GUIA IV

Competencia
Conocer, analizar y aplicar los conceptos y procesos del plan de muestreo, para el desarrollo de la
metodología del proyecto de investigación de mercados, considerando el uso de herramientas tecnológica.

Muestreo diseño y procedimiento

POBLACIÓN
Conjunto de todos los elementos que comparten un grupo común de características, y forman el universo para el
propósito del problema de investigación de mercado.

CENSO
Conteo completo de los elementos de una población u objetos de estudio.

MUESTRA
Subgrupo de elementos de la población que se seleccionan para participar en el estudio.

POBLACIÓN META
Conjunto de elementos u objetos que posee la información que busca el investigador y acerca del cual deben
hacerse las inferencias.

ELEMENTOS
Objeto que posee la información que busca el investigador y acerca el cual deben hacerse las inferencias.

UNIDAD DE MUESTRA
Unidad básica que contiene los elementos de la población que se incluirá en la muestra.

MARCO DE MUESTRA
Representación de los elementos de la población meta que consiste en una lista o grupo de indicaciones para
identificar la población meta.

TAMAÑO DE LA MUESTRA
Número de unidades que se incluirán en un estudio.

1
PROCESO DE DISEÑO DE LA MUESTRA

1-Definir la población
La población meta debe definirse en términos de los elementos, las unidades de muestra, la extensión y el
tiempo. En la investigación por encuesta por general el elemento es el entrevistado.

2-Determinar el marco muestral

Algunos ejemplos de marco muestral incluyen el directorio telefónico, el directorio de un asociación, una lista
de correo comprada a una organización comercial, el directorio de una ciudad o un mapa. Si no se puede
compilarse una lista, deben especificarse, por o menos, algunas indicaciones para identificar la población meta.
Con frecuencia, es posible compilar una lista de los elementos de la población, pero la lista quizás omita
algunos elementos o incluya otros que no pertenecen a esta. Por tanto, el uso de una lista dará lugar a un error
en el marco muestral.
Una estrategia pasea reducir el error muestral consiste en redefinir la población en términos del marco muestral.
Si se utiliza el directorio telefónico como marco muestral, la población de familias puede redefinirse como
aquellas que se mencionan correctamente en el directorio telefónico de un área determinada.

3-Seleccionar las técnicas de muestreo

La decisión más importante acerca de la elección de la técnica de muestreo es, si utilizar un muestreo de
probabilidad o no probabilidad. Si la unidad de la muestra es diferente al elemento, es necesario especificar con
precisión de que manera se deben seleccionar los elementos de la unidad de la muestra.

4-Determinar el tamaño de la muestra

La determinación del tamaño de la muestra es compleja y comprende varias consideraciones cualitativas y
cuantitativas. Los factores cualitativos importantes que deben considerarse al determinar el tamaño de la
muestra incluye:
A-La importancia de la decisión
B-La naturaleza de la investigación
C-El número de variables
D-La naturaleza del analisis
E-Los tamaños de la muestras utilizados en estudios similares
F- Los índices de incidencias
G-Los índices de terminación
H-Las limitaciones de los recursos

2
5-Ejecutar el proceso de muestreo
La ejecución del proceso de muestreo requiere de una especificación detallada de la forma en que se ponen en
practica la decisiones del diseño d la muestra respecto a la población, el marco muestral, la unidad de muestra,
la técnica de muestreo, y el tamaño de la muestra.

CLASIFICACIÓN DE LAS TÉCNICAS DE MUESTREO

TÉCNICAS DE
MUESTREO

TÉCNICAS NO TÉCNICAS DE MUESTREO

PROBABILÍSTICAS PROBABILÍSTICAS

ESTRATIFICADO
MUESTREO POR

MUESTREO POR

MUESTREO POR
CONVENIENCIA

BOLA DE NIEVE

MUESTREO DE
MUESTREO DE

SISTEMÁTICO
ALEATORIO
MUESTREO

MUESTREO

MUESTREO

GRUPO
CUOTA
JUICIO

MUESTREO NO PROBABILISTICO
Técnicas de muestreo que no utilizan procedimientos de selección por causalidad, sino que más bien dependen
del juicio personal del investigador.

MUESTREO PROBABILÍSTICO
Procedimiento de muestreo en el cual cada elemento de la población tiene una oportunidad probabilística fija de
ser seleccionado para la muestra.

MUESTREO POR CONVENIENCIA

Técnica de muestreo no probabilística que trata de obtener una muestra de elementos convenientes. La
selección de las unidades de muestra se deja principalmente al entrevistador.

3
Ejemplo: entrevistas de intercepción en centros comerciales sin seleccionar a los entrevistados de acuerdo con
sus cualidades.

MUESTREO POR JUICIO

Forma e muestreo por conveniencia en la cual los elemento de la población se seleccionan de manera
intencional con base en le juicio del investigador.
Ejemplo. Mercados de pruebas que se seleccionaron para determinar el potencial de un nuevo producto.

MUESTREO POR CUOTA

Técnicas de muestra no probabilística que es un muestreo por juicio restringido de dos etapas. La primera etapa
consiste en el desarrollo de categorías de control o cuotas de los elementos de la población. En la segunda
etapa, los elementos de la muestra se seleccionan con base en la conveniencia o el juicio.
Ejemplo: si se desea investigar los precios de la canasta básica, habrá que orientar a un encuestador, que
entreviste a un número determinado de vivanderas, amas de casa, obreros de la construcción y público en
general.
Nota: la cuota para cada sector dependerá del tamaño de la muestra.

MUESTREO DE BOLA DE NIEVE

Técnicas de muestreo no probabilístico en la que se selecciona al azar un grupo inicial de entrevistados. Los
entrevistados subsecuentes se eligen con base en las referencias o la información que proporcionan los
entrevistados iniciales.
Ejemplo: agregar en una encuesta una pregunta al final de cuestionario que proporcionan los entrevistados
iniciales. Mencione una persona que consuma el producto X.

MUESTREO ALEATORIO SIMPLE

Técnica de muestreo probabilístico en la que cada elemento de la población tiene probabilidad de selección
idéntica y conocida. Cada elemento se elige en forma independiente de los demás y la muestra se toma
mediante un procedimiento aleatorio a partir del marco de la muestra.
Ejemplo: supóngase que una población consta de 225 trabajadores de una industria, de ella se secciona una
muestra de 30 trabajadores. Una forma de asegurar que todos los trabajadores de la población tengan la misma
oportunidad de ser elegidos es escribir primero el nombre de cada uno en un papel y depositar en una caja todos
o s papeles. Después de ser bien mezclados se realiza la primera selección. Este proceso se repite hasta que se
eligen los 30 trabajadores de la muestra.

4
MUESTREO SISTEMÁTICO
Técnica de muestreo probabilístico en la que la muestra se elige mediante la selección de un punto de inicio
aleatorio y después la selección de cada iesimo elemento en sucesión a partir del marco de la muestra.
Ejemplo: supongamos que tenemos una población de 120 trabajadores de una empresa textil, de los cuales se
desea seleccionar el 10% de esa población, para enviaros a un taller de actualización sobre algunas técnicas de
higiene y seguridad, lo cual va ser de gran provecho, para el área en el cual trabajan.
Se puede seguir el siguiente procedimiento:

-Hallar el intervalo de muestreo, es decir

K= 120/12 =10
-Escoger un número que este comprendido en el intervalo de 1 al 10, suponga que se escoge aleatoriamente el
número 4, entonces tomando como referencia el número del intervalo de muestreo y el número acogido al azar,
se tiene la muestra siguiente:

n = 4, 14, 24, 34, 44, 54, 64, 74, 84, 94, 104, 114

MUESTREO ESTRATIFICADO
Técnica de muestreo probabilístico que utiliza un proceso de dos pasos para dividir la población en
subpoblaciones o estratos. Los elementos se seleccionan de cada estrato mediante un procedimiento aleatorio.
Ejemplo: suponga que se tiene una población formada por 150 trabajadores pertenecientes a la zona franca, los
cuales se dividen en las siguientes categorías: administrativos, técnicos y especialistas. Se desea seccionar al
20% de los trabajadores para que estudien los días sábados. Aquí se va a tener una matriz de datos de 150
trabajadores (organizados de 10 en 10) y para proceder a su estratificación, se tiene lo siguiente:
Administrativos: 7 columnas de 10c/u = 70 (1 al 70)
Técnicos: 5 columnas de 10c/u =50 (71 al 120)
Especialistas: 3 columnas de 10c/u =30 (121 al 150)
Solución: para proceder a la escogencia de la muestra en cada subestrato, se sigue el siguiente procedimiento:
Se multiplica la cantidad de elementos de cada subestrato por k, es decir, los cálculos para todos los casos.
Estrato 1: 70*0.2 =14
Estrato 2: 50*0.2 = 10
Estrato 3: 30*0.2 =6
La sumatoria final es de 30, correspondiente a la a la muestra señalada al inicio del ejercicio.
Con la aplicación de este método de muestreo, se puede encontrar cuantos elementos son en la muestra, pero no
dice quienes son. Para contestar a esta interrogante, se utilizan os otros métodos conocidos con anterioridad.

5
MUESTREO POR CONGLOMERADOS
Técnicas de muestreo probabilístico de dos pasos en la que la población meta se divide primero en sub
poblaciones mutuamente excluyentes y colectivamente exhaustivas, llamadas grupos, y después se selecciona
una muestra aleatoria de grupos con base en una técnicas de muestreo probabilístico como el muestreo aleatorio
simple. Para cada grupo seleccionado, se incluyen todos los elementos en la muestra o se toma una muestra de
elementos en forma probabilística.
Ejemplo: ubicar l universo en un barrio X y delimitar el territorio por zonas para proceder a llenar los
cuestionarios.

FORTALEZAS Y DEBILIDADES DE LAS TÉCNICAS DE MUESTREO

TECNICAS FORTALEZAS DEBILIDADES

MUESTREO NO PROBABILIDTICO
Muestreo por conveniencia Menos costoso, toma menos tiempo, Tendencias en la selección, muestra no
más conveniente. representativa, no se recomienda para la
investigación descriptiva o causal.
Muestreo por juicio Costo bajo, conveniente, no toma No permite la generalización, subjetivo.
mucho tiempo.
Muestreo por cuota La muestra puede controlarse para Tendencia en la selección, no permite
ciertas características. representatividad.
Muestreo de bola de nieve Puede estimar características poco Toma mucho tiempo.
comunes.
MUESTREO PROBABILISTICO
Muestreo aleatorio simple Se entiende con facilidad, resultados Es difícil construir el marco de la muestra,
proyectables. costoso, menos precisión, no asegura la
representatividad.
Muestreo sistemático Puede aumentar la representatividad, Puede reducir la representatividad.
más fácil de poner en práctica, no es
necesario el marco de la muestra.
Muestreo estratificado Incluye todas las subpoblaciones Es difícil seleccionar las variables de
importantes, precisión. estratificación relevantes, no es factible
estratificar con base en muchas variables,
costoso.
Muestreo por conglomerando Fácil de poner en practica, costoso y Inexacto, es difícil calcular e interpretar los
efectivo. resultados.

6
ELECCIÓN DEL MUESTREO NO PROBABILÍSTICO CONTRA EL MUESTREO PROBABILÍSTICO.

FACTORES MUESTREO NO PROBABILISTICO MUESTREO NO PROBABILISTICO

Naturaleza de la investigación Exploratoria Concluyente
Magnitud relativa de los errores de Loe errores de falta de muestreo son mas Los errores de muestreo son grandes.
muestreo y falta de muestreo grandes.
Variabilidad en la población Homogéneas baja Heterogéneas alta
Consideraciones estadísticas Desfavorables Favorables
Consideraciones operativas Favorables Desfavorables

TAMAÑO DE LA MUESTRA
La elección de la muestra probabilística y no probabilística se determina con base en los objetivos del estudio,
el esquema de la investigación y el alcance de sus contribuciones. Las muestras probabilísticas tienen muchas
ventajas, quizás la principal sea que puede medirse el tamaño de error en nuestras predicciones. Se dice incluso
que el principal objetivo en el diseño de una muestra probabilística es reducir al mínimo este error, la que se le
llama error estándar.

La muestra probabilística son esenciales en los diseños de investigación transeccionales cuantitativos (por
encuestas), donde se pretende hacer estimaciones de variables en la población.
Los elementos maestrales tendrán valores muy parecidos a los de la población, de esta manera que las
mediciones en el subconjunto nos darán estimados precisos del conjunto mayor.

-La población, la que llamaremos N, es un conjunto de elementos.

-La muestra, la que denominaremos n, es un subconjunto de la población.
-En una población N (previamente delimitada por los objetivos de la investigación), nos interesa establecer
expresiones numéricas de las características de los elementos de N.
-Nos interesa conocer valores promedios en la población, locuaz se expresa como:
y = al valor de una variable determinada (y) que nos interesa conocer.

También nos interesa conocer:

V = la varianza de la población con respecto a determinadas variables.
-Como los valores de la población no se conocen, seleccionamos una muestra n y, a través de estimados e la
muestra, inferimos valores de la población. y es un estimado promedio que podemos determinar. Sabemos que
en nuestra estimación habrá una diferencia (Y-y=?), es decir, un error, el cual dependerá del numero de
elementos del numero de elementos muestreados. A dicho error le llamaremos error estándar =se

7
se = la desviación estándar de la distribución austral y representa la fluctuación de y.
(se) = el error estándar al cuadrado, es la formula que nos servirá para calcular la varianza (V) de la población
(N). Y la varianza de la muestra (n) será la expresión S.

S = varianza se la muestra, la cual podrá determinarse en términos de probabilidad donde S =p (1-p)

Cuando se hace una muestra probabilística (recordemos que estamos bajo el enfoque cuantitativo), uno debe
preguntarse: dado que una población es de N, ¿Cuál es el menor numero de unidades muéstrales (personas,
organizaciones, etcétera) que necesito para conformar una muestra (n) que me asegure un error estándar menor
de .01?
La respuesta de esta pregunta busca encontrar la probabilidad de ocurrencia de y y que mi estimado y se
acerque a Y, el valor real de la población. Si establecemos el error estándar y fijamos .01, sugerimos que esta
fluctuación promedio de nuestro estimado y con respecto a los valores reales de la población Y no sea > .01, es
decir, que de 100 casos, 99 veces mi predicción sea correcta y que el valor de y se situé en un intervalo de
confianza que comprenda el valor de Y. resumiendo, para una determinada varianza (V) de y, ¿Qué tan grande
debe ser mi muestra? Ello se determina en dos pasos:

S
1- n = = tamaño provisional de la muestra = varianza de la muestra
V varianza de la población

2-n = n
1+n/N

Para un estudio de directores generales consideramos a todos aquellos directores generales de empresas
industriales y comerciales que, en 2005, tienen un capital social superior a 3 Millones de córdobas, con
ventas superiores a los 10 millones de córdobas o con más de 300 personas empleadas. Con estas
características se preciso que la población era de N =1176 directores generales, ya que 1176 empresas
reunían las características. ¿Cual es entonces el número de directores generales n que se debe entrevistar,
para tener un error estándar menor de 0.15, y dado que la población total es de 1176?

N= tamaño de la población de 1500 empresas

y= valor promedio de una variable =1, un director general por empresa
Se= error estándar =.015, determinado por nosotros
V= varianza de la población. Su definición (se): cuadrado del error estándar.

8
s= varianza de la muestra expresada como la probabilidad de ocurrencia de y.
n= tamaño de la muestra

n= s

s= p (1-p) = .9 (1- .9) =.09

V= (.015) = .000225

n= .09 = 400
.000225

n= n = 400 = 298
1+n/N 1+400/1176

n= 298