el muestreo en investigación de mercados
TRANSCRIPT
Contraste de Hipótesis BásicasContraste de Hipótesis BásicasY Análisis de Datos en Investigación deY Análisis de Datos en Investigación deMarketingMarketing
J.SantiagoJ.SantiagoE.U.E.U. EstadísticaEstadística
El Muestreo enInvestigación de Mercados
ElEl MuestreoMuestreo enenInvestigaciónInvestigación dede MercadosMercados
«To err is human,to forgive divine,
but to include errors in your design is statistical.»
Leslie Kish (1910-2000)
Objetivos
• Comprender la importancia de las técnicas de
• Revisar los conceptos básicos de muestreo.
•probabilísticas y no probabilísticas
•
• Aprender los diferentes métodos de muestreo, sus
Objetivos (2)
•
• Aprender a calcular los volúmenes
• Comprender el peculiar uso de las técnicas de
• Comprender la problemática aplicación de las técnicas de muestreo en los estudios en
Contenido:1. Importancia y utilidad de las técnicas de muestreo en
2. Conceptos básicos de muestreo.
4. Muestras probabilísticas y muestras noprobabilísticas. Ventajas e Inconvenientes.
5. Métodos de muestreo.
7. Volúmenes y errores
•• Obtener una “buena muestra” significa seleccionar Obtener una “buena muestra” significa seleccionar una parte de la población que refleje las similitudes y una parte de la población que refleje las similitudes y diferencias que se producen en la población (en las diferencias que se producen en la población (en las variables de interés para el estudio) = variables de interés para el estudio) = “representativa”.“representativa”.
••individuos que integran una población.individuos que integran una población.
•• La razón fundamental para realizar un muestreo es la La razón fundamental para realizar un muestreo es la
1. Importancia y utilidad en IM
PoblaciónPoblación
MuestraMuestraSelecciónSelecciónmuestramuestra
EstudioEstudiomuestramuestra
generalizacióngeneralización generalizacióngeneralización
2. Conceptos Básicos: MUESTREO2. Conceptos Básicos: MUESTREO
2. Conceptos Básicos2. Conceptos Básicos!
Procedimiento estadístico para seleccionar un número reducido dProcedimiento estadístico para seleccionar un número reducido d(muestra) de una población, con el objeto de estudiar en ella al(muestra) de una población, con el objeto de estudiar en ella alcaracterística, y generalizar los resultados a la población de ocaracterística, y generalizar los resultados a la población de o
!! POBLACIÓ N:POBLACIÓ N:
en un cierto lugar durante un periodo, que poseen una caracterísen un cierto lugar durante un periodo, que poseen una característica común tica común que se desea estudiar. El número de elementos que la integran coque se desea estudiar. El número de elementos que la integran coel tamaño de la poblaciónel tamaño de la población
!!Grupo generalmente reducido de unidades obtenidas de la poblacióGrupo generalmente reducido de unidades obtenidas de la població
!!
ación de ación de interés.interés.
!!
Medio o soporte donde están representados los elementos deMedio o soporte donde están representados los elementos de la población: la población: listado del censo, listín telefónico, cintas de ordenador, listalistado del censo, listín telefónico, cintas de ordenador, lista
¿A¿A qué población qué población puedo accederpuedo acceder??
Población estudioPoblación estudio
¿¿Cómo puedo accederCómo puedo accederaa ellaella??
MarcoMarco muestralmuestral
¿¿Quién estáQuién está enennuestro estudionuestro estudio??
MuestraMuestra
¿A¿A quiénes quiero quiénes quiero generalizargeneralizar??
Población teóricaPoblación teórica
listado
2. Conceptos Básicos2. Conceptos Básicos
Términos estadísticos en muestreoTérminos estadísticos en muestreo
VariableVariableingresosingresos
11 22 33 44 55
muestramuestra
EstadísticoEstadístico Media = 3.74Media = 3.74
poblaciónpoblación
ParámetroParámetro Media = 3.75Media = 3.75
2. Conceptos Básicos: Error muestral2. Conceptos Básicos: Error muestral
LaLa población tiene población tiene unauna media de 3.75...media de 3.75...
ingresosingresos
frec
uenc
iafr
ecue
ncia
150
100
50
0
3.0. 3.5 4.0 4.5
……y y una una desviacióndesviacióntípicatípica de .25de .25
Esto significa Esto significa queque......
CercaCerca del 68% dedel 68% de casoscasos sese encuentran entreencuentran entre 3.5 3.5 -- 4.04.0CercaCerca del 95% dedel 95% de casoscasos sese encuentran entreencuentran entre 3.25 3.25 -- 4.254.25
2. Conceptos Básicos: Error muestral2. Conceptos Básicos: Error muestral
ingresosingresos
frec
uenc
iafr
ecue
ncia
150
100
50
0
3.0. 3.5 4.0 4.5
LaLa muestramuestra de 1000de 1000tiene unatiene una media de media de
3.74 y un error3.74 y un error típicotípicode .0074de .0074
El errorEl error típicotípico se llama Errorse llama Error MuestralMuestral
σ σx n
=
2. Conceptos Básicos: Error muestral2. Conceptos Básicos: Error muestral
ingresosingresos
frec
uenc
iafr
ecue
ncia
150
100
50
0
3.0. 3.5 4.0 4.5
LaLa muestramuestra de 1000de 1000tiene unatiene una media de media de
3.74 y un error3.74 y un error típicotípicode .0074de .0074
El errorEl error muestral muestra quemuestral muestra que en el 95% deen el 95% de los casoslos casos, , la media de lala media de la población serápoblación será de 3.74 de 3.74 ++ 2(.0074)2(.0074)
NivelNivel dede confianzaconfianza
IntervaloIntervalo
dedeconfianzaconfianza
nzx σ*±
2. Conceptos Básicos: Distribución Muestral2. Conceptos Básicos: Distribución Muestral
muestramuestra
4.44.24.03.83.63.43.23.0
5
0
5
0
muestramuestra
4.44.24.03.83.63.43.23.0
5
0
5
0
muestramuestra
4.44.24.03.83.63.43.23.0
5
0
5
0
mediamedia mediamedia mediamedia
LaLa Distribución Distribución muestralmuestral......
4.44.24.03.83.63.43.23.0
15
10
5
0
……eses lala distribucióndistribuciónde unde un estadístico estadístico a a
lo largo de unlo largo de uninfinitoinfinito nº denº de
muestrasmuestras
Error muestral, nivel de confianza y variabilidad
-σσσσ-2σσσσ-3σσσσ σσσσ 2σσσσ 3σσσσ
99,7 %95,5 %68 %
de opinión se trabaja con ±2σ
Error Muestral
Error de Medida Errores de Codificación,Grabación y Análisis
Error de Observación
Error del Marco Error de Cobertura No Respuesta
Error No-Observación
Error No-Muestral
Error Total
3. Errores en Muestreo
Distribución de ingresos
muestral medio ingreso:x
Error muestral El ingreso medio muestral difiere del poblacional solamente debido a que no toda la población se incluye en la muestra.
µµµµ: Media Poblacional
Error de Muestreo
Sesgo de Selección
Población
Muestra
Cuando algún grupo de la población no puede ser seleccionado...
la muestra no representa a la población
Error de Cobertura
Error de Medición
� Ejemplo: En una encuesta se pregunta con qué frecuencia toma Coca-Cola. Entre las posibles respuestas tenemos:
� regularmente, � ocasionalmente, � raramente y,� nunca.
� Una persona que beba 2 o 3 veces por semana respondió ocasionalmente.
� Una persona que bebe Coca-Cola 1 vez al mes contesto regularmente.
Error de no-respuesta
Población
Muestra
No-respuesta ... Puede llevar a resultados sesgados
Error de No-Respuesta
Tratamiento de las No-Respuestas
� Submuestra de no-respondentes y ajuste.� Substitución por similares (cuotas)� Equilibrajes y Ponderación� Imputación� Estimación subjetiva
Método de los dos estratos
Tiene usted automovil??
Responden No-responden % p
Sí n1=30 p1=30%
n2=3 p2=15%
n1p1+n2p2 N
21,3% No n`=70
p`1=70%
n`=17 p`1=88%
n`1p`1+n`2p`2 N
61,2% Total N=120
n1=100
n2=20
PonderaciónSexo Muestra Población Peso
Mujer 48 511 1.065
Hombre 52 489 0.940
Total 100 1000
�(100/48)*(511/1000) = 1.065 ; (100/52)*(489/1000) = 0.940
4. Muestras probabilísticas y no-probabilísticas
• Muestras probabilísticas• ¿Se basan en la
elemento de la población tienen una
• Muestras no probabilísticas• Los elementos de la población se seleccionan
de manera no probabilística•
•el máximo de representatividad.
No
-Pro
bab
ilisticos
• Más costoso, para un mismo n, que un no-probabilístico (coste de la selección y diseño por especialistas).
• Requiere más tiempo (diseño y
ejecución) que un no-
probabilístico.
Pro
bab
ilísticos
InconvenientesVentajas
• Asegura que la información sea representativa de la población de interés.
• Permite calcular el error de muestreo.
• Los resultados son projectables a la población total..
• Más barato. Atractivo cuando precisión no es muy importante. Estudios exploratorios.• Más rápido.
• Si se ejecuta razonable-mente, produce muestras bastante representativas de la población.
• No permite cálculo errores de muestreo.
• Imposible evaluar en qué grado la muestra es representativa
• Los resultados no pueden ni deben proyectarse a la población total.
5. Métodos de muestreo: Clasificación
MétodosMuestreoMétodosMuestreo
ProbabilísticosProbabilísticos
Aleatoriosimple
AleatoriosimpleConglomeradosConglomerados
SistemáticoSistemático EstratificadoEstratificado
No-probabilísticosNo-probabilísticos
CuotasCuotasExpertosExpertos
ConvenienciaConveniencia Bola NieveBola Nieve
ListadoListado dede clientesclientes
Submuestra aleatoriaSubmuestra aleatoria
Probabilidad de selección =Tamaño muestra
Tamaño población
Muestreo aleatorio simple
Muestreo sistemáticoMuestreo sistemático1 26 51 762 27 52 773 28 53 784 29 54 795 30 55 806 31 56 817 32 57 828 33 58 839 34 59 8410 35 60 8511 36 61 8612 37 62 8713 38 63 8814 39 64 8915 40 65 9016 41 66 9117 42 67 9218 43 68 9319 44 69 9420 45 70 9521 46 71 9622 47 72 9723 48 73 9824 49 74 9925 50 75 100
N = 100N = 100
Queremos Queremos n = 20n = 20
N/n = 5N/n = 5
SeleccionaSelecciona unun número aleatorionúmero aleatorio de 1de 1--5: p.e. el 45: p.e. el 4
ComienzaComienza con #4 ycon #4 y toma cadatoma cada 55 unidadesunidades
1 26 51 762 27 52 773 28 53 784 29 54 795 30 55 806 31 56 817 32 57 828 33 58 839 34 59 8410 35 60 8511 36 61 8612 37 62 8713 38 63 8814 39 64 8915 40 65 9016 41 66 9117 42 67 9218 43 68 9319 44 69 9420 45 70 9521 46 71 9622 47 72 9723 48 73 9824 49 74 9925 50 75 100
Muestra aleatoria estratificada
Muestreo estratificadoMuestreo estratificado
Listado ClientesListado Clientes
EstratosEstratos
Grandes cuentasGrandes cuentas Org.Org. públicospúblicos PymesPymes
Submuestras aleatoriasSubmuestras aleatorias de n/Nde n/N
Muestreo estratificadoMuestreo estratificado
Estratos y Afijación de la muestraEstratos y Afijación de la muestra
Afijación: determinación del nº de elementos de los diferentes
AFIJACION
Simple Proporcional Óptima
igual nº de elementospor estrato
nº de elementos
proporcionala población decada estrato
nº de elementos tomando en cuenta
la población y la variabilidad de
cada estrato
Des-proporcional
Necesidad de
sobrerepresentar grupos
pequeños
Reequilibrar !!
ε Estratificación proporcional vs. No proporcional Estrato Población % Muestra
Pro Error Muestra
Real Error
No-Pro A 1.000.000 6 60 12,9 100 10,0 B 2.000.000 13,77 138 8,5 200 7,1 C 4.000.000 26,66 266 6,1 300 5,8 D 8.000.000 53,33 533 4,3 400 5,0
TOTAL 15.000.000 100 1000 4,08 1000 3,2
á í
ó óóó
ó
Donde ∑=a
p
nn
npq 2`
2
2κε estratoalalproporcionnomuestraln
estratoalalproporcionmuestran
a
p
=
=
) ( ) 08,465,1636,04,886,8652,710100000010000.
1006
200133
300266
400533 2222
2
2
±==+++=+++
=
npqkε
í ±±±± ±±±±
Muestra por conglomerados monoetápica
Muestreo por ConglomeradosMuestreo por Conglomerados
Muestreo PolietápicoMuestreo Polietápico
1ª Etapa del muestreo Muestra deConglomerados
K-ésima etapa del muestreo
� Simple• Sistemático• Estratificado
� Cuotas
• Rutas aleatorias
Muestreo No-aleatorio
Muestreo aleatorio
Última etapa del muestreo
Distrito
IndividuoBloque, Altura,
Vivienda
Manzana
Muestreo Polietápico
Muestreo Rutas aleatoriasMuestreo Rutas aleatorias
Establecida un área de muestreo, se define un punto de
Busca asegurar una cobertura geográfica de la muestra y/ o
homogéneos
No-probabilísticosNo-probabilísticos
ConvenienciaConveniencia Bola NieveBola Nieve
ExpertosExpertosCuotasCuotas
Muestreo No-ProbabilísticoMuestreo No-Probabilístico
Muestras por CuotasMuestras por Cuotas
• : proporción de una variable de interés, enla población.
• Se seleccionan los elementos de la población de
•
• La selección es no probabilística
• Útil cuando la representatividad de la/ s variable/ s de interés es difícil de conseguir
requiriría
Cuotas Sexo x Marca consumidaGrupos De Edad
A B C Total
16-25 13 4 3 20 26-40 10 8 7 25 41-55 12 7 6 25 >56 5 11 14 30 Total 40 30 30 100
6. Proceso de Muestreo: Pasos6. Proceso de Muestreo: Pasos
1:Definir la
“Población” deInterés
1:Definir la
“Población” deInterés
2:Especificar el
“Marco”muestral
2:Especificar el
“Marco”muestral
3:Especificar la
“Unidad”muestral
3:Especificar la
“Unidad”muestral
4:DeterminarEl “Método”de muestreo
4:DeterminarEl “Método”de muestreo
5:DeterminarEl “Tamaño”
muestral
5:DeterminarEl “Tamaño”
muestral
6:Elaborar el“Plan de Muestreo”
6:Elaborar el“Plan de Muestreo”
7:Ejecutar el Plan:Seleccionar la
muestra
7:Ejecutar el Plan:Seleccionar la
muestra
6.1: Definición de la Población6.1: Definición de la Población
• Definir la población en términos de:
- Elementos: - individuos- consumidores
- Características: - que posean automóvil- en hogares / en supermercados
- Extensión: - residentes en Madrid-Capital- consumidores de las marcas A ó B
- Tiempo: - en Enero del 2002
6.2: Especificar el �Marco�muestral
6.2: Especificar el �Marco�muestral
• Se trata de describir los medios o soportes donde están representados los elementos de la población: listado del censo, listín telefónico, cintas de ordenador, lista de
• es aquél en el que cada elemento de la población está representado una única
• ¡Ojo! Los marcos
•
6.3: Especificar la �Unidad�muestral
6.3: Especificar la �Unidad�muestral
• Unidad muestral = unidad básica que contiene los elementos de la población a muestrear
• Se trata de seleccionar la unidad de la muestra: individuos, amas de casa, hogares, empresas...
• La unidad muestral puede tener uno o más elementos de la población (hogar)
• La unidad a seleccionar dependerá del marco muestraldel que partamos y del diseño del proyecto de investigación (listado de direcciones, censo de hogares, listín telefónico....postal, personal, telefónica)
6.4. Determinar el �Método� de Muestreo
1. PROBABILÍSTICO VS. NO PROBABILÍSTICO
2. UNIDADES SIMPLES VS. CLUSTERS
3. ESTRATIFICADO VS. NO ESTRATIFICADO
4. UNIETAPICO VS. POLIETAPICO
1. PROBABILISTICO VS. NO-PROBABILISTICO
� La elección ha de basarse en el criterio COSTE / VALORCOSTE / VALOR(Precisión),
en función de:
– Tipo de información necesitada (frecuencias y/ o proporciones, proyección sobre el total)
– Tipo de error que tolera el problema investigado (¿se requiere alta precisión de los valores?
– ¿De qué magnitud son los errores no (especificación del universo, marco, selección, no
– ¿Qué homogeneidad tiene la población en las variables que
– ¿Cuál es el coste derivado de los errores en la información
1. PROBABILISTICO VS. NO-PROBABILISTICO
•
––– alta heterogeneidad de la población– pequeños errores no––
•
•
• La elección depende del COSTE / PRECISION– El cluster es más barato, pero contiene más error, y es más
difícil de calcular
•población, alto coste derivado de los errores
2. UNIDADES SIMPLES VS. CLUSTERS
3. ESTRATIFICADO VS. NO ESTRATIFICADO
• = segmento de población con una o más características comunes
•subpoblación
••
–– Si se desean estimaciones de x , % u otros parámetros del
estrato en la población– Tamaño de la muestra requerida en el diseño: si es
estratificado será menor que si no lo es– ¿Estratificación
•
4. UNIETAPICO VS. POLIETAPICO
• El nº de etapas está en función del “marco”
que contenga tal nº de información aplicable a la estratificación o agrupación
•áreas, seguidas de uno de bloques, luego hogares e
•
• polietápico es más económico por la menor dispersión de las encuestas
6.5: Determinar el �Tamaño� de lamuestra
6.5: Determinar el �Tamaño� de lamuestra
• Decidir el nº de elementos de la población que han
•
–
– Tamaño promedio de muestras en estudios
– Tamaño mínimo por celda (en m. estratificadas o por cuotas y dependiendo del plan de tabulación (desagregación de datos) (20celda más pequeña)
TAMAÑO DE MUESTRAS TIPICAS
METODOS: (Cont) Tamaño muestral:
• Modelo tradicional estadístico:•
• Error de muestreo (precisión) que se quiere conseguir
• –
• Desviación típica de la variable estudiada = varianza
• Modelo estadístico
Tiene en consideración la diferencia entre el valor aportado portamaño de muestra y el coste de la misma.
CALCULO DEL TAMAÑO MUESTRAL,
Medias - En el supuesto de Distribución normal
CALCULO DEL TAMAÑO MUESTRAL,
En el supuesto de Distribución normal –
Medias
EJEMPLO:
� Tamaño de la población: 50.000• Máximo error tolerado: 5unidades• Nivel de confianza deseado: 95%
(α=0.05; ⇒ = 0,975; ⇒ = 1,96 ∼ 2)
• Desviación típica muestral: 3
2/1 α− 975,0z
( )( )( )( )( ) ( )( ) 664
396,1000.505000.50396,1
222
22
=+
=n
CALCULO DEL TAMAÑO CUANDO LA POBLACION TIENDE A INFINITO ( >100.000
UNIDADES)
•población > 100.000:
( )( )( ) 1428
5.0396,1
2
22
==n
Tamaño población infinito o
Tamaño de población finito
22/1
2
εα qpzn −=
( ) qpzNNqpzn
2/122
2/12
1 α
α
ε −
−
+−=
ñ
ñ ó
º σσσσ αααα σσσσ αααα
í óá
εεεε ó ±±±±
Porcentajes
2/1 α−z
FACTOR DE CORRECCION DEL TAMAÑO CUANDO POBLACIONES FINITAS (<100.000)
• Se aconseja corregir el tamaño de la muestra cuando n supera el 5 % de la población (N).
• Cuanto mayor sea N, el factor de corrección
•
6.6. PLAN DE MUESTREO
•
¿Cómo definir operativamente “hogar”?¿Cómo distinguir entre “familia” y “hogar”?¿Cómo seleccionar el hogar en un bloque de viviendas?¿Cómo seleccionar al individuo en el hogar?¿Cómo reemplazar a los ausentes?¿Cuántos itinerarios/ rutas?¿Cuántas entrevistas por ruta?Distribución de la muestra por estratos, zonas, áreas...
6.7. OBTENCION DE LA MUESTRA
• Realización de las operaciones de
• Puesta en práctica de los
7. Volúmenes y Errores muestralesERRORES ASOCIADOS A VOLUMENES MUESTRALES
Población infinita:
Población finita:
nqpz 2
=ε
( )( )1Nn
nNqpzε2
−−=
M.Estratificado
Proporcional:
No-Proporcional:
2iii
nqpn
ε ∑=
p-100 iq
i estratoen
investiga se que ticacaracterís la de % ip
i estratoen población tamañoin
muestra la de tamaño
=
=
=
=n
2
2ii
n
σnε =
ERRORES ASOCIADOS A VOLUMENES MUESTRALES: CONGLOMERADOS
A) Mismo tamaño:
−−
−= ∑
1npnp
NnnNkε
22i
B) Distinto tamaño:
−
+−
−= ∑ ∑ ∑
1nMpMx2px
MnNnNε
22ii
2i
2
N = nº de conglomerados que componen la población
n = nº conglomerados en la muestra
= nº total de elementos de la población en conglomerado i
M = tamaño medio de los conglomerados
= nº de elementos de la población que en el conglomerado i poseen la característica que se investiga
p = % de elementos del conjunto de la población respecto de la caracterçistica
ERRORES ASOCIADOS A VOLUMENES MUESTRALES: POLIETAPICO
A) Bietápico(Conglomerados iguales)
( )( ) ( )1m2m
iqipx
nMnmnM
1nn
2pip
nnNε
−
∑−+−
∑ −−=
N = nº de conglomerados
n = nº conglomerados elegidos en 1ª etapa
M = tamaño de cada uno de los conglomerados de 1ª
m = nº unidades elementales seleccionadas dentro de
conglomerado en la 1ª etapa.
= % de la característica en estrato i
12 222
2 −+−−= ∑ ∑ ∑
nmpmxpx
mNnnN iiiiε
ERRORES ASOCIADOS A VOLUMENES MUESTRALES: POLIETAPICO
A) Bietápico(Conglomerados desiguales)
N = nº de conglomerados
n = nº conglomerados elegidos en 1ª etapa
M = tamaño de cada uno de los conglomerados de 1ª etapa
=nº de unidades elementales (tamaño) que comprende el conglomer
m = nº unidades elementales seleccionadas dentro de cada
conglomerado en la 1ª etapa.
= nº de
m = nº medio de elementos por conglomerado de la muestra
= % de la característica en estrato i
Efecto Diseño• cuando se emplea un diseño
polietápico
¿ cuánto mayor ?•desviación típica
√√√√ é
• ó ñí
“ ñ ”
• á
ó
MAS a�vparticularr a�vdiseño Efecto =
Efecto Diseño
. L. (2000): Muestreo. Diseño y análisis.
Error = Error M.A.S. x Factor DiseñoError = Error M.A.S. x Factor Diseño
••“Promedio” (3
•
Polietápicos
DISEÑ O
CALCULO DE LA MUESTRA EN POBLACION POLINOMIAL (MULTINOMIAL)
CONVERSION DE TAMAÑO DE MUESTRA DE BINOMIAL A POLINOMIAL
Nº de proporciones a estimarNC 3 4 5 6 7 8
95% 1.53 1.66 1.73 2.05 2.37 2.53
90% 1.71 1.84 2.04 2.44 2.76 2.91
t ama ño como si
conversi ón que corresponde al n º
si mult áneament e
DETERMINACION DE LA MUESTRA EN ESTUDIOS MULTIVARIABLES
• Los modelos de muestreo están construidos,
•estudiadas simultáneamente un sinnúmero de variables referidas a la población de interés, con bases y
• La elección del tamaño
de mayor importancia o interés, para posteriormente
8. Uso del muestreo en IM
•
•
• Irregular distribución de vías de acceso (timbres, porteros, llaves, teléfonos, computadoras, etc.)
• autoselección(personal, postal, telefónico, Internet).
•
•
8. Uso del muestreo en IM
• Micromárketing• y difíciles de hallar.
• “Representatividad” vs. Probabilístico•
•• El adecuado uso de las técnicas de muestreo
• Las posiciones “teóricas” del investigador...
8. Uso del muestreo en IM
• No sabe bien a quién dirigirse ( . teórica y de estudio
• Sabe, pero no tiene cómo llegar (
•
• medición
• error codificación grabación
• error análisis
• error interpretación
•
• Busca epatar con profusión de nº , datos, técnicas novedosas y recursos visuales...pero poca información de
• Informa sólo el tamaño de la muestra y el error probable (como si M.A.S), pero no desarrolla la metodología.
• “Permite” interpretaciones erróneas, como confundir
• a voluntad, sin considerar el diseño ni sus condiciones de aplicación
Posiciones «teóricas»:
• probabilístico no científico.
• No adaptar el diseño a los objetivos del estudio, que a menudo no requieren muestras probabilísticas.
•
•
“para los zapateros sólo existe el cuero” (
Posiciones «teóricas»:
• probabilístico en investigación social y de
• No se cumplen las condiciones para su aplicación, ni para cálculos de
• Usa muestras no probabilísticas pensando que cualquier defecto en diseños más estrictos los invalida totalmente.
• probabilísticoprobabilístico
cálculo de error y
d) Tecnologicismo• Confiar en que a ponderación resolverá cualquier
imputación, ajustes iterativos...)
•
informáticos (de muestras, de análisis) sin adecuado
• Rechazar sin fundamento las soluciones tecnológicas avanzadas y apegarse a viejos hábitos e
9. Muestreo en Internet
•
• Conveniencia, Barato, Rápido, Automatizado.
•• La población de usuarios de
población general.•• Incentivos a la participación ⇒ ” ” ⇒•• Reclutamiento de muestras de consumidores a través de
• Los paneles no son representativos ni de la población
9. Muestreo en Internet
•
• No colocarlas en áreas públicas y sin control (portales), riesgo
• Utilizar técnicas de “Pop ” para garantizar cierta autoselección
Proveer claves únicas a los participantes.
• Extremar la precaución en la selección de paneles. Controlar
10. Resumen y Conclusiones
La característica fundamental de una muestra es
población.
Las técnicas de muestreo están orientadas a
La principal ventaja de las técnicas de muestreo
Resumen y Conclusiones (2)
•
•
• Considerar los problemas como desafíos
•
••
•• la ética de la profesión
Gracias !