t02 5 proceso inv fase ii 4ª parte muestreo
DESCRIPTION
investigación de mercadosTRANSCRIPT
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