Este documento describe el proceso de preparación y análisis de datos en investigación de mercados. Explica los 5 pasos para preparar datos: 1) validación, 2) edición y codificación, 3) entrada de datos, 4) detección de errores y 5) tabulación. Luego describe medidas de tendencia central, dispersión, pruebas de hipótesis e ilustra estos conceptos con un ejemplo de encuesta a un restaurante.

1. UNIVERSIDAD INTERAMERICANA
DEPARTAMENTO DE MATEMÁTICAS Y CIENCIAS APLICADAS
RECINTO DE SAN GERMÁN
SAN GERMÁN, PUERTO RICO
PREPARACIÓN DE DATA Y SUBSECUENTE ANÁLISIS
EN INVESTIGACIÓN DE MERCADOS
Trabajo sometido como requisito parcial
Curso MATH 6400
Estadística Matemática Avanzada
Profesor: Dr. Balbino García Bernal
Por
Ángel M. Carreras Jusino
Wilfredo Daleccio Torres
Rafael A. Vega Santana
5 de mayo de 2009

2. Capítulo 15
Codificar, editar y preparar la
información para análisis

3. Objetivos
• Ilustrar el proceso de preparar data para el análisis
preliminar.
• Demostrar el procedimiento para asegurar la
validación de la data.
• Ilustrar el proceso de editar y codificar data obtenida
a través de una encuesta.
• Mencionar los procedimientos de data entry.
• Ilustrar el proceso para detectar errores en data
entry.
• Discutir técnicas usadas para la tabulación y análisis
de data.

4. Preparación de la data para análisis
• Es el proceso de convertir información de un
cuestionario de manera que pueda ser leída
por una computadora.
• Este proceso está compuesto normalmente
por cinco pasos.

5. Paso # 1 Validación de la data
Proceso que determina -hasta donde sea
posible- si las entrevistas, encuestas u
observaciones fueron conducidas correctamente
y están libres de fraude o vicios.
 fraude
 “screening”
 procedimiento
 completado
 cortesía

6. Paso # 2 Editar y codificar data
a) Editar – proceso mediante el cual la data
cruda es verificada en busca de errores
cometidos ya sea por el entrevistador o por
el encuestado.
Importante en este proceso, establecer que
las preguntas sean hechas y contestadas en
la secuencia apropiada.

7. Paso # 2 Editar y codificar data
A través del escaneo manual de cada
entrevista completada, el entrevistador
puede verificar ciertas áreas de interés.
1. Hacer las preguntas apropiadas
2. Registrar las respuestas apropiadamente
3. Hacer las preguntas de “screening
apropiadas
4. Respuestas a preguntas abiertas

8. Paso # 2 Editar y codificar data
b) Codificar – agrupar y asignar valor a varias
respuestas del instrumento de encuestas.
Entraña la asignación de valores numéricos a
cada respuesta individual para cada pregunta
de la encuesta.
Un cuestionario bien planificado y construido
puede reducir la cantidad de tiempo
destinado a codificar mientras aumenta la
precisión del proceso.

9. Paso # 2 Editar y codificar data
Codificar debe estar incorporado en el diseño
del cuestionario. Ejemplo de respuestas
codificadas son las que dan valor del 1 al 5
según el grado de acuerdo o desacuerdo con
lo preguntado. Ejemplo
Si el cuestionario no contiene este tipo de
respuestas codificadas, el investigador deberá
establecer un código maestro en el que asigne
valores numéricos. Ejemplo

10. Paso # 2 Editar y codificar data
Las preguntas cerradas son normalmente
precodificadas al momento del diseño del cuestionario.
Las preguntas abiertas no permiten una lista exacta de
respuestas potenciales. El investigador puede usar un
proceso de 4 pasos para desarrollar códigos para las
respuestas anticipadas.
1)generar una lista
2) consolidación Ejemplo
3) asignar un valor numérico por código
4) asignar un valor codificado a cada respuesta

11. Paso # 3 Data entry
Son aquellas tareas envueltas con la entrada
directa de la data codificada a un programa de
computadoras específico que finalmente le
permitirá al analista manipular y transformar la
data cruda en información útil.
Hay 4 formas de entrar data codificada a una
computadora.
1)a través del teclado 3)bolígrafo de luz
2)pantalla táctil 4)escaneo óptico

12. Paso # 4 Detección de error
El primer paso en la detección de error es
determinar si el programa usado para data
entry y tabulación le permitirá al investigador
desempeñar rutinas de editar errores. Estas
rutinas pueden identificar tipos de datos
incorrectos.

13. Paso # 4 Detección de error
Otra forma de detección de error es que el
investigador revise una representación
impresa de la data entrada.
Una manera adicional es producir una tabla
con lista de datos en columnas.
Ejemplo

14. Paso # 5 Tabulación de data
Tabulación es el simple proceso de contar el
número de observaciones (casos) que son
clasificados dentro de ciertas categorías. Se
usan dos formas de tabulación en los
proyectos de investigación de mercadeo.
Tabulación en una dirección
Tabulación cruzada

15. Paso # 5 Tabulación de data
Tabulación en una dirección – indica el
número de encuestados que dieron una
posible contestación a cada pregunta del
cuestionario. Es la categorización de variables
simples en el estudio.
Ejemplo1 2

16. Paso # 5 Tabulación de data
Tabulación cruzada – Provee categorización de
los encuestados tratando dos o más variables
simultáneamente. Es la principal forma de
análisis de data en la mayoría de los proyectos
de investigación de mercados.
Ejemplo1 2

17. Capítulo 16
Análisis de Datos

18. Objetivos
• Entender la media, mediana y moda como medidas
de tendencia central.
• Entender el rango y la desviación estándar de una
distribución de frecuencia como medidas de
dispersión.
• Entender como graficar medidas de tendencia
central.
• Entender la diferencia entre muestra independiente
y muestra relacionada.
• Explicar la prueba de hipótesis y los tipos de errores.

19. El análisis y el mercado
• En el mercado a menudo se realizan encuestas
de todo tipo y con diferentes propósitos.
• Los dueños de negocios y compañías o hasta
incluso los gerentes se presentan con
problemas en los cuales no tienen una
respuesta clara que formular.
• El rol del estadístico en fundamental para el
negocio y resuelve o previene situaciones.

20. El análisis y el mercado
• A continuación explicaremos varios términos
importantes en el análisis de datos y su
aplicación al mercado.

21. Datos utilizados
• Restaurante Deli Depot
– emparedados de cortes fríos y calientes, sopas,
yogurt, galletas, café, refrescos y más.
– Localizado en una zona donde hay otros
restaurantes de comida rápida.
• Encuesta mediante entrevista con 17
preguntas.

22. Datos utilizados
• Los variables se clasificaron en tres categorias:
– Performance Perceptions Variables (X1-X6)
– Classification Variables (X7-X10)
– Selection Factor Ranking (X12-X17)

23. Gráficas-Ejemplos

24. Gráficas-Ejemplos

25. Gráficas-Ejemplos

26. Gráficas-Ejemplos

27. Medidas de Tendencia Central
• Las tablas de distribución de frecuencia son
fáciles de leer y proveen información básica
de gran importancia.
• En ocasiones cuando la cantidad de detalles es
abundante y resumir los mismos es de gran
utilidad para los investigadores.
• En estas situaciones la estadística descriptiva
es de gran utilidad.

28. Medidas de Tendencia Central
• Media
– Es el promedio de los valores en la distribución.
• Moda
– Es el valor que más aparece en la distribución.
• Mediana
– Es el valor del centro de la distribución cuando se
encuentra ordenada.

29. Medidas de Dispersión
• En ocasiones las medidas de tendencia central no
pueden mostrarte toda la información acerca de la
distribución de los encuestados.
• Por ejemplo: Con la información recopilada sobre la
actitud de los consumidores hacia un nuevo producto
podemos calcular la moda, mediana y media sobre la
distribución de las contestaciones. Pero por otra parte
te gustaría saber si los demás encuestados tienen mas
o menos la misma opinión que la mayoría.
• Una manera de contestar esta pregunta es usando las
medidas de dispersión.

30. Medidas de Dispersión
• Rango
– Distancia entre el valor menor y valor mayor en un
conjunto de respuestas.
• Desviación estándar
– La distancia promedio de los valores de distribución a
la media.
• Varianza
– La desviación cuadrada promedio a cerca de la media
de la distribución de valores.

31. Prueba de Hipótesis
• Los investigadores pueden tener algunas
suposiciones o teorías sobre la información
recopilada y el presenta.
• A estas teorías le llaman hipótesis.
• Ejemplo
– El número promedio de tazas de café que
consumen los estudiantes durante los finales es
mayor al número promedio de tazas de café que
consumen en cualquier otros tiempo.

32. Muestra independiente y
muestra relacionada
• Muestra independiente
– Ejemplo: Los resultados de los consumidores de
café varones versus féminas.
• Muestra relacionada
– Ejemplo: Los investigadores comparan el número
promedio de tazas de café consumida por días y el
número promedio de refrescos consumido por día
en varones .

33. Desarrollando la hipótesis
Ejemplo
Número promedio de tazas
• Las hipótesis le permiten a
consumidas en finales
los investigadores hacer
Féminas 6.1
comparaciones entre dos
Varones 4.7
grupos de encuestados y
determinar si hay una
importante diferencia entre
ambos.

34. Tipos de Hipótesis
Nula Alternativa
• Establece que NO hay • Establece que SI hay
diferencia entre la media de diferencia entre la media de
cada grupo en comparación cada grupo en comparación

35. Significancia Estadística
Error tipo I Error tipo II
• El error falla en rechazar la
• El error hace que se rechace
hipótesis nula cuando la
la hipótesis nula cuando
hipótesis alternativa es
está es cierta; la
cierta; la probabilidad de
probabilidad de alpha.
beta.
Nivel de significancia
• Usualmente los investigadores en el
mercado están dispuesto aceptar un nivel
de siginificancia de .10, .05, .01

36. Analizando la relación de datos entre
muestras
t-test z-test
• Se utiliza cuando la muestra • Se utiliza cuando la muestra
es menor de 30 y la es mayor de 30 y la
desviación estándar es desviación estándar es
desconocida. desconocida.

37. Bibliografía utilizada
• Hair, Bush, Ortimnau (2003) “Marketing
Research within a Changing Information
Environment” Second Edition HF 5415. 2.
H258 2003