Universidad San Francisco de Quito USFQ

IIN 0528
Diseo de Nuevos Productos

POBLACIN Y TIPOS DE MUESTREO

Integrantes:
Edison Maldonado 00100268
Inti Burga 00112093
Willy Lema 00112262
Fernando Bentez 00127922

Profesor: Danny Navarrete

Fecha: 14 de septiembre del 2017

Primer Semestre
2017-2018
 POBLACIN Y TIPOS DE MUESTREO

Cmo se define una poblacin objetivo desde el punto de vista de la investigacin de

mercados?

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:

1. Sociodemogrficos: Agrupa a los individuos en funcin de variables como el sexo, la

edad, su hbitat, el nivel de estudios y su posicin en el hogar.
2. Socioeconmicos: Agrupan a los individuos por aspectos como clase social, ingresos.
3. Psicolgicos: Aprovechando el gran conocimiento que se tiene ahora de los individuos y
la cantidad de informacin de la que se dispone, se tiene en cuenta la personalidad, el
estilo de vida y el sistema de valores.

Dentro de lo que es el proceso de identificacin de la poblacin objetivo se debe

determinar a quin se debe dirigirse al buscar segmentos de la poblacin y compararlos en base a
su tamao y crecimiento relativo. Un buen ejemplo de esto sera examinar grupos de edades,
aunque los segmentos pueden identificarse a travs de una combinacin de factores, como
mujeres profesionales solteras. Otro de estos ejemplos, puede ser la tpica cafetera del barrio que
suele tener en su mayora una poblacin objetivo de estudiantes de preparatoria y universidad,
pero si esa poblacin no se mantiene en ese tipo de personas, el enfocarse en solamente en
estudiantes podra ser un grave error dentro de lo que es estudio de mercado poblacional. Debido
a que las personas mayores podran catalogar al sitio como un lugar de reunin para estudiantes,
y posiblemente decidan ir a otra cafetera como resultado. (OFarrel, 2015)
Tipos de errores en una investigacin de mercados (errores de muestreo y no muestreo)

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

El error muestral es la variacin entre el estadstico que se obtiene de la muestra y el parmetro

de la poblacin bajo medicin. Se la puede caracterizar ya que este error se reduce cuando
aumentamos el tamao de la muestra siempre y cuando se utilicen adecuados procedimientos de
muestreo, por ejemplo: el muestreo probabilstico, tambin se la caracteriza porque se la puede
medir. Con el censo no existira fluctuaciones y por tanto no habra 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:

- Errores fundamentales: corresponde al mnimo error de muestreo que se llegara a tener si

se selecciona cada elemento aleatoriamente, una a la vez
 - Errores de agrupamiento y segregacin: corresponde a un error adicional debido que en la
prctica las muestras no se colectan una a la vez, esto se lo hace de manera aleatoria.

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 de delimitaciones de incremento: ocurre por desviaciones de un mdulo istropo

de observacin que asegure una probabilidad constante de muestreo en todas las
direcciones relevantes del lote.
- Errores de extraccin: es producido por desviaciones de la regla del centro de gravedad.
- Errores de preparacin: este tipo de error tiene que ver con la integridad de la muestra,
ejemplo: por contaminacin, por prdida, por alteracin, error humano, fraude o sabotaje.
- Error analtico: este corresponde al error presentado cuando se analiza la muestra en el
laboratorio, depender del mtodo utilizado.
- Errores por interpolacin: cuando se asumen que la muestra representa la zona.
- Errores de ponderacin: nos dice que idealmente se el flujo debe ser constante y los
cortes bien hechos en intervalos regulares.

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)

El segundo es con respecto a los errores que se originan con el entrevistado

Tabla 2. Resumen de errores no muestrales que se originan en el entrevistado

(Urrutia, 2015)

El tercero es con respecto a los errores que se originan con el encuestado.

 Tabla 3. Resumen de errores no muestrales que se originan en el encuestado

(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)

Tabla 4. Tipos de Muestreo Probabilstico

Muestreo Aleatorio Simple

Muestreo Aleatorio Sistemtico

Muestreo Aleatorio Estratificado

Muestreo Aleatorio por Conglomerados

1.Muestreo Aleatorio Simple

Este tipo de muestreo consiste en hacer la seleccin de muestras en una sola etapa. Esto tambin
se hace de manera que el muestreo no presente reemplazamientos y se haga de una manera
directa. El uso de este tipo de muestreo se da en situaciones en las cuales se requiere hacer una
investigacin sobre poblaciones pequeas cuando se tiene conocimiento del universo a estudiar.
En la actualidad los ordenadores han automatizado este tipo de muestreo aleatorio.

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.

Ejemplo: Se busca conocer el rendimiento acadmico de los alumnos de un saln de clases

durante un periodo lectivo. La poblacin, que es el nmero de estudiantes de ese paralelo, puede
ser comprobado con la lista de inscripcin de la institucin. La seleccin aleatoria del nmero de
estudiantes puede ser obtenido de la nmina completa de los estudiantes de dicho paralelo.

2. Muestreo Aleatorio Sistemtico

Este tipo de muestreo tambin requiere de igual manera que se conozcan todos los elementos de
una poblacin, la diferencia radica en que en lugar de extraer nmeros aleatorios slo se obtiene
uno. La metodologa es iniciar con el nmero aleatorio que se eligi aleatoriamente para que
posteriormente los elementos que formen parte de esa muestra sean los que ocupen los lugares i,
i+k, i+2k, i+3k, i+(n-1)k. Se toman los elementos de k en k.
Para este tipo de muestreo se tiene que k es el resultado de la divisin entre el tamao de la
poblacin entre el tamao de muestra (k=N/n)

Ventajas

- Sencillez. Permite al investigador aadir un cierto tipo de proceso en la seleccin

aleatoria de los elementos.
- Existe una garanta de que el muestreo se realiza de una manera equitativa en la
poblacin. A diferencia del muestreo simple que puede tomar muestras de un
conglomerado de la poblacin.

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

3. Muestreo aleatorio estratificado

Este tipo de muestreo consiste en la una divisin previa de la poblacin en estudio en grupos que
cumplen las caractersticas de homogeneidad respecto a caractersticas que se requieren
investigar. Luego de haber separado a los estratos, se puede usar cualquier mtodo de muestreo
a estos grupos por separado. Dependiendo del tamao de muestra se puede hablar de:

-Muestreo estratificado proporcionado

-Muestreo estratificado uniforme
-Muestreo estratificado respecto a la desviacin estndar.

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.

4. Muestreo aleatorio por conglomerados

Este tipo de muestreo se realiza en los casos en los cuales debido a que el tamao de la poblacin
es muy grande, no es posible realizar un muestreo aleatorio simple. Este tipo de muestreo se
caracteriza porque la unidad muestral no representa los elementos del universo. Unos conjuntos
de elementos con ciertas caractersticas iguales forman la unidad.

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)

Tabla 5. Tipos de Muestreo no Probabilstico

Muestreo por Cuotas

Muestreo Intencional o de Conveniencia

Bola de Nieve
 Muestra Discrecional

1.Muestreo por Cuotas

Se basa en el fundamento del buen conocimiento de los estratos de la poblacin a analizar as
mismo como de los individuos que se crean sean los ms aptos para los fines de investigacin. Se
puede mencionar que guarda cierta similitud con el muestreo aleatorio estratificado, pero se
diferencia en el aspecto de aleatoriedad que se pierde en este caso.

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.

Ejemplo: En el caso de una investigacin a estudiantes de universidad y la persona que investiga

necesita datos con bases de cuotas, la nuestra de los estudiantes debera ser tomado basados en
un igual nmero de estudiantes de distintos aos. Otros ejemplos de cuotas podran ser divisiones
por edad, gnero, religin, entre otros aspectos.

2. Muestreo Intencional o de Conveniencia

Este tipo de muestreo se caracteriza por su enfoque de obtener muestras representativas mediante
la inclusin de grupos que se suponen son tpicos. Se basa en la seleccin de unidades de
anlisis, pero no con aspectos de aleatoriedad. Se usan frecuentemente en sondeos de
investigacin de elecciones polticas.

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.

3.Muestreo Discrecional o por juicio

Se da en base al criterio del investigador y en base a esto se escoge a los elementos que pueden
aportar al estudio. Funciona de buena manera para una prueba piloto. El investigador elige a los
individuos que segn l crea son los ms representativos para su investigacin.

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.

4. Muestreo de bola de nieve

Este tipo de muestreo se da en los casos en los cuales existe una poblacin muy pequea. Se basa
en que el primer sujeto identifique a otro con potencial para cumplir con los requerimientos de
los criterios de investigacin. Se basa en seleccionar muestras a travs de individuos que
conducen a otros.

El muestreo de bola nieve segn el mtodo de conduccin puede ser (ANEXO 6):

- Muestreo de bola de nieve lineal

- Muestreo de bola de nieve no discriminatoria exponencial
- Muestreo de bola de nieve discriminatorio exponencial
-
Frmulas de clculo de tamao de muestra

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:

Nivel de confianza = 95%

Desviacin estndar = 16.44
Error Maximo tolerable = 5

Solucin:

1.96 16.44 1.96 16.44

=( )( ) = 41.53 42
5 5

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:

Nivel de confianza = 95%

Proporcin de estudiantes= (0.10 a 0.15), como referencia
Error mximo tolerable = 5%

. . . .
= = .
. .

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)

Bravo, H. (2015). Muestreo: Probabilstico y no Probabilstico. Obtenido el 14 de Septiembre de

2017 desde http://muestreoprobalisticoynoprovalistico.blogspot.com/2015/03/muestreo-
probabilistico-y-no.html

Urrutia P. (2015) Ubiobio. Errores en investigaciones de mercado electoral. Obtenido el 14 de

septiembre de 2017 desde
https://www.google.com.ec/url?sa=t&rct=j&q=&esrc=s&source=web&cd=6&cad=rja&uact=8&
ved=0ahUKEwj364n1iaXWAhUFMSYKHeNBB6EQFghAMAU&url=http%3A%2F%2Frevista
s.ubiobio.cl%2Findex.php%2FHHEE%2Farticle%2Fdownload%2F2064%2F1926&usg=AFQjC
NFea2J2H2DM1DOEW_8wY8YEFTefnA

Ochoa, C. (2015). Muestreo Probabilstico o no probabilstico. Obtenido el 14 de Septiembre del

2017 desde

https://www.netquest.com/blog/es/blog/es/muestreo-probabilistico-muestreo-aleatorio-simple

Carrasquedo, K. (2017). Muestreo probabilstico y no probabilstico. Obtenido el 14 de

Septiembre del 2017 desde https://www.gestiopolis.com/muestreo-probabilistico-y-no-
probabilistico/

Merino, S. (2012). Investigacin de Mercados en la empresa. Recuperado el 14 de septiembre de

2017 desde:
http://eprints.ucm.es/11230/1/La_Investigaci%C3%B3n_de_Mercados_en_la_Empresa.pdf

OFarrel, R. (2015). Identificacin del mercado objetivo. La voz de Houston. Recuperado el 14

de septiembre de 2017 desde: http://pyme.lavoztx.com/identificacin-del-mercado-objetivo-
12241.html
 ANEXOS

ANEXO 1. rbol de decisin para la eleccin del tamao muestral

ANEXO 2. rbol de decisin para la eleccin del tamao muestral en la estimacin de un

parmetro poblacional
 ANEXO 3. rbol de decisin para la eleccin del tamao muestral en la estimacin de la
comparacin de parmetros poblacionales.

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