Reflexiones sobre

muestras de estudios para

investigacin de mercados
L.F.V.A.
Error en los estudios
Los resultados de un estudio de mercado no son precisos, el error
est presente siempre.

Error muestral
La muestra es usada para inferir valores de la poblacin.
Caractersticas:
Es mesurable
Normalmente, el error disminuye con el aumento del tamao
muestral


Errores en los estudios
Errores no muestrales
Sesgan resultados en direccin y magnitud desconocida
No son mesurables

Errores en terreno
Error de no respuesta (rechazo total o parcial)
Error de respuesta
Mala definicin del problema, del universo y del marco muestral
Errores de medicin
Mal diseo del cuestionario, preguntas sesgadas
Sesgo del encuestado (productos de demanda y aceptabilidad social)
Sesgo del encuestador

Errores de proceso
Errores en procesamientos (traspasos, editing, codificaciones, digitaciones, tabulaciones,
etc.)
Errores de anlisis y/o de interpretacin
El error puede ser destacado como componente de la investigacin de
mercado, el ms importante de todos es el error total, pero tambin hay
errores de una parte o en una etapa en particular.
Esto se formula de la siguiente manera:
Error total = error muestral + errores no muestrales
Por ejemplo, un aumento en el tamao de la muestra con el fin de reducir el
error muestral puede conducir a un incremento del error total de la
investigacin, debido a que otros errores no muestrales pueden
incrementarse ms que proporcionalmente con el tamao muestral.
Asimismo, el error de una etapa puede incrementarse para reducir el error
total, debido a que ello puede implicar una disminucin ms que
proporcional del error en otra etapa.
Error en los estudios
Censo o Muestra
Censo: Informacin es obtenida de todos los elementos de la poblacin
(por tanto, no debera existir error muestral, solamente error de terreno o de
procesamiento de informacin. En todo caso, hay diferencias entre el
llamado censo de hecho con el censo de derecho).
Muestra: Informacin es obtenida slo de un subgrupo de elementos de la
poblacin.
Caractersticas generales de censos y muestras:
CENSO MUESTRA
Costo
Alto, solo es factible si la poblacin es
pequea
Bajo o menor (puede aumentar debido a
filtros y nivel de incidencia)
Tiempo
Mayor, difcil de obtener informacin Rpido, dato a tiempo.
Error
Principalmente errores no muestrales,
(de respuesta, procesamiento,
tabulacin, etc.)
Error muestral y error no muestral (incluye
problemas en la seleccin del marco
muestral)
Puede ser ms precisa que el censo
Proceso de muestreo
Procedimientos probabilsticos
Aleatorio simple y sistemtico
Estratificado (proporcionado o desproporcionado)
Por conglomerados
Por conjuntos
Por racimos
Por reas (estado geogrfico, simple /o mltiple)
Definir el Universo (parte
acotada de la poblacin pasible
de estudio) (N)
1. Elementos de muestreo
2. Unidades de muestreo
3. Alcance
4. Tiempo
Identificacin del
marco muestral
Determinacin del
tamao de la muestra (n)
Seleccin de un
procedimiento muestral
(tablas de nmeros
aleatorios y/o N
n
Seleccin de la
muestra
Procedimientos no probabilsticos
Por conveniencia
Por juicio o comparacin
Por cuotas y/o cupos
)
a
b
c
e
d
Muestreo
Definir el Universo de inters u objetivo.
Conjunto de todos los elementos sujetos o entidades de las cuales se requerir
informacin definido antes de la seleccin de la muestra. Se puede definir en base a:
Elementos y unidades de muestreo (Elemento: el encuestado; Unidad de
muestreo: personas hogares)
Alcance (Lmites geogrficos)
Tiempo (Lapso en consideracin)

Definir el marco muestral (lista de todas las unidades de muestreo disponibles
para su seleccin (lista de los miembros de la poblacin) y de donde se PUEDE
extraer la muestra).
ejemplo: Poblacin de Inters: ciudadanos de Santiago.
marco muestral: pginas blancas de la gua de telfonos)

Error en el marco muestral se refiere a las discrepancias existentes entre la
poblacin de inters y el marco muestral, debido a las limitaciones de ste.
Muestreo puede ser
probabilstico y no probabilstico








Muestreo no probabilstico

Principales caractersticas del muestreo no probabilstico:
Cada elemento del Universo no tiene la misma probabilidad o una
conocida, de ser seleccionado desde el marco de la muestra
La precisin estadstica o margen de error muestral no puede ser
calculado, por tanto.
La seleccin de un elemento de la poblacin se basa hasta cierto punto en
el criterio y/o la experiencia del investigador.
Sin embargo, no existe garanta alguna de que los resultados obtenidos
con este tipo de muestreo sean menos exactos que aquellos obtenidos con
una muestra probabilstica (muestreo de cuotas y/o cupos, por ejemplo).
La muestra no probabilstica tiene diferentes grados de representatividad.
El muestreo por conveniencia resulta menos confiable que el muestreo de
cuotas y /o cupos.
Muestreo No probabilstico








Muestra de conveniencia: los elementos de la muestra se seleccionan
pues son convenientes/ fciles de acceder por parte del investigador o bien
se auto seleccionan:
Intercepcin en centros comerciales u otros sitios destacados.
Muestras de estudiantes, familiares o amigos
La persona elige participar voluntariamente.
Tipos de muestra por conveniencia:
Accidental o a la mano
Callejero (periodista)
Voluntarios (siclogos)
Grupos escogidos
Pasajeros/viajeros
Bola de nieve
Locacin central
Muestreo no probabilstico








Muestra de Juicio o comparacin: Los elementos de la muestra son
seleccionados en base al juicio de un experto quien estima la contribucin
que pueden tener dichos elementos para el estudio (su conocimiento del
tema estudiado o representatividad)
Una muestra de consumidores clave o representativos para un focus
group
Una muestra de analistas de la industria para determinar futuras
tendencias
Ejemplo: Canasta de productos del IPC.

Estos juicios y/o comparaciones son emitidos bien por jueces conocedores,
que detentan la experticia de una profesin, bien por un privado entrenado
al menos temporalmente para el efecto (jurado), o un conocedor de cierto
nivel (declarante)
Muestreo no probabilstico








Muestra por cupos/cuotas o prorrateo: Los elementos de la muestra son
seleccionados en base a cuotas prefijadas por el investigador. Su eleccin
no es hecha a travs de un mtodo aleatorio. Se usan para buscar que la
muestra sea similar a la poblacin en algunas caractersticas (quiebres) de
control. Para seleccionar apropiadamente una muestra por cuotas, se debe:
Especificar una lista de caractersticas de control relevantes, por ejemplo sexo,
edad, GSE etc. (equivalentes estas caractersticas a los parmetros que
representan al universo en el muestreo probabilstico).
Ejemplo: Si en la poblacin hay 60% de mujeres y 40% de hombres. Una
muestra de 300 personas => 180 mujeres (Cuota) y 140 hombres (Cuota)
Conocer la distribucin de estas caractersticas en la poblacin de inters
Las cuotas pueden seleccionarse por filtros directos o indirectos, que aseguren la
idoneidad de las levas
En acuerdo a algunos tericos, las cuotas o prorrateos se determinan por los
cruces de las caractersticas requeridas, y se denomina cupo a la cantidad de
muestra por cada cuota (se prefieren nmeros impares para llenar cada cuota)
Muestreo probabilstico








Procedimientos probabilsticos
Seleccin aleatoria de los elementos de la muestra de modo que cada miembro del
Universo tenga una probabilidad distinta de cero, de ser incluido en la muestra.
Previo al muestreo, es posible identificar todas las muestras de un determinado
tamao posibles de ser seleccionadas, y la posibilidad de seleccin de c/u.

Muestreo aleatorio simple:
Todas las muestras posibles de un tamao n tienen la misma probabilidad de ser
seleccionadas.
Todos los sujetos del universo tienen la misma probabilidad de ser seleccionados
(n/N, en que n = tamao de la muestra y N = tamao del Universo)
Procedimiento: Asignar un nmero de 1 a N a todos los elementos del marco
muestral y seleccionar aleatoriamente n nmeros para conformar la muestra.
El tamao de n se calcula, hay frmulas que establecen la relacin de n (tamao de
la muestra) con N (tamao del universo de donde se extrae n) y con mrgenes de
error aceptable y la incidencia de algunas variables.
Muestreo probabilstico








Muestra estratificada: (Se necesitan conocer todos los elementos de la poblacin, y
algunas caractersticas principales)
Implica dividir a los elementos de la poblacin en subpoblaciones en base a
una variable clasificatoria para luego seleccionar independientemente
elementos (normalmente una muestra aleatoria simple) de cada una de esas
subpoblaciones (o estratos)
Utilidad: mejoramiento en la precisin por la disminucin del error estndar de los estimadores
(Media muestral por ejemplo)

Muestra estratificada proporcionada: cada subpoblacin de inters est representado en la
misma proporcin al tamao de dicho subgrupo en la poblacin.
Representatividad
Estimadores ms (o no menos) precisos

Muestra estratificada desproporcionada: Algunas subpoblaciones estn sobre o
subrepresentados en la muestra en relacin a su participacin en la poblacin.

Generalmente, se busca un tamao de muestra por estrato ptimo que considera:
La importancia relativa del subgrupo en la poblacin
La variabilidad (S) de la variable analizada entre los elementos de dicho estrato (a mayor S mayor el tamao del
estrato en la muestra)
Desde el criterio del muestreo por estratos tambin el muestro
probabilstico reconoce otras acepciones








Muestra por Conglomerados (no necesito conocer a todos los estratos)
Primero se divide la muestra en grupos mutuamente excluyentes y colectivamente
exhaustivos (cada elemento del Universo debe asignarse a un y slo a un estrato, sin
que se omita ningn elemento de la poblacin) Pero a diferencia del mtodo por
estratos, se busca formar grupos heterogneos
Despus se selecciona una muestra aleatoria de dichos grupos
Potencialmente es un procedimiento de mayor eficiencia global (S / $)
Sistemtico
Los elementos en el marco muestral son seleccionados de acuerdo a su posicin en la lista
Ejemplo: Marco muestral es de 1000 y la muestra deseada es de 100, entonces: Se divide el
marco muestral por el tamao = 1000/100= 10, y se divide el marco muestral en grupos de a
10.
Despus se selecciona aleatoriamente un nmero del 1 al 10 (por ej. 3) y se seleccionan
todos los elementos en la posicin 3 de los grupos antes formados (el 3, el 13, el 23, etc.)
Muestreo por reas
Representa una solucin al problema de no contar con una lista completa y exacta de los
elementos de la poblacin
Puede tener mltiples etapas. conjuntos racimos rea, estado geogrfico
Tamao de la muestra, Universo inferior a 100.000
n= N
1 + ( N E )
N= Universo
n= Muestra
E= error mximo

5% error
N
1+(N x 0,025)

4% error
N
1+(N x 0,016)


3% error
N
1+(N x 0,009)


Tamao de la Muestra. Universo superior a 100.00

n= Z N
2 2

E N + ( Z )
2 2
2
n= tamao de la muestra
N= Universo
Z = calculo de nivel de confianza 1.96


E= error mximo permitido en la media
(o,o6)
2
= Desviacin estndar (p q)
Supongamos que tenemos una muestra de n observaciones
procedentes de una distribucin con media . Sean X y Sx la media
muestral observada y la desviacin tpica, respectivamente. Entonces,
si n es grande (>30), una buena aproximacin de un intervalo de
confianza del 100(1 - )% para viene dado por:



Si n>30 esta aproximacin seguir siendo adecuada incluso cuando la
distribucin de la poblacin no es normal (Teorema central del lmite).


Intervalos de confianza para la media poblacional
La primera desviacin ( +- ) + - 34,1% del promedio ( X ) establece un
margen de confianza del 68,2% y por tanto, un nivel de error del 31,8%.

La segunda desviacin ( +-2) agrega a + - 34,1% del promedio ( X ) ms un +-
13,6% que establece un margen de confianza del 95,4%% y por tanto, establece
un nivel de error del 4,6% (que es el mximo aceptable para una investigacin
de mercado +-5%)

La tercera desviacin ( +-3) agrega a + - 34,1% del promedio ( X ) y al +- 13,6%,
un +- 2,1%, lo que establece un margen de confianza del 99,6% y por tanto llega a
un nivel de error del 0,4%


X
-
-
-
-
Intervalos de confianza para la media poblacional








Si se toman muestras de tamao n en forma repetida e independiente y se
calculan intervalos de confianza del X%, entonces despus de un gran
nmero de extracciones, un X% de estos intervalos incluirn la verdadera
media poblacional.

La amplitud del IC est determinado por el nivel de confianza, el tamao
muestral y la desviacin tpica:
Dado un nivel de confianza (1 - ) y un tamao muestral, cuanto mayor
sea la desviacin tpica, mayor longitud tendr el intervalo de confianza
para la media poblacional.
Dado un nivel de significancia y una desviacin tpica, cuanto mayor
sea el tamao de la muestra n, menor longitud tendr el intervalo de
confianza.
Dada una desviacin tpica y un tamao muestral, cuanto mayor sea el
nivel de confianza (1 - ), mayor ser la longitud del intervalo de
confianza.
Cuando se hace una muestra probabilstica uno debe preguntarse, Dado
que una poblacin N Cul es el menor nmero de unidades que
necesito para conformar una muestra (n) que me asegure un error estndar
menor a x?
Se busca encontrar la probabilidad de la ocurrencia de y
Para determinar el tamao de la muestra (inferencia acerca de la media)
Determinar un nivel de precisin deseado, nivel de incertidumbre respecto de la
caracterstica medida (E= diferencia entre la estimacin y el valor real de la
poblacin que se desconoce)
Determinar un nivel de confianza
Determinar el valor de z o t asociado a dicho nivel de confianza
Estimar el valor de la desviacin estndar (varianza) de la poblacin
Estudios previos, datos secundarios, experiencia.
Rango dividido por 6
Determinar el tamao de la muestra usando esta frmula:


Clculo del tamao de la muestra
Sea la proporcin de xitos (preferencias) en una muestra aleatoria de
n observaciones. Entonces:
(i) La distribucin muestral de tiene media p, es decir,
E( ) = p
(ii) La distribucin muestral de tiene desviacin tpica





Esta cantidad recibe el nombre de error estndar de

Note que la varianza mxima de ocurre cuando p = 0.5, con lo cual se
evita el problema de estimar la desviacin tpica (Supuesto de varianza
mxima)
Distribucin del muestreo de una proporcin muestral


Tamaos de muestra requeridos dado el margen de
error deseado y nivel de confianza (para proporciones)