Professional Documents
Culture Documents
IIN 0528
Diseo de Nuevos Productos
Integrantes:
Edison Maldonado 00100268
Inti Burga 00112093
Willy Lema 00112262
Fernando Bentez 00127922
Primer Semestre
2017-2018
POBLACIN Y TIPOS DE MUESTREO
Para poder definir una poblacin objetivo, se debe analizar y considerar a las personas
que experimentan directamente el problema, o que estn en situacin de riesgo; y/o a las
personas que contribuyen con el problema a travs de sus acciones o ausencia de las misma.
Entonces si analizamos este concepto dentro de lo que es el Marketing e investigacin de
mercados, se dice que la poblacin objetivo son los clientes o consumidores. Segn Santiago
Merino, 2012: Es importante resaltar que el consumidor se convierte en la poblacin objeto de
estudio en un gran nmero de investigaciones, no solo dirigidas a proporcionar informacin y
resolver problemas en la etapa de anlisis, sino tambin en fases posteriores del proceso de
marketing (Merino, 2012).
Conocer cules son las motivaciones del consumidor, su actitud frente a los productos, marcas y
empresas, descubrir y establecer los criterios que usan para evaluar a un determinado producto,
identificar sus tendencias y preferencias, entender el proceso de decisin de compra, o medir la
influencia de ciertos grupos de referencia, son buenos ejemplos de mbitos de aplicacin de la
investigacin comercial y razn por la cual se relaciona al consumidor como la poblacin
objetivo a estudiarse dentro de todo lo que es marketing.
Criterios para definir los grupos de pblico objetivo:
Estos tipos de errores puede encontrarse en diversos campos de investigacin, como es el que
encontramos en el campo del mercado electoral donde es posible abarcar los tipos de errores ms
comunes en esta seccin, en la revista publicada por Paulina Urrutia (2015) nos dice que
habitualmente los investigadores muestran gran esfuerzo en aumentar al mximo el tamao de la
muestra tomando en cuenta que para ello se vincula un presupuesto con el objetivo general de
reducir el error muestral al mnimo posible. La precisin estadstica, en general es importante
pero rara vez se analiza otros errores posibles que se los conoce como errores no muestrales que
realmente influyen en el resultado, su cuantificacin es difcil. Segn Stanton (2009) hay que
tener claridad en que el proceso de investigacin es la obtencin, interpretacin y comunicacin
de la informacin orientada a las decisiones, esto quiere decir que el investigador debe saber
interpretar estos resultados reconociendo la presencia de estos tipos de errores no muestrales a
pesar de que no se las pueda medir.
Error Muestral
Cualquier medida lleva algn tipo de error, si usamos la media para medir, estimar la media
poblacional u, entonces la media muestral conllevar algn error. Por ejemplo: se extrae una
muestra aleatoria de tamao 25 de una poblacin con media u=15, si la media de la muestra es
x=12 entonces la diferencia observada se lo denominar error muestral y en este caso ser igual a
x-u= -3. La media muestral x puede pensarse como la suma de dos cantidades, la media
poblacional u y el error muestral denotado como e quedando la ecuacin de la siguiente manera:
X=u+e
El error muestral normalmente aceptado es menor o igual al 5%, con un nivel de confianza de
igual o superior al 95%, esto quiere decir que hay un 95% de confianza al estimar el valor del
parmetro a travs del estadstico obtenido con la muestra seleccionada (Urrutia, 2015). Los
errores muestrales que pueden presentarse son las siguientes:
Estos dos tipos de errores es causado por la heterogeneidad solo que el fundamental dara como
resultado un sesgo sistemtico, variabilidad entorno al valor real. Por lo que se recomienda
siempre homogeneizar el material antes de tomar los incrementos.
Errores no muestrales
Estos tipos de errores son lo que se pueden mostrar durante el proceso de investigacin de
mercado, segn Urrutia (2015) nos dice que va a ser distinto del error muestral colocando a los
resultados en un sesgo con direccin y magnitud desconocida, alguno de estos errores sern ms
grandes conforme la muestra crezca. El experto en este mbito lograr equilibrar entre el uno y el
otro, Luque (1997, p:260) nos dice algo muy importante de los errores no muestrales ya que
pueden tener un carcter aleatorio donde para muestras grandes tambin se reducir o tambin un
carcter no aleatorio provocando sesgos sistemticos que viene a ser ms nocivo para la
investigacin. Se tiene 3 grandes grupos: el primero corresponde a los errores que se originan del
investigador; el segundo originados con el entrevistador y el tercero originado por el encuestado.
El primero es con respecto a los errores que se originan con el investigador y se clasifican de la
siguiente manera:
Tabla 1. Resumen de errores no muestrales que se originan en el investigador
(Urrutia, 2015)
(Urrutia, 2015)
(Urrutia, 2015)
TCNICAS DE MUESTREO
Muestreo
Se considera al muestreo como una tcnica de investigacin para diferentes objetivos de
investigacin. El objetivo de un muestreo es que se pueda determinar que porcin o parte de una
poblacin se debe examinar. Esto es determinar la realidad de una parte del estudio que se debe
tomar en cuenta para una investigacin. Las tcnicas de muestreo se enfocan en la determinacin
de la poblacin o universo a tomar en cuenta para que se puedan realizar inferencias sobre la
poblacin estudiada. El muestreo sirve para estudiar caractersticas de un grupo. (Bravo, 2015)
Probabilidad
Es la frecuencia con la que un evento ocurre o un resultado se obtiene en los casos de realizacin
de experimentos de carcter aleatorio. En este caso se sabe todos los resultados posibles que se
pueden dar al realizar estos experimentos.
MUESTREO PROBABILSTICO
Los muestreos probabilsticos se basan en el principio de equiprobabilidad. Esto es, los casos en
los cuales todos los individuos de tienen una probabilidad de ser escogidos para formar parte de
una muestra. De igual manera, el muestreo probabilstico establece que todas las posibles
muestras de tamao tienen la probabilidad de ser seleccionadas. Todos los elementos pueden
formar parte de una muestra. (Ochoa, 2015)
Ventajas
- Fcil aplicacin y de comprensin
- Facilidad para el clculo de medias y varianzas
Desventajas
- Se necesita el listado completo del universo a estudiar (poblacin)
- Existe el riesgo de que al momento de trabajar con muestras pequeas no se represente a
la poblacin adecuada.
Ventajas
Desventaja
- Existe el riesgo de que el proceso de seleccin en este caso tambin interacte con
anomalas peridicas dentro del universo (poblacin). Si se da esto, el muestreo no podra
ser considerado completamente aleatorio ni representar inferencias vlidas de toda una
poblacin.
Ejemplo: Una empresa pblica con 500 trabajadores necesita obtener una muestra aleatoria de
las edades de los trabajadores. El nmero con el que se iniciara es 15 y su intervalo es de 20:
15:35:55:75:95:115:135:155:175:195
Ventajas
- Los muestreos estratificados generalmente producen menor o igual error muestral que el
muestreo aleatorio simple. Ms precision en el muestreo.
-
Desventajas
- Requiere un anlisis previo para separar los estratos y que cumplan con caractersticas de
homogeneidad interna y heterogeneidad entre s.
Ejemplo: Se necesita realizar un anlisis de opinin y se requiere tener resultados separados por
gnero. En el estudio se piensa que puede haber cierto grado de homogeneidad dentro de estos
grupos. La poblacin en este caso se repartira en un 60% de hombres y 40% mujeres. Basados
en el mtodo de muestreo estratificado, las muestras deberan seguir la misma proporcin.
Ventajas
- Resulta de gran ayuda cuando la poblacin es muy grande.
- Se mejora la eficiencia y reduccin de costos de muestreo.
- No se necesita todo el listado de una poblacin, solo unidades primarias.
Desventajas
- El error estndar es generalmente mayor al que se tiene para muestreos aleatorios simple
- Puede presentar dificultades para los clculos de error y certeza del muestreo.
Ejemplo:
Se requiere hacer un estudio de encuesta a personal de la polica nacional. Para el caso de estudio
se requiere entrevistar a 1000 policas. Debido al tamao de la poblacin que es grande. Se puede
pensar que en muestras de conglomerados de policas.
MUESTREO NO PROBABILSTICO
Este tipo de muestreo se caracteriza por no tener criterios de probabilidad para la seleccin. Este
tipo de muestreo es de carcter emprico donde se utilizan opiniones y criterios personales del
investigador para el muestreo. Se aplica tambin para casos en los cuales no existe un criterio
definido de seleccin. (Carrasquedo 2017)
Bola de Nieve
Muestra Discrecional
Ventajas
- Es semejante al muestreo aleatorio estratificado
- Su enfoque es hacia los individuos que se crean sean los ms aptos para la investigacin.
Desventajas
- Como se pierde en el aspecto de aleatoriedad, este tipo de muestreo puede ser no muy
representativo de la poblacin.
- Se toman en cuenta slo rasgos de una poblacin.
Ventajas
- El costo del muestreo es bajo
- Ahorro de tiempo para muestreo de poblaciones similares.
Desventajas
- Es menos representativa de una poblacin
- El riesgo de errores en el muestreo de una poblacin se incremente con el avance del
tiempo.
- No es una tcnica de inferencia segura para una poblacin a investigar.
Ejemplo: Un sondeo poltico realizado acerca sobre la popularidad de un candidato en una cierta
zona. Se realiza inferencias de que los resultados favorecieron a un candidato en un tiempo
pasado y se piensa que la intencin de voto no ha variado desde ese entonces.
Ventajas
- La seleccin de los individuos es fcil debido al rpido criterio que especifica el
investigador.
- Se basa en el conocimiento del investigador que acta de gua.
Desventajas
- Puede no representar a toda la poblacin.
- El juicio del investigador necesita ser validado en caso de inexperiencia.
Ejemplo: Un estudio donde un investigador que desea saber cul es la parte ms difcil al
aprender a entonar un instrumento como la guitarra o que es la caracterstica que ms les gusta
sobre la guitarra. Las personas que podrn responder de mejor manera sern las personas que de
hecho puedan entonar el instrumento. Esto en algunas ocasiones puede volver limitado la
investigacin.
El muestreo de bola nieve segn el mtodo de conduccin puede ser (ANEXO 6):
Para el caso del tamao de muestra por medias donde N es infinita se tiene:
Ejemplo:
Se desea estimar la calificacin promedio de los estudiantes de la USFQ, para ello se definen los
siguientes criterios:
Solucin:
Para el caso del tamao de muestra por medias cuando N es finita y conocida se tiene:
Ejemplo:
Un bilogo quiere estimar el peso promedio de los ciervos cazados en el estado de Maryland. Un
estudio anterior de diez ciervos cazados mostr que la desviacin estndar de sus pesos es de
12.2 libras. Qu tan grande debe ser una muestra para que el bilogo tenga el 95% de confianza
de que el error de estimacin es a lo ms de 4 libras?
Solucin:
En consecuencia, si el tamao de la muestra es 36, se puede tener un 95% de confianza en que la
media difiere en menos de 4 libras de x barra.
Para el caso del tamao de muestra para estimar la proporcin poblacional (P) cuando N es
infinita se tiene:
Ejemplo:
Se desea estimar la proporcin de los estudiantes de la USFQ, con un nivel de aprendizaje de
excelencia. Para ello se definen los siguientes criterios:
. . . .
= = .
. .
Finalmente, para el caso del tamao de muestra para estimar la proporcin poblacional (P)
cuando N es finita y conocida se tiene:
Ejemplo:
En una muestra aleatoria de 500 familias que tienen televisores en la ciudad de Hamilton,
Canad, se encuentra que 340 estn suscritas a HBO. Qu tan grande se requiere que sea una
muestra si se quiere tener 95% de confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que proporciona una estimacin de p
= 340/500 = 0.68.
Por lo tanto, si basamos nuestra estimacin de P sobre una muestra aleatoria de tamao 2090, se
puede tener una confianza de 95% de que nuestra proporcin muestral no diferir de la
proporcin real por ms de 0.02.
CONCLUSIONES
- Se concluye que la poblacin objetivo para un estudio de mercado son los clientes o
consumidores del servicio o producto. Adems, los criterios de seleccin de la poblacin
objetivo son los factores demogrficos (edad, sexo, hbitat, nivel de estudio, entre otras),
socioeconmicos (de acuerdo con sus ingresos econmicos) y psicolgicos (se toma en cuenta la
personalidad, el estilo de vida y los sistemas de valores).
-Existen diversos tipos de muestreo. La eleccin del mismo es de suma importancia para una
investigacin con datos relevantes.
-El muestreo permite realizar inferencias de una poblacin.
-A medida que mayor sea la muestra, menor ser el error de muestreo.
-El tamao de la muestra en s depende tanto del nivel de confianza que se desee para los
resultados y la amplitud del intervalo de confianza, o en otras palabras el error mximo que se
est dispuesto a admitir.
REFERENCIAS: (Poner referencias de cada uno tambin con el formato simple)
https://www.netquest.com/blog/es/blog/es/muestreo-probabilistico-muestreo-aleatorio-simple
ANEXO 4. rbol de decisin para el clculo del tamao muestral en la prueba de las conjeturas
o hiptesis de parmetros poblacionales
ANEXO 5. rbol de decisin para el clculo del tamao muestral de diseos experimentales
usando ANOVA.
.
ANEXO 6. Tipos de Muestreo de Bola de Nieve