1

1.1. Unidad de muestreo

Unidad básica que contiene los elementos de población de la que se tomará la

muestra. (Malhotra, 2008, p.336).

Ejemplo: individuos, hogares, tiendas, empresas u objetos (productos, marcas,

modelos), etc.

1.2. Error muestral

Resulta cuando la muestra seleccionada no es perfectamente representativa de la

población. (McDaniel y Gates, 2015, p.341).

1.2.1. El error muestral administrativo

Tiene que ver con los problemas en la ejecución del plan muestral; es decir, fallas

en el diseño o ejecución de la muestra que provocan que no sea representativa de la

población. Estos tipos de error pueden evitarse o minimizarse prestando mucha atención

al diseño y ejecución de la muestra. (McDaniel y Gates, 2015, p.341).

1.2.2. El error muestral aleatorio

Se debe al azar y no puede evitarse. Este tipo de error se puede reducir, aunque no

eliminar por completo, incrementando el tamaño de la muestra. (McDaniel y Gates,

2015, p.341).

2. Definición de muestreo
El muestreo, tal como se emplea este término en la investigación de mercados, es

el proceso de obtener información de un subconjunto (muestra) de un grupo mayor (el

universo o población), en la que luego, un usuario de información de mercados toma los

 2

resultados de la muestra y hace estimados de las características del grupo más grande.

(McDaniel y Gates, 2015, p.308).

Un buen ejemplo de muestreo es una toma de sangre. Cuando debemos

diagnosticar alguna enfermedad no es necesario que examinemos la sangre de todo un

organismo. Con cierto volumen es suficiente, ya que la toma de cualquier parte del

cuerpo arrojará los mismos resultados.

Antes de realizar de realizar el muestreo, se debe tener en cuenta lo siguiente:

 La población (o universo) que se pretende estudiar debe definirse en forma

rigurosa, ya que de la manera en que se haga tal definición dependerá la calidad de

la muestra seleccionada y el éxito de los resultados.

 Las variables (cualitativas y cuantitativas) o atributos a estudiar debe relacionarse

con la muestra sin dificultad.

2.1. Ventajas del muestreo

 Ahorra dinero: en lugar de entrevistar a un millón de personas, una muestra se

puede entrevistar de 1,000 personas.

 Ahorra tiempo: todo el proceso de 1,000 encuestados en relación al proceso

necesario para un millón de personas.

 Puede ser más exacta: se obtienen datos más precisos y detallados al entrevistar a

todas las unidades posibles.

3. Métodos de muestreo
Existen dos tipos de muestreo: Muestreo probabilístico y no probabilístico.

3.1. Muestreo probabilístico.

 3

Procedimiento de muestreo donde cada elemento de la población tiene una

oportunidad probabilística fija para ser elegido en la muestra. (Malhotra, 2008, p.341).

Con el muestreo probabilístico, el investigador debe apegarse estrechamente a

precisos procedimientos de selección que evitan una selección arbitraria o sesgada de los

elementos de la muestra. (McDaniel y Gates, 2015, p.316).

Características.

• Es mucho más costoso que el muestro no probabilístico, es muy lento y los

procesos de recolección de información son muy complejos.

• Se requiere para decisiones muy finas, que impliquen decisiones costosas en

muchos casos de alto riesgo o para la medición de indicadores de gestión claves

(KPI´s) para la organización.

• Se puede conocer el margen de error y el nivel de confianza de las estimaciones.

3.2. Muestreo no probabilístico.

Técnicas de muestreo que no usan procedimientos de selección al azar, sino que se

basan en el juicio personal del investigador. Las muestras no probabilísticas pueden dar

buenas estimaciones de las características de la población; sin embargo, no permiten

evaluar objetivamente la precisión de los resultados de la muestra (Malhotra, 2008,

p.340).

Características.

 No es posible calcular el error ni los niveles de confianza.

 El diseño es más simple y los costos son significativamente menores.

 debe usarse para decisiones que no impliquen altos costos o riesgos elevados.
 4

4. Técnicas de muestreo

Las técnicas de muestreo pueden clasificarse en general como probabilístico y no

probabilístico, como se presenta en la siguiente imagen:

Figura 1. Clasificación de las técnicas de muestreo

4.1. Técnica de muestreo probabilístico.

4.1.1. Muestra aleatoria simple (MAS).

Técnica en donde cada elemento de la población tiene una probabilidad de

selección equitativa y conocida. Cada elemento se selecciona de manera independiente a

los otros elementos y la muestra se extrae mediante un procedimiento aleatorio del marco

de muestreo. (Malhotra, 2008, p.346).

Por ejemplo: Una consultora que realiza auditorías sobre diversas organizaciones

decide realizar una investigación en una empresa que posee 500 empleados. Para realizar

dicho estudio, necesita realizar una muestra estadística de 50 personas (10%). El método
 5

que selecciona el investigador para realizarla es el de muestreo aleatorio simple, por lo

tanto, los paso a seguir por el investigador son los siguientes:

 Enlistar con número a los 500 empleados de la organización.

 Elije 50 números al azar.

 Los 50 números que correspondan a un empleado serán los individuos que

conformen la muestra.

De esta forma queda conformada la muestra para poder realizar la investigación,

de tal manera que todos los empleados de la organización tuvieron las mismas

posibilidades de ser seleccionados para conformar dicha muestra.

En resumen, el muestreo aleatorio simple es como hacer un sorteo,

afortunadamente existen herramientas que facilitan la automatización y le da seriedad a

este proceso.

4.1.2. Muestreo sistemático

Muestreo probabilístico en el que la población entera es numerada y elementos se

seleccionan usando un intervalo de salto. (McDaniel y Gates, 2015, p.320).

Procedimiento.

a) Elaboramos una lista ordenada de los N individuos de la población, lo que

sería el marco muestral.

 6

b) Dividimos el marco muestral en n fragmentos, donde n es el tamaño de

muestra que deseamos. El tamaño de estos fragmentos será K que recibe el

nombre de intervalo de salto o coeficiente de elevación.

𝑁 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝐾= =
𝑛 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

c) Número de inicio: obtenemos un número aleatorio entero A, menor o igual al

intervalo. Este número corresponderá al primer sujeto que seleccionaremos

para la muestra dentro del primer fragmento en que hemos dividido la

población.

d) Selección de los n-1 individuos restantes: Seleccionamos los siguientes

individuos a partir del individuo seleccionado aleatoriamente, mediante una

sucesión aritmética, seleccionando a los individuos del resto de fragmentos

en que hemos dividido la muestra que ocupan la misma posición que el

sujeto inicial.

Esto equivale a decir que seleccionaremos los individuos:

e) A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

Ejemplo: En el caso de que se tenga una población de unos 1000 individuos y se

necesita obtener una muestra de 100 de ellos. Solución:

 Calcular el intervalo de salto:

𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 1000

𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑠𝑎𝑙𝑡𝑜 = = = 10
𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 100

 Elegimos un numero al azar del 1 al 10: A= 6

 7

 A partir del individuo número 6 se irá completando a partir de intervalos

de 10, es decir

𝐴, 𝐴 + 𝐾, 𝐴 + 2𝐾, 𝐴 + 3𝐾, … , 𝐴 + (𝑛 − 1)𝐾

6, (6 + 10), (6 + 2(10)), (6 + 3(10)), … , (6 + (100 − 1)(10))

6,16, 26, 36, … ,996

De esta manera queda conformada la muestra de 100 individuos a través del

método del muestreo sistemático.

4.1.3. Muestreo estratificado

El muestreo estratificado es un proceso de dos pasos en que la población se divide

en subpoblaciones o estratos. Los estratos tienen que ser mutuamente excluyentes y

colectivamente exhaustivos, por lo que cada elemento de la población debe asignarse a

un único estrato sin omitir algún elemento de la población. A continuación, se

seleccionan los elementos de cada estrato mediante un procedimiento aleatorio, por lo

regular el muestreo aleatorio simple. Aunque en teoría sólo debe emplearse el muestreo

aleatorio simple para seleccionar los elementos de cada estrato, en ocasiones se emplean

el muestreo sistemático y otros procedimientos de muestreo probabilístico. (Malhotra,

2008, p.348).

Ejemplos de estratificación: Grupos socioeconómicos, categorías laborales,

grupos de edad, grupos étnicos, según profesión, según estado civil, según lugar de

residencia, según sexo, según turno de trabajo o turno de estudio.

Existen 2 tipos de muestreo estratificado:

4.1.3.1. Muestreo estratificado proporcional.

 8

Muestreo en el cual el número de elementos seleccionados de un estrato es

directamente proporcional al tamaño del estrato en relación con el tamaño de la

población. Con este muestreo, la proporción de elementos por ser tomados de cada

estrato está dada por la fórmula n/N, donde n es el tamaño del estrato y N el tamaño de la

población. (McDaniel y Gates, 2015, p.345).

Por ejemplo: Si desea estudiar el tanto por ciento de la población que fuma en

México y pensamos que la edad puede ser un buen criterio para estratificar podemos

definir 3 estratos: menores de 20 años, de 20 a 44 años y mayores de 44 años.

Es de esperar que al dividir toda la población mexicana en estos 3 estratos no

resulten grupos de igual tamaño. Efectivamente, si miramos datos oficiales, obtenemos:

* Estrato 1 - menor de 19 años: 42,4 millones (41,0%)

* Estrato 2 - de 20 a 44 años: 37,6 millones (36,3%)

* Estrato 3 - mayor de 44 años: 23,5 millones (22,7%)

Si usamos muestreo estratificado proporcionado, la muestra deberá tener estratos

que guarden las mismas proporciones observadas en la población. Si en este ejemplo

queremos crear una muestra de 1 000 individuos, los estratos tendrán que tener un

tamaño como sigue:

Estrato Población Proporción Muestra

1 42.4 41.0% 410

2 37.6 36.3% 363

3 23.5 22.7% 227

 9

4.1.3.2. Muestreo estratificado no proporcional.

Muestreo en el cual el número de elementos tomados de un estrato dado es

proporcional al tamaño relativo del estrato y a la desviación estándar de la característica

en consideración. Produce las muestras más eficientes y brinda las estimaciones más

precisas o confiables para un tamaño de muestra dado. (McDaniel y Gates, 2015, p.320).

4.1.4. Muestreo por conglomerados o racimos

Es una técnica que aprovecha la existencia de grupos o conglomerados en la

población que representan correctamente el total de la población en relación a la

característica que queremos medir. Dicho de otro modo, estos grupos contienen toda la

variabilidad de la población. Los conglomerados se caracterizan por ser homogéneos

entre sí, pero internamente presentan un alto grado de heterogeneidad en sus

componentes. (Malhotra, 2008, p.350).

Por ejemplo: si la población son escuelas, universidades, hospitales, distritos

escolares o zonas geográficas, entonces las unidades muestrales dentro de cada

conglomerado pueden ser alumnos, docentes, personal, pacientes o ciudadanos.

4.1.5. Otras técnicas de muestreo probabilístico

Además de las cuatro técnicas básicas de muestreo probabilístico, existen otras

técnicas de muestreo que, en su mayoría, se consideran una extensión de las técnicas

básicas y se desarrollaron para tratar problemas de muestreo complejos. Dos técnicas con

alguna relevancia para la investigación de mercados son el muestreo por secuencia y el

muestreo doble.
 10

4.1.5.1. Muestreo por secuencia

Técnica de muestreo probabilístico en que los elementos de la población se

muestrean en secuencia, en cada etapa se realizan la recolección y el análisis de datos, y

se decide si deben muestrearse elementos adicionales de la población. (Malhotra, 2008,

p.354).

4.1.5.2. Muestreo doble

Llamado también muestreo de dos fases, técnica en donde ciertos elementos de la

población se muestrean dos veces.

 En la primera fase se selecciona una muestra y se reúne alguna

información de todos sus elementos.

 En la segunda fase, se extrae una submuestra de la muestra original y se

obtiene información adicional de los elementos de la submuestra.

El proceso puede extenderse a tres o más fases, las cuales pueden ocurrir al

mismo tiempo o en diferentes momentos. El muestreo doble es útil cuando no se dispone

de un marco de muestreo para la selección final de las unidades de muestreo, pero se

sabe que los elementos del marco están incluidos en un marco de muestreo mayor.

4.2. Técnicas de muestreo no probabilístico.

4.2.1. Muestreo por conveniencia.

Busca obtener una muestra de elementos convenientes. La selección de las

unidades de muestreo se deja principalmente al entrevistador. (Malhotra, 2008, p.341).

De todas las técnicas de muestreo, es la más económica y la que menos tiempo

consume. Las unidades de muestreo son accesibles, sencillas de medir y cooperativas. A

 11

pesar de estas ventajas, tiene serias limitaciones, una de las cuales es la presencia de

muchas fuentes potenciales de sesgo de selección, como la autoselección del encuestado.

Esta técnica puede usarse en la investigación exploratoria para generar ideas,

información o hipótesis, además, son útiles en las sesiones de grupo, pruebas piloto de

cuestionarios o estudios piloto. No son adecuadas para proyectos de investigación de

mercados que impliquen inferencias sobre la población. No se recomiendan para la

investigación descriptiva o causal.

El muestreo por conveniencia incluye el uso de estudiantes, grupos de la iglesia y

miembros de organizaciones sociales, entrevistas en centros comerciales sin calificar a

los encuestados, uso de listas de cuentas de crédito de las tiendas departamentales,

cuestionarios desprendibles incluidos en revistas y entrevistas con “gente en la calle”.

Ejemplo: Supongamos que un directivo decide conocer cuáles son las opiniones

acerca de un profesor en un aula, por lo que decide llamar a 5 alumnos al azar para

realizarles una encuesta sobre este, conformando su muestra estadística de una manera

rápida y de fácil alcance.

4.2.2. Muestreo por juicio

Es una forma de muestreo por conveniencia, en el cual los elementos de la

población se seleccionan con base en el juicio del investigador, es decir, el investigador

utiliza su juicio o experiencia para elegir a los elementos que se incluirán en la muestra,

porque considera que son representativos de la población de interés, o que de alguna otra

manera son adecuados. (Malhotra, 2008, p.343).

 12

Ejemplos: mercados de prueba seleccionados para determinar el potencial de un

nuevo producto, ingenieros de compras elegidos en una investigación de mercados

industriales porque se les considera representativos de la compañía, indicadores de

distritos electorales seleccionados en la investigación de la conducta de emitir sufragios,

testigos expertos usados en los tribunales, tiendas departamentales elegidas para probar

un nuevo sistema de exhibición de mercancía, etc.

4.2.3. Muestreo por cuotas

Puede considerarse como un muestreo por juicio restringido de tres etapas.

(Malhotra, 2008, p.344).

La primera etapa consiste segmentar a población objeto de estudio en grupos de

forma exhaustiva (todos los individuos están en un grupo) y mutuamente exclusiva (un

individuo sólo puede estar en un grupo). Normalmente esta segmentación se hace

empleando alguna variable sociodemográfica como sexo, edad, región o clase social.

La segunda etapa implica fijar el tamaño de las cuotas. Fijamos el objetivo de

individuos a encuestar para cada uno de estos grupos. Por último, se realiza la selección

de participantes y la comprobación de cuotas. La selección puede ser mediante muestreo

por conveniencia o juicio.

Ejemplo: Se decide realizar una investigación sobre aquellas personas con algún

problema de salud en una empresa. Esta posee 1000 empleados (población), por lo que el

investigador decide separarlos en estratos según su rango de edad, conformándose los

estratos de la siguiente manera:

Estrato Edad Cantidad Porcentaje

 13

1 18-29 600 60%

2 30-59 300 30%

3 60-100 100 10%

1000 100%

Con los estratos ya segmentados, el investigador decide realizar una muestra

estadística de 100 personas para realizar su investigación, por lo que dicha muestra

deberá estar conformada de forma proporcional al total de la población.

Ante esto, el investigador decide escoger 60 empleados entre 18 y 29 años (60%),

30 empleados de 30 a 59 años (30%) y 10 empleados de 60 a 100 años (10%). Dicho

criterio de selección de estos fue por su propia conveniencia, eligió a aquellos empleados

que más confianza y relación tenía el investigador.

De esta manera, queda conformada el muestreo por cuotas de 100 personas de

forma proporcional a la población. A partir de esta muestra, el investigador realizará su

investigación sobre los problemas de salud sobre los empleados de dicha empresa.

4.2.4. Muestreo de bola de nieve

 14

En esta técnica de muestreo se selecciona un grupo inicial de encuestados, por lo

general al azar, a quienes después de entrevistar se les solicita que identifiquen a otras

personas que pertenezcan a la población meta de interés. Los encuestados subsecuentes

se seleccionan con base en las referencias. Este proceso puede realizarse en olas para

obtener referencias de las referencias, lo cual origina un efecto de bola de nieve.

(Malhotra, 2008, p.345).

Por ejemplo: Un investigador decide realizar una investigación en donde la

muestra va a estar conformada por individuos que posean una rara enfermedad. Por lo

tanto, al encontrar un individuo que posea dicha enfermedad, el investigador le pide

ayuda a este individuo para encontrar otros con sus mismas características,

conformándose de esta manera la muestra.

5. Estimación del tamaño de la muestra

El tamaño de la muestra es el subconjunto identificado y seleccionado de la

población para la encuesta, elegido porque representa al grupo entero. (McDaniel y

Gates, 2015, p.316)

Para determinar el tamaño de una muestra se deberán tomar en cuenta varios

aspectos:

 El parámetro se refiere a la característica de la población que es objeto de estudio

y el estimador es la función de la muestra que se usa para medirlo. Ejemplo. Para

evaluar la calidad de un grupo de estudiantes (parámetro) se mide a través de los

promedios obtenidos (estimador).

 El error muestral (e) siempre se comete ya que existe una pérdida de la

representatividad al momento se escoger loe elementos de la muestra. Sin

 15

embargo, la naturaleza de la investigación nos indicará hasta qué grado se puede

aceptar. Por lo general es de 10%, ya que variaciones mayores hacen dudar de la

validez de la información.

 El nivel de confianza Zα, por su parte, es la probabilidad de que la estimación

efectuada se ajuste a la realidad; es decir, que caiga dentro de un intervalo

determinado basado en el estimador y que capte el valor verdadero del parámetro

a medir. Según diferentes niveles de confianza, el coeficiente de Zα varía así:

Si Zα fuese del 90% el coeficiente sería 1.645

Si Zα fuese del 95% el coeficiente sería 1.96

Si Zα fuese del 97.5% el coeficiente sería 2.24

Si Zα fuese del 99% el coeficiente sería 2.576

 Proporción esperada, cuando no se conoce, o no se tiene una idea clara acerca de

la situación del mercado, se dan los valores máximos a la probabilidad de que

ocurra el evento y a la probabilidad de que no ocurra (0.50 y 0.50). Estos valores

se asignan a las literales p y q.

5.1. Tamaño de la muestra con población infinita.

 16

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño de

la población es la siguiente:

𝑍𝛼2 ∗ 𝑝 ∗ 𝑞
𝑛=
𝑒2
En donde:
Z = nivel de confianza,
p = probabilidad de éxito, o proporción esperada
q = probabilidad de fracaso
e = error máximo admisible en términos de proporción)

Ejemplo: ¿A cuántas familias tendríamos que estudiar para conocer la preferencia

del mercado en cuanto a las marcas de shampoo para bebé, si se desconoce la

población total? Nivel de confianza del 95%; Precisión 3%; Proporción esperada

del 5%

Solución:

Zα = 1.962 (ya que el nivel de confianza es del 95%)

p = proporción esperada (en este caso 5% = 0.05)

q = 1 – p (en este caso 1 – 0.05 = 0.95)

e = precisión (en este caso deseamos un 3%)

𝑍𝛼2 ∗ 𝑝 ∗ 𝑞 1.962 ∗ 0.05 ∗ 0.95

𝑛= = = 203
𝑒2 0.032

Se requeriría encuestar a no menos de 203 familias para poder tener una

seguridad del 95%

5.2. Tamaño de la muestra con población finita

 17

La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de la

población es la siguiente:

𝑁 ∗ 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞
𝑛= 2
𝑑 ∗ (𝑁 − 1) + 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞

En donde,

N = tamaño de la población
Z = nivel de confianza,
p = probabilidad de éxito, o proporción esperada
q = probabilidad de fracaso
e = precisión (error máximo admisible en términos de proporción)

Ejemplo: ¿A cuántas familias tendríamos que estudiar para conocer la preferencia

del mercado en cuanto a las marcas de shampoo para bebé, si se conoce que el

número de familias con bebés en el sector de interés es de 15,000? Nivel de

confianza del 95%; Precisión del 3%; Proporción esperada al 5%.

Solución:

𝑁 ∗ 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞 1500 ∗ 1.962 ∗ 0.05 ∗ 0.95

𝑛= = = 200
𝑑 2 ∗ (𝑁 − 1) + 𝑍𝛼2 ∗ 𝑝 ∗ 𝑞 0.032 ∗ (1500 − 1) + 1.962 ∗ 0.05 ∗ 0.95

Se requeriría encuestar a no menos de 200 familias para poder tener una

seguridad del 95%

6. Proceso de diseño del muestreo

 18

Según McDaniel y Gates (2015), el proceso de desarrollar un plan operativo

muestral se resume en los siete pasos:

Definir la población de interés

Elegir metodo de recoleccion de datos

Identificar un marco muestral

Seleccionar un metodo muestral

Determinar el tamaño de la muestra

Desarrollar procedimientos operativos para seleccionar a los

elementos de la muestra.

Ejecutar el plan operativo muestral

Figura 2. Desarrollo de un plan muestral.

6.1. Definir la población meta o de interés

Malhotra (2008) afirma: El diseño del muestreo comienza con la especificación

de la población meta, que es el conjunto de elementos u objetos que poseen la

información buscada por el investigador y acerca del cual se harán inferencias. La

población meta debe definirse con precisión, ya que una definición ambigua tendrá como

resultado una investigación que, en el mejor de los casos, resultaría ineficaz y en el peor

será engañosa. La población meta debe definirse en términos de los elementos, las

unidades de muestreo, la extensión y el tiempo. (p.336).

Ejemplo:
 19

 Elementos: hombres o mujeres jefes de familia que realizaran la mayor parte de las

compras en tiendas departamentales.

 Unidades de muestreo: hogares.

 Extensión: zona metropolitana de Lima.

 Tiempo: 2019.

6.2. Elegir un método de recolección de datos

Cada vez más, los investigadores recurren a metodologías que implican combinar

muestras basadas en entrevistas recolectadas por diferentes medios como: correo

electrónico, teléfono, panel en internet, SMS (texto), redes sociales, etc.

Con la enormidad del Big Data, se vuelve más difícil alcanzar la recolección de

datos a través de los antiguos recursos, ante ello, el investigador tiene que ofrecer a los

encuestados nuevos medios de responder que sean atractivos y cómodos, cerciorándose

que las muestras sigan siendo representativas, y los resultados exactos.

6.3. Determinación del marco muestral

Identificar el marco muestral, es realizar una lista de los miembros o elementos de

la población de la que se seleccionarán las unidades por muestrear.

Por ejemplo, un directorio telefónico podría usarse como marco muestral de una

encuesta telefónica en la que la población de interés son todos los hogares de una ciudad

particular. Sin embargo, el directorio telefónico no incluye los hogares que no tienen

teléfonos ni aquellos con números no enlistados.

6.4. Seleccionar un método muestral

 20

La selección de un método muestral, dependerá de los objetivos del estudio, los

recursos financieros disponibles, las limitaciones de tiempo y la naturaleza del problema

bajo investigación. Las principales opciones de métodos de muestreo pueden agruparse

bajo dos encabezados: métodos de muestreo probabilísticos y no probabilísticos.

6.5. Determinar el tamaño de la muestra

En el caso de muestras no probabilísticas, los investigadores tienden a apoyarse

en factores como presupuesto disponible, reglas generales y número de subgrupos por

analizar en la determinación del tamaño de la muestra. Sin embargo, con las muestras

probabilísticas, los investigadores usan fórmulas para calcular el tamaño de muestra

requerido, dados los niveles objetivo de error aceptable y de niveles de confianza.

6.6. Desarrollar procedimientos operativos para seleccionar los elementos de

la muestra

Los procedimientos operativos por usar al seleccionar los elementos de la muestra

en la fase de recolección de datos de un proyecto deben desarrollarse y especificarse,

trátese de una muestra probabilística o no probabilística. Sin embargo, esos

procedimientos son mucho más decisivos para la exitosa ejecución de una muestra

probabilística, en cuyo caso deben ser detallados, claros e inequívocos y eliminar toda

discrecionalidad del entrevistador respecto a la selección de los elementos específicos de

la muestra.

6.7. Ejecutar el plan operativo muestral

 21

El último paso del proceso de muestreo es la ejecución del plan operativo

muestral. Este paso requiere una adecuada verificación para garantizar que se sigan los

procedimientos especificados.

7. Recopilación de datos: Fuentes de Información

Para poder construir la estructura básica de la investigación, será necesario que,

en primer lugar, el investigador decida de donde va a obtener la información que necesita

para resolver el problema a investigar previamente definido, esto es, que el investigador

decida qué fuente o fuentes de información utilizara en la investigación

7.1. Fuentes primarias

Una fuente primaria es aquella que provee un testimonio o evidencia directa sobre

el tema de investigación. Las fuentes primarias son escritas durante el tiempo que se está

estudiando o por la persona directamente envuelta en el evento. La naturaleza y valor de

la fuente no puede ser determinado sin referencia al tema o pregunta que se está tratando

de contestar. Las fuentes primarias ofrecen un punto de vista desde adentro del evento en

particular o periodo de tiempo que se está estudiando.

Son documentos primarios: libros, revistas científicas y de entretenimiento,

periódicos, diarios, documentos oficiales de instituciones públicas, informes técnicos y

de investigación de instituciones públicas o privadas, patentes, normas técnicas.

7.1.1. Datos primarios.

 22

Los datos primarios son aquellos que un investigador reúne con el propósito

específico de abordar el problema que enfrenta. La recolección de datos primarios

implica las seis etapas del proceso de investigación de mercados. La obtención de datos

primarios puede ser costosa y prolongada. (Malhotra, 2008, p.106).

7.2. Fuentes Secundarias

Son hechos, cifras e información compilada con distintos fines y que el

investigador de mercados pueda hacer uso, evitando los gastos de tiempo y dinero. Es el

punto de partida de toda investigación, son los datos ya existentes de investigaciones

procesadas. Una fuente secundaria interpreta y analiza fuentes primarias.

Son fuentes secundarias: enciclopedias, antologías, directorios, libros o artículos

que interpretan otros trabajos o investigaciones.

7.2.1. Datos secundarios

Los datos secundarios son aquellos que ya fueron reunidos para propósitos

diferentes al problema en cuestión. Esos datos se pueden localizar con rapidez y a bajo

costo. (Malhotra, 2008, p.106). Pueden ayudar a:

 Identificar y definir mejor el problema.

 Desarrollar un enfoque sobre el problema.

 Elaborar el diseño de una investigación adecuada (por ejemplo, al

identificar las principales variables).

 Responder ciertas preguntas de investigación y poner a prueba algunas

hipótesis.

 Interpretar datos primarios para obtener más conocimientos.

7.2.2. Clasificación de los datos secundarios

 23

Figura 3. Clasificación de los datos secundarios.

7.2.2.1. Datos secundarios internos

Los datos internos son aquellos que se generan dentro de la organización para la

que se está llevando a cabo la investigación. Esta información puede estar disponible en

un formato listo para usarse, como la información que se proporciona de manera rutinaria

a través del sistema de respaldo para la decisión administrativa. (Malhotra, 2008, p.112).

Es probable que los datos estén dentro de la organización pero que requieran de

un largo procesamiento antes de ser útiles al investigador. Por ejemplo:

 Información Comercial: distribución de las ventas por productos, zonas

geográficas, clientes, canales de distribución, periodos, informes de las visitas de

la fuerza de ventas e información sobre decisiones previas de marketing mix.

 Información sobre las campañas publicitarias y las promociones

 Información sobre las actividades de producción: existencias, costos de

producción y capacidad productiva teórica y utilizada.

 Información sobre los clientes: productos que tienen, hábitos, cuanto gastan…

 Información contable y financiera: balances, cuentas de resultados, ratios, estado

de origen y aplicación de fondos, …

 24

 Información relativa a la dirección general: acuerdos y contratos entre empresas,

información de carácter económico y técnico comercial de las diferentes

actividades de la clientela

7.2.2.2. Datos secundarios externos

Los datos externos son aquellos que se generan por medio de fuentes que están

fuera de la organización. Éstos están disponibles en forma de material publicado, bases

de datos en línea o información disponible por servicios sindicados. Antes de reunir

datos secundarios externos, sería útil analizar datos secundarios internos. (Malhotra,

2008, p.112).

7.3. Fuentes de datos secundarios externos publicados

Incluyen agencias gubernamentales federales, estatales y locales; organizaciones

sin fines de lucro (por ejemplo, cámaras de comercio); asociaciones mercantiles y

organizaciones profesionales; editores comerciales; empresas de correduría de

inversiones, y empresas profesionales de investigación de mercados. (Malhotra, 2008,

p.114)

Se clasifican como datos comerciales generales o datos gubernamentales. Las

fuentes comerciales generales abarcan guías, directorios, índices y datos estadísticos. Las

fuentes gubernamentales, a la vez, se clasifican de manera general en datos del censo y

otras publicaciones.

Referencias bibliográficas
 25

Carl McDaniel, Jr. y Roger Gates (2015). Investigación de mercados. Recuperado de

https://www.academia.edu/34683628/Investigaci%C3%B3n_de_mercados_10ma_Edi

ci%C3%B3n_Carl_McDaniel_FREELIBROS.ORG

Malhotra N. K, (2008). Investigación de mercados. Naucalpan, Mexico, Pearson Education.

Benassini, M. (2009). Introducción a la investigación de mercados. Naucalpan, México.

Pearson Education.

Torres M. (2009), Tamaño de una muestra para una investigación de mercado. Recuperado de:

http://moodlelandivar.url.edu.gt/url/oa/fi/ProbabilidadEstadistica/URL_02_BAS02%2

0DETERMINACION%20TAMA%C3%91O%20MUESTRA.pdf

Banzer, J. (2017-2019). Enciclopedia económica. La Plata, Buenos Aires: Grudemi.

Recuperado de: https://enciclopediaeconomica.com/category/estadistica/

Ochoa, C. (2001). Nicequest. Barcelona, España: Soluciones Netquest de Investigación.

Recuperado de: https://www.netquest.com/blog/es/blog/es/muestreo-sistematico

Espinoza, D. (2012). Las fuentes de información en el estudio de mercado. Recuperado de

http://davidespinosa.es/joomla/index.php?option=com_content&view=article&id=337:las-

fuentes-de-informacion-en-el-estudio-de-mercado&catid=80:analisis-externo

Anónimo. Fuentes de Información. Recuperado de:

http://files.uladech.edu.pe/docente/17895184/Marketing_Empresarial_II/Sesion_4/Sesi%C3%

B3n_4_mark%20II.pdf