Dentro de una investigación de mercados, el muestreo se refiere al proceso de obtener información de un subconjunto (una muestra) de un grupo más grande (el universo o la población) en la que luego, un usuario de información de mercados toma los resultados de la muestra y hace estimados de las características del grupo más grande.
En ese sentido, el proceso de desarrollar un plan operacional de muestreo se puede resumir por medio de siete pasos. Estos pasos son definir a la población, elegir un método de recopilación de datos, identificar un marco de referencia del muestreo, seleccionar un método de muestreo, determinar el tamaño de la muestra, desarrollar procedimientos operacionales y ejecutar el plan de la muestra.
Para ello, contamos con dos métodos de muestreo, los probabilísticos y los no probabilísticos:
Métodos de muestreo probabilísticos
Muestreo simple aleatorio
Entre las características del muestreo simple aleatorio tenemos cada uno de los elementos de la muestra, se selecciona aleatoriamente uno por uno y tienen la misma probabilidad de ser incluidos en la muestra.
El muestreo simple aleatorio empieza con una lista actual y completa de la población, es atractivo porque parece fácil, ya que cumple con todos los requerimientos necesarios de una muestra probabilística. Este tipo de muestreo garantiza que cada miembro de la población tenga una probabilidad conocida e igual de que lo seleccionen para la muestra.
Muestreo sistemático
En algunos casos, la manera más práctica de realizar un muestreo consiste en seleccionar un primer elemento al azar y luego ir escogiendo cada x-término de una lista o dejar pasar a x-individuos y preguntar al que sigue y así sucesivamente. Aunque, un muestreo sistemático puede no ser aleatorio de acuerdo con la definición, a menudo es razonable tratar las muestras sistemáticas como si fueran aleatorias.
El riesgo de los muestreos sistemáticos es el de las periodicidades ocultas. Supongamos que queremos probar el funcionamiento de una máquina, para lo cual vamos a seleccionar una de cada 15 piezas producidas. Si ocurriera la desgracia de que justamente 1 de cada 15 piezas fuese defectuosa y el error de la máquina fuera defectuoso periódicamente, tendríamos dos posibles resultados muestrales:
• Que falla siempre
• Que no falla nunca
Muestreo estratificado
Una muestra aleatoria estratificada se obtiene mediante la separación de los elementos de la población en grupos que no presenten traslapes, llamados estratos y la selección posterior de una muestra irrestrictamente aleatoria simple en cada estrato.
En resumen, los motivos principales para utilizar un muestreo aleatorio estratificado son los siguientes: la estratificación puede producir un error de estimación más pequeño que el que generaría un muestreo simple aleatorio del mismo tamaño. Este resultado es, particularmente, cierto si las mediciones dentro de los estratos son homogéneas; el costo por observación en la encuesta puede ser reducido mediante la estratificación de los elementos de la población en grupos convenientes; se pueden obtener estimaciones de parámetros poblacionales para subgrupos de la población. Los subgrupos deben de ser entonces estratos identificables.
Lo anterior debe de tomarse en cuenta cuando se está planeando estratificar o no una población, decidiendo en qué forma se definirán los estratos.
Muestreo por conglomerados
Para ilustrar esta clase de muestreo, supongamos que una gran empresa quiere estudiar los patrones variables de los gastos familiares de una ciudad como Lima. Al intentar elaborar los programas de gastos de una muestra de 1200 familias, nos encontramos con la dificultad de realizar un muestreo aleatorio simple (es complicado tener una lista actualizada de todos los habitantes de una ciudad). Una manera de tomar una muestra en esta situación es dividir el área total (Lima en este caso) en
áreas más pequeñas que no se solapen (por ejemplo distritos, manzanas etc.). En este caso seleccionaríamos algunas al azar y todas las familias (o muestras de estas) que residen en estos distritos o manzanas, constituirían la muestra definitiva.
En este tipo de muestreo, llamado muestreo por conglomerados, se divide la población total en un número determinado de subdivisiones relativamente pequeñas y se seleccionan al azar algunas de estas subdivisiones o conglomerados, para incluirlos en la muestra total. Si estos conglomerados coinciden con áreas geográficas, este muestreo se llama también muestreo por áreas.
Aunque las estimaciones basadas en el muestreo por conglomerados, por lo general no son tan fiables como las obtenidas por muestreos aleatorios simples del mismo tamaño, son más baratas. Volviendo al ejemplo anterior, es más económico visitar a familias que viven en el mismo vecindario, que a las que viven en un área muy extensa.
En la práctica se pueden combinar el uso de varios de los métodos de muestreo que hemos analizados para un mismo estudio.
Métodos de muestreo no probabilístico
Muestras de conveniencia
Muestras no probabilísticas basadas en utilizar a personas a las que se puede tener acceso fácilmente.
Muestras de criterio
Muestras no probabilísticas en las que los criterios de selección se basan en el criterio personal del investigador acerca de la representatividad de la población que se está estudiando.
Muestras de cuota
Muestras no probabilísticas en las que se establecen cuotas basadas en factores demográficos o de clasificación seleccionados por el investigador de mercados, para los subgrupos de la población.
Muestras de bola de nieve
Muestras no probabilísticas en las que se selecciona a participantes adicionales basándose en referencias de los participantes iniciales.
Consideraciones para la determinación del tamaño de la muestra para muestras probabilísticas
El proceso de determinar el tamaño de la muestra para las muestras probabilísticas implica aspectos financieros, estadísticos y administrativos.
Presupuesto disponible
El tamaño de una muestra a menudo se determina, por lo menos indirectamente, conforme al presupuesto disponible. Por consiguiente, con frecuencia es el último factor del proyecto que se determina. Un gerente de marca puede contar con determinada cantidad de dinero para la prueba de un nuevo producto. Después de la deducción de otros costos del proyecto (por ejemplo, diseño de la investigación, desarrollo del cuestionario, procesamiento de datos), la cantidad restante determina el
tamaño de la muestra que se utilizará en la encuesta. Por supuesto, si la cantidad disponible no produce un tamaño de muestra adecuado, entonces la gerencia debe tomar una decisión. Necesita encontrar fondos adicionales o cancelar el proyecto.
Una regla empírica
Los clientes potenciales pueden especificar en su solicitud, para la propuesta que quieren, una muestra determinada. En ocasiones este número, se basa en el error de muestreo deseado. En otros casos, solo la experiencia pasada. La justificación para el tamaño especificado de la muestra se reduce a una “corazonada” de que el tamaño de una muestra en particular es el necesario o apropiado.
Si el investigador determina que el tamaño solicitado de la muestra no es adecuado para respaldar los objetivos de la investigación propuesta, entonces, tiene una responsabilidad profesional de presentarle al cliente argumentos para un tamaño de muestra más grande y dejar que este tome la decisión. Si el cliente rechaza los argumentos a favor de una muestra más grande, entonces, el investigador se puede negar a presentar una propuesta basada en la creencia de que un tamaño de muestra inadecuado producirá resultados con tantos errores que pueden ser engañosos.
Número de subgrupos analizados
En cualquier problema de determinación del tamaño de la muestra, se debe considerar el número y el tamaño anticipado de varios subgrupos de la muestra total que se deben analizar, de los cuales se realizarán inferencias estadísticas. Por ejemplo, un investigador podría decidir tener una muestra de 400, en general muy adecuada. Sin embargo, si se va a analizar por separado a participantes del sexo masculino y femenino por lo menos esperamos tener un 50% de muestra del sexo masculino y el otro 50% del sexo femenino, es decir 200 por cada grupo. Ahora, si los resultados se van a analizar tanto por sexo como por edad, el problema se vuelve más complicado.
Si todo lo demás es igual, mientras mayor sea el número de subgrupos que se van a analizar, más grande será el tamaño requerido de la muestra total. Se ha sugerido que una muestra debe proporcionar, como mínimo, 100 o más participantes en cada subgrupo principal y de 20 a 50 participantes en cada uno de los subgrupos menos importantes.
Entradas
