COM 350

UNIDAD 8
PRINCIPIOS DEL
MUESTREO

1
PRINCIPIOS DEL MUESTREO.
Al realizar una investigación de mercado con un enfoque decisorio, acudimos a la búsqueda de
datos estadísticos en fuentes secundarias, sin embargo en nuestro medio estos datos son de tipo
genérico poniendo énfasis en algunos conceptos que son insuficientes para un determinado objetivo
de investigación, es por eso que se hace necesario la búsqueda de información de conceptos
particulares como ser el porcentaje de personas que consumen un determinado producto, el rango
de edades que prefieren una determinada marca etc. Para estos casos es necesario la utilización de
una determinada técnica de investigación que por lo general es la encuesta que estadísticamente sea
representativa.
El investigador tiene dos alternativas para la obtención de datos de fuentes primarias, la primera
consiste recopilar datos de todos los elementos de una población definida al que denominamos
censo y la segunda recopilar datos de algunos elementos representativos de la población a la que
denominamos muestra. La muestra también se define como un grupo de elementos extraídas de una
población definida previamente de acuerdo a un plan establecido de sorteo.
Una de las condiciones para que se considere válida la muestra es la representatividad que solo se
da cuando esta se encuentra conformado por un numero suficientemente grande de elementos que
son extraídos de una población o universo al azar.
Otro concepto que es importante destacar en el estudio muestral es la población o también
denominada universo, que es una agrupación de todos los elementos que se encuentran en estudio
de los cuales se obtienen una determinada conclusión.
La práctica muestral se basa en dos principios estadísticos el primero se refiere al principio de la
regularidad estadística donde un grupo cualquiera de objetos extraídos al azar de un grupo más
importante tiene la tendencia a presentar las mismas características que el último y la segunda el
principio de la inercia de los grandes números que indica que los grandes grupos son más estables
que los pequeños y un cambio cualquiera de algunas de las unidades en un gran grupo se compensa
por otros cambios de signo contrario en otras unidades.
DIFERENCIA ENTRE POBLACION Y MUESTRA.
Existen diferencias entre los conceptos de población o universo y las de muestra, la población
considera el numero total de elementos previamente definidos, su característica son los parámetros
que es una característica de la población como ser la media poblacional, la varianza poblacional
cuyos símbolos difieren al de la muestra, tales como la población que se denomina con el símbolo
de “N”, la media poblacional con el símbolo “µ”, la desviación estándar de la población con el
símbolo “σ”. Mientras que la muestra es una porción de la población que se selecciona para un
estudio determinado, su característica es el estadígrafo que representa una característica de una
muestra tales como la media muestral, la varianza muestral cuyos símbolos son “n” para la muestra,
“ x ” para la media muestral y “s” para la desviación estándar de la muestra.
Causas que motivan el empleo de muestras en los trabajos de investigación de mercado.
Teóricamente la utilización del censo es el medio más exacto para una determinada investigación,
sin embargo el censo tiene ciertas dificultades que merman su exactitud, la aplicación de un censo
en poblaciones grandes implica la incorporación de muchos encuestadores, que en un momento
determinado se hace incontrolable la supervisión pudiendo ser la fuente de la generación de errores

2
de tipo no muestral como la forma de plantear una determinada pregunta, inducir a una determinada
respuesta etc.
La medición de todos los elementos mediante un censo requiere de mucho tiempo para la obtención
de datos,
Cuando el universo es muy grande, resulta técnica y económicamente muy costosa tornar
información de todos y cada uno de los miembros que componen el universo, en consecuencia se
precede a elegir una parte de este universo que reúne, a escala, todas las características y peculiari-
dades del universo de forma que pueda representarlo. A esta parte representativa se la denomina
muestra y la investigación actuará sobre ella.
Para introducir el concepto de universo es importante considerar que toda: investigación se centra
sobre un campo determinado del cual se han de recoger los datos y la información. De esta forma
llegamos al concepto de universo que está constituido por todos los individuos físico o Jurídico de
los cuales deberá recogerse información representativa. Es, pues, imprescindible determinar cuál ha
de ser el universo de investigación que se va estudiar.
PASOS EN LA SELECCIÓN DE UNA MUESTRA.

Elemento
Unidad
Alcance
Tiempo

Identificacion del marco

muestral

Determinar el tamaño
de muestra

Seleccionar un proce -
dimiento de muestreo

Seleccionar la muestra

3
Al determinar una muestra es necesario seguir una serie de pasos que permitan la selección
adecuada del elemento de una determinada población, para ello es necesario primero definir la
población de estudio cuyos componentes son el elemento en estudio, la unidad de muestreo, el
alcance de la investigación y el tiempo en el que se realiza la investigación.
Elemento.
Es la unidad acerca de la cual se solicita información, un elemento puede estar representado por
productos, personas, objetos, empresas, familias, etc. Que permita ser sujeta a medición.
Unidad de muestreo
Una unidad de muestreo es el elemento o elementos disponibles para su selección en alguna etapa
del muestreo, ningún elemento de la población puede ser muestreado más de una vez.
Alcance
Es la cobertura y representación total de una población sobre la cual se infiere.
Tiempo
Es la definición de un momento en el tiempo en el que se levanta la información.
Un ejemplo de la definición de la población se detalla a continuación:
Se está realizando una investigación de mercado en la ciudad de Santa Cruz cuyo objetivo es
conocer la preferencia de de colores de lápiz labial de las mujeres comprendidas entre los 15 años a
20 años de edad.
• Elemento de estudio: Mujeres entre 15 y 20 años.
• Unidad de muestreo: Mujeres entre l5 y 20 años.
• Alcance : 1r. Y 2do anillo de la ciudad de Santa Cruz.
• Tiempo : 1 y 2 de Noviembre del año 2003.
En este ejemplo se puede observar que tanto la unidad de muestreo como el elemento de estudio
son mujeres de 15 a 20 años de edad.
La definición de otro tipo de objetivo de investigación pude permitir diferenciar con mayor claridad
la unidad de muestreo y el elemento de estudio. Ej. Se esta realizando una investigación de
mercado en la ciudad de Santa Cruz, para determinar los hábitos de consumo familiar del café
instantáneo.
• Elemento de estudio: Amas de casa.
• Unidad de muestreo: Los hogares.
• Alcance : La ciudad de Santa Cruz.
• Tiempo : 1 y 2 de Noviembre del año
El segundo paso en la selección de la muestra es la determinación del Marco muestral que está
considerado como una lista de todas las unidades de muestreo disponibles para su selección en una
etapa del muestreo. Un ejemplo puede ser el directorio de las empresas de una determinada
industria, la lista de los socios de COTAS. EL directorio de empresas de la Cámara de Industria y
Comercio, etc.

4
Un tercer paso consiste en la determinación la forma como se tomará la muestra del marco
muestral, existen varias alternativas para este efecto como ser el muestreo aleatorio simple, el
muestreo estratificado, sistemático, etc.
Como una cuarta etapa se debe calcular el tamaño de muestra, donde se determinará un número
determinado de elementos que permita inferir sobre la población en estudio. Para la selección de
una muestra debe estimarse varios estadígrafos de la población en estudio. Ej. Media, varianza,
error, etc.
Por último se debe seleccionar los elementos de estudio, para ello debe aplicarse alguna
metodología como por ejemplo en el caso de la ciudad de Santa Cruz, primeramente se puede elegir
las U.V. para luego de estas elegir las manzanas y por ultimo las viviendas donde se encuentra el
elemento en estudio.
TIPOS DE MUESTREO.
Desde un punto de vista genérico es posible determinar dos tipos de muestreo, aquellos llamados
probabilísticos y no probabilísticos denominados también determinístico.
El siguiente cuadro muestra un detalle de esta clasificación.
TIPOS DE MUESTREO

MUESTREO

PROBABILISTICO NO PROBABILISTICO

1. Aleatorio Simple 1. Casuales

2. Estratificado 2. Intencionales
3. Por grupos 3. Por cuotas
4. Sistemático
5. Por áreas

El Muestreo no probabilistico.
El muestreo no probabilistico se denomina también Muestreo no Aleatorio debido a que los
elementos son elegidos de forma no aleatoria, Este procedimiento esta sujeto a errores debido a que
se confía juicio subjetivo de personas, y la eleccion de la unidad es de forma caprichosa e
intencionada.
Dentro de este grupo de muestreo no probabilisticos tenemos:
1. Muestreos causales

5
 2. Muestreos intencio
3. Muestreo por cuotas.
Muestreo casuales.
Esta técnica consiste en entrevistar a personas en forma casual, es una de las técnicas preferidas
utilizadas en los medios de comunicación cuando tratan de recabar opiniones sobre un determinado
hecho.
Ej. Reporteros de un canal de TV de nuestra ciudad quiere saber la opinión que tienen las personas
sobre las tradiciones que tienen en las fiestas de fin de año, para este efecto el reportero se ubica en
un determinado mercado y empieza a entrevistar a un numero determinado de personas, luego a
base de esas opiniones puede concluir sobre las costumbres que se tienen en las fiestas de fin de
año.
Este muestreo no requiere de grandes lapsos de tiempo, en términos de costo son muy baratos y se
puede apreciar ciertas deficiencias en su proceso.
Este muestreo se recomienda utilizar en la etapa de la investigación informal.
Muestreo intencional.
El muestreo intencional es la selección de algunos elementos de la población que tienen una
característica peculiar que es de interés del investigador, sobre todo si del elemento seleccionado se
puede extraer información específica para su posterior análisis.
Este muestreo tiene mucha subjetividad especialmente en el momento de seleccionar el elemento.
Ej.
Al realizar la confección de un escenario que servirá para el proceso de la elaboración de una
estrategia comercial, se escogerá a expertos que puedan opinar y calificar variables relacionadas al
sector con mucha solvencia.
En la elección de los elementos que serán sujetas a estudio, el investigador deberá evaluar
detalladamente y con mucha responsabilidad aquellas características que sean la representación de
la población.
Muestreo por cuotas.
El muestreo por cuotas también denominado por cupos es considerado de alguna forma un
muestreo estratificado e intencional, donde el investigador define algunas características
sociodemográfico como ser edad, sexo, nivel de ingreso, zona geográfica, etc. Que servirá de base
para la selección de elementos similares a la población.
Otro elemento necesario para la determinación de la muestra mediante cuotas es el conocimiento de
la composición porcentual de la variable a ser utilizada en la determinación de la muestra lo que
permitirá dar validez a esta forma de muestreo.
Ejemplo.
Se desea conocer la opinión que tienen las personas sobre los diferentes estilos que tienen los
canales televisivos en sus programas informativos.

6
Para este fin, el investigador considera como variables importantes de opinión las edades
comprendidas entre los 20 años y 60 años, el sexo y el grado académico.
Los datos estadísticos nacionales revelan que la composición de la población en nuestro
departamento son los siguientes:
EDAD %
De 20 a 30 años 45%
De 30 a 40 años 23%
De 40 a 50 años 18%
De 50 a 60 años 14%
SEXO
Masculino 48%
Femenino 52%
FORMACION PROFESIONAL %
Doctorado 8%
Maestría 22%
Licenciatura 45%
Técnico Superior 18%
Técnico Medio. 7%
Sobre esta información se puede calcular el tamaño de la muestra:

VARIABLE Nr. DE
CATEGORIAS

Edad 4
Sexo 2
Formación Académ. 5

El tamaño de la muestra será (4*2*5) = 40 elementos

Cuyas características deberán ser iguales a las de la población.
MUESTREO PROBABILISTICO O ALEATORIO
El muestreo probabilística tiene dos características generales que ha logrado ganar la aceptación de
todos los investigadores de mercado, la primera se debe a su característica probabilística donde
cada uno de los elementos de la población tiene la misma probabilidad de ser seleccionada y la
segunda se relaciona a su aleatoriedad al momento de su elección.
Uno de los errores más frecuentes que se comete a momento de definir el tamaño de la muestra es
pensar que esta depende del tamaño de la población y no de la precisión de la información, esto
quiere decir que si una población tiene 100.000 elementos y su tamaño muestral es 100 una
población de 1 millón de elementos deberá tener una muestra de 1.000 elementos.

7
TAMAÑO DE LA MUESTRA.
El investigador deberá considerar algunos elementos a momento de definir el tamaño muestral, si
se considera que la decisión que se debe tomar es muy importante el tamaño muestral debe ser más
grande, de igual forma sucede si existen muchas variables a investigar.
En algunas investigaciones se observa que la población en estudio es muy heterogénea, es entonces
que se recomienda el uso de muestras grandes.
El muestreo tiene su basamento en dos grandes principios, el primero hace referencia al principio
de la regularidad estadística y el segundo al principio de la inercia de los grandes números. El
primero dice que un grupo cualquiera de elementos extraídos al azar de un grupo más importante,
tiene la tendencia a presentar la misma característica que el último elemento. El segundo principio
indica que los grandes grupos son más estables que los pequeños grupos y un cambio cualquiera de
algunas unidades en un gran grupo se compensan por otros cambios de signo contrario en otras
unidades.
EL ERROR ESTANDAR O ERROR MUESTRAL.
Considerando los dos principios del muestreo se admite que trabajar con muestras grandes, los
errores que se puedan producir en un determinado sentido se compensan con errores que se
cometan en sentido contrario.
Si de una misma población extraemos en forma aleatoria diversas muestras de idéntico tamaño, se
puede observar que las desviaciones de cada muestra tienden agruparse alrededor de los valores que
tiene la población. Realizando una representación gráfica sobre un eje de coordenadas de tales
desviaciones se obtiene una campana de gauss en forma simétrica que corresponde a una
distribución de tipo normal.

68.3%

95.5%

99.7%

-3 -2 -1 0 1 2 3 σ

Esta curva indica que son más frecuentes las observaciones próximos a la media y más escasas las
que se alejan de la misma. Eso significa que los valores medios de cada una de las muestras
indicará el valor probable de la media del universo.
Este concepto se utiliza en la investigación de mercado debido a que las conclusiones en todas las
variables debe reflejar la media de la población, Ej. El consumo promedio, la edad promedio, las
compras promedio, los ingresos promedio, etc.

8
Esta distribución de las medias de las diferentes muestras cuenta con su propia desviación que se
denomina “Desviación Típica” que es denominado en estudios muestrales como error estándar
que se produce en la medida que se aleje del valor central.
Este error estándar se puede calcular tanto para variables de rango o numéricas, como para
variables de tipo nominal.
Se puede definir el error estándar como el conciente entre la desviación típica de la muestra y la
raíz cuadrada del número de unidades de la muestra.
Error estándar en variables numéricas o de rango.

σn = Error..estandar
σs
σn = σs = Desviacion..Tipica..de..la..muestra
n
n = Numero..de..unidades..de..la..muestra

Error estándar en caso de proporciones.

σp = Error..esandar..proporcional
p. q p = Porcentaje..en..que..se..produce..el..fenomeno.
σp =
n q = Porcentaje..complementario
n = Tamaño..de..la..muestra

DISTRIBUCION DE LA CURVA NORMAL

En la investigación de mercados se utilizan mucho los diversos métodos de muestreo. Por tal razón,
debemos extendernos más en su conocimiento; sin embargo, es oportuno comenzar explicando en
forma breve la curva normal de distribución de frecuencias, o de Gauss.
Cuando se clasifican los datos de un determinado fenómeno según la intensidad de las diversas
modalidades, y se reproducen los valores en un sistema de ejes cartesianos, toman la forma de una
curva, la cual se denomina curva de distribución. Ahora bien, cuando dicha curva toma la forma de
una campana perfectamente simétrica respecto a la ordenada principal, y por consiguiente queda
integrada por mitades, se le denomina curva normal de distribución.
Su principal utilidad radica en que hace posible determinar matemáticamente el error de las
desviaciones de una serie de observaciones con respecto a su media, cuando éstas se han tomado
aleatoriamente y se ha efectuado un número suficientemente grande de ellas. Asimismo, esta curva
nos permite cuantificar probabilidades, mediante la conversión a una curva normal estandarizada
cuyos parámetros son:

x = 0 y S² = 1

El área bajo la curva es igual a 1 y los valores de la variable ( x ) se distribuyen de menos infinito a
más infinito. En el primer caso la probabilidad de x es igual a 0 y en el segundo igual a 1. Lo
anterior queda explicado claramente en el siguiente gráfico:

9
 y

−α x=0 +α

s =1

Las coordenadas de una curva normal estandarizada son:

z ≈ N (0 , 1 )
Para realizar la conversión de una normal a una normal estandarizada, se tomael valor de z como
equivalente de la variable x. La fórmula resumida para obtener el valor de z es la siguiente:

x-x
z=
s

x = variable
x = promedio aritmético
s =desviación estándar ; Donde:

x=
∑x y para una Serie de clases y frecuencias x=
∑x f
n f
Una vez calculado el valor de z se deberá buscar su correspondiente en tablas, utilizando para ello
la tabla de áreas bajo la curva normal. Por otra parte, una de las propiedades más interesantes de la
curva normal de distribución, constituye el hecho de que al sumar y restar a la media su desviación,
es posible cuantificar exactamente las probabilidades; así tenemos que:

El 68,26 por ciento de las observaciones quedará comprendido entre x ± 1 s.

El 95 por ciento de las observaciones quedará comprendido entre x ± 1.96 s
El 99 por ciento de las observaciones quedará comprendido entre x ± 2.58 s
Ejemplo:
Se ha realizado una investigación para determinar el tamaño de calzados que calzan niños entre las
edades de 10 a 13 años, cuya muestra es de 284 niños, en la cual obtiene una media de 23.5 cm. Y
una desviación de 1.5 cm.
Se desea determinar el porcentaje aproximado de niños que calzan entre 21 y 22 y entre 24 y 25.

10
 23.5

21 22 24 25
z
Z1 Z2 Z3 Z4

x = 23.5
S = 1.5
n = 284
a) = p (21 - 22)
b) = p (24 - 25)

Realizando operaciones tenemos.

21 - 23.5
Z1 = = 1.67 Buscando valor en tablas z debajo de la normal = 45.25%
1.5

11
 22 - 23.5
Z1 = = 1.00 Buscando valor en tablas z debajo de la normal = 34.13%
1.5
25 - 23.5
Z1 = = 1.00 Buscando valor en tablas z debajo de la normal = 34.13%
1.5
24 - 23.5
Z1 = = 0.33 Buscando valor en tablas z debajo de la normal = 12.93%
1.5
Determinando diferencias:
a) 45.25% - 34.13% = 11.12%
b) 34.13% - 12.93% = 21.20%
Se puede esperar que el 11.12 % de la población de niños entre 10 y 13 años calcen zapatos del
número 21 al 22. y es de esperar que el 21.20 % de la población de niños entre las edades ya
mencionadas calcen entre el número 24 y 25.

TAMAÑO DE MUESTRA
Muestreo aleatorio simple.
Para la determinación del tamaño de muestra en la investigación de mercado, el investigador debe
basarse en el objetivo de investigación, puesto que existen objetivos de tipo cualitativo como ser
“Determinar los hábitos de consumo del café de las familias en la ciudad de Santa Cruz”, como
también existen objetivos de tipo cuantitativo como “Determinar el potencial de consumo de
mermeladas en la ciudad de Santa Cruz”.
Cuando se trata de investigaciones cuyo objetivo sea cuantitativo, el investigador deberá tener datos
aproximados del valor de la desviación estándar de la variable de mayor trascendencia, así como
tomar decisiones sobre el error deseado para la investigación como el nivel de confianza.
Para poblaciones infinitas.

Z = Coheficiente..de..confianza
Z2 xS2
n= S = Desviacion..Standard.
e2
e = Error

Para poblaciones finitas.

Formula de corrección.

Para definir una población como finita o infinita se puede aplicar el siguiente criterio.
Es denominada poblaciones infinitas cuando un universo se encuentra por debajo de
100.000.Elementos.

Se considera como poblaciones infinitas cuando sus elementos son mayores a 100.000 Elementos.

12
Si se cumpliera esta condición como población finita se debe aplicar la siguiente formula de
corrección.

n
no =
n
1+
N

Solo se utiliza en trabajos de campo cuando las investigaciones son de tipo cuantitativo.

Muestreo aleatorio simple.

Por proporciones.

Z 2 . p. q
n= Para poblaciones infinitas.
e2
Factor de corrección en poblaciones finitas

n
no =
n
1+
N

Muestreo aleatorio estratificado.

El muestreo estratificado divide la muestra en dos o más grupos, llamados estratos para luego
obtener una muestra de cada uno de los estratos.

Caso 1.
Independencia con relación a la población.
En este caso de muestreo no consideramos una variable mediante el cual se realiza la
estratificación,
Ejemplo.
Se tiene un tamaño de muestra de 900 esto debe dividirse en tres estratos que son alto medio y
bajos.
Los 900 se divide en tres estratos definidos.

Clase Alta na = 300

Clase Media nb = 300
Clase Baja nc= 300

Por tanto a cada estrato se debe encuestar a trecientos elementos.

13
Caso 2.

Dependencia con relación a la población.

En este caso si se considera la poblacion y el peso poblacional para distribuir la muestra.

Muestreo estratificado con afijacion proporcional.

El tamaño de cada estrato en la muestra es proporcional a su tamaño en la población

Se pueden presentar dos casos en el muestreo con afijacion proporcional:

POBLACIONES FINITAS: POBLACIONES INFINITAS:

n
Wh. * S 2 h σ 2 * N ∑ Wh * S 2 h
n= n
n= i =1
2 ∑Wh * S 2
h n
e
+ i =1 e 2 ( N − 1) + σ 2 ∑ Wh * S 2 h
σ2 N i =1

Muestreo estratificado con afijación optima.

La aplicación de este modelo de determinación de muestra es aplicable cuando se trata de generar

el mínimo error en los estratos:
El muestreo estratificado con afijación optima es el que genera el mínimo error estándar en el
calculo global.

POBLACIO INFINITA POBLACION FINITA

σ 2 N (∑ WhSh) 2
N
(∑ WhSh ) 2 n= N
n= i =1
e 2 ( N − 1) + σ 2 ∑ Wh * Sh 2
e2
+
∑ Wh * Sh 2
i =1
σ 2
Nh

14
 n = Tamaño..de..muestra
 Nh 
Wh = Peso..relativo..del..estrato..h.. 
 N..total 
Z = M arg en..de..confianza
N = Universo
e = error..de..estimacion
N − 1 = Factor..de..correccion..por..finitud
Sh = Desviacion..s tan dard..del..estrato..h
Muestreo por conglomerados.

Es una técnica de muestreo probabilístico donde la población se divide en grupos, para luego de
cada grupo elegir elementos o unidades.

El procedimiento de un muestreo por conglomerados es el siguiente:

Dividir la población la población en grupos basados en una variable.

Seleccionar aleatoriamente para su estudio algunos grupos.

Eligen los elementos de estos grupos seleccionados.

Es frecuente la confusión del muestreo estratificado con el conglomerado por lo tanto es importante
considerar las siguientes diferencias:

ESTRATIFICADO CONGLOMERADO

La población se divide en pocos grupos, la población se divide en muchos grupos,

máximo 6, pero con muchos elementos,
La segmentación del grupo es a base de una
variable.
Los grupos son homogéneos, pero heterogéneos
comparado con otros.
El elemento de cada grupo se selecciona
aleatoriamente.
pero con pocos elementos.
La segmentación del grupo es por
conveniencia o costo.
Son varios grupos heterogéneos entre si
con elementos heterogéneos.
Los grupos se seleccionan aleatoriamente,
y luego se los estudia a sus elementos de
cada grupo.

15
Muestreo sistemático.

Es una técnica de muestreo probabilístico que permite seleccionar elementos o unidades de una
lista muestra.

Para su cálculo se emplea la siguiente formula.

K = Muestreo sistemático.
N
k= N = Universo o población.
n n = Tamaño de muestra.

4. Recolección de datos.

La recolección de datos es la aplicación de los cuestionarios o formularios a los elementos

seleccionados en la muestra.

Para que esta etapa sea exitosa previamente se debe realiza la capacitación de los encuestadores y
supervisores de campo, en ella se dan las instrucciones de cómo se llena los cuestionarios o
formularios.

Son dos personas importantes que tienen la tarea de levantar datos de los elementos de la muestra,
por un lado el supervisor, responsable de monitorear el trabajo de los encuestadores y el
encuestador responsable de levantar el dato.

5. Tabulación y Análisis.

Los datos recogidos anteriormente han de ser revisados, contados e interpretados. Para ello existen
cuatro fases muy diferenciadas:

a. Revisión de los datos primarios.

Formulario a formulario y dato a dato, han de ser revisados por un experto en métodos y técnicas
de recogida de datos. Es muy frecuente encontrar formularios deficientes, con indicaciones erró-
neas o con informaciones que se prestan a confusión. El experto analizador ha de dejar listos para
su recuento.

b. Revalidación de la muestra

Tanto el universo como su muestra representativa son determinados partiendo de unas definiciones
y de unos supuestos teóricos.

16
En algunos casos se puede comprobar cómo una muestra no se ajusta a un margen de error previsto
y evidencia una gran variación entre la muestra teórica y la muestra real, en consecuencia se debe
comprobar y medir esa variación mediante las formulas del error a objeto de valorar su importancia
y sus efectos en el proceso investigador. En ciertas ocasiones es obligado echar marcha atrás y
repetir la etapa anterior del proceso investigador, y en otras simplemente realizar alguna nueva
recogida de datos al objeto de percatamos objetivamente de la validez de la muestra sobre la que
han actuado los métodos.

6. Tabulación.

Es la operación de recuento, clasificación y representación en tablas o cuadros numéricos de todos

los datos recogidos, una vez han sido revisados y posteriormente a la comprobación de la
representación real de la muestra elegida

Para la tabulación de los cuestionarios se utilizan varios paquetes computarizados que existen en el
mercado, uno de los más utilizado por los investigadores en ciencias sociales es el denominado
SPSS. Actualmente existen muchas versiones de este software, que de versión a versión se ha
producido mejoras en el manejo de tablas, y facilidad para interactuar con el paquete.

7. Interpretación de resultados

Una vez realizada la acomodación y organización de datos y de la información obtenida en ]a

investigación, se procede, como hemos indicado, a la extracción de conclusiones estadísticas.

Para este efecto se debe definir la profundidad del análisis, pudiendo ser en una variable, en dos
variables o en muchas variables.

En esta etapa se deben clasificar las variables en Rangos, Nominales u Ordinales. Aplicando a cada
una de ellas estadígrafos de tendencia central, de dispersión y de inferencia.

8. informe de investigación

Es la etapa del proceso investigador según la cual se vierte y manifiesta a terceros (a personas
ajenas a la investigación) los resultados, conclusiones y recomendaciones que ha conseguido la
investigación.

Se debe tener en cuenta que frecuentemente las personas que han de actuar según los dictados de la
Investigación de mercados no son técnicos especialistas en investigación, y no han intervenido en
ninguna de las etapas del proceso investigado,. Estas personas pueden sentir desconfianza o duda
en lo que se refieres la veracidad y acierto de las conclusiones y recomendaciones a que ha
conducido el proceso investigador por lo tanto el informe debe ser sencillo y argumentado

Las partes que debe contener un informe son los siguientes.

• Definir el problema, hipótesis.

17
• Determinación de los objetivos de la investigación.
• Determinación de método y fuente en la investigación.
• Resultados de la investigación.
• Conclusiones y recomendaciones.
• Anexos.
o Cuestionario.
o Determinación técnica de la muestra.
o Determinación de su planimetría.
o Libro de códigos.
o Cálculos estadísticos de tendencia central, inferencia y dispersión.
o Frecuencias simples.
o Cruce de variables.

18