1. El documento describe diferentes tipos de muestreo, incluyendo muestreo probabilístico y no probabilístico. 2. Dentro del muestreo probabilístico, se mencionan métodos como el muestreo aleatorio simple, el muestreo aleatorio sistemático y el muestreo estratificado. 3. El muestreo no probabilístico incluye técnicas como el muestreo de conveniencia, el muestreo de juicio y el muestreo por cuotas.
2. Elemento: Un elemento es un objeto en el cual se toman las
mediciones. Un elemento es una persona u objeto de la cual
o del cual se buscan datos e información la investigación, el
objeto es a menudo un producto o grupo de individuos en
particular elementos deben ser únicos y contables, y si se
los suma deben dar el total de la población meta.
Población: Ésta consiste en el grupo completo de
elementos (personas u objetos) identificados de manera
específica para la investigación, acuerdo con los objetivos
del proyecto de estudio. Una población es una colección de
elementos acerca de los cuales deseamos hacer alguna
inferencia.
Unidades de muestreo: Las unidades muéstrales son los
elementos de la población meta disponibles para la
selección durante el proceso de obtención de muestras. Las
unidades de muestreo son colecciones no traslapadas de
elementos de la población que cubren la población completa.
3. Marco muestral: Un marco es una lista de
unidades de muestreo. Después de definir la
población meta, el investigador debe elaborar
una lista de unidades muestrales elegibles, a la
que se denomina marco muestral.
Algunas fuentes comunes de marcos muestrales
son las listas de votantes registrados y las listas
de clientes de los editores de revistas, las
compañías de tarjetas de crédito, y hasta los
mapas.
Muestra: una muestra es una colección de
unidades seleccionadas de un marco o de
variación de marcos
4. Determinar la población y parámetros pertinentes. El paso inicial en cualquier
proceso de muestreo consiste en seleccionar una población más adecuada y en
identificar los parámetros de la población que nos interesan. La delimitación de la
población meta se basará siempre en los objetivos del estudio que vaya a realizarse.
Además, la población ha de estar bien definida si queremos aplicar debidamente el
proceso de medición en el campo.
Seleccionar el marco apropiado del muestreo. El marco de referencia debe
representar a los miembros de la población, y el marco ideal es una lista completa
de todos ellos. Rara vez se cuenta con ella y el marco de referencia que se utiliza
tiende a diferir un poco de la población meta teórica.
Escoger entre el muestreo probabilístico y el no probabiístico. Pero por ahora
conviene mencionar que el muestreo probabilístico ofrece la ventaja de permitirnos
calcular el error muestral de la medición, en tanto que el muestreo no probabilístico,
no la ofrece.
Luego de hacer el muestreo probabilístico, estaremos en condiciones de afirmar que
“tenemos una seguridad del 95% de que entre dos tercios y dos cuartos de la
población consideran que son sinónimos cierto producto y la buena calidad”.
5. Escoger el método de muestreo que se utilizará. En esta etapa, se decide de qué
manera seleccionaremos a los integrantes de la muestra, es decir, exactamente cuál
procedimiento probabilístico o no probabilístico aplicaremos.
Delimitar el tamaño necesario de la muestra. Los dos métodos principales conque
se determina el tamaño de la muestra necesario para lograr cierto grado de exactitud
son el tradicional y el bayesiano.
Escoger la muestra y reunir información. En esta etapa, seguimos o delegamos las
reglas de elección que han sido establecidas previamente en el proceso. El empleo de
los medios de obtención de datos como las entrevistas, los cuestionarios por correo,
las encuestas telefónicas y la observación.
Validar la muestra. A fin de saber si la muestra que hemos escogido es una sección
representativa de la población, quizá queramos comparar las características de ella
con las que existen en la población de donde se extrajo.
Analizar los datos y presentar los resultados. La etapa final del proceso de
muestreo coincide ligeramente con la validación de la muestra, pues tal validación
exige además un análisis.
6. Una población está determinada por las características
que la definen, por tanto, el conjunto de elementos que
posea esta característica se denomina población o
universo.
La definición precisa de la población es esencial y suele
hacerse en términos de los elementos, unidades
muestrales y marco, tiempo.
Según Malhotra (2004) Una población es el total de todos los
elementos que comparten algún conjunto de características
comunes y que comprenden el universo del propósito del
problema de investigación de mercados.
Según Tamayo., M (1997), " población es la totalidad del fenómeno a
estudiar en donde las unidades de población poseen una
característica común, la cual se estudia y da origen a los datos de
investigación" (p. 114).
7. Unidad Muestral: Posadas Turísticas
Elemento: Los gerentes o administradores de las Posadas Turísticas.
Alcance geográfico: El Estado Táchira con una extensión territorial de 29
municipios.
Tiempo: Diciembre 2005 – Febrero 2006.
Cantidad: la población es conocida según los datos emitidos por
COTATUR (2005) está constituida por 68 posadas.
La Comercialización De Productos En La Industria Farmacéutica
Elementos: Farmacias.
Unidad muestral: Todas aquellas que se dedican a actividades de
comercialización de productos farmacéuticos.
Extensión: Todas aquellas ubicadas en Municipio San Cristóbal Estado Táchira.
Tiempo: Julio 2.007 – Septiembre 2.007.
Cantidad: 109 establecimientos estructurados de la siguiente manera: San
Cristóbal 501 (38 Farmacias), San Cristóbal 502 (47 Farmacias), Barrio Obrero
5049 (19 Farmacias) y La Ermita 5052 (5 Farmacias).
8. Según Malhotra (2004) censo incluye una enumeración completa de los
elementos de una población. Los parámetros de una población se pueden
calcular de manera directa y después de que se enumera el censo.
Una vez definida la población se debe
seleccionar:
1. El Marco apropiado de muestreo,
2. Escoger entre muestreo probabilístico y
no probabilístico,
3. Escoger método de muestreo, tamaño de
la muestra,
4. Seleccionar la muestra y reunir
información,
5. Validar la muestra y por último los datos
6. Y presentar resultados
Muestra
Según Malhotra (2004) una
muestra es un subgrupo de
población seleccionado para
participar en el estudio. Las
características de la muestra,
llamada estadísticos se utilizan
para hacer deducciones acerca
de los parámetros de población.
Según Weiers., R (1996),
"muestra es la parte de la
población que seleccionamos,
medimos y observamos" (p. 27).
9. Muestreo probabilístico
Técnica en La que cada unidad muestral tiene una probabilidad conocida,
distinta de cero, de ser incluida en la muestra.
En el muestreo probabilístico, las unidades de muestreo se seleccionan
por casualidad. Se puede especificar previamente cada posible muestra de
un tamaño dado que podría tomarse de la población, así como la
probabilidad de seleccionar cada muestra.
Muestreo no probabilístico
Proceso muestral en el que la probabilidad de selección de cada unidad
muestral es desconocida.
El muestreo no probabilístico se basa en el juicio personal del
investigador más que en la oportunidad de seleccionar elementos de
muestra. El investigador puede decidir de manera arbitraria o consciente
qué elementos incluir en la muestra.
10. 1. Muestreo de conveniencia ó intencional
2. Muestreo de juicio
3. Muestreo por cuotas
4. Muestreo de bola de nieve
11. Procedimiento en el que las muestras se toman a conveniencia del
investigador o el entrevistador, con frecuencia al mismo tiempo que se lleva a
cabo el estudio.
Los supuestos en que se basa el proceso son que la población meta definida
es homogénea y los individuos entrevistados son similares a la población
meta total en relación con las características en estudio.
El muestreo por conveniencia intenta obtener
una muestra de elementos conveniente. La
selección de unidades de muestreo se deja
principalmente al entrevistador. A menudo los
encuestados se seleccionan porque están en el
lugar correcto en el tiempo apropiado.
12. Ventajas
El muestreo por conveniencia es la menos costosa de todas las técnicas de
muestreo, y la que consume menos tiempo. Las unidades de muestreo son
accesibles, fáciles de medir y cooperativas.
Limitaciones
Hay muchas posibles fuentes de sesgo por selección, incluyendo la
autoselección del encuestado.
Las muestras por conveniencia no son representativas de ninguna población
definible.
Las muestras de conveniencia no son apropiadas para los proyectos de
investigación de mercados.
Las muestras por conveniencia no se recomiendan para la investigación
causal o descriptiva, pero se pueden utilizar en la investigación exploratoria
para generar ideas, conocimientos o hipótesis.
Las muestras por conveniencia se pueden utilizar para grupos de enfoque,
pruebas de cuestionarios o estudios piloto.
13. Se selecciona a los participantes de acuerdo con la
creencia del investigador u otra persona
experimentada de que llenarán los requisitos del
estudio. El supuesto fundamental es la creencia
subjetiva del investigador de que las opiniones de un
grupo de expertos percibidos sobre el tema de interés
son representativas de la población meta definida
entera.
El muestreo por juicio es una forma de muestreo por
conveniencia en el que los elementos de población se
seleccionan con base en el juicio del investigador, el
cual, empleando su juicio o experiencia, elige a los
elementos que se incluirán en la muestra porque cree
que son representativos de la población de interés o
que son apropiados en alguna otra forma.
14. Es un tipo de muestreo de juicio, el investigador con base en sus
conocimientos y experiencia determina el tamaño de las cuotas a utilizar, las
cuales pueden ser cuotas de edad, sexo, clases sociales etc.
Consiste en formular la muestra de manera tal que cada uno de los sectores
de la población quede representado en igual proporción dentro de la
muestra, pero eligiendo arbitrariamente a sus integrantes.
Este método implica la selección de participantes prospectos de acuerdo con
cuotas especificadas de antemano sobre características demográficas (edad,
raza, sexo, ingresos), actitudes específicas (por ejemplo, satisfacción o
insatisfacción, agrado o desagrado, calidad grande o marginal o inexistente)
o conductas específicas (verbigracia, comprador comparativo regular u
ocasional, usuario del producto en grado nulo o alto o ligero).
15. Método que comprende el procedimiento de
identificar y calificar subjetivamente a un conjunto de
encuestados prospectos iniciales que a su vez
pueden ayudar al investigador a identificar a
personas adicionales para incluirlas en el estudio.
Después de entrevistar a una persona, el
entrevistador le pide a ésta su ayuda para identificar
a otras personas con características, opiniones o
sentimientos similares.
Los miembros de la población meta definida que
pudieran no abrigar las mismas creencias o
sentimientos que los encuestados tienen menos
probabilidad de ser incluidos en este tipo de
muestra.
17. Los investigadores usan una tabla de números aleatorios, u otro
procedimiento de selección aleatoria que asegure que cada unidad muestral
que integra la población meta definida tenga una oportunidad conocida, igual,
y diferente de cero, de ser elegida en la muestra.
Para tomar una muestrea aleatoria simple, el investigador primero compila un
marco de muestreo en el que a cada elemento se le asigna un número de
identificación único. Luego, los números aleatorios se generan para
determinar qué elementos incluir en la muestra.
La muestra se considera homogénea es decir, todos los elementos de la
población tienen la misma oportunidad de ser seleccionados.
En un muestreo aleatorio simple (MAS), cada elemento de la población tiene
una probabilidad de selección conocida y equitativa (igual) de ser seleccionada.
Esto implica que cada elemento es seleccionado independientemente de los otros
elementos. La muestra se toma por un procedimiento aleatorio de un marco de
muestreo. Este método es equivalente a un sistema de lotería en el que los
nombres se colocan en un contenedor, el contenedor se agita y se toman los
nombres de los ganadores en forma no sesgada.
18. Se enumeran 112 fichas del 1 al 112 que deberán ser de igual tamaño y color, para
dar probabilidad de selección; cada ficha corresponde a cada uno de los
componentes de la población es decir un número por cada cliente. Se mezclan las
fichas en un recipiente, se toma una a ciegas; el cliente correspondiente a esa ficha
será uno de los 87 clientes de la muestra. Se mezclan las 111 fichas restantes (sin
depositar la ficha escogida en el paso anterior), se toma otra de la misma manera; el
cliente escogido esta vez, completará la muestra de 2 clientes.
También se utiliza en probabilidad, la tabla de números aleatorios. Ejemplo: Se inicia
en cualquier lugar de la tabla, considerándose los tres últimos dígitos de los números
aleatorios ( por tener una población conformada por 3 dígitos “112” una vez reunidos,
supongamos que el resultado sea: 94, 140, 33, 111, 189, 105, 356.... etc ( los
números 140, 189 y 356 no se tomarían en cuenta por ser mayores a 112 que es el
total de elementos de la población) . Por lo tanto, pertenecerán a la muestra los
clientes que en la lista “enumerada” con los nombres de ellos (marco muestral)
figuren con los números 94, 33, 111, 105 ...etc.
19. Técnica de muestreo probabilístico en la que se elige la muestra al
seleccionar un punto de inicio aleatorio y luego se elige cada n elemento
en la sucesión del marco de muestreo
En el muestreo sistemático, la muestra es elegida al seleccionar un punto
de inicio al azar y luego eligiendo algún elemento en sucesión del marco de
muestreo.
El intervalo de muestreo, i, se determina al dividir el tamaño de la población
N entre el tamaño de la población n y aproximarlo al digito más cercano.
Sirviéndose de una lista ordenada de los miembros de la población meta
definida, los investigadores seleccionan un punto de partida aleatorio para
el primer miembro muestreado.
Este método muestral se emplea de modo que se abarque la lista entera,
no importa cuál sea el punto de partida, y con él se logra el mismo objetivo
final que persigue el MAS y es más eficiente que este último.
20. Consiste en hacer el salto sistemático de los elementos de la población, se
procede así: se toma una cifra y se salta cada (i ) elementos.
Ejemplo: N= universo =40 elementos.
n= tamaño de la muestra =10 elementos.
El salto sistemático es cada 4 números, que resulta de calcular el
coeficiente (i ) el cual es igual a N/n , en este caso (i )= 40/ 10 = 4.
El punto de partida se selecciona a través de un muestreo aleatorio simple
o al azar entre los primeros cuatro elementos del marco muestral, [Porque
(i ) = 4],si por ejemplo, sale el nº 4 ese elemento, será el primero a
considerar y a partir del cual se iniciará la cuenta sistemática.
Los diez elementos a seleccionar serían los que figuren en la lista en el nº
4, 8, 12, 16, 20, 24, 28, 32, 36 y el 40.
21. En el muestreo por conglomerados, la población objetivo primero se
divide en subpoblaciones o grupos mutuamente excluyentes y
colectivamente exhaustivos.
Luego se selecciona la muestra aleatoria de grupos con base en una
técnica de muestreo probabilístico.
Para cada grupo seleccionado, se incluyen todos los elementos en la
muestra o se toma 1 muestra de elementos en forma probabilística.
Este método requiere que la población meta definida se segmente en áreas
geográficas, cada una de las cuales se considera muy similar a las otras.
Su nombre deriva, de la diversidad de etapas que deben seguir para llegar a
seleccionar la muestra definitiva, a saber:
1. Primera etapa: selección de manzanas en un mapa.
2. Segunda etapa: Selección de hogares dentro de las manzanas
seleccionadas.
3. Tercera etapa: Selección: de personas dentro de los hogares
seleccionados.
22. Cuando se cree que la población meta definida tiene una distribución anormal para una o
más de sus características distintivas, los investigadores tienen que identificar
subpoblaciones, a las que se llama estratos. Después de segmentarse los estratos, se
toma una muestra aleatoria sencilla por cada estrato. Se aplican factores de ponderación
proporcional y desproporcional para estimar los valores de población totales.
El muestreo estratificado es un proceso de dos fases en el que la población se divide en
subpoblaciones o estratos. El estrato debe ser mutuamente excluyente y colectivamente
exhaustivo en cuanto a que cada elemento de población debe asignarse a sólo un estrato
y no se deben omitir elementos de población.
Luego, los elementos se seleccionan para cada estrato mediante un procedimiento
aleatorio, por lo general MAS. En la práctica, algunas veces se utiliza el muestreo
sistemático y otros procedimientos de muestreo probabilístico.
Un objetivo principal del muestreo estratificado es incrementar la precisión sin aumentar el
costo.
Una muestra aleatoria estratificada es la obtenida mediante la separación de los
elementos de la población en grupos que no presenten traslapes, llamados estratos, y
la selección posterior de una muestra irrestricta aleatoria simple de cada estrato.
23. Cuando la población es demasiado heterogénea, se requiere formar
grupos homogéneos ejemplo:
Por grupos de edad, clases sociales, tipo de empresa, etc. a estos
grupos se les denomina estratos.
Se desea realizar una
investigación,
considerando una
muestra de 400 personas.
Al estratificar la muestra
por clase social
La población esta
distribuida en
Numero de personas
a entrevistar
5 % clase AB 20
26 % clase C 104
69 % clase D 276
Asignación proporcional de la muestra
24. Poblaciones infinitas: son poblaciones
grandes, por ejemplo: Habitantes de un
país, región, estado. Una población
mayor a 50 mil elementos ya se
considera infinita.
Poblaciones finitas: Son poblaciones
pequeñas, por ejemplo: Empleados de
una empresa, estudiantes de una
universidad, socios de un club.
25. La fórmula con que se calcula el tamaño necesario de la muestra para estimar la
media de la población es:
Donde
n= tamaño necesario de la muestra
Z= número de unidades de desviación estándar en la distribución normal que
producirá el nivel deseado de confianza (obsérvese que para una confianza del
95%, Z = 1,96; para una confianza del 99% Z = 2.58)
σ = desviación estándar de la población (conocida o estimada a partir de estudios
anteriores)
E= error, o diferencia máxima entre la media muestra y la media de la población
que estamos dispuestos a aceptar en el nivel de confianza que hemos indicado
La mayor dificultad al determinar el tamaño de la muestra necesaria para estimar
la media de la población consiste en calcular la desviación estándar de la
población.
26. La fórmula apropiada es:
Donde
n = tamaño necesario de la muestra
Z =número de unidades de desviación estándar en la distribución normal, que
producirá el grado deseado de confianza (para una confianza del 95%, Z=1.96;
para una confianza del 99%, Z=2.58)
P =proporción de la población que posee la característica de interés (si puede
estimar la proporción, hágalo y utilícela como P; en caso contrario, sea
conservador y use P = .5 en la fórmula)
E =error, o máxima diferencia entre la proporción muestra! y la proporción de la
población que estamos dispuestos a aceptar en el nivel de confianza que he-
mos señalado.
27. Para el cálculo de p se hace una prueba piloto con el 20% de la
muestra.
Con una pregunta dicotómica donde p es la proporción
favorable a la característica de interés.
P (1-P) P * (1-P)
0.5 0.5 0.25
0.4 0.6 0.24
0.3 0.7 0.21
0.2 0.8 0.16
0.1 0.9 0.09
80% de confianza; Z= 1,29
85 % de confianza; Z=1,44
90% de confianza; Z=1.64
95% de confianza; Z=1.96
99% de confianza; Z=2.57
28. Muestreo cuando la población es finita
(hasta 50.000 Unidades)
Hasta ahora hemos supuesto que la
muestra será relativamente pequeña en
comparación con la población total.
Esta situación caracteriza a la
generalidad de los trabajos de
investigación en que interviene el
muestreo, y casi nunca hemos de
preocuparnos por el tamaño de la
población.
29. Donde
n = tamaño necesario de la muestra
Z= número de unidades de desviación estándar en la distribución normal que
producirá el nivel deseado de confianza (obsérvese que para una confianza del
95%, Z = 1,96; para una confianza del 99% Z = 2.58)
σ = desviación estándar de la población (conocida o estimada a partir de
estudios anteriores)
E= error, o diferencia máxima entre la media muestra y la media de la población
que estamos dispuestos a aceptar en el nivel de confianza que hemos indicado
N = tamaño de la población.
30. Donde
n = tamaño necesario de la muestra
Z = número de unidades de desviación estándar en la distribución normal, que
producirá el grado deseado de confianza (para una confianza del 95%, Z=1.96; para
una confianza del 99%, Z=2.58)
P = proporción de la población que posee la característica de interés (si puede
estimar la proporción, hágalo y utilícela como P; en caso contrario, sea conservador
y use P = .5 en la fórmula)
E = error, o máxima diferencia entre la proporción muestra! y la proporción de la
población que estamos dispuestos a aceptar en el nivel de confianza que hemos
señalado.
N = tamaño de la población.