MUESTREO EN INVESTIGACION

DE MERCADO

1
Constantemente obtenemos conclusiones
acerca de un grupo grande (universo) en base
a un grupo pequeo (muestra).
Ejem. Taza de caf.

2
 Conceptos de muestreo
Elemento.- es la unidad que posee la
informacin buscada por el investigador y
acerca de la cual se harn las deducciones.

Ejm:
Individuos
Empresas
Familias
Tiendas
Etc...
3
PROCESO DE MUESTREO

DEFINIR LA POBLACIN
OBJETIVO A quin encuestamos?

DETERMINAR EL MARCO DE
MUESTREO
Lista de la Poblacin
objetivo

SELECCIONAR TCNICA DE Probabilstico

MUESTREO No Probabilstico

DETERMINAR EL TAMAO
DE LA MUESTRA A cuntos encuestamos?

4
 Conceptos de muestreo
Poblacin o Universo.- conjunto de todos los elementos
definidos antes de la seleccin de la muestra. Una
poblacin adecuadamente asignada se define en
trminos de:

1) elementos Ejm: Negociantes

2) unidades de muestreo Ejm: Puntos de venta
(Bodegas, Kioskos,
puestos de mercado, etc.)
3) alcance Ejm: Trujillo
4) tiempo Ejm: 10- 25 Abr. 2014

5
 Conceptos de muestreo
Unidad de muestreo.- Unidad bsica que contiene
los elementos de poblacin disponibles para su
seleccin en alguna etapa del proceso de
muestreo.
Ejm:
Manzanas de ciudades
Familias
Hombres de 50 aos a ms
Ciudades con una
poblacin mayor a 500,000
habitantes 6
 Conceptos de muestreo
Marco muestral.- Es una lista de todas las
unidades de muestreo disponibles para su
seleccin en una etapa del proceso de
muestreo.
Ejm:
Una lista de alumnos
Una lista de votantes
Un mapa
Una lista de empleados
Etc...
7
 Conceptos de muestreo
Poblacin del estudio.- Es el conjunto de elementos
del cual se selecciona realmente la muestra.
A diferencia de la poblacin o universo, esto es lo que
se selecciona realmente que es un tanto diferente a la
idea original. Lo que sucede es que no todos los
elementos de la poblacin estn en el marco
muestral.
Ejm:
Una lista de miembros de un club
puede estar incompleta.
Algunas personas tienen nmeros
telefnicos no registrados.
8
 El uso del muestreo en investigacin de
mercado tiene sus ventajas y desventajas.

- Menor costo.
- Menor tiempo de recoleccin.
- Mayor facilidad de control.

9
Desventajas: induce a error.
Error de recoleccin: as se aplique el estudio al
100% del Universo (censo), jams se eliminar este
error, e inclusive no es factible estimar su
magnitud. Si hay un buen formato de encuesta,
capacitacin de los encuestadores y supervisin,
ser pequeo.

Error de muestreo: cuando se usa

muestreo se introduce una fuente adicional
de error. Esto debido a que es muy difcil
tomar una muestra realmente
representativa.

10
Problema de muestreo bsico:

Lo primero que definiremos en una operacin de muestreo es

el grupo entero de particularidades a estudiar y respecto a las
que se desea generalizar.
11
Es lo que se quiere medir con el estudio.

Ejem. Nmero de
consumidores por
marca, preferencia,
hbitos de consumo,
etc.

12
a) Determinacin de las unidades de muestreo.
b) Seleccin de los elementos de la muestra.
c) Estimacin de las caractersticas del Universo en
base a datos de la muestra.

Una breve descripcin de cada una de ellas...

13
a) Determinacin de las unidades de muestreo:
Existirn casos en los que no ser posible obtener una lista
de los elementos del Universo. Ejm: hogares, bodegas,
ferreteras,etc.
Si queremos trabajar al azar, las muestras podran ser las
manzanas.
DISTRITO XXXX

A B C E...

4 14
b) Seleccin de los elementos de la muestra:

Podemos seleccionarlos:

Muestreo probabilstico: cuando todos los

elementos del Universo tienen la misma
probabilidad de ser elegidos como parte de la
muestra.

Muestreo no probabilstico:
cuando sucede lo contrario.

15
 c) Estimacin de las caractersticas
del Universo en base a datos de la
muestra:
Los investigadores de mercado estn interesados en cifras que
describan caractersticas del Universo a estudiar.
Ejem: Media aritmtica de consumo.

En la prctica, estas cifras no se conocen por lo

que se estiman en la muestra.
En conclusin: Dependemos de estimados.

Entonces, se justifica usar muestreo???

16
 Se tiene los naipes de una baraja (52).
Se le sacan los naipes de figura (12).
El Universo a estudiar ser de 40 cartas.

Algunas caractersticas de este universo son:

Media: 5.5
P(Palo): 0.25
P(Rojo): 0.50

17
Se saca 50 muestras de 5 elementos cada una.
(se saca cada muestra al azar independiente)
Por cada uno de estos 50 grupos se analiz la
proporcin de naipes rojos.

18
A continuacin mostramos la tabla de
frecuencia de las muestras:
Porcin de Naipes Rojos Frecuencia
0.00 (Todos Negros) 2
0.20 ( 1R y 4N ) 3
0.40 ( 2R Y 3N ) 14 Carcter Universo
0.60 ( 3R Y 2N ) 21
0.80 ( 4R Y 1N ) 8
1.00 ( TODOS ROJOS ) 2
Frecuencia

25

20

15

10

0
0,00 0,20 0,40 0,60 0,80 1,00
19
La distribucin de las muestras se ajusta a una distribucin normal
Para la determinacin del tamao de la muestra, se incluye Z valor de la distribucin
normal :

Z = valor en tabla
segun nivel de
confianza
n = p x q x Z2 e = error de la
e2 muestra

Se usa para poblaciones con universos grandes y difciles

de precisar.

Para universos ms pequeos e identificados usaremos:

n= p x q x N x Z2 N = Tamao de la
poblacion
e2 x N + p x q x Z2
20
 Procedimientos de muestreo

Procedimientos de muestreo

Procedimientos Procedimientos
No Probabilstico Probabilstico

Muestra por Muestra por Muestra por Muestra Muestra

Muestra
Conveniencia Juicio Bola de nieve Aleatoria por
conglomerado estratificada
simple

Muestra Muestra
Sistemtica por reas
21
 Muestreo Probabilstico
En el muestreo probabilstico se conoce la probabilidad
de que un elemento de la poblacin sea incluido en la
muestra y los elementos de la muestra se seleccionan
por medio de reglas mecnicas de decisin.
No se deja intervenir al
investigador en la seleccin de los
elementos de la muestra. Con este
tipo de muestreo se permite medir
el error muestral que
probablemente ocurrir en la
muestra dando una exactitud al
resultado. 22
 Muestreo Aleatorio Simple
Es un enfoque por el cual cada
miembro de la poblacin tiene
igual probabilidad de ser
seleccionado.

Ejm: Poblacin : Tarjetas con

nombres de alumnos dentro de
una caja.
En este caso toda la poblacin
puede salir seleccionada con
igual probabilidad 23
 Muestreo estratificado
Similar al muestreo aleatorio, pero se separa
en diversos subgrupos naturales
homogneos llamados estratos.
A mayor diferencia en las opiniones hayan
en cada estrato, mayor ser la muestra.

24
 Muestreo de conglomerados

La poblacin se divide en subgrupos y

TODOS los miembro de estos subgrupos se
vuelven parte de la muestra.
Este mtodo es til cuando se puede
identificar fcilmente aquellos subgrupos
que sean representativos de la poblacin.

25
 Muestreo
Estratificado Por Conglomerados
(Agrupamientos)
Homogeneidad dentro del Homogeneidad entre
grupo grupos
Heterogeneidad entre Heterogeneidad dentro de
grupos los grupos
Todos los grupos Seleccin aleatoria de los
includos grupos
La eficiencia del muestreo La eficiencia del muestreo
mejora incrementando la mejora disminuyendo el
exactitud a una tasa ms costo a una tasa ms
rpida que el costo. rpida que la exactitud.

26
 MUESTREO DE HOGARES

Especificacin del mbito.

Seleccin aleatoria de conglomerados (grupos de
manzanas). Si se desea esta seleccin es
realizada para NSE determinado.
Seleccin de hogares (sistemtico).
Seleccin de persona:
Por cuotas
Mtodo del prximo cumpleaos / tabla de Kish

27
ETAPA I
LIMA METROPOLITANA DISTRITO dividido en
MANZANAS clasificadas por NSE

1 2

5 6
3 4
7

9 10 11
8
14 15
16
12 13 17

18

NSE predominante
en la manzana
NSE A NSE C
NSE B NSE D/E

28
ETAPA II
DISTRITO dividido en MANZANAS
clasificadas por NSE
MANZANA dividida en HOGARES
1 2
2 <-- 5 3
Esquina Sentido Puerta Salto
5 6
3 4
4
7
. . .
1

9 10 11
8
14 15
. x
16
12 13 17
. Salto .4
18 . 3 .3
. 2
DISTRITO dividido en MANZANAS
clasificadas por NSE . . 1
3 12
29
Muestreo Estratificado Proporcional
El nmero de objetos o unidades de muestreo
elegidas de cada grupo es proporcional en la
poblacin.

Ejemplo: Estudio de Imagen, 500 casos, distribuir por rango de edades:

ESTUDIO
Reporcentaje IMAGEN Edades
500
17,8% 41% 206 25-34

12,6% 29% 145 35-44

7,7% 18% 89 45-54

5,1% 12% 59 55-65

43,3% 100,0% 500 30

Muestreo Estratificado No Proporcional

El tamao de la muestra en cada grupo no es

proporcional a los tamaos respectivos de los
grupos de la poblacin.
Si los tamaos de grupo son pequeos, el
muestreo estratificado proporcional no producir
un tamao de muestra suficientemente grande
como para hacer comparaciones significativas, por
ello se desproporciona la muestra.

31
Muestreo Estratificado No Proporcional
Ejemplo: Estudio Base (450 casos) y Estudio de Imagen (500 casos),
distribuir por NSE A, B y C:

Resultados en muestra Porporcionada

BASE IMAGEN
7% 33 37 Nivel A pocos casos
31% 140 155
62% 277 308
450 500

Muestra Desproporcionada
BASE IMAGEN
Alto/Medio Alto 68 0,15 75
Medio 150 0,33 167
Bajo Superior 232 0,52 258
450 500

32
 Muestreo No Probabilstico
La seleccin de la muestra se
basa principalmente en el
criterio del encuestador.
Pueden ser:
Muestreo por conveniencia
Muestreo por juicio
Muestreo por bola de nieve.
En este tipo de muestreo se desconoce la
probabilidad de que las personas sean
seleccionadas por lo que no se puede hallar el
error muestral 33
 Muestreo por Conveniencia
Cuando la muestra es obtenida de una
poblacin fcilmente accesible.
Ejemplos:
Estudiantes o Grupo religioso para experimento
Solicitar opinin a personas que transitan por
un centro comercial

34
 Muestreo por juicios
Se seleccionan con base en lo que algn
experto considera acerca de la contribucin
que esas unidades o elementos de muestreo
harn para responder la pregunta de
investigacin inmediata.
Ejm: Se hace un juicio para determinar qu
ciudades sern las mejores para probar el
potencial de venta de un nuevo producto.
35
 Muestreo por Bola de nieve
El investigador no tiene una lista de elementos del
universo.
Ubica de alguna manera un elemento del universo
y lo toma como elemento de la muestra.
Luego para ubicar otros elementos de la muestra
se le pide referencias de otros elementos del
universo al anteriormente ubicado y as
sucesivamente.
Ejm: Ortodoncistas, dueos de perros raza x,
especialistas en SAP, etc.
36
Fin de Clase

37