23/01/2023 1

Investigación y
Análisis de Mercados
3° Semestre – Sesión #9

Diseño de la Investigación III

Tema 9. Población y muestra Investigación y Análisis de Mercados

Administración de Negocios Escuela
 Muestra: Parte representativa de los
individuos de la población.

Universo: Totalidad de individuos o elementos de los

cuales se puede sacar la información.

Población: Parte de los individuos del universo, se

identifican en base a unas características que nos
interesan para el estudio.
Ejemplos:

1. El Ministerio de Educación está estudiando las características de los

colegios de primaria que tienen acceso a internet en Ica.

• Universo: Todos los colegios de primaria en Ica

• Población: Todos los colegios de primaria en Ica que tienen acceso a
internet
• Muestra: 50 colegios de primaria en Ica que tienen acceso a internet.

2. Un equipo de marketing estudiará cuáles son los colores preferidos de las

zapatillas de fútbol en los clientes de la marca Nike.

- Universo: Todos los clientes de Nike.

- Población: Clientes de Nike que compran zapatillas de fútbol.
- Muestra: 200 clientes de la marca Adidas que compran zapatillas de fútbol.
¿Qué conviene considerar en un estudio?
En la gran mayoría de casos:
A) Universo B) Población C) Muestra El universo es muy grande.
La población sigue siendo grande.

Un biólogo desea estudiar las características de la “Rana Dardo” en

la ciudad de Loreto.

Universo: Todas las “Ranas Dardo” = Cantidad finita pero no se

puede contabilizar.
Población: Ranas Dardo de Loreto = Cantidad finita pero sigue
siendo muy grande y no se puede contabilizar.
Muestra: 385 Ranadas Dardo en Loreto

Imagínate una investigación que quiera estudiar a cada una de las ranas
Cuando un universo o Cuando un universo o
población es población se podría
incontable contabilizar pero sigue
siendo muy grande

Ejecución

7
Sin embargo, a veces es necesario
estudiar a todo el universo y/o
población:
Ejecución

9
 Para considerar en una investigación:
Se considera población finita a toda población
formada por menos de 100 000 unidades e infinita a
aquella que tiene 100 000 o más.

FINITA 100 000

INFINITA 100 000

¿De qué manera
podemos definir
nuestra población?
Y ahora, ¿cómo definimos nuestra muestra?
Ejecución

19
Ejecución

20
Ejecución

21
 Marco muestral
o marco de
muestreo

Sí => Muestro
¿Tenemos una base Probabilístico
de datos disponible,
listado de alumnos,
de clientes, etc? No => Muestro No
Probabilístico

Ejecución

22
Entonces, ¿qué hago si no tengo un marco muestral?

Un marco muestral es una lista o un conjunto de datos que contiene información sobre todos los elementos de la
población a la que se quiere hacer una investigación.

Es necesario tener un marco muestral para realizar un muestreo probabilístico, ya que este método requiere que
cada elemento de la población tenga una probabilidad conocida de ser seleccionado para la muestra. Si no tienes un
marco muestral disponible, es posible que no puedas realizar un muestreo probabilístico y debas considerar otras
opciones de muestreo.

Ejecución

23
 Entonces, ¿qué hago si no tengo un marco muestral?

1. Crear un marco muestral: 2. Utilizar un muestreo no probabilístico: 3. Reconsiderar tus objetivos de investigación:

Si tienes acceso a suficiente
información sobre la población,
puedes intentar crear un marco
muestral. Esto puede incluir
recopilar datos de diversas
fuentes o realizar una encuesta
piloto para obtener una idea del
tamaño y la composición de la
población.
Si no tienes un marco muestral y no
puedes crear uno, es posible que debas
utilizar un muestreo no probabilístico.
Este método de muestreo no es tan
preciso como el muestreo probabilístico,
pero puede ser útil para explorar un tema
en profundidad y obtener una
comprensión cualitativa de las opiniones
y experiencias de los participantes.
Si no tienes un marco muestral y no puedes
utilizar un muestreo no probabilístico, es posible
que debas reconsiderar tus objetivos de
investigación y ver si hay formas de abordarlos
sin necesidad de una muestra.
Por ejemplo, puedes utilizar métodos de
investigación cualitativos como entrevistas en
profundidad o grupos focales en lugar de una
encuesta.

Ejecución

24
Ejecución

25
Ejecución

26
Ejecución

27
 TÉCNICAS DE MUESTRO

Ejecución

28
Muestreo No Probabilístico: Por conveniencia

Ejecución

29
Ejecución

30
Muestreo No Probabilístico: Por conveniencia

Ejecución

31
Muestreo No Probabilístico: Por conveniencia

Ejecución

32
Muestreo No Probabilístico: Por Juicio

Ejecución

33
Muestreo No Probabilístico: Por Juicio

Ejecución

34
Muestreo No Probabilístico: Por Bola de Nieve

Ejecución

35
Muestreo No Probabilístico: Por Cuotas

Ejecución

36
Muestreo Probabilístico:Aleatorio Simple

Ejecución

37
Muestreo Probabilístico:Aleatorio Simple
PASOS:
1. Tener un marco de muestro adecuado (lista, data, etc)
2. Asigne a cada elemento de la población un número de 1 a N.
3. Genere números aleatorios diferentes entre 1 y N.
4. Los números generados indican los elementos que deben incluirse en la muestra.

Ejecución

38
Muestreo Probabilístico: Estratificado
Estratificado o en segmentos.
Los estratos deben ser mutuamente excluyentes y colectivamente exhaustivos.
Todo elemento o sujeto debe estar en 1 solo estrato
Todos los sujetos deben estar en alguno de los estratos

Tipos de estratos:

• Hombres y mujeres
• Niveles Socioeconómicos: A, B, C, D, E.
• Categoría de edades
• Religión
• Logros educativos

Ejecución

39
Muestreo Probabilístico: Estratificado
PASOS:

1. Separar la población en estratos.

(Los estratos entre sí son heterogéneos y al interior deben ser homogéneos (todos H, todos M, todos x, todos y, todos z)
2. Seleccionar los elementos mediante un proceso de MAS.

HHHHHHHHHH MMMMMMMM
HHHHHHHHHH MMMMMMMM
HHHHHHHHHH MMMMMMMM
HHHHHHHHHH MMMMMMMM
HHHHHHHHHH MMMMMMMM

Ejecución

40
Muestreo Probabilístico: Estratificado

Ejecución

41
Muestreo Probabilístico: Estratificado

Ejecución

42
Muestreo Probabilístico: Estratificado

Ejecución

43
Muestreo Probabilístico: Por conglomerados
También llamado por racimos o clusters.
1. Se divide a la población en grupos o conglomerados (100, 1000, etc.) y se realiza un MAS de clonglomerados.
Muestreo Conglomerado de 1 Etapa: Se hace un censo a todos los conglomerados.
Muestreo Conglomerado de 2 Etapas: De cada conglomerado se obtiene una muestra por MAS.

Entre conglomerados son homogéneos, pero dentro son heterogéneos.

Ejemplo: Adolescentes de colegios secundarios.
Colegio A Colegio B Colegio C
HHHHHHHHHH
HHHHH MMMM
H H H MMMMM H MMMMMMMMHH
HHH MMMMM
HHHHHHHHHH HHHHHHHHMMMH
HHHHHHHHHHMM
HHHHHHH HMHMH
MMMMMMM
MMMMM H

Ejecución

44
Muestreo Probabilístico: Por conglomerados

Ejecución

45
Muestreo Probabilístico: Sistemático
1. Se elige un punto de inicio aleatorio
2. Luego se elige, de manera sucesiva, cada n elementos (cada 5, cada 6, cada 10, etc).
n = Población total / muestra. (Si sale 5 => de 5 en 5)

Desventajas: El padrón al ser cíclico puede conducir a disminuir la representatividad.

Ejecución

46
Muestreo Probabilístico: Por área
La data no son personas, sino distritos, provincias, manzanas, etc.
De 1 etapa: Selecciona con MAS el # de manzanas o distritos de la lista y a todos en la manzana hago la encuesta.
De 2 etapas: Una muestra de cada manzana.

Ejecución

47
Ejecución

48