CAPITULO I DETERMINACIN DE LA MUESTRA

Como es conocido, en todo proceso de investigacin nos encontramos con tres planos a tener en cuenta. Un primer plano, corresponde a la conceptualizacin de aquella realidad que queremos conocer, lo que nos permite obtener los objetivos de investigacin. Un segundo plano, es la teorizacin como elemento de estructuracin y generativo de conocimiento, lo que nos proporciona las hiptesis de estudio. Finalmente, la metodologa (cualitativa o cuantitativa) que emplearemos para conocer, y por tanto, qu mtodos (de encuesta, de Observacin o experimental) y qu tcnicas (cuestionarios, entrevistas, observaciones o experimentos) vamos a utilizar para conocer la realidad que es objeto de nuestra investigacin. En este trabajo se inserta en un aspecto concreto del proceso anterior, a saber: cuntas personas he de observar? Las personas de la interrogar elegidas u

sern que deseo investigar? En concreto,

representativas

poblacin

expondremos una serie de elementos de utilidad prctica sobre el cmo se han de elegir las personas que participarn en la investigacin. Pero tambin, que stas sean

representativas de la poblacin objeto de nuestro estudio. Al conjunto de tcnicas que se ocupan de este aspecto se las denomina de muestreo. Son tcnicas muy utilizadas en la metodologa cuantitativa, sobre todo en los mtodos de encuesta (cuestionario o entrevista). 2 Para una investigacin de mercado son muchos pasos a seguir y uno de ellos (el ms complejo) es la determinacin de la muestra que tiene como finalidad poder saber a

que poblacin o unidad se va ha investigar, los mrgenes de errores que tendrn los resultados, la variabilidad de las respuestas, como influye la estadstica para poder llegar con los resultados esperados de la investigacin. Es por ello que hemos seleccionado, a nuestro criterio, los pasos a seguir para la determinacin de la muestra:

1. Definir la poblacin meta u objetivo, e identificarla mediante un marco de muestreo. 1. Determinar el tipo de muestreo (Probabilstico o No Probabilstico); es decir el
mtodo para seleccionar los elementos de la muestra a partir del marco muestral. 3. Decidir el tamao de la muestra. Para poder entender los trminos a utilizar a lo largo del trabajo de investigacin, a continuacin definiremos algunos conceptos bsicos I.1) Poblacin o Universo.: Es un conjunto de unidades o elementos que presentan una caracterstica comn; tambin se le considera como un conjunto de medidas. Si la caracterstica observada ha sido medida, recibe el nombre de variable continua; si, por el contrario, tan slo se hace el recuento se le denomina atributo o puede ser una variable discreta. Considerar la poblacin como conjunto de unidades o elementos, puede entenderse como un grupo de personas, familias, establecimientos, manzanas, barrios, objetos etc., pero en realidad es un conjunto de medidas obtenidas con las caractersticas estudiadas. Por ejemplo, al considerar un grupo de personas de acuerdo a la finalidad de la investigacin, se podr estudiar su nivel educativo, sexo, ocupacin, edad, preferencia, hbitos o cualquiera otra caracterstica. Para un conjunto de personas que presentan las mismas caractersticas, se buscaran informacin cuantificada, algunas veces mediante el recuento de unidades. En este caso particular, nmero de personas con determinado nivel educativo, nmero de hombres y/o 3 mujeres, cuntas de ellas se encuentran trabajando, etc.; en otros casos la caractersticas ser medida (estatura, peso, ingresos, etc.).

No es correcto, entonces, considerar la poblacin o universo como si forzosamente estuviese constituida por la totalidad de habitantes de una zona geogrfica o por un grupo ms pequeo, para investigar caractersticas tales como estado civil, sexo, ocupacin, posicin econmica, siempre y cuando se trate de seres humanos; se puede tambin conformar otro tipo de poblacin o universo diferente a personas, como establecimientos comerciales, industriales, servicios pblicos, todos ubicados dentro de la zona o la cobertura geogrfica que se desea estudiar. Se pueden constituir poblaciones de animales, objetos, artculos producidos por una fbrica, etc. I.2) Poblacin Finita e Infinita.- Dependiendo del nmero de unidades o elementos de observacin, la poblacin puede ser considerada como finita o infinita. I.2.1) Poblacin Finita; es aquella constituida por un determinado o limitado nmero de elementos o unidades y en la mayora de los casos, considerado como relativamente pequea. Caractersticas.- Lo que investiga en una unidad o elemento son sus caractersticas, las cuales se clasifican en cualitativas y cuantitativas. Caractersticas Cualitativas, Son atributos, susceptibles de ser expresados mediante palabras, (ocupacin, profesin, actividad econmica, nacionalidad, marcas, puertos de embargue, sexo, estado civil, propietario de vivienda, etc.). Slo se pueden contar, no son mensurables. Caractersticas Cuantitativas, Son variables que se expresan numricamente (ingresos, ventas, consumos, edades, estaturas, etc.) Las caractersticas se describen mediante la utilizacin de promedios, proporciones, razones, etc. Tales medidas reciben el nombre de parmetros cuando son aplicables a las caractersticas de las unidades en la poblacin y estimadores en la muestra. Son 4 resultados de estas mediciones el promedio de duracin de hospitalizacin, el porcentaje de mujeres atendidas por maternidad, la relacin mujeres/hombres, etc.

I.2.2) Poblacin infinita, conformada por un indeterminado nmero de unidades, tal es el nmero de peces en un ro o el nmero de granos de arroz recolectados en una regin. El comportamiento de una poblacin demasiado grande, an siendo finita, tiende a ser considerada como una poblacin infinita al calcular el tamao de la muestra, por ejemplo, en el nmero de tachuelas producidas por las fbricas situadas en los pases latinoamericanos. Al determinar el tamao de la muestra, en una poblacin finita pero demasiado grande, el resultado no vara sustancialmente, si sta se establece para la poblacin infinita.

I.3) La muestra.- La muestra parte de la poblacin con la que se realiza la investigacin

o el estudio. Tambin se puede decir que La muestra es el nmero de elementos, elegidos o no al azar, que hay que tomar de un universo para que los resultados puedan extrapolarse al mismo, y con la condicin de que sean representativos de la poblacin (Ver Esquema 01). El tamao de la muestra depende de tres aspectos:

Del error permitido. Del nivel de confianza con el que se desea el error. Del carcter finito o infinito de la poblacin.

I.4) Individuo.- Individuo: cada uno de los elementos que componen la muestra y de los
que se obtiene la informacin. Estos elementos pueden ser objetos, acontecimientos o personas.

I.3) Generalizacin: la posibilidad de aplicar los resultados o conclusiones de los

elementos de la muestra a toda la poblacin de donde se ha obtenido.

I.5) Censo.- Conteo completo de los elementos de una poblacin u objetos de estudio.
5 I.7) Elemento.- Objeto que posee la informacin que busca el investigador y acerca del cual deben hacerse las inferencias.

I.8) Inferencias. Estadsticas- Proceso de generalizar los resultados de la muestra a los

resultados de la poblacin.

I.9) Unidad de Muestra.- Unidad bsica que contiene los elementos de la poblacin que
se incluir en la muestra.

SUP CAPITULO 1 DEFINICION DE LA POBLACION META

El diseo o determinacin n de la muestra empieza con la especificacin de la poblacin meta. La poblacin meta es el conjunto de elementos u objetos que poseen la informacin que busca el investigador y sobre los que deben hacerse las inferencias. La poblacin meta debe definirse con precisin. La definicin inexacta de la poblacin meta dar como resultado una investigacin ineficaz en el mejor de los casos y engaosa en el peor. La definicin de la poblacin meta comprende la traduccin de la definicin del problema a una afirmacin exacta sobre quien debe incluirse en la muestra y quien no. La poblacin meta debe definirse en trminos de los elementos, las unidades de muestra, la extensin y el tiempo. Un elemento es el objeto sobre el cual se desea la informacin. En la investigacin con encuestas, por lo regular el elemento es el entrevistado. Una unidad de muestra es un elemento, o unidad que contiene el elemento, que esta disponible para su eleccin en alguna etapa del proceso de muestreo. Ejemplo: Suponga que Revlon quiera evaluar la respuesta de los consumidores a una lnea nueva de lpices labiales y quiere obtener una muestra de mujeres mayores de 18 aos, en este caso una unidad de muestreo ser igual a un elemento. En forma 6 alternativa, la unidad del muestreo serian las familias. En este ultimo caso, las familias participaran en, la muestra y se entrevistara a todas las mujeres mayores de 18 aos,

en cada familia. Aqu, la unidad de muestreo y el elemento de la poblacin son diferentes. La extensin se refiere a los lmites geogrficos y el factor tiempo es el periodo a consideracin. Utilizamos el proyecto de patrocinio a las tiendas departamento para ilustrar. La poblacin meta para el proyecto de patrocinio a las tiendas departamentales se defini como sigue: Elementos: hombres o mujeres jefes de familia y responsables de la mayor parte de las compras en estas tiendas. Unidades de muestra: familias Tiempo: 1994 Es probable que la definicin de la poblacin meta no sea tan fcil como este ejemplo. Considere un proyecto de investigacin de mercados que evala la respuesta del consumidor a una marca nueva de agua de colonia para caballero. A quin debe incluirse en la poblacin meta? Todos lo hombres? Los hombres que utilizaron agua de colonia el mes pasado? Hombres de 17 aos o mayores? Es necesario incluir mujeres porque algunas de ellas compran colonias para los hombres que conocen? stas y otras preguntas similares deben responderse antes de poder definir la poblacin meta en esta forma apropiada.

SUB CAPITULO 2 Determinacin del Marco de la Muestra

Marco de la muestra.-Representacin de los elementos de la poblacin meta que consiste en una lista de indicadores para identificar la poblacin meta. El marco de la muestra es una representacin de los elementos de la poblacin meta. 7 Consiste en una lista o grupo de indicadores para identificarla poblacin meta. Algunos ejemplos de marco de muestra incluyen el directorio telefnico, el directorio de una

asociacin que lista las empresas en una industria, una lista de correo comprada a una organizacin comercial, el directorio de una ciudad o un mapa. Sino puede reunir en una lista, debe especificarse, por lo menos, algunas indicaciones para identificar la poblacin meta como los procedimientos de marcar dgitos aleatorios en las encuestas por telfono. Con frecuencia, es posible reunir u obtener una lista de los elementos de la poblacin, pero la lista quiz omita algunos elementos o incluya otros elementos que no pertenecen a esta. Por tanto el uso de una lista dar lugar a un error en el marco de la muestra. En algunos casos, la discrepancia entre la poblacin y el marco de la muestra es suficientemente pequea para ser ignorada. Sin embargo, en la mayor parte de los casos el investigador debe reconocer y manejar el error en el marco de la muestra. Esto puede hacerse, por lo menos, de tres formas. Una estrategia consiste en redefinir la poblacin en trminos del marco de la muestra. Si se utiliza el directorio telefnico como marco de la muestra, la poblacin de familias puede redefinirse como aquellas que se mencionan correctamente en el directorio telefnico de una rea determinada. Aun cuando esta estrategia es simplista, si evita que el investigador se equivoque respecto a la poblacin real que se investiga.

Otra forma consiste en detectar el error en el marco seleccionando a los entrevistados durante la etapa de recopilacin de datos. Es preciso elegir a los entrevistados con respecto de las caractersticas demogrficas, la familiaridad, el uso del producto y las caractersticas a fin de asegurarse que satisfagan los criterios de la poblacin meta. La

8 seleccin puede eliminar los elementos inadecuados que contiene el marco de la muestra, pero no puede tomar en cuenta aquellos que se omitieron.

Sin importar que estrategia adopte, es importante reconocer cualquier error que exista en el marco de la muestra de modo que puedan evitarse inferencias inapropiadas sobre la poblacin.

SUB CAPITULO 3 Tipos de Muestreo

Tal como hemos comentado, los tipos de muestreo son un conjunto de tcnicas para seleccionar los individuos de una poblacin que formarn parte de la muestra. Estas tcnicas se dividen en dos grandes grupos, 3.1. Muestreo probabilstico Es el proceso de seleccin de una muestra en la que todos los individuos o elementos de una poblacin, tienen la misma probabilidad de ser seleccionados. Son tcnicas basadas en el principio de seleccin al azar. 3.1.1 Muestreo Aleatorio Simple (M.A.S.): cuando todos los elementos de la poblacin tiene la misma probabilidad de ser seleccionados en la muestra y esta probabilidad es conocida. Este tipo de muestreo es ms recomendable, pero resulta mucho ms difcil de llevarse a cabo y, por lo tanto, es ms costoso. Para seleccionar una muestra de este tipo se requiere tener en forma de la lista todos los elementos que integran la poblacin investigada y utilizar tablas de nmeros aleatorios. Ejemplo: A un grupo de 100 personas se les numera de uno a cien y se despostan en una urna 100 bolitas a su vez numeradas de uno a cien. Para obtener una muestra aleatoria simple de 20 elementos, tendramos que sacar 20 bolitas numeradas de la

9
urna que nos seleccionarn en forma completamente al azar a los 20 elementos escogidos para que opine sobre un nuevo producto.

3.1.2.- Muestreo Aleatorio Sistemtico: El cual es susceptible de ser ms preciso que el muestreo aleatorio simple. Se elige un primer elemento del universo y luego se van escogiendo otros elementos igualmente espaciados a partir del primero. Consiste en dividir la poblacin en n estratos, compuestos por la primeras K unidades, las segundas K unidades y as sucesivamente. Ejemplo: A partir de una lista de 100 establecimientos de comestibles, deseamos seleccionar una muestra probabilstica de 20 tiendas. La forma de hacerlo sera: Paso N 01: Dividir 100 entre 20 para obtener 5, que es un salto sistemtico. Paso N 02: Extraer un nmero al azar entre 1 y 5. Supongamos que es el nmero 2 el cual corresponde al primer elemento seleccionado. Paso N 03: Se incluyen en la muestra de establecimientos numerados: 2, 7, 12, 22, I I I ..,97. 31.3.- Muestreo por Zonas: Llamado tambin muestreo por reas o Polietpico: Es ideal cuando se desea que las entrevistas se apliquen por reas representativas del fenmeno a estudiar, en un rea determinada. Esta zona puede ser una ciudad, un barrio o la zona sur de la ciudad. Se procede por etapas: 1era Etapa: Seleccin de manzanas en un mapa. Se necesita un plano de la ciudad que se investigar. 2da Etapa: Seleccin de hogares en esas manzanas. Posteriormente se deben eliminar del plano las manzanas no destinadas a casa habitacin: como parques, iglesias, tiendas e industrias.

10

3era Etapa: Seleccin de personas en el hogar. Se numera cada manzana e las que restan en el plano con un criterio uniforme para no alterar la aleatoriedad. Al mismo tiempo se determina el nmero de manzanas que estarn en la muestra. Una vez realizados estos pasos se encuentra un nmero promedio de viviendas por manzan a. Total de Familias Total de Promedio de familias por manzana

Ejemplo 1: Si en una ciudad existen cerca de 5,000 manzanas disponibles y 200,000 hogares, con un promedio de 40 hogares por manzana. Se fija un salto mnimo de hogares para hacer cada entrevista. Un salto es el nmero de casas que se dejaran de visitar despus de cada encuesta. A mayor salto, mayor dispersin de la muestra, y mayor representatividad, pero mayor costo. Se recomiendan saltos no menores e 4 ni mayores de 10 casas. Se puede utilizar un salto promedio de 8. Se determina el tamao de la muestra. Suponiendo que la muestra es de 800, se tiene:

Total de Entrevistas Nmeros de entrevistas por manzana

Nmero de manzanas a sortear

800 160 5 El nmero de manzanas que se deben dejar de visitar despus de haber encuestado una manzana, se obtiene de la siguiente forma: si se entrevistan 120 hogares. Total de Manzanas Tamao de la muestra Salto sistemtic o

11

5,0 00 12 0

41.742

Se obtiene un nmero aleatorio entre 1 y 42 = 25 Primera manzana Salto sistemtico Segunda Manzana 67 Salto sistemtico Tercera manzana 42 109 25 42

Etc. Ejemplo 2: Es muy probable que la investigacin acerca de las actitudes, preferencias y hbitos de consumo de las madres de familia y los nios por un nuevo tipo de galleta en el mercado deba enfocarse ms hacia los niveles socioeconmicos altos, ya que son quienes pueden hacer frente a un precio Premium de 20% Suponga que se plantea hacer un total de 500 encuestas en la ciudad donde usted vive. Considerando los porcentajes de hogares en cada estrato socioeconmico en un muestreo probabilstico con clculo proporcional obtendramos (Ver cuadro 02) Sin embargo, este nmero de entrevistas por estrato no permitira mayor anlisis y desvirtuara los objetivos de la investigacin en los estratos altos. Aqu se deber

12

calcular el tamao de cada muestra mediante el mtodo desproporcional. Utilizando el siguiente seguimiento

Se enumeran los hogares de la lista en forma independiente para cada estrato. Se determina la caracterstica importante para cada estrato y se hace una

estimacin de su distribucin en la muestra total. (Ver cuadro 03)

Se aplica el mtodo de muestreo por zonas, considerando los valores de 108,

203, y 189 como tamaos totales de muestras para da zona. Esto implica que si se hubiera aplicado el muestreo directamente proporcional a tamao del estrato, al intentar investigar la probabilidad de pago de un aprecio Premium; la investigacin se habra visto muy limitada, precisamente por el tamao del estrato. Al balancear el tamao del mismo con la probabilidad de posesin del producto, se podr explorar mejor e fenmeno.

3.1.4.- Muestreo Aleatorio por Conglomerados.- En donde la poblacin est integrada en grupos especficos. El muestreo se hace seleccionando en forma aleatoria algunos conglomerados dentro del conjunto total y procediendo a analizar a la poblacin a partir de aquellos elementos seleccionados.

Ejemplo:. Las unidades hospitalarias, los departamentos acadmicos en una universidad, una caja de determinado producto, etc. son conglomerados naturales. Tambin existen los conglomerados no naturales como por ejemplo, las urnas electorales. Cuando os conglomerados son reas geogrficas suele hablarse de muestreo por reas

13

3.1.5.- Muestreo Por Rutas Aleatorias.- Tambin se conoce el muestreo probabilstica llamado muestreo por rutas aleatorias, en donde establecida el rea de muestreo se asigna una ruta desde un punto de partida determinado y los elementos de la muestra se van seleccionado a medida que se avanza en el trabajo de campo, buscando asegurar una cobertura geogrfica de la muestra. Se incluye en el ejercicio del Muestreo Aleatorio Simple. Un anlisis comparativo entre los distintos tipos de Muestro Probabilstico, describiendo sus ventajas, caractersticas e inconvenientes al momento de ser aplicados.

3.2. Muestreo no Probabilstico.- En este grupo de seleccionan los elementos de la muestra de acuerdo a determinados criterios previamente establecidos. Este tipo de muestreo se utiliza cuando el probabilstico resulta muy costoso, tendiendo presente que nos sirve para hacer generalizaciones puesto que no existe certeza de que la muestra extrada tenga representatividad, puesto que no todos los elementos de la poblacin tiene la misma probabilidad de ser seleccionados. 3.2.1 .- Muestreo por Cuotas.- Que presume un buen conocimiento de los estratos de la poblacin y se selecciona a los elementos o individuos ms representativos. Ejemplo: Seleccionar 50 estudiantes de la carrera de ingeniera industrial, que ya hayan cursado el cuarto ciclo de la carrera y que tengan promedio arriba del 75 %. Se eligen a los primeros 50 que cumplan con estas condiciones. Este tipo de muestreo se utiliza especialmente en las encuestas de opinin.

3.2.2.- Muestreo de Opinin o Intencional.- En donde deliberadamente se obtienen muestra de grupos focales.

14

Ejemplo: Realizar un sondeo pre-electoral en una regin en donde anteriormente a la tendencia de voto ha estado orientada a un candidato especfico. 3.2.3.- Muestreo Causal o Incidental.- Cuando se selecciona directa a intencionadamente a los elementos de la muestra. Ejemplo: Un profesor universitario frecuentemente utilizar a sus estudiantes para integrar muestras.

3.2.4.- Muestreo Bola de Nieve.- En donde algunos elementos seleccionados de la muestra conducen a otros y estos a otros hasta conseguir una muestra adecuada en tamao. Ejemplo: Realizar estudios con poblaciones marginales, con delincuentes, tipos de enfermeros para conocer el nivel de participacin social. 3.2.5.- Muestreo Discrecional.- En donde los elementos de la muestra son seleccionados con el encuestador de acuerdo a criterios que l considera de aporte para el estudio. Ejemplo: Seleccionar a cajeros de un bando en un estudio sobre el comportamiento de usuario ante el pago de impuestos.

SUB CAPITULO 4 TAMAO DE LA MUESTRA

Es una de las decisiones ms importantes que se debe tomar en una investigacin por muestreo, que consiste en la determinacin del tamao ptimo, simbolizado por n. Se dice que una muestra debe ser pequea, con el fin de que el costo de la

15

investigacin sea lo suficientemente bajo, y bastante grande para que el error del muestreo sea admisible. Algunos creen que el tamao poblacional, simbolizado por N, pero eso no es cierto, ya que existe un punto en el cual el tamao de la muestra permanece constante, as el tamao poblacional aumente. En el clculo del tamao componentes: 4.1.- El Error del Muestreo.- Es la diferencia que puede haber entre el valor poblacional (parmetro) y la estimacin de la misma (estimacin puntual o estadgrafo), obtenida por medio de una muestra aleatoria, observada en una de las tantas muestras posibles de una poblacin dada. La totalidad de estos errores, genera la distribucin de muestreo empleada para estimar el valor poblacional. En muchos casos, el error ser determinado por el investigador, por ejemplo, si para un sector de la economa se quiere estimar el promedio de salarios y se sabe por observaciones aisladas o por experiencia, que el ingreso promedio para ese sector es, aproximadamente, de 480.000, el error respecto al parmetro podra ser: 480.000 + E. De acuerdo a la finalidad de la investigacin podra considerarse, para este caso, que un error de 60.000 o cualquier otro valor es ms que suficiente, dado el grado de variabilidad que supuestamente tengan los salarios en dicho sector. Sin embargo, este procedimiento requiere, adems de cierta experiencia, un conocimiento previo sobre el comportamiento de la caracterstica en la poblacin que se estudia, de ah que es mucho prctico determinar el error como un porcentaje, en la mayora de los casos no mayor de 10%, aplicado a la media aritmtica, generalmente obtenida en una encuesta preliminar: E=(%)(x). ptimo, se deben tener en cuenta, los siguientes

16

El porcentaje podra considerarse en algunos casos como un complemento del nivel de confianza, as que una confianza del 95% dara supuestamente un error del 5%, pero siempre ser el complemento, ya que este porcentaje podra aumentarse o disminuirse dependiendo del grado de precisin con que se desea hacer la estimacin. Pero hay otro tipo de error que no tiene nada que ver con el muestreo y que no se puede medir. Estos errores denominados ajenos del muestreo, no mustrales o sistemticos, se consideran como el resultado de instrumentos de medicin incorrectos, cuestionarios mal definidos, errores que comete el entrevistador al efectuar las preguntas o al interpretar las respuestas, preguntas vagas o ambiguas; en otros casos, son consecuencias de la influencia negativa del entrevistador, del mal diseo del formulario. Tambin podra ser el resultado de los procesos de crtica, codificacin, t a bu la c i n , e n lo s cu a le s se p ue d en c om et e r e r r o r e s a j en os al m ue st r e o. Su frmula para media es: 4.2.- La Varianza: Del grado de variabilidad, varianza, depende en gran parte el tamao de la muestra. Por ejemplo, el mdico que realiza un anlisis de sangre, el panadero que come un pan, el cocinero que paladea una cucharada de sopa; cada uno de ellos ha hecho uso de una muestra. Obsrvese que un centmetro de sangre, un pan o una cucharada de sopa se puede determinar el comportamiento de totalidad (Sangre del paciente, total de panes en una jornada, total de sopa preparada para el almuerzo) y se debe al grado de homogeneidad que presenta la caracterstica observada; cualquier muestra que se tome de estas poblaciones se espera que d un resultado igual, representativo del total. Si todas las caractersticas presentaran un alto grado de homogeneidad, sera muy sencilla la investigacin por muestreo, pero esa situacin no se da en la mayora de las poblaciones que se investigan; por lo tanto el tamao de la muestra deber aumentarse

17

de acuerdo al grado de variabilidad, de tal forma que queden representados en ella los valores extremos que toma la variables. En el clculo del tamao de la muestra, lo ideal sera que la varianza correspondiera a la poblacin investigada, pero en la mayora de los casos esto no es posible, de ah que exista la necesidad de estimarla mediante:

a.- Encuesta preliminares, piloto o pretest, sistema que consiste en la realizacin de

una pequea encuesta, cuyo tamao por lo general se toma en forma arbitrara, fijndose un porcentaje que debe ser aplicado al tamao poblacional. Esta varianza resultante de la encuesta se considera que puede ser un buen sustituto poblacional.

a.- El empleo de la varianza, obtenida en censos o investigaciones similares, realizadas

con anterioridad. c.- Otras veces son el resultado de conjeturas sobre la poblacin. Las encuestas preliminares permiten no solo estimar la varianza de las caractersticas de aquellas variables que tienen que ver con el objetivo de la investigacin, sino que facilitan su conocimiento, familiarizan al entrevistador al aplicar el formulario, determinan las fallas del mismo, adems, se puede conocer la reaccin del entrevistado , el tiempo necesario para cada entrevista y, como se dijo anteriormente, permite el clculo del error necesario para fijar el tamao ptimo de la muestra. De igual modo la encuesta preliminar permite hasta cierto punto, probar gran parte de los mecanismos tcnicos de muestreo, establecer los costos, localizar las unidades, comprobar si la medicin es prctica, etc. 4.3.- El nivel de Confianza.- Se ha mencionado que el grado de precisin depende, de alguna manera, del tamao de la muestra y ste, a su vez, de factores tales como el error, la varianza y la confianza. Esta ltima es fijada por el investigador quien, por lo general,, trabaja con una Z=2, valor correspondiente a un nivel de confianza del 95,5%;

18

pero es posible que sean otros valores de Z, tales como: Z=2,57 (confianza del 99%) y Z=1,64 (90% de confiabilidad). Lo ms prctico es trabajar con Z=2 Z=1,96, pero de todas maneras la decisin sigue dependiendo de la finalidad y del grado de precisin que se desee. 4.4.- Precisin.- Es lo que se desea para el estudio. No se puede predecir el grado de error de una estimacin en una situacin especfica, pues implicara conocer el verdadero valor del poblacin, por ello lo que se hace es examinar la distribucin de frecuencia generada para las estimaciones y se supone que la poblacin tiene una distribucin igual. A veces se hace la simplificacin de que las estimaciones muestrales tiene una distribucin aproximadamente normal. 4.5.- Estrategia del intervalo de confianza.- La estrategia del intervalo de confianza para la determinacin del tamao de la muestra, se basa en la construccin del intervalo de confianza alrededor de las medias o proporciones de la muestra mediante el uso de la formula del error estndar. Como ejemplo, suponga que un investigador tomo una muestra aleatoria sencilla de 300 familias para estimar los gastos mensuales en compras en tiendas departamentales y encontr que el gasto mensual medio de las familias, para la muestra, es de 182 dlares. Estudios anteriores indican que puede suponerse que la desviacin estndar de la poblacin es 55 dlares.

Buscamos un intervalo en el cual se encuentra una proporcin fija de las medias de al muestra. Suponga que deseamos determinar un intervalo alrededor de la media de la poblacin que incluya 95% de las medias de la muestra, con base en las muestras de 300 familias. El 95% podra dividirse en dos partes iguales, la mitad abajo de la media y la mitad arriba de esta. El calculo del intervalo de confianza comprende la

determinacin de una distancia debajo de ( L) y arriba de ( U) la media de la poblacin ( ) que contiene una rea especifica del curva normal.

19

Los valores z que corresponden

a Ly

pueden calcularse como:

0.475 0.475

Podemos establecer que el

intervalo de confianza es de 95 %

alrededor de la media de la muestra de 182 dlares. Nivel de confianza Z1- => 2 = 1-0.95 = 0.05 = Nivel de significancia 1- = 1- 0.05 = 0.975 2 Segn tabla Z 0.975 = 1.96 Aplicando formula Z 2

n
=182.00 1.96 (55) =182.006.23 300 De esta manera, el intervalo de confianza de 95% vara de 175.77 a 188.23 dlares. La probabilidad de encontrar que la media de la poblacin real esta entre 175.77 y 188.23 dlares es de 95%.

20

SUB CAPITULO 5 APLICACIN PARA LA DETERMINACIN DEL TAMAO DE LA MUESTRA

5.1.- MUESTRAS PARA PROPORCIONES 5.1 .1 Tamao de la muestra de la poblacin infinita (Desconocida) Cuando deseamos estimar una proporcin, debemos conocer varios aspectos:

A) nivel de confianza = Z B) Probabilidad de xito = P C) Probabilidad de Fracaso = Q D) Precisin (error estndar/desviacin estndar) =
d2

n = Z2x p x q
d2

Ejemplo 1. A cuntas familias tendramos que estudiar para conocer la preferencia del mercado en cuanto a las marcas de shampoo para beb, si se desconoce la poblacin total? Seguridad = 95%; Precisin = 3%; Proporcin esperada = asumamos que puede ser prxima al 5%; si no tuvisemos ninguna idea de dicha proporcin utilizaramos el valor p = 0.5 (50%) que maximiza el tamao muestral. Entonces:

Z2 = 1.962 (ya que la seguridad es del 95%) p = proporcin esperada (en este caso 5% = 0.05)

21

 q = 1 p (en este caso 1 0.05 = 0.95) d = precisin (en este caso deseamos un 3%) 203 1.962xx 0.050.95

n
0.03
2

Se requerira encuestar a no menos de 203 familias para poder tener una seguridad del 95% Ejemplo 2: Cmo hubiera cambiando el ejemplo anterior, si se desconoce la proporcin esperada? Cuando se desconoce la proporcin esperada, se tiene que utilizar el criterio conservador (p = q = 0.5), lo cual maximiza el tamao de muestra de la siguiente manera:

Z2 = 1.962 (ya que la seguridad es del 95%) p = proporcin esperada (en este caso 50% = 0.5) q = 1 p (en este caso 1 0.5 = 0. 5) d = precisin (en este caso deseamos un 3%) quedando como resultado:

1,068 1.96
2

x 0.5 x 0.5

0.03
2

Se requerira encuestar a no menos de 1068 familias para poder tener una seguridad del 95%

1.96 1,068
22

x0.5x0.5 n
0.03
2

5.1.2 Tamao de la muestra de la poblacin finita (Conocida)

23

Debe tener en cuenta lo siguiente: N = tamao de la poblacin Z = nivel de confianza, P = probabilidad de xito, o proporcin esperada Q = probabilidad de fracaso D = precisin (Error mximo admisible en trminos de proporcin)

24

Z x d n_ 2 x (N 1 ) Nx Z2 x p xq p xq

25

Ejemplo 1. A cuntas familias tendramos que estudiar para conocer la preferencia del mercado en cuanto a las marcas de shampoo para beb, si se conoce que el nmero de familias con bebs en el sector de inters es de 15,000? Seguridad = 95%; Precisin = 3%; Proporcin esperada = asumamos que puede ser prxima al 5%; si no tuviese ninguna idea de dicha proporcin utilizaramos el valor p = 0.5 (50%) que maximiza el tamao muestral.

26

x(15,0001)1.96 0.03 n ___2 15,000 x1.96

2

x 0.05 x 0.95 x 0.05 x 0.95 200

27

Se requiere encuestar a no menos de 200 familias para poder tener una seguridad del 95 % Ejemplo 2 Cmo hubiera cambiando el ejemplo anterior, si se desconoce la proporcin esperada?

28

Si se desconoce la proporcin esperada, se tendra que utilizar el criterio conservador (p = q = 0.5), lo cual maximiza el tamao de muestra de la siguiente manera:

Z2 = 1.962 (ya que la seguridad es del 95%) p = proporcin esperada (en este caso 50% = 0.5) q = 1 p (en este caso 1 0.5 = 0. 5) d = precisin (en este caso deseamos un 3%) quedando como resultado:

Se requerira encuestar a no menos de 997 familias para poder tener una seguridad del 95%. 5.2. MUESTRAS PARA MEDIAS La estrategia que empleamos aqu para construir un intervalo de confianza puede adaptarse para determinar el tamao de la muestra, que dar como resultado un intervalo de confianza deseado. Ejemplo: Suponga que el investigador quiere estimar el gasto mensual de las familias en compras en tiendas departamentales de manera mas precisa, de modo que el estimado se encuentre entre 5.00 dlares del valor de la poblacin real. Cul debe ser el tamao de la muestra?. Los pasos siguientes nos llevaran a la respuesta:

A) Especificar el nivel de precisin. Esta es la diferencia mxima aceptable (D) entre la

media de la muestra y la media de la poblacin. En nuestro ejemplo, D=5.00 dlares.

A) Especificar el nivel de confianza. Suponga que se desea un nivel de confianza de

95%. C) Determinar el valor de z asociado con el nivel de confianza mediante el uso de la tabla 1 del apndice de tablas estadsticas. Para un nivel de confianza de 95%, la

29

probabilidades que la medida de la poblacin se encuentre afuera de un extremo del intervalo es 0.025(0.05/2). El valor de z asociado es 1.96.

D) .Determinar la desviacin estndar de la poblacin. ( ) E) Determinar el tamao de la muestra mediante el uso de la formula para el error
estndar de la media.

30

31

En nuestro ejemplo,

= 464.83 =465(REDONDEADO) En la formula para el tamao de la muestra, podemos ver que este incrementa con aumento en la variabilidad de la poblacin, el gasto de confianza y el nivel de precisin que se requiere del estimado.

F) Si el tamao de la muestra que resulta representa 10% o mas de la poblacin,

puede aplicarse la correccin de poblacin finita (fpc). As el tamao de la muestra que se requiere puede calcularse a partir de la formula n = N
2z2

(N-1)d2+z2+ 2

Si la desviacin estndar de la poblacin, , no se conoce y se utiliza un estimado, debe volverse a calcular una vez que se tome la muestra. La desviacin estndar de la muestra, s, se utiliza como un estimado de . Despus, es preciso calcular un intervalo

32

de confianza revisado para determinar el nivel de precisin que se obtiene en la realidad. Suponga que el valor de 55.00 fue un estimado porque el valor real se desconoce. Se toma una muestra de n=465 y estas observaciones generan una media de 180.00 y una desviacin estndar de la muestra s de 50.00. Entonces, el intervalo de confianza revisado es:

Z n = 180.001.96 50 465 = 180.004.55 Ntese que el intervalo de confianza que se obtiene es mas angosto ( 4.55) que el planeado ( 5.00) porque la desviacin estndar de la poblacin se sobrestimo, segn se juzga por la desviacin estndar de la muestra. H) En algunos casos, la precisin se especifica en trminos relativos en lugar de absolutos. En otras palabras, quiz se especifique que el estimado se encuentra entre ms o menos R puntos porcentuales de la media. En forma simblica, d= Rp

En estos casos, el tamao de la muestra puede determinarse mediante n=

d

2Z2 2

C2Z2

R2

26 Donde tendra que calcularse el coeficiente de variacin C= /p. El tamao de la poblacin N, no afecta en forma directa el tamao de la muestra, excepto cuando el factor de correccin de poblacin finita debe aplicarse. Aunque es probable que parezca ir en contra de la lgica, si se reflexiona tiene sentido. Por ejemplo, si todos los elementos de la poblacin son idnticos con respecto a las caractersticas de inters, un tamao de muestra de uno ser suficiente para estimar la media en forma perfecta. Esto es cierto si hay 50, 500,5000 o 50000 elementos en la poblacin. Lo que afecta el tamao de la muestra en forma directa es la variabilidad de la caracterstica en la poblacin. Esta variabilidad entra en el clculo del tamao de la muestra por medio de la varianza de la poblacin (o la varianza de la muestra y s 2).

CONCLUSIONES
1. Para concluir con el presente trabajo, se puede hacer referencia a la importancia de
establecer el tamao de una muestra. En principio pueden ser criterios probabilsticos o no probabilsticos de acuerdo al nivel de posibilidades que cada uno de los elementos tiene, de participar en la muestra, dentro de un universo de trabajo dado.

2. La teora estadstica es tema muy complejo pero a su vez, importante para el

desarrollo de la determinacin de la muestra, puesto a que nos ayuda a determinar el nivel de confianza, el margen de error, la probabilidad de xito y de fracaso frente a una investigacin de mercado. 3. Una pregunta prctica en gran parte de la investigacin de mercados tiene que ver con la determinacin del tamao de la muestra. La encuesta no puede ser planteada o llevada a la prctica sin conocer el tamao de la muestra.

ANEXOS

37

E S Q U E M A

0 1

EXTRACCIN DE MUESTRA

Fuente: Antoni Ruiz Bueno. Fitxa Metodolgica: La muestra: algunos elementos para su confeccin

38

CUADRO

01

COMPARACIN ENTRE DISTINTOS TIPOS DE MUESTREO PRO BABI LISTICOS

CARACTERISTICA S Aleatorio simple Se selecciona una muestra de tamao n de una poblacin de N uni dades,cada elemento tiene probabilidad inclusin igual y conocida de n/N. VENTAJAS INCONVENIENTE S Requiere que se posea de antemano un listado completo de toda poblacin. Cuando se trabaja con pequeas es posible que no represente a la poblacin adecuadamente. Si la constante muestreo asociada con fenmeno el inters, estimaciones obtenidas a partir de la muestra pueden sesgo de seleccin.

Sencillo

y de

fcil comprensin. Calculo de medias y varianzas. Se basa en tla e o r a estadstica, y por tanto existen paquetes informtico Fcil de aplicar. No siempre es necesario tener listado un toda de poblacin. Cuando poblacin ordenada siguiendo una tendencia conocida, asegura una Tiende asegurar que la muestra represente adecuadament e a la poblacin en funcin de unas

Sistemtico

Conseguir un de los N elementos de la poblacin Determinar muestral definir un intervalo K=N/n. Elegir un aleatorio,numero r, entre 1 y K(r= aleatorio). Seleccionar los elementos de la

Estratificado

lista. En ciertas resultara conveniente estratificar muestra ciertas variables de inters. Para ello debemos

Se ha de la distribucin en la poblacin de las variantes para estratificacin.

39

Contina~~~
estratificadas de la S e poblacin objetivo a obtienen hacerunmuestreo. estimaciones Una vez calculado el Su objetivo tamao es conseguir una muestral apropiado, este se muestra lo reparte de mas manera semejante proporcional posible a la entre los distintos estratos poblacin en lo que a la o definidos en las S e realizan Es fases de eficiente muestreo cuando sucesivas (polietpico). poblacin necesidad muy grande listados de dispersa. unidades de No es una preciso tener un etapa se limita a listado de aquellas toda la unidades de muestreo poblacin, seleccionadas en la etapa anterior solo

Conglomerado

El error estndar es mayor que en el muestreo simple estratificado. El clculo del error estndar complejo.

Fuente: Boletn Electrnico 02. Facultad de Ingeniera Universidad Rafael Landivar

40

CUADRO Ejemplo: MUESTREO POR ZONAS

Nivel socioeconmico % hogares Nmero de A/B C D/E Total 8 36 56 100 % Entrevista 40 180 280 500

02

Fuente: Boletn Electrnico 02. Facultad de Ingeniera Universidad Rafael Landivar

CUADRO Ejemplo: MUESTREO POR ZONAS

Column a 1 Nivel % de socioeco hogares nmico A/B C D/E Total 8% 36 % 56 % 100 % entrevistas 40 180 280 500 sobreprecio ? 60% 25 % 15 % 100 % x columna 24.00 45.00 42.00 111.00 inicial de 20% de 3 final de Nmero Pagara Columna Columna 2 Columna 3 Columna 4 Columna 5

03

Columna 6

Columna 7

Nmero % equivalente entrevista s 108 203 189 500 21.6% 40.6 % 37.8 % 100.0 %

Fuente: Boletn Electrnico 02. Facultad de Ingeniera Universidad Rafael Landivar

41

T A B L A 0 1 DISTRIBUCION ACUMULATIVA NORMAL

z 2.6 2.6 2.6 2.6 2.6 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.4 2.4 2.4 2.4 2.4 2.4 2.4 2.4 2.4 2.4 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.3 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2 2.2

F(z) 0.00402 0.00415 0.00427 0.00440 0.00453 0.00466 0.00480 0.00494 0.00508 0.00523 0.00539 0.00554 0.00570 0.00587 0.00604 0.00621 0.00639 0.00657 0.00676 0.00695 0.00714 0.00734 0.00755 0.00776 0.00798 0.00820 0.00842 0.00866 0.00889 0.00914 0.00939 0.00964 0.00990 0.01017 0.01044 0.01072 0.01101 0.01130 0.01160 0.01191 0.01222 0.01255 0.01287 0.01321 0.01355

z 2.1 2.1 2.1 2.1 2.1 2.1 2.1 2.1 2.1 2.1 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.9 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.7 1.7 1.7 1.7

F(z) 0.0139 0.0142 6 0.0146 3 0.0150 0 0.0153 9 0.0157 8 0.0161 8 0.0165 9 0.0170 0 0.0174 3 0.0178 6 0.0183 1 0.0187 6 0.0192 3 0.0197 0 0.0201 8 0.0206 8 0.0211 8 0.0216 9 0.0222 2 0.0227 5 0.0233 0 0.0238 5 0.0244 2 0.0250 0 0.0255 9 0.0261 9 0.0268 0 0.0274 3 0.0280 7 0.0287 2 0.0293 8 0.0300 5 0.0307 4 0.0314 4 0.0321 6 0.0328 8 0.0336 2 0.0343 8 0.0351 5 0.0359 3 0.0367 3 0.0375 4 0.0383 6 0.0392 0

Z 1.7 1.7 1.7 1.7 1.7 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.4 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3

F(z) 0.0400 0.0409 3 0.0418 2 0.0477 2 0.0436 3 0.0445 7 0.0455 1 0.0464 8 0.0474 6 0.0484 6 0.0494 7 0.0505 0 0.0515 5 0.0526 2 0.0537 0 0.0548 0 0.0559 2 0.0570 5 0.0582 1 0.0593 8 0.0605 7 0.0617 8 0.0630 1 0.0642 6 0.0655 2 0.0668 1 0.0681 1 0.0694 4 0.0707 8 0.0721 5 0.0735 3 0.0749 3 0.0763 6 0.0778 0 0.0792 7 0.0807 6 0.0822 6 0.0837 9 0.0853 4 0.0869 1 0.0885 1 0.0901 2 0.0917 6 0.0934 2 0.0951 0

42

Contina.....................
z -1.30 -1.29 -1.28 -1.27 -1.26 -1.25 -1.24 -1.23 -1.22 -1.21 -1.20 -1.19 -1.18 -1.17 -1.16 -1.15 -1.14 -1.13 -1.12 -1.11 -1.10 -1.09 -1.08 -1.07 -1.06 -1.05 -1.04 -1.03 -1.02 -1.01 -1.00 -0.99 -0.98 -0.97 -0.96 -0.95 -0.94 -0.93 -0.92 -0.91 -0.90 -0.89 -0.88 -0.87 -0.86 F(z) 0.09680 0.09853 0.10027 0.10204 0.10383 0.10565 0.10749 0.10935 0.11123 0.11314 0.11507 0.11702 0.11900 0.12100 0.12302 0.12507 0.12714 0.12924 0.13136 0.13350 0.13567 0.13786 0.14007 0.14231 0.14457 0.14686 0.14917 0.15150 0.15386 0.15625 0.15866 0.16109 0.16354 0.16602 0.16853 0.17106 0.17361 0.17619 0.17879 0.18141 0.18406 0.18673 0.18943 0.19215 0.19489 z 0.8 0.8 0.8 0.8 0.8 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 F(z) 0.1976 0.2004 5 0.2032 7 0.2061 1 0.2089 7 0.2118 6 0.2147 6 0.2177 0 0.2206 5 0.2236 3 0.2266 3 0.2296 5 0.2327 0 0.2357 6 0.2388 5 0.2419 6 0.2451 0 0.2482 5 0.2514 3 0.2546 3 0.2578 5 0.2610 9 0.2643 5 0.2676 3 0.2709 3 0.2742 5 0.2776 0 0.2809 6 0.2843 4 0.2877 4 0.2911 6 0.2946 0 0.2980 6 0.3015 3 0.3050 3 0.3085 4 0.3120 7 0.3156 2 0.3191 8 0.3227 6 0.3263 6 0.3297 0 0.3336 0 0.3372 4 0.3409 0 z -0.40 -0.39 -0.38 -0.37 -0.36 -0.35 -0.34 -0.33 -0.32 -0.31 -0.30 -0.29 -0.28 -0.27 -0.26 -0.25 -0.24 -0.23 -0.22 -0.21 -0.20 -0.19 -0.18 -0.17 -0.16 -0.15 -0.14 -0.13 -0.12 -0.11 -0.10 -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03 0.04 F(z) 0.34458 0.34827 0.35197 0.35569 0.35942 0.36317 0.36693 0.37070 0.37448 0.37828 0.38209 0.38591 0.38974 0.39358 0.39743 0.40129 0.40517 0.40905 0.41294 0.41683 0.42074 0.42465 0.42858 0.43251 0.43644 0.44038 0.44433 0.44828 0.45224 0.45620 0.46017 0.46414 0.46812 0.47210 0.47608 0.48006 0.48805 0.48803 0.49202 0.49601 0.50000 0.50399 0.50798 0.51197 0.51595

43

Contina.....................
z -4.00 -3.99 -3.98 -3.97 -3.96 -3.95 -3.94 -3.93 -3.92 -3.91 -3.90 -3.89 -3.88 -3.87 -3.86 -3.85 -3.84 -3.83 -3.82 -3.81 -3.80 -3.79 -3.78 -3.77 -3.76 -3.75 -3.74 -3.73 -3.72 -3.71 -3.70 -3.69 -3.68 -3.67 -3.66 -3.65 -3.64 -3.63 -3.62 -3.61 -3.60 -3.59 -3.58 -3.57 -3.56 F(z) 0.00003 0.00003 0.00003 0.00004 0.00004 0.00004 0.00004 0.00004 0.00004 0.00005 0.00005 0.00005 0.00005 0.00005 0.00006 0.00006 0.00006 0.00006 0.00007 0.00007 0.00007 0.00008 0.00008 0.00008 0.00008 0.00009 0.00009 0.00010 0.00010 0.00010 0.00011 0.00011 0.00012 0.00012 0.00013 0.00013 0.00014 0.00014 0.00015 0.00015 0.00016 0.00017 0.00017 0.00018 0.00019 z 3.5 3.5 3.5 3.5 3.5 3.4 3.4 3.4 3.4 3.4 3.4 3.4 3.4 3.4 3.4 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.3 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 F(z) 0.0001 0.0002 0 0.0002 1 0.0002 2 0.0002 2 0.0002 3 0.0002 4 0.0002 5 0.0002 6 0.0002 7 0.0002 8 0.0002 9 0.0003 0 0.0003 1 0.0003 2 0.0003 4 0.0003 5 0.0003 6 0.0003 8 0.0003 9 0.0004 0 0.0004 2 0.0004 3 0.0004 5 0.0004 7 0.0004 8 0.0005 0 0.0005 2 0.0005 4 0.0005 6 0.0005 8 0.0006 0 0.0006 2 0.0006 4 0.0006 6 0.0006 9 0.0007 1 0.0007 4 0.0007 6 0.0007 9 0.0008 2 0.0008 4 0.0008 7 0.0009 0 0.0009 4 z -3.10 -3.09 -3.08 -3.07 -3.06 -3.05 -3.04 -3.03 -3.02 -3.01 -3.00 -2.99 -2.98 -2.97 -2.96 -2.95 -2.94 -2.93 -2.92 -2.91 -2.90 -2.89 -2.88 -2.87 -2.86 -2.85 -2.84 -2.83 -2.82 -2.81 -2.80 -2.79 -2.78 -2.77 -2.76 -2.75 -2.74 -2.73 -2.72 -2.71 -2.70 -2.69 -2.68 -2.67 -2.66 F(z) 0.00097 0.00100 0.00104 0.00107 0.00111 0.00114 0.00118 0.00122 0.00126 0.00131 0.00135 0.00139 0.00144 0.00149 0.00154 0.00159 0.00164 0.00169 0.00175 0.00181 0.00187 0.00193 0.00199 0.00205 0.00212 0.00219 0.00226 0.00233 0.00240 0.00248 0.00256 0.00264 0.00272 0.00280 0.00289 0.00298 0.00307 0.00317 0.00326 0.00336 0.00347 0.00357 0.00368 0.00379 0.00391

Contina...............
z 1.40 1.41 1.42 1.43 1.44 1.45 1.46 1.47 1.48 1.49 1.50 1.51 1.52 1.53 1.54 1.55 1.56 1.57 1.58 1.59 1.60 1.61 1.62 1.63 1.64 1.65 1.66 1.67 1.68 1.69 1.70 1.71 1.72 1.73 1.74 1.75 1.76 1.77 1.78 1.79 1.80 1.81 1.82 1.83 1.84 F(z) 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327 0.96407 0.96485 0.96562 0.96638 0.96712 z 1.8 1.8 6 1.8 7 1.8 8 1.8 9 1.9 0 1.9 1 1.9 2 1.9 3 1.9 4 1.9 5 1.9 6 1.9 7 1.9 8 1.9 9 2.0 0 2.0 1 2.0 2 2.0 3 2.0 4 2.0 5 2.0 6 2.0 7 2.0 8 2.0 9 2.1 0 2.1 1 2.1 2 2.1 3 2.1 4 2.1 5 2.1 6 2.1 7 2.1 8 2.1 9 2.2 0 2.2 1 2.2 2 2.2 3 2.2 4 2.2 5 2.2 6 2.2 7 2.2 8 2.2 9 F(z) 0.9678 0.9685 6 0.9692 6 0.9699 5 0.9706 2 0.9712 8 0.9719 3 0.9725 7 0.9732 0 0.9738 1 0.9744 1 0.9750 0 0.9755 8 0.9761 5 0.9767 0 0.9772 5 0.9777 8 0.9783 1 0.9788 2 0.9793 2 0.9798 2 0.9803 0 0.9807 7 0.9812 4 0.9816 9 0.9821 4 0.9825 7 0.9830 0 0.9834 1 0.9838 2 0.9842 2 0.9846 1 0.9850 0 0.9853 7 0.9857 4 0.9861 0 0.9864 5 0.9867 9 0.9871 3 0.9874 5 0.9877 8 0.9880 9 0.9884 0 0.9887 0 0.9889 9 z 2.3 2.3 1 2.3 2 2.3 3 2.3 4 2.3 5 2.3 6 2.3 7 2.3 8 2.3 9 2.4 0 2.4 1 2.4 2 2.4 3 2.4 4 2.4 5 2.4 6 2.4 7 2.4 8 2.4 9 2.5 0 2.5 1 2.5 2 2.5 3 2.5 4 2.5 5 2.5 6 2.5 7 2.5 8 2.5 9 2.6 0 2.6 1 2.6 2 2.6 3 2.6 4 2.6 5 2.6 6 2.6 7 2.6 8 2.6 9 2.7 0 2.7 1 2.7 2 2.7 3 2.7 4 F(z) 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643 0.99653 0.99664 0.99674 0.99683 0.99693

Fuente: Malhotra Naresh K. Investigacin de Mercado un enfoque prctico 2da Edicin

BIBLIOGRAFIA
1. De Malhotra Naresh K. Ed. Programas Educativos SA, (2000), Mxico DF. Investigacin de Mercado un enfoque prctico. 2da edicin.

2. Universidad Rafael Landivar, Facultad de Ingeniera. Boletn N 02. Tamao de

una Muestra para una Investigacin de Mercado. Paginas 13

3. David A. Aaker. Ed. Litogrfica Ingramx, (1994) Mxico DF. Investigacin de

Mercado.

INDICE

Prologo...................................................................................................... . I Introduccin..................................................................................................................... II Capitulo I : DETERMINACION DE LA MUESTRA ............................................. ......................................................................................................................................... 1

I.1. Poblacin Universo.................................................................................2 I.2. Poblacin Finita e Infinita.........................................................................3

I.2.1. Poblacin Finita................................................................................. 3 I.2.2. Poblacin Infinita..................................................................................3

I.3. La Muestra................................................................................................................ 4 I.4. Individuo................................................................................................4 I.5. Generalizacin........................................................................................4 I.6. Censo....................................................................................................4 I.7. Elemento.......................................................................................... ......5 I.8. Inferencias.............................................................................................5
I.9. Unidad de Muestra..................................................................................5 Sub Capitulo 1 : Definicin de la Poblacin Meta .............................................5 Sub Capitulo 2 : Determinacin del marco de

muestra .................................... ..............................................................................6 Sub Capitulo 3 : Tipos de Muestreo ...............................................................8

3.1. Muestreo Probabilstico........................................................................ 8

39 3.1.1. Muestreo Aleatorio Simple.................................................................. 8 3.1.2 . Muestreo Aleatorio Sistemtico............................................................ ........................................................................................................................................... 9 3.1.3.Muestreo por zonas.............................................................................................9 3.1.4.Muestreo Aleatorio por Conglomerado...................................................12 3.1.5. Muestreo por Rutas Aleatorias............................................................ 13 3.2. Muestreo No Probabilistico.................................................................. . 13 3.2.1. MMuestreo por cuotas.........................................................................13 3.2.2. Muestreo de Opinion o Intencional...................................................... 13 3.2.3. Muestreo Causal o Incidental............................................................ 14 3.2.4. Muestreo por Bola de Nieve............................................................... 14 3.2.5. Muestreo Discrecional.........................................................................14

Sub Capitulo 4 : Tamao de la Muestra ..........................................................14 4.1. El error del muestreo........................................................................... 15 4.2. Varianza ..............................................................................................16 4.3. Nivel de Confianza.............................................................................. . 17 4.4. Precision.............................................................................................18 4.5. Estrategia de Intervalo de Confianza......................................................18 Sub Capitulo 5: Aplicacin para la Determinacin del Tamao de la Muestra................................................................................................... . 20 5.1. Muestra para Proporciones.................................................................. 20 5.1.1. Tamao de la muestra de la poblacin infinita.........................................20 5.1.2. Tamao de la muestra de la poblacin finita.............................................21 5.2. Muestra para Medias........................................................................... 23 Conclusiones.......................................................................................... . . .27 Anexos................................................................................................... ...28 Bibliografa................................................................................. 37