Capítulo 11. Muestreo: diseño y
procedimiento
Unidad II. Diseño de investigación y
pautas para el trabajo de campo
Reviviendo a un pato cojo
La venta de estampillas postales del pato del U. S. and Wildlife Service (USFWS) para pagar el costo de
conservación de los pantanos estaba disminuyendo. Para resolver el problema se le pidió a The Ball
Group (una empresa de investigación de mercados y de publicidad) para investigar quiénes estarían
interesados en comprar estampillas y por qué querían hacerlo, qué marketing debería utilizarse y qué
beneficios se percibirían por brindar esas estampillas.
Los pasos para el proceso de diseño de muestreo de esta investigación se
ilustran a continuación:
1.
2.
3.
4.
5.
Población meta: hombres y mujeres que sean jefes de familia.
Unidad de muestreo: números telefónicos en funcionamiento;
extensión: Estados Unidos; tiempo: periodo de la encuesta.
Marco de muestreo: programa de cómputo para generar números
telefónicos de manera aleatoria y eficiente, excluyendo los números
que no estén en funcionamiento o que no sean de uso doméstico.
Técnica de muestreo: muestreo aleatorio simple con modificación
para excluir los números telefónicos que no estén en funcionamiento
o que sean de empresas.
Tamaño de la muestra: 1000
Realización: se utiliza un programa de cómputo para generar al azar
una lista de números telefónicos domésticos. Se selecciona al
hombre o la mujer jefe de familias usando la técnica del siguiente
cumpleaños. Las entrevistas se realizan por medio del sistema de
entrevistas telefónicas asistidas por computadora.
Diseño de muestreo
1. Definir
población meta
Etapas
Son
2. Marco
Muestra
Contiene
Elemento
Tiempo
Unidad
de
muestreo
3. Técnica de
Muestreo
Contiene
Listado de
participantes/
instrucciones
Extensión
Consumidores
de café
2011
Cafeterías
de la UCA
UCA
Para este caso no
existe un listado de
los clientes de las
cafeterías.
Instrucción:
seleccionar a los
clientes que llegan a
consumir e invitarlos
a participar.
No
probabilística
y
probabilística
Diseño de muestreo
Etapas
3. Técnica de Muestreo
Son
No
probabilística
Probabilística
Son
Muestreo por
conveniencia
Muestreo por juicio
Muestreo por cuota
Muestreo por bola de
nieve
Aleatorio
simple
•Difícil marco de
muestreo
•Menor precisión
•Muestras
amplias y mayor
costo
•No
representativo
Conglomerado
Sistemático
Estratificado
•Muestra más
representativa
•No es necesario
conocer el marco
de muestreo
•Encuestas
telefónicas,
correo, internet y
centros
comerciales
•Variables
demográficas,
tipo de cliente,
tamaño de la
empresa
•Más preciso sin
aumentar el
costo
•Difícil estratificar
•Variables zonas
geográficas,
zonas
habitacionales,
manzanas
•Más preciso y
disminuye el
costo
•Difícil interpretar
los resultados
Diseño de muestreo
Etapas
4. Tamaño de la
muestra
Explica
Calcula para
Poblaciones
infinitas
Poblaciones
finitas
Con
Con
Cuando
Cuando
No Es posible
estimar la
población
Es posible
estimar la
población
•´fórmula para
medias,
fórmula para
proporciones
5. Proceso de
muestreo
Cómo se hará
cada etapa y
cómo superar
limitaciones
Fórmulas y procedimientos de muestreo
EJEMPLOS PARA CALCULAR LA
MUESTRA
PARA POBLACIONES INFINITAS
Al estimar la media de la población
n 

Z 
 12





Donde:
n:
Tamaño necesario de la muestra.
σ:
Desviación estándar conocida o estimada en estudios
anteriores (términos absolutos o relativos).
Z:
Número de unidades de desviación estándar en la
distribución normal que producirá el nivel de confianza deseado.
σx:
Error máximo que estamos dispuestos aceptar
(términos absolutos o relativos).
2
 2
 X 2
Queremos conocer el ingreso promedio semanal que una población de obreros
agrícolas percibe. Estimamos que la desviación estándar es aproximadamente
C$ 350.00, nos gustaría tener la certeza del 95% de que la verdadera media
muestral se encuentra dentro de los C$ 80.00 de la verdadera media de la
población.
n 

Z 
 12






X
2
  2

2

1 . 96  2 350  2
80  2
n  73 . 5  74 obreros
agrícolas

( 3 . 8416 )( 122 ,500 )
6 ,400

Al estimar la proporción de la
población
n 

Z 
 12

2

 P 1  P


 P  2

P:
Proporción de la población que posee la característica de interés (o
parámetro: Edad, sexo, profesión, ingreso, estructura social, etc.).
1-P:
Proporción de la población que no posee la característica de interés.
σP:
Error máximo que estamos dispuestos aceptar entre la proporción
muestral y la proporción de la población al nivel de confianza deseado.
El presidente de la cadena de supermercados “La Palmazón”, desea conocer, si
los clientes, de dicha cadena, estarían dispuestos a aceptar cupones. El
presidente de la cadena de supermercados, se resiste a aceptar la idea de
introducir los cupones, debido a que el publico percibe que los cupones
originarían un incremento en comerciales, lo que provocaría acelerar el costo de
los artículos, que allí se comercializan. Se ignora si dichos cupones atraerán a los
clientes (P) o dañaran las ventas (1-P).
De acuerdo un estudio previo (exploratorio) se encontró, que de las personas
abordadas, un 54% indico que la promoción en base a cupones si atraería a los
clientes. El presidente, junto con los investigadores desean tener la certeza del
99% que la proporción de la muestra se halla dentro del 10% de la proporción de
la población de los clientes de dicha cadena de supermercados.
Al estimar la proporción de la
población
n 

Z 
 12

n 
2

 P 1  P



 P  2

Z 
 12

P:
Proporción de la población que posee la característica de interés (o
parámetro: Edad, sexo, profesión, ingreso, estructura social, etc.).
1-P:
Proporción de la población que no posee la característica de interés.
σP:
Error máximo que estamos dispuestos aceptar entre la proporción
muestral y la proporción de la población al nivel de confianza deseado.
2

 P 1  P


 P 
2
n  165 . 34  166

2

( 2 . 58 ) ( 0 . 54 )( 0 . 46 )
( 0 . 1)
clientes
2

PARA POBLACIONES FINITAS
Al estimar la media de la población
n 
 2
 X 2
 2

Z 
 1
2





2

N:
Tamaño de la población
N
Queremos conocer el ingreso promedio semanal que percibe una población de 3,000
obreros agrícolas. Estimamos que la desviación estándar es aproximadamente C$
350.00, nos gustaría tener la certeza del 95% de que la verdadera media muestral se
encuentra dentro de los C$ 80.00 de la verdadera media de la población.
n 

  2
2
  2
X

Z 
 1
2

n 




( 80 )

6 ,400

2
(1 . 96 )
N
122 ,500
3 . 8416
n 
2
( 350 )

122 ,500

2

2
( 350 )
2

( 3 ,000 )
122 ,500
1,665 . 972512  40 . 83333
3 ,000
122 ,500
1,706 . 805845
 71 . 77  72 obreros
agrícolas

Al estimar la proporción de la
población
n 
P 1  P
 P  2

Z 
 1
2





2


P (1  P )
N
De acuerdo un estudio previo (exploratorio) se
encontró, que de las personas abordadas, un 54%
indico que la promoción en base a cupones si atraería
a los clientes. El presidente, junto con los
investigadores desean tener la certeza del 99% que la
proporción de la muestra se halla dentro del 10% de la
proporción de la población de los clientes de dicha
cadena de supermercados.
El presidente de la cadena de supermercados “La Palmazón”, desea conocer, si de un
total de 50,000 clientes, de dicha cadena, quienes estarían dispuestos a aceptar
cupones. El presidente de la cadena de supermercados, se resiste a aceptar la idea de
introducir los cupones, debido a que el publico percibe que los cupones originarían
un incremento en comerciales, lo que provocaría acelerar el costo de los artículos,
que allí se comercializan. Se ignora si dichos cupones atraerán a los clientes (P) o
dañaran las ventas (1-P).
Al estimar la proporción de la
población
n 
P 1  P
 P  2

Z 
 1
2





2
n 


P (1  P )
N
P 1  P
 P 

Z 
 1
2

n 
2




2

P (1  P )
N
0 . 2484
0 . 01

6 . 6564
n 

0 . 2484

( 0 . 54 )( 0 . 46 )
0 . 1 2
( 2 . 58 )
2

( 0 . 54 )( 0 . 46 )
50 ,000
0 . 2484

0 . 001502313
 0 . 000004968
50 ,000
0 . 2484
0 . 001507281

 164 . 8  165
clientes

Descargar

Capítulo 11. Muestreo: diseño y procedimiento