INTELIGENCIA DE MERCADOS

8
Unidad 2
Contenido de Sesión 7
Investigación Cuantitativa: Plan de
Muestreo, Trabajo de Campo y
Recolección de la Información Tema : Sistema de medición y Escalonamiento
de variables
Logro
 Selección de Muestra
Diseña técnicas de muestreo  Tipos de Muestra
utilizando métodos de  Selección de Muestra
levantamiento de datos para la  Calculo de la muestra
elaboración de estrategias de
Marketing
Selección de Muestra
 8.1 Selección de Muestra
POBLACIÓN:
Conjunto o colección de elementos sobre
los cuales se quiere estudiar alguna
característica.

MUESTRA:
Solo se realiza el estudio de dicha
característica en una parte de la población.
A ese subconjunto se le denomina
muestra.

MUESTREO:
Herramienta de la investigación científica
cuya función básica es determinar qué
parte de una población en estudio debe
examinarse con el fin de hacer inferencias
sobre dicha población.
 8.1 Selección de Muestra
MUESTRA:
Conjunto reducido de individuos o elementos de una población,
escogidos para obtener información sobre los mismos y generalizarla
al resto de la población.

POBLACIÓN MUESTRA
 8.1 Selección de Muestra
¿En una investigación siempre tenemos una muestra?
No siempre, pero en la mayoría de las situaciones sí
realizamos el estudio en una muestra. Sólo cuando
queremos realizar un censo debemos incluir en el
estudio a todos los casos (personas, animales,
plantas, objetos) del universo o la población.

Por ejemplo, los estudios motivacionales en

empresas suelen abarcar a todos sus empleados
para evitar que los excluidos piensen que su opinión
no se toma en cuenta. Las muestras se utilizan por
economía de tiempo y recursos.
 8.1 Selección de Muestra
Ejemplos:
• Para conocer los resultados de la aplicación
de una nueva medicina, se seleccionan
grupos de personas, y se evalúa la efectividad
de dicha medicina en el grupo de personas.

• Para el lanzamiento de un nuevo producto al

mercado, se toma una muestra de personas, y
se indaga a cerca de la preferencia de los
posibles consumidores.
• Antes de una elección, las empresas de
sondeo de opinión muestrean solo
aproximadamente 2,000 electores de los
millones elegibles para votar. Sobre la base
en los resultados del muestreo se realizan
ciertas inferencias en lo referente a la forma
en que todos los votantes eligieran el día de
la elección.
8.2 Tipos de Muestra

TIPOS DE
MUESTRA

NO
PROBABILISTICA
PROBABILISTICA
 8.2 Tipos de Muestra
MUESTRA PROBABILÍSTICA
subgrupo de una población en el que
todos los elementos de ésta tienen la
misma posibilidad de ser elegidos. Utiliza
procedimientos de selección aleatoria
para asegurar que cada unidad de la
muestra se seleccione por probabilidad.
Permite estimarlos parámetros de la
población.
Por Ejemplo:
En las loterías tradicionales, a partir de las
esferas con un dígito que se extraen (después
de revolverlas mecánicamente) hasta formar
el número, de manera que todos los números
tienen la misma probabilidad de ser elegidos.
 8.2 Tipos de Muestra
MUESTRA NO PROBABILÍSTICA O DIRIGIDA
subgrupo de la población en la que la
elección de los elementos no depende de
la probabilidad sino de las
características de la investigación.
Selección de la muestra por medio de un
proceso subjetivo o arbitrario de modo
que la probabilidad de selección de cada
unidad de la población no es conocida
(se utiliza con frecuencia cuando no se
conoce el marco muestral).
 8.3 Estimación de Muestra

Es la selección de una
pequeña parte
estadísticamente
determinada, para inferir el
valor de una o varias
características del conjunto.
 8.3 Estimación de Muestra
Parámetros
•Nivel de confianza: 95%
(usualmente)
•Margen de error: Diferencia
entre la estimación y el
parámetro de la población.

Tamaño de muestra:
Se estima en función del tipo de
población:
•Población Infinita
•Población Finita
La estimación es más precisa
cuanto mayor sea el tamaño de
la muestra.
 8.3 Estimación de Muestra
Para población infinita:
Donde:
Z  pq
2
n
E2 n = N encuestas.
Z = nivel confianza.
p = %población que
tiene característica.
Para población finita: q=1-p
E = margen de error
NZ 2 pq
n 2 N = tamaño población
E ( N  1)  Z 2 pq
 8.3 Estimación de Muestra
1)¿A cuántas familias tendríamos que estudiar para conocer la preferencia
del mercado en cuanto a las marcas de shampoo para bebé, si se desconoce
la población total? Seguridad = 95%;
Error = 5%;
Proporción esperada = asumamos que puede ser próxima al 80% (si no
tuviésemos ninguna idea de dicha proporción utilizaríamos el valor p = 0.5
(50%) que maximiza el tamaño muestra).
Sol:
a) Reemplazando los valores

Entonces:
Z 2  pq
• Z = 1.962 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso n
80% = 0.80) E2
• q = 1 – p (en este caso 1 – 0.80 = 0.20)
• E = (en este caso deseamos un 5%)

1.96 2  0.80  0.20

n 2
 245.86
0.05

Se requeriría encuestar a no menos de 246 familias para poder tener una seguridad del 95%
 8.3 Estimación de Muestra
2) ¿A cuántas familias tendríamos que estudiar para conocer la preferencia
del mercado en cuanto a las marcas de shampoo para bebé, si se conoce
que el número de familias con bebés en el sector de interés es de 15,000?
Seguridad = 95%;
Error = 5%;
Proporción esperada = asumamos que puede ser próxima al 5%; si no tuviese
ninguna idea de dicha proporción utilizaríamos el valor p = 0.5 (50%) que
maximiza el tamaño maestral.

Sol: a) Reemplazando los valores

Entonces:
• Z = 1.962 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso 5% NZ 2 pq
= 0.05) n 2
• q = 1 – p (en este caso 1 – 0.05 = 0.95)
• d = (en este caso deseamos un 5%) E ( N  1)  Z 2 pq
15,000 1.962  0.05  0.95
n  72.64
0.052 (15,000  1)  1.962  0.05  0.95
Se requeriría encuestar a no menos de 72.64 familias para poder tener una seguridad del 95%
 8.3 Estimación de Muestra
3) ¿Cómo hubiera cambiando el ejemplo anterior, si se desconoce la
proporción esperada? Si se desconoce la proporción esperada, se tendría
que utilizar el criterio conservador (p = q = 0.5), lo cual maximiza el tamaño
de muestra de la siguiente manera (total población 15,000):
Sol: a) Reemplazando los valores
Entonces:
• Z = 1.96 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso 5% NZ 2 pq
= 0.5) n 2
• q = 1 – p (en este caso 1 – 0.5 = 0.5)
• d = (en este caso deseamos un 3%) E ( N  1)  Z 2 pq

15,000 1.962  0.50  0.50

n  374.59
0.052 (15,000  1)  1.962  0.50  0.50

Se requeriría encuestar a no menos de 375 familias para poder tener una seguridad del 95%