Unidad 04 Investigación de Mercados

UNIVERSIDAD AUTÓNOMA DE MANIZALES

UAMVIRTUAL

TECNOLOGÍA EN GESTIÓN DE NEGOCIOS

MÓDULO DE INVESTIGACIÓN DE MERCADOS

(Texto Guía)

Autora: Lina María Echeverri Cañas

Docente
Docente titular: Emma Eugenia
Titular: ALEJANDRO Mesa
RAMIREZ G.

Manizales, 2010
Manizales, 2009

1
 Unidad 04 Investigación de Mercados

UNIDAD 4: MUESTREO, CONCEPTOS E IDEAS

Tabla de Contenidos

Introducción a la unidad
Temas
4.1 Terminología
4.2 Tipos de Muestreo
4.2.1 Muestreo probabilístico
4.2.2 Muestreo no probabilístico
Actividad 4

2
 Unidad 04 Investigación de Mercados

UNIDAD 4: MUESTREO, CONCEPTOS E IDEAS

El muestreo es una herramienta fundamental de la investigación de mercados. Su

función básica es determinar que parte de una realidad en estudio (población o
universo), debe examinarse con la finalidad de hacer inferencias sobre dicha
población. El error que se comete debido al hecho de que se obtienen
conclusiones sobre cierta realidad a partir de la observación de sólo una parte de
ella, se denomina error de muestreo. Obtener una muestra significa lograr una
versión simplificada de la población, que reproduzca de algún modo sus rasgos
básicos.

4.1 Terminología

Población objeto: conjunto de individuos de los que se quiere obtener una

información. Es todo conjunto de elementos, finito o infinito, definido por una o
más características, de las que gozan todos los elementos que lo componen, y
sólo ellos. En muestreo se entiende por población a la totalidad del universo que
interesa considerar, y que es necesario que esté bien definido para que se sepa
en todo momento qué elementos lo componen.
3
 Unidad 04 Investigación de Mercados

Censo: en ocasiones resulta posible estudiar cada uno de los elementos que
componen la población, realizándose lo que se denomina un censo, es decir, el
estudio de todos los elementos que componen la población. La realización de un
censo no siempre es posible, por diferentes motivos: a) economía: el estudio de
todos los elementos que componen una población, sobre todo si esta es grande,
suele ser un problema costoso en tiempo, dinero, etc; b) que las pruebas a las
que hay que someter a los sujetos sean destructivas; c) que la población sea
infinita o tan grande que exceda las posibilidades del investigador.
Muestra: se considera como un subgrupo de la población objetivo, lo que se
pretende con esta muestra es que sea un reflejo fiel del conjunto de la población
objetivo, pero que con menos recursos, se puedan obtener, resultados que
permitan resolver la duda de investigación y alcanzar el objetivo del estudio.
Existen varias condiciones que debe cumplir la selección de una muestra:
primero, la muestra debe estar bien escogida, es decir debe ser representativa de
la población objetivo de donde se extrajo. Debe ser lo suficientemente grande,
para evitar diferencias entre varias muestras de esa misma población. La muestra
debe tener una cobertura de unidades que representen todas las características
del problema en estudio, para evitar sesgos.

4.2 TIPOS DE MUESTREO

Hay dos tipos de muestreo: el probabilístico y el no probabilístico:

4.2.1 MUESTREO PROBABILÍSTICO

El método otorga una probabilidad conocida de integrar la muestra a cada
elemento de la población, y dicha probabilidad no es nula para ningún elemento.
Los métodos de muestreo no probabilísticos no garantizan la representatividad de
la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la
población.
Entre los métodos de muestreo probabilísticos más utilizados en investigación
encontramos:
Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemático
Muestreo polietápico o por conglomerados

4
 Unidad 04 Investigación de Mercados

Ventajas e inconvenientes de los distintos tipos de muestreo

probabilístico

TIPOS CARACTERISTICAS VENTAJAS INCONVENIENTES

Se selecciona una muestra de - Sencillo y de fácil - Requiere que se
tamaño n de una población de N comprensión. posea de
unidades, cada elemento tiene una - Cálculo rápido de medias y antemano un
probabilidad de inclusión igual y varianzas. listado completo
Aleatorio simple

conocida de n/N - Se basa en la teoría de toda la

estadística, y por lo tanto población.
existen paquetes - Cuando se trabaja
informáticos para analizar con muestras
los datos. pequeñas es
posible que no
represente a la
población
adecuadamente.
Conseguir un listado de los N - Fácil de aplicar. - Si la constante de
elementos de la población. - No siempre es necesario muestreo está
Determinar tamaño muestral n. tener un listado de toda la asociada con el
población. fenómeno de
Sistemático

- Cuando la población está interés, las

ordenada siguiendo una
tendencia conocida,
asegura una cobertura de
unidades de todos los
tipos.
En ciertas ocasiones resultará - Tiende a asegurar que la
conveniente estratificar la muestra muestra represente
según ciertas variables de interés. adecuadamente a la
Para ello debemos conocer la población en función de
composición estratificada de la unas variables
Estratificado
estimaciones
obtenidas a partir
de la muestra
pueden contener
sesgo de
selección.
- Se ha de conocer
la distribución en
la población de
las variables
utilizadas para la

población objetivo a muestrear. Una seleccionadas. estratificación.

vez calculado el tamaño muestral
apropiado, este se reparte de
manera proporcional entre los
distintos estratos definidos en la
población usando una simple regla
de tres.
- Se obtienen estimaciones
más precisas.
- Su objetivo es conseguir
una muestra lo más
semejante posible a la
población en lo que a las
variables estratificadoras
se refiere.

5
 Unidad 04 Investigación de Mercados

Se realizan varias fases de muestreo - Es muy eficiente cuando la - El error estándar

sucesivas (polietápico). población es muy grande y es mayor que en
Conglomerados

La necesidad de listados de las dispersa. el muestreo

unidades de una etapa se limita a - No es preciso tener un
aquellas unidades de muestreo listado de toda la
seleccionadas en la etapa anterior. población, sólo de las
unidades primarias de
muestreo.
aleatorio simple o
estratificado.
- El cálculo del
error estándar es
complejo.

4.2.2 MUESTREO NO PROBABILÍSTICO

A veces, para estudios exploratorios, el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extraída sea representativa, ya que no todos los
sujetos de la población tienen la misma probabilidad de se elegidos. En general se
seleccionan a los sujetos siguiendo determinados criterios procurando que la
muestra sea representativa.
Muestreo por cuotas: también denominado en ocasiones "accidental". Se asienta
generalmente sobre la base de un buen conocimiento de los estratos de la
población o de los individuos más "representativos" o "adecuados" para los fines
de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos
de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez determinada la
cuota, se eligen los primeros que se encuentren que cumplan esas características.
Este método se utiliza mucho en las encuestas de opinión.
Muestreo opinático o intencional: este tipo de muestreo se caracteriza por un
esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión
en la muestra de grupos supuestamente típicos. Es muy frecuente su utilización
en sondeos preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto.
Muestreo casual o incidental: se trata de un proceso en el que el investigador
selecciona directa e intencionadamente los individuos de la población. El caso más
frecuente de este procedimiento es el utilizar como muestra los individuos a los
que se tiene fácil acceso (los profesores de universidad emplean con mucha
frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios.

6
 Unidad 04 Investigación de Mercados

Bola de nieve: se localiza a algunos individuos, los cuales conducen a otros, y

estos a otros, y así 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.

Cálculo del tamaño muestral

A la hora de determinar el tamaño que debe alcanzar una muestra hay que tomar
en cuenta varios factores: el tipo de muestreo, el parámetro a estimar, el error
muestral admisible, la varianza poblacional y el nivel de confianza.
Para calcular el tamaño de una muestra hay que tomar en cuenta tres factores:
El porcentaje de confianza con el cual se quiere generalizar los datos desde
la muestra hacia la población total.
El porcentaje de error que se pretende aceptar al momento de hacer la
generalización.
El nivel de variabilidad que se calcula para comprobar la hipótesis.
La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe
para generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del
100% equivale a decir que no existe ninguna duda para generalizar tales
resultados, pero también implica estudiar a la totalidad de los casos de la
población.
Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a
ser prácticamente imposible el estudio de todos los casos, entonces se busca un
porcentaje de confianza menor. Comúnmente en las investigaciones se busca un
95%. Cuanto mayor sea una muestra, mayor será la confianza que se tenga en
su media. En un universo normalmente distribuido:
67% de las observaciones caen dentro de la primera desviación estándar.
95% caen dentro de dos observaciones de la media.
99% caen dentro de tres desviaciones de la media.
Para diferentes niveles de confianza se tienen valores diferentes de intervalos de
confianza, que se conoce como Z (ver tabla de curva normal al final):
50% de confianza, z = 0,674
90% de confianza, z = 1,645
95% de confianza, z = 1,96
99% de confianza, z = 2,576

7
 Unidad 04 Investigación de Mercados

El error o porcentaje de error equivale a elegir una probabilidad de aceptar una

hipótesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hipótesis
verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se
quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra
es del mismo tamaño que la población, por lo que conviene correr un cierto riesgo
de equivocarse.

Comúnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de

que no son complementarios la confianza y el error.

La variabilidad es la probabilidad (o porcentaje) con el que se aceptó y se rechazó

la hipótesis que se quiere investigar en alguna investigación anterior o en un
ensayo previo a la investigación actual. El porcentaje con que se aceptó tal
hipótesis se denomina variabilidad positiva y se denota por p, y el porcentaje con
el que se rechazó es la hipótesis es la variabilidad negativa, denotada por q.
Hay que considerar que p y q son complementarios, es decir, que su suma es
igual a la unidad: p+q=1. Además, cuando se habla de la máxima variabilidad, en
el caso de no existir antecedentes sobre la investigación (no hay otras o no se
pudo aplicar una prueba previa), entonces los valores de variabilidad es p=q=0.5.
Una vez que se han determinado estos tres factores, entonces se puede calcular
el tamaño de la muestra como a continuación se expone. Si conocemos el tamaño
de la población usaremos el método para poblaciones finitas. Si por el contrario,
el tamaño de la población es desconocido o infinito usaremos la otra alternativa.

Cálculo del tamaño muestral para población infinita o desconocida:

Z2 p q
n =
E2
Cálculo del tamaño muestral para población finita o conocida:

Z2 p q N
n =
E2 (N -1) + Z 2 p q

8
 Unidad 04 Investigación de Mercados

Donde
n Tamaño muestral
N Tamaño de la población o universo
Z Valor correspondiente a la distribución de Gauss 1,96 para a
=0,05 y 2,58 para a =0,01.
p Prevalencia esperada del parámetro a evaluar. En caso de
desconocerse, aplicar la opción más desfavorable (p=0,5), que hace mayor el
tamaño muestral.
q 1-p (Si p=30%, q=70%)
E Error que se prevé cometer. Por ejemplo, para un error del 10%,
introduciremos en la fórmula el valor 0,1.

Actividad 4:

Recuerde desarrollar la ACTIVIDAD 4 que se encuentra

en la sección Actividades de Aprendizaje del Aula digital,
y remitirla al tutor a través del aula.
n