Proceso de la

Investigación de

Mercados

Proceso de la

Investigación de

Mercados

PROCESO DE LA INVESTIGACIÓN

DE MERCADOS

•Paso 8: Recopilar y preparar los datos

•Paso 9: Analizar e interpretar la información

Fase III: Ejecutar la

Investigación

•Paso 4: Determinar el diseño y las fuentes de datos

•Paso 5: Elegir el Método de Investigación

•Paso 6: Crear y realizar Pruebas Piloto de los instrumentos

de medición

•Paso 7: Definir el Plan de Muestreo

Fase II:

Seleccionar el

Diseño de la

Investigación

•Paso 1: Identificar y aclarar las necesidades de información

•Paso 2: Formular el Problema y las preguntas de Investigación

•Paso 3: Especificar los Objetivos de la Investigación

Fase I:

Determinar el

Problema de

Investigación

•Paso 10: Preparar y Presentar el Informe de Resultados de la

Investigación

Fase IV: Comunicar los

Resultados

Conceptos Generales:

Población es el conjunto, finito o infinito, de todos los elementos que comparten una o más características y que conforman el universo o población objetivo que interesa investigar

Muestra es un subgrupo de los elementos de la población que se selecciona para tomar parte en un estudio

Censo es el proceso de tomar mediciones a todos los elementos de la población

DEFINICIÓN DEL PLAN

DE MUESTREO

Conceptos Generales:

El muestreo es la parte de la estadística que se ocupa de la selección y agrupación de elementos representativos de una cierta población

Una muestra es representativa cuando a partir de ella se pueden inferir características relevantes de la población en las mismas proporciones / cantidades que están presentes en dicha población

Conceptos Generales:

Elemento de muestreo o unidad de análisis es el objeto que posee la información que busca el investigador y a partir del cual se harán inferencias o generalizaciones a la población

Conceptos Generales:

Unidad de Muestreo es un elemento disponible para su selección en alguna etapa del proceso de muestreo que contiene, a su vez, a las unidades de análisis.

Nota: Las unidades de muestreo deben ser mutuamente excluyentes y colectivamente exhaustivas: esto es, cada elementos de la población pertenece a uno y solo un estrato

Conceptos Generales:

El marco muestral es una base de datos o listado que contiene a todas las unidades de muestreo o elementos de muestreo que conforman la población:

Debe ser:

Exclusiva

Exhaustiva

DEFINICIÓN DEL PLAN

DE MUESTREO

DEFINICIÓN DEL PLAN

DE MUESTREO

TÉC

NIC

AS D

E M

UEST

REO

Muestreo

Probabilístico

Muestreo No

Probabilístico

Muestreo Probabilístico:

El muestreo probabilístico, o muestreo aleatorio, es aquel en el que cada elemento de la población tiene una probabilidad conocida y diferente de cero de ser seleccionado

La selección de los elementos de la muestra se hace al azar; esto es, con base en algún procedimiento aleatorio

Requiere forzosamente contar con un marco muestral confiable, ya sea de los elementos o de las unidades de muestreo

MUESTREO PROBABILÍSTICO

Ventajas:

Asegura la selección de muestras representativas de la población de interés

Se pueden cuantificar los errores de muestreo; esto es, los errores que se cometen al sacar conclusiones sobre la población, a partir de la observación de sólo una parte de ella

Admite hacer generalizaciones a la población dentro del margen de error calculado

Permite conocer la precisión de las estimaciones

MUESTREO PROBABILÍSTICO

Limitaciones:

Su principal limitación es la dificultad de contar con marcos muéstrales confiables

Las muestras probabilísticas resultan más caras que las no probabilísticas

Muestreo no probabilístico:

El muestreo no probabilístico es aquel en el que la selección de un elemento en particular no depende del azar, sino del juicio o conveniencia del investigador

En este tipo de muestreo no todos los elementos tienen necesariamente probabilidad de ser seleccionados en la muestra

El grado en que la muestra sea o no representativa de la población depende del planteamiento del muestreo y de su ejecución

MUESTREO NO PROBABILÍSTICO

Ventajas:

No requiere invertir en marcos muestrales

Las muestras no probabilísticas son menos costosas que las probabilísticas

Las técnicas no probabilísticas son más fáciles y rápidas de implementar

Son ampliamente utilizadas en situaciones en donde el cálculo de la precisión de las estimaciones o los errores de muestreo no es un factor crítico

MUESTREO NO PROBABILÍSTICO

Desventajas:

No se pueden calcular errores muestrales ni la precisión o nivel de confiabilidad de Las estimaciones

El investigador no conoce con certeza hasta qué grado la muestra es representativa de la población

TÉCNICAS DE MUESTREO

Muestreo

Probabilístico

• Aleatorio Simple

• Aleatorio Sistemático

• Aleatorio

Estratificado

• Por Conglomerados

Muestreo no

Probabilístico

• Por Conveniencia

• Por Juicio

• Por Cuotas

• De Bola de Nieve

Muestreo Aleatorio Simple:

Todos los elementos de la población tienen la misma probabilidad de ser seleccionados.

Equivale a seleccionar elementos de una urna

En la práctica, la selección se hace mediante una tabla de números aleatorios a partir del marco muestral

Es importante que la población de la cual se va a extraer la muestra sea relativamente homogénea respecto a la característica de interés.

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

MUESTREO ALEATORIO SIMPLE

Ventajas:

Fácil de implementar

Simplifica en gran medida las estimaciones de la muestra a la población objetivo

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

MUESTREO ALEATORIO SIMPLE

Desventajas:

Requiere de marcos muestrales confiables

El proceso de localizar a los elementos seleccionados puede llevar mucho tiempo

Cuando la población no es tan homogénea:

Debido al azar el proceso puede resultar en una muestra “mala” o poco representativa

Se requieren tamaños de muestra “grandes” para garantizar muestras representativas

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo Sistemático:

Ampliamente utilizado en poblaciones que no son homogéneas

La muestra se elige mediante la selección de un punto de arranque aleatorio y la elección de cada k-ésimo elemento en sucesión:

N=tamaño de la población

n=tamaño de la muestra

k = [N/n]; r = número aleatorio entre 1 y k

La muestra resultante es:

r, r+k, r+2k, r+3k ,..., r+(n-1)k

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo Sistemático:

Esencialmente supone que los elementos de la población están ordenados de alguna manera

Si el ordenamiento de los elementos es en sí mismo aleatorio con respecto a la características de interés, el muestreo sistemático será equivalente a un muestreo aleatorio simple

Cuando los elementos están ordenados por una característica relacionada con las variables de interés, se incrementa la representatividad de la muestra

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

MUESTREO SISTEMÁTICO

Ventajas:

Es más sencillo y fácil de implementar que una selección simple aleatoria

Es estadísticamente más eficiente

Consideraciones:

La mayor debilidad es el riesgo potencial de que existan patrones cíclicos ocultos en los datos y que no sean descubiertos por el investigador

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo Aleatorio Estratificado:

Este procedimiento puede resumirse de la siguiente manera:

Los elementos de la población objetivo se subdivide en grupos o estratos homogéneos

Los estratos deben ser mutuamente excluyentes y colectivamente exhaustivos

A continuación se selecciona una muestra aleatoria simple dentro de cada uno de los estratos

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo Aleatorio Estratificado:

El tamaño de muestra dentro de cada estrato se puede asignar de dos maneras: óptima y proporcional

a) La asignación proporcional significa que el tamaño de la muestra dentro de cada estrato es proporcional al tamaño relativo de ese estrato respecto a la población total

b) En la asignación óptima el tamaño de la muestra de cada estrato es proporcional a la varianza de la variable de interés dentro de cada estrato.

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

MUESTREO ALEATORIO ESTRATIFICADO

Ventajas:

Seguridad de la representatividad de la muestra

La posibilidad de estudiar por separado cada estrato y hacer comparaciones entre estratos

Mayor precisión y menores márgenes de error en las estimaciones de los parámetros poblacionales

Limitaciones:

El conocimiento de las variables relevantes de estratificación

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo por Conglomerados:

Los métodos anteriores parten del supuesto de que se tiene un marco muestral de los elementos

Si no es posible contar con este listado, una solución es el muestreo por conglomerados

Un conglomerado es equivalente a una unidad de muestreo

Nota: la aplicación del método requiere de un marco muestral de conglomerados

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo por Conglomerados:

En el muestreo por conglomerados lo que se busca es que los elementos dentro de cada conglomerado sean tan heterogéneos que de alguna manera reflejen la ‘variabilidad’ de la población en sí

Por otro lado los conglomerados entre si deben ser lo más homogéneos posible, para que cualquier grupo seleccionado represente con la misma exactitud a la población

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo Por Conglomerados:

El procedimiento para seleccionar una muestra por conglomerados es el siguiente:

Los elementos de la población se divide en subpoblaciones, llamadas en este caso conglomerados, mutuamente excluyentes y colectivamente exhaustivos

A continuación se hace una selección aleatoria de conglomerados

Muestreo por Conglomerados:

Para efectos de elegir a los elementos que conformarán la muestra:

a) Se puede censar a todos los elementos de los conglomerados seleccionados: Muestreo por conglomerados de una sola etapa

b) Se puede hacer una selección aleatoria de elementos dentro de cada conglomerado seleccionado: Muestreo por conglomerados de varias etapas

MUESTREO POR CONGLOMERADOS

Ventajas:

Es más rentable y sencillo de implementar que otros métodos aleatorios

En muchos casos el único marco muestral confiable disponible para los investigadores es uno basado en conglomerados

Es estadísticamente más eficiente

Limitación:

En ocasiones los conglomerados no replican la heterogeneidad de la población

TÉCNICAS DE MUESTREO

PROBABILÍSTICO

Muestreo por Conveniencia

Los elementos de la muestra se seleccionan de acuerdo a la conveniencia / comodidad del investigador

Las unidades de muestreo se seleccionan con base en su disponibilidad, ya sea porque se encuentran en el lugar y momento oportunos o porque voluntariamente desean participar en el estudio

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

MUESTREO POR CONVENIENCIA

Ventajas:

Es la técnica menos costosa y más rápida

Las unidades de análisis son accesibles, fáciles de medir y cooperativas

Es útil en investigaciones exploratorias: sesiones de grupo, pruebas piloto de cuestionarios, desarrollo de constructos,…

Utilizadas también en investigaciones descriptivas, donde la precisión de las estimaciones no es tan relevante

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

MUESTREO POR CONVENIENCIA

Limitaciones:

Están presentes muchas fuentes de sesgos en la investigación

Las muestras resultantes no son representativas de ninguna población definida

No son adecuadas para los proyectos de investigación de mercados que impliquen realizar inferencias sobre la población

Muestreo por Cuotas

Técnica ampliamente utilizada

Consiste en seleccionar a los participantes conforme a cuotas pre especificadas de variables relevantes para la investigación

Trata de emular al muestreo estratificado

Útil en muchas de las investigaciones en las que es suficiente conocer el porcentaje de elementos de una muestra cuya actitud es positiva con respecto al tema de investigación, para tomar una decisión

Muestreo por Cuotas

No requiere de un marco muestral, pero sí de un conocimiento preciso de la población

Las cuotas se asignan tal que las características de interés estén representadas en la muestra en las mismas proporciones que en la población, por lo que se debe conocer cuál es la distribución de la población respecto a dichas características

Una vez determinadas las cuotas, existe amplia libertad en la selección de los elementos a incluirse en la muestra

MUESTREO POR CUOTAS

Ventajas:

En la medida en la que se conocen las variables relevantes de la población, el uso de cuotas asegura que se identifique e incluyan en la muestra los subgrupos adecuados

Consideraciones:

Aunque no se puede medir la representatividad de la muestra, se permiten hacer generalizaciones a la población con cierta cautela

Muestreo por Juicio

En el muestreo por juicio, o muestreo intencional, la muestra se selecciona con base a lo que algún experto o especialista considera la “mejor” muestra para un estudio específico

El experto, con su juicio o experiencia, elige a los elementos porque cree que son representativos de la población de interés o son, de alguna manera, los más apropiados

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

Muestreo por Juicio

El muestreo por juicio no resulta muy caro, es conveniente y por lo general rápido.

No permite generalizaciones directas a una población específica, casi siempre porque la población no está definida en forma explícita

Aunque es una técnica subjetiva, su valor radica en que la opinión de los elementos de la muestra, aunque no sea representativa, es importante para ser considerada en la toma de decisiones

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

Muestreo de Bola de Nieve

Útil para poblaciones “pequeñas y únicas”, donde el tamaño de la población con las características de interés es bajo y difícil de ubicar.

También utilizado cuando es difícil compilar la lista completa de elementos de la población

Bajo esta técnica, también conocida como muestreo por recomendación, los elementos contactados de inicio, además de proporcionar información, sirven para referenciar a otros elementos con las características requeridas

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

MUESTREO DE BOLA DE NIEVE

Ventajas:

Reducción de tiempo y costos para completar el tamaño de muestra requerido

Limitaciones:

La mayor desventaja es el sesgo, ya que los elementos referidos muy probablemente serán muy similares a los que los referenciaron.

Consideraciones:

Diversificar lo más posible a los elementos seleccionados inicialmente

TÉCNICAS DE MUESTREO

NO PROBABILÍSTICO

TAMAÑO DE LA MUESTRA

La confiabilidad de los resultados depende, en gran medida, del tamaño de la muestra

Consideraciones importantes para determinar el tamaño de la muestra:

La importancia de la decisión

Naturaleza de la investigación: exploratoria vs. concluyente

Objetivos de la investigación: número de variable a investigar

Presupuesto y tiempo disponibles

Consideraciones importantes para determinar el tamaño de la muestra:

Finalmente, y suponiendo que no se tuvieran restricciones de tiempo y costo, el tamaño de la muestra depende de los siguientes factores:

Varianza de la población

Precisión de las estimaciones:

a) Margen de error

b) Nivel de confiabilidad

Varianza de la población:

Lo que realmente determina el tamaño de la muestra (n ), más que el tamaño de la población (N), es la varianza de la población respecto a las variables de interés para el estudio

Entre más homogénea sea la población, menor será el tamaño de muestra requerido. El tamaño de muestra aumenta en la medida que aumenta la heterogeneidad de la población.

Pasos Medias Proporciones 1. Especificar nivel de precisión / margen de error

D = 5.00

D = p - = 0.05

2. Especificar el nivel de confiabilidad (NC)

NC = 95%

NC = 95%

3. Determinar el valor Z asociado a NC

Z(tablas) = 1.96

Z(tablas) = 1.96

4. Determinar el error estándar poblacional

Estimar : s = 55

Estimar : p = 0.64 5. Determinar el tamaño de la muestra utilizando las fórmulas

n = 2 z2 / D2 = 465

n = (1 - ) z2 / D2 = 355

6. Si el tamaño de la muestra corresponde al 10% o más de la población ( n / N > 0.10), aplicar el factor de corrección para poblaciones finitas

nc = n * N / (N + n - 1)

nc = n * N / (N + n - 1)

TAMAÑO DE LA MUESTRA

PASO 1: Definir la población

objetivo

PASO 2: Elegir el método de

recolección de la información

PASO 3: Seleccionar

el método de muestreo

PASO 4:

Obtener Marcos Muestrales

(en caso necesario)

PASO 5: Determinar Tamaño de

Muestra

PASO 6: Desarrollar un plan operacional

específico

PASO 7 : Ejecutar el plan operacional