Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONCEPTO DE POBLACIN
Una poblacin es un conjunto de todos los individuos que son objeto del estudio.
Kinnear & Taylor la definen como el Conjunto de elementos definidos antes de la
seleccin de la muestra
La poblacin o universo, debe definirse de manera que se ajuste a los objetivos del estudio.
Objetivo de estudio:
Conocer el porcentaje de personas de un determinado lugar que tiene acceso a un servicio.
Objetivo de estudio:
Conocer la duracin media de una determinada marca de pilas.
Para el primer caso, la poblacin a la que debe preguntarse estar compuesta por aquellas que
viven en el lugar elegido, y que estn en condiciones de conocer una respuesta. Por ejemplo, si
son los habitantes de la ciudad de Salta, deber conocerse el dato censal de cuntos
habitantes tiene la ciudad, repartidos en edades y sexo, o identificados por barrios o zonas.
En el segundo caso, la poblacin puede considerarse infinita, pues no hay una cantidad finita
de pilas que salen de una lnea de produccin, pues la empresa seguir produciendo pilas a lo
largo de muchos aos. Adems, el control del tiempo de vida de cada pila elegida, hace
necesario que la pila sea gastada, es decir, se destruye el elemento de la poblacin que se
eligi y tal pila no podr volver a usarse, de modo que si quisiramos probar todas las pilas,
no habra produccin para vender, por eso se usa slo una muestra (es decir una pequea
cantidad)
Por las razones anteriores, en muchos casos es conveniente el uso de muestras, y para que
puedan extraerse conclusiones, es importante que elijamos bien las muestras para nuestros
estudios.
CONCEPTO DE MUESTRA
DEFINICION
Definimos a una muestra como una parte del todo, que lo representa.
Una manera grfica de representar una muestra de una poblacin de estudiantes por carrera
que cursan, sera la siguiente:
1.- Una muestra ahorra dinero: El costo de una entrevista personal de algunos minutos de
duracin, pueden costar una suma considerable de dinero, pues requiere de un equipo de
encuestadores entrenados que recorran diferentes zonas geogrficas. Pero sin duda
ahorraramos dinero si se encuestaran por ejemplo a 500 personas, en lugar de encuestar
550.000, que conforman la poblacin de la ciudad de Salta.
2.- Una muestra ahorra tiempo: Si imaginamos el tiempo que llevara, sera demasiado para
recolectar la informacin y para procesarla, de modo que lo recomendable es trabajar con slo
una porcin pequea, pero representativa.
3.- Una muestra puede ser ms exacta: A pesar de lo sorprendente que pueda parecer, esto es
cierto. Es as como resultado de lo que podemos considerar varias fuentes de inexactitud, a las
que se denominan errores no muestrales que ocurren durante el proceso de la investigacin.
Por ejemplo, para realizar un censo se necesitan, adems de muchos recursos econmicos,
muchos encuestadores que deben ser capacitados, ms supervisores de campo, ms personal
de procesamiento, etc. ; El trabajar con muchas personas incrementa la posibilidad de que se
cometan errores que no tienen relacin con la exactitud que pudiera haberse alcanzado en la
muestra, por ejemplo, clasificar mal un resultado, tipear errneamente un dato, confundir un
registro con otro, duplicar ciertos datos, Todo ello porque al aumentar el equipo, la
supervisin se hace ms difcil. Mientras que si el estudio es sobre una muestra pequea, es
ms fcil capacitar a los encuestadores, y es ms fcil la supervisin. De todas maneras, un
muestra tambin puede contener errores no muestrales, al igual que un censo, pero
seguramente en mucha menor medida, por eso decimos que puede ser ms exacta
4.- Una muestra es mejor cuando conlleva la destruccin del elemento muestreado para evitar
su contaminacin: Si se hace una prueba de uso de un producto, es necesario consumir o
destruir dicho producto, lo cual se tornara inviable si ello se hace mediante un ceso, pues
sera antieconmico. Del mismo modo, el proceso de entrevistar personas puede volverlas
sensibles al tema de la entrevista. En este ltimo caso podemos decir que esas personas
fueron contaminadas respecto del tema. ES posible que queramos volver a entrevistarlas
acerca del mismo tema, para conocer por ejemplo, qu impacto ha tenido una campaa de
publicidad y para ello preferiramos entrevistar a personas que antes no fueron contactadas. Si
se hiciera un censo previo, al volver a contactarlas ya estaran contaminadas. Esta es por
ejemplo la razn por la que no deben hacerse encuestas apersonas que trabajan en
investigacin de mercados, pues conocen las tcnicas y procedimientos y esto disminuye el
valor de sus respuestas.
En funcin de este cuadro, vamos a proporcionar algunos conceptos bsicos necesarios sobre
muestreo:
ELEMENTO:
Es la Unidad acerca de la cual se solicita cierta informacin. ste suministra la base del anlisis
que se llevar a cabo. Los elementos ms comunes del muestreo de investigacin de mercados
son los individuos, las personas. En otros casos, los elementos podran ser productos, negocios,
empresas, familias, etc., Los elementos de cualquier muestra especfica, dependern de los
objetivos que tenga el estudio.
POBLACIN:
Poblacin o Universo, es el conjunto de todos los elementos definidos antes de la seleccin de
la muestra. Una poblacin adecuadamente designada debe definirse en trminos de: 1)
elementos, 2) unidades de muestreo, 3) alcance, y 4) tiempo. Por ejemplo una encuesta de
consumidores podra especificar la poblacin pertinente como:
Alternativamente, la poblacin para un estudio diseado para medir la reaccin del comprador
hacia un nuevo qumico industrial podra ser:
Otra alternativa para estudiar por ejemplo el consumo de ciertos productos por la poblacin:
Elemento: producto XX
Unidades de muestreo: Supermercados, farmacias, almacenes, luego vendra el
producto XX
Alcance: Ciudad de Salta
Tiempo: 1 al 15 de abril de 2013
ES muy importante definir la poblacin hasta este nivel de detalle, pues slo as es posible un
muestreo apropiado.
UNIDAD DE MUESTREO
En funcin de lo expresado, decimos entonces que
En el tipo de muestreo ms simple, el de una sola etapa, las unidades y los elementos de
muestreo son los mismos. Por ejemplo, en nuestro primer ejemplo sobre poblacin, tanto los
elementos como las unidades de muestreo eran mujeres con edades entre 18 y 50 aos. Esto
indica un proceso de muestreo directo y de una sola etapa. La muestra se seleccionara
directamente de mujeres entre 18 y 50 aos.
Un procedimiento de muestreo puede tener tantas etapas como el investigador desee. Todo
lo que tiene que hacer es especificar la unidad de muestreo en cada etapa. Por ejemplo un
muestreo de cuatro etapas podra ser:
Por supuesto que los elementos de inters en este estudio sern los hombres de 50 aos o
ms.
Con frecuencia los trminos unidades primarias de muestreo, unidades secundarias de
muestreo, unidades terciarias de muestreo y unidades finales de muestreo. Se utilizan
para designar las etapas sucesivas del proceso.
ALCANCE:
El alcance hace referencia al espacio y cobertura geogrfica donde se tomar la muestra. Su
definicin determina con exactitud el lugar donde se encuentra la poblacin de la que se ha de
sustraer la muestra y es til para que se acote la logstica de implementacin del proceso de
seleccin de los elementos muestrales, como as tambin le indica a quien lee el resultado de
la investigacin, cul fue el lugar o zona donde se realiz el estudio.
MARCO MUESTRAL:
Es una lista de todas las unidades de muestreo disponibles para su seleccin en una etapa del
proceso de muestreo. En la etapa final, la muestra se saca de una lista como sta. Uno de los
pensamientos ms creativos en u proyecto de investigacin de mercados puede relacionarse
con la especificacin de un marco muestral. Un marco muestral es una lista de alumnos, una
lista de votantes de un padrn, un directorio telefnico, una lista de empleados o incluso un
mapa. En el caso de un mapa se estaran muestreando partes geogrficas, por ejemplo una
manzana de una ciudad. La lista del marco muestral puede imprimirse o almacenarse en una
archivo de computadora. Una vez especificada la poblacin, despus se busca un buen marco
muestral. Con frecuencia, la disponibilidad de un marco muestral define la poblacin, cuando
no existe un ajuste perfecto entre poblacin y marco.
Cada etapa de un proceso de muestreo requiere su propio marco muestral. Por tanto, un
proceso muestral de cuatro etapas anteriormente especificado, necesitar de cuatro marcos
muestrales, como sigue: 1) una lista de las ciudades con una poblacin superior a 500.000
habitantes, 2) Una lista de las manzanas de las ciudades seleccionadas, 3) Una lista de hogares
de las manzanas seleccionadas de la ciudad y 4) una lista de hombres de 50 aos o ms dentro
de las familias seleccionadas.
POBLACION DE ESTUDIO
La poblacin del estudio es el conjunto de elementos del cual se saca la muestra.
Anteriormente se defini poblacin como el conjunto de elementos definidos antes de
seleccionar la muestra. Infortunadamente surgen dificultades prcticas que hacen que la
muestra real se tome de una poblacin un tanto diferente de la que se defini a priori. Lo que
sucede es que los elementos de la poblacin se omiten del marco muestral. Por ejemplo una
lista de los miembros de un club puede estar incompleta, algunas personas tienen nmeros
telefnicos no registrados, es posible que un mapa no incluya una calle nueva, etc.
EL PROCESO DE MUESTREO
Por ejemplo, para el caso de el acceso a internet de los espanoles, elegir a 10 personas de 40
millones
es insuficiente, no es representativo. Tampoco lo sera preguntarle, por ejemplo a 100
personas de
Madrid, o elegir a todos tus amigos y tu familia. Hay cuestiones que debemos especificar a la
hora
de elegir una muestra:
1. El metodo de seleccion de los individuos de la poblacion (tipo de muestreo que se va a
utilizar).
2. El tamano de la muestra.
3. El grado de fiabilidad de las conclusiones que vamos a presentar, es decir, una estimacion
del
error que vamos a cometer (en terminos de probabilidad).
Como ya hemos dicho, la seleccion no adecuada de los elementos de la muestra provoca
errores
posteriores a la hora de estimar las correspondientes medidas en la poblacion. Pero podemos
encontrar
mas errores: el entrevistador podra no ser imparcial, es decir, favorecer que se den unas
respuestas mas que otras. Puede ocurrir tambien que, por ejemplo, la persona que vayamos
a entrevistar
no quiera contestar a ciertas preguntas (o no sepa contestar). Clasificamos todos estos
posibles errores de la siguiente manera:
1. Error de sesgo o de seleccion: si alguno de los miembros de la poblacion tiene mas
probabilidad
que otros de ser seleccionados. Imagina que queremos conocer el grado de satisfaccion
de los clientes de un gimnasio y para ello vamos a entrevistar a algunos de 10 a 12 de la
manana. Esto quiere decir que las personas que vayan por la tarde no se veran
representadas
por lo que la muestra no representara a todos los clientes del gimnasio. Una forma de evitar
este tipo de error es tomar la muestra de manera que todos los clientes tengan la misma
probabilidad de ser seleccionados.
2. Error o sesgo por no respuesta: es posible que algunos elementos de la poblacion no
quieran o no puedan responder a determinadas cuestiones. O tambien puede ocurrir, cuando
tenemos cuestionarios de tipo personal, que algunos miembros de la poblacion no contesten
3
sinceramente. Estos errores son, en general, difciles de evitar, pero en el caso de la
sinceridad,
se suelen incorporar cuestiones (preguntas filtro) para detectar si se esta contestando
sinceramente.
Despues de lo que acabamos de ver, podemos decir que una muestra es sesgada cuando no
es
representativa de la poblacion.ne acceso a internet.
2
Muestreo aleatorio
Las principales ventajas de estudiar una poblacin a partir de una muestra son:
- Costo reducido:
Si los datos que buscamos los podemos obtener a partir de una pequea parte del
total de la poblacin, los gastos de recoleccin y tratamiento de los datos sern menores. Por
ejemplo, cuando se realizan encuestas previas a unas elecciones, es ms barato preguntar a
4.000 personas su intencin de voto, que a 30.000.000, aparte que entrevistar a todo el censo
electoral supone una duracin excesiva en tiempo del trabajo de campo.
- Mayor rapidez:
Estamos acostumbrados a ver cmo con los resultados del escrutinio de las primeras
mesas electorales, se obtiene una aproximacin bastante buena del resultado final de unas
elecciones, muchas horas antes de que el recuento final de votos haya finalizado;
- Ms posibilidades:
Para hacer cierto tipo de estudios, por ejemplo el de la duracin de un cierto tipo de
bombillas hasta que dejan de funcionar, no es posible en la prctica destruirlas todas para
conocer su vida media, ya que no quedara nada que vender. Es mejor destruir slo una
pequea parte de ellas y sacar conclusiones sobre las dems.
MUESTREO ALEATORIO
Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando
el proceso de extraccin es tal que garantiza a cada uno de los elementos del universo la
misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de seleccin
muestreo aleatorio.
Desventaja del muestreo con reposicin: una misma unidad puede ser seleccionada varias
veces en una misma muestra, por lo que no se incrementa la informacin. Sin embargo, si el
universo es muy grande la probabilidad de que esto ocurra es muy pequea.
Cada vez que se hace una extraccin, la unidad seleccionada no se devuelve al universo. Por lo
tanto, no se permite que una misma unidad sea seleccionada ms de una vez. Esto hace variar
la probabilidad de obtener una determinada muestra:
Cuando la poblacin sea muy grande, las diferencias entre estos dos tipos de muestreo van a
ser mnimas.
Vamos a considerar que trabajamos con poblaciones grandes, por lo que slo vamos a
considerar el muestreo aleatorio simple.
Aunque dependiendo del problema y con el objetivo de reducir los costos o aumentar la
precisin, otros tipos de muestreo aleatorios pueden ser considerados: muestreo sistemtico,
muestreo estratificado, muestreo por conglomerados y muestreo polietpico.
Muestreo sistemtico
Cuando los elementos de la poblacin estn ordenados de 1 a N en fichas o en una lista, una
manera de muestrear consiste en:
Por otro lado, es a menudo ms fcil no cometer errores con un muestreo sistemtico que con
este ltimo. Sin embargo, se corre el riesgo de obtener resultados sesgados si en la poblacin
se dan periodicidades o rachas.
La asignacin simple,
La asignacin proporcional y
La asignacin optima
- Asignacin simple:
A cada estrato le corresponden el mismo n de unidades muestrales. Por ejemplo, una
poblacin dividida en dos estratos en funcin del sexo, la asignacin simple sera: 50%
hombres y 50% mujeres.
- Asignacin proporcional:
El tamao de la muestra de cada estrato es proporcional al tamao del estrato
correspondiente con respecto a la poblacin total. As en un estrato dado, se tiende a
tomar una muestra ms grande cuando el estrato es ms grande Por ejemplo, una
poblacin divida en 2 estratos: 60% hombres y 40% mujeres. Si obtenemos una
muestra de 10 individuos, la asignacin proporcional al tamao del estrato har que 6
sean hombres y 4 mujeres.
- Asignacin ptima:
Se asigna mayor tamao muestral en el estrato que presenta mayor variabilidad
interna (varianza) de la caracterstica a estudiar. Es decir, el estrato donde hay ms
heterogeneidad. Sin embargo, esto supone tener un conocimiento previo de la
poblacin estratificada, cosa que raramente sucede. Por eso, a veces, si hay
presupuesto, se obtiene una muestra previa o muestra piloto (muestra reducida) para
obtener informacin sobre en qu estrato se observa mayor variabilidad.
- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y
as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando
se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de
enfermos, etc.