ANÁLISIS Y ELABORACIÓN

DE ENCUESTAS
JOSHUA BELLOTT SÁENZ

TEORÍA Y MÉTODOS DE
MUESTREO
 MUESTREO

Si no es posible someter a prueba a todos los

miembros de la población, la única opción es
seleccionar una muestra, un subconjunto de la
población. La idea es generalizar los resultados, más
allá de la situación limitada en la que se obtuvieron
originalmente (la muestra).
La labor de un profesional de las ciencias
económicas es que un fenómeno económico o social
debe ser susceptible a medición, calibración,
valuación, evaluación, clasificación, se pueda
ordenar, calificar, estimar, ponderar y muestrar.
 POBLACIONES Y MUESTRAS
Una población es un grupo de posibles participantes
al cual usted desea generalizar los resultados del
estudio.
Una muestra es un conjunto representativo de la
población,
Para que los resultados de una investigación tengan
algún significado más allá de la situación limitada en
la que se obtuvieron originalmente es necesario que
se puedan generalizar desde una muestra a una
población. Si los resultados son generalizables,
podrán aplicarse a diferentes poblaciones que tengan
las mismas características
 LA ENCUESTA COMO HERRAMIENTA
Las encuestas ofrecen tres ventajas:
Precisión: la información reunida es bastante precisa,
normalmente dentro de un porcentaje de margen de
error del 5%.
Clasificación: la información se puede clasificar por
área geográfica, segmento de mercado, institución,
etc.
Conclusiones valiosas: las encuestas pueden
concentrarse en datos y relaciones específicos para
producir conclusiones valiosas que los gerentes y el
departamento de mercado pueden utilizar para definir
mejor las estrategias de mercado de la institución.
 LA ENCUESTA COMO HERRAMIENTA
Algunas desventajas:
•Costo: puesto que requieren de muchos recursos, las
encuestas pueden ser costosas.
•Se requiere de experiencia: una encuesta debe ser
diseñada y administrada por profesionales
experimentados.
•Información limitada: las preguntas incluidas en
una encuesta son principalmente “cerradas”, es decir
que la información se predefine y las opciones de
respuestas son limitadas.
 LA ENCUESTA COMO HERRAMIENTA
Antes de elaborar un cuestionario hay que saber qué
es lo que se va a estudiar. Para ello es necesario que
se haga un planteamiento claro delimitándolo tanto
como sea posible.
Una vez establecido el problema a estudiar es, útil
recurrir a la búsqueda de biografía, o bien a técnicas
de tipo exploratorio como son las discusiones de
grupo, entrevistas no dirigidas, observación, etc. para
obtener más información sobre el tema, no repetir
estudios, avanzar en otros campos, no cometer los
errores que otros estudios hayan puesto de manifiesto,
etc.
 LA ENCUESTA COMO HERRAMIENTA

Se puede plantear también una hipótesis: la población

que se va a estudiar y la relación que el investigador
establece a priori, entre las variables.

La definición de variables es importante: las variables

son los aspectos de la realidad que influyen en el
problema. Se tratará, pues, de especificar estos
aspectos y ver cuáles de ellos son determinantes en
cada situación. Los aspectos determinantes son las
variables independientes.
 ETAPAS DEL MUESTREO

DEFINIR LA POBLACIÓN OBJETIVO

SELECCIÓN DEL MARCO MUESTRAL

ELEGIR LA TÉCNICA DE MUESTREO

DETERMINAR EL TAMAÑO DE LA
MUESTRA

RECOLECCIÓN DE DATOS

EVALUAR LA TASA DE RESPUESTA

 ETAPAS DEL MUESTREO

Etapa 1:DEFINICIÓN DE LA POBLACIÓN

OBJETIVO. Se debe definir claramente la
población objetivo. La población está
comúnmente relacionada con el número de
personas que viven en un país en particular.

Etapa 2: SELECCIÓN DEL MARCO MUESTRAL.

El marco muestral es una lista de los casos
existentes de los cuales se extraerá la
muestra. Este marco debe ser representativo
de la población. Es la base sobre la cual deben
diseñarse los procesos de selección de las
unidades de muestreo
 ETAPAS DEL MUESTREO

ETAPA 3: SELECCIÓN DE LA TÉCNICA DE

MUESTREO. Si nosotros tomamos un
subconjunto del marco muestral o de la
población, esa acción la denominamos
muestreo. El muestreo puede ser utilizado
para realizar inferencias acerca de la población
o para generalizar en relación a la teoría
existente. En general las técnicas de muestreo
se dividen en dos clases:
•Muestreo probabilístico o aleatorio
•Muestreo no probabilístico o no aleatorio
 TÉCNICAS DE MUESTREO

Muestreo probabilístico
•Aleatorio Simple
•Estratificado
•Conglomerados
•Sistemático
TÉCNICAS DE •Multietapa
MUESTREO
Muestreo no
probabilístico
•Por cuotas
•Por conveniencia
•Por cúmulos
 GRADO DE CONFIANZA DE LA INFERENCIA

Es la probabilidad de que el valor real del

parámetro poblacional se encuentre dentro de
los límites especificados por los valores del
estimador muestral.

Más que un cálculo suele ser un criterio

definido convencionalmente por el analista
expresado en unidades estandarizadas Z o en
porcentaje de valores muestrales.

Una probabilidad de 95% equivale a 1.96

unidades de Z y es la más utilizada.
GRADO DE ERROR (IMPRECISION) DE LA
INFERENCIA

Debido a la aleatoriedad, los valores de un mismo

estadístico difieren de una muestra a otra.

Esta variabilidad introduce un error en la estimación

(error aleatorio).

Este error puede medirse, pues las medias de los

estimadores siempre se distribuyen “normalmente”
(Teorema del límite central) aunque los mismos
estimadores no lo hayan hecho. 
 ERROR ALEATORIO

Cuando se mide el estadístico en diferentes

muestras tomadas aleatoriamente los
resultados son variables. Esta variabilidad del
estadístico se denomina error aleatorio y es
causada por el azar.

s1 s2

s4
s3
 GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Para un mismo nivel de confianza puede medirse el

error aleatorio por encima y por debajo de la
estimación.

El error aleatorio configura límites de confianza dentro

de los cuales se presume estará el valor real del
parámetro para el nivel de confianza elegido por el
analista.

El intervalo de confianza de la inferencia será más

amplio (impreciso) mientras más altas sean la
confiabilidad exigida y la desviación estándar.
 GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Mientras más grande sea la muestra, más

pequeño (preciso) será el intervalo.

Los límites de confianza superior e inferior, se

calculan con base en la siguiente fórmula que
depende de la desviación estándar del
estimador muestral (s), del valor de Z elegido
y del tamaño muestral (n):
(IC 95%) = x  1.96. s .
n
 MUESTREO PROBABILISTICO

Para que la inferencia estadística sea válida el

muestreo debe ser aleatorio o probabilístico.

Aleatoriedad de la selección: esta condición se

refiere a que cada elemento del universo debe
tener la misma probabilidad de ser elegido en la
muestra y que dicha probabilidad puede ser
medida.
TIPOS DE MUESTREO PROBABILISTICO

1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemático

3. Muestreo aleatorio Estratificado

4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietápico

 1. MUESTREO ALEATORIO SIMPLE

Escoge al azar los miembros del universo hasta

completar el tamaño muestral previsto

En teoría se enumeran previamente todos los

elementos y de acuerdo con una tabla de
números aleatorios se van escogiendo

El procedimiento puede darse con o sin

reemplazos y esta condición afectará
posteriormente el análisis
2. MUESTREO ALEATORIO SISTEMATICO

En el universo (N) se elige el primer elemento

al azar

Luego los demás se escogen cada cierto

intervalo (k), hasta completar el tamaño
muestral (n).

El tamaño del intervalo (k) se calcula así: k =

N/n
 3. MUESTREO ESTRATIFICADO

Considera que al interior del universo

existen estratos (subgrupos internamente
homogéneos pero cualitativa y
cuantitativamente diferentes entre sí), y
que no se cumple la condición de selección
aleatoria pues los miembros del grupo
mayoritario tienen una mayor probabilidad
de ser seleccionados en la muestra.
ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos más grandes

Tienen mayor probabilidad de ser representados
 Cómo grantizar la aleatoriedad
en universos estratificados... ?

Puede usarse alguna de las siguientes

técnicas:

1. Muestreo Estratificado
Proporcional
2. Muestreo Estratificado No
Proporcional
3. Alocación óptima de los
estratos.
 Muestreo Estratificado Proporcional

     Establece la distribución proporcional del

universo y aplica esta distribución a su
tamaño muestral para conformar estratos
en la muestra.

Luego elige aleatoriamente los

elementos al interior de cada estrato
muestral hasta ajustar su tamaño.

Es mejor que el Muestreo Aleatorio

Simple pues disminuye el error estándar
de la medición muestral.
Muestreo Estratificado NO Proporcional
(Fracción variable de muestreo):

Ajusta convencionalmente los

tamaños de los stratos muestrales
para aumentar la eficiencia de la
selección de los grupos más
pequeños.

Esta condición se deberá tener en

cuenta al hacer inferencias (corregir
las inferencias).
 MUESTREO
POR ALOCACIÓN OPTIMA DE LOS ESTRATOS

   Selecciona el tamaño de los estratos

en función de la desviación estándar
de cada uno de ellos, de tal manera
que los estratos más heterogéneos
(mayores varianzas) aporten más
casos a la muestra total.
 CONGLOMERADOS

Grupo 1A
Grupo 5C

Grupo 2A

Grupo 3B

Heterogéneos en su interior; diferentes entre sí en

propiedades y tamaño
 DECISIONES DE M U E S T R E O
No. 1: ¿Debo tomar una muestra ?

Se quiere saber cómo se

Se quiere saber cómo se
comporta una cierta
comporta una cierta
característica en un
característica en un Las obsrvaciones
Universo particular
Universo particular pueden
Hacer atribuírse a los
un Censo miembros del
Sí Universo

Aquí se inserta tú caso

El Universo Sí Es posible
está bien observar todo el NO
definido Universo ? Las obsrvaciones
? Tomar solo pueden
Tomar
una Muestra atribuírse a la
una Muestra
NO No representativa muestra, NO a
NO No representativa
los miembros del
Se quiere Universo
Definir Observar inferir la medición
El Observar al Universo
una Muestra
Universo una Muestra ?

Las obsrvaciones
Sí Tomar pueden
una Muestra
Representativa
atribuírse a los
miembros del
Universo
 MUESTREO
ALEATORIO POR CONGLOMERADOS

Los miembros del grupo mayoritario tienen una

mayor probabilidad de ser seleccionados en la
muestra
No se cumple la aleatoridad

En Las Unidades de observación se eligen aleatoriamente al

interior de los conglomerados
El error de la medición (error muestral) no se de al
interior del conglomerado sino entre los conglomerados

Antes de hacer inferencias, el analista deberá examinar

la variabilidad interna de cada conglomerado y la
variabilidad entre ellos, pues es posible que algunos de
los conglomerados no sean representativos del
universo.
 Muestreo
Aleatorio por Conglomerados
Requisitos Del Procedimiento :

Los conglomerados deben estar muy bien

definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.

El tamaño de cada conglomerado debe ser bien

conocido (por lo menos bien estimado)

El número de conglomerados debe ser

pequeño.
 Muestreo Aleatorio Multi Etápico
(Poli Etápico)

Selecciona los individuos por etapas,

configurando sucesivamente grupos
(estratos o conglomerados) y subgrupos
denominados Unidades de Muestreo
primarias, secundarias, terciarias...etc..
 DECISIONES
DE MUESTREO

No hay Error
Hacer Observar todos y
cada uno de los
Aleatorio Las obsrvaciones
pueden
un Censo elementos del Puede haber atribuírse a los
universo Error miembros del
Sistemático Universo

Tomar una Siempre hay Error Las obsrvaciones

Observar sujetos Aleatorio solo pueden
Muestra No elegidos por atribuírse a la
conveniencia Siempre hay Error muestra, NO a
Representativa Sistemático los miembros del
Universo

Tomar una Siempre hay Las obsrvaciones

Observar sujetos Error Aleatorio pueden
Muestra elegidos por atribuírse a los
Representativa conveniencia Puede haber miembros del
Error Universo
Sistemático
Tú trabajo se inserta aquí, agregado por Daniel Ruiz
Decisiones de M u e s t r e o
No. 2: Selección de una Muestra No Representativa

Se quiere medir La observación de este

una variable en UNIVERSO ARTIFICIAL
una Muestra No solo es PREDICABLE a
Representativa sus integrantes

Sí El procedimiento Lsos sujetos que cumplan

Se quiere
los criterios de inlcusion son
inferir la medición está contraindicado.
rpresentativos de un
al Universo Revise su UNIVERSO ARTIFICIAL
? planteamiento

N
O

Precise los Exprese estos atributos Defina por

atributos como CRITERIOS DE CONVENIENCIA
esenciales que INCLUSION en la los criterios de
CARACTERIZAN muestra SELECCIÓN
al subgrupo

La utilidad de las Muestras No Representativas depende de su

representatividad cualitativa y no de su tamaño
 DECISIONES DE M U E S T R E O

No. 3: Selección de una Muestra Representativa

Se
Sequiere
quiereestimar
estimarunun
Parámetro del Universo
Parámetro del Universo
partiendo
partiendode
deuna
unaMuestra
Muestra
Representativa
Representativa

Variable Variable
Cualitativa De qué naturaleza
es el Parámetro a Continua
estimar?

Muestreo Muestreo
Representativo Representativo
para estimar una para estimar una
Proporción Media
 Definición del Tamaño Muestral
La definición del tamaño muestral depende de los
siguientes factores

1 . Los objetivos del estudio

2 . Los conocimientos previos sobre el comportamiento de

la característica en la población.

3 . Los recursos técnicos y financieros para obtener la

información
4 . El error máximo que se permitirá el analista

5 . La confiabilidad de la inferencia esperada por el analista

 DECISIONES DE M U E S T R E O
No. 4: Definicion Del Tamaño Muestral Definición de
tamaño muestral
para una
La Variable de Proporción
muestreo es conocida
CUALITATIVA Definición de
tamaño muestral
para una
Intención de Proporción
describir la variable desconocida
(Estudios
descriptivos) Definición de
tamaño muestral
para una varianza
conocida
Se ha decidido La Variable de
tomar una muestreo es
CONTINUA Definición de
muestra tamaño muestral
representativa para una Varianza
del Universo
desconocida

Definición de
Estudio de tamaño muestral
Seguimiento
Intención de para un RR y un
relacionar la poder definidos
variable con otras
(Estudios Definición de
analíticos) Estudio de Casos tamaño muestral
para una OR y un
poder definidos
 No. 5: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se conoce (P se conoce)

Se
Se quiere
quiere medir
medir una
una
variable
variable CUALITATIVA
CUALITATIVA
(proporción
(proporción p) p) en
en una
una
Muestra
Muestra Representativa
Representativa
Definir el máximo
Definir la error aleatorio
confiabilidad de la adminisble (Error
medición (nivel alfa) Estándar ES)

pq
n = Z2
ES2
 No. 6: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se DESconoce (P
desconocida)

Se
Sequiere
quieremedir
mediruna
unavariable
variable
CUALITATIVA
CUALITATIVA(proporción
(proporciónp) p)
en
en
una Muestra Representativa
una Muestra Representativa

Definir la confiabilidad Definir el máximo error

de la medición (nivel aleatorio adminisble
alfa) (Error Muestral EM)

n = Z2 PQ
EM2

Se asumen los valores máximos de P y Q: P=0.5 Q=0.5

 No. 7: Definición del tamaño muestral n para una Variable
CONTINUA cuya variación se conoce

Se
Sequiere
quieremedir
mediruna
unavariable
variable
CONTINUA
CONTINUA (MEDIAX)
(MEDIA X)enen
una Muestra Representativa
una Muestra Representativa

Definir la Definir Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Conocida Esperado

s2
n = Z2
ES2
 No. 8: Definición del tamaño muestral n para una
Variable CONTINUA cuya variación se DESconoce

Se
Sequiere
quieremedir
mediruna
unavariable
variable
CONTINUA
CONTINUA (MEDIAX)
(MEDIA X)enen
una Muestra Representativa
una Muestra Representativa

Definir la Estimar o suponer Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Esperada Esperado

s2
n = Z2
ES2
 No. 8: Definición del tamaño muestral n para un estudio
de SEGUIMIENTO

Se
Sequiere
quieremedir
medirun
unRR
RRen
en
una
unaMuestra
MuestraRepresentativa
Representativa

Definir la Definir el Poder

la Confiabilidad Z Definir el RR mínimo (Mínimo error Beta)
Esperada esperado Esperado

Los valores están

tabulados
 No. 9: Definición del tamaño muestral n para un estudio
de CASOS Y CONTROLES

Se
Se quiere
quiere medir
medir una
una OR
OR
en
en una
una Muestra
Muestra
Representativa
Representativa

Definir la Definir el Poder

Definir la OR (Mínimo error Beta)
la
Esperada Esperado
Confiabilidad Z
Esperada

Los valores están

tabulados