Capitulo 13

Vista previa del material en texto

Capítulo 13 – Muestreo
Concepto de Muestreo
El término muestreo se refiere al proceso de obtener información de un subconjunto (una muestra) de un grupo más grande (el universo o población). Luego, el usuario de la investigación de mercados toma los resultados de la muestra y calcula las características del grupo más extenso.
La clave para realizar predicciones exactas acerca de las características o el comportamiento de una población numerosa con base en una muestra relativamente pequeña radica en la forma de elegir a los individuos para la muestra. Es crucial seleccionarlos de forma científica, lo que asegura que la muestra sea representativa.
Población
La población es el grupo completo de personas de quienes el investigador necesita obtener información. Uno de los primeros pasos en el proceso de muestreo es definir la población de interés. Esto comprende a menudo la definición del mercado meta para el producto o servicio en cuestión.
Definir la población de interés es un paso clave en el proceso de muestreo, aunque no existen reglas específicas al hacerlo. Lo que el investigador debe hacer es aplicar la lógica y el criterio al manejar el aspecto básico.
Muestra frente a censo
En un censo se obtienen datos de o acerca de todos los miembros de la población de interés. Los censos se utilizan con poca frecuencia en la investigación de mercados, ya que las poblaciones de interés para los mercadólogos casi siempre incluyen varios miles o incluso millones de individuos. El costo y el tiempo requeridos para recabar datos de una población de esta magnitud son tan altos que por lo regular los censos quedan eliminados de las opciones. Se ha demostrado en repetidas ocasiones que una muestra relativamente pequeña pero elegida con todo cuidado puede reflejar con gran precisión las características de la población de la que se toma. Una muestra es un subgrupo de miembros de una población. Se obtiene información de o acerca de una muestra y se usa para calcular las distintas características de la población total.
Aunque los censos se utilizan con poca frecuencia en la investigación de mercados, hay casos en los que son apropiados y factibles. Por ejemplo, un censo puede resultar útil para una empresa de productos industriales que sólo tiene un número reducido de clientes para un producto muy especializado que vende.
Plan o diseño de muestreo
El proceso de desarrollar un plan o diseño de muestreo operativo se puede resumir en los siete pasos.
-Paso 1: Definir la población de interés: El aspecto básico en el desarrollo de un plan de muestreo es especificar las características de aquellos individuos u objetos (por ejemplo, clientes, empresas, tiendas) de quienes se necesita información para lograr los objetivos de la investigación. La población de interés a menudo se especifica en términos de área geográfica, características demográficas, características de uso del producto o servicios y/o medidas de conciencia. La pregunta de si un individuo en particular pertenece o no a la población de interés a menudo se responde por medio de preguntas filtro. Además de definir quien será incluido en la población de interés, los investigadores también deben definir las características de los individuos que es necesario excluir.
-Paso 2: Seleccionar un método para recabar la información: El método de recolección de datos puede ser:
	-Las encuestas por correo se ven afectadas por sesgos relacionados con las tasas de respuestas bajas
	-Las encuestas telefónicas tienen un problema menos importante con la falta de respuestas, pero se ven afectadas por las tecnologías de identificación de llamadas que utilizan los entrevistados potenciales y el hecho de que algunas personas sólo tiene teléfonos celulares.
	-Las encuestas por internet tiene problemas con los entrevistados profesionales y el hecho de que las listas de paneles o de correo electrónico utilizadas casi nunca representan de manera apropiada la población de interés.
-Paso 3: Identificar un marco muestral: El tercer paso en el proceso es identificar el marco muestral, que es una lista de los miembros o elementos de la población de los cuales se seleccionarán las unidades de muestreo. La identificación de un marco muestral puede significar simplemente especificar un procedimiento para generar una lista de este tipo. Es una situación ideal, la lista de los miembros de la población es completa y exacta. Por desgracia, casi nunca existe una lista así. Por ejemplo, la población para un estudio se puede definir como aquellos individuos que han pasado dos o más horas en internet durante la última semana; y no puede existir una lista completa de estas personas. En estos casos, el marco muestral especifica un procedimiento que produce una muestra representativa con las características deseadas. Por tanto, rara vez hay una correspondencia perfecta entre el marco muestral y la población de interés. El desarrollo de un marco de muestreo apropiado es, a menudo, uno de los problemas más difíciles que el investigador enfrenta.
-Paso 4: Selección de un método de muestreo: El cuarto paso en el desarrollo de un plan de muestreo es la selección del método de muestreo, que depende de los objetivos del estudio, los recursos financieros disponibles, las limitaciones de tiempo y la naturaleza del problema bajo investigación. Los principales métodos de muestreo alternos se pueden agrupar en dos categorías: métodos de muestreo probabilístico y métodos de muestreo no probabilístico.
Las muestras probabilísticas se seleccionan de manera que cada elemento de la población tiene una probabilidad de selección conocida diferente de cero. El muestreo aleatorio simple es el método de muestreo probabilístico más conocido y utilizado. Con el muestreo probabilístico, el investigador se debe apegar a los procedimientos de selección precisos que evitan la selección arbitraria o sesgada de los elementos de la muestra. Cuando estos procedimientos se siguen de manera estricta, las leyes de la probabilidad se sostienen, permitiendo el cálculo del grado en el que se puede esperar que el valor de una muestra difiera del valor de una población. Esta diferencia se la conoce como error de muestreo.
Las muestras no probabilísticas son aquellas en las que se han elegido en forma no aleatoria elementos específicos de la población. La no aleatoriedad resulta al seleccionar los elementos de la población con base en la conveniencia, porque es fácil o económico llegar a ellos. La no aleatoriedad a propósito ocurre cuando un plan de muestreo excluye o sobrerrepresenta de manera sistemática ciertos subgrupos de la población. Por ejemplo, si una muestra diseñada para solicitar las opiniones de todas las mujeres de más de 18 años se basara en una encuesta telefónica realizada durante el día entre semana, excluiría sistemáticamente a todas las mujeres que trabajan.
Las muestras probabilísticas ofrecen varias ventajas sobre las no probabilísticas:
	-El investigador puede tener la seguridad de obtener información de una parte representativa de la población de interés.
	-Es posible calcular el error de muestreo
	-Los resultados de la encuesta se pueden proyectar en la población total.
Por otra parte, las muestras probabilísticas ofrecen varias desventajas, la más importante de las cuales es que por lo general son más costosas que las muestras no probabilísticas del mismo tamaño. Las reglas para la selección aumentan los costos de las entrevistas y el tiempo que los profesionales invierten en firmar y ejecutar el diseño de la muestra.
Las desventajas de las muestras no probabilísticas son opuestas a las ventajas de la muestra probabilísticas:
	-El investigador no conoce el grado al que la muestra es representativa de la población de la que se tomó.
	-No es posible calcular el error de muestreo.
	-Los resultados no se pueden ni deben proyectar a la población total.
Las razones de su uso se relacionan con sus ventajas que incluyen las siguientes:
	-Las muestras no probabilísticas cuestan menos que las probabilísticas. Tiene un atractivoconsiderable en las situaciones en las que la precisión no tiene una importancia crucial. La investigación explicativa es un ejemplo de este tipo de situaciones
	-Las muestras no probabilísticas se pueden recabar, por lo regular, con mayor rapidez que las probabilísticas
	-Las muestras no probabilísticas de la población son razonablemente representativas si se recolectan en forma cuidadosa y detallada
-Paso 5: Determinar el tamaño de la muestra: Una vez elegido el método de muestreo, el siguiente paso consiste en determinar el tamaño de la muestra apropiado. El tamaño de la muestra es un subgrupo de la población identificado y seleccionado para la encuesta, elegido porque representa a todo el grupo. Para las muestras no probabilísticas se determina el tamaño dependiendo del presupuesto disponible y números de subgrupos a analizar. Para las muestras probabilísticas se calcula en función de los niveles meta de error aceptable y los niveles de confianza (la probabilidad de que el intervalo de confianza tome el verdadero valor de la población).
-Paso 6: Desarrollar procedimientos operativos para seleccionar los elementos de la muestra: Sin importar si se utiliza una muestra probabilisitca o no probabilística, es necesario desarrollar y especificar los procedimientos operativos a utilizar en la selección de los elementos de la muestra en la etapa de recolección de datos de un proyecto. Sin embargo, los procedimientos son mucho más críticos para la ejecución exitosa de una muestra probabilística, en cuyo caso deben ser detallados, claros y no ambiguos, y eliminar cualquier discreción del entrevistador acerca de la selección de los elementos específicos de la muestra.
-Paso 7: Ejecutar el plan de muestreo operativo: El último paso en el proceso de muestreo es la ejecución del plan de muestreo operativo. Este paso requiere de una verificación adecuada para asegurarse de que se siguen los procedimientos específicos.
Errores de muestreo y de no muestreo
El error es la diferencia entre el parámetro poblacional de interés y el valor calculado de la muestra con la cual se intenta estimarlo.
Un parámetro de la población es un valor que define una característica real de una población total.
La exactitud de los resultados de la muestra se ve afectada por dos tipos generales de error: error de muestreo y error de no muestreo (medición). El error de muestreo resulta cuando la muestra seleccionada no es perfectamente representativa de la población. Hay dos tipos de error de muestreo: administrativo y aleatorio. El error administrativo se relaciona con los problemas en la ejecución de la muestra; es decir, las fallas en el diseño o la ejecución de la muestra que hacen que no sea representativa de la población. Estos tipos de errores se pueden evitar o minimizar prestando mucha atención al diseño y la ejecución de la muestra. El error de muestreo aleatorio se debe a la probabilidad y no se puede evitar. Este tipo de error se puede reducir, pero nunca eliminar por completo, al aumentar el tamaño de la muestra. El error de no muestreo, o de medición, incluye todos los factores que no son errores de muestreo que pueden causar falta de precisión o sesgo en los resultados de la encuesta.
Métodos de muestreo probabilísticos
1) Muestreo aleatorio simple: Es la forma de muestreo probabilístico más pura. Para una muestra aleatoria simple, la población conocida e igual se calcula como sigue: 
Consiste en la selección de n unidades muestrales de tal forma que cada muestra tenga la misma chance de ser escogida. Si está disponible un marco de muestreo (con todos los elementos de la población), el investigador puede seleccionar una muestra aleatoria simple que es una muestra probabilística seleccionada asignando un número a cada elemento de la población y utilizando una tabla de números aleatorios para seleccionar elementos específicos con el fin de incluirlos en la muestra.
El muestreo aleatorio simple es atractivo porque parece fácil y cumple con todos los requisitos de una muestra probabilística. Garantiza que todos los miembros de la población tengan una probabilidad conocida e igual de ser seleccionados para la muestra. Sin embargo, estas listas son muy difíciles de obtener, si no es que imposibles.
2) Muestreo Sistemático: Se usa a menudo como un sustituto del muestreo aleatorio simple. Para obtener una muestra sistemática, el investigador primero numera toda la población, como en el muestreo aleatorio simple. Luego determina un intervalo de salto y selecciona los nombres con base en este intervalo. Es posible calcular el intervalo de salto con mucha facilidad mediante esta fórmula:
En el muestreo sistemático se debe utilizar un punto de inicio aleatorio. Por ejemplo, si usa un directorio telefónico, necesita tomar un número al azar para determinar la página donde empezará, digamos la 53. Tomaría otro número al azar para determinar la columna que usará en esa página; por ejemplo, la tercera. Tomaría un último número al azar para determinar el elemento de inicio real en esa columna, digamos el 17° nombre. Desde ese punto de inicio, emplearía el intervalo de salto hasta llegar al tamaño deseado de la muestra.
La ventaja principal del muestreo sistemático sobre el aleatorio simple es la economía, más sencillo y consume menos tiempo. El peligro más importante radica en la posibilidad de que los patrones ocultos en la lista de la población puedan incluirse por accidente en la muestra.
3) Muestreo estratificado: Las muestras estratificadas son muestras probabilísticas que se distinguen por los siguientes pasos procesales:
a. La población original se divide en dos o más subgrupos mutuamente exclusivos y exhaustivos (por ejemplo, hombres y mujeres)
b. Se eligen muestras aleatorias simples de los elementos de dos o más subgrupos independientes entre sí.
Consiste en la selección de una muestra aleatoria simple en cada estrato en que la población se encuentra dividida.
Aunque los requisitos para una muestra estratificada no especifican la base sobre la cual es necesario separar a población original, en subgrupos, el sentido común dicta que la población se divide con base en los factores relacionados con la característica de interés de la población.
Los investigadores prefieren las muestras estratificadas a las aleatorias simples por su potencial para una mayor eficiencia estadística. Es decir, si se toman dos muestras de la misma población, una estratificada de manera apropiada y la otra aleatoria simple, la muestra estratificada tendrá un error de muestreo más bajo. Asimismo, la reducción de un error de muestreo a cierto nivel meta se puede lograr con una muestra estratificada más pequeña.
Hay dos tipos de desventajas. En primer lugar, la información necesaria para estratificar la muestra de manera apropiada puede no estar disponible. Por ejemplo, quizá se sabe muy poco acerca de las características demografías de los consumidores de un producto en particular. En segundo, aun cuando la información necesaria esté disponible, es probable que su valor potencial no garantice el tiempo y los costos relacionados con la estratificación.
La implementación de una muestra estratificada de manera apropiada comprende tres pasos:
1) Identificar los factores demográficos o de clasificación importantes: los factores correlacionados con el comportamiento de interés. Por ejemplo, puede haber una razón para creer que hombres y mujeres tiene distintas tasas de consumo promedio de un producto en particular.
2) Determinar que proporciones de la población pertenecen a los distintos subgrupos en cada estrato: Con el uso de estas proporciones, el investigador puede determinar cuántos entrevistados se requieren de cada grupo. Sin embargo, antes de tomar una decisión final, es preciso decidir si usará la asignación proporcional o la distribución desproporcionada, u óptima.
En la distribución proporcional, el número de elementos seleccionados de un estrato es directamente proporcional al tamaño del estrato en relación con el tamaño de la población. La distribuciónno proporcional, u óptima, produce las muestras más eficientes y ofrece las estimaciones más precisas y confiables para un tamaño de muestra determinado. Este enfoque requiere de un esquema de ponderación doble. Bajo este esquema, el número de elementos de la muestra a tomar de un estrato determinado es proporcional al tamaño relativo del estrato y la desviación estándar de la distribución de la característica en consideración para todos los elementos del estrato.
4) Muestreo de Conglomerados: Los tipos de muestras anteriores han sido muestras de una sola unidad, en las que cada unidad se selecciona por separado. En el caso de las muestras de conglomerados, las unidades se seleccionan en grupos. En las muestras de conglomerados hay dos pasos básicos:
a. La población de interés se divide en subconjuntos mutuamente exclusivos y exhaustivos.
b. Se selecciona una muestra aleatoria de los subconjuntos.
Si la muestra consiste en todos los elementos de los subconjuntos seleccionados, se conoce como muestra de conglomerados de una etapa. No obstante, si la muestra de los elementos se elige de alguna manera probabilística de los subconjuntos seleccionados, es una muestra de conglomerados de dos etapas.
Tanto el muestreo estratificado como el de conglomerados comprenden la división de la población en subconjuntos mutuamente exclusivos y exhaustivos. Sin embargo, en las muestras estratificadas, el investigador selecciona una muestra de elementos de cada subconjunto; mientras que, en las muestras de conglomerados, el investigador selecciona una muestra de subconjuntos y luego recaba los datos de todos los elementos en el subconjunto (muestra de conglomerados de una etapa) o de una muestra de elementos (muestra de conglomerados de dos etapas). 
El tipo de muestra de conglomerados más popular es la muestra de área en lo que las unidades son unidades geográficas (por ejemplo, cuadras de una ciudad).
Otra posibilidad es el muestreo de área de múltiples etapas, o muestreo probabilístico de múltiples etapas (polietápico), que comprende tres o más pasos. Aquí, el investigador selecciona al azar áreas geográficas en unidades cada vez más pequeñas (como condados, luego cuadras residenciales y después casas).
Desde el punto de vista de la eficiencia estadística, las muestras de conglomerados son casi siempre menos eficientes que otros tipos de muestras probabilísticas. En otras palabras, una muestra de conglomerados de cierto tamaño tendrá un error de muestreo más alto que una muestra aleatoria simple o estratificada del mismo tamaño.
Métodos de muestreo no probabilísticos
1) Muestras de conveniencia: Muestras no probabilísticas basadas en el uso de personas a las que se tiene acceso con facilidad.
2) Muestras de juicios de criterio: Muestras no probabilísticas en las que los criterios de selección se basan en el criterio de los investigadores acerca de lo representativo de la población estudiada. La mayoría de los mercados de prueba y muchas pruebas de productos realizados en los centros comerciales son, en esencia, muestreos de criterio.
3) Muestras de cuota: Muestras no probabilistas en las que se establecen cuotas, basadas en los factores demográficos o de clasificación seleccionados por el investigador para los subgrupos de la población.
4) Muestras de bola de nieve: Muestras no probabilísticas en las que se seleccionan entrevistados adicionales con base en las referencias de los entrevistados iniciales. Este procedimiento se utiliza para tomar una muestra de poblaciones rara o de baja incidencia. Los costos pueden ser altos. La ventaja más importante del muestreo de bola de nieve es una reducción muy marcada den los costos de búsqueda.
Muestreo por Internet
Las ventajas de las entrevistas por internet son muy atractivas:
	-Los entrevistados meta pueden responder la encuesta a su conveniencia (por la noche, durante el fin de semana o a cualquier hora que le resulte cómodo a ellos)
	-La recolección de datos es económica
	-La entrevista se puede aplicar bajo el control de un software, lo que permite que la encuesta siga patrones de salto y haga otras acciones “inteligentes”
	-La Encuesta concluye con rapidez
Quienes han evaluado con detenimiento las encuestas por internet se preocupan por el hecho de que el grupo de personas disponible en el ciberespacio no representa de manera correcta a la población en general. Los sesgos se vuelven menos pronunciados en el tiempo conforme aumenta el porcentaje de la población conectada a internet.
En algunos casos, los investigadores reclutan muestras de consumidores por medio de publicaciones en tableros de mensajes en internet o publicidad en mecanismos de búsqueda (Yahoo!, Google, etc.) Aquellos que no usan internet no tienen probabilidades de ser incluidos en la muestra, aun cuando formen parte de la población meta. Entre los usuarios de internet, los consumidores que no visitan los sitios en cuestión o que no entran en ellos mientras se ejecutan los anuncios, no tienen ninguna oportunidad de ser incluidos en la muestra.
Hay casos en los que las encuestas por internet con todas sus ventajas inherentes, pueden producir excelentes muestras. Éstos comprenden situaciones en las que la organización cliente o el investigador tienen las direcciones de correo electrónico de todos los miembros de una población en particular.
6