nm oliatro PLAN DE MUESTREO Y RECOLECCION DE DATOS Capitulo 13 Los pinipos del muesteo Capitulo 14 Muesteo aleatoria spl y tama dela munca Ccapitule 15 Procedimienios més compos de muesteo Capitulo 16 Operaciones de campo caso 44 caso 42 casos caso 44 caso 45 caso 46 caro $7 Min Food Cooperative (A) ‘Cyt Lu, canddata para el consso estuiantt United ines fee Cream Caste Revino Cosmopolitan Encuestas Gallop Un dade trabajo de Pamela Palmers y Sandy Sanders, entevstadoras prolesionlesCapitulo 1 3 LOS PRINCIPIOS DEL MUESTREO "INVESTIGACION DE MERCADOS EN ACCION EL BUREAU OF THE CENSUS UTILZA MUESTRAS PARA CORREGIR EL ‘CENSO OE 1800 Enel aregl de un plo erat por importantes cluded, l Bureau ofthe Census (icin fe center) de tow Etados Unidos acc eeatzar ana encuets 2 150,000 hogar con el fe coreg ina poten subestinacdn de gupos races, tices y otros Bureau ofthe ‘Cena adits que su censo no uvo en cuenta algunas personas, incurs aquels que no reinonsien el evesionatio debdo 2s desconfanza en el gobierno, aquslos que vven en Nivlendns de cae infers alo esablacia 9 quienes no nen Hoga LU mvesro sr de 150,00 uncades de vend, incléos dapartamentos cass ince sn ederiaos en 3,000 manzanas secconados de Seas urbarasy rules fs manzanas fslecconads, lov enrovitadoresenumerarn cada uidad de vilenda, garae y cabeza {ue ese habaco, Lov feidenes de esas unidadee Ge vvienda re entry arsn perional (Pent. Lorrevltads de exteprocadianto muesval = compararin con aquson del ens se reszrinshsles en todos ls feslados dal cons 3 fn de relat los rsuisdos ela Imus, Se cree que le mesa suminsta un eonteo mas exato que censo ens Fata soccin de investigacin de mercado en acciéniluskala copacidad de auesiteo para sumiistar laos exactos ysis para a inestgacin de mercados. En este capitulo en los capilos LAY 13 5¢ analizan la eon a aplicacion précica del mestea a situacianes reales de marketing Comenzamos ste capita con una sisi general de fs terminology los pracedimientos de muestes.40 Parte: aw o£ WEsTAEOY RECELECECN OE OOS Sin el muesten, la investigacin de mercados no exitia tal como la conacemos en Ia acti \irtualment, toa estudio de investigaciin de mercalas requere la seleccin de agin ipo de mues tra, Cuando se coloca a prueba un nuevo producto en los hogares, debemos seleccianar arias 2 uilzar; cuando queremos monitorea las ventas que estamos expesimentando en un sea seogtica, ‘debemos selecciona los almacenes en ls cuales se registrar ls ventas; cuando queremos realizar tuna entrvsia de grupo sobre los precios dela came, debers Seleccionar ene By 10 personas para ‘que Foemen parte del grupo. La alternative al muasirea es hacer un censo, En un censo, ejecutamos nuestro estudio alizando todos los elementos dponibles de una poblacion deinida. De esta forma, en les ejemples anteriores Se ullzaian todas las falas para la prucha de colocacién del producto, tados ls almacenes nel 4tea para el montoreo de las ventas, et En exte capitulo se descrbirin Ia terminology los conceptos bisicos del muesteo,y lego 52 analzarin re pos de procedimienios muestiaes no probabilsices.Taribién se presenta los fund ments bisicos necesitio para una comprensién de los procedimientos de muesreo probabiistico, ‘que se analzarin en los eapitules 14 15. MUESTREO: UNA INTRODUCCION Los beneticios det muestreo 1 muestreo se uiliza con mucha frecuencia en invesigacidn de mercados, ya que offece algunos bbeneficios importantes en comparacin com la eaizacion de un eenso. 11. Una muestra aharra dinero. El costo de una entevstapeesonal de una hora de duracién pu Ge ser alrededor de USS40 a USS85, Sin dud ahorralamos dinero al realizar una entrevisia, por ejemplo, 21,000 personas, en higar de-un milon de personas que pueden conformar poblacién pertinent. 2, Une musa ahaa temp. En el ejempla anterior tendiamos 1,000 horas de entreisas con ‘una muesta veeus un milén de horas con un censo. A esta debemes afaci el tempo, por temple, para imprinir los cuestionaros, capaciar alos enieistadores de campo y preparer los euestonarios completos para el analisis de datos. Es probable que el problema que condujo 2 que se llevara cabo este estudio se haya olidado mucho antes de que se termine el censo, 3, Una muesta puede ser mis exacla. A pesar dela sorprendente que pueda parecer, esto es sin ducla cierto. Este es el resultado de varia fuentes dle inexacitud,lamadas errowes no ‘muestales, que acurten en el pracesa de investigacién dle metcados. Ep un estudio de Censo, necesifan mds entrevstadores, ms superssores de entievsiadores, mis perso ras que convertan las cuestonarios ven brutos en datos de computador, etc. Cuanto mis jnequerio sea el estudio, mayor sera la probabilad de obtener personas més calificadas para cada etaps del proceso de investigacién. A media que aumenta el equipo, la calidac dd las personas disminuiré ye contral y la supervision de sus actividades serd mss dic ‘Ademas, un censo puede tomar tanta tempo que es posible qu el fendimen de marketing de interés haya eamiado, Por ejemplo, las preguntas acerca de! conacimiento de un nuevo producto sélo tienen sentido en un punto en el fempo. nivel de concimiento de un ‘Censo podria sesgarseen forma ascendente cane anscutso dl iempo, Todo esto con ‘co amis etrores y a resultados menos exactos.Coon 12.08 Mewcwos CEL MLESTREO 401 Al igual que en un censo, una muestra también Inclaye ertres no muestales, pero en menor grado. A diferencia del censo, una muestra también genera un ertr muestra. Ete es Un coneepio estaditica que se analizaré en detalle en el capitulo 14, Por ahora, sélo debe ‘mos recordar que una estadstca muestra suminista un estimativo de un valor de poblaclén. Cuando ls dos valores difiean, se dice que ha acurride error muestra {Asuna muestra serd mis exact que un censo, sel total de errores muestralesy no muestales pata la muesta es inferior als ipos de erores no muestals del censo 44. Una muestra es mejor si el estudio conleva la destruccién 0 contanvnacién del elemento ivesteado. Las pruae sobre uso de productos dan por resultado el consumo del produc to, Sin duda, en na prueba de sabar, realizar un censo de la cerveza Gudiwvelser no es la forma de condicr un negocio rentable. De igual forma, el proceso de entrevstr personas puede volveras sensies al tema dela entrevista. Podemos decir que han sido «contamina {dass con respecto a este tema, Es posible que queramos volver a entrevistaras acerca del mismo tema para ver, por ejemplo, si nuestra campana publicitara ha tenido un impacto 0 ho, Nos gustaria entrevstar a aquellas personas que no han sido contaminadas por una tntrevsta previ, Si e hiciese un censo con anterioridad, todos los sujetos de interés se habrian contaminado, Algunos conceptos necesarios sobre el muestreo Una ver establecidas las razones para un muestre, nos diigimas ahora ala pregunta sobre como Seleccionar una muestra, Primera debemos aprender la definicon de algunos conceptos basicos de muesireo, es deci, su lengua, Elemento fs la unidad acerca de la cual se solicita informacion. Este suminista la base del andlsis que se llevar a cabo. Los elementos més comunes del muestieo en investigacién de ‘mercados son las Indlvidios. En ctr casos, los elementos podtian ser productos, almacenes, ‘empresas, familias, et. Los elementos de cualquier muestra especiica dependersn de los objet. 40s del estudio, Pablacién Una poblaciéno univer, como también se lama, es el conjunto de todos los elementos efindos antes de laselecciin dela muestra. Una poblaciin adecuadamente designada debe defnirse fen térninos de: 1) elementos, 2) unidades de muesteo, 3) alcance y 4} tempo. Por ejemplo, une tencuesta de consumidores potiaespeccar la poblacén pertinente coma: 1. Elemente Mjtes entre 1850 2, Unidades de muestieo Mujeres entre 18-50 3. Aleance Texas 4. Tiempo 1 de mayo-15 de junio de 1986 Alternativaent, la poblacién para un estudio diseRado para metir la reaccidn del compradorhacia ‘un nuevo quimico indusal padi ser 1. Hlemento Ingenieros quinicos 2. Unidades ce maesteo Empresas que compran mas de US5300,000 en quinicos por af; Juego estarfan los ingenieros quimicos 3. Aleance Zona continental de los Estados Unidos 4. Tiempo 199609 Part scrum ou usesrneor necouscesu de p08 (©, queremos monitorea ls ventas de un revo prodito de consume pablacin podria ser: 1. Gemento ‘Nuestro producto 2. Unidades de muesteo Supermercaos, armaciasalmacenes de descuentoluego, vena ruestro producto 3. Alcance Boston 4 Tiempo 512 de mayo de 1996 ‘No podemos eniatizarsuiclentemente lo importante que es defini ta poblacién hasta este nivel de etal slo asi ex posible un muesteo aprepindo. Unidad de muestreo Anteriormente se tiz6 el térming -undad de muesiteo para dine una poblaciin pertinente, Ahora es tiempo de defniio ms expliitamente. Una unidad de muesteo 5 ol elemento o los elementos disponibles para su seleccion en alguna etapa del proceso de ruesreo. Enel tipo de muestreo mas simple, ele una sola etapa, las unidades los elementos de muestiea son lor mismos. Por ejemplo, en nuestto primer sjempla sabre pablaciin, tanto los tementos coma la unidades de muesiven eran rmujeres can edades entre 18-S0-, Esta indica un proceso de muestrea diecto y de una sola etapa. La muesia se seleccionara diectamente de mujeres enie 18:50. Con procedimientos de musstreo mas complejos pueden uthzarse diferenes iveles de unidades ‘de mussire, y entances [ae unidades de muestra y los elementos cifieren en toa, menos en Is ‘uma etapa, Considee el segundo ejemplo anterior. Los elementos de interés son las ingenieros ‘quimicos. Sin embargo, Hegamns estos ingonienos en farma indierta, a tauss cle in pence ce dos etapas. Primero seleccionamos una musta de serpresas que compran mis de US$300,000 en ‘qumicos al af, Luego, dentio de estas empresas seleccionades,escosemos una muestra de inge leros quimicos. se es un proceso de muesieo de das elapas, Natese que solo en a etapa fina, os elementos las unidades de muesteo son ilenticos. De igual forma, ef erce ejemplo mencionade nteriormente es tambin un procesa de dos eiapas, donde ls abmacenes constuyen ts primera etapa y snvesto productos la segunda, Un proceso de muesre0 puede tener tantas etapas como et investgador dese. Tada lo que tiene ‘que hacer es expeciicar I unidad de mussreo en cada etapa. Por ejemplo, una muestra de cuatra tapas po se: Elapa 1 Ciudacles con una poblacién superior a 500,000 habiantes Elapa 2 Manzanas de ciadades Etapa 3 Famine Etapa 4 Hombres de 50 afios y mis Por supuesto, los elementos de interés en este esha seinn shombes de 5D aos y mis. Con frecuencia, Ios téeminos sonidades primariss dle mucsteo, voniaes secundavios de mucsieo: sunidades teriarias cle mesteds y sundaes finales de muestens se uliizam para esighar fas tapas suceshne del proces Marco muestral Es una lista de todas las unidades cle mwestren disponibles paca su seleccin en tuna apa del proceso tle mveseea, En [a elapa final, Ip muestra real se saca de wna lista coma fst, Una de los fensamnientos mis creaivos en un prayerto de investigacin de mercado puede relacionarse con in especificacion de un marco muestra. Ln marco pede ser ans sta de lar nos, una lisa le votantes inserts, un directona telefdnice, una fata de empleados o ineldno unmapa. En el casa de un mapa se estaran mussteando partes geogrticas, por ejemplo, una man- ana de una ciudad, Latsa del iatco puede imprints o almacenarse en un archive compulactonal ten cinta oen isco, Una vez especifieada la pablaci, despues se busea un buen marco muestra Con frecuencia, a dsporihidad de un marco muestral define la poblacién, cuando no existe un ajuste periecta enite poblacion y marco. Cada elapa de un proceso de muestreo requiere su propio marca muestra Por lant, el proceso mesa de uate etapas, anteriormente especifca Ha, necesitara cuatro marcos muestrales como sigue: 1} unalista de las ciudades con una poblacion superior 2 500,000 habitantes, 2} una lista elas manzanas de las ciudades seleccionadas, 3) una lst de hogates de las manzans seloceionadas dela ud y 4} una lta de hombres de 30 anos ‘yids centr de as fama seleceinnadas, Un procedhmiento de seleccin de muestre direc de tins etapa eequeria solo un marca muestal, el eval incuina todos Ios elementos ele In poblaciin Es necessro mencionar queen an investizacion de mercados es posible que no exista 0 sea muy “il de obtener un marca mesa ecto y acta. Por ejemplo, las sta de ceros grupos de ‘consumidores objetivo o empresas abjeivo para invetigadin de metcados san files, Considera, ‘cama lusracin leche os us no esi una fsa de pesonge que san alerias 0 de empresas de provdoccén inevadoras. De esta forma, elinvestigadoe de marketing debe tatr de crear un enfoque de Testo para enconrar esos tos de grupos objetivo, En el capitulo 15 se anaizan algunos de los feniogues de mest que ls nestizadenes le marketing podkian ulizr para abordar este pram Poblacidn del estudio La poblaciin lel estado el conjanto de elementos del cual se saca la muestra. Antetionmente se defini poblacion como el conjunto de los elementos defines anes de “Selecionar la musta nfortunasamnente siren elculodes pecicas que hacen que la mest real {tome de una potiacion un tanto siren ee la ne se dein 9 por. Lo que socede es re los ‘lemenios del poblacion se oniten de marco mists, Por ejemplo, una Isla los mimes de un ‘Gb puede estar incomplts algunas personas Henen msimeros teefdnicos na registrados, es posible ‘ae um mapa no ineluya una calle nae, Entonces la pobiocin dl estat se converte en el conjunto de elementos del cual se selecciona realmente lates, Es can respect 3 esta pablacin del estudko que podemos hacer infeencias Soropladas, aun cuando nesta interés real sala poblacion ica EI proceso de muestreo: una vision general Proisos dels concepios de muesiteo que se acahan de defn, podemos cleserbicen forma general los jnsos para seleecnar ua mest En In figura 12 se presen esa vision genera aso Defnicla plac, Por supe esta incites elementos bj as nas cle muestreo, ealeance yd a Hemp, Paso 2 denen ef marci restr decual ve selecchomo la mest, Paso $ Decilr solve cl anno de b sages, Acquse determina el mera de elementos 2 incr cen lu muesia, Devi crindo una mnuesrae« demas guano demasiad pequefa es un proble fa dlc xt se eta en el cay 1 Paso 4 Selecinnar un proven espuctica musiante ecole deterinaeé la muestra Exacta ftene, como se frnat a ecisin con especto qi elementos dela pablacin van a incuise en la ‘ues Ese ema se anakzard en este cago y ents cles capitulo siguientes, En realidad, los pasos By con fiecuemia s realizan al min te, Paso 5 Seleccione fskcasete In musta con base nel pracedimientadescrta en el paso 4.404 Parte PLW DE MLESTREOY RECELECOON DE OO i | | 1 | - | ' | PROCEDIMIENTOS DEL MUESTREO Eaisien muchos procedimienos diferentes mediante los cuales los investigadores pueden seleccionar ss muesiras, pero al principio debe establecerse un concepto fundamental, la cierencis entre 1) una ‘muesta probabilities y 2) tna muestia no peobabiltia En of muesirco probabilitico cada elemento de la poblacin tiene una posiblidad conocida de ser seleecionado para la muss. El muesteo se hace mediante regs de decisién matemticas que no Permitenescrecin al iavestigadoro al enrevistador de campo. Notese que dijimos una posta onacidasy no una posi igual: de ser seleccionado. El muestreo probabisico deinuales pose bibdads es sdlo un easo muy especial del muesteo probabilstico,lamado muestree aeatri simple Lo que el muesteo probatistico peste hacer es calculr el grado probable hasta cual el valor de | la muesia puede eer del valor del poblacdn de interés. sa diferencia recibe el nombre de eror | ‘muestal.En el capitulo 14 se analzars en dele ol eror mustaCapit 1: cos emcee CEL EETRES 405 En ef muesveo no probabistico, la seleceidn de un elemento de lt poblacion que 9a 3 formar parte de la muestra se basa hasta cet» puto ef catero del invesigador 0 entrevista de ‘Cainpo. No existe uns posal conoesda ee que se seleccione cualquier elemento particular de a pablacén, Por tanto, no poems calelar el emor mesial que ha acurtio. Na conacemos s los tstimativos de la mgesracalculados » partie de una muestia no peababilitica son exactos © no. Estamos en el terreno del deseo y de la ploava Exiten dilerentes procedimientas de muestren que eacn en la categaria de métodos no prohabalisticns yuna canta que san mtodos pcobabilistios. En la igura 15-3 e enurneran esos proceclnientos. Emel resto de este capitulo se analizarin ls Wes tpos de muestra no probabilstias por conveniencia, por juiios ¥ por prorratea. Enel capitulo 4 se presenta un analss del tipo nis tlmental de muestra probabiistico, el muesveo aleatono simple, y la determinacion del tamaio fde In muestra. En el captule 15 se analizan los procedimiontos mis complejas de mucstreo probabiltico, mvesteo esraticado y por conglamerades. Procadimlentos de muesireo na probabilistico -Muestreo por conveniencia Se selccionan, como su nombre lo neca. con base en la conveniencln delinvestisader. nr los ejemplos 4 incuyen: Ij pedir als personas que colaboren sountariamente para prohar los productos Tug utlzar estas mismas personas, 2} sblictar a aphion de personas fave transitan en un centra comercial 3) usar estudiantes 0 grupos relipiosos para realizar un exper senta,4) hacer que una extacion de television reali ventevsias con personas de a calle, etc. En iia ose, fa sniad do muesinn o of lamanta se sutogalacciona ee selercnnadn desi a tact dsponibiidal En tdos ls casas no es claro fle que poblaciga se saca la muesta veal El entrevis tador de elev hin puede afar que su moestarepresenta als counidad Sin dda est en un ero [Ls mayor parte de fos miembros de la comunidad no tuviewon oportunidad de ser selecconados Solamente aquellos que se encantaban en el lygar donde el enireistador estaba reaizando el shore son quienes tuveron la oportunidad de ser selecionados. icuxo la probabil exacta de que estas personae hiyan so seleccionadas se esconoce. En als casos, se desconoce I diferencia cate ol valor de la pablacin de interés vel valor de a musta, en Kéminos de tamafe y dieccién. No podemos mete el eror mestal.y sin dda no es405 Pari 4s Pan DENUESTREOY RECOLECCON DE OES ppodemos hacer afimaciones definitias 0 concluyentes acerca de las resultados de al muesta. Sia embargo lasuestas por conveniencia pueden oscars con mayor facldad en a etapa exploatoria tle Ip investigacidn, coma una hase para wenesarhipstess, para estos conetuventes donde el fevente ess dipuesio 3 sceplar el esgo de ue los resulados del estudho puedan tener arandes inesactitdes. Em la prdctica, cerca del 338% de Ins empresas lia el muesrea sor conveniench, mma se masa en a figura 1, Alqunos de esos utc se describen en la secesdn Investigacion de mereados en acidn Hula sLa empresa uliza ef muesio no probabisicn ‘Muestreo por jucios(o muesiasinencianales| Se seeccionan con base en lo que agin ewperio considera aceeea dey contabuciin que esos unidadeso olementos de moestteo eh particule hard para responder Ia pregunta de awestgacioninmediai. Por empl, en una prueba de marketing se hace un jucio con respecio a qué cludades consituran as mjores para probar el potenchal de venta deus muese producto. fn ls inssligacion de mercado neon Ia dees de enrevsae aun agen te Ccanserarse come un representante dela compara por ly persona que esha ls mesa. Otos ejemplos podrion inch In selec de alguien por parte un nsrctor para que nis una ecu fen clive a elelaracién de tesigos expertos que presentan ss puntos de vista Ia core la selec ‘san de 15 en un tea para someter a prueba una nueva exhibicitin, mp acecca cen eleminalnprodictocanstive una mvesra por jc. Este agente debe [Netamente, se desconacen ol grado In decd del enor bs afemaciones defnithas no son signet. Sn embargo, telco del expert es vil, hres esltard mejor qe al wiz a ‘esta por carweniench, Eola prictica comercial alter del 4% das empresas wlizanelmuestreo or juicos, como semen ena figura 135, Algunos de estos uss se descren enka secon Investisa "on le mercados en accion ila sta emesa uliza el miestree na probabilities -Muestreo por prorrateo Son un tino esnecal de muestasintencionsles En este caso, el nvestigs for emprende pasos expliitos para obtener una muestra que sea sniara la poblackin en algunas caracterstieas de scontrls anteriomente especticadas. Por ejemplo, un entrevstador puede estar Capncitade para llevar cabo ls mia dls enevstas con personae ce 30 aos @ mas, a mitad ‘con personas menares de 3D aftos. En este cava, la caractersica se cantol as Ia edad de los fencuestatos, Por supuesto,espectiar esta armacién particular de contra implica que el investiga dor sepa que l pablacin de interés esta cia en forma equivalent entre personas de 30 anos 0 Eh temic OO mete seene QeCapitulo 1: cosPRNPOSOELMuEsTRED 407 nis, y personas menores de 20 afos. Obviamente,éste es un ejemplo simple, ya que sélo se ha Uilizada una eatactenstica de conta Para ser mas realisas y ablener prusbas mis represenatvas de una poblacién tendramos ve scantola:vartsearacersticas, Pr tant, para sleccionarapropiadamente una mest por prot toa deems! 1) especicar una ists de caacteristias dle contol reevaniesy 2) concer la dsibucin Ale esias cavacteritias a tte de nuesta poblaton, Veamos dn ejempla, Sapongamos que tencrnos ‘dos caractersticas de contol de nterés, edad y 23, come sigue: 1. Edad dos categoria: menores de 30 aos y mayores de 30 aos 2. Raza: dos categoris: blancasy na blancos Tenesnos entonces cuatro ceca de muesteo de interés, que son: a) menores de 30 aos vblancos So) anos o mis y Blancos) menores de 30 aos yao blancos yd 30 alos o mis yn blancos. Lo que tlebemos saber es la proporcin de ly poblackin en cada una de estas celdas Este es un problema mucho mis complejo que el de simplemente conocer la propercién de Ia peblacién en una sola toractertica de control Nétese fo que sucede com el ndnero de celdas de muesrea a media que se increments el nimera de caracteristcas de contol yas categorasasociadas. upongamos que tenis ‘mas cuatro earacensicas de conto, come lo expresanos 2 continuackn: MvesTi@aciON DE MERCADOS EN ACCION LA EMPRESA UTILIZA EL MUESTREO NO PROBABILISTICO A. Muestas por convnienela + Enum estudio sbveloe predictors de selec de los vonedores, una empsaconsuk tow en vents seeccloné 0 agentes de velas de Damp complet de unt gan empress do Seguros cue haba sce coopera con oles, Los encueiados se seleconaron de sem foros de eaoclcn lvadoe cabo en empress con bse en su deseo de prtipar.‘Ene sobre referencias desabr para marcas de gassosas una importante eng 2 de Ivetigacidn de mereadosslecioné una mucsba de 200 personae de un ranean ‘omer cde Nueva Jersey dart un fs de semana. Los eneuestador eran aquelis personas | ‘ules les ids paricpar y estuviron de acuerdo en hace, | 8. Muestras de juicio + Para su elancamento de ish Spring (ase el capo 1), Colgate Palmolive wi coma ‘cudades de pra a Marion, Indaray Visa, en Calor, de tealar eters probs desu publcidady pomocion lio era que con base ens vatables ms portant eas ‘gades era representatas del pale | + En n estuso de consumidores que se sobrepasaron en aus compra crédito, se selec long una mueta de conumidores que habla escrito o aad sun grupo de sutoayucs en Calor. juco era gue esos consumidore sen fapresenainos de ods los consi dates con similares problemas deer. (C Muestas por promateo + En un estudio sobre Inenciones de compra reaizada por la emoresa de Investigacion 'M/AIRIG, 3 selaccioné una muestra de 800 encucstados guones eran eabezssfereninas | {e los hopes y que manlenfan una Infuencia importante sobre as deceones de compre | peal fami | +n un estudio sobre ows de taetas de crédito, compahas de algiler de vehi y | hospedaje en hotles por parte de passers arcs la empresa de Investigacion de mercadot fsleccond una muasta con base en ls carateriicas de contol da las ila vlads por a, nacionaidad y saxo. Una de las ead deignadae ov cage wan mis oe } 100,000 mits a af, son japaneses y de sexo masculino. fara $e! Sanos eon eonee | 2. Edvecon categoria esl primar eseul seconde ue) scores gs | 4. gece 5 cotgria meos de USS an, | USSSAND USS 498 e|USS7 0 | 1US$9,599,e) USS10,000-S6 14.995, e] US$15,000 0 mas Est da como resultado 43 4 x 5 = 240 celdas de moesteo, Necesitariamosinlrmacidn sobre la proporci de fa poblacion en cada una de estas 240 ces, Tal escrpcé de Ia poblacin partic lar que nos ineresa podria sr extremadamente dill o imposible de encontrar. Dehecho con recuenla nuestra iniencion es medi Ia poblacion con base en estos pos ds earactersicas, Sin embargo, s tenemos a dsposiciéninfrmaciin actualizada sobre la dsibucin dels crac’ ticas de contol, podemos determina el tama de muestra 2 selecionay en cada celda El amtaho cle la muesta de laced es simplemente: “Tamafo total de la muestra x proporcin desenda de Ia cela Por ejemplo nuestra muestra total es 1,200 y la proparciin en la cela 1 es. (ti) elmuimera de personas con dichas caractersticas en nuestra muesira para la ela 1 seri 1200%.05 = 60)capt 12: cos PANOMOSoE MoESINE 400 Lego, ordenariamos a puesto encuestaor que entrevista 60 personas con esas caracteriticas. misimo procedimaento se repeiia para todas his celdas. a seleccén real de elementos expecticos de la muestra se daria al critero de entevisador. Enistn algunos problemas con las muesras por provate. 1. La proporcin de enevestados asignads a cada cela debe ser exactay actalizadla, Can fre ‘curncl, esto es difl o imposible 2. Deen seleccionayse las caractersticas de contral sapropiadas es decir, debeninchitse todas las caracterstcas que se relacionen con las medidas de interes. Por ejempa, si queremos cone Cer las actus de las personas hacia las hombres con cabela largo seria un error no wie a edad como un facor de con, ya que probablemente a edad est relacianala con la acttud hacia! cabello lrgo en fos hombres. En cualquier estudio paricular, podemos omitr una caractristca de control relevante y no poreatamos de esto. En consecuenci, nuestros resulta tdos pueden ser engahasos. 4, Eltercer problema se relaciona con la cificuaes préctcas asociadas ala incosin, cada vez mis, de caracterscas de contol. Como se dijo antes, teminarnos con demasiadas coldas con las que tienen que trabajar los entreisadores; encontar los encuestads deseados na serd una taea fel 44 Una cuartadicuad esé relaconada con la seleccion por parte del entevistador de los encuestados reales a enovstar. A buscar personas que se ajusten ala descripcién daseada, el entiavisador puede dejar de lado personas que parezcan poco amistosas, que vivan en e3sas deteroradas, que vian en edificios de apartamentos, ete. De esta forma se intoduce tin seago desconecidlo en el ceudio. Por tant, une mucsira por prorrateo Ia poblacién Pueden ser exactamente Iguales en las meiciones en las cuales conozcamas las caactert- fas de ambas, pero pueden diferenciatse de manera signiieaina en las mediciones en las ‘cuales slo tenemos el valor de la muesta. Cleriamente son eslas medidas ve muesiea® las ‘que en realidad nas ineresan, Estas son las razones pata tomar la ues. La muestra sum nisracileulos del valor desconocido de le poblacién. 8 sipiésemos el valor dela poblacién, ro habia razon para realizarla muestra, Con fecuencl, la valider de esta muestra se presen ta-en terminos deo igualdad entre caractersticas conocidas dela poblacign yd la musta, Debemos tener cuidado con esto. Berar en otras medidas de muesteo es, nuevamente, de tamaro y dieceién desconacidos. Las muestas por prorreteo son les en ls etapas prliminares de a investigacién y,s se elaboran ‘con mucha cuidado, pueden suminsira espuestas ms definthas. Sin embargo, es probable que este ‘ino de muestro sea menos vido que un muesteo probabilistic, En la practica comercial el muestreo or peorratea se utiien en alededdor del 86% de las empresas, como se muestra en la figura 136, Algunos re estos usos se descrnen en la seccin Investigacion de mircados en accién titled sa empresa utliza el muestreo no probablistcos. Procedimiontos de muestreo probabilistico El muestra probabilsica es relatvamente nuevo en términos de sv apicacgn real en investigacin de mereados. Antes de 1950, la muestra no probabiltics era cas el Unico tipo de muestreo que se utliaba en estucios reales de campo. Los vances logralos dese entonces ena eoriadelmuestteo ¥en ls tenicas de muesireo de campo han permite que el muestreo probabiltica se convieta fen una allernativa real para los investigadores de marketing@ vec (sie tre [Ey ene ‘Bron sta opuseaoa Wat Canon Tae Thanaee mew Matmoas regen OY Enel muesreo probabilstico se conoce la probabidad de que un elemento de fa poblacion sea inclido en la muesta os elementas de a muestra se selecianan por media de rglas mecinicas de ‘decision No se dea ninguna dscreciin al invesigadoro entrevista de campo enla selec de los tlementos dela muestra. No exe ninguna garanifa de que los resultados ebtenas con una muestra probabilstica sean mis exactos que aquellos obienids con una muesta ne probablitca; lo que el [nmer tipo ce muesiea permite medina invesigador esi canidad de enor muestal que probable ‘mente cura en su muestra. Esto permite una medida dela exacitud del estado dela muestra, Con el muestrea no probablisico,no existe esta medicin ce err En los dos capuos siguientes se desorollan mas detaladamente los conceptos del muesveo probabilsico. RINCIPIOS INTERNACIONALES DEL MUESTREO Las decsiones fundamentals que se rlacionan can ef tipo de musstre utlizad en fa investigacion tie mercados ve apican uriversalments, tanto 2 a investigacisn de mercadas nacional com interna: ‘onal. En elect, Jos pincpios det mussran probabistica qua se anaizaran en los dos capitulos siguientes se basan en las mateméticas por tanto, se aplican en fodos los cantextos, Existen algunas eifcultades importantes en Ia implementaciin le procedimientos de muesteo probablitico en paises can insttucones de investgacin de mercados subdesaroliadasy sistemas be felecomunicacionesinferiones, Si Is empresas de marketing no est bien desarolladas, eno ‘es hay menos probabilidad de dipaner dels istas de poblacin aecesars, se ecucie ls experencla para dear muesias y es posble que ol acceso a ls areas urbanas mis pequeras sea limitado, Estas dficultades se clemostraron con clatdad en las elecciones parlamervais rusas de Gicembre tie 1993, coma se observa en la seccn Dindmica dela inestigacion de mercados global | | |Coptule Hs 1osrANCHCS DELAUESTESO Att gj DIMAMICA DE LA INVESTIGACION DE MERCADOS GLOBAL EL EXITO DE ZHIRINOVSKY SORPRENDE A LOS ENCUESTADORES: las leccionseparlamentaar de Rua en debe de 1953, et ulranacionaina Pato Uberal Democrat ‘0 dederech de ViadnieV Zhinvsly,obino aprox: ‘madamente 25% de tot! dea woacon la cal ent ‘abs mis voos que eusluir ove partido, Et fue une [yan srpress ano paa erent ro Bove, Yl Eomo pts los enctestadores goa mo pati habla con- ‘alae pare mantrea & eactora. Se habla ponost- ‘ato gus los democrats leaks recbian mengs de 5 de a volacié, sCimo pudo hacese un presen ‘an ead A connuaclon se presenen sleuna pos les exliacones + tos enevesadores endian a selecconar se mus tras de as prinpaes eas urbanas donde, plo gene ‘al etaben mis clnponne aside ai Ls ees "les volron mucho més or los demécratas Ibe. * Emalgoras pares dl pats se uilizson mucsras por prorrtenAqustos que accedeton = pacar et ‘usa tend 8 se ms partis del gobierno de mao dcicenedonanaas Yeh. Los enestadores no slecionaton 0 n0 en Euwicmeeeancreeprraeae conafon una canta apropada de volntss cue no ‘ny roar sac Tusen pardon de Vln, + Uns pate de a encuesa se realize por teéono. Los voles que tenia ieklono ern personas mses que equeos qu nfo tenn, ya ms probable que ls cos espaol Feiomas de Vesta. As un porcenaedespropoeoradementa ands de partdaios da Yel pared en musta. + Habla una tendenciaimporante de que los votants en Rule no responderan as encues- las en coma del gobierno posesionad, De ess forma apoyo a Yeltn fue exagerado yo apoyo de os Kberses domBcata fe sibestma, RESUMEN 1 1 muestreo es una actividad que se realiza en eas! todos los campos de la fvestigacn de rercados Las venas del muesteo, cn rlacién 9 un censo, incyen ahora de dinero y de tempo, llenciin de nformacién mis vaca a eva la destuccién 9 conaminacién de todos fos ‘laments de a poblacén Un elemento es und sole a cul se busca nformacién in poblacin es un conju de ) ape 288 2.88 = 2 = BBs BisCaptule 4: AUESTACOAEATORO SMILE VTUNO RELA MUESTRA 427 Ga 208 200 Los intervals de canfianza asocscos del 95% son (1) 22642(1)= 226426200 (2) 2264 2153)= 2264 1.06= 215-237 (3) 226+ 2(29)= 2264 58220 - 232 [Hy 2262 2(09)= 2264186224 - 228 (5) 2262 2106)» 226129225 - 22.7 ‘Como n ha aumentado de 5 2 2,000, la ampltud delntervalo de confianzaha dsmiido de 52.2 2, lo cul, mesa el mayor grado de confianza que podemas tener en nuesta etimacién a medida (que se incrementa el tamano de a muestra. E deer, para n = 2,000, debemos esperar que la media verdadera caiga en un intervalo de 610.2 de ampltud en 95 cle cada 100 muestas En ote ejemplo, la madkia verdadra, 23.7, no exe en el ntervalo de 228 2 227 Esto ha sucedldo porque forzamos todas las medias muesrales para que sean las mismas, sin mporar cual sea ol tama Fo dela muesta, Hiimos esto slo para usar el efecto del tamafio de ln muestra sobre el tamaro del intervale de confianzacalculado. En realidad, a media que aumentaros el tamafo de la muestra valor dela media muesval se aprosima ala media dela poblacion. Un estaitic que se aproxima al parimetro de I poblacisn en su valor, a medida que aumenta el tamafo de la muesta,recibe el hotnre de estinador consistence o consecuente. Obviamente quevemos estimadoves consistentes, de rmaneta que nesta media muestal para a= 2,000 estara mucho mas corea 323.7 que la media den 15 que uilizamos antrtrmente, Esto debe tener un sentido intutivo, Cuanios mas elementos se ineluyan, mis representatva debers ser la muestra rove comporens del culo que lea el wmabo de 5, py consignee ntevalo de contin co esac stink dol db de aides fae nme eye Sama nos posure qe nsw osm deena ura vans po tina decor Sted on petucts ee Se poste Un eioter que umn Guarana ain po ‘Srila enrchndor ants ps csr rao demure, recbeelnonbre Se cn ‘force Some genes estore clea Inferencias acerca de los pardmetros de la poblacién a partir de estadisticos muestrales para variables dicotémicas Toda ta teoriay los procedinientos que apicamos a variables continuas, también se aplican a ‘arlables dicatémicas. La media muestal dela pcoporeion de estudiantes que elgiéinvesigacion dle mercados en nuestra muesrs de 5, er sta es solo una media muestal de una distibucion dde medias de Ia proporciin que resitara de moestteos repetides de tamano 5. Nuevamente se anlica el teorema dal limite central. En este caso, la media de Ia dstibucion muestra de las medias29 Pate ss BANDE NUESTREDY RECLECEN CE OMS cs x,y la desviacién estindar de la distribucién muestal es (=H) 7A. No conocemos estos valores de la pablacin; por tanto, los estimaremos como sigue Mes = p ‘Ahora calulames el intervalo de confianza del 95% para nuestra muestra de 5. La férmula seria En puesto ejemplo, p= 4 n= 5. Elintervala del 95% es Ata fe fe es un intervalo muy amplio, porque el tamafo de la muestra es pequeri y el valor pq oe la variable es grande. Lo que podemos decir es que en 95 de cada 100 muestas, esperariamos que |a media verdadera de I proporcién extuviese contenide en este tipo de interval La media verda- ddera,.27,esté contenida an este interval, 4 2/08 S444 40 = 0-84 ‘De nuevo observemos el efecto sobre el incervalo de confianza de un incemento en e mato de la muestra 22,000, ip 4 muevamente, literalo de confanza del 95% sera = 4220 4 40m) = 38-42 45022 Pesto que volimos 2 resving p para que sea igual a4, resultado que se obtuvo de una muestra de 5, entonces la media verdadera cae fuera de este inervalo tan estrecho, 5ieltamafa de la muestra ‘ese de 2,000, la media muesralestarta mis cerea del valor dela poblacion dec, pes un estins- dor consistente de =. Entonces esperariamos que Ia media verdadera cayese dentro de este tipo de intervalo pequero en 95 de cada 100 muestas [Nétese que para cualquier tamafo dela muesta,el valor de 5, es miximo cuando p= 5. Esto se debe a que pq =.25. Para ringin otro valor dep, pq estan grande Sip =.6,pq™.24;sip = 7,pq~.21; Sip =8, pq =.16'si p= 9, pq~=.08; sip 99, pq ~.0099. sto indica que, cuanto mis indefinidos sean los resultados (evanio mis cerca estép de 5), mayor ser la canidad de ero. Esto se debe a.que Ia varianza de una proporcién depende de la proporcidn real medida, p. Nétese que las forrulas de varanza y desviacinesténdar dependen del valor dep Este es un resultado significa | | |Coptule He esracoaetTORO SURLEY UU DELAMUESTAR 420 tivo para medidas dicotémicas, donde se desconoce Ia varianza verdadera dela poblaci6n. Debi- ddo ala formula de la varianza, la varianza de una proporcién sera méxima cuando p= 5. La implicacia prictica de esta conclusién es que los investigadores de marketing pueden planar el tamano de la muestra para la varianza méxima que puedan encontrar, cuando se desconace la varlanza verdadera. ‘Ahora heros calulado una medida de error muestra parala variable continua ylavaiabledicot6mica, El problema del tamafio de Ia poblacién Fn el als realizado hasta ahora na se ha hecho mencién del tamafo dela poblacién como una parte importante de nvestoscélculos.Técricamente esto no es correcto, pero la maya de las pobla ‘iones relacionadas con marketing son sufcientemente grandes, de manera que el aspecto sobre el tamafio de la pablaci no es importante; adem, este ive adicional de complejdad hubiese hecho lantesor andlsis ms diel de comprender £1 problema del tamafo dela poblacién es simplemente que para las poblaciones finitas debe ‘mos cambiar la férmula que uslizamos para caleular el error estandar de la distribucion muestral de la media. Lo que hacemos es aplicar la coreccién de poblaciénfinita 9 factor de correccién fintow nuestra férmula anterior, de manera que lvalor VINSRITINGT es el factor de correccidn into, Para valores grandes de N relatos a0, el valor de JfN=A}/(N=T) es aproximadamente igual a1. As sélo tenemos que uiizar la fémula bisiea para 8; ¥ 55 05 ¥ 5 valor del factor de correcciin siempre esté entre Oy 1, Es cera, cvando N= 0 Es decir, que cuando hacemos un censo completo no podemos calcular el error estindar. Esto es de esperars. error estindar sélo tiene sentido para muestas, pero no para un censo. El valor del factor de correccisn se aproxima 2 1a medida que N’se hace mis grande con relacin a, Por tanto, vemos que al multiplicar por el factor de correccién siempre disminurd el tamaho del eror estandar (excepto cuando es igual at). De esa forma, si preferimos ignorar el factor de correccidn, sobres- timamos el erarestandar y aumentamos el tamafo del intervalo de confianza, Nos equivacamos al apicar un eiterio consenvader. En ls mayorin de ls aplicaciones en marketing es prudent ignora el factor de comeecién. Como regla empiric, algunos sugeren que se apiqueel factor de carecciOn cuando la muestra inchaye mis del 5% dela poblacia (cuande la raccién muesral supera.05).Aigual que tod las eglasempicas, tun 5% no es una gu defnitva; otras han sugerido un 10% como el ntmero migico.Simplemente lestéconsciente de este especta cuando trate con poblaciones pequerias. En nuestro ejemplo seleccionamos un 10% (/) dela poblacin, Deberiamos haber apicado el factor de correccionUna advertencla acerca de los errores no musstrales El eleulo dela intervals de confianza de un estimador nes dala sensacién de que sabemos exact mente de cuaino es eleror enel que estamos incurienda, Para la ayoria de ls estas deinvesigacion ide mercados esto pee ser muy engafoso. En nuestra medicion del erorsblo consideramos el ert ‘muestra. Un interval de canfanza no tlene en cuena los erores no muestales. Si ocurTen exores no ‘huestrales, ee introduce un sesga en nuestro estimado, de grado y magnitud desconocios Por tant, lcontel de los erores no muesrales es fundamental (Los etores no muestaes se analzaron deta ddamente en el captule 3) Exacttud de las muestras probebilistices as muestas probabilticas pueden ser muy exactas. De hecho, las encuestas de Gallup y Has han pronosticada con éxitae esllado de cada eeecion presdencial en las que se han aplcado proced rintos mustaesprebabilstcos Y ustedes dts, squé pas6 en 1948, no pronosicavon fs escrutinios {que Dewey dorotaria a Truman’ Cieramentes, pero eran muestra por prorateo, ya que el mstreo probabltice era nueve en esa época ‘Analcemos dos eleciones pesidenciales. En 1936, literary Digest eabz6 una volacién por core. Eltamatio de su muesta era ce mis cle 2 millones de personas Pronasticaron una victoria para Landon sobre Roossvelt en cerca de un 15% de hecho, Roosevelt gand sn dficultad, En 1992, uiizando una ‘muesta probobilsticarle menos de 2,000 vor2nts, de entre més de 90 millones de votante, Gallup redo que Ril inom abtends ol 439% de os votos, Obtive un 42.9% Bl marco muestal utlzado or Literary Digest era ms selec que la pablacisa real de vtantes. Las personas pobres que apaya- ban 2 Roosevelt no tuvieron oportunidad de contestr ls encuesta, Los procedinientos ce muesreodescrtos en este capitulo suminstran herramientas que permite a investigadorproporcionar estimatvos exacts dels pardmetos de interés €l rea ce mayor problerna ces aquela en Ta cal surgen los exrores no muestra nel capitulo 15 continvaremos con nuesto andl del muesireo probabilitico. Especiicamente, se analiza dos tipos de procetimienios de mesneo: el muesteo esratiicado y el muesteo por Conglomerados. Estos racedimientos son mas complejos que ef muestreo aleatorio simple, pero ttzan con mayor frecuencia en I prctica, Sin embargo, antes de hablar de estos procedimienta, Primero debemos analiza el tamafo de le muestra, DETERMINACION DEL TAMANO DE LA MUESTRA Una vez comprendidas los concepios dle err muestra y no muestra digmos puesta atencidn a problema de determinacion del tamafa de la muesta, Ambos tpos de ror se relacionan con este problema. En primer lugar, exarsinemos el tamavio de la atuesta en la cova estat. El probleme del tamafo de le muestra en ta teorfa estadistica En el muesten aleatorio simple para un tamafo de muesra conoid, calevlamas el interval de onfianza de nuestro estimation a un determinado nivel de confianza, Pata efectuar esto en una meth tla contings, tenemos fa sgieme informacion, que esume lo que se ha estudiado en este capil:Crptle H uuesraco errono suriey muuiOozeLAMuEernA 421 Un estimativa dela media, Z Una estiacidn de a desviacin extn. Un tama de la mest, Un nivel de confanea, Por medio de os ems 23, caleulamos el error esténdlr, §; Luego, clculamos el intenalo de conianza perinente. La Staci para reahear esto al nivel ee confianza del 93% era Incenalo de confanza = § £2 Va Homo calculado las valores de Xy ,y conacemos n: por tanto, podemos esover esta ecuacin para el intervala de confianzs.O, podkimos calor a precision abtenc uilzanda parte dela ecu ‘ion anterios, como sigue: Precisién = 22 Se Va ‘Ahora supongamos que deseamos llegar a un determinado nivel de precisién. SI tenemos un valor pata s, pademos resolver esta ecvacin para el tamafo de muestra requerdo liustemos esta conclusén. Supangames que para un svel de confanza del 99.7% queremos abte rer una estimacin de la edad media de un segmento abjetivo para una neva revista, que est dentro de 1.5 ares de edad metla verdadera. Adem, asumiemas que tenemos una estimacion de += 6.0, Para obtaner ol mae de mucsiaroqucido se despeje nen le silent ecuacion nas Un tamaio de muestra de 144 nos asegura una precisén de # 1.5 aos, 815 = 60 | |482 Parte 4s PAN DEMIESTREO RECOLECCNDE OHO En este ejemplo expresamas la precisién en unidades (afos). Cuando utlizamos unidades, hi- blamos de precision absoluta. También padriamos haber expresado la precisin como un porcentaje del valor de la media calculada. En este caso, la precision en unidades varia dependiendo del tamafo de la media La pris expresada en porcentajes se denomina precisin olathe. Hagamos un ejemplo para clear el tamana de la muestra, azegurando una determinada precision relativa, Supongamos que X=25,s= 60, la precision requerda es de 10% (0.1]y se desea un nivel de confianza del 95%. {a ecuacién comsspendiente es sh = 2255 donde bes el porentaje de precsién expresado como decimal. En nuesto ejemplo, la ecuacién se converte en 2.05) = 2282 2 2 Vo 2sVa= 12 2 vi-x Vina 48 naa Eltamafo de muestra requerido es de 23 51X = 25 y s= 60. ‘Aqut necesitamos mencionar un aspecto de a teoraestadtica. Sabemos que, debido al eorema, ‘del limite central un tamaho de muestra de 23 seria apropiado sila distibucion original de la cual se seleecioné la muesva tuviese una distbucién normal Para cualquier ovo tipo de distri la dist bucidn muestral dela media seré normal si el tamafo de la muestra es de 30 0 mis. As en este ‘ejemplo, debemos saber que la dstibucisn orignal es normal para que sea saisfacoria con un tama fro de muesta de 73, (Recuerde su cuso de estadisica o vea el apéndice de este capitulo para un andisis del teorema delimit cena). Podifamos volver 3 ordanar la ecuacién de precision relatva dela siguiente manera (podemosigno- rar los signos & ya que ésos se eliminan en el cileulopile He HUESTAEOALEATORO SNPLEY TAMARO ELA MLESTEA 453 Reordenando a ecuacign de esta manera, se demuestra que en realidad no necestamos conocer Ys Sno Gnicamente la proporcc dela desvacin estandar con respect ala mela, s/X. Eta propor {in rece el nombre de coefciente de variacién. (Ot términa relacionado com la precisién que se utiza en la prcticay que es pertinente para ‘uestroandlis dl tamanio de la muestra ese eror relative adie Siprecsén) Er raivo adnisble = Sec to define el tamaro del ero acepable par el gerente con relacin al tamafo de la media. Por ejom- plo, en el tina caso la peecsion se define coma # 10% de la media de 25, es decir, +.1[25]= 425.10 {de una precisi total de 5, Es més probable que los gerenes expresen el error que aceptaran como un porcentaje dela media, que fo hagan en terminos relacionados con fa mitad de la precision. Por elem plo, en este caso tn gerente pod decir aAceptaré un error de 2.5 aos sila edad promedi es de 25s, De esta forma, el ror relative admin es 25/25 = 1. No es necesaro realizar estecilulo cada vez que desee aproximar el tamafo Sptimo dela muestra, La mayoda de las empresas de iestgacién de mercados han desarlladosolucionesgrifics para la ecuacin pertinent. Ee safico se denomina nomégrao. Ela figura 14-4 se presenta el nomografo Sesarrllado por Audits and Surveys, Inc, a fin de determina el tamaro de ls muestra destinada a problemas relacionados con la estimacin de la media para poblacionesininas (grandes) El enfoque {de Aust and Surveys utiliza el coefciente de variacén y el error eelatvo admisible para determina el tamafo de la muesira. Ene leu del tamatio de la muesta sO realizamos Cootciente de varacién = $= £ = 24 i Erorrdawe anise = SEH 8.105) 25 |, x 25 2 Ahora coloquesuregla sobre os valores R=.1 yC=.24en la igura 144. Nese que lanes formada por estos dos puntos inierseca la lnea del tamano de ia muestra para el nivel de confianza del 95%, a Sproximadamente n= 23. Los nomégafos pueden desaralae pata cualquier nivel de confianza deinle- 1s para el investiga. Dificutades con ef eélculo del tamafio Sptimo de ta muestra Elsiico problema con los ciculos del tamafio de la muestra requetida es que necestamos un valor de S para tener precsén absolua y un valoe para s/R para tener precision relatva Si tenemos estos valores, con toda probablidad ya sabremos lo que nos interesa acerca de una seterminada variable. Ademds, para precisién absolut, el tamafo de la muestra requerida varia 1) inversamente con el tama de la precision deseada, 2) dectamente cons’ 3) directamente con el tamafo del nivel de canfianza deseado. En la mayoria de los estudios queremas medir muchas variables, Los tamanios dela muesivarequerida dferiran en la medida que éstos dscrepen en térmi ros de la precision deseada, 5, o el nvel de confanza. No existe un tamafo de muestra que sea tstadticamente pimo para cualquier esti. La nia forma de asegurat la precision deseada seria al Seleccionar la muestra mas grande, De esta forma, la variable que requira el tamafio de muestra mis grande lograria su precision especiicad,y todas la ottas lendrian una precisién ms estecha que la especificada.44 Pate ru oe westneo¥ necoLECERNON OMSin embargo, no todo est perdido en ta busqueda de un tama éptimo de la muestra. Si el Imestigador tiene experiencia can ef problema inmecato, entances es probable que esimativos ‘muy exsetos de + esten dkponibles en sl mamenta en el cual se este planeandl el tamana de Ia ‘muesira, Por ejemplo, los proveedares de datos de auditor de almacenes tienen un gran conact Iiento en esta rea gracias a su experiencia, Adicionalmente, la eseala com la cual se mide avaiable de imerés establece mites sobre el amano de s.Por ejemplo, es probable que una escala de clas fieacin de actitudes ce 7 puntos, generaimente tend un s en el ango 23, yes imposible que éste sea tan grande coma 7. En contrase, una excala de clasifcacion de 10D puntos facllmente puede tener un $ de 20-30. Por tant, sel investigador experimeniado entiende los efectos que tends sobre sla escala de medicion que est utlizando, enconces se puede hacer una muy buena esinas én del lamao dptimo de la muestra ‘Tamafo éptimo de la muestra para una proporcién Para estar Seguros que elector entiende cémo calcula el tamafo de la muestra requerido ys lint ‘ones de este tipo de ealeulo, a continuscisn calelamos a para una variable dleot6mica El intervale dle convianza para una variable dcotémica a un nivel de conanza del 95% es ps2 De esta forma, Precsn absolua = 2:2 Supongamos que tenemos un esimado de p=.3 y que deseamos *.04 para la precision absota al nivel de confanza del 85%. Entonces fac ‘es a econ requeriea, Al espearn,obtenemos oe Al vidi entre 2, ebtenemos498 Pate. DE MLEETREOY ACCOECCION DE OOS vier 46 va- Van3 n= 529 EE tamafo de muestra requerido es 529, También es posible uilzar on nomdgrafo con los problemas de tamaho de la muestra relacionados con las proporiones. En la iga 1.5 se presenta et namégrafo de Audits and Surveys, In. para este propésito cuando se rata de una poblacdn infil, para eel de conianza del 95%, Para utizar este hamérafa, neceskamos concer proporcén py e etror admisble expresadas como un porcenaje. neste cas, el error edmisible es smplemente la tad de la preci sin referencia ala media. En nuestto ejemplo anterior p=.3 6 30% ye or adesile =.04 6 4%, Ahora coloque su res en los valores p= 30 el error admisble = 4. Nese quel linea formada por estos des puntos interseca Ja nea del tamaho dela muestra en aproximadamente a= 523, Poa calcula la precisén relative al nivel de confanza del 99.7% la ecuacion es a donde .b es el porcentaje de precisin expresado como decimal. Sila precision requera es + 53% (105) a ecuacin se comierte en bp Alive entre 3, obtenemosopiate 1: wesTA€oAeATOR SUREY DIAN DELAMUESTON 497 a = | é as ot ¥ 90, t . a pe * = = 2 oes 40 as E moge . - pe © is E : reine sony oy ary anya yr mae np To en £1 tamaro de la muestra requerido es 8,464, lo cual rela e uso dl nivel de confianza del 99.7% yuna especiicacin muy estrecha dela precisa, CObservamos que para poder determinar el tamaiio de muestra requerido para una variable ticotémica, necesitamos saber el valor medio de p.Infortunadamente, pes quizé el primer valor ‘que estamos tratando de determina. Por tanto, esté alerta con aquellss personas que dicen haber Seterminado el tama de la muestra estadistcamente Sptimo para un estudio, puesto que tal armacion no tere sentido, 2 menos que sean personas con experiencia en el problema que se fesiéinvestigando y conozcan el efecto de las escalas de medicion que estén utlizanda, Esto no498 Pate ss pas oe wwesTigoY ReccLECCONE DITO quiere decir que ol elcula de tama de fa muestra tequerida no tenge ning valor. Esto puede proporcionar una sola general nara el ivestigador en cuanto al tamara ce le muestra requerido bajo eiecentes tipas de tesuiadas. £5 deci, se suponen diferentes valores para X, 5 Pel. ¥ ‘vemos que lamafios de muesta se eequieren, Este ser uno de los factores que afectan la determinacién del tamafio de a muestra para el sestuia, Otrosfactores que se deen tener en cvenia em la decision seria los abjtivas del estudio, 1 cost involucrado, ls requisites de tiempo, el tipo de ands de dates planeado y la existencia de ferores no muestaes, Los cleus del tomato de muesia que seealizaronaqut eran Uricamente para muestasaleatrias simples. En los proceeimientos de muesireo mis corpleos. que se anaizan en ef capitulo 15, los férmulae son un poco mis complica. Sin embargo, el prinlpia es exactamente el mismo: es decit, tdebemos expecihcar el nvel de confinnea la precision, y luego utzames la Yarmula correspondiente del erorestandar para encontrar el tamaro de la muesta ‘Tomafo de la muestra y error no musstral Nadie debe aceprara ciegas el tamafa de muestra generedo por una formula estadstica, Una razon para no hacerlo es ly exstencia de ertres no muestales,lgunos errores no muesvales serin mas frandes a'medida que aumenta el tamana de la muesta, por ejemplo, ertores de no respuesta, frores del enivevstadoy, ectores en el procesamienta ce datos y erraes en el ands de datos. Por Tanto, una dsminucién en el eeror muestal se presenta @ expensas de un aumento en el error no mesa, Un estudio reslzad en forma cuidadons con = 200 puede tener ut eior total ds Pequcho aye un estudio de r= 2,000. El prema es que a muchos investigadores,gorentes y personas de los mecios se comunicacign ls gusta tefenise ala precision estadstica de los estimat- ‘yor. Rara vez mencionan atros posibles errores, Observe mis alla de as formulas estasticas para encontrar los detalles sobre emo se iza el esti. £ pablico en genera tambign parece creer que Ins muasstras grandes son necesiiamente mejores que ls mss pequetas lo ual es incorrecto, pero Ibempresa que realizala investigacin ue esta expuesta al dominio pulico, debe estar a tanto de fa percepeion. Simplemente parece que tiene mis ereiblidad deci: xBasado en un estudio de 1,000 individuoss que decir -Basado en un estudio de 250 personas Los investigadares eben responder a esa percepcisn para uso exter, pero nunca deen dejarse engafiar por el mismo razonamienta para infmes de uso interao. Mas grande, na necesariamente significa mejor. Ade ‘is, una muestra muy pequeds puede generar una precision estadsica a un nivel aceptable para as necesidades de quienes toman as decsiones de marketing Tamafo de la muestra y otros factores, Ln estudio de investigacin de mercados es sempre un compromisa ene In elegancia Kéenieay las limitaciones prictias que enftentan los investigaoresy geentes, Estas imtacionesafecian las dec ‘Sones seine el tamane dela muesta,v algunas de estas se anlizan 2 continuacién, ‘Objetivas det estudiaEluso que la gerencia pretende hacer de a informacién suminisrada por un ‘stucin alecta el amano dela muestra, Una decison que no necesia entradas de informacion precisa puede arteal:iselas con un tzmario de muestra muy pequefie. Una empresa puede algrarse de medi ‘liners en su nueva praducto dent de yn 15% un 20%. En contase, un encuestadorpoifica puede estar era en menos del 1% y no predeci el resultado de la decision, segun el objeto del ‘stun, Obviamet, este dino require una muestra ms grande que el caso anterior.putes wUESTREO EATOROSUAEY THUNNODELAMUESTEA $98 Limitaciones de tiempo Con trecuencia, fos resultados de laivestigacion se necesitan para ayer. Por supuesto, siempre se acverda un tiempo para presenta los resultados, Este perio puede ser muy’ corto para alguna cos, excepto a se va a utlizar na muesta pequena. Cuanto mas grande sea tlestucio, mayor ser el iempo requerido Limitaciones de costos Obviamente, un linite sobre la cantidad de dinero disponible para un estudio podria estingir l fomafo de la muestra. Altemativamente, [a existencia de una gran Cantidad ce dinero para un estudio na debe ser la Unica motivacin para Un lamafo de muestra frande, La cantidod de dinero ceponible puede sar una retrccin menor sobre el igmao de [a muestra. Nunes debe sera ra2dn para aumentar el tamano de la muestra mis alls de lo neces Fio para cumplir can los abjetivas del estudio Aceptabilidad de la audiencia y politica Los resultados de In investigaciin de mereados estin sujetos a juicos por parte de la audiencia ala cual se le comuniean los halazgos. Es posible que la poltica que rodea una decision de marketing no permila que un estusio con un tamano de muestra ppequeto, pera estadisticamente Sptimo, tenga la influencia de un tama de muestra mis grande, Considere el ejemplo de un tamano de muestra de 23 que se calcu como dptima anteriormente. Es probable que este iamano de muestra pequeno sea atacado por los miembros del equipo eecutivo fue se opusieron a las conelusiones del estudio, Cen frecuencia, los resultados dun estudio de Investigacion de mereaclos debe ponerse en consideracion dels gerencia, ya menudo el amano de la muestra es un problema, Pracedimientos de aniisis de datos Los pracedimienios de ans de datos tienen un efecto sabre cf amano de fa muesta para un estudio. El1ipo de ands mis sencilo que puede reaizarse so trata Sobre una sla vase la vee, Ete se ston andi nna (voaseeleaplo 10) La relocin tenive el tamait de la muestra y fs precision de los estimativas sobre una variable es exactamente lo ‘que hemos estado analizando en est capitulo Cuando exarsinamos la relacién le dos variables ala vez, el problema del tamafo de la muesira se ‘lie mis complejo. Eto se denomina anil bsaiado (véase ol captulo 19). Sypongamos que ‘queremos exanvnar a relacin ene el uso y a vena de un product. Supongamos tambien que cada ‘iable ests compuesta de cinco categoria, Por tanto, la abulacién eruzada del uso por ingreso da ‘coma resultado una tabla con 25 celas, Supongamos que tenemos una muesta con 250 personas. Si tests personas estuviesen clstbuidas uniformemente en la tabla de labulacia cruzal, baba s6lo 10 tencuestados por cela. Uns dstlbucién uniform al largo de as celdas no sea probable. Sin embar £9, el punto es que algunos tamafos de celdas sen bastante pequetos la preciin de a estimackon ‘dentio dels celdas abviantenteserd menor que aquellos obtenids en tn andl unvaia. De eta forma, los tipos de ands bivarado planeados ya precsin requerda dentro dels elas, afecta la Seleceldn del tamao de I muestra. Un estudio en el cual slo se hace andlsis unhariado puede recjurit dnicamente 200 encuestados, mientas que un estudio similar uclizando el anlsisbivariado puede requerir mas de 1,000 encvestados. Es probable que queramos examina las relaciones ene msde dos vvables ala vez fsto se denomina nals mutual (ance ls captuos 20 y 21). Las eferentes cnicas mulivariadas requieren iversos ‘amarios de muasta para logar que eivestigador pueda hacer esimats vlios de los pasmetros dea poblocin, Eo genera cuanto ms parSmettos se extn estima, mayor ser el aaa de a muestra, Mis Se de exa aernacén es diel hacer generazacones simples, Algunastéericas multwarndas pueden ‘tiarse on forma leytima can tamaos de muesta pequerios Estas ince ands factorial, ans ke onglomerados esas mulidimersionales v modelos pequenios de regresisn y de ands de varianza. En toto extemo se dsearon algunas ténicas para muesvas muy grandes. & modelo Dal detector autom tio de intraccién) es un ejemplo de este caso. Enos capulos 20 721 se analzandetaladamente estosHo Pate cru neMuEsTacOY AECCECCION DE OCS modelos de ands y sus equerimintos de tamato dela muesta. En resumen, elinwesigador debe pensar ‘mis als del plan de ara de datos al determinate tamara dela muestra, ‘Ahora, debe ser claro quela selecién de un tamao dela muestra es algo espectico dela situack, Esto depende de los requerimiento dela precsién estadsia, preacupacsén por el eror no muestra ‘objetvos del estudio, tiempo disponible, costo! plan de ands de dafos, No hay una respuesta correcta nie paral deesion sobre el tamafa de una muestia pare un stud 10. n 2, 14 Un pardmetso es una descripcén resumida de una medicidn en la poblcién defiida. Un ‘sadtica es una descripcon resumida de una medion en la muestra seleccionad, La proporcién del tamafo de a muesta,n, con respects al tama de a pblacin,N,reibe cl nambre de racién muestra. £ posible calcula a media la dessacin esindar para una poblacin y para una muestra sleatoria simple. sto puede caculase tanto pata varables contnuas como para as Soc. [a anianza es simplemente SC Cualouier muestra aleatoa simple que se extrac sso una de las CIN n) mucsras ue pueden En el muesteo aleatorio simple, cad elemento le una posbidad igual dese selecione do, y cada combinaciin de elemenos dela muesra ene una iqual oportunidad de set beleclonad, Et teoxema del tite cea ice que a media dela muestra que seleccionamos viene de ura ‘dsibucen de as mots muestales que fornan una cua nema 81 230, sh importa cl Seal forma dels dirbucén de y varble impo, Adem, Ta dst d avaible ee ‘orm entances ia dstbucion muesial dele med sempre sera norma sin mportar cal see clamato dela musta, LUuizande nuesto coneciminto del ire ba una css normal, podemos calcul ls inte ‘alos de confanzs akededor de nuestra media muestra. xpecticanent linterolo del 95% ser ¥£25,yelineralo del 99.7% serb C3, donde 8, = ln {a precsén es el tamaro absolto del intenalo de confana pata ls media por ejemplo rive de confianza del 95% la recs absoluta= 225). Un estadsico muestra cw valor espera es ial al parmetra de la poblacién rece nombre de estadstica no sesgat. Ui estadsico mesial que lene la vianza minima ese esimatlr mis eit, Intenalo de confanea proporcionan medicin dela exact de un estado. “Tenga culdado de los enor no meses Las muestasprobablsticas pueden sominstar estimativos muy exacts 8s erp en forma spropada Eumato de la muestra no debe determinare mediante el uso de drmulss estaba nie La sleccién del tamafo de a muesta se hice incknendoinlercambios entre exor muestra ‘2701 no muesval, abjevos det esti, itacones de tempo, lmfaciones de costs planes ‘e ans de ctoCopia 14 musa AENOROSMFLEY HANOOELAMUESTAR 481 PREGUNTAS DE ANALISIS 2 1, 2 1. 1 15. v. Cus I dilerenca exit ere un parmeto un estadtica! denique Ios sinbols que denon parsmetosy estadscos comunes, tanto en las variables contnuas coma dicate ‘Dens en palarasy en notacén matemstca la mel fe vainea par une pblackin y una ‘resi: mange niament lovable como contin y lego ome dati, {Por qué tore delle central x anda para medio error muestlt {Que es un nero de confianzat {Que afect el amsto de un intersted confonss? {ules son las propledades desea de os eximadorest #Mlasta qué punto los interalos de contianzaaumentannuesva cere l hace inferences! La mayors de ls excrutinios plticos cosieraon que la elacciénpresidencal de 1980 er ‘demas catechs para predect. Espique ebmo pote saceder et {Cues son ls problemas que probablemente pueden presenta al impleentar un estudio de amo ullzando el meso altri simple? or qu algunos invetigedorescalcusn los nerlos de confiansa apart de datos generados en ‘nuestas ne prebabisicast Possto que las musts no probebilitiss no goneran una melds dl eror muestal por qué ‘sos procediientos se utlzan lan etensamente ela prices comercial yscsdemicah {Qué es precién absolut, qué es preci relatrat {Que informacén necesita para poder aur un trai de musta stdimente dine pr} ina variable conta) una sonable Scott {Que facies deben considerate al determinate tamafa de ls muesra para un estudio? [doctor de afacién de un club estan nacional qua reabzarun estudio de attudesdelos 22500 miembros actunimente atv del cla y los 123009 ex surance 2 1Qué marco 0 marcos muestales pobsblemeneeslarian diponibles para este ropa? Brique cémo selecionare una muesaalatra sled miembros clas Vex alrines € Lamayoria de sprout evsban en una escala de asics de? puntos. Pra un tmaio ‘de muesite de 200 miembros actuaes, cal es el niervalo de canfanza del 95% para on ‘esta de exala de clsifieacon donde orespuesta media es 24 a desvaconestdodae et at 4. Una pregunta se elena proporein de miembros ex alums que sssten is runiones de Jn orpanizacion local Histacamente, esta proporcion ha sido arededor oe 20% El rector afilcn conclyd que un eo: de 35% ea ateptble para realar esa eximactn. Cusl es ‘amano de a muesta que generar este pa de esimacin vel de conanas ds 95% unicaso. Eingtuto del café queria estar ef nimero de asd efé que cans laos esidontes de Calla. coeticente de vanaclin en ios estos revi de ete po haba sida de 31 Us erenia deveaba una precision de = 3% dela mada, y coabs dapuesia lke el rivel de onianas el 958, 2 Cal sun tamao de musta apeoiodo? by Sta gerenciacambaraa precision requeida a # 2% de nmetéa ys se consderase que un Inejorestnatva del coeiiene de vanciOn sera, fui seria cl mao. de muestra apropiado?442 Parle ss aN DeMMESTAEOY AECECCOUDE BOS APENDICE Conceptos estadisticos ara investigacién de mercados PARTE A. CALCULO DE Los PARAMETAOS BELA COSLAGION PARA LA TABLA 44-1 Caleulo de os pardmetros de la poblacién para variables continuas Como una manera de aclrar la natualeza de fos tstaditicos muestales, caleuoremos los pari. tror lomaddos de un ceneo. La tabla 141 presenta tun eenso de a edad la eleecim del curso de i= ‘testigecién de mercados como una opeion por parte de los estudiantes en un cuso de introduc (gn al natkeng {a media dea colurna 2, edad es una variable continua, Callers una medion de a tedencia fenval y una meciién de dspersén para la edad Tennis central La media 0 promedio = yo espectvamente Para una pablacén lamadia es simplemente sume ‘eos valores dio ente el nimero en ia poba én. De esta form, - 37 Por tan Ia ede prometia de a 8se 0523.7. La arisnea de una medida de a pblaci esa summa de las desiaciones al euatrado con respeclo. fs medida didi ene el nimero de la pobl ‘in Por tanto La colurnna 4 de fatal 14 enumers as des viaciones can respecto ala media y la columna 5 ‘enumer los cuacrados de entas desiaciones. Et a dewiacin estindar os I nie eundroda de a savin, come save = Vis Glculo de los pardmetros de ta poblacién para varlables dleotsmicas 1a columna 3 dela abla 14-1 presenta los valores asoclados ala variable dicotomica la elecion de Investigacion de metcados como una opeitn. Es lcotdmica porque slo permite las respuesta si Yano» Sir se coli con Ty sno se codifies con 0 (eer Dela sma forma que calelamos la meds savianzay la desincén estindar de a edad, vo. fos ahora a Ia eleceién de Investigacion de recat. Bh y= n= 66 La proporsin dl a pablacién que elie vest ‘no mereadas es 2. La varanaa, a gual queCepiute ieuesraco enone suey UO eE MUESTRA 469 OM so-so - 3a ‘Observamos que (1 ~ 34) ocute cadaver que y= 1 Po tanto acute 34 de las veces, Tabi notarns que 0 ~ 34} ocure cada vez que X=, ‘sea 66 de las veces. De eta forma w= (1 BBM + 0 247660) 165P134) + (~ 3466) = amd Ensonces on VTE ars Fula general pra o* 6s PARTE 8. LA OISTRIBUCION MUESTRAL DE LA MEDIA INFERENCIA ESTADISTICA La tworla bésies En el texto ¢e cleus fa edd media de una mues tra que se seleciond aleatoramente de nuestra poblacign de estudiantes Pare saber qué tan buen testimativo del parémetro dela poblacén es rea mente este estanico muestra debemos entender Ia teora de ta nferencia estates, Primero suponemos que existe una segunda pe biacién de alurmnos que est compuesa de cinco tlementos. En este cas los alumnos se identify fan con las leas A, 8, C, Oy .Suponganios que ‘leseamos seleccionar de esta poblacion una sola musta aleaoria de amano n= 2. Buse un Ae mero de combinaciones de elementos que pedran format Ia muestra; deck, existe un nimero de pasibles muesirs, as cuales son: a8 a aD ne 8c 8D BE co ce be Hay 10 posibles combinaciones de dos elemen- tosen una poblacion de cinco, Matemsticamente, ste es 0 edlculo el numero de todas las pose bles combinaciones sin reemplazo. La formula seneral para eso es a (S) = cown * HN Ennai ejempla, = 59/9 = 2 portato Carla una de a5 10 posibles musstas podta ge ‘etarunexinatvo de la media de a poblacin, Ahora dinjamos nuesamente nvesa aencién a 1a pablacén de 30 alums en a tabla 1-1 Antes selecrionamos una moesia de cinco de ests pb: on. Ht ndmero de posbles mucsvas de tamano 5 tomados de esta poblci es Hai Saat 54,251,200 120 118,760 posibles muesras 805) =|e pute ss run oenestneo necoLecoeo€omTO8 Por tanto seleccionamos una dels 2,118,760 po sibles muestas de tamafo n= 5. Simpemente oasideramos el nimero de posibles mustras de tna poblacin real de interés. Por ejemplo i hay avsllanes da votantes en una elecion preside aly seleccionamnes una muestra de 1,000, esta ruestia es Sdlo una de C10 millones, 1,000} po sloles muesrae. C70 mitones 10901» eer, El aspecto importante es que en cualquier po- bilacién hay muchas posibles muestas. También ddebemos entender que una inferencia estadistica clisica se basa en lo que sucede cuando seleccio- ‘amos repetidamente diferentes muesras de una pobiacion Anteriotmenteseleccionamos una muestra de n = 5 de nuestra poblacién, y esta muesta generd {ona edad mea de 22.6, Ahora supongamos que Selecconamos ots mucsira den = 5yealevlemos ia mec En esta muestra, a media pois ser 234 as. Si volves a repeti el proceso, es posible ‘que obtengamos una tercera media mucstal de 24.2 afies. én apariencia, nos hemes confundido fenelsenido de que ahora tenemos ves estimaivos Gel pardmetr dela poblacin. sin embargo, en la teorla estadstica no paraviamos en tes muestas; pdtiamos tomar muestes una y ota vez y, a petir este proceso, notaiamar que #8 repiten Elgunos valores medion. Especicamente, obser Fiamos que las medias muesuales que estin mis ‘eres en valor a [a media ea pablacén, ender !vepelse con mayor Frecuencia que aquals que estén més lejos de la media de la poblacién, Intuititamente esto tiene sentido, Podrlamos diagramer esos valores de las medias y pareceris. ‘se formas a conoeida cura en forma de camps nao curva normal Esta dstrbucion de las medias ‘musstales ce el nombre de dstibucion muesta) de la media 0 simplemente disvibucén muestra {i distnbuclén muestra es importante por dos a Zones: 1)las medias mocstrales en esa distrucion fe reparten alrededor dela media deta poblcion en una forma conocisa; 2) al ular esta stribur dn, podemos determinar qué tan cerca se lstbyen los estadsticos muest ales alrededor del parimetro de a poblacisn. Para poder dervar esto beneicios dela itd ‘9 mesial, debemos formaliza a naturaleza de Ia estrbucien muestal de a medi. Para poder ha- elo, ns diigimas al eorema da te canal de Te estadstes, que establece que: 1. Si una distrucién de la poblacén para una medida normal istrbucion muestal de ‘a media seré normal pars todos los tamaros dela musta ‘Siuna pablscin ee no noma para una medi ds, Is sribucion muestral den media se aproxima ala normal a medida que aumenta liamafo de fa muesr, Lamecla delaclsrnucdn muestal dela media ‘6 lames de la poblaisa. Eh el ipo de stu ‘dn en que el valor experado de un estima {i med e a dsbuelon mesa ara el es tadstio} es el paimeta © valor dla pobla én, e dice que el estadsico eso sengado 4. La desviaci6n estindar de la distibucion ‘usta de la media ela desvacign esténcr ela poblacgn dls entre Isai evadada {el tama de a musta, De ests forma, Con teoueniseste valor eibe el nombre de ever stndsr de a med Enlapricicano conacemosy no, deal manera ‘que as estamos con Jy 5, respectvamente, ca ‘ula a partie de a muestra ue x slecconamos or tanto, Ena figura tse suse teorema del inte con sal Se presenian cuato disvibuciones diferentes ‘be pablasén para Una variable, Slo eh la tus ‘lin que se muestra ala derecha, esta dsrbucion {6 normal. Sin embargo, netamos que para cada poblacion la dstibucén moastal de la media es ‘irualmeine normal cuando n= 5 lest es verda- eramente nodal par la poblaciéa normal) y & Serdaderamente normal cuando a = 30 9 mayor ‘Ast cuand ealelamos la media para una muestra cualquiera de 9 = 30, poems estar Seguros de ‘que esta metia provcne de una cstbuion nor ‘mal con una media y un erorestindar de a | | |pte Mc MUESTRECALEAOROGNPLEY TANASOBELAMMESTIN 448 Hay ou aspect acerca de una curva noel ue Abe Comprendese antes de poder poner en pics ‘ia tor Este mpecta se elacona can Sea com beads bajo ura cua normal La figura 2 musa {ost cua renal com una caida! de ea compere ‘la denvo de dents desviacionesestndr de a medi. Especticamente obseranion que cerca de 1 68% de los casos estarin dent de des ‘acién extn de meds 11 95% delos casos estarin dent de 2 des acines estindae dela meta 1 9.7% eal todos) des casos estardn den- lvoe #3 desuiaciones estindar dela media446 art 4s ran oe WyESTREDY ReCOLECCEN CE OS Ahora tenemos en su lgar todas as partes de a tear, que se necestan pra determanae qué tan Bue: noes un estimaivo de nucsva media muestal2. Spr tee ney hen een ‘Per adn deinencane S PROCEDIMIENTOS MAS COMPLEJOS DE MUESTREO = Alslt IVESTIGAGION DE MERCADOS EN ACCION [ATAT SELECCIONA UNA MUESTRA PARA SOMETER A PRUESA ALTERNATIVAS DE SERVICIOS, Para nucios stems de facin de precios scepuesios para uno de sus Sencon, American Tekphone & Telewaph (ATAT) necesiabs pronancas ls ventas a los consumidores beste producto bj as alenathas propuesas Ademnas, ATET eu probando el paca de die Tents promoconesyenfoquer de tibucln. Para ealza esto se dasaol un custo Sobre itanodn de coma, que pedi alos consumidores que cslicaan la probabiided de Gus elos adqiaan a servo aun determinaco proce. En ext conte, habia ls ncesad de selecconar una muesta que pudeserepesenar als poblaién de muchos millones de Cetes de ATET. Eta muestia tambien requeta que se fepesentase los dfereies pres, promaconesyatamalvas de detabucén que extabanslendo anlzadas ATATselecclond una musa de msde 2600 encvesaos. proceso de alacién iis. ‘bela etatlicaiin de a pobstin en Ye grupos para contrlarlos elects de cual imac. to sabre los prondsicos de ventas bio a segmento de marca, precio del producto, pro ‘moc y dtibuciin sabre la relacién ent intend de compra y camporanenta de om pra: De esa foam, la muestra eselecclond de dos segmenfos que hebanesado expuesios & Uno des dos pracos del producto, una dels dos promocionesy uno delos dos sitomas de SBsrucin (22 <2 x2 16 gras) Denvo de ls 16 grupos Menticaes, se seeccond tia mostra probablaia de ls eta de clentes de ATT en coe etadoe,Con este enfoque, ATT auo realizar pronésicos bastante exacts de as vats reales en todo el mercado del pequele de servicos de preco, promoién y dtibucin, La dave para fe bilo en el prondsico es la slecain de una musta que utes un po de mueseo probabaice que se anaizard en ete capitulo: el muesueo esttfcace, Sere oe eae Alora continuamos nuesita anilisis de procedimentos de muestreo probabilistic. La primera parte de este capitulo trata sobre el mucstreo eseatiicado, y en la restate se desenben das tipos de ruestreo por conglomerados: nuestreo sstemaica y muestreo por teas. Estos Wes procedimientos ‘le muesfeo son més complejos que el muestea aleatario simple, pero tambien se uiizan con ‘mucha mis frecuencia en la prices MUESTREO ESTRATIFICADO Propésito Una propiedad que deseabamos que ivieran nuestros estmadares eral eficencia, es decir, quero mos que tuvieran un error estindar lo mais pequeflo posible. El muestre extratficada puede dar ‘come resultado na dsmnucion en el emtorestandsr det estima. Por tanto el ntervao de consian- 2a que calculamos serfa més pequeto, Método de soleccién [Una muestra estraificads se selecciona de a sigulente manera 1. Se divide la poblacién defini en subgrupos o esvatos mutuamente excluyentes y colect ‘vamente exhaustives. Los estratos son mutuamente excluyentes silos miembros de un esta ono pueden ser miembros de cualquier otro estrato, Por ejemplo, ina pablacién puede dlisiirse en dos estatos can base en el sexo: es deci, habri un estrato masculino y uno fomenino. Una misma persons no puede pertenecer a ambos estatos j, por Ianto, esos ‘estratos son muluamente excluyentes, Los eslratos son colectivamente exhaustivas $i se utiizan todas las eategoras posibies de una variable para defini los estratos. Es dec as ‘categorfs emasculino y femenino: detinen el rea completa de Ia varahle ssexos, Ningona ‘tra categoria es posible y, par tanto, los esiratosdelinides son colectivamente exhaustivos dela variable «sexo 2. Seseleciona una ruesraaletoia simple e independiente en cada esto Un ejemplo {Como puede un procedimianto de dos etapas como éste dsminuir ef eroresindar de un estado! Slo se loa si os estatosdesignados son més homogénees con relacin a Ia variable sobre la cual estamos calculando nuestros estaisicos i los esrtos son fan heterogéneos en esta vara com fen toda la poblacion ao estaificada, nase presentard ninguna isminucion en el erorestandar. |lestemos by propicd de redlicion cel ror estindar del mucsran esata, Nuevamente tutlizames parte ce los dates presents en ta fala {4-1 €l dimer del estaiane y la edad elas ‘mismos apareceo en la abla 15-1. Uiizaremos los datos sabre ead para Hustar [a propiedad de reduecion del ertor esta, Allecrla tabla -+1 quite nots que as edades dos estutantesnemerados de a 20 parecan rmayores que ls edados de los estudanes umerados dl 2 a 50, Si dads esto es wera La parte de informacidn quefaiaba en Italo 11 em que los estates del Ta 20 son graduads y los exudates lene 61.2 ye 50 no son gohan, Espearamos que los etcanles gracuados sean mayors que los no ‘raduadlos,y de bec by son, Nokexc que el guj de estutantes muntrados ents ey el 20 Benen un pes de edad nis homoginen quela poblacin en conjunt, lo misme ecu con al gupo de wuss tes numserado del 15), ethane clo deur rable de exvaticacanraduados versus no wracadosy, hemos identi dos esas qu san miss arogéneos que la pablacn sobre La varohle denen, a fad. Heros presenta a concn cesar para aprechr la etaiicacion, TASLAI61 _CENSO DE EnAO OE Los ESTUOUIITES Nimwose Ean omeroe eee feted OR etutarts 2). Estuaionies 1 25 ‘Estudlantes no a 2 ‘oduados 2 27 raduados 2 9 3 2 2 2 5 25 2 2 é 2 28 2 7 z 2 9 8 2 2 2 ° Z 2 9 0 2 » 2 " a a 2 2 2 2 2 a 2 2 2 1 2 at a 8 2 35 a 16 2 28 23 " 28 a a 18 28 38 3 2. 2 20 1@ 20 2 ” a @ 23 8 22 4 20 6 20 ° 2 8 20 ° 6452 Part ds ANE MLESTREOY AECOLECOION OE OOS La muestra Ahora sleccionemos una muestra aleatora simple de = 2 del esata de estudiantes praduades y una meta aleatoria simple de n= 3 del esrato de estudiantes no graduados. Notese que laelaion de restos tamafios de muestra por esrato es proporcional la elacin del nsmero de elements dela Poblacion por exratos. En este caso, la relaciém de In muesta "s €s proporcional ala relacisn de Doblacion */p. sto recbe el nombre de muesireo esraticad proporcional y acure cuando los tlementos totes de Ia mucsta se asignan 9 etrtos en proporeion al almero de elementos de la poblacé en foe estratos. El investigadar también ene la opcién de asignar a muesta total 2 esvates Solve una base-no proporcional con relacién ala dstibuctin dela poblacién entre Ios estas. Mis {adelante en este capftlo se analzar el muesreo estraficade na proporcional, También abservamos ‘que todas las posbies combinaciones de elementos no son igualmente probable, ya que estamos seleccionando algunos elementos de cada esate. De esta forma, ls combinaciones de elementos -sacados completamente dent de un esrato son iposibles ‘Como una base para faiitar el andliss que sigue denticamos la siguiente notacins ‘Nas =tamafo de a poblacién en eesrato 1 Fay = media muestra dl estrato 1 ‘Nha tamafl de a poblacdn en el estazo 2 Xa" media muestra del esrato 2 nga" tamafio de la muestra en ef estrato 1 Siu = vaianza muestal del erato 1 ‘nea = tamaiia de a muestra en el estata 2s = varianza muestal del estrato 2 ‘Tamemas ahara una muestra aleatoia simple de n= 2 del esrato 1 y n= 3 del esata 2. En forma convenient, Ia muctra de~ 5 que tomames en el capitulo 14 era precisamente este tipo de ‘vest; por tanto, no tenemos que seleclonar una nueva muestra, Especiicamente, la muesta por trates e6 como sigue BER BR Cloulo de los estadisticos dentro da los estratos Cuando calclames fa medi, fa varianza y la desviaciin estandar dentro de cada estato y compara ‘mos estos resultados conlos del muestra en conjnto,obtenemosrasuitds interesante. Los detalles {de estos cdculs dentro de los estatos se pesentan en el apéndice de este capitulo, La tabla 15.2 eesume estos resultados. Observamos que la vatianza va desviacén estindar dentro de cada exrato son mucho menores que la vaianze la deviaion estindar dela muestra total Sto nos indica una veniaja del muestreo estratieado, es decit, podemos realizar un andlsis dent de fettatos con un erorestindar més pequefo que el de toda la muesra. Nuestro intervalo de confanza tlenira de los estatos seria, por tanto, mis pequedo que el que logramos mediante el uso del eror festndae de toda la mustsConn 18: 2R00EDMENTOS WAS CURIOS OEMUESTAED 45 {TABLA 2 _ MUESTRA TOTALY MEDIA DENTAO DE ESTAATOS,V VARIANZA DE Lk MUESTRA Meaie ‘rans ‘esvann ering ‘Sin envaicacion Ze a 288 Deno del esa + 25 5 nm Dent del estat 2 mr 238 159 Céleulo de la media y el error esténdar para toda la muestra 1 paso siguiente es cansderar cémo se calcula la media y cl enor estndae paca toda la muesta con bbate en los resultados dentro de los esratos, La media total de la muestra, Xa, es simplemente el promedio ponderada de as medias dentro de Jor estat. La ponderacign de un estato ela relacién fenireeltamaaio dela poblacion de ase estato con rspecto al tamafo total de la poblacin, Nas x (ep En nuestro ejemplo, tenemos dos esatos: por tanto, A donde A = el némero de estatos. vast tS) be 425.5) + 6207) 102 +124 = 26 sta es exactamentela misma metia que ealeulamos sn estratiieacén Larelaciin Nay/N es a pondraciénrelaiva aignadla cada esrato, Para referencia fora, denome rremos esta relackin I, En nuestro ejemplo, ay M6 £l clea del erorestindar de Ia media can base en la informacion dentro de los esratos es ‘nds complejo, Es la rai cuadrad de la combinacién ponderada del cuadtado del enor estindar Uontra de calaextrat, Hl factor de ponderacion en este caso #8 e!cuadeado dela ponderacion felatva de cala estat,La formula! es wave donde a-SQ)a. - Sis, En nuesto ejemplo {uslizanda las valores de la tabla 15-2), tenemos para el estrato I na sa a at = 50 Sty, = 5 para el esrato 2 Por tanta SH = (4,25) + 67.78) = (4164.28) + (304.78) 4+ 28 32 ae VR 397 NNotese que tomaros el cuackado del factor de ponderacién para cada uno de los esatos y el cuadrado del error estsndar, No podemos tomar una ponderacicn simple de Ia ponderacin de los ‘estat y de los ertoces estandares asociados Alternativamente, podemos calcule sf directamente sin tener que caleuar primero los ewores cestandares dento de cada esata La formula para hacer esto esCapit 15: ROCEDMENTOSANS COURS CELMESTHEO 55 En resto ejemplo, con A= Wass 15) z 161.25) + 136478) = 084 28 2 se VGB= 57 lvstor dey ce én a que se call amerioment Enel capa 14 se calcu el ero estindar de a med, wlizando Ia mest no estatiicada,y nos tig 13. Abora que se ha esratiica a muestra, rrr eslsnlar se ho reduc a5 Calcule det intervato de contianza asociado Hneryato de comfianza del 95% para la mesa eskaicaca es 226 # 2.57) = 22.62 1.1 =21.5 ~ 23,7 lintervalo no estaificado del 99% era 20 ~ 25.2 Por tanto, el amano del interval fa sido revlucid de 5.2 a 2.2y ln precision absolut se redjo de # 262 = 1.1. Observe que la media de la poblacdn, 23.7, s'cae dent de este nuevo inleralo, Notese fambién que el interval de confianza festa dl 6.7% seta mis pequefio que e intrsalo no esratficao del 95%, Eintervalo de b9.PGes 2262 Y.57|2 2262 1.7 = 2.9 ~ 24.1, Sin ucla, un procedimiento de muestea esatticado cs ms efcente que une no estatiicad, Este hecho ayuda a explcar el uso moderadamente alto del ruesieo estaiicado en la prictica {for que se fora tal veduccion ene error esindary en ls precisn asociada uiizandlo un proced rento de muesreo esralficado? Esla se debe a que slo uilzamos la variabildad dento de los ftatos al cakulr el eror estar global. La varia eniee estat se hace inelevante. La teora ‘stadtca que sustenta la educcién abservada en el errr estndar, que nos permite apicar o Concepto de un ineralo de confanza a las muestas esaiticadas, se presents en la parte 8 del pence de este eaptul, Si necesita una mayor comprension, revise este material efecto alcanzado con el mueseo estafical es que pademosincrementar la precsién de nus trae estimaciones eon ef msm tamsn de a mesta que vilzamos en Uns forma de muestreo no ‘statcado, lernstnamente pocarnos obtener la misma precision qa seobliene con una muestra ho estaificada si se uilzara una muestra ms pequens y, en consecuenci,logar un Costa inferior.486 Part PLWIOEMLESTREOY AECOLECCIOU DE OO Ulli en investigacién de mercados ste mejoramienta en la precsién para cualquier tamafio de muestra ha dada como resultado que alrededor del 859% de las empresas utiigen el muestreoestaticado en la prictica, como se observa ‘en fa figura 15-2. Con frecuencia los typos de variables que se miden enlanvestiqnodn de mercados ‘muestan una alta variabidad que puede reduclse mediante a estatieacin, Como eel, spon: ‘gamos que se nos pide monitorear as venas al por menor del café Folger’. Para poder hacer est, tenemos que medi el nivel de ventas untras de Folger’s en una muestra de almacenes,zQué vari. bles de esratficacion deben udizarset Primero debemos contestar otra pregunia: {Que factores contibuyen aa vaialidad de a variable que ntentamas mess Enel ejemplo de Folgers entre los factores que contibuyen ala variabildad se ncluyen 1. Tamafo del almacén. Los almacenes grands tendrian venas ms alas que los pequeis. 2. Dia de semana Los almacenes venden mis café los fines de semana que aprincpios de eta, 5 Regi cel pas Folge’s es una marca mis establecida en los etadas del Oeste de los Estados Unidos: portant, encontraremos ventas mas alas aqu que en oes regiones, (tos facores tabi pueden inci en la variablidad de las ventas. Si pensemos que son conti ents imporiante, tambien los incuilamas como variables de la esaiicacin. 5 letenciamos tes tamafios de almacenes des pos de as de a semana ycuatoresones del pa, endamas 3>¢2% 4= 24 dferentes exe 0 astaos Es abvaasimiltud con el esto por proateo en Informa como se ampli ‘el nimero de cles. Sin emibargo, en el muesreo por prorat no exit una medida del eon En lestrato compuesto por salmacenes srandes—fines de semana~rosiones dal Oests podiamnos ‘encontrar casos de volimenes de ventas tales cama T30, 170 y 205. Sin embargo, en el esiralo cont ‘esto por salmacenes pequerios ~das laborales— region del Este» padiamos enconiar casos de ‘volimenes de ventas como 10, 6 y 7. Lavarabildad entre estatos es mucho mayor que la varia probate elemento dento de manana Para elementos en ae elementos ef minzonCapt 15: ROcEONENTS Wis CoURELCEDEMNESTRED 473 Las probabildades en la etapa 1y 2 se equllvan ene sf para dar una probabiisad cion para todos Tos elementos, EI mama resultado tambien se mantiene para las manzanas no seleccionads. [En una mwestra por das de multiple etapas poder utitzar el métado FPT pata las primeras dos ‘tapas. con el propesto de garantzargualesprohabilades en exe punto, Entonces podemos selec: ‘ionar proparcionesigualesa part de ese punto en adelante para obtener iguaes probabilidades para todos los elementos en a etapa inal Por ejemplo, i realmente tuvramos una muestra por Seas de {inca etapas y utiizramos e metodo PPT come en el ejemplo ante, a probabidad de los elemen, tos en etapa final podia se Probabilidal del elemento = probabil desputs de 2 elapas = probabilidad en otas etapas 0125 «018 ¥.50%3 = 00002 £1 método PPT se usliza para ayudar a garantizar que los conglometados grandes estén represents- dos on la muestra, Atematitamente, est puede hacerse mediante Is esratiieacion del conglomerada ie a primera etapa, de acuerdo con el tamano y tomanda muestra dentro de los conglomerados. El metodo FPT yl estatlicacién de acuerdo con el amaio no putin utkzerse juntos La secci6n Investizacién dle mercados en accién sobre STPyLow Haris considera la seeccidn de reas geoarsticas con probbildad proporconal al tamaf. Este es un enfoque que se tliza con irecwencia en ia prietics, IMuestreo por dress de probablidad desigual En todos los métodos de muestea probablisice analizados hasta ahora, con excepcin del muesireo estaticado no proporcional, cada elemento de la pablacin tenia una posbidad igual de ser selec: CGonado, Recuerde que en nuestra dfiicién nici de muesien probabalstico, cala elemento 3610 recesitba una probabildad conocida de ser seleccionado para sr un procedimiento probabilistic, Con frecuencia ene muesieo por reas los elementos se selec cionan en rma despopocionadl e= ec, los elementos tienen dlfevntes probabidades de ser selecconados, La invesigaciin puede ‘enerar nrobabiidades desiguales debido a una cantidad de razones, ene ll 1. Sinrelizarun ans detallado de subgrupos, linvestgadrinencionalmente toma una mest texensiva de un sugrupe penuefo para tener una ues loslicentemtene grande para hacer tun anil significative de ese grupo. Tal subgrupo poddla ser un grupo étrca expecta, 2. Elinvestigadorestérealzando un muestea exratficado no proporclonal para reduc el ertor deniva dl estat yelertor musta global 3. Una muesta genera una proporcin mis pequefa de un subgupa particular que la proporcion de a poblacin, 4. Un isi PPT require un conocimento dels tamafas de conglomeados. Sesto tmahios sesallan ser incerectos, el resultado es que al conglomerado se le dard una probabiidad desproporcionacamente alta o faa de se seleccionado, De esta forma es posible absence probabilidades desiquales para la selecein de elementos de tun numero de acontecimiantosintencionales ¢ accidenisles. Estos no presentan ninatn problema ¥9 que elinvestigador esta interesado solo en realizar un anlisis dentro de los subgrupes. Supan- ‘amas, por ejemplo, que eslamos estimando el eansuma semana de gasoina entre estudiantesaracuados y no graduatlos de nuestra poblacin cle 50 estucantes,Sitomames una muestea de 10 de cada uno de os subgrupos, los estudiantes graduads tendian una probablidled de seleccion de My = 5, ylosno araduados, de I!/=.33. Notese quel fraccidn muestealslabal 2 =n ‘guala a probabilidad de seleccin de cada elemento, Esa eelacion ahora se ssn solo dentro de los subgrupos. Supongamos que estimamos el consumo pramedio de gasolina de los estuian tes graduados como ')iy= 10 galones por semana, de los no sracuados coma "y= 5 galones por semana, Estos estimativos san validos, y podemos campararios entre si. Sin embargo, si com binamos los subsrupos para hacer un estinativo global, el consumo ms alto de las estudiantes sradvados estaiarepresentada en exceso, sessanido de esta forma el estimativ ea sentido ascew Gente Este promedio es Rat S110) 515b n5+25 5 Lo que queremas es hacer quelas ponleracionesrellejen los amafos de la subpoblacién.Por tanto, el estimador no sesgado es X punta A) + 615) nasa lector reconoceré estas ponderaciones como las proporciones de la poblacién de la seccién del ‘muesteo estatiicads. Este ejemplo era fell, puesto que conociamos todo lo relaionado con los tamafos de la subpoblacion. En farma mis real. es posible conacer a probabldad de sleecionar un clemento de los subgrupes. Pademos uiizar direclamente las probabildades de los elementos para ‘obtener ponderaciones apropiadas? La respuesta es st. Laresla es que aun elemento debe aslgnsrsele un factor de ponderacién en proporcin al inveso desu probabiidad de ser seleccionada. Fn auestio ejemplo dela gasolna, 1. Para estadiomes gradeados: Prohabildad de sleccion = 5 20 2, Para estudiantes no graduads: Probaidad de seleccin = 33 Con esta iniormacidn, hay dos maneras de obtener nuesto promedi otal de 7 galones. La primera consisteen multipcar elo de galones en cada subgrupo ye nimero en la muestra de cada sebarup por ss rexpectivosinversosyhego sacar el promt. fn este caso, oblenemos los resultados que se presentan a cuntinuacionCeplle 1: PROCEEMRENTES WAS COUMLES OE MUESTACO 475 Gradua: 101 gslanes x 2 = 200 WWestallanies x 2 = 20 No graduados: 50 galones x 3 = 150 Tesiudiones x 3 = 30 Total de alones = 200+ 150 = 350 Toulde estudiantes = 20 + 30 Gaones promo = £1 50 recibe el nombre de tamafio de muestra pondetado La altemativa es convertr ls inversos a roporciones en elacién con cada un, para lego sacar un promedhia ponderada, coma sigue 2 Invert dels no gachade = 3 Ivers dfs graduacos Tool denver = 5 2 perc de gindalos = 2 = Pe , zea 3 Propostion de no raduedos = 2 = eo A éutos Jos reconoceremof como nuestios factores dle ponderacién de la pablacén, H titima método es el que mis se preiere para estudios grandes con pequetias fracciones muestals de subgrupos, Por ejemplo, si res subgrupes tuviesen probabildades de seleccion de «elementos ce 00005, 000047 v.000052, losinversos respectivos Sevan 20,000, 21,277 y 19,231 ‘uliplicar por estas panderaciones ciertamente es mas complejo que emplear sus praparciones, las cuales son.33, 33 y 1 Nétese que en el muesiteo de igual prababildad, a cada elemento se le asignaria la misma ponderacion, ya que los invesos serianiguales. Por supuesto, éta es la forma cama debra hacerse La ponderacidn puede monejarse de diferentes maneras. Si tenemos auestos datos en aretas de ‘computador, simplemente podemos duplicar as arjetas de algunos subarupos para abtener propor cones adecuads En nuestro ejemplo de la gasalia, reproduction ls tarjetas de os graduados dos veces y as de os no warluados tes veces. Este meétoda served para trabajos pequerios, pera seria imposible pata trabajos grandes. Afortunadamente, la mayoria de los buenos paquetes Computacionales de anatiss de datos. cuentan con peocedinientos en fos eusles el investigedor puede especifiar ls factores de panderacin. Enlonces, el programa de anslsis automsticamente los incluye coma parte det mismo. | |478 Parte & PAN DEMIEETREOY RECCECOON EE COE Inferencia estadistica y procedimiontos complojos de muestreo La inforenciaestadistica se desarol6 con base en el muestren aleatri simple. Poa este metodo apicare en forma signieata a muestas del ipo de complejdad que se ha visto en este capiuio? La tvidencia nos hace creer que puede aplicatse. Un importante estudio realizado por Frankel wn esta fea leg al conclusion de que’ los estimativs de la muestra eran aproximadamenteno sesga60, 2 le varanzas dela muestra de estos extimativos eran apreximadamente no sespada y 3) eeror ‘estandarealelade pert que se calclara los intervals de confanza vidos Ahora el lector dhe estar capacitad para describir ol diseto de un plan de muestreo para lograr sus objetvos Para ls comple}idades det infrencia estadistiea en ests dsehos complejos, consulte un especilstatécico, MARGACION ALEATORIA DE DicITOS ‘Dentro del contexto de todos las procedimientos de muestre probabiliico aalizadlos en los caphte- los 14 15, este un procedimiento muy importance para selecciona en la prdctica un element de tina muestra, que necesta entender, Fate procedimiento es la marcacion aleatra de digits. Cada vez 5@ ha welto mas imporiante con e) creciente predominio de ls entrevista tlefonicas como tmedlo para contactarencuestades, na venlaja de este procedimiento esque pezmite el cantacto con personas que no tienen nimerostclefricas registrados, que se han cambiada desde que el drectrio fe imprimis v cuyo numero ext excrito equvacadamente en el directorio teetGnico. Una posible ‘esventaja es que puede sobrestimar los hogares con multiples lineastelenicas, ahora un fenémena poco frecuente pero en increment, En forma sencil, os sete digits de un nimera telefdnico se pueden generar aleatriamente. Sin embargo, esto ee cososo e ineieaz, ya que se generan muchos tmeros que no se utiizan. Lo ms ‘Comin en la prctica es que los nimeros se seleccionen de un diectoro telefénico uttizanda un procetimiento de muesteo sistemtico, luego el ultimo os dos limos dios de estos nimeros se reemplazan con admeros aleatorios. ste procedimiento da un porcentaje mycho ms alto de ndimeros| teleanicos ulkeadosy Hene las propiedades de una verdadera muestra probabilistic ste procedimienta puede utlizarse con cualquiera de los méclos de muestreo probablisico analizados hasta ahora. Utlicemos como ejemplo el contexto de un muestteo por sreas. olvien- ido ala figura 15-2, podriamos uilizar la marcacion aleatoria de dios en el contexto de una muestra por aceas de miltiples etapas, de la siguiente forma: 1) proceder exactamente como se tdeseribe-en la figura 154 hasta el nivel del sto dela muestra donde se llega a una ciudad 0 un pueblo, 2} obtener los ditetorios telenicas de las cudades 0 pueblos seleccionados yseleccl har sistematicamente una muesta de numeros teleténicos de los directorios, 3) reemplazar el Uikime 0 Tos dos titimos digitos de estos ndmeros seleccionados, por nimetos aleairios y 4) lamar los nimeros obtenias. Ela seccin Investiancin de mercados en acc sobre STP/Lou Haris se considera ol uso de este enfoque de marcaci6n aleatoria de digas. Akededor del 61% de las ermpresas utiizan la marcacién aleatora de digs, como se observa en la figura 157.pile 1: poccounewros us coMmeesCoe AMET 477 GUNA 47, iow pci ge nrteacon sein iis (ree: Har pam Fl, AS a ee ‘istcy Sven snstonoposends Tat Supp ts aan Pee TAMARO DE LA MUESTRA La seleccin del tamafio de muestra en los procedimientos de muesto ms campos anlizados en este capvtulivolucra un intrcamblo entetos miamas factoreeanalizadns en leapt 14, Sutiiza- ‘mos el concepto del tamafo de muesta estadisicamente optima como parte de este proceso de deck, existe una mosificacion que debe hacerse, Aunque debemos hacer una precision yestable cer un nivel de conflanzs, y aplicar a frmula pare tamafo del ertor estindar, I female del error estindardifere en el muesteo estatificado y por deas de aquella del muesreo alatorio simple. Tega cuidado de ular la frmule adecuads, SELECCION INTERNACIONAL DE MUESTRAS Exton cifcitades partcuaresen la seccin de muestrasen algunos pakes, tl como se menciond ten el capitulo 12 Esto es especialmente cierto en la sleccign dels tipos de metas probabliicas complejas analizadas en este capitulo, Los problemas mis difclesresultan dela fala de datos demogréicos suficientes de censos yl falta de Ista adecuadas de las cuales sacar las muestas. En todas los pases, con excepcién de los paises ‘desarllacdos, con frecuencia los datos de zonas de censo y de manzanas de censos, junto con direc: torios telefnicos, gulas de las calls de las residencias y datos demogidicos detllados, no estan lisponibes para el investigador de marketing Pr ejemplo, en cas todo el Oriente Mecho, en América de! Sur y en Mésico, no hay disponibles mapas exactos de las calls. En algunos pases de Asi, los ‘mapas no icentifcan los nombres de as calles los ndmneros de las casas. En contrast, estos datos estan fécimente disponibles en lapén y en a China Nacional. {a ausencla de ests tipos de datos hice que la seleccién de muestras por reas, basadas en fa probabilidad, sca virualmente imposible, Adem, a falta dl conacimienta requeride sobre certs ‘aractesticas de a poblacion impide tanto el wo de muesias estatficadas como la seleccin de rmuestras con peobabiliéad proporciona al tamaf.470 Parle cL De LESTREOY AECCLECOCNRE C108 La selecciin apropiads de muestas lamién se ve impedda en algunos paises por un sistema tle feico deficient, aaa de penetraciin de elefanas en fs wverdas falar un stoma de ansporte deficient que impide alos entrevsiadores gar con faclidad 3 algunas areas del pais. Una mest probabilsiea dele pablacin en tales crconstancias e imposible, De esta forma, en algunos de estos pases los investigadres de marketing ependen de una combinacion de muesivasjvobabiliias, ‘donde son posible, y ce muesras por protateoy jis, Como ejemplo, la clicutades de la seleceidn de muesras en el Oriente Meek se fusion en a seecidn Dinamica dela Investigacion de metcadios global RESUMEN GERENCIAL DEL MUESTREO Pata terminar esta seccn sobre muesteo,presenlaremos un breve resumen de algunas das dimen sions de los dversosprocedimientos ce muestvo. La abla 15-3 es a esencia de este resumen reseria ‘comparaciones entre un censoy diversos pracedimienios cle muesteo sobre wna catia de den Sones La primera esa eapacidad del procedimenta para wenecar una media de enor musta yl "Segunda es el conceptorelacionado de eficiencisesastien, La lereracimensin es la nacesdad de lun lista de los elementas de In pablacian con el fin de sacar ka miata, la cuata es el costo cl proceslientoy Ia quinta es la frecuencia de uso en la prcic. Un grente dee consider dos fstosaspectoe en el momenta de seleccionar un procedimiento de mesa, psec cnses ‘SELECCION DE UNA MUESTRA PROBABILISTICA EN ARABIA SAUDITA Le gevencia de Saul Aramco un ont venture en explain de peta, rine y dtiie tinal por menor eva tsa en realtor un exc de ivesigacon sobre ls atc fhe Tos Consumers de Arabia Sout sere dele napon de compari y un estudio de Iiveles de sataccsn d los cents con rexpeeto al serio minora de ls compan, tos getemes heron un canata cons fics de uns importante empresa inemacana de Investzngin de mera com sedan Ea, para sue tela ess ivastiacin. La empre le vesigaciony Soudl Aramco acotdorn que, hasta donde Tuts posible. ls muss {Scconacas debevn lar plain otal de ado de Aabia Sout, Al tent elec ‘loner una puesta prbablca dela pobiaddn de adultos de Arabia Saudi, el investigador ‘marketing estab las iulentes clots pal nes “= No eustinngin cers oil @ canal de a poblcin, nl de seas, debs mans ald conse sacs, + No exition Kstads privads de fais ‘Los mapas de cucdesy pubios ern notramenteinexacios y con fecuenciaesaban dhsactushendos vas a. + Los deco eleGnicos eran incompleos, nexectos yextaban desactuaizades ‘Las sas serait devotes no extn. Foam SSE CT ce th adi sarc Scone Sd vin. pc ost ng‘92 sos on er 0s fea ove oye Season seasonaoa 3. M4 15. %6 vw. 6. pas be mesrneo RECCLECCN DH OOS 1 rmuestreo exratficad tiene en euena la reduccién del enor estindar sobre el muesreo aleatoro simple Para selecclonar una mussira estratificada, dda la poblacién en esratos mutuamente txcluyente y clectivamente exhaustivas, hvego seleccione una muestra probabilstica fe coda esto. Los estatos deben dieeharse para que sean més hamagéneos que la pobliién total [Una muestra esvatifcada proporcional es aquella en la que el tamaio dela musta est sbi en exatos en proporcin al nimero declemenos dela poblacnen los estaos. Los elementos dela muestra también pueden asanatse sobre una base no proporcional con ff tamaho de los estatos de la poblacén. En este caso, el objetivo es tomar mas de una ‘musta de fos estraos con la mayor varablidee, con el fin de reduc el error estindar entre de os esratos La mecia global ene muesteo esatiicado es el promesio ponderado de las medias dent Ge los estas. E factor de ponderscin es le proporcion del tamano de a poblacién de fextato con repacto al amano de la pablacién total, N,N 0 W error estindar global es la afe cuadrada dela combinacién ponderada del cuaerado del ‘ror entndardantra de cada estalo factor de ponderacén as el cuadrado de WE eor testindar es menor que con el muzstre aeatoro simple, porque lo ulizamos fa Yariacin Sentvo de or estat para ealeulr el err estandar global 1 nimeco de posbles muesasestaticadas es e! producto del numero de todas las posibles rmustras dentro de cada estate, Para que una variable de esuatficacién seat, debe estar comelacionada con avaiable que ‘estamos milendo, fn el mussveo por conglomerados se selecciona aleatriamente un conglomerado 0 grupo de unidades mucsales snultinearent, Para logiar esto, la poblacion se divide en grupos mutuamente excayentesy colecivamente exhaustvos {Estos grupos se disafan para que sean tan heterogéneos como la poblacén. Laeliclencaextacitica implica la comparaciin de os erroresestindar de diferentes proced rmientos moestales Laeficenca global comprende la compartin del ero estindar por cade dlr gastado. En el muesreo sistemtico se seleclona cada Késimo elemento del marco, despuds de un Inicio alestogo eh alguna parte dentro de os primerosk elementos 1 intervalo mucsral equiva a Nya yes gual al nimero de posible muestas en un proced miele sstemstico. \Unmaree.con un pan cio que coincide con un ipl del tamafio delineralo muestra, ‘generar reautadorsesgadon on el muesteo sistonstico. Una muesta sitemsica de un marco erderado sobre una variable de estatcacn genera ‘ona musts extatficada proporcional, 1 rmuestreo por sirens comprende fs soleccién de partes geopréicas ‘Una muesta por éeas de mbes etapas comprende el proceso repeido de enumeraciin dens unidades muestales ylasleccin de una muesta probablsica de et itaCptle 1: pacceoMENTEE Wis couRsOsoe UIE 4 18. Una muesra de muiplesetapas tends une probabdd igual de seleccéin de cada elem {o, sla selecidn en cada etapa comprende una detetminada proporcin de unidades ‘estes La prabablidadl de seleccin de los elementos ex gual al producto dels propor. Cones individuals 20, Alterativamente, lial probabiided de elementos se puede obtener selecionando ls uni thes muestrles del primera etapa con probabidades propocconales a tama y luego, selecconando el mismo nimero de unidades mestales del segunda etapa en cada uniead seleccionada de a primers etapa. 21. Los elementos pueden seleccionarse con probabiades desiguales. 22, Con el mest no proporciona, ls elementos deben ponderace antes de efeclutr un ani lis signiicatvo de a meta total, | | | | | | 23, Aun elemento debe asigndrele un factor de panderacién en propoxcén con elinverso de probed de ser selecionad, 24, Lamarcacin aleatoria de dios es un metodo que const en sacar una muestra pobabiistica | Bara entevstas elec. Ena prietca, por lo ganeralncluye lomar una muestra sisters { (3 de nimeros de los directors teeéaicesy luego reemplaza el timo alas das ute sligtos de esos numeros seleclonados por nimeros letorios. | | | | | PREQUNTAS DE ANALISIS. 1. sCémo se sleciona una musta exraiicadat 2. {Cases ol objeto cel muestra extaicadot 3 Qué es muesveoesratcado proporiona? 48. Qué es muesveo astathcado no proporcionall 5. ;Cémo se caleulan la media de ura neste toy el enor estndar de una muetaestatiicads? 6. Bao qué cicuntancas el mussteo estallicado reduce el ero estind:? 7. (Por qué el muesveo esata reduce el err esténda! 8. sQué es muesteo por eonglomeraos? 9. {Qué son eficenl etaitica yefcencl globe 10, ;Cémo se seleciona una mues steric? 11. {Que significa periods, gta se genera y solciona? 12, {Camo se oresent la esaticacon implica? 13, :Quées muesre pot seas? 4. :Que es muosreo por deas de multiples epast 15. ;Céma se obtiene una probabsdadiual de seleccié de elementos ulzando un procedimiento ‘de mucsteo por rene de miles elanast 16. Por gut algunas veces se obsenenprobabidades desigusles del seleccén de elementos? 17. 1Cémo se hacen estimatvos de una muesta total cuando los elements nen prabidades Aesiguales de selecelén? 18. Desciba los pasos en fa marcaién slesol de digtos, Paralas preguntas 19 ala 21 prepare undef muestra Aserese de que su cise inlays luna descripcién de cada uno de os sguientes aspects, y un enunciado desu rzonamien, a. La poblacién b.Elmarco muestrarte sua oe uEsTmEOY AECELECEON OE TOS 6 Eltamaro dela musta 4.E1 procediniento muestal (asegtirese de incr una descrincn paso por paso sobre ‘smo se sacard realmente la muesta) Un metodo para determinar la xacitudl de los resultados de ly ues 18. Frank Jackson eva elector de servicios estudiantes en Ia excuse acaiieacion de ana inoportant univer Fr queria ra encuesta de eslcants com grado de cena th Adnsnstracion de Empress hse en Adninstracin ve Empresas ne deren ss [cues hcl a popuesie de oe cuss, seis ce conseeni ispmblesy prtanddes ‘le empleo. Hain foil de 3.000 estudiantes con grado de Licencio en Adana de Enreasy 700 con sister en Adninstackn de Empress ena escuela de sdminisacdn. Com ore posible un cens,Fank necestabadesaralr un deo mest 20, Sara Ranskes censors de Werk Chzch Counc Una aecesdad de formacn del cons cons teen desanctor unpeldemenrsco de bos membyos debs esas nos Etads rion A Rare fle pedida ue desta deo mucstal pra neta a receeecon de eta ifort. 21, Roy Lana eral geente de producto para ya nueva macs de cores Hmade MD. QUE ectusnta estaba en desaolo por una importante empress de benesemypacados, localiza fn cludad de Nuova Yor, El producto conten iain fs hunts no disponibles en ‘tas ceases. Lena ss encomtahaenelroces ede de una psa deo dl producto en Tos hogates El ebjiod a pucbs ra mois recrin de os alos a sao dl produto Loe ‘esas de esta prucha a iznan pre periecionr ai mis el producto, antes Ge er some tido a prusba alcionses de mercado y an los hogates #prablem que enferaba Lera era (dsc ls maests pars la pc de calacacn ep lox hogar 22, De acuerdo con la seer Investig de mercados en accin sobre STP/Lou Hanis responds 1. {Que unidsces muesales te defnieron 2 tauts de este procaine, cules ean fs mat os muestales! by Poe qué se ates a estaieacind Que propos habla en soleccionar cvdades 0 pucbos con probs proportional a los ‘sumatnas de censos de sus espectas poblacones de amit, sem se pou loa esto! 4. Qué pracedinientos moestale alten: se podria azar en este cso? Pala sect Ivestigaciin de mercadosensccin sabe ATT a comienzu de ete capa 1 Por gut ls muss se slacions 9 arr de una poblacénestatiiod? 1 Por qué el tamatio de le muta ea superior & 2,60, es se el amao ds muerra app fo para ese estudio! 2. 24, MINICASO Para el ato ila Mian Food Cooperate (A). a med de a poblacn por ass seman lesen slmenios es US$43.20, Slecione as muesas que se enumaran 9 coniuacion de ess dato yeximp lor gatos mei semanas en alimentos yl ntervao de cofinza aoc Unie tbls A emf apandice Inlet Ko, psa oieher mimosa, 2. Muesta leat slp, n= 10 by, Muesta lento sine, n= 30 Mocs estateads, = 10 Mata semis, = 10 fe. Muesta por conveninci 9» 10 4. sues poe prowateo, = 10 {Qué camehaiones puede sacar acerca de cas uno de estos mtadoy mesh!coptut 5 procenuserTasius coum sioe€ WwHSIREO 489 APENDICE Conceptos estadisticos par de muestreo mas complejos los procedimientos, ante a. cALCULO DE EstapisTicos MUESTRALES DENTRO DE ESTRATOS Enel capfulo 14 oe calla med, ts varanzayia lesion estar de la mista ttl sin eta Bxis © ae + + 19 sas + 491 + ast hur By 62288 7 $226, Abana calulamos Is med, ha varanzay ly det viacion esténdar denizo de cada esrao, Para et t= ama a5 PARTE 8. ASPECTOS ESTaDISTICOS DE MUESTRaS ESTRAT SAAS Para hallar s*, utlizando nuestra férmula ‘compulaciona,caleuamos BN) = (259+ (20) 625+676+ 1301 Elndmero de posibles musstras y Lafraccin muesralenel stato Terao 1 yen estato 2 ea j= 1. Amba raciones muestales on idéntces la muestaseleccionadl en el cap 3005 {lo 14, Yun -1- Tanto balo procedinientos tstraticadoe como no statics, ala elemento dela poblacion tenia una oportuniiad igual, de Ser seleccionado. Sin embargo, con ef muesreo | ‘staicado no todas fos poubles combinaciones de elementos son igualmenteprobables. Pata lus tear este caso, ulikzaremos uns pablaciin de Paral esata 2 slementos idenficados como A&C, Dy Por ‘upuesto,éta esl poblacon que gener 10 pose | ene ble mossta lentorne simples de mano 2. Ahora | sipongamar que los elementos Ay fi perenecem 2 tum estato,mienras que C, Dy E son de ott, Nue | | I | | | | Rar 2 ‘amente deseamos tomar una mocsia de n= 2, a pero esta vez restingimos la muesta 3 un elerer- 7 te de cada stato. El posbleelamento muestal del0 Pate: LN DE WESTREDY RECOLECCONCE DATOS ‘estrato 1 0s Ao By dentro del esrato 2 es C, Do EAI combinar pasiles elementos de cada esate, ‘ieremos ls siguientes poses muestras mera dota muses laments on ia muera 8 Hay 6 posibles muestras con esratificaciin y 10 sin estatiicacon. Las posibles muestas que sehan elminade son aquellas que podtian ocuir on anteviordad deni de un estat: por ejem- plo, AB y CD no pueden cansiderarse como posibes muestras. Ndteve que estas medias den- tro de esratos son fos elementos dstantes de esta dstabucion de medias en el muestra lea tori simple. Pare usr este reacted, podemos asignares punajes a estos elements dela poblar ‘én, coma sigue ‘tomento Ponte Exraiot * 1 8 strato? c ° E Lameda desta dstibucié de punsieses 15/5 = 30. {is poses mucsias estatiedas de n= 2 son weaye=zo (see2s. (issyezs0 (ravens, (@+ae230 (essyera5, Estas melas muestales se agrupan en forma el tivamente estrecha alrededor de la media serdaders de 30. Ahora examinemos los valores medios genera os por las muesiras que no pueden presentarse fen ese ejemplo de muesteo esratiieado, es de (las mes muestaes denio del estat. Estas medias on (aneets. Graeeas (+ 5i2=40 esis, ‘Estas melas estn menos agrupadasaededor de media de 0, es Gee, son os eementos dares en [Selsiibucdn ce ss medias. em nuesto ejemplo con cedades, obtusimos medias como 26,27, ec, ene festa. 1, 0.8 20.627, ene stato 2. sos tipos de ‘medias no son tan probables cuando combinamos flementos de aerentes estos, como cuando est ‘mames ls meas con un procedimieno esata, [Tr elninacicn de algunos elementos dstanes on rmuesteo etficado reducita de ests forma a3" ‘abide de & dstabucion de mevias resales. ‘deci ero estindar se hace mas pecweta, NO 1 das ls combsaacines de eementon son uslmentc probable, toes una delosaspecos que dfeencia ‘el muesre estatiicado del meso alestono Se ple Nétese que el rumero de posiles muesras con ‘sraticacn es el esl dl mimero de todas as posibles muesras dento de cada estate. Er nvesvo ‘ejemplo I Grmula con dosent es Numero de poles muesas = CON, my» CIN. Ae = c2,9-c8.0) en wna =roe6 {En nuestro ejemplo con las edades de los estu lantes, el numero de posibies muestras con festatincacion es 201 _30t Tie 37 Wr ya cn021-c B03)Capi 5: mCEOMENTOS AS COURECEDENMESTRED 4a = 190-4060 = 71,800 poses maestas En el eaptulo 14 se observd que habla mis {de 2 milones de poriles muestas sleatoiassim- ples de tamafo 5 en una poblaciin de 50. E1 humero de pesiles muestas ha disminuido de ‘manera considerable, aunque todavie es muy gra Ge, Ades, una vez mas la dstibuclén muesial de las medias de estas muestasformard una cur ‘anormal error estindar serd més pequetio que com el muesreaaleatori simple, como lo obser ‘amos anteriormente en nuestros eSeulos. De esta forma, podemos volver a calcula un intervalo de confianes Vico.cael © OPERACIONES DE CAMPO MVESTIOACION DE MERCADOS EN ACCION LUN MAL OIA EN Et CENTRO COMERCIAL TWELVE PRES Dtlene O'Hara era un eervtadora do campo de Fd Inervering Services, Inc, de Denver, CColorede; era une enrevistdoratltGnica con experienc, Sin embarg, su actual trea © ‘eal ns envevtn peronaler en al Centro Corer Toee Pines, osm primer xperion: {Ga rea con envied seam lente pra ares os las enrvatas ea um miportnte ‘nacen reson de descuntos nor deparamenis. a muse objeto pot provaeo Ines teenporn de gupos de edad engrso, ambos Ses y deans dslancas eeogaias dsl el Canta Comet Su objeto ea realaar 50 eres al da ‘Aso lad al Cea Comer alas 1000 am de sibado, Dalene se srprendi al encor- ola hanes dea exes secundaria prepare para un coeleto ee pao cen es {Ceiro Corerl. Una ver que el concieio fables comers ala 1030, Darlene teda “del para que es penonssen edad escolar partpsran en lesa. La mayors asia s ‘once de a ban ‘Als 1230 pm. un grupo de 20 personas que protsaban po las derechos de os anima. {es se ubies trent al ms mporantaalmacén per depalamentos del Centro Comercial pars ‘uci por la venisepiles en dicho almesn. lor medion de comunisesin tambien fishan presente pars nia Ia protests ta cual arjo a una gran mult Inferunadamerte fe era Hl agar que Davane habs excgide como el mas adecundo para capar personas pas encuesla Después de un atlo legs un gran raniro de palias porn dete La Toultud: Ouse este pesado, Dalene complet unas chants entrevista.‘300 pm. comenzs I fuerte tormenta de lee pronostiada para el tea de Denver. Centro Comarca comenz6 a cesocipare bastanla, excepto pot los glupes de adolescents {que lo tenian come su punto de reunidn. Dalene tuo dea pare entevStar a aquelos Compradores que exaban apuras por legr a css incluso aquels que st se detente ‘masraban rnuentes a compiata ls entrevae une vez qua enpesaban Dalane teas IE tentacién de completa ala misma estos cuestonaios paciamente temirados, Todo esto fr. semmiento mies para ea, ‘Alas 5:00 p.m, a neve hab cesadoy nuevamente comenzé a aparece la mulitd en el {Ceno Comercial Con lf de completa menos algunas desu cldat de prorat de hevestads,Dalane selaclonabaactvarente alas personas aue precian ear flees en Sulcompr,ycon quienes crete que tends empata As sus caldas de meres comencaron 2 nate ap\darpente. Disfutaba de a conversaia con ells y del espontenesad de 8 {hurl lo que no sucela en le entrevista tlelcrica. Los hombres que Wats de enviar no pafecian coopatadores ls worzaes a completar el cuestanai, anotandowerpueitat cor {as de algunas deas preguntas. las 7:00 p.m, Dalene do porleinad sd, habiondo compleiado 31 enews. nla secclén inci, Ivestgacian de mercados en acc, se lustan algunos de los problemas que surgen en el mundo real del trabajo de campo. Este capitulo trata sobre el enfoque apropiado pare esta importante dea, los datos no se obtienen en forma adecuata, todo lo demas no es mas que Enlos dos capitlas arteries ze han anlizado los métodos de recolecién de datos y el defo de formatos parala recoleccin de datos. Este capitulo conciuye a seccién sobre recoleccion de datos de ‘encuestados mediante un andlsis dels operaciones de campo. {a operacién de campo es aquela fase del proyecto durante la cual fs investigadores hacen contac: to conlosencuestados,administan os insrumentos de ecolecién de dats, lo estan yls devuelen 41una sede central para su procesamient, El conocimantaimpifta en el dena de Ia nvestivacicn y {a habildadinvolucrada en el desarolla del instumenta de recolecién de datos se desperdicarians} |a aperacion de campo se administra en forma deficiente. La operacin de campo pusde consttrse ‘en una importante fuente de error en el proceso de Investigacion. La planeacién de la operacién de campo ests altamente influida por ef método de recoleccién de datos empleado; por ejemplo, la operacion de campo para un estudio basado en entrevisas personales es sustancaimente diferente a lade un estudio basado en entrevsias por correo. Sia embargo, dadas estas diferencias, ensten algunos aspectos bésicos que son comunes a todas as operaciones de campo. En este capitulo se analizardn primero los aspectos comunes en a planeacién y el control de las ‘operaciones de campo. Luego se preseniardn fos aspecias mas especTicos de las operaciones de campo, atociados a métodos slternativos de recoleccin de dats. La citima parte del capitulo staré degicada a las fuentes de error en las operaciones de campo, y presenta diversas pautas para el contra de estos erores LANEACION DE LAS OPERACIONES DE CAMPO Hay cuatro aspectos dela planeacién que son comunes a todas las operaciones de campo: 1) progra: maci6n del tiempo, 2) presupuest, 3} personal y 4) medicion del desempero.Copiutere-onemoowes ve cairo 8 Programacién del tiempo Td proyecto debe ener una programacin del empo ena uals especiqu: 1) cand debe come ary leeminar proyecto y 2a secuenca de acids denvo de este marca de tempo. Deb eximarse fe nimero de das necesao pare completar las diversas actividades y determinar el prado de prividad ten gchasactivades. Es muy importante que se esablezcan peiodos de om realists de manera que proyecto puede completarseen un ic razonable de tempo. Con frecuencia se fan fechas Objetvo de finaizacin que no colan en forma reaksta el impo requerdo para llvar a cabo en forma apropiada as ‘operaciones de campo. Los intentos de hacer un trabajo mis pido y menos cuidadosa para cumplit con fechas no realists de nazacin pueden ser costoeosy dame Ia exactitude los esas, Ena figura 16-2 se presenia una programacién del tiempo detalada para un estudio basado en entrevists personales. La experiencia sugire que las actividades para las cuales es mis probable que se sabestimen los requerimientos de tempo son a aprobacin final ya impresion del cuestionaio la Seleccin de enrevisadores, la evaluacion dela prepruebay las labors finales en el campo. Es mejor dejar espacia en el programa para esimativos inevactos de iempa y sucesos imprevsos Presupuesto presupuesta comprende la asgnacién de costos a actividades especifcasidentiicadas en la pro- _famacin del tiempo de campo El presupuesto la programacin dl tiempo estan estrechamente Secor snsennaton bpm I fees ara dup pec sreeinterelaclonados. Eo ls mayors de los casos se preparan conjuntamente, ya que fos cambios en uno puede ocasionar cambios en el ato. Las principales eategaras dle casos para un estudio hasado en enirevsas personales son 1 sel dlosy salrios arminsrativas, 2} materials y suminiteas 3} tléiono, 4) supervisores de campo 0 Servicios de entrvistas, 5) remuneracin de los entreiiadoresy 6} eproducciin dels cuesionasios YYottos formato de campo, Estas eategrias de casts pueden segnientase ain mds asignase a as tapas del praceso de ecoleccion de datos: 1) preprucba, 2) seleccién y contatacon de enreistado- es) capactacion de enireisadores, 4 infaemes finales de campo y 5) recoleccin de datos, £ contol eicaz del pesupuestoy ls coslos requlere wna clasfcackin detallada de las principales ‘cateyorias de costo en sus camponenies mis pequenos, Es necesito rvisar as caiegniasexpecticas para vert Ios costo se han subestimad,y si se requiere on fonda le reserva para nirev ts Fina ‘mente, el presupuesia debe revisarse y postlemente aprabarse por parte de aquellos indkidoos ‘esponsables de lear» cabo las actividades asaciodas 2 le categoria de casos Persone! 1 éxto dela opeacin de campo depende del cal! del personal que Se ere para ejecta os planes, Se require personal capactado, dela misma manera que ona augnacin clade espansablidades ara todos los aspecos dl pla se pretend cli con is fechas dealin y controler os costo, Fraimente el personal debe entender con clad Ia que se espera dele se medi su even Medicién del desempeno Pana contol las actividades y lagrar os objetivo, se reguleten medicines clas dl desempeo. Con ‘mucha fecencia el numero de eniewsas que debe completarse es a tinica media que se especiica ‘laramente en un ext, aunque es igualmente importante especiticar el nimero de fchazos exper tos, conlacos falls yotasstuaciones diferentes de In erie, En a tabla Tl se presenta estas ‘ets de esempeno er un formato en el los resullados espera pueden comparare con ox resultados teales. Lis praporciones que se presen al final cl a tabla se utlzan para bene la as fn el cuerpa de la nbla Estes proporciones pueden determinarse con base en los resutatos de Ia preprosba yl experiencia pasa del investgador los tolales dela tabla 16-4 deen dvise por rain, agenciaentrevtadara,supenisor y otas categoria ales para ropéstos del canal 8 personal esponsable del logo de os resultados espe rados dee participa en la determinacign de st éstos restiados son razonables © no, La mayoria de los prayacts de investigaciin excelen sus presupesos de investigacin iniciaes Laseausne san cambios en el dss delainvesigacion, ana mols programaciin del hepa y etimaivos presupuetalo neactos. Despuss de fnalizaruin esto. se deen compara las costs finales con resupues, para que los esinativos presypuestales foros puean see mas exactos MéTODOS DE RECOLECCION DE DATOS Ln esa seccin se presentan aquellos aspectos de las operaciones de campo que diieren conioe me a sise utiliza la enirovisia personal, a entrevsiatelefGnies, ly entrevista por correo «la fbservacian en la recoleccin de datos.Capit te oremciouesce cure 481 TABLA YE _MEDOAS O€ DESHMPERO DEL ESTUDIO: ESPERADO ¥ EAL Neda o carpe spore 1 Tiss enavesados eles AA rrensine 413 Contatos flac (parsons Sipuesiamente et) 4.4 ote espactaue) 2, Tosh eacesladoseegaies 24 semucaron| 22 00s (espectoue) 2 Musi ia “ase do resporsias (1:1 + 1) Tas de acaos (1.2) = (114 1.2) “asa de coats [f= 13) 1] asa de siegaad (1+ 3) Entrevista personal empleo de entevistadores en una situacién cara 2 cara presenta problemas especiales relacionados ‘con ss elecein,capactacién y supervisin. A ete respect, las investigadores tenen tres opciones ‘nveden utilizar 3 propia rganizacién de investigacion, contatar una agencia externa especilizada fen el tabaja de campo 0 ambas opciones Sin importer cual apcion se seleccione, debe asigrarse Tempo y dinero seficlentes este aspecta tan cosiso y complejo de la operacién de campo. Encontar entrevstadares caleadas es una taea dil En primer lugar, el investigador debe sspeciicar las caractersticas del empleo requeridas para el proyecto. Luego, deben localizarse, Seleccionarse y cantatas, candidatos en aquelias reas geogrlicas requerdas segtin el plan de Inuestreo, Por lo general se contratan arganizaciones externas para el raajo de campo afin de que reslcen ls entrevista. Estas organizaciones mantienen contacto con los entevisladores y tienen chivos sobre sus capacidades profesionales. Una vez seleccionados los entrevisadores, debe capacissees objetivo dela capactacion es esa blecer un alto yado de semejanza en el proceso de reclectin de datos de todos los entrevistadores. DDebido a las imitaciones de tempo yaa dispersion geozrfica en el plan de muesteo, la mayonia de los programas de capactaién contioneninstucciones eserias para ol entrvistador que cubren deeas como "opdsio dl estudio, céme lear a cabo el plan de muesreoy ed abordar al encuestado,estable tet a relacin de amon, formula ls preguntas dems. tn el caso de estudios complejo, Ia apactiociin debe dhigase por los sypevisores en persona en una o més de as sees cenrales, Los restados dela preprucaadelen suminsarinformaciga valiosa acerca de la navuraleza y 1 alcance de Ia capacitacidn requerida, Es importante asignarsuficiente tiempo en el programe pata una capaciselén adecuada Después del programa de capactacidn, el entesistador comienza el proceso de entrevists. Duran- te este proceso debe haber un conslante montoreo para determina sie entevstadr se ajusta © no422 Pate crue mvesTREDY RECOLECECN C8 ONO ls planes, Las enteistasterinadas eben eviserse para vers estan completa, sison exactas,sise presentan en forma ordenada, ete. Sel rabajo de un entevisiadr no es satsactorio, puede requert ‘ua nueva capacitacin © haba que prescinele de 12Cémo debe remunerarse al entvevistador, or horas 0 por entevstat La respucsia comune pagar ‘por horas, ya que un plan ee pagos por incenvs puede hacer que el entrevistador haga apresurada fonts la eicevists se rattzca de manera sigriicatha Io calidad de os datos recolectados. to podria relejarseen la tampa ofalsificacion ee enreists, en np ormular todas las preguntas y en no profundizaradecuadamente en la respuestas l argumento para un plan de pago por incentivos, dande al personal se le pags par entresist, es ‘que Ios entrevistaores pueden ganar mas dinero si laniican sus actividades con mis efciencia Se ‘itma que se logran con mayor frecuencia lis fechas objetivo de finalzacion y que la calidad de los Gatos recoletacos puede ser mejor s sol se aceptan pata pago aquellas entrevista que satstacen los estindares especcads. El elemento imporlanteen el aso exiloso del plane pagos por incentives parece ser el amplis uso de controls. Finalmente el éxito del wabajo de campo depende dela habldady experiencia del supervisor de campo, La expacdad de un nuevo supericor debe verticarse contactando centes anteriores, y soko debe emplearse en el taba de campo los supervisors mas allamente caliieados Entrevista telefonica La mayoria de los aspects relacionados com la selaccin, cpacaciGny supervsiin de los entrevista ores personales se aplicaIqualmente a los entivistadores por telefono. Este caso se presenta ‘especilicamente sla enievisiasfeleGnicasdeben reazase desde diversas ubicaciones geowrdias Sin embargo, s se van a levar a cabo desde un sia central, la habildad para controlar de cerca el trabajo de campo se conviere en un importante alae de diferenciacidn, Tad el proceso de entevs tas puede monitorearse eirectamente, ¥ evaluarse la caldad de a entvevisia. Una entevsta de mala ‘Calidad puede detectaree ycomregise desde un comienza, Adem, también pueden detecarse ie tlatamente los problemas que genera una demora en el tempo programado pata las entrevista y procede, como se espera, 2 comegios. Parla general, las retasos en ef tiempo que se ha programado para las entrvistas se aibuyen a: 1) una sta inadecuada dela poblacin, 2} una tsa ms aka de lamas de segultnentorequeridas, que Is planeada y 3} enirevists que duran mis de lo esperado debi ala extension y/o complejiad del ‘cusstionario, Usualmente los problemas de esta natrsleza son ol esulado de preprushasinadecu das del cuestonara y del proceso de recolecin de dats, Un element principal de presupuesta son as radastleénicas, especialmente sino estin dsp nile las lineas WATS Entrevista por correo La enrevsta por correo se diferencia de otis metodo de recaleccion de datos en el sentido de que sms aspectos del proceso de recoleccidn de dates se encuentran bao el contol central del investiga. | | | 1Ciptle we arcucones cece 08 Esto se debe a la elminacion del entrevistador dela aperacin de campo. Por consigulente, las encucs- tas por conea tien mayor probablidad de cumplir con los programas de tiempo y sustarse a los retunuestos, en comparacén con ottos métodas de recoleccién de datos La prosramacin del tempo debe clasfcar las actividades en fses, como: 1) planeacin dl cues tionatio, 2) reprueba, 3} finalzacia y elaboracion del cvesionario, 4) primer envio por cowed, 5) segundo o lercer envio por core, ses necesario, 6 visi de os no encuestaos y 7} ecolecion de datos ce una submuesta de na encuestados. La experiencia del investigador es la clave para dese ‘llr programas de fempo realitas para las encuestas por correo. Entrevistas basedas en computador Las enttevistas basadas en computador se usan princpalmente en entrevistas telefnicas asides por ‘camputador computeraided telephone intervewing-CAT}), Sin embargo, también se esti utfizando ‘cada ver mas en enievsts personales y en encuesis por core [Por ejemplo, el sistema C3 de “Savvtooth Software es un excelente paquete comercial pare entrwsias basadas en camputader). Para ins entrvistas personals, el enlevistador emplea un computador laptop ene! lugar de a entrevista Poa enirevists en Centros Comercaes esto es fc ya que e computador no necesita ser transporte ta, Sin embargo, con computadores muy vianos, es posible celzar sin mayor diicultad entevistas personles en el lugar donde se encuentran los encuestados. Las encuestas por corte basadas enJat Parte Pua oe wesTREOY RECCLECECN C8 DAES computador son posibles ahora gracias ala gran canidad de computadores personales disponibles para clerias mussras objetivo. En este caso, al encuestado se le env por correo un dsquete de ‘Computer, y rexpande el cuestionario uiizando su propio computador personal. Las respuesta se Simacenan automsticamente en el disquete # melda que el encuestado responde las preguntas. Le {g0 ol disquete es enviado al remitente. Esta es una técnica que ha logrado algin grado de uso, especialmente para muestas de ejecuivs y personal industria En las enlrevstas por computador existen ciertas venlajas, ademds de aquellas del anlisisy procesamienta cle datos Enel capiulo 17 se analizaran estos dos Utmos aspectos. Las venajas| dels entrevistas por computador son: 1) entvevisas mas répidas; 2) entrevstas de mayor calidad, Ya que se eliminan ciertos errres humanos, como parones incorrectas de omisin; 3) capacidad para rotaro seleccionaraleatoriamenteIstas de marcas o atibutos; 4) conto sobre el numero de {celdas de una muestra por prorat, ya que el computador no aceptars una respuesta sila cela por pronateaesté completa; 5} capacidad para generar nies tlefénicos de digitosaleataros 5) eapactdlad para personalizar las preguntas segin las caracteristicas del encuestado; 7) contval dle los patrones adecuadas de omisin 8} capacilad para flerirse o insertar una pregunta previa; 5} suministearverficaciones de consistencia ene ae respuesta, lo cual genera respuestas mis vyeraces; 10) capaci! para Kdentiicarinstantsneamente ls respuestas que estan fuera del rango permisible, ya sea por la respuesta del encucslado 0 por elregstzo que hace el entrevistadar, puesto que el computador no aceplari esias respuestas;y 11) capacidad para aplicar un sistema tle seguridad computarizado para las respuestas. “También exten algunas desventaja en evant alas entrevistas por computador, as cuales san: 1) los preguntas de respuesta abierta no son files de usar, puesto que las respuestas son tiflles de regbtrar con rapide; 2) aun es posible tener erores de respuesta por parte de fos entrevisadores para las respuestascenira del rango permitido por I pregunta; 3) se requiere una inversin inci para preparar el cuesianario pr computador; 4) existe un costo signiieatwo en computadores y Eapacitacion del entrevistador 5) existe el riesgo de que fale el computador y se requera la repet ian elas entresistos;y 6) cuanda los disquetes se envlan por coreo alos encuestados, existe la hecesidad de equinas compatibles (por ejemplo, el tamaio y la densidad del cisco son elementos ‘que deben ser compatibles) Ena seccién ivestgackin de mercados en acién se descrben los benficios ober por Hallmark Cards en el uso de entrevitas basadas en computador MVESTIOACION DE MERCADOS EW ACCION HALLMARK CARDS OBTIENE BENEFICIOS DE LAS ENTREVISTAS BASADAS EN COMPUTADOR Hallmark Corde arta en una ampli inveigaion on el fn de aseguerse de que ss {ajetos pemmanccen acuslizadae Hart 1986, lon smvesiaaores de la empress realzaban lush aves de ene personales, zane Isley papel. Eos estudio, con ta fos de mustas se 200 personas, tomaban 35 dss poraVevalos 2 cabo y analiza. tn 1380, os ejeutvos de Hellarssolitaron aue el departamento de invesigacion rela 23,000 ene. Eto era cco veces ls enveistas que el Gpartamento habia compl ‘doen 1985. Hallmark cis hacer on camo hacia las eateses asides pox compute, onlin de ahora temp ly dine).Conia 1: onemicues oe cuMro $95 Para evalua ierenchs ent os dos todos, Hallark eal tes esas ene it~ dotadicionaly res seg elrttodo por complador Lat nesta or computador slo eau ‘fn 18 mowios prs repondels, cuando los encvetadesressondan os rept el entes- tudo eserves oman 28 mints os encuerados responding cuestnsro por com polar por su pop usa computador atomscamente asta a respuesta ata ase uae Ge ue el encesado bis evakngo cach ara, y advert al enveeiado: sages: bi un nero ini come respuesta. En Halim la enrvistes basadas en computador dicimayetn la canidad de tempo requerida pare completar un estado, morro a ealiad de os datos Tambien suri ‘on aoe coneumidores ona experienc de nvestgacion rida yagadable Todos estos bene ‘clos majoraon la dechones del gree de marketing Tome Yona de Dae Pl, Hm neni Your Cut varcan Oomogaphe po 5, ‘icemie de 1950 Observacion La noturaleza de los planes para las operaciones de obsersacién de campo depende de la comple. jidad del diseho de investgacidn y dest se uilzard el registro personal o el mecsnico, Cuando © ‘28 emplear pecronal de campo, se apica el andlsis anterior sobre entevistas personales. Cua td se vaa ulizar el registro mecSnico, se presentan problemas especiales. Enel presupuesto ya programacidn del tiempa deen considerase los castas del equipo, el tempo de desarrollo, ef Imantenimient, las fallas del equipo y similares.ERRORES EN LAS OPERACIONES DE CAMPO La validez de os resultados de a invesigacin ests irectamente relacionadla con el nkimera y Ia ‘magnitud de fos errores muestaes y los no muestrles. En esta section se descrben ls fuentes de error celacionadas con operaciones de campo. En secciones anterares de est bro se analiza los cerrores muestraes y lose muestrales, en I medida que se relacionan con auos aspects del proce $0 de investigacion. Las principales fuentes de error que se analizarén aqui son: 1) erores en la seleccin de la mest, 2) errores de no respuesta y 3) errores en el proceso de enrevisia. Errores on la seleccién de la muastra En los capftulos sobre muesteo se analizé el procedimiento de muestzeo por prorateo. Se obser {ue este procedimiento de muesteo no probabilsico es muy comin en la investizacin dle mercados ¥ requiere que el enievstadorseleccione los indidos que deben inclise en el estudio, sujeto a ‘arias cvolas especicadas en el plan de mucsireo, Es probable que este control del entevistador sobre el proceso de selecidn de la muestra genere un enor de seleccién de los encuestados. ‘A pesar de los prostateos y procedimientos formales para a seleccin de a muestra, algunas veces los centrevistadores vatan de cambiar 0 faslca ns rela yselecclonar aquellos enedestadas mis come lentes 0 que ofecen la menor resstencia. Para prorateos sobre niveles econdmicos los enrevitcores Slendan a centarse en los ives de ingreso media y rar nein ron ingreen aloe y aioe Los procedimientes de muesteo probabilstico que parece eliminar los erores de seleccin deb ‘muesa po parte del enreistador, todavia Contienen el potencal de errr. Usuaimente, el entrevstador participa en el procedimiento probabilisico que se ula para klenie asta de Unidas de viviend, Seleccionar la unidad de vvienda y escoge el ndviduo que va a entrevistr en la uidad, Al enumerar ae Uunidades de vivienda, los entevisadoresterden a dejar por fuera de fa st las manzanas de bajos ingress. Los procedinientas de seleccin aleatoria para escoger encuesas de a lista genezalmente ‘stn sesgads por parte dol entevstdr, a favor de ns viiendae de ingresas mechos. Dent de Ia Unidad de viens, os entrevstadres tend a seleccionar als personas mis accesible, Errores de no respuesta {i eor de no respuesta escrito en detalle en el capitulo 11, se refer ala ferenciaeatre aquellos ‘que responden a la encuesia equelos que nolo hacen. Esta puede ser ana de las fuentes de etror mas. serias que debe enirenar el investigador. Nos basaremos brevemente en e anterior anlss del ema y haremos énasis en suimportanca para las operaciones de campo. Lanno respuesta puede ser el resultado de dos fuentes: 1) na encontarse en casa y 2) rechazos. El problema de la no respuesta parece estar incrementindose. En la década de los anos seseni, los Investigadores obtenian tasas de respuesias ene el SU y el 5%, uiizando tres cuatro llamas cle Sseguimiento, pero en ls década de los fos novenla, las asas de respuesta balaron entre un BO yn (65%, La no respuesta se divide por igual ent no encantrase en casa y rechazos, Elpracedimiento mis comin pata aumentar la tasa de espuestas es hacer lamadas de seguimion- to. Bicosto den programa de lamacias de seyuimsento pete recicirseullizanda e telefono yo el ‘uestionario autoadminisado. telefono puede usarse para castactar encuestados y hacer clascaput 1: orennoouesoecauro 607 para la entrevista persona. Cuando sea apropiado, puede dejarse en las viviendas de los que no se fncuentren en casa un cuestionario autoadminisiado can un sobre con fanqueo prepagada y la fdneccion del renvtente Erroras an el proceso de entrevista Com la entrevista personal y telefnica el entrevistador puede ser una grave fuente de enor. Estos tertores se relacionan can: la armonia ente el enitevistador ye encuestado, 2) la formulacin de las preguntas, 3) regsto de las respuesta y } cometer aude Armonia entre el enievistador y el encuestado Una entevsta es una nteraccin social entre dos personas. Durante esta interacién, lo percepcién del encuesado acerca del entrevistador puede alec fardreclament Is capacidad de este timo par establecer una armoni apropiad. Los entrevistadores ‘ue pueden establecer relacones eicaces Con los encuesiados son capaces de recolectar datos mis completos y exactos. ‘Durante I entrevista personal el esto cle ves del entrevitador debe parecerse al del encuestad. La vestimentay la puleritud del entevstador son aspects imporlantes para establecer armonia, en el Sent de que la mayor de las persanas los consieran como indicadores de actitudes y orentaciin ‘de una persona. La conducta del enreisador debe ser al menos agradable, Como rega general, cuanto mis cosas tengan en comin el entrevstador y el encuestado, mayor seria oportunidad de ammonia, Basicamente, el encuestado debe ver al enrevistador como alguien ‘naz de comprender sus puntos de vist, Formulacidn de las preguntas Se han desartolado pautas apropiadas para la mayoria de las situa ‘Sones de atresia, que se enumeran brevemente en esa seci6n. 1. Estar completamente failiarizado con ol cuestionario fl entrevstaor debe estar cuidado samente ef cestionaro, pregunta par pregunta, y practicarleyéndolo en voz alta. Cada pregun ta debe lets sin comtererroreso sn ttubearen palabras y frases. papel del entrevistador se parece al de un actor que lee las lineas de una pieza de teatro o cinta cinematogréfica. Las preguntas deben leerse en forma naira yen tono de conversacion. 2. Formular las preguntas exactamente como aparecen escrita en el cuestionaro Los investiga. dares han encontrado que un figero cambio en la redaccion de las preguntas puede dsorsionar los estitados. El entrevtador debe estar consciente de ls cambios iadvertdos de una pre- una, como dejar aun lado pare de una peegunia, cambiar una palabra o agregar unas pocas palabras al ial de la pregunta, con el propésto de factar la conversacin, 3. Formula fas preguntas en el orden que aparecen en el cuestionario En el dseio del cueston rato, se etablees la secuercia de as preguntas para garantizar que las primeras preguntas no Sesslen ls respuesta dels ulimas, Adem, a secuencia de as preguntas se dseh desde la perspectva cel encuestado, para crear un sentido de continuidad en el tema tatado, 44. Formula cada una de las preguntas especiicadas en el cuestionario Larespuesia del encuesiado ‘uno de los preguntas puede contestar otra de as preguntas que aparece mas adelante en el {uestionorio, En esta stuacién el entevstador nunca debe om la pregunta que parece haber ‘So contestada con aneriovad Es responsabilidad del entevstadorformular cada una de las Preguntas, aun cuando se haya contestado con claridad antes, Esto puede lograrse haciéndole Ser al encuestado que elentrevistador es consciente de larespuesia que io con anteroridad ¥ cue salcta su cooperacsén para que vuelva 2 responder la pregunta. El enttestador podria thei por ejemplos vEste tema ya se ha valadoleverente, pero permtame pregunta...Tris ana in rev (Am Ar Sony such Cnt efor Soca Ree Parte PUMCE MuESTREDY RECCLECCONDE SOS LUiilizartkenicas de indagacién para Tograr que el encuestado conteste la pregunta Las pre {unt se han dsehaco para que las entendan todos los enevestados de lan de muestreo. Sin embargo, a veces el entrevstador puede encontarse con encuestados que no commprenden & Interpetan malo que se les preguata, que se mucsiranrenuentes a dar una espuesta completa fut se desvan a ott tema al expander Ia pregunta, La caida! de los datos recoleclados ‘epende dela habildad del enievisiador para superar estos problemas mediante el uso ce ‘éenicas neutrals de indagacion, as téenicas de indagaciin estin orientadas a desempetar las siguientes dos funciones sin Introduci sesgo: a) motivar a los encuestados para que se comuniquen en forma mis extensa ‘de manera que puedan explayarse, aclararo expica las razenes implica defo que dicen) yudar al enevestado para que se cancenue en el contenido espactico dela entrevista, fin cle titer datos reevantes 0 Innecesarios. Hay varios tpos de técricas neutrals de indagacin que pueden utlzarse para estimulr una respuesta mds completa y clara: a. Reet pregunta. Un enfoque muy efcaz consiste en repel pregunta tl como aparece tescta en el cuestonario, Generalosente, son ianecesaras ls indagaciones acionaes. b. Hacer ona pausa de expectatva. silencio ola pausa de un entevstadlores una clave wfc para que e encuestado sepa que se espera una respuesta mas completa, Algunas veces esto Fesula dil para los enrevstadoresnueves. «. Repeti Is respuesta del encuestado. Con frecuencia se esimula a los encuestados para que hagan comentarios adiionaes i escuchan la repeticién de sus pensamientos. to puede Inacere menial enltetstador resists los comentarios en el euestonorio, 4. Tranqulcar af encuestado. Sel encuestada parece dudar al responder, puede ser de gran uilidad hacer un comentario como: Sol estamos tratando de obtener ls ideas eles ers ras sobre este temas 0 sNo evisen respuesta correctas © incorrectas, s6lo queremos sus ideos sobre el temas i el encuestada necesita una expicacién de una palabra o fae, el tenrevistador no debe dit una detinicion; por el contri, la responsabilidad de a definicn tebe deste al encuestado, Esto podria hacerse de la siguiente manera: «So lo que tensa Signicadlo para usted lo que usted Harari.» «.Formular preguntas neutrales 0 hacer comentarios neuales. En la table 16-2 se presenta ‘arias ejemplos de las indagaciones que se ullizan con mas frecuencia y sus frases 9 breviaturas de enalabras clave» Las abrevaturasestindares deben rgistrarse en el cues tionaria, entre paréntesis, despots dela pregunta que se formul6. Seria de gran utlidad para el entrevistador novato tenet una copia disponible dela tabla 16-2 para una facil feferencia durante a entrevista {. Solictar una aclaraciinadicinal €formolar la pregunta: sNo estoy muy seguro de fo «ue Usted quiewe decir con eso, zpadia decime algo mist, puede despertat el interés del fencuestado de cooperar com el enevstador que parece que esid tratando de realizar un ‘buen tabajo, Can frecuencia es eficaz tatar de parecer un poco desconcertado coa la res ‘puesta del encuestado al haceve esta preguna En resumen, una indapacién eficaz eequiere que el entrevistador reconozca inmetat mente de gué manera la respuesta del encvestado no ha logrado satisiacer los abjetivescapil 1: onamncnesoccxwro $80 Pragunn oe epsidn PR, Algo ms? saM 0 més? ‘Alga oa axeo? no? 208 quiere doi? 20ue signtea? Posie ects mas sobre lo que panes ol repacto? Diga ako més. Poca deci que tiene en mais? Ou tiene en mento? Aue eure aoc? 206 signs? ePorque sa siants es? ePorqus? Qu sctara mis earcan # sora do ser? Ms careana? dle la pregunta espectiea Luego, el enirvstador debe estar en capacidad de seleccionar tune téenea de indagacion aprepiads para genera los datos requeridos por la pregunta Cada pregunta debe tener instracciones que indiquen con qué tanta profundidad debe indagar et enttevistador. {6 Tener en cuenta los cambios que se hagan al euestionario Sie enirevistador hace cualquier Smile ~inchna cambio inadveridas—en le palabras, edacrin worden de las preguntas ‘stos deben anatarse claramente en ol Guesionai. Esta permite al investigador anakzar el ‘Sesgo potencialy decidir como deberian codificase los datos, 7. Dar una razén ligica para recolectar datos personales Si el encvesiado pregunta por qué clenttevistadar necesita saber su edad, religion ingresos, etc, podria uilizarse la siguiente explication: ‘Beno, coma le eis anesnmene elas antevitane « persons de leant des y ocupacones ‘spre cys Reino nde eg somamos ga versfes mbes Senn {cer esto meceusamon saber ceria con cerca de hs peonas can quienes hblame. Par exa 14260 le Registro de tespuestas Aun cuatdo se haya logrado una trea libre de entores en la frmulacion de los preguntas la siguiente inquietad es registra los datos ee una manera no sesgata que pueda ser interretada con pecs por parte de los codiicadores. Cada entevisacor debe uilizar el mismo formato y convencones al registrar las enirevitas y ediar cada entrevista fnazada, ‘Reslas para registrar las respuestas El entrevistador debe registrar no sélo qué se dijo, sina tambien como se dia. El método de registro debe transmitr una imagen de la personaliclad del fencuestado Ia situacién de la entrevista, Las siguientes sos reglas se diseharon para ayudar a lograr este upo de egisro 11. Registrar las espuestas dante la entrevista 2. Eamlear ls amas palabras del encuestao. 3. No resui o paratasea as respuestas del encuestado, 44. tachi todo lo que se relacione con fos objetvos dle La pregunta55. Inc toasts indgaciones las comentarios, colocSndolos entre pavéntsi a cantinuaciin dela pregunta 6 -Mantener el interés del enexestsdarepitond la respuesta a media que se scribe Consejos para tomar notas a habia! pasa tomar notas se adquiere eon la pettica. Practique excribienda los comentarios de amigos 0 lis nolciss que se uansmiten en un noticiero, Tenga en cuenta lo siguiente 1. Alempezar la entevsa, rate de buscar un ugar donde pueda escribir con coma 2. Cuando el encuestaco comience a hablar, empece a escrihisinmedalamenie 3. Abreve las palabras y oraciones, Durante el proceso de ein, cologue la puntwacién -Mecinica del registro y ediciin de entrevstas Los siguientes provedinents se sugeren para tack hare proceso de registro yedicion. 1. Uniizar un ipl para escribir as vespuestas. scriir en foros lel Lulizarparénesis para indicar palabras u abservaciones del enirevisador. "Nada de lo que ciga el encuestaco debe irene paréntesis, [Durante la edicin, haga referencia civzada a Ins respuestas @ una pregunta que también se apliquen a ots preaunts Para cada pregunta reisre una respuesta o explicacin de por que no se contest. 7. Asesirese dle que los datos de eniicacion estén comletos: nombre, fecha, nimero del en tressador ndmero del poyecto, ete ‘Cometer fraud 2Qué signca cometer aude? Ela pric, es diel de dedi. Obviaente, lentrevistador personal que se sienta en su casa y lena el cuesionata esti haciendo fraud. Nis frecuentemente, cometerfraudle se define coma Is fasficacén de una 0 varias preguntas dentro del ‘cuestionatia Ese tipo de tampa es extremadlamente ciel de detector, Hacer Hamadas teens a Tos encuestados para determina sr se levaran 2 cabo lis entrevisas resonates no detector’ ase ‘Gones parcials dels cuestionaros. EI monitored de ls entrevists teefanicas es una forma efcaz de contolr el Faude en la entessta OPERACIONES DE CAMPO INTERNACIONALES Fl captlo 15 seresumieron algunas de as difatads en la seleccén de muesra en cievtas partes dlelmuro. Exist problemas sires en la mplenentacion de as operaciones de comnn en dkersas partes del mundo, Esos problemas incloyen I fla de sistemas elefonicas ecient a ata de pene tracion de telfonos en la poblacin: la necesiad cle mayar supervision de los enrevistadores en patses donde la fata ce entreistadres experimenteos es la not as diiculades del proceso de fentrevisias en regiones dle un pais donde na son muy asequibles el deseo de dar respuesas que Satoden aleniraistadr en ceraselturas;a na dispeniion a revel actnades verdaderas en culturas ‘donde esta ha so Nsrkcamentepeliroso la ausenca le pos de tecnologia de computadares y ‘de exploraciin. Ela seccion Dina de In investigaciio dle mercado global se dan ejemplos de ‘eos tips cle problemas. | |Coole 18: onerscouEs ce caro 801 é GJ DINAMICA DE LA INVESTIGAGION DE MERCADOS GLOBAL. TESTE TRABAJO DE CAMPO NO ES COMO OMAHA! _Acontnuaisns presentansimplos de dflaiades en operaciones de campo quehsn surge ‘doen a implamentacién de irvesigaion de mercados por parte vos empress: + Sede tn estudio mulnacionl de actedes de corsumidores hai pricticas dl mar tating verdes pss lnplemantada en el campo a raves dal llano. Los pate del estado Inchon Ausra, Canad, el Reino Undo, vel, Noroega, Francia, Alemania al, Jpn» ‘Sheapws En Noruea ls pentracién de os tellonas en as amas es aededor del 35%. AS, etento se implement ef wabao de campo per elelano en ese pats pened resultados no represents. + En Euroa y Afica del Norte se implements un estudio sabre el uso de productos de lovandea. th ceros pater usimanes de Afsca del Nore se considers lnapropado y foe tie stent ions hablar con meres miata els essban comprande, * Un importane empres de env con sede en os stados Unidos expand a Europe su enioque de envevstac ge aborda personas en centos comerciales. fh rani, con excep- ‘on de unas cuanto ivdases prince, hala muy pocoscenos comercals en les cules Snplementar ol nfoqueestndar del empresa, +E» Singapur, oe as enreists de us cludadanos deen ser aprobads por une apencla el goer ao parudcs a punta de os resas dee encesta yaa acted 1 datos que pda recoletase, + Una empress deimvetigaion de mercado de Past implements una encuesta een ca, En Pals ausencl de haruare de computador y de avarzado sftareasisido Dor omputador demote proces y redo ls exactiud de os ela. RESUMEN ay cuato seas comunes al planeacin ce todas las operaciones de campo: 2} program ‘ion del empo,b)presupuest,c personaly d) medcin del desempeno La programacién fel tempo especiiea el momento en el cua el proyecto debe comenzar y termina y ta Iign Io secuencia de actividades denieo de este periodo. H presupuesto comprende ly hignacion de cowtos als setnviades especticasilenfcades en la prowamacia de er po. Se regulere personal eapscta, jnto con una asanacion clara de responsabilidad por Setidaes, se espera cumple can fs fechas de termiacion y contol los estos Final ‘one, se reguieen medi claas dle esempeno 8 se desea controlar las actividades y ogra os obeivos Las operaciones dle campo deren sseemyplea la entrevista persona la entrevista tele rica yenitevinta por core a I obseracien para necolecar los datos. Cuando se wlizan ‘nitcustadores para recolectar los eis, sos deen selecconarse,capaciase y super ‘brs. lo ul implies actnidadescostoss y que demandan mucho tempo. Cuanda las trea elefomicas se realizan desde un sitlo cena, a capacidad para controlar de Cetca ln aetnidad de la eolevsta es una diferencia ispostante con relacion ala entevsta | |M02 Part fs AH DEMLESTREOY RECOLECCONDE OES personal Enel caso de a entrevista por correo a elininacién del entevstador del proce S0 de recoleccln de datos permite eentazat la operacion de campo drectamente sia 1 contol del investgador. Cuando se uilzan observadores en estulios de abservacie, Ta nauraleza de Ia operacion de campa es sna ala del estudio basado en entrevista personales, Si se empea el risa mecinic, se presentan problemas expecisles en ls ‘neraiones de campo. Las principales fuentes de eror en las operaciones de campo te eelacionan con: a rrores tela selecein de la muestra, b)erores de no respuesta yc) erotes del proceso de entre "as. Cuanto mayor contol tenga el entrevitador sobre Gunes serdn ented, mayor seri la posibiidad de que se presente error de seleccin de la muestra. El error de no e5- puesia Se refiore aa dilerenca enre aquelles que respondeny Tos que no lo hacen. La no respuesta puede ser el resllado dei 1) no encontrarse en casa y 2) rechazos. El proce Iniento de Hamada deseguimiento es el ue se emples con mas recoenels para nerementar 1 aa de expuestas {as prncipalesfeents de err en las enreisas se presentan en las dreas de: a) armenia entre elentrevistador el encuestado b)frmulacda de preguntas c) repro de respuestas yd) comer faude, Para el entensador novato se encuentran dapontbles pats relacionadas con el proceso de formudacn se pegunisy regis de respuesta Ets pats, combinadas con sesones ke pric tka eran de gran wild pra mejorar las habla de enrevtaror ovat y rk lo=s trres enol proceso de envi. PREGUNTAS DE ANALISIS {Guiles son ls cua reas mas importantes en la planes dels operaciones de campo? {Cules son os pelea herent luo dele entrevista persoral en as operaciones de campo! rake uso de a enrevita talnica en les aperaciones de campo. {uiles ton ls pines fuentes de err en las opeacones de campo? Qué es un ear de no respuesta {Como puede cont el ertevisiador al ero de mein? {246 pavias den dre al enrvisador ote a Frmsdscin de preguntas untcaso. Para cad no de los ejomplos de In secciin indice def inestigacn de metcados gba esta un enfoque pa el wabao de campo que ards fos problemascasos oe a one CUATRO CASO 4-1 Milan Food Cooperative (A) Joyce Lauchner, gerente general de Milan Food Cooperative (MFC), se habia preocupad tkimsmente porque haba peda contacto con los patrons de compra de los miembros de la coopera, Simpe= mente, MFC parecia is grande ahora en comparacin con los peimeros dias, la Se pregunaba si pod hacer uso de algunos datos que ya esuviesen dponibles para arpa su comprensin de fos Ribitos de compra de los miembvas. Esperaba poder utilzar este conocimiento para planear mejor la mmezcia la canta de bienes que MFC tot, INFORMACION BASICA DE MFC [MFC fue fundada en 1973 por Lauchner y un pequeft grupo de yoluntaris, La couperatva haba ‘aumentado de 10 miembros incales en enero de 1974 8 500 miembros en septiembre de 1994 La mpresa estaba ubicada en una antigua bodega al naroeste de Milan, Michigan. Milan era una Comunidad! de 7,500 persona, localizada en el sreste de Michigan, aproximadamente a 40 mils al Stroeste de Deiroit, MFC obtuve sus miembros de una cantdad de comunidades alrededor de ‘lian, inluidos Ana Arbor y Monroe. 1 objetivo de MFC era suminisvar productos aimenticios de ata caliad a un precio por debajo de los gue se fee en supermercads locales Para lograr est, MFC utiizaa las caja emp {jue como estantrts, peda a los compradores que marearan sus propios precios en los articulos, ‘end solo las areas de mayor venta aeneralmente na eiteca los joss asociadosa los super Inercadostaccionakes. Para compra en MF, les personas tentan que ser sodas, La cuoia deaflacin tr dle USS25 amuses, Cuniquerutlidad bien por MEC durante un af se devolva a os mien Inos en forma de era para sts compas. Lauchser consideraba que los socios compraban la rmayoria de sus alimenios en MFC. Preocupaciones de Lauchner tn los primero as de EC, Louehner se acts de eonacer a tados sus miembros. Haba pasado una sion cantilad etemo eel aman y Sena que conocia lo que las personas compyaban y cxinto tlnero gastaban, A medi que el rimero de socios aumentaha, sus deere aministratvos fa mane tan ns emp en fain, Por tanto, no conacta3 todos los miembros sus patrones de gastos. Blo queria conocer mejor esos apectes de su negaci y pensé que quiz algunos dels das que ya se habianrecolectaty sabre el nde de miembros podian peopercionarte respuests Los datos disponibles En fio de 1994 48 uizd un evestionavio para recolectar datos sobre el ndinero le miembios, Dirnte ese ms tolos Ios miembros fueron ala eaaperatva a menos una vez, Por tanto habia tlsponbildod de datos sobre los spins, Los datos conssian en las caracteristcaseemasaticas de Tos sacios, mus sus gas semanas en alimentos,tos datos estaban disponibles en las ayetas que ls socios abiandlignciado en el momento de a entrevista. Laechner tenia ets tarjetas en un archiver en su ofcina. Ena siguiente seccin se presenta tuna desctgcin del conten de as taytas,cuyes valores reales es tulad en I abl | Como primer paso para conocer mejor a los soclos, Lavchner queria saber el gasto semana | promedio.en alimentos de los Socios. Como el tempo era corto, queria hacer eso sn tener «ue Inira las 500 tages. Sin embargo, lambign deseaba que el promedio que calculraiese ecto. Se Dreguntaba come hacerlo DATOS DE MFC Explicactén de los items A-K en fa tabla 1 (Is variables) A = uimero de ienicacin de la fai 1-500} B= gasto real somanal en alimentos por eiemple, USS37.50), (C= nero rea de personas en la fama (1-3) 1D = ingreso rea anval del foriia [por ejemplo, USS17, 500) EE = edlucacin de la cabeza de familia, codticada en cinco categoria (1-5) FF = edad actual dela cabeza de fanila (por ejemplo, 38) C= aso semanal en alimentos, codicado en sete categoras (1-7) 11 = algun nina menor de 380s en afi (1-2) 1 =algin nto entve 6 y 18 aos en la fia (1-2) 1 = ingreso anual de la fami, coca en ses categeias (1-6) K =etlad de a cabeza de familia, coiticado en siete eateyouas (1-7) Detiniciones de las categorias para variables Variable C Namero total de personas en a fami, 1 = una persona | 2= das personas | 3 = tes personas 44+ canto personas 5 cinco personae | 6 = seis personas | 7 = sote personas {8 ocho persanas 9= nuove personas o mis Variable € Educacin de la cabeza de a, 1 = menos del grado4 = yadualode secuvdang 44 = algunos sts de educacibn universtana 5 = grado de In univers Variable G Gostos semanas en amentos. 2 USst52999 3 =USSIDA99 A=Ussiss9.00 5 = Usson74.99 = Uss75.9.99 7 = USS90 0 mis menos de USSIS. Variable H Alain nid menor de aos ea Fai Variable J Alin ite ent 618 sen Ia ami Variable J nareso anal le I ai, reno le USSS.100 2 = Uss3.0005,999 = Lss6,01449,999 4 = Uss10,000-14999 FUSSTS.p0024909 (= USS25, 000 6 mis Variable Edad ele cabeza de aii,2500 4st eo yo 4 39001 20001 2001 a0 4 soo 0004 ¢ 2 2 2 2 2 2 2 2 9 18.00 5 450 e 6 101800 2260 12 2000 13 9700 “sro sn00 #200 an.00 seo 200 1650 1 000 000 5000 +9000 22000 2 10 20 a 2 2 ss00 25 26 a 28 2 20 3 11000 500 29000 st 5800 ston 4000 12000 zro0 se00 oro 1000 +900 200 5000 7000 0 3900 eso 2 a 5 5 6 3 8 8 a 2550 2480 2500 5250 58.00 700 2500 @ 1500 2500 2°eso ts amanaon cooneRamie a) 507 1 1 1 1 e000 | 1800 4000 2800 2500 00 1500 1500 500 00 00 6200 2500 2500 300 2500 500 ‘5300 500 2300 1000 900 2500 ‘000 500 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 f|,|SsasassesegseggggggeasgggsaggggsgeRgegssgss | BRT SEEZAS SHS SSSR SSASARHSSSRASEEATERAEES g/ taba las mujeres de las Estados UnidosLos resuitados relevanies para los encuestados, por edad fueron: 1624, 47% 25534, 40% y 35 y ‘nis, 11%, dande un 2% er menor de 18 aos Los resuilads por estan ch fueron’ soter, 4 asada, 40%; divorciada/separada, 15%; y vida, 1%. Como no todos los leciores de Cosmopolitan respondieron el cuesionaro, habia preocupacién de que los esuladas no representasen a todos los lectores de Cosmopolitan, as como tambien a las {aml estadounidenses en general. €l informe de la investigacin revel que en tanto que na todos los lectoes de Cosmopolian packian tener exactamente las misma acide, ls esutados proba blemente pueden ser descritvos de Ia mayor de ls leclores de Cosmopolitan. En cuanto alas mujeres estadounidenses en corjunta, autora mencioné que estaba razonablemente segura de ‘qe los resultados para elas no serian en general muy diferentes. PREGUNTAS DEL CASO 4. ;Cuilesa defnicin de ly poblacén en ete ests, ere ea plain del exutio? 2 Qué marco musta seats 3. Qué procediienta de mucsteo se uli? 4 JEseseestuso superior ests aadmicos ates basados en el mao de muesia ais rade! como se deeming el tran del musta de Castopolian? CASO 4.6 Encuestas Gallup {En oss finales previos a una eleccidn presidencial en los Estados Unidos as medis de comunica én vulgan extensament los resultados de la encuestapoltica Gallup, y los realizadores de las ‘ampafas paliias los utlizan para azar fa esvatega final Debido a hb potencalimportancia dela encuesta Gallup, ef méiodo empleado para Revara a cabo es fundamental Durante el proceso de seleccidn de la encuesta Gallup, se escoge una muestra de 360 unidades rmuesirales primarias (UMP). Las UMP se seleccionan con probabilidades proporcionales a los datos de censos disponibles. Las unidades mucstales se estatfican por tamafio del lugar v por regién. Dentro de cada UMP se selecciona un distro ulllzando probabildades proporcionates al humero de votantes cle cada distito en la anterior eleccidn. Después, cada distita se divide en 10 partes aprosimadamente iuales. Lego, los entrevstadores recibeninsirucciones para campletar tuna entrevista en eada una de las 10 partes PREGUNTAS DEL CASO 11. sCuslelapoblacon de suc :qué unas muestals se dafiiton mediante ele proce ‘niet, cose oer lor acon masses? 2. xin alunos problemas que se presnten através dl mGtdoutizado para define spb in dl esd, ls unidad uss el marco muestra or qué se iz a esraiicacn,pexen estos aionales que deberonconsideaset | :0ué propos habia al scleccionr las UMP y los distor com prohabildad proporional 2 fos estimatvos de consos en us respectinas poblaclanes de arian, jedma podta haberse lograde estat 5. :Qé problemas podian surge os indus de las muesras con mayor prbabiidad de no Setar ena elecion?GASO 4-7 Un dia de trabajo de Pamela Palmers y ‘Sandy Sanders, entrevistadoras profesionales Pamela Palmers y Sandy Sanders, entevstadorasprofesionales de TiState Interviewing, estaban trabajando en un proyecto sobre entrevisasdento de un almacén, con compradoras en supermer: ads estudio consis’ en docerminas las reacciones de Is amos de casa hacia dos fSrmulas de rmezclas para hacer brownies. Una version muestra) era I Kmula tizada en la mezcla actual para brownies del cliente, la cual haba logrado una participacién de mercado considerable. La se Bunda versién (muestia G) era una nueva formula te imestigacion y desarolla (K&D), El chente ‘estaba inveresado en las preferencias de las amas de casa hacia las dos férmulas y deseaba obtener ‘en dltalle us comentarios a reacciones Palmers y Sanders se habian reunida con el cent la tarde anterior en una sesininformativa relacionada con ol peocecimiento del estuco Ia eiecucién del cuesionario, Amfas tendiian que fentrevistartantas compradoras como fuese posible en el periodo comprenclda entre las 9a. mas 9 pam. Las dos muestas de brownies las prepararislocalmente una economists domestica del depar ‘amento de ISD del cliente Alfinal del caso se encuentran ef cuestionasio ylas shojas de contacto» Las siguientes enevisias son representatvas de ls que realizaron Palmers y Sanclers durante la prucba de degustacin de brownies de un ea de dracon, ENTREVISTAS TIPICAS: PAMELA PALMERS (PP) ‘Supermereado Kroger, sdbado, 14 de julio Contacto No. 1 (8:08 a.m.) ‘Una mujer de edad madura se aprosima al Srea de prueba con unos cuants aticulos en su 30, tomatdos de ls extbciones dela ental Buenos is Soy Pamela Palmers y estamos realzando una prueba de degusacin le brownies ‘sta manna. be gustaria que probara nuesvas dos muestas de brownies y nes deta su opinion, _nevestada: Por sypuesto, me eacantan los brownies PP: Por favor, siémtese en nuestra mesa de desustacién v pruche los brownies, (La encuestada se sentay procede a proba ios brownies marcados con «Gs y sR PP. Después de que haya tendo e empo para probar cada brownie, me gusta hacerle unas ‘uanias preguntas. Sélo le tomar unos pacos minutos. Le puedo trae una taza de calet fveuestada: Si, po favor, café neg. PP {Cus dela dos muestas ce Brownies prefine? Encuesta La musta G, PP: Qué le gusts en particular de fos brownies. Encuestas: Me gust ol abo de G. PP: Qué habia en el sabor de G que le agradstsez casosueta mete coro Enevestads:Esabor a chocolate ea bueno, PP. JEn qué sentida era bueno el sabor 2 chocolatet Enewestad: No eran demasiado amargo ni demasiado dulce ea exacanente el sabor comect, PP: Perdone la demora, estoy anolando ls espuesta y quiero estar segura de que escribo exact ‘ents la que me eat cciendlo, 2Qv6 otra cosa le gust de I muesia Gz Fnevestada; Bueno, me gusta el color; es un café claro bonita, preckamente el color perfecto de ‘chocolate pata un brownie PP. sQue mis le gusts? Eneuestads: Creo que le he dicho tad lo que me gust6 acerca de la muestra G. PP: Que le gust de la muestra Re Enevesada: No hbo nada que me gustare de Eta PP: Qué no le wgrad6 en particular 6 ls brownies? Encuestas: Buena, la muestra R era demasiado dulce ya texture oa tele PP: sen qué send la texlua ora tenble? Encvesad: Bs demasiado esponjosa: deteto los brownies tipo tot PP: {Qué mis na le agra dela muestra R? Encuestac Fao este Que le dagusts dle la muesta Gz Encuestada: Se desmorema con faiidad PP Qué mis le disgusts? Encuestada: Nata mis, en ead es un excelente brownie, Respuesta resistradaPregunta 2 fleestre Gl Me guste dL sallr fall dialer a clear Wate cra Cacae flianel Ne are wi damasinde amaige nt cmasinde dities cro cxnctanenle Lutter cereale {ZA Bcc, me guste a celon es wn eles afl clére Cente, presale L eler perfide de checelile pare tt Aunts (ZA, Cree gue tt he dliche teal tb gue me guste te matte Elles BL Ne habe nade gue me gusto deeRespuesta reistrads—Progunta 3 fleester 4h Duce temustre Bera datiey tetertine von tanitle fester €5 damasiene eypepesn dbtesle Cs Crusis Ge torte {Dh Ee cs torte: fltesioe Gb. Se camesew cow flcitidadl {FA Wie ands cx realidad cs wa cuertiale Covititts Contacto No. 4 (10:43 a. m) Una familia con dos nis de aproximadamente4y 7 aos ingresa al rea de prueba. La mujer empuja un caro donde Bova a su niSa de 308 PP: Buenos dias, efor. Soy Pamela Palmers y estamas reaizando una prucha de degustacién de brownies. ;Le gustaria probar uno? Hay calé sobre la mesa. (8! hombre toma el brownie y se rlrge a la mesa por una taza de caf) Ps te austria que su spose probara dos muesas de nuestros brownies y responthera unas cuanas preguntas beves, slept cular fs nos mints lla praca los Grows Slo omar un ‘minuto (Elhomibe sone a Pamela y susie su esposa que prucbe ls brownies Luego se comele- ta ens, Contacto No. 7(14:32 a.m.) Una mujer de ela matlura ingresa a tea de prueba empujando e carro con prise, Ph: Buenos iss! Soy Pamela Palmers y esta mahana estamos realzando una prueba de degustacién ‘de Brownies, Me ustaria que rotara nuesros brownies y responders unas cusntas preguntas ‘ncuesada; Lo siento queria, estoy apuraa. (Le seiora se aleja por ef pasilo y se detiene breve: ‘mente para lamar una hogtza de pan- La entresista no se complet Contacto No. 18 (8: 32 p.m) Una mujer joven ingresa al dread prueba y sone cuando ve 2 Pamela PP: Stary, qo bueno verte. No sabia que hacis lus compas en Kroger Fncuestadt: Algunas veces tienen ofertas especiales buenas. ;Qué ests haciendo aqui, ealzando tna ce esas encuestas? PP: ;Por qué ao me aguas y pruebas nesvos brownie? fcuestad: Ne encanta, (Maryse sientay pei as clos muestra) : Cua de as dos muestas de brownies peeieves? Encuestas: ba G.524 casosceta mare cumno {Qué te gusté en particular de los brownies? Encuesta: Saben como hechos en cass, en especalla muesta G. Pe én qué sentido la muestra G sabe coma hecha en casa! reves No es muy bland ni muy duce Qué mas te gust de a muestra Gr Enevestad Nada mss {Qué te gusté en particular de a muestra RE Encvestad Es my tana Qué quieres decir con viana? Enevestada: BI peso dela muestra, se parece mis 2 una torta en su tetua, P. Qué mas te gust de la muestra RE Encvestac: Eso es tod, Ph. Que te disgust6 en particular de los bronest Encvestad La muestra ten an fuerte sabor a chocolate PP: Qué quieres decir con un fuera sabora chocolate? Eneuestada: Un sabor a chocolate mas bien dulce PP: Qué mas te disgusts de la muestra RP Encuesta: Creo que nada més, PP: Qué te agiads en particular de la mucsba Gt Encuesta: oda ser un poco ms blond PP: Cue ms no te agrad? Encuesta: Eso es lod en realidad! es un buen brownie, como los que hago en casa (E resto de fetrevisa se completa y Pamela y Mary hablar solxe asunios personales darante algunos minutos). Contacto No, 24 (8:08 p.m.) Una pareja de edad madutaenta alsa de proeba, Panta se acerca a su caro les sone se dige PP: Buenas noches. Soy Pamela Palmers y estamos realizando una prucba de cegustacin de bros ‘esta noche, Me gustaria que probara nuesios brownies y me responders unas cuss pein tas reves. So le tomard un into o ms (ia al sear y le soni). Ps Tenemos calé disponible sobre la mesay usted pul probarlos bownies mientras yo hablo con sr esposa [La sefora mira a su expasa.Elincina la cabeza en sei de spread. La Sera toma asientoy prucba los brownies. La envevisia se completa. ——— rrENTREVISTAS TIPICAS: SANDY SANDERS (SS) ‘Supermercado A&P, sabado, 14 de julio Contacto No. 1 (8:22 8. m.) Una mujer javen yun aio de un afte de edad se acercan al rea de prueba, El ent cata, SS: Hola, estamos realizando una prueba de brownies esta manana: pot favor, pruebe anos Encuesta: Bueno, SS: Por favor, sémtese a ln mesa y prucbe as dos muesias ue he marcato como «Rey Ge, she iustari in poco de cate? cuestada: Si, can crema y azar (La mujer prueba cada uno de los browaes 5: sCémo le pareceron los brownies? Frevestada:Estaban buenos. 55; xCuil de as dos muestas de brownies refere? Enewestada: La muesta G 58: Qué le gusts de la muestra Ge eneuestada: ene un sabor agradable. La textra de G era buena; a mime gustan los brownies hmedos. 55: Por himedos, quiere decir blandost Fcuestada: 5, me gustan los brownies blandos 58" U6 le parece ly muestn RY Dio que ambas eran buenas. Ecustala: Me gosta la muesta R, pero no tena el sabor de la muestra G. 58: Hay alan mist ncvestada: Na, 55: Qué le disgust de los brownies? nevestad: Me gustan los brownies caliente. 55: pAlguna cosa que no le agra de ly muestra G2 nevestads: Bra un poco pesada, 8: algo mis? neuestads: No 55:)Y de la meses RE Fcuwstada: Un poco duke 5: Algo mist Focuestads: No,25 cisasoeLipianecurRO Respuesta regstrada—Pregunts 2 inti Oacnas {GL Tetir aguattelté tiene tetera, he ocd hamedtl Manas BL, Paeftrmea saterre tan fae SESE Respuesta regnrads—Pregunta 3 A sefeintenente caliente {Gl Pade {BAe {Be Gio (WANé Contacto No, 8 (10:24 a.m.) ‘na pareja de avanzada edad empuja lentamente su caro hacia el sre de prueba. 55: Hola, gles gustaria probar algunos brownies esta mafanat Fncuestad (Hombre) No, na pueda comer esos brownies porque tengo dentadura postza La Date se aleja del dra de prusba. La entrevista no se completo) Contacto No. 4 (10:27 a.m.) Una pareja de edad madre entra al rea de prueba, Livan dos tas de5y 8 aos de edad. Lana dle Banos empuya el carro mientas que el espaso y la esposa hablan acerca de a ist de vivre. 155: ,Céma se encuentran esta mana? Estamos realizando una prueba de brownies; es interesria probar algunos? Eneuestada:(Mujer| No, hoy ne. (La entrevista no se complet). Contacte No. 14 (2:13 p.m.) [Una mujer de edad madara empua rSpidamente su caro hacia el Srea de prueba, 55; Hola, estamos ealizando una prueba de brownies esa man. Le impor dos versiones de brownies responder algunas preguntas! probar nuestas Encuesta ;Cudnto tiempo tomars? 55: Solo 26 3 minutos. También tenemos eae Eneuestado: No tomo cafe Tene tet $8: No. Encvestada: .Y leche? 55: No, Enevesoda Bueno, los probaré ripidamente | |5: Por favor, siémese ala mesa. Aquestn las dos muestra. Creo que le gustrdn (La mujer prueba ripidamente cada musta 55: Cl prfine? Encuestada: La mesa R 55: gQué le guste de Re nevestada: Ea sabrosa, mis como hecha en casa 55: Algo mis? Enevestada Ee lvian; a ota era demasiade bland 5: Algo mist ‘newestad: No, 55: Con respect ala muestra G, au le gust? Encuestads: Nad, 5S: {Qué no le agradé en particular de los brownies? Encuestada: La muestra G era demasiada banda y el sabor ers inferior. ‘55: 4QUE quiere decir con infront ‘neues: No sabe a nada ‘Ss: gAlga mist cvestads: No 55: la muesta Rt Encuestada:Estaba estupendha (el resto de a entrevista se completa) Contacto No. 21 (4:30 p.m.) Una joven pareja de adolescents entra al dread prueba. El joven emus el caro, 55; Hola, queremos que las mujeres prueben brownies esta tarde, Tene tempo para probatlos y ‘esponder algunas preguntas? Encuestade: (Mujer No, {nuestao: (More) Se ven buenos. Le molestaria i pruebo uno? (El hombe toma tes brownies la pareja se ale. La entrevista no se complet) Contacto No. 27 (7:42 p.m.) Una joven pareja ena adres de prueba. Un pequetlo de aproximadamente 5 afos tata de empujar celcara mientras spade Io guia desde adelante 5S; Hola, queremns que las mujeres prueben dos versiones de brownies esta tarde, Poa probarlos por favar?Tenemos cate st quiere un paca,Enevestado: (Hombre) Sigue quer, tomaré una taza de caléy nos encontramos en la seccin ce cereale S5:Por favor, sintese a nuestra mesa de degustacion y prusbe las dos muestas mareads Re {La ujer prucba cada muestra 5: sQué muestale gusts mist ncvesade: Amibasestaban buenas 5S: Tavo que haberle gustado una mas que a ota. Encuestadas Bueno, la G estaba un poco mejor pero ne macho. 55: :Qué le gust de Gt Fnevestada: Ea viana y suave 5: jSorfierea so peso? Enevestada: No, 2 su color. 55: Ago mast Encuesta: No realmente 55: 2Qué le uss de R? Fncuestada: Tenia un sabor agadable 55: Que qulere decir con agaablet Encuestada: La texture ea lige y clea 58: Algo mést Encuestada: No, eso es too. ‘55: gQue le sus en particular de fos browaes? Encuesada: Como hie antes, ne gustaron por igual. Amos son excelenes, ‘55: Debe haber algo que a usted no fe gust. {Quizss seria el color demasiado oscuro de Rt Eneuesiads: No, el color estaba bien. La entrevista se completo} ‘A las 9:32, Sandy se rene com Pamela un salén de aperivos cercano. Ambas ovdenan hear y proceden a veriica ls cusstianaros erminads estin completosy son leybles. Aedes de los 11:03 ya han completado su Wabaio y se crea a la oficina postal local para enviar por coreo los cuestionario ala fiina principal del cliente PREGUNTA DEL CASO {Coo evar Ia hats como entisadonas de Fama Palmer Sandy Sans, 8 upereneisespecticas mejorar su etal? Cocstonatio ‘nace es a Fecha‘Coto 47: 01 0 TRIAD OE PIELAPLUERSY SANDY SINDEN ENTREWSTADORASPROFESONALES 520 Estudio sobre Brownies 1. sCuil de os dos muesas de brie pret Mesa (J MuestaG(}Sinpeelenecia( | 2 sQuée gust en parc fs rome? (lndagueycarique completamente) Gut le gunn ptr dos roe? (dague ycaiquecompltament). 4. Com qué fecuenca seve Mrs a fai Unavezalasemana(}— Cadadossemanas| Una weralmes( Con menor Fecusecia|} 5. epate vs brownies wiizand wna mezel prepared opartendo de sus ingredients? Mezda( | Ingetntes))Ambost (Shia ana meses ambos, qu mates de mezca compra normalmente Nombre de mars Las pregunta 181 ficken formset demogrtic, Hoja de comtacto tnwwistadon peur Lealiitce impress Ze Late cd wane Ziegeee: a Dheceiin LIE Migue iuadvintn Lari, Misc ech bed, LE a sll.Hoja de contacto nuevitador -Zecedle Sauders impress Zee Slale gar MP oinccon 2522. ciudaestado LE Loris, Miser ee | a | ere sie = = | 1 9220m, y v | 2. 9:50 a.m, v v | 3 10:24am, ° ‘ | wes 39 8 a Fa ar |