TEMA II.

ESTUDIO DE
MERCADO
2.2 El muestreo estadístico en la investigación
de mercados. Métodos de pronósticos de
corto plazo.
Bibliografía a consultar
Procedimiento para el análisis de datos
Muestreo estadístico

Por qué?

Para qué?

Cómo?
Muestreo estadístico
Por qué?

Costos
Accesibilidad
Población incurridos Tiempo en
Tamaño de la economía,
finita pero en analizar la
población recursos
demasiado estudiar totalidad de
infinito humano y
grande toda la la población
tiempo
población
Muestreo estadístico
Cómo?

Procedimiento para selección de una muestra

Tipos de muestreo
Procedimiento para el análisis de datos

01. Formulación 02. Obtención

03. Depuración
del problema de datos

05. Análisis de
04. Ordenación 06. Resultados
los datos

07. Conclusiones
Principales análisis con datos
estadísticos

01. Estadística 02. Estadística

descriptiva inferencial

03. Estadística
multivariada
¿Cómo se hace una muestra probabilística?
Población
de ¿Cuál es el número de
tamaño N
unidades de análisis
(clientes, hoteles,
receptivos, operadores,
transportistas, otros),
que se necesitan para
conformar una muestra
(n) que asegure un error
Muestra estándar menor de 0.01?
probabilística
¿Cómo se hace una muestra probabilística?

Elegir el tipo
Definir los de muestra: Aplicar el
Definir el
sujetos que Delimitar la Probabilístic procedimient Obtener la
tamaño de la
van a ser población a o de muestra
muestra
medidos selección
No
probabilístic
a
1. Sujetos u 1. Unidad de 1.Objetivos del 1. Población 1. Unidades de 1. Tómbola
objetos de análisis estudio finita análisis se eligen 2. Tabla de
estudios 2. Características 2. Esquema de 2. Población aleatoriamente números
de la población investigación infinita aleatorios
3. Alcance 3. Expresiones 3. Selección
matemáticas sistemática de
n elementos
Estadística inferencial

Conjunto finito o
Media muestral, infinito de personas u
proporción objetos con
característica
Población
Estadígrafo
Muestra
Parámetros comunes

Subconjunto de la
Índice medible de la población
población objeto de estudio que
sirve para
representarla
 Identificación Estadística
Estadística inferencial
de una inferencial
Parámetros
Población de la
objeto de población Utilizados
para
estudio
Se extrae un Inferencia estimar
conjunto de de
unidades de resultados,
análisis que para Estadígrafo
constituye una describir
Muestras
probabilísticas Utilizados
Datos para
La muestra evaluar
Estadística numéricos
aleatoria
descriptiva genera
Muestreo probabilístico
Cada miembro Estratificado: Se divide la población en estratos. De cada estrato
de la población se selecciona una muestra aleatoria simple
tiene la misma
posibilidad Aleatorio simple
de ser Enumerar la población objeto de estudio
seleccionado Seleccionar una fila o columna de la tabla de #s aleatorios
en la Tomar los números menores o iguales que N y seleccionarlos
muestra tener n elementos seleccionados

Agrupado
Se seleccionan los grupos aleatoriamente. De los grupos
seleccionados se selecciona una muestra aleatoria simple
Tablas de números aleatorios
Muestreo no probabilístico
Se basa en las Sujetos voluntarios, expertos, sujetos-tipos (comportamiento
apreciaciones del consumidor), por cuotas (estudios de opinión y
del mercadotecnia)
investigador
Desventajas
Válidas en cuánto a que un determinado diseño de
investigación,
Resultados son generalizables sólo a Ia muestra,
No son generalizables a una población.
Ventajas:
Utilidad para determinado diseño de estudio
No requiere tanto de una "representatividad”,
Cuidadosa y controlada elección de sujetos con ciertas
características.
Muestreo no probabilístico
Se basa en las Accidental, Intencional, Por cuotas
apreciaciones
del Válidas en cuanto a que un determinado diseño de
investigador, investigación asi lo requiere,
lo que puede Resultados son generalizables sólo a Ia muestra en si o a
representar muestras similares,
una No son generalizables a una población.
desventaja

Ventaja: su utilidad para determinado diseño de estudio

No requiere tanto de una "representatividad”, de elementos
de una población,
Cuidadosa y controlada elección de sujetos con ciertas
condiciones
Población, muestra y tipo de muestreo

Tamaño de muestra para la proporción

en la muestra
Tamaño de muestra
Tamaño de muestra
para población
para población
infinita o
finita y conocida
desconocida
Población, muestra y tipo de muestreo
Muestreo aleatorio estratificado con afijación
proporcional
: fracción del estrato
h: estrato
n: tamaño de la muestra
N: tamaño de la población
K: es la proporción

: tamaño de la muestra para el estrato

n Nh: subplobación
: fracción del estrato
Población, muestra y tipo de muestreo
Descripción de los parámetros de las expresiones
matemáticas, para estimar proporción:
• N: Tamaño de la población objeto de estudio (número total
de posibles encuestados),
• n: Tamaño de la muestra,
• Zα: valor obtenido mediante niveles de confianza,
• e2: límite aceptable de error muestral que se prevé cometer,
determinado por el investigador,
• p: prevalencia esperada del parámetro a evaluar, en caso
de desconocerse se asume p=0,5, hace mayor el tamaño
muestral,
• q: proporción no esperada del parámetro a evaluar (q= 1-p).
Población, muestra y tipo de muestreo
Presentar tabla de nivel confianza y valor de error

Valor de límite aceptable de error Valor de Zα

muestral α
0,10 1,64
0,05 1,96
0,01 2,57
Población, muestra y tipo de muestreo
Calculando el tamaño de muestra para una población finita
y conocida
Datos
• N: 1176 unidades objeto de estudio
• n: incógnita
• Zα: nivel de confianza para el 95 %, entonces
Zα = 1,96
• e2: límite aceptable de error muestral, valor de
α = 0,05
• Se asume que p=q= 0,5 para hacer mayor el
tamaño muestral,
= 289,66 ≈ 290 tamaño de la muestra

0,2465 fracción del estrato

Población, muestra y tipo de muestreo
Muestreo aleatorio estratificado con afijación proporcional
Ejemplo práctico: instalación hotelera
Número de Procesos hotelero Subpoblación por Tamaño de la muestra
estrato estrato por estrato
01 P01 53 x (0,2465) 13,06 ≈13
02 P02 109 27
03 P03 215 53
04 P04 87 22
05 P05 98 24
06 P06 110 27
07 P07 81 20
08 P08 221 54
09 P09 151 37
10 P10 51 13
1176 290
http://sid.usal.es/idocs/F8/FDO23248/herramientas_4.pdf
Métodos de pronósticos
Métodos cualitativos Delphi
Consenso de comité ejecutivo
Brainstorming (Tormenta de Ideas)
Modelo o mapa conceptual
Coeficiente concordancia de Kendall
Métodos cuantitativos Series de Tiempo Promedios móviles
Suavización exponencial
Mínimos cuadrados
Modelo de Box-Jenkins
Modelos causales Modelo de regresión
Modelos econométricos
Modelos de simulación