SlideShare una empresa de Scribd logo
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 1
“LIBEREMOS BOLIVIA”
21.MUESTRA O ANALISIS MUESTRAL
Solo aquellos que se atreven a tener grandes fracasos terminan consiguiendo grandes éxitos
(Robert F. Kennedy)
INTRODUCCION
Una muestraes unsubconjunto de casoso individuosde unapoblación. Endiversasaplicaciones,
interesaque unamuestrasearepresentativa,yparaellodebe escogerseunatécnicade muestra
adecuadaque produzcauna muestraaleatoriaadecuada.Tambiénesunsubconjuntode la
población,ypara serrepresentativa,debe tenerlasmismascaracterísticasde lapoblación.Si se
obtiene unamuestrasesgada,suinterésyutilidadsonmáslimitados,enfuncióndel gradode
sesgosque presente.1
La muestrasiempre esunaparte de lapoblación.Si se tienenvariaspoblaciones,entoncesse
tendránvariasmuestras. La muestradebe poseertodalainformacióndeseadaparatenerla
posibilidadde extraerla,yestosolose puede lograrconuna buenaselecciónde lamuestrayun
trabajomuy cuidadosoyde alta calidadenla recogidade datos.1
La muestraesunaporciónrepresentativade unapoblación.Cuandose realizantesisconenfoques
cuantitativos,esdecir,conanálisisnuméricosquizásdebamoshaceruncenso.Porejemplo,si
queremoshacerunestudiosobre métodosde enseñanzaenniñosenedadescolar,de un
determinadodistrito;novamosaefectuarlainvestigacióncontodoslosniñosde lacomunidad.
Primero,se hace un censopara luegotomarla muestrasignificativade ese universode infantes.2
Las muestrasse enfocanenla selecciónde losparticipantesdel estudio.Estase saca en
concordanciacon el problemayel diseñode latesis.2
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 2
“LIBEREMOS BOLIVIA”
DESARROLLO
En estadística,el concepto“muestra”se utilizaparadenominaracualquiersubconjuntoposiblede
una poblacióndeterminada.Así,cuandose hablade unamuestrase está haciendoreferenciaaun
conjuntodeterminadode sujetosque partende ungrupomásgrande (la población).
La estadísticainferencialeslarama de estadisciplinaque se ocupade estudiarmuestraspara
llevaracabo inferenciasenrelaciónalaspoblacionesde lasque estasparten.Se opone ala
estadísticadescriptiva,cuyatareaconsiste,comosunombre indica,endescribirde forma
detalladalascaracterísticasde la muestra,ypor tanto idealmente de lapoblación.3
No obstante,el procesode inferenciaestadísticarequiere que lamuestraencuestiónsea
representativade lapoblaciónde referenciaportal de que seaposible generalizarlasconclusiones
obtenidasapequeñaescala.Conel objetivode favorecerestatarease han desarrolladodiversas
técnicasde muestreo,esdecir,de obtenciónoselecciónde muestras.3
Existendostiposprincipalesde muestreo:el aleatoriooprobabilísticoyel noaleatorio,también
conocidocomo“no probabilístico”.A suvezcada unade estasdosgrandescategorías incluye
diversasclasesde muestreoque se distinguenenfunciónde factorescomolascaracterísticasde la
poblaciónde referenciaolastécnicas de selecciónempleadas.3
¿Por qué funciona el muestreo?
El muestreoesútil graciasa que podemosacompañarlode unprocesoinverso,que
llamamosgeneralizaciónde resultados.Esdecir,paraconocerun universoloque hacemoses:
1) Extraeruna muestradel mismo.
2) Medir undato u opinión.
3) Proyectarenel universoel resultadoobservadoenlamuestra.
La generalizaciónde resultados añade ciertoerroral datoque medimos.Imaginaque tomamos
una muestraal azar de 1.000 personasde Méxicoylespreguntamossi fuman.Obtengoque el
25% de la muestrafuma.La simple lógicanosdice que si de 1.000 mexicanoselegidosal azarel
25% fuma,este datodeberíaserindicativode loque obtendríamossi preguntásemosalos122
millonesde mexicanos.Ahorabien,el azarpodríahaberhechoque haya escogidoparami muestra
más fumadoresde loque corresponderíaala proporciónexactaque hayenel universoo,por el
contrario,que enmi muestralosfumadoresesténalgoinfrarepresentados.El azarpodría hacer
que el porcentaje de fumadoresenlapoblaciónfuese algodiferente del25% que hemos
observadoenlamuestra(tal vezun 25,2%, por ejemplo).Porlotanto,lageneralizaciónde
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 3
“LIBEREMOS BOLIVIA”
resultadosde unamuestraa un universoconllevaaceptarque cometemosciertoerror,tal ycomo
ilustrael siguienteesquema.4
Afortunadamente,el errorcometidoal generalizarresultadospuedeacotarse graciasa la
estadística.Paraellosuelenusarse dosparámetros:el margende error,que es lamáxima
diferenciaque esperamosque hayaentre el datoobservado enmi muestrayel datoreal enel
universo,yel nivel de confianza,que esel nivelde certezaque tenemosde que el datoreal esté
dentrodel margende error.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 4
“LIBEREMOS BOLIVIA”
Por ejemplo,ennuestrocasode fumadoresmexicanos,si seleccionounamuestrade 471
individuos ylespreguntosi fuman,el resultadoque obtengatendráunmargende errormáximo
de ±5% con un nivel de confianzadel 97%.Estaforma de expresarlosresultadosesla correcta
cuandousamosmuestreo.4
El tamaño de la muestra
¿Qué tamañode muestranecesitousarparaestudiarciertouniverso?Dependedel tamañodel
universoydel nivel de errorque esté dispuestoaaceptar, tal y como explicábamosensudía en
este post.Cuantamás precisiónexija,mayormuestranecesito.Si quierotenerunacerteza
absolutaenmi resultado,hastael últimodecimal,mi muestratendráque sertangrande como mi
universo.Pero el tamañode lamuestratiene unapropiedadfundamental que explicaporqué el
muestreose usatanto entantosámbitosdel conocimiento.Estapropiedadpodríaresumirse como
sigue:a medidaque estudiouniversosmayores,el tamañode muestraque necesitocadavez
representaunporcentaje menorde dichouniverso.4
Este fenómeno loexplicande formamuydidácticaenGaussianos.com,uninteresanteblog
dedicadoalas matemáticas. Supongamosque queremoshacerunaencuestaparaconocerun
porcentaje (podríaserel de gente que fuma) conun nivel de errordeterminado,porejemplo,un
margende error del 5% y una confianzadel 95%.Si el universoaestudiarfuese de tansólo100
personas,mi muestratendríaque serde 79,5 individuos(esdecir,79,5% del universo,loque
representaunparte muyimportante del total del universo). Si el universofuese de 1.000
personas,mi muestradeberíaserde 277,7 personas(27,7% del universo).Ysi mi universofuese
de 100.000 personas,lamuestranecesariaseríade 382,7 personas(3,83% del universo).
Por lotanto,a medidaque trabajoconuniversosmásgrandes,lamuestraque necesitodebe ir
creciendo,perode formanoproporcional,tiendeaestancarse ycada vezrepresentaun
porcentaje máspequeñodel universo.A partirde ciertotamañode universo(entornoa100.000
individuos),el tamañode lamuestraya no necesitacrecermás.La siguiente tablanosmuestra
algunosejemplos:
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 5
“LIBEREMOS BOLIVIA”
Tamaño de muestra necesaria para tener un error del 5% con un nivel de confianza del 95%
Universo Muestra necesaria %
10 10 100%
100 80 80%
1.000 278 27,8%
10.000 370 3,7%
100.000 383 0,38%
1.000.000 384 0,038%
10.000.000 385 0,004%
100.000.000 385 0,0004%
Los datosanterioresnosdicenque porgrande que sea el universo,con385 personaspuedo
estudiarcualquierdatoconel mismonivel de error(margende 5%,confianzade 95%).Por esta
razón el muestreoestanpoderoso:nospermite hacerafirmacionesaltamente precisasde una
gran cantidadde individuosatravésde unaparte muypequeñade losmismo.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 6
“LIBEREMOS BOLIVIA”
Comocontrapartida,el ejemploanteriorilustraque el muestreonofuncionabienenuniversos
pequeños.Si tengounaclase de 10 alumnos,laopiniónde cadauno de ellosesfundamentalpara
conocerla opiniónglobal,nopuedoprescindirde ninguno.Si noquierosuperarel errorque nos
hemospropuesto,enununiversode 10individuosnecesitoencuestaratodosellos.4
VENTAJAS
- Necesitamosestudiarmenosindividuos,necesitamosmenosrecursos(tiempoydinero).
- La manipulaciónde datosesmuchomás simple.Si conunamuestrade 1.000 personastengo
suficiente,¿paraqué quieroanalizarunficherode millonesde registros? .4
DESVENTAJAS
- Introducimoserror(controlado) enel resultado,debidoala propianaturalezadel muestreoya la
necesidadde generalizarresultados.
- Tenemosel riesgode introducirsesgosdebidoaunamala selecciónde lamuestra.Porejemplo,
si la forma enque seleccionamosindividuosparalamuestranoes aleatoria,losresultadospueden
verse seriamenteafectados.4
CÓMO SELECCIONAR UNAMUESTRA
Partimosde la poblaciónyestadebe serentendidacomocasosque compartenespecificaciones.
No necesariamente hace referenciaaungrupo de personas,podríanser animales,plantas,
sucesosnaturales,objetos,etc.Esdeberdel investigadordeterminarbajoqué criteriosanalizará
lassemejanzaspara,así, obtenerunapoblación.5
Esas semejanzasocaracterísticas,si sondefinidasconclaridad,sirvenparasegmentaruna
muestraconcretay con validez.Si nuestrointerésesejecutaruntrabajoconestudiantes
universitariosdebemosresponderalassiguientesinterrogantes:
– ¿Universidadesde todoel mundoode un país?
– Si se trata de un país ¿Son todaslas universidadesolasde una ciudad?
– ¿Públicasoprivadas?
– ¿Estudiantesde todaslascarreras o unaen particular?
– ¿De cuálesaños o semestres?
– Tambiénesposible considerarotrascaracterísticascomo:género,edad,calificaciones,
intereses,etc.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 7
“LIBEREMOS BOLIVIA”
Una vez que hayamosfiltradoel universode casosposibles,hastadarcon lapoblaciónde nuestro
estudio,vamosaelegirunsubgrupoque serálamuestrade nuestrodiseñometodológico.Es
posible que,paraseleccionarlamuestra,primerose debahaceruncenso.En otroscasos, de
entrada,contarás con el númerototal de lapoblaciónque buscasreunir.Si tu intenciónfuera
trabajar con losempleadosde undepartamentoenunaempresaespecífica,seríalógicoque la
institucióncontaraconun registrode suscolaboradores.5
Ahorasi tu poblacióntiene unasespecificacionesmuydetalladasquizássi debasrealizarel censo.
Con el mismoejemplode losempleados,puedeserque túnecesitesaaquellosque tenganun
grupofamiliarparticularo que vivanenun área y encondicionesexclusivas.Enese caso,puede
que el departamentonocuente conlainformaciónque túbuscasy debascensar a la población.
Una muestrarepresentativaesel equivalente de un20 o 30 % del total de la población.Con estos
porcentajesesposiblegeneralizarlosresultados.El investigadorpuede decidirtrabajarconla
poblaciónyno con lamuestra,siempre ycuando,nose trate de una gran cantidadde
participantesysusrecursosse lo permitan.5
¿Cómo determinarel tamaño de una muestra?
Determinarel tamañode lamuestraque se va a seleccionaresunpasoimportante encualquier
estudiode investigaciónde mercados, se debe justificarconvenientemente de acuerdoal
planteamientodel problema,lapoblación,los objetivosyel propósitode lainvestigación.
¿De qué depende el tamaño muestral?
El tamañomuestral dependeráde decisionesestadísticasynoestadísticas,puedenincluirpor
ejemploladisponibilidadde losrecursos,el presupuestooel equipoque estará encampo.
Antesde calcularel tamaño de la muestranecesitamosdeterminarvariascosas:
Tamaño de la población.Unapoblaciónesunacolecciónbiendefinidade objetosoindividuosque
tienencaracterísticassimilares.Hablamosde dostipos:poblaciónobjetivo,que suele tiene
diversascaracterísticasytambiénesconocidacomo lapoblaciónteórica.Lapoblaciónaccesible es
la poblaciónsobre laque losinvestigadoresaplicaransusconclusiones.
Margen de error (intervalode confianza).El margende erroresuna estadísticaque expresala
cantidadde error de muestreoaleatorioenlosresultadosde unaencuesta,esdecir,eslamedida
estadísticadel númerode vecesde cada100 que se esperaque losresultadosse encuentren
dentrode un rango específico.5
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 8
“LIBEREMOS BOLIVIA”
Nivel de confianza.Sonintervalosaleatoriosque se usanparaacotar unvalor con una
determinadaprobabilidadalta.Porejemplo,unintervalode confianzade 95% significaque los
resultadosde unaacciónprobablementecubriránlasexpectativasel 95% de lasveces.
La desviaciónestándar.Esuníndice numéricode ladispersiónde unconjuntode datos(o
población).Mientrasmayoresladesviaciónestándar,mayoresladispersiónde lapoblación.
CÁLCULO DEL TAMAÑODE LA MUESTRA DESCONOCIENDOEL TAMAÑO DE LA POBLACIÓN
La fórmulaparacalcular el tamañode muestracuando se desconoce el tamañode lapoblaciónes
la siguiente:
En donde
Z = nivel de confianza,
P = probabilidadde éxito,oproporciónesperada
Q = probabilidadde fracaso
D = precisión(errormáximoadmisible entérminosde proporción) .5
Tipos de muestreoprobabilístico
El muestreoaleatoriosimple,tal ycomosu nombre loindica, esunmétodocompletamente
aleatorioque se utilizaparaseleccionarunamuestra.Este métodode muestreoestanfácil como
asignarnúmerosa losindividuos(muestra) yluegoelegirde maneraaleatorianúmerosentre los
númerosa travésde un procesoautomatizado.Finalmente,losnúmerosque se eligensonlos
miembrosque se incluyenlamuestra.6
Existendosformasen que lasmuestrasse eligen:A travésde unsistemade loteríay usode
software de generaciónde númerosaleatorios.Estatécnicade muestreofuncionageneralmente
engrandespoblacionesytiene tantoventajascomodesventajas.
Muestreoestratificado:este esun métodoenel cual una poblacióngrande se divide endos
gruposmás pequeños,que generalmente nose superponen,sinoque representan atodala
poblaciónenconjunto.6
Durante el muestreo,estosgrupospuedenorganizarse yluegode estosse puedeobteneruna
muestrade cada grupo por separado.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 9
“LIBEREMOS BOLIVIA”
Algocomúnen este tipode métodoesorganizaroclasificarlasmuestraspor sexo,edad,etnia,
etc.Este métododivide sujetosengruposmutuamente exclusivosyluegoutilizaunmuestreo
aleatoriosimpleparaelegirmiembrosde losgrupos.6
Los miembrosde cadauno de estosgruposdebenserdistintosparaque todoslosmiembrosde
todoslosgrupos tenganlamismaoportunidadde serseleccionadosutilizandolaprobabilidad
simple.
Muestreopor conglomerados:este esun métodoque seleccionade maneraaleatoriaalos
participantescuandoestándispersosgeográficamente.6
Por ejemplo,tenemosa1000 participantesde todalapoblaciónde México,supongamosque es
probable que noseaposible obtenerunalistacompletade todosestos.Peroencambio,loque
hace el investigadoresseleccionaráreasde maneraaleatoria(esdecir,ciudades,comunidades,
etc.),y seleccionaal azar dentrode esoslímites.
El muestreoporconglomeradosporlogeneral analizaaunapoblaciónparticularenlaque la
muestraconsiste envarioselementos,porejemplo,ciudad,familia,universidad,etc.Los
conglomeradosse seleccionanbásicamente dividiendolapoblaciónmayorenvariasseccionesmás
pequeñas.
Muestreosistemático:este se enfocaenelegiracada “enésima”personaparaque seaparte de la
muestra.Porejemplo,puedeselegirque cadaquintapersonaseaparte de la muestra,o que cada
décimapersonaseaparte de ella.6
El muestreosistemáticoesunaimplementaciónextendidade lamismísimatécnicade
probabilidadenlaque cual,cada miembrode ungrupoesseleccionadoenperiodosregulares
para formar unamuestra.Cuandose utilizaeste métodode muestreo,existeunaoportunidad
igual para que cada miembrode unapoblaciónsea seleccionado.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 10
“LIBEREMOS BOLIVIA”
Tipos de muestreono probabilístico
1. Muestreopor conveniencia
El muestreoporconvenienciaesunatécnicade muestreonoprobabilísticadonde las muestrasde
la poblaciónse seleccionansoloporqueestánconvenientemente disponibles parael investigador.
Estas muestrasse seleccionansoloporquesonfácilesde reclutary porque el investigadorno
consideróseleccionarunamuestraque represente atodala población.7
Idealmente,enlainvestigación,esbuenoanalizarmuestrasque representenalapoblación.Pero,
enalgunasinvestigaciones,lapoblaciónesdemasiadogrande paraevaluaryconsideraratoda la
población.
Esta es unade lasrazonespor lasque losinvestigadoresconfíanenel muestreoporconveniencia,
que esla técnicade muestreonoprobabilísticamáscomún,debidoasu velocidad,costo-
efectividadyfacilidad de disponibilidadde lamuestra.7
2. Muestreoconsecutivo
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 11
“LIBEREMOS BOLIVIA”
Esta técnicade muestreonoprobabilísticaesmuysimilaral muestreoporconveniencia (conuna
ligeravariación).Enel muestreoconsecutivo el investigadorelige unasolapersonaoungrupo
de muestra,realizaunainvestigacióndurante unperiodode tiempo,analizalosresultadosy luego
pasa a otra asignaturao grupo de sujetossi esnecesario.
Esta técnicade muestreole daal investigadorlaoportunidadde trabajarcon muchostemasy
afinarsu investigaciónmediantelarecopilaciónde resultadosque tienenconocimientosvitales.7
3. Muestreopor cuotas
Hipotéticamente,supongamosque uninvestigadordeseaestudiarlosobjetivos profesionalesde
losempleadosde unaorganización.Enestaorganizacióntrabajan500 empleadosyestosson
conocidosenconjuntocomo“población”.
Para comprendermejorunapoblación,el investigadorsolonecesitaráunamuestra,noa toda la
población.Además, el investigadorestáinteresadoenestratosparticularesdentrode lapoblación.
Es aquí donde el muestreoporcuotas ayuda a dividirlapoblaciónenestratosogrupos.7
Para estudiarlosobjetivosde másde 500 empleados,técnicamente lamuestraseleccionadadebe
tenerunnúmeroproporcional de hombresymujeres.Loque significaque debe haber250
hombresy250 mujeres.Comoestoesimprobable,losgruposoestratosse seleccionanmediante
el muestreoporcuotas.7
4.- Muestreointencional o por juicio
En estatécnica de muestreonoprobabilístico,lasmuestrasse seleccionanbasándose únicamente
enel conocimientoylacredibilidaddel investigador.Enotras palabras,los investigadoreseligen
soloa aquellosque estoscreenque sonlosadecuados(conrespecto alosatributosyla
representaciónde unapoblación) paraparticiparenunestudiode investigación.
Este no es unmétodocientíficode muestreoyladesventajade estatécnicaesque losresultados
puedenestarinfluenciadospornocionespercibidasdel investigador.Porlotanto,hay unagran
cantidadde ambigüedadinvolucradaenestatécnicade investigación. Porejemplo,este tipode
métodode muestreose puede utilizarenestudiospiloto.7
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 12
“LIBEREMOS BOLIVIA”
5. Muestreode bola de nieve
Este tipode técnicade muestreoayudaa losinvestigadoresaencontrarmuestrascuando son
difícilesde localizar.Losinvestigadoresutilizanestatécnicacuandoel tamañode la muestraes
pequeñoynoestá disponible fácilmente.
Este sistemade muestreobolade nieve funcionacomoel programade referencia.Unavezque los
investigadoresencuentransujetosadecuados,se lespide aestosayudaparabuscar a sujetos
similaresyasípoderformar una muestrade buentamaño.7
CONCLUSION
Yo concluyoque un aspectomuy importante enlainvestigación,esel cálculode lacantidadde
participantesque debenincluirse enunestudio.El tamañode muestra nospermite alos
investigadoressabercuántosindividuossonnecesariosestudiar,para asípoderestimarun
parámetrodeterminadoconel gradode confianzadeseado,oel númeronecesarioparapoder
detectaruna determinadadiferenciaentre losgruposde estudio.
Toda muestrade un estudiodebe serrepresentativade lapoblaciónde interés.El objetivo
principal de seleccionarlaeshacerestadísticasacercade la poblaciónde laque proviene de que la
seleccióndebe serprobabilística.
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 13
“LIBEREMOS BOLIVIA”
REFERENCIAS
1.https://es.wikipedia.org/wiki/Muestra_estad%C3%ADstica
2.http://normasapa.net/que-es-una-muestra-y-como-se-selecciona/
3.https://psicologiaymente.com/miscelanea/tipos-de-muestreo
4.https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona
5.https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una-
muestra
6.https://www.questionpro.com/blog/es/como-realizar-un-muestreo-
probabilistico/#:~:text=El%20muestreo%20probabil%C3%ADstico%20es%20un,de%20m%C3%A9t
odos%20de%20selecci%C3%B3n%20aleatoria.&text=El%20m%C3%A9todo%20de%20muestreo%2
0probabil%C3%ADstico,muestra%20representativa%20de%20la%20poblaci%C3%B3n
7.https://www.questionpro.com/blog/es/muestreo-no-probabilistico/
VIDEO
https://www.youtube.com/watch?v=ZA9X-n-iIj4
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 14
“LIBEREMOS BOLIVIA”
Auca Viracochea Franz Wilson
Docente:Mgr. José RamiroZapata Barrientos
Materia: Investigación de Mercados II
Página 15
“LIBEREMOS BOLIVIA”

Más contenido relacionado

Similar a Muesra o analisis muestral

Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
rafaelaandrezadurang
 
Poblacion muestra
Poblacion muestraPoblacion muestra
Poblacion muestra
cleydividal1
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
ChoqueTarquiBetty
 
No 18 muestra_o_analisis_muestral
No 18 muestra_o_analisis_muestralNo 18 muestra_o_analisis_muestral
No 18 muestra_o_analisis_muestral
yasminFlores21
 
Muestra o analisis_muestral_(1)
Muestra o analisis_muestral_(1)Muestra o analisis_muestral_(1)
Muestra o analisis_muestral_(1)
SARALY90
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
NajhelyCali
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
SaavedraCardenasFern
 
La muestra
La muestraLa muestra
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
Erika Villarroel Rocha
 
Muestra
MuestraMuestra
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
CruzMamaniNataly
 
Poblacion o universo
Poblacion o universoPoblacion o universo
Poblacion o universo
estefani alvarez
 
Videos de variabilidad y el mundo según monsanto (1)
Videos de variabilidad y el mundo según monsanto (1)Videos de variabilidad y el mundo según monsanto (1)
Videos de variabilidad y el mundo según monsanto (1)
Vanessa Sepulveda
 
Muestra o analisis_muestral
Muestra o analisis_muestralMuestra o analisis_muestral
Muestra o analisis_muestral
IrisLaura3
 
20[1]
20[1]20[1]
6.como salir de la pandemia
6.como salir de la pandemia6.como salir de la pandemia
6.como salir de la pandemia
GuadalupeRamrez20
 
InvestigacióN De Brote
InvestigacióN De BroteInvestigacióN De Brote
InvestigacióN De Brote
Leonor Amelia Díaz Jaimes
 
Practica 16 produccion
Practica 16 produccionPractica 16 produccion
Practica 16 produccion
JhonatanAtahuichy
 
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
InturiasValenciaAlex
 
Consecuencias de las mentiras en la red
Consecuencias de las mentiras en la redConsecuencias de las mentiras en la red
Consecuencias de las mentiras en la red
DiegoAZapataV
 

Similar a Muesra o analisis muestral (20)

Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Poblacion muestra
Poblacion muestraPoblacion muestra
Poblacion muestra
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
No 18 muestra_o_analisis_muestral
No 18 muestra_o_analisis_muestralNo 18 muestra_o_analisis_muestral
No 18 muestra_o_analisis_muestral
 
Muestra o analisis_muestral_(1)
Muestra o analisis_muestral_(1)Muestra o analisis_muestral_(1)
Muestra o analisis_muestral_(1)
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
La muestra
La muestraLa muestra
La muestra
 
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
 
Muestra
MuestraMuestra
Muestra
 
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
 
Poblacion o universo
Poblacion o universoPoblacion o universo
Poblacion o universo
 
Videos de variabilidad y el mundo según monsanto (1)
Videos de variabilidad y el mundo según monsanto (1)Videos de variabilidad y el mundo según monsanto (1)
Videos de variabilidad y el mundo según monsanto (1)
 
Muestra o analisis_muestral
Muestra o analisis_muestralMuestra o analisis_muestral
Muestra o analisis_muestral
 
20[1]
20[1]20[1]
20[1]
 
6.como salir de la pandemia
6.como salir de la pandemia6.como salir de la pandemia
6.como salir de la pandemia
 
InvestigacióN De Brote
InvestigacióN De BroteInvestigacióN De Brote
InvestigacióN De Brote
 
Practica 16 produccion
Practica 16 produccionPractica 16 produccion
Practica 16 produccion
 
Muestra o análisis muestral
Muestra o análisis muestralMuestra o análisis muestral
Muestra o análisis muestral
 
Consecuencias de las mentiras en la red
Consecuencias de las mentiras en la redConsecuencias de las mentiras en la red
Consecuencias de las mentiras en la red
 

Más de FranzAucaViracochea

Poblacion o universo
Poblacion o universoPoblacion o universo
Poblacion o universo
FranzAucaViracochea
 
Las competencias administrativas.
Las competencias administrativas.Las competencias administrativas.
Las competencias administrativas.
FranzAucaViracochea
 
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
FranzAucaViracochea
 
Analisis pest (politico, economico, social, tecnologico)
Analisis pest (politico, economico, social, tecnologico)Analisis pest (politico, economico, social, tecnologico)
Analisis pest (politico, economico, social, tecnologico)
FranzAucaViracochea
 
Que se puede mejorar en la Presentación de power point
 Que se puede mejorar en la Presentación de power point Que se puede mejorar en la Presentación de power point
Que se puede mejorar en la Presentación de power point
FranzAucaViracochea
 
Informe de marketing 1.0;2.0;3.0;4.0
Informe de marketing  1.0;2.0;3.0;4.0Informe de marketing  1.0;2.0;3.0;4.0
Informe de marketing 1.0;2.0;3.0;4.0
FranzAucaViracochea
 
6 emociones de Paul Ekman
6 emociones de Paul Ekman6 emociones de Paul Ekman
6 emociones de Paul Ekman
FranzAucaViracochea
 
La prevision
La previsionLa prevision
La prevision
FranzAucaViracochea
 
Recopilacion de informacion para trabajos de investigacion
Recopilacion de informacion para trabajos de investigacionRecopilacion de informacion para trabajos de investigacion
Recopilacion de informacion para trabajos de investigacion
FranzAucaViracochea
 
Flujo circular de la economia
Flujo circular de la economiaFlujo circular de la economia
Flujo circular de la economia
FranzAucaViracochea
 
Importaciones de alimentos en bolivia.
Importaciones de alimentos en bolivia.Importaciones de alimentos en bolivia.
Importaciones de alimentos en bolivia.
FranzAucaViracochea
 
El enfoque sistemico
El enfoque sistemicoEl enfoque sistemico
El enfoque sistemico
FranzAucaViracochea
 
Estudio comparativo de los impuestos en latinoamerica
Estudio comparativo de los impuestos en latinoamericaEstudio comparativo de los impuestos en latinoamerica
Estudio comparativo de los impuestos en latinoamerica
FranzAucaViracochea
 
Malthus crecimiento poblacion
Malthus crecimiento poblacionMalthus crecimiento poblacion
Malthus crecimiento poblacion
FranzAucaViracochea
 
Analisis multivariado
Analisis multivariadoAnalisis multivariado
Analisis multivariado
FranzAucaViracochea
 
Investigacion cuantitativa
Investigacion cuantitativaInvestigacion cuantitativa
Investigacion cuantitativa
FranzAucaViracochea
 
Investigacion cualitativa
Investigacion cualitativaInvestigacion cualitativa
Investigacion cualitativa
FranzAucaViracochea
 

Más de FranzAucaViracochea (17)

Poblacion o universo
Poblacion o universoPoblacion o universo
Poblacion o universo
 
Las competencias administrativas.
Las competencias administrativas.Las competencias administrativas.
Las competencias administrativas.
 
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
Analisis foda (fortalezas, oportunidades, debilidades, amenazas)..
 
Analisis pest (politico, economico, social, tecnologico)
Analisis pest (politico, economico, social, tecnologico)Analisis pest (politico, economico, social, tecnologico)
Analisis pest (politico, economico, social, tecnologico)
 
Que se puede mejorar en la Presentación de power point
 Que se puede mejorar en la Presentación de power point Que se puede mejorar en la Presentación de power point
Que se puede mejorar en la Presentación de power point
 
Informe de marketing 1.0;2.0;3.0;4.0
Informe de marketing  1.0;2.0;3.0;4.0Informe de marketing  1.0;2.0;3.0;4.0
Informe de marketing 1.0;2.0;3.0;4.0
 
6 emociones de Paul Ekman
6 emociones de Paul Ekman6 emociones de Paul Ekman
6 emociones de Paul Ekman
 
La prevision
La previsionLa prevision
La prevision
 
Recopilacion de informacion para trabajos de investigacion
Recopilacion de informacion para trabajos de investigacionRecopilacion de informacion para trabajos de investigacion
Recopilacion de informacion para trabajos de investigacion
 
Flujo circular de la economia
Flujo circular de la economiaFlujo circular de la economia
Flujo circular de la economia
 
Importaciones de alimentos en bolivia.
Importaciones de alimentos en bolivia.Importaciones de alimentos en bolivia.
Importaciones de alimentos en bolivia.
 
El enfoque sistemico
El enfoque sistemicoEl enfoque sistemico
El enfoque sistemico
 
Estudio comparativo de los impuestos en latinoamerica
Estudio comparativo de los impuestos en latinoamericaEstudio comparativo de los impuestos en latinoamerica
Estudio comparativo de los impuestos en latinoamerica
 
Malthus crecimiento poblacion
Malthus crecimiento poblacionMalthus crecimiento poblacion
Malthus crecimiento poblacion
 
Analisis multivariado
Analisis multivariadoAnalisis multivariado
Analisis multivariado
 
Investigacion cuantitativa
Investigacion cuantitativaInvestigacion cuantitativa
Investigacion cuantitativa
 
Investigacion cualitativa
Investigacion cualitativaInvestigacion cualitativa
Investigacion cualitativa
 

Último

REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdfREPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
IrapuatoCmovamos
 
contraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadascontraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadas
DieguinhoSalazar
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
SantiagoMejia99
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
AaronPleitez
 
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
defola5717
 
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdfEncuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
DivergenteDespierto
 
3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt
nahumrondanurbano
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
diegozuniga768
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
brayansangar73
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Emisor Digital
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
christianllacchasand
 
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdfMinería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
MedTechBiz
 
nombres de las unidades y situacion significativa 2024.docx
nombres de las unidades y situacion significativa 2024.docxnombres de las unidades y situacion significativa 2024.docx
nombres de las unidades y situacion significativa 2024.docx
silvanasotos
 
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdfSemana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
WendyMLaura
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
DilmerCarranza
 
DEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entenderDEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entender
mvargasleveau
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
MarcoPolo545324
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
GustavoTello19
 
Sistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 cursoSistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 curso
NereaMolina10
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
IrapuatoCmovamos
 

Último (20)

REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdfREPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
REPORTE DE HOMICIDIO DOLOSO-MAYO 2024.pdf
 
contraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadascontraguerrilla.pdf sobre anti emboscadas
contraguerrilla.pdf sobre anti emboscadas
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
 
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
 
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdfEncuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
 
3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt3-Modelamiento de Procesos usando BPMN.ppt
3-Modelamiento de Procesos usando BPMN.ppt
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
 
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdfMinería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
 
nombres de las unidades y situacion significativa 2024.docx
nombres de las unidades y situacion significativa 2024.docxnombres de las unidades y situacion significativa 2024.docx
nombres de las unidades y situacion significativa 2024.docx
 
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdfSemana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
Semana 09 - Tema 02 Dinámica de cuentas del plan contable.pdf
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
 
DEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entenderDEFENSA NACIONAL.ppt muy fácil de entender
DEFENSA NACIONAL.ppt muy fácil de entender
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
 
Sistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 cursoSistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 curso
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
 

Muesra o analisis muestral

  • 1. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 1 “LIBEREMOS BOLIVIA” 21.MUESTRA O ANALISIS MUESTRAL Solo aquellos que se atreven a tener grandes fracasos terminan consiguiendo grandes éxitos (Robert F. Kennedy) INTRODUCCION Una muestraes unsubconjunto de casoso individuosde unapoblación. Endiversasaplicaciones, interesaque unamuestrasearepresentativa,yparaellodebe escogerseunatécnicade muestra adecuadaque produzcauna muestraaleatoriaadecuada.Tambiénesunsubconjuntode la población,ypara serrepresentativa,debe tenerlasmismascaracterísticasde lapoblación.Si se obtiene unamuestrasesgada,suinterésyutilidadsonmáslimitados,enfuncióndel gradode sesgosque presente.1 La muestrasiempre esunaparte de lapoblación.Si se tienenvariaspoblaciones,entoncesse tendránvariasmuestras. La muestradebe poseertodalainformacióndeseadaparatenerla posibilidadde extraerla,yestosolose puede lograrconuna buenaselecciónde lamuestrayun trabajomuy cuidadosoyde alta calidadenla recogidade datos.1 La muestraesunaporciónrepresentativade unapoblación.Cuandose realizantesisconenfoques cuantitativos,esdecir,conanálisisnuméricosquizásdebamoshaceruncenso.Porejemplo,si queremoshacerunestudiosobre métodosde enseñanzaenniñosenedadescolar,de un determinadodistrito;novamosaefectuarlainvestigacióncontodoslosniñosde lacomunidad. Primero,se hace un censopara luegotomarla muestrasignificativade ese universode infantes.2 Las muestrasse enfocanenla selecciónde losparticipantesdel estudio.Estase saca en concordanciacon el problemayel diseñode latesis.2
  • 2. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 2 “LIBEREMOS BOLIVIA” DESARROLLO En estadística,el concepto“muestra”se utilizaparadenominaracualquiersubconjuntoposiblede una poblacióndeterminada.Así,cuandose hablade unamuestrase está haciendoreferenciaaun conjuntodeterminadode sujetosque partende ungrupomásgrande (la población). La estadísticainferencialeslarama de estadisciplinaque se ocupade estudiarmuestraspara llevaracabo inferenciasenrelaciónalaspoblacionesde lasque estasparten.Se opone ala estadísticadescriptiva,cuyatareaconsiste,comosunombre indica,endescribirde forma detalladalascaracterísticasde la muestra,ypor tanto idealmente de lapoblación.3 No obstante,el procesode inferenciaestadísticarequiere que lamuestraencuestiónsea representativade lapoblaciónde referenciaportal de que seaposible generalizarlasconclusiones obtenidasapequeñaescala.Conel objetivode favorecerestatarease han desarrolladodiversas técnicasde muestreo,esdecir,de obtenciónoselecciónde muestras.3 Existendostiposprincipalesde muestreo:el aleatoriooprobabilísticoyel noaleatorio,también conocidocomo“no probabilístico”.A suvezcada unade estasdosgrandescategorías incluye diversasclasesde muestreoque se distinguenenfunciónde factorescomolascaracterísticasde la poblaciónde referenciaolastécnicas de selecciónempleadas.3 ¿Por qué funciona el muestreo? El muestreoesútil graciasa que podemosacompañarlode unprocesoinverso,que llamamosgeneralizaciónde resultados.Esdecir,paraconocerun universoloque hacemoses: 1) Extraeruna muestradel mismo. 2) Medir undato u opinión. 3) Proyectarenel universoel resultadoobservadoenlamuestra. La generalizaciónde resultados añade ciertoerroral datoque medimos.Imaginaque tomamos una muestraal azar de 1.000 personasde Méxicoylespreguntamossi fuman.Obtengoque el 25% de la muestrafuma.La simple lógicanosdice que si de 1.000 mexicanoselegidosal azarel 25% fuma,este datodeberíaserindicativode loque obtendríamossi preguntásemosalos122 millonesde mexicanos.Ahorabien,el azarpodríahaberhechoque haya escogidoparami muestra más fumadoresde loque corresponderíaala proporciónexactaque hayenel universoo,por el contrario,que enmi muestralosfumadoresesténalgoinfrarepresentados.El azarpodría hacer que el porcentaje de fumadoresenlapoblaciónfuese algodiferente del25% que hemos observadoenlamuestra(tal vezun 25,2%, por ejemplo).Porlotanto,lageneralizaciónde
  • 3. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 3 “LIBEREMOS BOLIVIA” resultadosde unamuestraa un universoconllevaaceptarque cometemosciertoerror,tal ycomo ilustrael siguienteesquema.4 Afortunadamente,el errorcometidoal generalizarresultadospuedeacotarse graciasa la estadística.Paraellosuelenusarse dosparámetros:el margende error,que es lamáxima diferenciaque esperamosque hayaentre el datoobservado enmi muestrayel datoreal enel universo,yel nivel de confianza,que esel nivelde certezaque tenemosde que el datoreal esté dentrodel margende error.
  • 4. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 4 “LIBEREMOS BOLIVIA” Por ejemplo,ennuestrocasode fumadoresmexicanos,si seleccionounamuestrade 471 individuos ylespreguntosi fuman,el resultadoque obtengatendráunmargende errormáximo de ±5% con un nivel de confianzadel 97%.Estaforma de expresarlosresultadosesla correcta cuandousamosmuestreo.4 El tamaño de la muestra ¿Qué tamañode muestranecesitousarparaestudiarciertouniverso?Dependedel tamañodel universoydel nivel de errorque esté dispuestoaaceptar, tal y como explicábamosensudía en este post.Cuantamás precisiónexija,mayormuestranecesito.Si quierotenerunacerteza absolutaenmi resultado,hastael últimodecimal,mi muestratendráque sertangrande como mi universo.Pero el tamañode lamuestratiene unapropiedadfundamental que explicaporqué el muestreose usatanto entantosámbitosdel conocimiento.Estapropiedadpodríaresumirse como sigue:a medidaque estudiouniversosmayores,el tamañode muestraque necesitocadavez representaunporcentaje menorde dichouniverso.4 Este fenómeno loexplicande formamuydidácticaenGaussianos.com,uninteresanteblog dedicadoalas matemáticas. Supongamosque queremoshacerunaencuestaparaconocerun porcentaje (podríaserel de gente que fuma) conun nivel de errordeterminado,porejemplo,un margende error del 5% y una confianzadel 95%.Si el universoaestudiarfuese de tansólo100 personas,mi muestratendríaque serde 79,5 individuos(esdecir,79,5% del universo,loque representaunparte muyimportante del total del universo). Si el universofuese de 1.000 personas,mi muestradeberíaserde 277,7 personas(27,7% del universo).Ysi mi universofuese de 100.000 personas,lamuestranecesariaseríade 382,7 personas(3,83% del universo). Por lotanto,a medidaque trabajoconuniversosmásgrandes,lamuestraque necesitodebe ir creciendo,perode formanoproporcional,tiendeaestancarse ycada vezrepresentaun porcentaje máspequeñodel universo.A partirde ciertotamañode universo(entornoa100.000 individuos),el tamañode lamuestraya no necesitacrecermás.La siguiente tablanosmuestra algunosejemplos:
  • 5. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 5 “LIBEREMOS BOLIVIA” Tamaño de muestra necesaria para tener un error del 5% con un nivel de confianza del 95% Universo Muestra necesaria % 10 10 100% 100 80 80% 1.000 278 27,8% 10.000 370 3,7% 100.000 383 0,38% 1.000.000 384 0,038% 10.000.000 385 0,004% 100.000.000 385 0,0004% Los datosanterioresnosdicenque porgrande que sea el universo,con385 personaspuedo estudiarcualquierdatoconel mismonivel de error(margende 5%,confianzade 95%).Por esta razón el muestreoestanpoderoso:nospermite hacerafirmacionesaltamente precisasde una gran cantidadde individuosatravésde unaparte muypequeñade losmismo.
  • 6. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 6 “LIBEREMOS BOLIVIA” Comocontrapartida,el ejemploanteriorilustraque el muestreonofuncionabienenuniversos pequeños.Si tengounaclase de 10 alumnos,laopiniónde cadauno de ellosesfundamentalpara conocerla opiniónglobal,nopuedoprescindirde ninguno.Si noquierosuperarel errorque nos hemospropuesto,enununiversode 10individuosnecesitoencuestaratodosellos.4 VENTAJAS - Necesitamosestudiarmenosindividuos,necesitamosmenosrecursos(tiempoydinero). - La manipulaciónde datosesmuchomás simple.Si conunamuestrade 1.000 personastengo suficiente,¿paraqué quieroanalizarunficherode millonesde registros? .4 DESVENTAJAS - Introducimoserror(controlado) enel resultado,debidoala propianaturalezadel muestreoya la necesidadde generalizarresultados. - Tenemosel riesgode introducirsesgosdebidoaunamala selecciónde lamuestra.Porejemplo, si la forma enque seleccionamosindividuosparalamuestranoes aleatoria,losresultadospueden verse seriamenteafectados.4 CÓMO SELECCIONAR UNAMUESTRA Partimosde la poblaciónyestadebe serentendidacomocasosque compartenespecificaciones. No necesariamente hace referenciaaungrupo de personas,podríanser animales,plantas, sucesosnaturales,objetos,etc.Esdeberdel investigadordeterminarbajoqué criteriosanalizará lassemejanzaspara,así, obtenerunapoblación.5 Esas semejanzasocaracterísticas,si sondefinidasconclaridad,sirvenparasegmentaruna muestraconcretay con validez.Si nuestrointerésesejecutaruntrabajoconestudiantes universitariosdebemosresponderalassiguientesinterrogantes: – ¿Universidadesde todoel mundoode un país? – Si se trata de un país ¿Son todaslas universidadesolasde una ciudad? – ¿Públicasoprivadas? – ¿Estudiantesde todaslascarreras o unaen particular? – ¿De cuálesaños o semestres? – Tambiénesposible considerarotrascaracterísticascomo:género,edad,calificaciones, intereses,etc.
  • 7. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 7 “LIBEREMOS BOLIVIA” Una vez que hayamosfiltradoel universode casosposibles,hastadarcon lapoblaciónde nuestro estudio,vamosaelegirunsubgrupoque serálamuestrade nuestrodiseñometodológico.Es posible que,paraseleccionarlamuestra,primerose debahaceruncenso.En otroscasos, de entrada,contarás con el númerototal de lapoblaciónque buscasreunir.Si tu intenciónfuera trabajar con losempleadosde undepartamentoenunaempresaespecífica,seríalógicoque la institucióncontaraconun registrode suscolaboradores.5 Ahorasi tu poblacióntiene unasespecificacionesmuydetalladasquizássi debasrealizarel censo. Con el mismoejemplode losempleados,puedeserque túnecesitesaaquellosque tenganun grupofamiliarparticularo que vivanenun área y encondicionesexclusivas.Enese caso,puede que el departamentonocuente conlainformaciónque túbuscasy debascensar a la población. Una muestrarepresentativaesel equivalente de un20 o 30 % del total de la población.Con estos porcentajesesposiblegeneralizarlosresultados.El investigadorpuede decidirtrabajarconla poblaciónyno con lamuestra,siempre ycuando,nose trate de una gran cantidadde participantesysusrecursosse lo permitan.5 ¿Cómo determinarel tamaño de una muestra? Determinarel tamañode lamuestraque se va a seleccionaresunpasoimportante encualquier estudiode investigaciónde mercados, se debe justificarconvenientemente de acuerdoal planteamientodel problema,lapoblación,los objetivosyel propósitode lainvestigación. ¿De qué depende el tamaño muestral? El tamañomuestral dependeráde decisionesestadísticasynoestadísticas,puedenincluirpor ejemploladisponibilidadde losrecursos,el presupuestooel equipoque estará encampo. Antesde calcularel tamaño de la muestranecesitamosdeterminarvariascosas: Tamaño de la población.Unapoblaciónesunacolecciónbiendefinidade objetosoindividuosque tienencaracterísticassimilares.Hablamosde dostipos:poblaciónobjetivo,que suele tiene diversascaracterísticasytambiénesconocidacomo lapoblaciónteórica.Lapoblaciónaccesible es la poblaciónsobre laque losinvestigadoresaplicaransusconclusiones. Margen de error (intervalode confianza).El margende erroresuna estadísticaque expresala cantidadde error de muestreoaleatorioenlosresultadosde unaencuesta,esdecir,eslamedida estadísticadel númerode vecesde cada100 que se esperaque losresultadosse encuentren dentrode un rango específico.5
  • 8. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 8 “LIBEREMOS BOLIVIA” Nivel de confianza.Sonintervalosaleatoriosque se usanparaacotar unvalor con una determinadaprobabilidadalta.Porejemplo,unintervalode confianzade 95% significaque los resultadosde unaacciónprobablementecubriránlasexpectativasel 95% de lasveces. La desviaciónestándar.Esuníndice numéricode ladispersiónde unconjuntode datos(o población).Mientrasmayoresladesviaciónestándar,mayoresladispersiónde lapoblación. CÁLCULO DEL TAMAÑODE LA MUESTRA DESCONOCIENDOEL TAMAÑO DE LA POBLACIÓN La fórmulaparacalcular el tamañode muestracuando se desconoce el tamañode lapoblaciónes la siguiente: En donde Z = nivel de confianza, P = probabilidadde éxito,oproporciónesperada Q = probabilidadde fracaso D = precisión(errormáximoadmisible entérminosde proporción) .5 Tipos de muestreoprobabilístico El muestreoaleatoriosimple,tal ycomosu nombre loindica, esunmétodocompletamente aleatorioque se utilizaparaseleccionarunamuestra.Este métodode muestreoestanfácil como asignarnúmerosa losindividuos(muestra) yluegoelegirde maneraaleatorianúmerosentre los númerosa travésde un procesoautomatizado.Finalmente,losnúmerosque se eligensonlos miembrosque se incluyenlamuestra.6 Existendosformasen que lasmuestrasse eligen:A travésde unsistemade loteríay usode software de generaciónde númerosaleatorios.Estatécnicade muestreofuncionageneralmente engrandespoblacionesytiene tantoventajascomodesventajas. Muestreoestratificado:este esun métodoenel cual una poblacióngrande se divide endos gruposmás pequeños,que generalmente nose superponen,sinoque representan atodala poblaciónenconjunto.6 Durante el muestreo,estosgrupospuedenorganizarse yluegode estosse puedeobteneruna muestrade cada grupo por separado.
  • 9. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 9 “LIBEREMOS BOLIVIA” Algocomúnen este tipode métodoesorganizaroclasificarlasmuestraspor sexo,edad,etnia, etc.Este métododivide sujetosengruposmutuamente exclusivosyluegoutilizaunmuestreo aleatoriosimpleparaelegirmiembrosde losgrupos.6 Los miembrosde cadauno de estosgruposdebenserdistintosparaque todoslosmiembrosde todoslosgrupos tenganlamismaoportunidadde serseleccionadosutilizandolaprobabilidad simple. Muestreopor conglomerados:este esun métodoque seleccionade maneraaleatoriaalos participantescuandoestándispersosgeográficamente.6 Por ejemplo,tenemosa1000 participantesde todalapoblaciónde México,supongamosque es probable que noseaposible obtenerunalistacompletade todosestos.Peroencambio,loque hace el investigadoresseleccionaráreasde maneraaleatoria(esdecir,ciudades,comunidades, etc.),y seleccionaal azar dentrode esoslímites. El muestreoporconglomeradosporlogeneral analizaaunapoblaciónparticularenlaque la muestraconsiste envarioselementos,porejemplo,ciudad,familia,universidad,etc.Los conglomeradosse seleccionanbásicamente dividiendolapoblaciónmayorenvariasseccionesmás pequeñas. Muestreosistemático:este se enfocaenelegiracada “enésima”personaparaque seaparte de la muestra.Porejemplo,puedeselegirque cadaquintapersonaseaparte de la muestra,o que cada décimapersonaseaparte de ella.6 El muestreosistemáticoesunaimplementaciónextendidade lamismísimatécnicade probabilidadenlaque cual,cada miembrode ungrupoesseleccionadoenperiodosregulares para formar unamuestra.Cuandose utilizaeste métodode muestreo,existeunaoportunidad igual para que cada miembrode unapoblaciónsea seleccionado.
  • 10. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 10 “LIBEREMOS BOLIVIA” Tipos de muestreono probabilístico 1. Muestreopor conveniencia El muestreoporconvenienciaesunatécnicade muestreonoprobabilísticadonde las muestrasde la poblaciónse seleccionansoloporqueestánconvenientemente disponibles parael investigador. Estas muestrasse seleccionansoloporquesonfácilesde reclutary porque el investigadorno consideróseleccionarunamuestraque represente atodala población.7 Idealmente,enlainvestigación,esbuenoanalizarmuestrasque representenalapoblación.Pero, enalgunasinvestigaciones,lapoblaciónesdemasiadogrande paraevaluaryconsideraratoda la población. Esta es unade lasrazonespor lasque losinvestigadoresconfíanenel muestreoporconveniencia, que esla técnicade muestreonoprobabilísticamáscomún,debidoasu velocidad,costo- efectividadyfacilidad de disponibilidadde lamuestra.7 2. Muestreoconsecutivo
  • 11. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 11 “LIBEREMOS BOLIVIA” Esta técnicade muestreonoprobabilísticaesmuysimilaral muestreoporconveniencia (conuna ligeravariación).Enel muestreoconsecutivo el investigadorelige unasolapersonaoungrupo de muestra,realizaunainvestigacióndurante unperiodode tiempo,analizalosresultadosy luego pasa a otra asignaturao grupo de sujetossi esnecesario. Esta técnicade muestreole daal investigadorlaoportunidadde trabajarcon muchostemasy afinarsu investigaciónmediantelarecopilaciónde resultadosque tienenconocimientosvitales.7 3. Muestreopor cuotas Hipotéticamente,supongamosque uninvestigadordeseaestudiarlosobjetivos profesionalesde losempleadosde unaorganización.Enestaorganizacióntrabajan500 empleadosyestosson conocidosenconjuntocomo“población”. Para comprendermejorunapoblación,el investigadorsolonecesitaráunamuestra,noa toda la población.Además, el investigadorestáinteresadoenestratosparticularesdentrode lapoblación. Es aquí donde el muestreoporcuotas ayuda a dividirlapoblaciónenestratosogrupos.7 Para estudiarlosobjetivosde másde 500 empleados,técnicamente lamuestraseleccionadadebe tenerunnúmeroproporcional de hombresymujeres.Loque significaque debe haber250 hombresy250 mujeres.Comoestoesimprobable,losgruposoestratosse seleccionanmediante el muestreoporcuotas.7 4.- Muestreointencional o por juicio En estatécnica de muestreonoprobabilístico,lasmuestrasse seleccionanbasándose únicamente enel conocimientoylacredibilidaddel investigador.Enotras palabras,los investigadoreseligen soloa aquellosque estoscreenque sonlosadecuados(conrespecto alosatributosyla representaciónde unapoblación) paraparticiparenunestudiode investigación. Este no es unmétodocientíficode muestreoyladesventajade estatécnicaesque losresultados puedenestarinfluenciadospornocionespercibidasdel investigador.Porlotanto,hay unagran cantidadde ambigüedadinvolucradaenestatécnicade investigación. Porejemplo,este tipode métodode muestreose puede utilizarenestudiospiloto.7
  • 12. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 12 “LIBEREMOS BOLIVIA” 5. Muestreode bola de nieve Este tipode técnicade muestreoayudaa losinvestigadoresaencontrarmuestrascuando son difícilesde localizar.Losinvestigadoresutilizanestatécnicacuandoel tamañode la muestraes pequeñoynoestá disponible fácilmente. Este sistemade muestreobolade nieve funcionacomoel programade referencia.Unavezque los investigadoresencuentransujetosadecuados,se lespide aestosayudaparabuscar a sujetos similaresyasípoderformar una muestrade buentamaño.7 CONCLUSION Yo concluyoque un aspectomuy importante enlainvestigación,esel cálculode lacantidadde participantesque debenincluirse enunestudio.El tamañode muestra nospermite alos investigadoressabercuántosindividuossonnecesariosestudiar,para asípoderestimarun parámetrodeterminadoconel gradode confianzadeseado,oel númeronecesarioparapoder detectaruna determinadadiferenciaentre losgruposde estudio. Toda muestrade un estudiodebe serrepresentativade lapoblaciónde interés.El objetivo principal de seleccionarlaeshacerestadísticasacercade la poblaciónde laque proviene de que la seleccióndebe serprobabilística.
  • 13. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 13 “LIBEREMOS BOLIVIA” REFERENCIAS 1.https://es.wikipedia.org/wiki/Muestra_estad%C3%ADstica 2.http://normasapa.net/que-es-una-muestra-y-como-se-selecciona/ 3.https://psicologiaymente.com/miscelanea/tipos-de-muestreo 4.https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 5.https://www.psyma.com/company/news/message/como-determinar-el-tamano-de-una- muestra 6.https://www.questionpro.com/blog/es/como-realizar-un-muestreo- probabilistico/#:~:text=El%20muestreo%20probabil%C3%ADstico%20es%20un,de%20m%C3%A9t odos%20de%20selecci%C3%B3n%20aleatoria.&text=El%20m%C3%A9todo%20de%20muestreo%2 0probabil%C3%ADstico,muestra%20representativa%20de%20la%20poblaci%C3%B3n 7.https://www.questionpro.com/blog/es/muestreo-no-probabilistico/ VIDEO https://www.youtube.com/watch?v=ZA9X-n-iIj4
  • 14. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 14 “LIBEREMOS BOLIVIA”
  • 15. Auca Viracochea Franz Wilson Docente:Mgr. José RamiroZapata Barrientos Materia: Investigación de Mercados II Página 15 “LIBEREMOS BOLIVIA”