EL PROCESO DE DISEÑO

DEL MUESTREO
Investigación de Mercados 1
MUESTRA O CENSO
• Población: La suma de todos los elementos que comparten
un conjunto común de características y que constituyen el
universo para el propósito del problema de la investigación
de mercados.
• Censo: Numeración completa de los elementos de la
población u objetos de estudio.
• Muestra: Subgrupo de elementos de la población
seleccionado para participar en el estudio.
Definición de la población meta
• población meta: Conjunto de elementos u objetos que poseen la
información buscada por el investigador, y acerca del cual se harán
inferencias.
• Elemento: Objetos que poseen la información buscada por el
investigador y sobre los cuales se harán inferencias.
• Unidad de muestreo: unidad básica que contiene los elementos de
población de la que se tomará la muestra
El proceso de
diseño del
muestreo
Elección de una técnica de muestreo
• Marco de muestreo: Representación de los elementos de la población meta.
Consiste en un listado o conjunto de instrucciones para identificar a la población
meta.

• Técnica bayesiana: Método de selección en que los elementos se seleccionan de

manera secuenciada. La técnica bayesiana incorpora en forma explícita la
información previa sobre los parámetros de la población, así como los costos y las
probabilidades asociadas con decisiones equivocadas.

• Muestreo con reemplazo: Técnica de muestreo en que un elemento puede incluirse

en la muestra en más de una ocasión.

• Muestreo sin reemplazo: Técnica de muestreo en la que no puede incluirse a un

elemento en la muestra en más de una ocasión.
Determinar el tamaño de la muestra

• El tamaño de la muestra se refiere al número de elementos que deben incluirse en el

estudio.
• Determinar el tamaño de la muestra es complicado e implica varias consideraciones
tanto cualitativas como cuantitativas. Entre los factores cualitativos importantes que
deben contemplarse al determinar el tamaño de la muestra se encuentran:
• 1. la importancia de la decisión,
• 2. la naturaleza de la investigación,
• 3. el número de variables,
• 4. la naturaleza del análisis,
• 5. tamaños de muestras utilizadas en estudios similares,
• 6. tasas de incidencias,
• 7. tasas de terminación
• 8. restricciones de recursos.
CLASIFICACIÓN DE LAS TÉCNICAS DE MUESTREO

Muestreo no probabilístico: Técnicas de muestreo que no usan

procedimientos de selección al azar, sino que se basan en el juicio
personal del investigador.

Muestreo probabilístico: Procedimiento de muestreo donde cada

elemento de la población tiene una oportunidad probabilística fija
para ser elegido en la muestra.
 TÉCNICAS DE MUESTREO NO PROBABILÍSTICO
• Muestreo por conveniencia: Técnica de
muestreo no probabilístico que busca
obtener una muestra de elementos
convenientes. La selección de las unidades
de muestreo se deja principalmente al
entrevistador.

• Algunos ejemplos de muestreo por

conveniencia incluyen:
➢ 1. uso de estudiantes, grupos de la iglesia y
miembros de organizaciones sociales;
➢ 2. entrevistas en centros comerciales sin
calificar a los encuestados;
➢ 3. uso de listas de cuentas de crédito de las
tiendas departamentales;
➢ 4. cuestionarios desprendibles incluidos en
revistas
➢ 5. entrevistas con “gente en la calle”
Muestreo por juicio
• El muestreo por juicio es una forma de muestreo por conveniencia, en el cual los
elementos de la población se seleccionan con base en el juicio del investigador.
• El investigador utiliza su juicio o experiencia para elegir a los elementos que se
incluirán en la muestra, porque considera que son representativos de la
población de interés, o que de alguna otra manera son adecuados.

• Entre ejemplos comunes del muestreo por juicio se encuentran:

➢ 1. mercados de prueba seleccionados para determinar el potencial de un nuevo producto;
➢ 2. ingenieros de compras elegidos en una investigación de mercados industriales, porque se
les considera representativos de la compañía;
➢ 3. indicadores de distritos electorales seleccionados en la investigación de la conducta de
emitir sufragios;
➢ 4. testigos expertos usados en los tribunales; y
➢ 5. tiendas departamentales elegidas para probar un nuevo sistema de exhibición de
mercancía.
 • El muestreo por cuotas puede considerarse
como un muestreo por juicio restringido de

Muestreo dos etapas. La primera etapa consiste en

desarrollar categorías de control, o cuotas,
de los elementos de la población. Para

por desarrollar estas cuotas, el investigador lista

las características de control relevantes y
determina su distribución en la población
cuotas meta. Las características de control
relevantes (que pueden incluir sexo, edad y,
en algunos casos, raza) se identifican con
base en el juicio
¿Están a la altura de las circunstancias los
lectores de revistas en áreas metropolitanas?
• Se realizó un estudio para determinar el índice de lectores de ciertas
revistas, entre la población adulta de un área metropolitana con una
población de 350,000 habitantes. Se seleccionó una muestra por
cuotas de 1,000 adultos. Las características de control fueron sexo,
edad y raza. Con base en la composición de la población adulta de la
comunidad, las cuotas se asignaron de la siguiente manera:
Muestreo de bola de nieve

• Técnica de muestreo no probabilístico

en la cual se selecciona al azar al grupo
inicial de encuestados. Los encuestados
posteriores se seleccionan con base en
las referencias o la información
proporcionada por los encuestados
iniciales. Este proceso puede realizarse
en olas para obtener referencias de las
referencias.
TÉCNICAS DE MUESTREO
PROBABILÍSTICO

TÉCNICAS DE MUESTREO PROBABILÍSTICO

Muestreo Aleatorio Simple (MAS)
• Técnica de muestreo probabilístico donde cada elemento de la
población tiene una probabilidad de selección equitativa y conocida.
Cada elemento se selecciona de manera independiente a los otros
elementos y la muestra se extrae mediante un procedimiento
aleatorio del marco de muestreo.
Representación de una muestra como subgrupo.
Esquema de la generalización de la muestra a la población.
muestreo sistemático
• Para obtener una muestra usando el muestreo sistemático, se
selecciona un punto de inicio aleatorio y luego se elige de manera
sucesiva cada i-ésimo elemento del marco de muestreo. Para
determinar el intervalo de muestreo, i, se divide el tamaño de la
población (N) entre el tamaño de la muestra (n) y se redondea al
número entero más cercano. Por ejemplo, suponga que la población
consta de 100,000 elementos y se desea una muestra de 1,000. En
este caso, el intervalo de muestreo (i) es 100. Se elige un número
aleatorio entre 1 y 100. Si este número es, por ejemplo, 23, la
muestra estará formada por los elementos 23, 123, 223, 323, 423,
523, etcétera
muestreo estratificado
• El muestreo estratificado es un proceso de dos pasos en que la población se
divide en subpoblaciones o estratos.
• Los estratos tienen que ser mutuamente excluyentes y colectivamente
exhaustivos, por lo que cada elemento de la población debe asignarse a un único
estrato sin omitir algún elemento de la población.
• A continuación se seleccionan los elementos de cada estrato mediante un
procedimiento aleatorio, por lo regular el muestreo aleatorio simple.
• Aunque en teoría sólo debe emplearse el muestreo aleatorio simple para
seleccionar los elementos de cada estrato, en ocasiones se emplean el muestreo
sistemático y otros procedimientos de muestreo probabilístico. A diferencia del
muestreo por cuotas, en el muestreo estratificado los elementos de la muestra se
seleccionan de manera probabilística y no con base en la conveniencia o el juicio.
Un objetivo importante del muestreo estratificado consiste en incrementar la
precisión sin aumentar el costo
muestreo por conglomerados
• En el muestreo por conglomerados, la población meta primero se divide en
subpoblaciones o conglomerados mutuamente excluyentes y
colectivamente exhaustivos.
• Luego se selecciona una muestra aleatoria de conglomerados con base en
una técnica de muestreo probabilístico, como el muestreo aleatorio simple.
Para cada conglomerado seleccionado, se incluyen todos los elementos en
la muestra, o se toma una muestra de elementos en forma probabilística. Si
se incluye en la muestra a todos los elementos del conglomerado
seleccionado, el procedimiento se denomina muestreo por conglomerados
de una etapa.
• Si de cada conglomerado seleccionado se extrae de manera probabilística
una muestra de elementos, el procedimiento es un muestreo por
conglomerados de dos etapas.
muestreo por área
Forma común de muestreo
por conglomerados en que los
conglomerados están formados
por áreas geográficas como
condados, zonas habitacionales,
manzanas u otras descripciones
de áreas

muestreo probabilístico
proporcional al tamaño
Técnica de selección en el cual la
probabilidad de seleccionar los
conglomerados es proporcional
al tamaño, y la probabilidad de
seleccionar una unidad de muestreo
de un conglomerado seleccionado
varía inversamente con
el tamaño del conglomerado
• muestreo por secuencia Técnica de muestreo probabilístico en que
los elementos de la población se muestrean en secuencia, en cada
etapa se realizan la recolección y el análisis de datos, y se decide si
deben muestrearse elementos adicionales de la población.
• muestreo doble Técnica de muestreo en la que ciertos elementos de
la población se muestrean dos veces.
Muestreo: determinación del
tamaño final e inicial de la
muestra
Para determinar la muestra es necesario considerar
primero cual es nuestro universo

Se entiende por universo al total de elementos que

reúnen ciertas características homogéneas, los cuales
son objeto de una investigación.
POR EJEMPLO…

El total de bebés en una ciudad (para una fábrica de cunas)

El total de familias de una ciudad, con ingreso mensual

superior a $2,000 que son clientes potenciales

Número de tiendas que venden artículos fotográficos dentro

de una región

Número de industrias que fabrican computadoras.

 El universo puede ser finito o infinito

Se le considera finito
cuando el número Se le considera
de elementos que lo infinito cuando es
constituyen es mayor
menor que 500,000
 MUESTRA

• La muestra es una
parte del universo
que debe
presentar los
mismos
fenómenos que
ocurren en él.
 XI: LA MILÉSIMA PARTE DEL UNIVERSO
X1, X2, X3, X4…. XN= MUESTRA

X X
1 3

X
2

X X
n 4
 EJEMPLO DE LA SOPA
La utilidad de usar muestras se puede ilustrar en el
ejemplo del ama de casa que desea saber si ha puesto
suficiente sal a la sopa.
Para ello toma una cuchara, la prueba y saca
conclusiones que se refieren no sólo a la pequeña
muestra que probó si no a toda la sopa preparada
(universo).
¿Qué pasaría si no pudiera confiar en su muestra?
Tendría que comerse toda la sopa para saber la
cantidad de sal que contiene.
 OBJETIVOS DE LA MUESTRA
Para que la muestra alcance los objetivos preestablecidos
debe reunir las siguientes características.
Ser representativa: Es decir, todos sus elementos
deben presentar las mismas cualidades y
características.

Ser suficiente: La cantidad de elementos

seleccionados, si bien tiene que ser representativa
del universo, debe estar libre de errores.
VENTAJAS DE USAR MUESTRAS
Menor costo: Los gastos se harán sobre una
mínima parte del universo.

Menor tiempo: Se obtiene con mayor rapidez

la información, ya que sólo se estudia cuna
pequeña parte.

Confiabilidad: Una vez comprobada la

representatividad de una muestra, podrá emplearse
con entera confianza l procedimiento de selección en
los próximos estudios de otros universos.

Control: Es fácil acudir a los resultados finales

del estudio con fines de consulta.
CÁLCULO DEL TAMAÑO DE LA MUESTRA
• Determinar el tamaño
de la muestra que se
tomará del universo es
un problema complejo,
pues aunque se utilicen
las fórmulas expuestas
a continuación, hay
otros que se deben
considerar.
• El cálculo del tamaño de la muestra se realiza
mediante dos fórmulas distintas, según se trate
de una población finita o infinita.

• En cualquier caso, los valores contenidos en

aquellas se obtienen por medio de los siguientes
pasos.
 PASOS:
1.- Se determina le grado de confianza con El que se
va a trabajar (𝑥 = promedio del universo)
Si 𝑥 = 𝜕 𝑠𝑖𝑔𝑚𝑎
se abarca el 68% de los casos, o 1
Si 𝑥 =1.96; igual a 95% de los casos.
Si 𝑥 = 2.58; igual a 99% de los casos. (véase tabla)
TABLA 3.1 ÁREAS
BAJO LA CURVA
 PASOS…
2.- Se evalúa la situación que guarda en el mercado el
fenómeno o característica investigada. Cuando no se
tiene una idea clara de esta situación, es necesario
dar los máximos valores tanto a la probabilidad de
que se realice el evento favorable, como a la de que
no se realice.
• Esto es 50% a (p) y 50% (q) que son las literales que se
emplean para designar la probabilidad a favor o en
contra, respectivamente.
PASOS..
3.- Se determina el error máximo que puede ser
aceptado en los resultados. Por lo regular se
trabaja con el 5% ya que las variaciones
superiores al 10% reducirán demasiado la
validez de la información.
 PASOS…

4.- Por último, de la combinación delos

elementos calculados en los puntos 1, 2,
3, se obtienen las fórmulas para la
determinación de las muestras de
universos finitos o infinitos.
 MUESTRA EN POBLACIONES INFINITAS
La fórmula para poblaciones infinitas (más de 500,000
elementos) es la siguiente:
• En la práctica, generalmente se trabaja con un grado
de precisión de ente 2% y 6% para un 95% de
confianza.

• El siguiente ejemplo, que considera un error de

estimación del 2% y un nivel de confianza del 95%,
supone que después de un análisis previo de la
situación, se encontró que la participación de
mercados del producto ascendía aproximadamente al
30%
EL TAMAÑO DE LA MUESTRA SE DETERMINARÍA:
MUESTRA EN POBLACIONES FINITAS
Para poblaciones finitas (menos de 500 000 elementos) se
utiliza la siguiente fórmula:
EJEMPLO:
• Se planea llevar a cabo una
investigación para determinar
la investigación de hogares
que tienen refrigerador; es
necesario calcular el tamaño
de la muestra requerida, con
un intervalo de confianza de
95% y una estimación de 5%. La
investigación se llevara a cabo
en una población de 1500
familias.
ERROR DE ESTIMACIÓN

• Se utiliza principalmente para tres propósitos:

1. Comparar la precisión obtenida por el muestreo simple aleatorio

con otros métodos de muestreo
2. Estimar el tamaño de la muestra que se necesita en una
investigación.
3. Estimar la precisión obtenida en una investigación.
A continuación se presenta la fórmula para el cálculo del error de
estimación dentro de un 95% de confianza 0 1.96𝜕.
Con ayuda de esta tabla no es necesario
desarrollar la fórmula.
20-24 462 819 ⇐+2.3% 452 411