuencia. de barras). se debe comenzar con ideas en común. Gráficas Presentación de datos (números. 2) Dígales. tendencias y relaciones) en términos de tamaño interpretados visualmente. 2006 3 . Apéndice – Material no esencial. instrucciones.L.R. Del Paseo Residencial Monterrey. Las más utilizadas son: • Graficas de pastel (representa relaciones proporcionales).Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Conclusiones – Relación de los hallazgos de la investigación con las necesidades de información. Presentación de los datos Se utilizan apoyos visuales como gráficas o tablas para la presentación de datos cuantitativos o procesos técnicos. D. estadísticas. Tener un plan de contingencia en caso de falla de equipo. Antes de la presentación • • • • • Verificar equipo y material a utilizar.. pueden formularse recomendaciones. • Graficas de línea (representa tendencias) (histograma. detalles del plan de muestreo. N. estimativos. tal como formatos de recolección. Principio SIDI: Hágalo simple y directo. pero relacionado con el objeto de estudio.

Ana María López Navarro D. Thomas. Evitar muletillas o modismos.R. Créditos: Lic. simples y fáciles de interpretar. no inventar respuestas. Bibliografía • Malhotra. Investigación de Mercados. (ISBN 970-686-366-4).Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Durante la presentación • • • • • • • • Empezar con una visión general. un enfoque aplicado. • Kinnear. Utilizar notas para evitar olvidar algún punto y dar una secuencia ordenada a la presentación. Carl. Naresh. Investigación de Mercados. Investigación de Mercados. (ISBN 958-600-124-5). Preguntar si quedo alguna duda (repetir la pregunta. México: Editorial Thomson 2005. 2006 4 . ser breve). dirigirse a las personas. México: Editorial Mc Graw Hill 1996. Utilizar apoyos visuales. Del Paseo Residencial Monterrey. México: Editorial Pearson Educación 2004. No dar la espalda a la audiencia. Evitar poses o movimientos innecesarios. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • Mc Daniel. N. (ISBN 970-26-0491-5). un enfoque práctico.L.. Evitar leer un guión.