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

R. 12 D. ya que debe eliminarse la participación de ellos al máximo. la puede juzgar como aceptable. 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. 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.. más sus hábitos de consumo no difieren en la opinión de los registrados. Determinar el tamaño de la muestra Número de elementos que se incluirán en la muestra. 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.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 2. Seleccionar un método de muestreo Métodos de Muestreo 4. si hay terrenos baldíos. pero hay unos cuantos que no están registrados. instrucciones si la casa está vacía. en estudios concluyentes las muestras deben ser más grandes. es muy importante tener un manual detallado para los entrevistadores. Por ejemplo. Esto se puede hacer en una encuesta con preguntas de filtro. 7 8 3. 2. Por ejemplo. 2 . en el caso de una encuesta casa por casa. si no se encuentran. Ejecutar el plan En esta etapa de deben desarrollar procedimientos operacionales para la selección de la muestra. para poder descartar a las personas que no califican. por lo cual podría ser válido el marco muestral.L. Del Paseo Residencial Monterrey. 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. en un club deportivo. puede ser que se tomen en cuenta solamente los registrados en Internet. Identificar el marco muestral Para el segundo punto. 11 5. el salto de casas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2006. N. y debe especificarse detalladamente la ruta a seguir.

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

de acuerdo a la conveniencia del investigador. 1 . Por ejemplo. Es decir. las cuotas aseguran que la composición de la muestra se la misma que la de la población en relación a las características de interés. 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. • Entrevistar a las personas que pasen por cierta calle. en una prueba de comercialización se hace un juicio con respecto a qué ciudades podrían considerarse como las mejores para lanzar un nuevo producto. Muestreo no probabilístico • De juicio • Por cuotas • Bola de nieve 1 2 Muestreo de conveniencia Las muestras por conveniencia se seleccionan. 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. Ejemplos: • Realizar entrevistas en un centro comercial.. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Es muy utilizado por las empresas debido a su bajo costo y facilidad de ejecución. Del Paseo Residencial Monterrey.Universidad Tec Milenio: Profesional AM04003 – Análisis en interpretación de resultados Muestreo no probabilístico • De conveniencia AM04003-Análisis e interpretación de resultados Sesión 3.R. 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. • Utilizar grupos de estudiantes de cierta universidad.L. N. como su nombre lo dice. 2006.

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

En este ejemplo hemos seleccionado el número 32 como punto de partida. 1 . (supongamos que tenemos una lista de 30) PASO 2. en zig-zag. 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. hay cuatro tipos: AM04003-Análisis e interpretación de resultados Sesión 4. 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. después hacia abajo y hacia la derecha. Asignar a cada elemento un número del 1 al N (tamaño de la población). posteriormente hacia abajo y así sucesivamente. Ana Sosa. 3. 3 4 Muestreo aleatorio simple Ejemplo para utilizar una tabla de números aleatorios: PASO 1.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.. 2. El procedimiento para realizarlo es: 1. 6 D.R. Seleccionar un marco muestral. N. Ricardo Pérez. 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.L. Eva Aldape. Luis Flores. Generar n (tamaño de la muestra) números aleatorios diferentes entre 1 y N. 2006. Esto se puede hacer mediante programas computacionales o tablas de números aleatorios. 4. Josué Bonilla. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey. Los números generados denotan los elementos que deberán incluirse en la muestra. Asigna a todos los miembros de la población un número. 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.

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

2006. En cada estrato.000 niños.L. -En otros ejemplos.R. Las muestras simples aleatorias de los elementos de los dos o más subconjuntos se eligen independientemente una de la otra. Seleecionar las variables de estratificación y el número de estratos. Ejemplos: -En las encuestas durante las elecciones. En cada estrato. Dividir la población completa en H estratos. 3. y lo que se hace es escoger algunas mesas al azar (y de ahí se toman todos los votos de las mesas seleccionadas). cada elemento de la población es asignado a uno de los estratos H. Del Paseo Residencial Monterrey. seleccionar una muestra aleatorio simple de tamaño nh. Procedimiento 1. los conglomerados pueden ser las mesas electorales. lo que consideramos son “conglomerados de elementos”. 15 16 Muestreo por agrupamiento En el muestreo por conglomerados o agrupamiento. Si queremos 1. en lugar de considerar cada elemento de la población. los municipios. El proceso es elegir aleatoriamente uno o varios conglomerados y la muestra estará formada por TODOS los elementos de los conglomerados. se divide en dos o más subconjuntos mutuamente excluyentes y extensivos. con base en muestreo estratificado proporcionado o desproporcionado: H nh = n ∑ h=1 6. nh. 13 14 Ejemplo: 5. Supongamos que en Zacatecas. 70% de los niños de primaria van a escuela pública y el 30% a privadas. La población original o principal. numerar los elementos del 1 al Nh (tamaño de la población del estrato H). 2. (por ejemplo.. 4.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. con base en la variable de calificación. N. 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. los conglomerados pueden ser las colonias de viviendas. etc. Determinar el tamaño de la muestra de cada estrato. 17 18 D. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. hombre y mujer) 2. Seleccionar un marco muestral. 3 .

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

L.R. En este enfoque es importante valorar la importancia de los resultados de la investigación para la toma de decisiones. 5 6 D. 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. La diferencia entre el enfoque convencional y el arbitrario es que el convencional puede tener cierta lógica. se usa el 5% indistintamente.. sexo. 3 4 Enfoque basado en costo Este enfoque utiliza el presupuesto disponible de la empresa para determinar el tamaño de la muestra. N. 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. Se analizan aspectos por edades. 1 . estado civil. Los análisis estadísticos se utilizan para analizar subgrupos dentro de una muestra. Del Paseo Residencial Monterrey. pero no es eficiente ni económico. Enfoque Estadístico En este método el tamaño de la muestra es determinado por los análisis estadísticos que van a ser utilizados. Este enfoque es muy fácil de aplicar. Si no hubiera costos definidos para el investigador. 2006. Enfoque Convencional Este enfoque se refiere a utilizar un tamaño “convencional” de muestra para el investigador.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. ya que a veces es conveniente considerar un ajuste en el presupuesto. ya que ciertos análisis necesitan un mínimo de tamaño para que los resultados obtenidos sean confiables y aptos para la toma de decisiones. donde una muestra debe ser al menos el 5% de la población total para poder ser confiable. etc. y el arbitrario no. todo podría ser manejado con censos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.

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. 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.R. N. 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. P : Porcentaje Q : 100% .L. 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. A continuación veremos cada uno de los factores considerados en este enfoque. Del Paseo Residencial Monterrey. inclusive si se dobla la muestra a 2. 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. intervalo de confianza.P Punto importante: A mayor variabilidad en la población estudiada.000 o más se gana muy poca precisión. 2006..000. 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. 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. Este método aplica conceptos de variabilidad. Este es de los métodos más comúnmente utilizados por los investigadores. distribución de la muestra y error estándar de la media para crear un tamaño de muestra válido. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2 .

qué tanto error están dispuestos a tolerar? – Lo convencional es ± 5%. Del Paseo Residencial Monterrey. z=2. (z=1.R. como el mercado industrial o médico.96) – Entre más importante sea la decisión. 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. 2006. 99% de confianza. 15 16 Intervalo de confianza ¿Cómo determinar el nivel de confianza? – El investigador debe ponerse de acuerdo con los gerentes para definir esta decisión.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Intervalo de confianza Existe una fórmula que conjuga todos estos factores. Generalmente sucede en mercados muy especializados donde la población total es pequeña.. 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. 3 .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. – Lo convencional es 95%. menor deberá ser el error. mayor tamaño de la muestra. – Entre más importante sea la decisión. a mayor nivel de confianza. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. mayor deberá ser el nivel de confianza. N.L.

2006. México: Editorial Thomson 2005. 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. Carl. un enfoque práctico. Del Paseo Residencial Monterrey. n’ = Donde: n’ = tamaño revisado de la muestra n = tamaño original de la muestra N = tamaño de la población 19 20 Créditos: Lic. México: Editorial Pearson Educación 2004. Investigación de Mercados.L. Ana María López Navarro 21 D. Naresh. (ISBN 958600-124-5). un enfoque aplicado. (ISBN 970-686-366-4). Thomas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.. (ISBN 970-26-0491-5). México: Editorial Mc Graw Hill 1996. • Kinnear. • Mc Daniel. Investigación de Mercados. Investigación de Mercados.R. 4 .

4. 4. y otras específicas por actividades o bloques de actividades. 5. Presupuesto Se deben asignar costos a cada una de las actividades del programa. existen cuatro aspectos que son comunes en las operaciones de campo: AM04003-Análisis e interpretación de resultados Sesión 6. 5 6 D. y si es necesario. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. asignar un fondo de reserva para cubrir contingencias imprevistas. ya que un cambio en alguna actividad afecta a otra y el presupuesto se puede ver modificado. 7. 3 4 Programación del tiempo Cuando son proyectos muy largos. 14. 8. Planeación del trabajo de campo 1. 2. 6. es necesario realizar una gráfica general. Debe estar muy clara la calendarización del proyecto. 3. los costos están directamente relacionados. 1 . 2.R. 9. ya que deben cumplirse los tiempos establecidos. N. 3. 11. 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. 2006.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Planeación de las operaciones de campo Como contexto general. 15. Hay que detallar lo mejor posible cada uno de los rubros. Del Paseo Residencial Monterrey.L.. 10. 12. ya que a veces los proyectos se atrasan por fijar metas inalcanzables. 13. 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.

4 Tasa de elegibilidad ESPERADO REAL % % % % % % % % 10 Métodos de recolección de datos Existen diferentes métodos para la recolección de datos en una investigación. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2006.3 No contactos 1. 8 Medición del desempeño Es necesario tener un control por escrito para poder evaluar el desempeño individual del personal.L. casos de ausencia. Del Paseo Residencial Monterrey. Total de encuestados elegibles 1. Se requieren mediciones claras y fáciles de entender. por el número realizado. Pero existe otra información importante como rechazos. Muestra total 3.4 Otro (especifique) 2. 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 Tasa de rechazos 3. 2 . Los métodos son: •Entrevista personal •Entrevista telefónica •Entrevista por correo •Entrevista por computadora •Observación Bibliografía • Kinnear. etc.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Presupuesto Para un estudio basado en entrevistas personales.2 Otro (especifique) 3.3 Tasa de contactos 3. 7 Personal El éxito del trabajo de campo depende principalmente en la calidad del personal. por ejemplo. es necesario realizar una cuidadosa selección y capacitación para poder exigir tiempos y el cumplimiento de adecuado de las actividades. México: Editorial Mc Graw Hill 1996. un enfoque aplicado. (ISBN 958600-124-5). Thomas. Total de encuestados no elegibles 2. 11 12 D.1 Entrevistas 1. Muchas veces en caso de cuestionarios se evalúa por encuesta respondida. con la cual pueden hacerse comparaciones interesantes. y cada uno de ellos tiene sus particularidades.1 Tasa de respuestas 3.. Investigación de Mercados.2 Rechazos 1. A continuación se presenta un ejemplo en el caso de entrevistas: 9 Medición del desempeño Ejemplo tabla de evaluación.R. indicadores esperados y reales: MEDIDA DE DESEMPEÑO 1.. Es necesario que el personal entienda claramente sus responsabilidades y la forma de medir su desempeño. N. o en el caso de entrevistas.1 Se mudaron 2.

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

ya que de eso dependen resultados uniformes durante la investigación. antecedentes. 3 4 Capacitación de los trabajadores de campo Es muy importante tener bien capacitado al personal. Selección de los trabajadores de campo Por lo cual. es mayor la probabilidad de que la investigación sea exitosa. y actitudes del personal de campo afectan en las respuestas de los entrevistados. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. por esto es muy importante capacitar al personal para que realice comentarios que inviten a participar en el estudio.. N. Entre mayor afinidad exista entre el personal de campo y el entrevistado.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. Hay que saber manejar objeciones y ser proactivos en la investigación. Definir las características necesarias en el personal de campo. Contratar al personal.R. debemos definir los siguientes aspectos: – – – Establecer los requerimientos del proyecto. sino más bien ser asertivos y dar la pauta para empezar la entrevista. ya que las características . 1 . antes de seleccionar al personal. 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. 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. Del Paseo Residencial Monterrey.L. 2006. Se deben especificar todos los aspectos del método a utilizar. 5 6 D. Muchas veces no se debe preguntar al entrevistado si desea participar o no. de acuerdo al método de recopilación de datos.

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

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. La información demográfica se cruza con la registrada para verificar la autenticidad de las entrevistas.. Cada encuesta o entrevista es diferente. las respuestas abiertas se deben de registrar literalmente. es importante darle las gracias y expresar su aprecio. 3. donde se pregunte si efectivamente el entrevistador realizó las preguntas. Supervisión de los trabajadores de campo Significa asegurarse de que se estén aplicando las técnicas y procedimientos que se indicaron en la capacitación. Anote las respuestas durante la entrevista. Utilice las mismas palabras que el entrevistado. El entrevistado debe llevarse una sensación positiva. 2006. 5. 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. El entrevistador no debe responder ninguna pregunta relacionada con el estudio. Como regla general. 2. N. Registro de las preguntas Por ejemplo. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. tiene los siguientes lineamientos: 1. la calidad. Del Paseo Residencial Monterrey. No resuma ni parafrasee las respuestas abiertas. Todos los entrevistadores lo deben de hacer en la misma forma. 4.L. el “Survey Research Center” en la ciudad de Michigan. por lo tanto debe de tener indicaciones explícitas de cada punto. 3 .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. y datos demográficos básicos. Incluya todos los sondeos y comentarios. Incluya todo lo que concierna a los objetivos de la pregunta. la duración de la entrevista. Repita la respuesta mientras la escribe. 14 13 Conclusión de entrevista La entrevista no debe darse por concluida si se encuentra incompleta. 6.R.

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

Fraude Guiar a una respuesta 1. entonación. AM04003-Análisis e interpretación de resultados Sesión 8. lenguaje corporal o inclusive el parafraseo de un reactivo. Respuestas falsas No respuesta Errores no-intencionales 1. Puede ser que esté dando información falsa o que escoja a las personas que más se le faciliten. 3. 1 . no las que debe seleccionar.L. 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. 3. ¿Es el tema del gas un problema para usted?. 2. Errores no-intencionales Características del entrevistador Malentendidos Fatiga Errores intencionales 1. Por ejemplo. parafraseo de preguntas. N. 2. Esto muchas veces se da debido a que se paga por encuesta o entrevista completada. 2. Por lo cual.. Del Paseo Residencial Monterrey. 2006.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. 4. 2. veremos este tema con mayor detalle. 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. a continuación se presenta una clasificación de los errores no-muestrales: Errores del trabajador de campo Error de los entrevistados Errores intencionales 1. Puede ser mediante la pronunciación. ¿Acaso no es el tema del gas un problema para usted? 5 6 D. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 5. no es lo mismo preguntar. que guiar la pregunta como. pero generalmente el mayor potencial de error no-muestral se encuentra en la etapa de recopilación de datos.R. 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.

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

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

Hay varias formas de hacer esto. Cabe mencionar que no se eliminan en su totalidad. Las estrategias de control se resumen en la siguiente tabla: 1 2 AM04003-Análisis e interpretación de resultados Sesión 9. 2006. afortunadamente existen también estrategias de control que podemos utilizar para minimizar estos errores. En la validación se verifica que el trabajador de campo haya hecho el trabajo requerido. Del Paseo Residencial Monterrey. se contacta nuevamente a la persona para ver si efectivamente participó en la investigación. a pesar de que existen muchos factores de error en la recolección de datos de campo. 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.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Estrategias de control en la recolección de datos de campo Como hemos visto. por ejemplo. en una encuesta. 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. 5 6 D. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.. sólo podemos disminuir su efecto.R.L. En el caso de las entrevistas personales el supervisor puede ir de observador para evaluar el procedimiento. N. 1 .

etc.L. es importante ofrecer confidencialidad de la información proporcionada por el entrevistado.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. 9 10 Descansos Con los descansos se pretende evitar la fatiga en los entrevistadores y evitar errores por esta cuestión. Es importante ser firmes en los descansos designados. 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. alguna instrucción especial o el formato de aplicación del cuestionario. regalos. para evitar que se fatiguen con la monotonía de un mismo estudio.. Estrategias de control para evitar errores de los entrevistados Intencionales Para controlar este tipo de errores. descuentos. aún y que el trabajador de campo no los crea necesarios. Otra forma de validar. que son información falsa o falta de respuesta. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. De esta forma el entrevistado se sentirá más comprometido a decir la verdad ya que esté siendo remunerado por su participación. También es conveniente realizar algunas preguntas nuevamente para comparar los resultados. 2 . como cupones. se puede alternar a los trabajadores. Otra estrategia es ofrecer incentivos. 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. ya sea económicos. como en el caso de personas muy jóvenes y una gran número de hijos. pero haciendo alusión a todos los requisitos de la investigación. etc. que su nombre no pueda ser asociado con la información proporcionada. 2006. Se trata de actuar como si fuera una entrevista real. o algún tipo de recompensa. En caso de tener varias investigaciones al mismo tiempo. 12 11 D. Del Paseo Residencial Monterrey. y anonimato. es que una persona con experiencia en el campo observe los cuestionarios y detecte si hay algún patrón inconsistente de respuestas.R. En estas sesiones se debe ser claro respecto a los patrones de salto de respuestas. N.

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

. 2006.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Créditos: Lic. Ana María López Navarro 19 D. Del Paseo Residencial Monterrey.R.L. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. N. 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. Procesamiento de datos 3. Codificación Se refiere al proceso de agrupar y asignar códigos numéricos a las posibles respuestas de una pregunta dentro de un cuestionario o entrevista.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 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. Del Paseo Residencial Monterrey. En muchos cuestionarios las respuestas ya están precodificadas. si se siguieron los patrones de salto.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 1. Introducción de datos 4. puesto que a veces son miles de páginas por verificar. Lo más recomendable en estudios grandes es tener precodificada la mayor parte de la información. Validación y edición 2. Codificación AM04003-Análisis e interpretación de resultados Sesión 10. Sobre todo las omisiones. Tabulación y análisis 1 2 1. Se verifican tanto los errores intencionales como los intencionales por parte del entrevistador y el entrevistado.L. etc. 2.. Limpieza de los datos 5. 1 . Validación y edición La validación se refiere al proceso de verificar que las entrevistas se hayan realizado de acuerdo a las indicaciones establecidas. 2006. N. Es muy tedioso este proceso. pero es algo que se debe realizar para garantizar la calidad de los resultados.

N. 11. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 7. 6. 12. Varias respuestas se pueden agrupar en una misma categoría. Introducción de datos Es el proceso de convertir la datos a un formato electrónico. 4. 4. Este proceso requiere de un dispositivo para la introducción de datos. Introducir los códigos. Consolidar las respuestas. 9. 16. 2. Realizar un listado de respuestas. 2006. se listan las que van saliendo nuevas y si se repiten se añaden al conteo de las respuestas registradas. pero esto lo tiene que decidir un investigador calificado y muchas veces se decide también con el cliente. 11 12 D. 7 8 Ejemplo de respuestas a pregunta abierta codificada: ¿Por qué le gusta tomar Coca-Cola? 3. Del Paseo Residencial Monterrey. Excel. 10. 2 . como SPSS (ejemplo de pantalla).L. 19.. 14. disco duro. 18. donde se tiene que ver las respuestas que se van dando y agrupar las que se repiten.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Proceso de codificación para respuestas abiertas Ejemplo de libro de códigos 1. y nos sirve para poder procesarlos y obtener información relevante del estudio para la toma de decisiones. como cd. 2. es como realizar un catálogo. 17. etc. 3. 8. como una computadora y un medio de almacenamiento. 15. Minitab. Esto es en el caso de preguntas abiertas. Determinar los códigos. 5. Se asigna el código numérico a cada respuesta final. 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. El más utilizado en el mercado de investigación de mercados es el SPSS. SAS. por mencionar algunos. Generalmente los datos se introducen en un paquete estadístico. 9 1. 13.R.

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

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

• Los datos pueden analizarse solos o agrupados categorías o clases (frecuencias). 1 . en Tipos de Análisis de Datos Univariados Propiedades Técnicas Estadísticas • Descriptiva.. N. 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. 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. • 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. Estadísticas que proporciona medidas resumidas de los datos en sus muestras. Análisis univariado de datos: Estadística descriptiva Estrategia de Análisis •Número de variables a analizar simultáneamente Univariado. t y ji cuadrada 6 5 D. 2006. Del Paseo Residencial Monterrey. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.R. Tales como: Pruebas z.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. Estadísticas que permiten hacer juicios acerca de la población total basado en resultados generados por las muestras. Tales como: Medidas de Tendencia Central y Dispersión • Inferencial.

• Se utiliza con datos de Intervalo.6 8 También se puede utilizar cuando los datos de intervalo se agrupan en categorías o clases (frecuencias).15. 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. 2 . • 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..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. 2006. 10 Medidas de Tendencia Central: Moda • Es la categoría de una variable nominal que ocurre con mayor frecuencia. • Se representa con: S o con la letra sigma σ • MODA 12 D. Observación X1 X2 X3 X4 X5 Valor de Xi 15 26 Mediana 71 84 102 = 1.11 y 9 = 63/5 = 12. • Se utiliza con datos de escalas nominales o de orden superior. de personas fi 8 16 24 16 64 Punto medio Xi 14 18 22 26 fiXi 112 288 528 416 1.344 Medidas de Tendencia Central: Mediana • Es el valor medio cuando los datos se agrupan en orden de magnitud. Se usa con datos de intervalos Escala Nominal Ordinal Intervalo Medida de Dispersión Frecuencias Rango intercuartil Desviación estandar 7 Ejemplo: Valores: 12.16. Categoría/Edad 25 a 30 años 30 a 35 años 35 a 40 años Mas de 40 Totales No. N.344 / 64 = 21 9 Los datos se ordenan de manera creciente o decreciente. Es lo que se conoce como "promedio".L. Del Paseo Residencial Monterrey.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • Se utiliza con los datos de escala ordinal o de intervalo.

¿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. (ISBN 970-686-366-4). México: Editorial Thomson 2005. 3) S= Raíz cuadrada de 654/8 4) S= 25. Investigación de Mercados.24. Thomas. Investigación de Mercados. Ana María López Navarro 17 18 D. Investigación de Mercados. México: Editorial Mc Graw Hill 1996. 2006. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.R. y para determinar cuales estadísticos debemos conocer el tipo de ESCALA de los datos (intervalo. Son los porcentajes de los elementos totales que aparecen en cada categoría. Carl. bivariado y multivariado). México: Editorial Pearson Educación 2004. 14 Medidas de dispersión: Frecuencias Ejemplo.88% 20% 27. • Kinnear. ordinal o nominal). Pueden ser: Absolutas.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..7% 22.12.L. Créditos: Lic. Son los números de la muestra que aparecen en cada categoría de la variable nominal. Del Paseo Residencial Monterrey. • La distribución de frecuencias es hacer un conteo del numero de respuestas asociadas con diferentes valores de la variable.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. un enfoque aplicado. 3 .57 13 Relativas. Se utilizan en Datos de Escala Nominal. Naresh.36. • Tipo de información estadística deseada: DESCRIPTIVA (descripción de la muestra) e Inferencial. (ISBN 958600-124-5). • En el análisis univariado Descriptivo utilizamos medidas de TENDENCIA CENTRAL y de DISPERSION .10.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Datos: 20. • Mc Daniel. 15 16 Bibliografía • Malhotra. un enfoque práctico. N.30. (ISBN 970-26-0491-5).14 1) Determinar la media = 19 2) Raíz Cuadrada de los cuadrados de las desviaciones de los datos de la media (x.6.

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

9 2.10.R. Prueba t es adecuada cuando: 1) La n < 30 y no se conoce la desviación estándar. La prueba apropiada de inferencias estadísticas varía según el nivel de ESCALA de los Datos. Los niveles más usados son . (proporción) 11 3. Error tipo II (ß) Es no rechazar la hipótesis nula cuando ésta es realmente falsa. Nivel de Significancia (α) Potencia de la prueba (1-ß) Es el complemento de la probabilidad de un error tipo II. 2 . El nivel de significancia (α) se escoge de acuerdo al riesgo de rechazar equivocadamente la H0 que se deseé. Se pueden cometer dos clases de errores: Error tipo I (α). © Universidad TecMilenio Lázaro Cárdenas #2610 Col.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 2.L.01 12 D. Del Paseo Residencial Monterrey. 10 3.05 y . Elegir la Estadística de Prueba Datos de Intervalo La prueba z y la prueba t. Nivel de Significancia (α) Es la probabilidad de rechazar la hipótesis nula cuando esta es realmente cierta . Datos de Intervalo (hipotesis de µ) Prueba z Prueba t Datos nominales (hipotesis de σ) Prueba ji cuadrada 7 2. 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. . o 2) El tamaño de la muestra es mayor que 30 y no se conoce la desviación estándar.. Elegir la Estadística de Prueba La estadística de prueba mide la aproximación de la muestra a la hipótesis nula. Elegir la Estadística de Prueba Datos Nominales Prueba ji cuadrada Compara una distribución hipotética de la población con una distribución generada por la muestra. La selección entre las dos depende del conocimiento que tiene el investigador sobre la desviación estándar y el tamaño de la muestra utilizado. son pruebas sobre el tamaño de la media de la población. 8 2. N. Es rechazar la hipótesis nula cuando ésta es realmente cierta. 2006.

Región crítica. 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 . sino también que la varianza no sea mayor de . Un ejecutivo de la empresa asegura que se están sobreestimando el número de ganadores. ya que no se conoce.200 oz2 Se seleccionó una muestra de 101 latas con un nivel de significancia de . 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.. dando una media de 11. 3 . N. para el director de calidad no sólo es importante que el promedio de oz esté cerca de 12. Existen fórmulas para calcular las pruebas si se tienen proporciones.R. (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. 17 H0: σ2 ≤ . El valor crítico se determina usando el nivel de significancia.05.245oz2 Formular la hipótesis: Z -1. Calcular Estadístico de Prueba Parámetro en Ho una población 5. lo cual quiere decir que el ejecutivo tiene razón.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. Es el conjunto de valores del estadístico de prueba para los que se rechaza H0. Valor que define dónde comienza la región crítica.200 H1: σ2 > .1. por lo que decide escoger una muestra de 45 bolsas de papitas y probar con un nivel de significancia de . la distribución de probabilidad y el nivel de significancia.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados 4. Determinar Probabilidad: Valor crítico Valor crítico.200 Determinar la distribución de probabilidad y la región critica: 18 D. 2006.64 Tomar una decisión: Como cae en la región crítica rechazamos H0. 6. De la muestra se obtuvo una media de 16 y una desviación estándar de 10.75 oz y σ2= .05. una vez que se haya determinado dónde se encuentra la región crítica.L. La región crítica depende del tipo de hipótesis (una o dos colas). © Universidad TecMilenio Lázaro Cárdenas #2610 Col. se esta sobreestimando el número de ganadores por día. Comparar valor crítico y Tomar una decisión Para tomar una decisión debemos comparar los valores críticos con el valor del estadístico de prueba. Del Paseo Residencial Monterrey.

6. Formular la hipótesis (nula y alternativa) 2.. un enfoque práctico. Calcular el estadístico de prueba.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. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. (ISBN 970-26-0491-5). 2006. Investigación de Mercados. • Mc Daniel. 7. Bibliografía • Malhotra. un enfoque aplicado. 21 22 Créditos: Lic. Investigación de Mercados.L. Determinar el nivel de significancia α. Determinar la probabilidad (valor crítico). Considerar los tipos de error I y II. Comparar Valor Crítico y tomar una decisión. Investigación de Mercados. México: Editorial Mc Graw Hill 1996. México: Editorial Thomson 2005. no hay suficiente evidencia para decir que la varianza es mayor a . Carl. 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. Del Paseo Residencial Monterrey. Ana María López Navarro 23 D. (ISBN 958600-124-5). N. 4.R. México: Editorial Pearson Educación 2004. 4 . 19 Análisis Inferencial 3.200 por lo tanto se acepta H0. Thomas. se utilizan tablas para determinar la región crítica con valores de z. (ISBN 970-686-366-4). 5. • Kinnear. Naresh. 4. Para realizar este análisis debemos aplicar la prueba de hipótesis. t y jicuadrada. Los pasos de la prueba de hipótesis son: 1. Considerar una cola o dos colas.

• Se utiliza un test de hipótesis conocido como el test Chicuadrado de Pearson. N. Es decir. es decir si A y B son o no independientes. Esto es si cumple. llamada Tabla de contingencia. 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). La hipótesis nula del test es que las dos variables analizadas son independientes. y la pregunta que surge naturalmente es si esta relación es verdadera o es el resultado del error muestral. 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.r) es la suma de la i-ésima fila de la tabla. Es decir. que la tabla de contingencia entre X e Y tendrá r filas y c columnas. Análisis bivariado: tablas cruzadas Con los datos de una muestra podemos observar si existe alguna relación entre dos variables.L. es decir. 1 2 Los datos se organizan en una tabla de doble entrada. que tienen las • Ri (i = 1.R. 1 .…. 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. Del Paseo Residencial Monterrey. que existe una relación entre las dos variables. 6 Oij = Ri C j n 5 D.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.…. 2006. es el total de sujetos que poseen la característica Ai.c) es la suma de la j-ésima columna de la tabla. • Ilustremos el test utilizando un ejemplo. Cj (j = 1. Las tablas de contingencia son tabulaciones cruzadas entre dos variables X e Y con r y c categorías respectivamente. 4 • • 3 Tablas de Contingencia y Medidas de Asociación • ¿Existirá o no relación entre las variables A y B?.. AM04003-Análisis e interpretación de resultados Sesión 13. n representa el total de observaciones tomadas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Es decir. La hipótesis alternativa es que las variables no son independientes. es el total de sujetos que poseen la característica Bi.

000 20.000 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.091 = 109.38 11 • Este proceso se puede repetir para cada una de las entradas de la tabla..38 9 10 Tablas de Contingencia y Medidas de Asociación En general la fórmula del valor esperado es: Eij = (NAi*NBj)/N. Pr(B1) = B1/B = 350/1200 Donde A y B son las frecuencias totales de los eventos. Es decir.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.L. Del Paseo Residencial Monterrey. Total 7 8 • Si ingreso y marca son independientes.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Por ejemplo. la probabilidad del evento conjunto "A1: ganar menos de $20. N. – 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. Por lo tanto: Pr(A1 y B1) = Pr(A1)*Pr(B1) = 375*350/(1200*1200) = 0.40. 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.000 . • El test Chi-cuadrado de Pearson se basa en encontrar cuál hubiera sido el valor de cada entrada si las variables fueran independientes.000 más de 40. 50 personas que ganan menos de 20. 2006. 2 .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 20.091 El número esperado en la entrada A1B1 es entonces: N* Pr(A1 y B1) = 1200*0. el valor esperado de cada celda de la tabla si las variables ingreso y marca son independientes. 12 χ2 = ∑ ∑ r c (Oij − E ij )2 D.000 $ compraron un auto marca Ford.

En consecuencia toma valores positivos y. si las variables son independientes. N.. Toma valores entre 0 y Cmax.R. • Como 252. su valor será próximo a uno. Valores próximos a cero indican poca asociación entre las variables y valores cercanos a uno indican una fuerte asociación. el estadístico da 252. Realizando todas las cuentas con la tabla del ejemplo.c-1)/(1+ min(r-1. 2006. 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. 15 16 Riesgo Relativo • El riesgo relativo es una medida del grado de asociación entre dos variables dicotómicas. donde si r y c son el número de categorías de cada una de las variables: Cmax = [min(r-1. las variables no son independientes. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L. 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. • Este coeficiente toma valores en el intervalo cero-uno. Del Paseo Residencial Monterrey.49 se rechaza la hipótesis nula.2. Alternativamente. 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. 3 . Es decir.c-1))]1/2 17 18 D. 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. En esos casos se suelen utilizar otras medidas de asociación. • El coeficiente φ puede ser calculado como el coeficiente de correlación entre dos variables dicotómicas.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. Cuando analizamos variables dicotómicas (adoptan solo los valores 0. 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. • 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. 1) el estadístico de Pearson puede ser poco preciso.49.2 > 9.

Investigación de Mercados. • Mc Daniel. Créditos: Lic. Valores de V cercanos a 0 indican que no hay asociación entre las variables y valores cercanos a 1 indican una fuerte asociación. 2006. México: Editorial Thomson 2005. Investigación de Mercados.. 4 . V = (χ2/(r ó c)*N)1/2 19 20 Bibliografía • Malhotra. Investigación de Mercados. Ana María López Navarro 21 22 D. (ISBN 970-686-366-4). N. • Kinnear. México: Editorial Pearson Educación 2004.R. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L. México: Editorial Mc Graw Hill 1996. (ISBN 958-600-124-5). Del Paseo Residencial Monterrey. a diferencia del coeficiente de contingencia toma valores entre 0 y 1. un enfoque aplicado. Naresh. Carl. un enfoque práctico. (ISBN 970-26-0491-5).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. Thomas.

REGRESIÓN: Con esta técnica trataremos de determinar el tipo de dependencia. * f.. Del Paseo Residencial Monterrey. y una variable independiente. 2. N. 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. Relación no lineal (no la veremos) 6 D. AM04003-Análisis e interpretación de resultados Sesión 14. gasto en promoción.j = fij Si son independientes ya no seguimos estudiando la relación porque no existe. 3. 1 .otros estadísticos (“ro de Spearman. Si existe dependencia. a Relación lineal. Coeficiente de correlación de Pearson. se pueden utilizar para describir el tipo de relación y predecir su comportamiento. que es el criterio.-Analíticamente: Covarianza.. variables independientes tales como precio.Coeficiente de asociación (H) 2.) (estimar los valores de la vble.. Se conocen como técnicas bivariadas. 2. Por ejemplo.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.R. 2006.Estudio del grado de relación Grado de asociación 1.Test de la X2 (Lo veremos al ver la inferencia) Correlación 1. no se sigue estudiando. Análisis bivariado: correlación 1 2 Procedimientos bivariados Las variables independientes son aquellas que se cree afectan el valor de la variable dependiente.. “tau” de kendall) 3. 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. Si son dependientes intentaremos determinar la variable dependiente a partir de la variable independiente. nos plantearemos el grado de dependencia. debe de existir una variable independiente. Regresión partir de la ind.Gráficamente. que es el factor de predicción. dep.L. en variables dependientes como ventas o participación de mercado de un producto.. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. distribución. X = Variable independiente o regresora. Si son independientes. Cuando se analiza el grado de asociación entre dos variables.. Y = Variable dependiente o variable respuesta. etc.

aunque tienen tendencia a acercarse (regresar) a la media..) • Conclusión: los padres muy altos tienen tendencia a tener hijos que heredan parte de esta altura. Altura en cm.L. en un grado menor. de qué tipo.. Peso en Kg. N. – 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.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. 162 154 180 158 171 169 166 176 163 . cada individuos es un punto cuyas coordenadas son los valores de las variables.R. 7 8 Correlación A la derecha tenemos un ejemplo de los datos obtenidos observando dos variables en varios individuos de una muestra. Altura en cm. 61 60 78 62 66 60 54 84 68 .. Lo mismo puede decirse de los padres muy bajos.. Peso en Kg. 162 154 180 158 171 169 166 176 163 .” • 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). – Cada columna representa los valores que toma una variable sobre los mismos. 61 60 78 62 66 60 54 84 68 . 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. 2006. – En cada fila tenemos los datos de un individuo. Nuestro objetivo será intentar reconocer a partir del mismo si hay relación entre las variables. ANÁLISIS GRÁFICO: Dichas observaciones pueden ser representadas en un diagrama de dispersión (‘scatterplot’).Diagramas de dispersión Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de dispersión. y si es posible predecir el valor de una de ellas en función de la otra. 100 90 Pesa 76 kg. 9 10 Correlación .. 80 70 60 50 40 30 140 Pesa 50 kg.. Hoy en día el sentido de regresión es el de predicción de una medida basándonos en el conocimiento de otra. Del Paseo Residencial Monterrey. En ellos.5 altura del padre (aprox. pero en media... 2 .. au eso el p que ce are ura P lt la a on ac ent m 150 160 170 180 190 200 12 D. Mide 161 cm. – Los individuos no se muestran en ningún orden particular. Mide 187 cm. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.

por lo que permite comparar entre distribuciones. o sea. r. 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. •Esto se llama relación directa o creciente entre X e Y. 10 kg. 330 280 230 180 130 80 30 140 100 Incorrelación 90 80 70 60 50 40 30 Fuerte relación directa.R. Del Paseo Residencial Monterrey. debe ser examinado primero. 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.. Esto es relación inversa o decreciente. Tiene el mismo signo que Sxy por tanto de su signo obtenemos el que la posible relación sea directa o inversa.05). siginifica que no existe relación. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L. Grado de presencia : El valor de p. si p=or<. a la hora de calcular el coeficiente. 80 70 60 50 40 30 10 cm. 15 16 Correlación: Coeficiente de correlación lineal de Pearson La coeficiente de correlación lineal de Pearson de dos variables.) 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. N. nos indica si la posible relación entre dos variables es directa o inversa.. – 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.. 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..05. pero no nos dice nada sobre el grado de relación entre las variables. logarítmica. • Además es una medida que depende de las unidades. Para los valores de X mayores que la media le corresponden valores de Y menores. – s útil para determinar si hay relación lineal entre dos variables. pero no servirá para otro tipo de relaciones (cuadrática. Debemos identificar tres aspectos : 1. significa que sí existe una relación significativa y procedemos a determinar: r= S xy SxS y 17 18 D. Incorrelación. •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.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. 100 90 80 70 60 50 40 30 140 150 160 Correlación: Cómo reconocer relación directa e inversa. 2006. nos indica si los puntos tienen una tendencia a disponerse alineadamente (excluyendo rectas horizontales y verticales). 3 . •Para los valores de X mayores que la media le corresponden valores de Y mayores también. Sxy..

0 a +1. Si el coeficiente cae entre: +1 y +. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.61 ó -. México: Editorial Pearson Educación 2004.80 y +. 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 -.60 y +. Correlación: Coeficiente de correlación lineal de Pearson Después de haber obtenido el coeficiente de correlación y determinar si es estadísticamente significativo. un enfoque práctico. N. Del Paseo Residencial Monterrey.0.L.40 ó -. Fuerza de la asociación: El coeficiente de correlación (r) es un número que se encuentra en el rango –1.00 (+ ó -). Investigación de Mercados.. 21 22 Créditos: Lic. Ana María López Navarro 23 D.41 ó -. Naresh. 2006. Investigación de Mercados. Dirección de la asociación: Hay que ver si el coeficiente es negativo (-) o positivo (+). • Kinnear.41 +. podemos concluir acerca de la fuerza en la asociación de variables. es posible preguntarse si hay algún tipo de correlación entre ellas.21 y -. un enfoque aplicado.R. Thomas. (ISBN 970-26-0491-5). mayor es la asociación. (ISBN 958-600-124-5). Carl. Bibliografía • Malhotra.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Correlación: Coeficiente de correlación lineal de Pearson 2. (ISBN 970-686-366-4). México: Editorial Thomson 2005.21 y +. Para estos casos.40 Igual o menor a ±. México: Editorial Mc Graw Hill 1996. Entre más cercano sea a 1. 4 . • Mc Daniel.80 y -.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.81 +. 3. Investigación de Mercados.61 +.81 ó -1 y -. a continuación presentamos una clasificación que será útil en este aspecto.

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

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

Permite visualizar los datos y las variables con los que vamos a trabajar. Las filas. el Ancho de la variable. El programa SPSS trabaja con los datos previamente grabados en un archivo al que denominamos archivo de datos y tiene la extensión obligatoria . Recoge todos los menús para trabajar con los datos y realizar los análisis estadísticos.. la Alineación y la Medida. . 2006. Visor de resultados de SPSS: en esta ventana podemos visualizar los resultados del método implementado. el número de decimales (en el caso de variables numéricas). sin embargo. AM04003-Análisis e interpretación de resultados Sesión 16. a su vez. 3 Introducir datos en SPSS Al abrir el programa SPSS lo primero se solicita es el archivo de trabajo. dibujar un gráfico.sav 4 La ventana de Editor de datos de SPSS dispone de dos pestañas: Vista de datos y Vista de variables. implementar un método. Cada columna tiene asignado un nombre de variable. Minitab e inclusive Excel que se pueden utilizar. 5 6 D. el SPSS es el más empleado actualmente para este rubro. Fecha. están numeradas de forma correlativa. N. 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. Cadena. 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. Informa sobre el Nombre de la variable. etiquetas para Valores de la variable.L. etiquetas para identificar valores Perdidos. 1 . el ancho de columna.Vista de datos: está dividida en columnas y filas dando lugar a celdas o casillas donde se recogen los datos.. Editor de sintaxis de SPSS: en esta ventana podemos pegar la sintaxis generada al realizar un cálculo.. en general. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Existen otros paquetes como SAS. 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.R.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. al implementar cualquiera de las utilidades que nos ofrece SPSS.). la Etiqueta (permite introducir una pequeña descripción de la variable). de las columnas. .Vista de variables: recoge las características de las variables o lo que es lo mismo. ya sea especificado por el usuario o bien por el propio programa SPSS (máximo 8 caracteres). Del Paseo Residencial Monterrey.

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

N.. por ejemplo. 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). 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. los resultados proporcionados. Si seleccionamos la opción Histogramas. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.Universidad Tec Milenio: Profesional AM04003– Analisis e interpretación de resultados Además. 2006.L. Si en ese cuadro seleccionamos.R. de dispersión o sobre la forma de la distribución). por ejemplo. Del Paseo Residencial Monterrey. serían: 13 14 Igualmente. Si en la ventana de Frecuencias elegimos el botón de Estadísticos. 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). además del cuadro referente a las frecuencias. la salida que proporciona el programa es la siguiente: Además de los estadísticos que aparecen en el cuadro anterior es posible añadirles otros. mediana. desviación típica y varianza y lo ejecutamos para la variable edad. estadísticos de posición. en el procedimiento frecuencias podemos establecer una serie de opciones. 3 . podemos elegir un conjunto de ellos sobre las variables seleccionadas (valores percentiles. 17 18 D. media.

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

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

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

Del Paseo Residencial Monterrey. no podemos rechazar la hipótesis de igualdad y no podremos afirmar que los grupos comparados difieran en sus promedios poblacionales. Fórmula: Por ejemplo.95331 Grados de libertad 4 Medias cuadráticas 0. y tiene desglosados todos los componentes del mismo. Sumas de cuadrados Entre grupos Dentro de los grupos 3. Fisher que durante los años 1912 a 1962 y contribuyó en forma notable a un modo de pensamiento y filosofía estadística moderna. Queremos medir el rendimiento de cada grupo y averiguar si existen o no diferencias entre ellos. F. En la práctica todo se resume en un estadístico. .R.05.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. 11 12 D.98832753 F 8.k Total SSy nT-1 7 Donde: k=número de tratamientos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 2 .k MSE= SCE/nT . si tenemos 3 programas distintos de incentivos y queremos ver cuál aumenta el rendimiento de manera más eficaz.000 4. 2006.384498 41 En una tabla este es el valor que se evalúa y se compara en base a . En caso contrario.L. y si se tienen gran cantidad de datos tiene que recurrirse a algún tipo de software. N. utilizamos el análisis de varianza.119761824 Total 8. 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 .252442 Sig. nT= Número total de datos 8 Estadístico F • Este tipo de análisis fue ideado por Sir Ronald A.05 rechazaremos la hipótesis de igualdad de medias y concluiremos que no todas la medias poblacionales comparadas son iguales.431188 37 0. F= SCx / ( c – 1 ) Scerror / ( N – c) ) 9 10 Estadístico F Si la probabilidad o significancia del Estadístico F es menor a .. pero es muy largo y complicado.

(ISBN 970-26-0491-5). 2006. Naresh. 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.Universidad Tec Milenio: Profesional AM04003– Análisis e interpretación de resultados Estadístico F En este caso.R. (ISBN 970-686-366-4). Del Paseo Residencial Monterrey. puesto que la significancia da a .05 es mayor que . 13 14 Créditos: Lic. Bibliografía • Malhotra. N. Ana María López Navarro 15 D. • Mc Daniel.000. Investigación de Mercados. Carl. México: Editorial Thomson 2005. México: Editorial Pearson Educación 2004.000. Investigación de Mercados. entonces vemos que ..L. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. 3 . un enfoque práctico.

que indica la contribución relativa de dicha variable para explicar la dependiente 5 6 D. 2006. Del Paseo Residencial Monterrey.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis multivarainte Es el análisis simultáneo de más de dos variables. 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. b1 y b2 son los coeficientes de regresión generados a partir de datos de la muestra. 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. Análisis multivariante. N. 1 . AM04003-Análisis e interpretación de resultados Sesión 18. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.L.R..

Servicio en Caja. 8 7 Análisis discriminante Este análisis busca generar dimensiones que permitan separar los objetos tanto como sea posible. un coeficiente negativo indica una relación inversa. Calidad. El número de clientes pertenecientes al grupo de muestra con hijos es igual a 120 y el del grupo sin hijos es de 80. X1 = Costo de publicidad.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. 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). 2) Elaborar procedimientos de clasificación sistemática de individuos de origen desconocido. Además.2 X1 + 5. indica la proporción de la variación en Y explicado por la regresión.R. Análisis discriminante Ejemplo Walt Mart está interesado en analizar la opinión de sus clientes con respecto a la tienda. Del Paseo Residencial Monterrey.2 unidades por cada unidad incrementada en el costo de publicidad y en 5. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. tiene clasificados a sus clientes en dos grupos de acuerdo a si tienen hijos o no. N. Combinación lineal de las variables independientes que diferencie al máximo los puntajes de las medidas a través de categorías de la variable dependiente. Disponibilidad de Productos. Cercanía y Promociones. asumiendo que todas las demás variables independientes permanezcan constantes. 11 12 D.2 X2 R2 = 0.42 donde: Y = Estimado de ventas.. Considera la siguiente ecuación de regresión múltiple: Y = 121 + 0. Precios Competitivos. (predictivo). 9 10 Análisis discriminante D= b0 +b1X1+b2X2+b3X3 + … bkXk Dónde: D = Puntuación discriminante bx = coeficientes o peso discriminante Xs = variables independientes Función discriminante. X2 = Ingresos Las ventas tienden a aumentar en . 2 . en uno de los grupos analizados.L. 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. 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. 2006.2 unidades por cada incremento en los ingresos R2 es el coeficiente de determinación múltiple. 42% de la variación en Ventas pueden ser relacionadas por el costo de publicidad y el ingreso.

correlación. Del Paseo Residencial Monterrey.L. 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. Se utiliza para medir los intercambios que los consumidores hacen sobre atributos de productos. Análisis de Varianza (ANOVA) se utiliza en el análisis de datos experimentales. 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. 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. 18 D. 2006. El tamaño de la muestra es n=200 con n1 = 120 y n2 = 80. Se requiere una variable dependiente en escala de intervalos y variables independientes en escala nominal. para predecir la participación de mercados o la rentabilidad de un producto que ofrece varias combinaciones de atributos. existen 7 variables clasificadoras (p=7) y dos grupos a discriminar (q=2). 17 Que hemos aprendido hasta hoy. que alguna fuente externa de variación contribuye a los valores de la variable dependiente. dependientes e interdependientes. 3 . Requiere una variable dependiente en escala de intervalos y una variable o variables independientes en escala nominal.. Para conocer la forma en que un conjunto de actitudes se relacionen con un conjunto de comportamiento.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. analizar en qué sentido se dan dichas diferencias.. agrupar datos o simplificar la estructura de estos. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. y en caso de que existan. El análisis multivariante nos permite analizar múltiples variables simultáneamente para entender la relación (distancia). N. Análisis de Covarianza (ANCOVA) se utiliza en situaciones en donde se descubre después del experimento. En este caso. Podemos definir dos técnicas multivariantes. En las técnicas dependientes una o más variables pueden identificarse como dependientes (el resultado estudiado o evento) y las demás variables como independientes. Es útil en el diseño de nuevos productos o servicios. Ejemplo..R.

un enfoque aplicado. Investigación de Mercados. Naresh. Investigación de Mercados. México: Editorial Mc Graw Hill 1996. Investigación de Mercados. Varianza y Covarianza. Ana María López Navarro 21 D. 2006. Análisis Discriminante.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.R. 19 20 Créditos: Lic. Medición Conjunta. 4 .L. Una variable dependiente: Regresión Múltiple. Thomas. • Kinnear. México: Editorial Thomson 2005. un enfoque práctico. México: Editorial Pearson Educación 2004. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Del Paseo Residencial Monterrey. (ISBN 970-26-0491-5).. (ISBN 958-600-124-5). Múltiples variables dependientes: Correlación Canónica • Malhotra. (ISBN 970-686-366-4). Carl. • Mc Daniel. N.

00 X3 0. Matriz de correlación entre variables: – Factor R. Del Paseo Residencial Monterrey.63 . Extracción de factores de la matiz de correlación.48 .00 X2 0. 2006.85 1.76 B . 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. Interpretación de factores Factor A (Innovadores) X1.26 -. hasta qué grado y en qué dirección. 3. analiza el conjunto completo de la interrelación de las variables.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..75 1. x4 Rotación de Factores Variable X1 X2 X3 X4 A . Rotación de factores iniciales. N. 3 4 Análisis de factor común Ejemplo Matriz de correlación X1 X1 X2 X3 X4 1.R.20 0.35 0. correlación entre casos 2. correlaciones entre variables – Factor Q.70 .L.95 1.15 0. Pasos: 1. 1 .00 X4 0. (se lee como correlación). © Universidad TecMilenio Lázaro Cárdenas #2610 Col. Se le asigna a cada factor un nombre creativo que identifique el conjunto de variables.54 Factor B (seguidores) X2 5 6 D. 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.38 .53 .Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Análisis multivariante Técnicas Multivariantes AM04003-Análisis e interpretación de resultados Sesión 19. X3.

Se utilizan mapas preceptúales de dos o más dimensiones para tener un diagrama visual de las preferencias y percepciones. Por consiguiente. Podemos definir dos técnicas multivariantes. En el análisis conglomerado. Escala multidimensional MDS Ejemplo MDS Análisis para los refrescos: – Coca Cola. sin distinguir variables dependientes. – Con estas dimensiones. dependientes e interdependientes. Big Cola. 12 D. Pepsi. Alta calidad. Se utiliza en preferencias por marcas o tiendas. – MDS muestra la relación entre las variables colocándolas en una espacio multidimensional.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. los grupos no están pre-definidos. definición del mercado meta.. © Universidad TecMilenio Lázaro Cárdenas #2610 Col.. 2006. a diferencia del análisis discriminante. Alto contenido de azúcar.L. ∗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. Dendograma. posicionamiento de productos y desarrollo de nuevos productos. Quita la sed. se usa la técnica para identificar los grupos de casos u observaciones relativamente homogéneos. Se mide las distancia entre las similutues/diferencias de los objetos o de la matriz de correlación para hacer Agrupamientos. 9 10 Mapa perceptual refrescos Ejemplo Barato Que hemos aprendido hasta hoy. el MDS ilustra la posición de los refrescos en la mente del consumidor. Barato. correlación. Fanta. 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).R. N. Sprite – Variables que los consumidores clasificaron en 6 atributos: • Buen sabor. 2 . Del Paseo Residencial Monterrey. agrupar datos o simplificar la estructura de éstos. Refrescante. las cuales fueron definidas por los atributos de los refrescos.. Análisis conglomerado Ejemplo Se utiliza en: Segmentación de Mercado.

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

• Tener en cuenta las necesidades de información – Asegurar la relación de los hallazgos con los objetivos gerenciales. la hipótesis. AM04003-Análisis e interpretación de resultados Sesión 20. – Entender la información y dar conclusiones interpretativas de éstas. • Un documento escrito y/o una presentación oral basada en la documentación escrita que comunica el propósito. las limitaciones y finalmente las recomendaciones del proyecto de investigación. 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. pero si enfocarse en las necesidades de información al momento de redactar el informe. – No repetir información innecesaria. • Objetividad – No sesgar ni favorecer la información.. utilizando porcentajes. 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.L.R. • Comunicación Definir un estilo de redacción considerando: – Lenguaje de negocios. 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.. debe presentarse los hallazgos y defender su validez en caso necesario. es un registro del proceso de investigación. los hallazgos. el alcance. • Es el ultimo paso del proceso de la investigación de mercados. – En ocasiones una imagen o gráfica dice más que mil palabras. la metodología. etc.. rangos. N. 2006 1 . Del Paseo Residencial Monterrey.Universidad Tec Milenio: Profesional AM04003 – Análisis e interpretación de resultados Qué es un reporte de investigación. © Universidad TecMilenio Lázaro Cárdenas #2610 Col. • Es más que un resumen de lo investigado. redondeo. los objetivos.

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

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

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

Sign up to vote on this title
UsefulNot useful