Proceso de la

Investigacin de
Mercados

Proceso de la
Investigacin de
Mercados

PROCESO DE LA INVESTIGACIN
DE MERCADOS
Fase I:
Determinar el
Problema de
Investigacin
Fase II:
Seleccionar el
Diseo de la
Investigacin

Paso 1: Identificar y aclarar las necesidades de informacin

Paso 2: Formular el Problema y las preguntas de Investigacin
Paso 3: Especificar los Objetivos de la Investigacin

Paso 4: Determinar el diseo y las fuentes de datos

Paso 5: Elegir el Mtodo de Investigacin
Paso 6: Crear y realizar Pruebas Piloto de los instrumentos
de medicin
Paso 7: Definir el Plan de Muestreo

Fase III:
Ejecutar la
Investigacin

Paso 8: Recopilar y preparar los datos

Fase IV:
Comunicar los
Resultados

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

Investigacin

Paso 9: Analizar e interpretar la informacin

DEFINICIN DEL PLAN

DE MUESTREO
Conceptos Generales:
Poblacin es el conjunto, finito o infinito, de
todos los elementos que comparten una o ms
caractersticas y que conforman el universo o
poblacin objetivo que interesa investigar
Muestra es un subgrupo de los elementos de la
poblacin que se selecciona para tomar parte
en un estudio
Censo es el proceso de tomar mediciones a
todos los elementos de la poblacin

Conceptos Generales:
El muestreo es la parte de la estadstica que se
ocupa de la seleccin y agrupacin de
elementos representativos de una cierta
poblacin
Una muestra es representativa cuando a partir
de ella se pueden inferir caractersticas
relevantes de la poblacin en las mismas
proporciones / cantidades que estn presentes
en dicha poblacin

Conceptos Generales:
Elemento de muestreo o unidad de anlisis es el
objeto que posee la informacin que busca el
investigador y a partir del cual se harn inferencias
o generalizaciones a la poblacin

Conceptos Generales:
Unidad de Muestreo es un elemento disponible
para su seleccin en alguna etapa del proceso
de muestreo que contiene, a su vez, a las
unidades de anlisis.
Nota: Las unidades de muestreo deben ser
mutuamente excluyentes y colectivamente
exhaustivas: esto es, cada elementos de la
poblacin pertenece a uno y solo un estrato

DEFINICIN DEL PLAN

DE MUESTREO
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 poblacin:
Debe ser:
Exclusiva
Exhaustiva

TCNICAS DE MUESTREO

DEFINICIN DEL PLAN

DE MUESTREO
Muestreo
Probabilstico

Muestreo No
Probabilstico

Muestreo Probabilstico:
El muestreo probabilstico, o muestreo aleatorio,
es aquel en el que cada elemento de la
poblacin tiene una probabilidad conocida y
diferente de cero de ser seleccionado
La seleccin de los elementos de la muestra se
hace al azar; esto es, con base en algn
procedimiento aleatorio
Requiere forzosamente contar con un marco
muestral confiable, ya sea de los elementos o de
las unidades de muestreo

MUESTREO PROBABILSTICO
Ventajas:
Asegura la seleccin de muestras representativas
de la poblacin de inters
Se pueden cuantificar los errores de muestreo;
esto es, los errores que se cometen al sacar
conclusiones sobre la poblacin, a partir de la
observacin de slo una parte de ella
Admite hacer generalizaciones a la poblacin
dentro del margen de error calculado
Permite conocer la precisin de las estimaciones

MUESTREO PROBABILSTICO
Limitaciones:
Su principal limitacin es la dificultad de
contar con marcos mustrales confiables
Las muestras probabilsticas resultan ms caras
que las no probabilsticas

Muestreo no probabilstico:
El muestreo no probabilstico es aquel en el que
la seleccin 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 poblacin depende del
planteamiento del muestreo y de su ejecucin

MUESTREO NO PROBABILSTICO
Ventajas:
No requiere invertir en marcos muestrales
Las muestras no probabilsticas son menos
costosas que las probabilsticas
Las tcnicas no probabilsticas son ms fciles y
rpidas de implementar
Son ampliamente utilizadas en situaciones en
donde el clculo de la precisin de las
estimaciones o los errores de muestreo no es un
factor crtico

MUESTREO NO PROBABILSTICO
Desventajas:
No se pueden calcular errores muestrales ni la
precisin o nivel de confiabilidad de Las
estimaciones
El investigador no conoce con certeza hasta
qu grado la muestra es representativa de la
poblacin

TCNICAS DE MUESTREO
Muestreo
Probabilstico

Muestreo no
Probabilstico

Aleatorio Simple

Por Conveniencia

Aleatorio Sistemtico

Por Juicio

Aleatorio
Estratificado

Por Cuotas

Por Conglomerados

De Bola de Nieve

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo Aleatorio Simple:
Todos los elementos de la poblacin tienen la
misma probabilidad de ser seleccionados.
Equivale a seleccionar elementos de una urna
En la prctica, la seleccin se hace mediante
una tabla de nmeros aleatorios a partir del
marco muestral
Es importante que la poblacin de la cual se va
a extraer la muestra sea relativamente
homognea respecto a la caracterstica de
inters.

TCNICAS DE MUESTREO
PROBABILSTICO
MUESTREO ALEATORIO SIMPLE
Ventajas:
Fcil de implementar
Simplifica en gran medida las estimaciones de
la muestra a la poblacin objetivo

TCNICAS DE MUESTREO
PROBABILSTICO
MUESTREO ALEATORIO SIMPLE
Desventajas:
Requiere de marcos muestrales confiables
El proceso de localizar a los elementos
seleccionados puede llevar mucho tiempo
Cuando la poblacin no es tan homognea:
Debido al azar el proceso puede resultar en
una muestra mala o poco representativa
Se requieren tamaos de muestra grandes
para garantizar muestras representativas

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo Sistemtico:
Ampliamente utilizado en poblaciones que no
son homogneas
La muestra se elige mediante la seleccin de un
punto de arranque aleatorio y la eleccin de
cada k-simo elemento en sucesin:
N=tamao de la poblacin
n=tamao de la muestra
k = [N/n]; r = nmero aleatorio entre 1 y k
La muestra resultante es:
r, r+k, r+2k, r+3k ,..., r+(n-1)k

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo Sistemtico:
Esencialmente supone que los elementos de la
poblacin estn ordenados de alguna manera
Si el ordenamiento de los elementos es en s
mismo aleatorio con respecto a la caractersticas
de inters, el muestreo sistemtico ser
equivalente a un muestreo aleatorio simple
Cuando los elementos estn ordenados por una
caracterstica relacionada con las variables de
inters, se incrementa la representatividad de
la muestra

TCNICAS DE MUESTREO
PROBABILSTICO
MUESTREO SISTEMTICO
Ventajas:
Es ms sencillo y fcil de implementar que una
seleccin simple aleatoria
Es estadsticamente ms eficiente
Consideraciones:
La mayor debilidad es el riesgo potencial de
que existan patrones cclicos ocultos en los
datos y que no sean descubiertos por el
investigador

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo Aleatorio Estratificado:
Este procedimiento puede resumirse de la
siguiente manera:
Los elementos de la poblacin objetivo se
subdivide en grupos o estratos homogneos
Los estratos deben ser mutuamente excluyentes
y colectivamente exhaustivos
A continuacin se selecciona una muestra
aleatoria simple dentro de cada uno de los
estratos

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo Aleatorio Estratificado:
El tamao de muestra dentro de cada estrato se
puede asignar de dos maneras: ptima y
proporcional
a) La asignacin proporcional significa que el
tamao de la muestra dentro de cada estrato
es proporcional al tamao relativo de ese
estrato respecto a la poblacin total
b) En la asignacin ptima el tamao de la
muestra de cada estrato es proporcional a la
varianza de la variable de inters dentro de
cada estrato.

TCNICAS DE MUESTREO
PROBABILSTICO
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 precisin y menores mrgenes de error en
las estimaciones de los parmetros poblacionales
Limitaciones:
El conocimiento de las variables relevantes de
estratificacin

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo por Conglomerados:
Los mtodos anteriores parten del supuesto de
que se tiene un marco muestral de los
elementos
Si no es posible contar con este listado, una
solucin es el muestreo por conglomerados
Un conglomerado es equivalente a una unidad
de muestreo
Nota: la aplicacin del mtodo requiere de un
marco muestral de conglomerados

TCNICAS DE MUESTREO
PROBABILSTICO
Muestreo por Conglomerados:
En el muestreo por conglomerados lo que se
busca es que los elementos dentro de cada
conglomerado sean tan heterogneos que de
alguna manera reflejen la variabilidad de la
poblacin en s
Por otro lado los conglomerados entre si deben
ser lo ms homogneos posible, para que
cualquier grupo seleccionado represente con
la misma exactitud a la poblacin

Muestreo Por Conglomerados:

El procedimiento para seleccionar una muestra
por conglomerados es el siguiente:
Los elementos de la poblacin se divide en
subpoblaciones, llamadas en este caso
conglomerados, mutuamente excluyentes y
colectivamente exhaustivos
A continuacin se hace una seleccin aleatoria
de conglomerados

Muestreo por Conglomerados:

Para efectos de elegir a los elementos que
conformarn 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 seleccin aleatoria de
elementos dentro de cada conglomerado
seleccionado: Muestreo por conglomerados
de varias etapas

TCNICAS DE MUESTREO
PROBABILSTICO
MUESTREO POR CONGLOMERADOS
Ventajas:
Es ms rentable y sencillo de implementar que
otros mtodos aleatorios
En muchos casos el nico marco muestral
confiable disponible para los investigadores es
uno basado en conglomerados
Es estadsticamente ms eficiente
Limitacin:
En ocasiones los conglomerados no replican la
heterogeneidad de la poblacin

TCNICAS DE MUESTREO
NO PROBABILSTICO
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

TCNICAS DE MUESTREO
NO PROBABILSTICO
MUESTREO POR CONVENIENCIA
Ventajas:
Es la tcnica menos costosa y ms rpida
Las unidades de anlisis son accesibles, fciles
de medir y cooperativas
Es til en investigaciones exploratorias:
sesiones de grupo, pruebas piloto de
cuestionarios, desarrollo de constructos,
Utilizadas tambin en investigaciones
descriptivas, donde la precisin de las
estimaciones no es tan relevante

MUESTREO POR CONVENIENCIA

Limitaciones:
Estn presentes muchas fuentes de sesgos en
la investigacin
Las muestras resultantes no son
representativas de ninguna poblacin definida
No son adecuadas para los proyectos de
investigacin de mercados que impliquen
realizar inferencias sobre la poblacin

Muestreo por Cuotas

Tcnica ampliamente utilizada
Consiste en seleccionar a los participantes
conforme a cuotas pre especificadas de variables
relevantes para la investigacin
Trata de emular al muestreo estratificado
til 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 investigacin, para tomar una
decisin

Muestreo por Cuotas

No requiere de un marco muestral, pero s de un
conocimiento preciso de la poblacin
Las cuotas se asignan tal que las caractersticas de
inters estn representadas en la muestra en las
mismas proporciones que en la poblacin, por lo
que se debe conocer cul es la distribucin de la
poblacin respecto a dichas caractersticas
Una vez determinadas las cuotas, existe amplia
libertad en la seleccin 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 poblacin, 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 poblacin con cierta cautela

TCNICAS DE MUESTREO
NO PROBABILSTICO
Muestreo por Juicio
En el muestreo por juicio, o muestreo
intencional, la muestra se selecciona con base
a lo que algn experto o especialista considera
la mejor muestra para un estudio especfico
El experto, con su juicio o experiencia, elige a
los elementos porque cree que son
representativos de la poblacin de inters o
son, de alguna manera, los ms apropiados

TCNICAS DE MUESTREO
NO PROBABILSTICO
Muestreo por Juicio
El muestreo por juicio no resulta muy caro, es
conveniente y por lo general rpido.
No permite generalizaciones directas a una
poblacin especfica, casi siempre porque la
poblacin no est definida en forma explcita
Aunque es una tcnica subjetiva, su valor
radica en que la opinin de los elementos de la
muestra, aunque no sea representativa, es
importante para ser considerada en la toma de
decisiones

TCNICAS DE MUESTREO
NO PROBABILSTICO
Muestreo de Bola de Nieve
til para poblaciones pequeas y nicas, donde
el tamao de la poblacin con las caractersticas
de inters es bajo y difcil de ubicar.
Tambin utilizado cuando es difcil compilar la
lista completa de elementos de la poblacin
Bajo esta tcnica, tambin conocida como
muestreo por recomendacin, los elementos
contactados de inicio, adems de proporcionar
informacin, sirven para referenciar a otros
elementos con las caractersticas requeridas

TCNICAS DE MUESTREO
NO PROBABILSTICO
MUESTREO DE BOLA DE NIEVE
Ventajas:
Reduccin de tiempo y costos para completar
el tamao de muestra requerido
Limitaciones:
La mayor desventaja es el sesgo, ya que los
elementos referidos muy probablemente sern
muy similares a los que los referenciaron.
Consideraciones:
Diversificar lo ms posible a los elementos
seleccionados inicialmente

TAMAO DE LA MUESTRA
La confiabilidad de los resultados depende, en
gran medida, del tamao de la muestra
Consideraciones importantes para determinar el
tamao de la muestra:
La importancia de la decisin
Naturaleza de la investigacin: exploratoria vs.
concluyente
Objetivos de la investigacin: nmero de
variable a investigar
Presupuesto y tiempo disponibles

Consideraciones importantes para determinar el

tamao de la muestra:
Finalmente, y suponiendo que no se tuvieran
restricciones de tiempo y costo, el tamao de
la muestra depende de los siguientes factores:
Varianza de la poblacin
Precisin de las estimaciones:
a) Margen de error
b) Nivel de confiabilidad

Varianza de la poblacin:
Lo que realmente determina el tamao de la
muestra (n ), ms que el tamao de la poblacin
(N), es la varianza de la poblacin respecto a las
variables de inters para el estudio
Entre ms homognea sea la poblacin, menor
ser el tamao de muestra requerido. El tamao
de muestra aumenta en la medida que aumenta
la heterogeneidad de la poblacin.

TAMAO DE LA MUESTRA
Pasos

Medias

Proporciones

1. Especificar nivel de precisin / 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 estndar poblacional

Estimar : s = 55

Estimar : p = 0.64

5. Determinar el tamao de la muestra

utilizando las frmulas

n = 2 z2 / D2 = 465

n = (1 - ) z2 / D2 = 355

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

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

6. Si el tamao de la muestra corresponde al

10% o ms de la poblacin ( n / N > 0.10),
aplicar el factor de correccin para
poblaciones finitas

PASO 7 : Ejecutar el
plan operacional

PASO 6: Desarrollar
un plan operacional
especfico

PASO 2: Elegir el
mtodo de
recoleccin
de la informacin

PASO 1: Definir la
poblacin
objetivo

PASO 5: Determinar
Tamao de
Muestra

PASO 3: Seleccionar
el mtodo de
muestreo

PASO 4:
Obtener Marcos
Muestrales
(en caso
necesario)