Anexo profundizacin de

Muestreo
De qu se trata el Muestreo?
Seleccionar adecuadamente un subconjunto de
elementos de la poblacin muestra-
De forma tal de maximizar la representacin adecuada y
precisa de la poblacin
Posibilitando estimar, mediante la muestra, aquellos
indicadores o resmenes de la poblacin que no son
conocidos
Estimaciones que deben tener cierta confiabilidad y
precisin adecuadas al problema en estudio y al
presupuesto disponible
Ejemplos Intuitivos de Seleccin Errnea de una Muestra
1) Eleccin en Comuna de la Florida
Por motivos de conveniencia, se elige solamente a una muestra de hogares
del subconjunto que tiene telfono (en negro), y se entrevista a la mujer jefa de
hogar para tener una idea precisa de los votos que sacara Zalaquet partido
de la unIn por Chile- y de los votos que sacara Correa partidos de la
Concertacin
Cules seran los problemas?
2. Muestra de Hombres y Mujeres adultos para ver actitudes hacia marcas de Bancos
Se seleccion aleatoriamente una muestra en etapas: 1 comunas, 2 - manazanas y 3ero,
hogares y jefe o jefa de hogar Se determin un procedimiento de trabajar hasta las 6.30 de la tarde
para no hacer visitas al hogar

3. Comportamiento y Compra en un Supermercado de Grupo Socioeconmico Medio

Se trabajo de Lunes a Viernes por imposicin del supermercado- en tres supermercados tpicos,
preguntando y registrando las compras (cantidad, marcas y formatos de la categora Caf que
hacan las dueas de casa. L a muestra se aplic la 2da semana del mes habindose dado igual
probabilidad de eleccin a cada semana. Por qu estos resultados podran discrepar con la
realidad, respecto al tamao y a la cantidad promedio gastada?

4. Actitud hacia Marcas de Caf
Se compar la satisfaccin por la marca Nescaf a 400 de sus consumidores, con la actitud hacia
Monterrey de tambin 400 de sus consumidores. La muestra de consumidores fue seleccionada de
forma rigurosamente aleatoria. Sorprendentemente, la actitud de ambos consumidores hacia su
marca fue igualmente satisfactoria colocndoles un 6 en una escala de 1 a 7 de satisfaccin Qu
se puede decir de este resultado?

Elementos que Definen una Poblacin
Una
poblacin o
conjunto de
elementos
en estudio
debe y/o
puede
definirse en
los
siguientes
trminos
Contenido
Las unidades de las cuales se va a hacer inferencias
Extensin o ubicacin
Tiempo
Dueas de
Casa de
Preferencia marca y formato en situacin de compra real.
Cantidad comprada
Ciudad de Santiago
Compra mensual, semanal diaria ???
Definicin de la Poblacin por el Usuario ser ms bien Mltiple

Cliente: quiero saber como le va a Nescaf versus los otros cafs
Research: Al mes?
Cliente: Por supuesto
Una respuesta a esto lo har el Estudio Store Audit definiendo como unidad de la
poblacin los kilos de cada marca, y los formatos (tamao y cantidad) comprados al mes,
que vende cada uno de los canales de venta: supermercados, tradicionales, farmacias.

Ntese que la unidad en este caso no tienen que ver explcitamente con personas. Se trata de estimar los kilos que
vende cada marca al mes, utilizando una muestra de negocios y midiendo sus compras, ventas e inventarios
El tipo de respuestas ser:
Nescaf
70%
Otros
30%
Nescaf
60%
Otros
40%
Supermercados
Almacenes
Nescaf 80%
Otros 20%
Un cambio de poblacin lo harn los estudios de
panel y de tracking que quieren definir quin compra
cada quin:

Por ejemplo el Panel dir que al mes, el 80 % de los
hogares ABC1 compran Nescaf con un share de 90%
versus un 10% de otras marcas

En los hogares C2 y C3, solo el 60% compra Nescaf con
un share del 65%

Y en los Hogares D, solo el 50% compra Nescaf con un
share del 55%

Si bien la poblacin que se est midiendo es muy parecida
para un cliente ser lo mismo y tendr poco tiempo
de entrar en disquisiciones- en realidad es sutilmente
distinta. En el primer caso son solo tarros, en el
segundo caso siguen siendo tarros, pero los tarros que
comprazn los hogares
En sntesis, una de las medidas de esta poblacin los tarros o kilos
comprados por los hogares de Santiago debiera ser la misma
Sin embargo, generalmente discrepan no por mucho pero discrepan lo
suficiente como para sostener engorrosas explicaciones:

Algunas razones de la discrepancia:

Store Audit es una muestra donde se miden fsicamente las ventas,
aunque de hecho est sujeta a un error de estimacin estadstico
Tracking donde las medidas son declarativas, los volumenes y
participaciones de los lderes se tienden a sobreestimar, adems del
error estadstico
Panel, donde se miden cuasi fisicamente las compras de hogares
(boletas), puede haber errores de omisin, olvido y tambin hay error
esadstico o muestral:
Aunque todas estas muestras estuviesen diseadas para tener el mismo
error estadstico o muestral discreparan
Concepto de Sesgo: E (nedia muestral) # Verdadera Media Poblacional
Verdadero
Share en la
Poblacin
Nescaf
75%
Share con variable declarativa
Qu marca consume usted?
Nescaf 85%
Sobreestima sistemticamente
el share de Nescaf
Otras
25%
Otras
15%
De existir este sesgo no desaparece
al incrementarse el tamao de la
muestra, ya que obedece a un error
de medicin

Ntese que un marco muestral
inadecuado tambin produce sesgo.
Asuma que tanto Lder como Jumbo
se niegan a participar en
mediciones tipo Store Audit lo qiue
frecuentemente ocurre, por tanto
sus locales no pueden ser
encuestados
Otro ejemplo de sesgo: Preguntar
por el ingreso de las personas
Marco Muestral
El Muestreo estadstico y probabilstico supone la existencia de
marcos muestrales donde se identifique cada elemento:
Ejemplos son listados:
Guas de telfonos
Listado de personas del censo
Lista de impuestos internos de empresas
o
Marcos Fsicos relativamente establecidos
Mapasde Ciudades
Manzanas con hogares
Direcciones Ubicables, etc
Poblacin Alcanzable e
Inalcanzable
Alcanzable
Inalcanzable
Entidades
que no
cooperan
No respuesta
Poblaciones Mviles y Estticas Temporales

Se han puesto de gran moda los estudios de comportamiento del shopper o
comprador en situacin real, hechos por lo general en una semana, o algunos
das solamente

Si bien estos estudios son muy interesantes en su observacin de fidelidad,
interaccin con el merchandising y display de las tiendas, son dbiles en cuanto a
entregar comparaciones de share con estudios de mayor duracin efectuados ya
sea en el hogar o fsicamente [contando compras y ventas en el local]

A qu se puede deber esto? Y qu relacin tiene con el hecho de que los
anaqueles de marcas lderes se vacen mucho ms rpido que los anaqueles de
marcas secundarias o raras
Tipo de
Muestreo
Probabilstico
No Probabilstico
Cada elemento de la poblacin
tiene una probabilidad conocida y
no nula de ser seleccionado
Permite la obtencin de un error
muestral
Muestreo por Cuota
Muestreo de Conveniencia
Muestreo de Bola de Nieve
Muestreo aleatorio simple: cada elemento de
la muestra tiene una probabilidad de seleccin
conocida e igual, y cada muestra de n
elementos tiene la misma probabilidad de ser
seleccionada
Muestreo Aleatorio Estratificado- se toma
una muestra aleatoria simple de cada estrato
o particin de inters de la muestra
Muestreo Sistemtico
Taxonoma de Mtodos Probabilsticos de Seleccin . Cinco alternativas
que pueden combinarse
1) Mesip: Igual Probabilidad para todos los elementos
Probabilidades iguales en todas las etapas de seleccin
Probabilidades iguales para todos los elementos, compensando posibilidades desiguales en distintas
etapas
Versus
Probabilidades desiguales para elementos diferentes compensadas generalmente con ponderaciones
inversas. Causadas por irregularidades en los marcos y en los procedimientos de seleccin

2) Muestreo de Elementos

En 1 sola etapa, la unidad de muestreo contiene un solo elemento

vs

Muestreo de Conglomerados:
Las unidades de muestro son conglomerados de elementos

a) Muestreo de conglomerados en una sola etapa . Se selecciona todo el conglomerado
b) Submuestreo o muestreo polietpico
c) Conglomerados iguales
d) Conglomerados desiguales

3. Seleccin no estratificada
Las unidades de muestreo son seleccionadas de la poblacin completa
Vs
Muestreo Estratificado
Selecciones separadas de particiones o estratos de la poblacin
4. Seleccin aleatoria de unidades individuales de muestro del estrato completo o de toda la
poblacin
Vs
Seleccin sistemtica de unidades de muetreo con un intervalo de seleccin aplicado a una lista
5. Muestreo en una sola Fase : se selecciona la muestra directamente de la poblacin completa
Vs
Muestreo de dos fases o ms : la muestra final se selecciona de una muestra de primera fase
Intuiciones Muestrales:
Suponga que selecciona aleatoriamente en una 1era etapa, 40 manzanas para hacer un estudio del principal proveedor
de ingresos de los hogares de la comuna de las Condes.
Su muestra final va a consistir en 200 proveedores principales, o 200 hogares
Procedimiento A)
Cuenta todas las casas que hay en las 40 manzanas totalizando 2000 viviendas
A continuacin decide extraer 5 casas por manzana, hasta completar los 200 requeridas para completar la muestra

Procedimiento B)
Cuenta todas las casas que hay en las 40 manzanas: 2000 viviendas
Cuenta las casas que hay en c/manzana. Por ejemplo 80 en una, 40 en otra, y 20 en otra. Seleccionando casas en c/u de
estas manzanas de acuerdo a las siguiente proporcin fija: 200/2000, el 10% en c/una
Manzana 1) 80 viviendas; selecciona 8 casas
Manzana 2) 40 viviendas; selecciona 4 casas
Manzana 3) 20 viviendas selecciona 2 casas
Sigue procediendo de la misma forma hasta completar las 200 manzanas de la muestra

Procedimiento C)
Selecciona solamente 30 manzanas y una muestra de 10 casas por manzana, totalizando una muestra de 300 casos

Cul de los 3 procedimientos es ms correcto y rendira mejores dividendos muestrales?
Ejemplo: Mtodo de Seleccin en 2 Etapas

Supongamos que en las Condes hay 400 manzanas, con 20.000 viviendas, o 50 viviendas en
promedio en c/manzana

La probabilidad de seleccin de una vivienda en a muestra de 200 casos, Pvm es igual a :

Pvm= Probabilidad de Seleccin de la manzana de la vivienda en la 1era Etapa X Probabilidad de Seleccin
de la vivienda en la manzana elegida (2da etapa)

Mtodo A) (40/400) * ( 5/Mni)
Se eligen 5 casas por manzana independientemente
del No de casas por manzana (Mni)



La probabilidad de seleccin de una vivienda en una manzana de 20 hogares, es de (40/400) * (5/20)= 0,025


La probabilidad de seleccin de una vivienda en el caso de una manzana con 80 hogares, es de (40/400) * (5/80)=0,0062

Qu implicancias tendra esto?

Prob. 1era Etapa Prob. 2da Etapa
Las viviendas de manzanas con pocas viviendas quedaran sobrerepresentadas en la muestra en relacin a las viviendas
de manzanas con muchas viviendas

Ntese que el muestreo sigue siendo aleatorio, con probabilidades conocidas, pero representa mal a la poblacin en estudio
Suponga por ejemplo que la distribucin de manzanas era de :

20 manzanas con 80 =1600 hogares. De aqu va a sacar 100 encuestas
y
20 manzanas con 20= 400 hogares. De aqu va a sacar 100 encuestas



Mtodo B)
Se utiliza una fraccin de muestreo para seleccionar hogares en cada manzana; igual al porcentaje que
resulta de dividir el nmero de la muestra (200) por el total de hogares de las 40 manzanas
seleccionadas en la primera fase (2000)

Este nmero es (200/2000), lo que implica seleccionar el o el 10% de los hogares de cada manzana

La probabilidad de seleccionar una vivienda de una manzana de 80 viviendas es igual a :

Prob. 1era etapa



(40/400) * ((200/2000) x 80) / 80) = 0,1 x 0,1 =0,01

Y la probabilidad de seleccionar una vivienda de una manzana de 20 hogares, o de 50 hogares es tambin

(40/400) * ((200/2000) x20) / 20) = 0,01 (40/400) * ((200/2000)* 50) /50) = 0,01


Las manzanas en realidad estn diseadas para tener 50 viviendas cada una

Si las manzanas tuviesen en realidad 50 viviendas c/una, la probabilidad de seleccin de una vivienda en cualquier
manzana sera igual a:

(40/400) * (5/50) = 200/20.000= n/N= 0,01

La probabilidad sera conocida e igual para todos los elementos de la muestra (Mesip) Muestyreo Aletorio Irrestricto


Nuevamente, cualquier hogar tiene la misma probabilidad de ser incluido en la muestra.
Qu significa que una muestra
sea representativa?
Significado: que contenga a los distintos
componentes de la poblacin en su real
proporcin o representatividad
Esto depender de la aleatoreidad con que fue
extraida la muestra y de la calidad de los marcos
muestrales

Depender tambin de su tamao. Una muestra
demasiado pequea no ser suficiente para
representar las caractersticas minoritarias raras- de
una poblacin
Adicionalmente, depender del grado en que se
pueda alcanzar la poblacin, y a la ausencia de
sesgos de medida en las variables a estimar
Ejercicio: Suponga que las encuestas del Nivel ABC1 y C2, por lo general excluyen los edificios departamentos Qu
consecuencias tendra esto para un estudio de marcas de Caf, para los bienes y servicios que vende Homecenter, para
un estudio del uso del tiempo libre
Qu intenta
hacer el
Muestreo por
Cuotas y en
general los
mtodos
no
Probabilsticos?
En general, intentan
aleatoreizar en la ausencia
de marcos muestrales y/o
ante el mayor coste de
procedimientos ms
rigurosamente aleatorios

.
Tambin intentan - a veces - cuidar
la calidad de una seleccin aleatoria en
los procedimientos de seleccin .

Por ejemplo los rechazos u horas de
trabajo, pueden significar que hombres
que trabajan sean reemplazados por
jubilados y que las mujeres
profesionales sean excluidas
Qu intentan
hacer las muestras
de Conveniencia?

Por ejemplo, el decidir a priori
utilizar ciudades tipo. Por ejemplo,
elegir Antofoagasta, como
representativa de las conductas de
consumo del Norte

O elegir Temuco y Osorno como
representativas de las conductas del
Sur

El capturar ejecutivos a la salida del
metro en vez de en sus hogares
Evidentemente en ninguna
de estas muestras existe una
probabilidad de seleccin
conocida

Todas se basan en que el
comportamiento de que la
poblacin excluida Iquique
y Arica, tienen el mismo
comportamiento para las
variables en estudio- que la
poblacin incluida.
En rigor. Muchas veces esto
podra ser as o aproximado,
muchas veces pudiese ser
falso
Discusin tipo de Muestra: Tracking de
Productos
1) El enfoque muestral permite un anlisis ms confiable y estable de los segmentos marketing cruciales
Nios Teens Adulto
Joven
Adulto
Joven
Adulto
Edad 8 a 11 12 a 17 Edad

24 a 29 30 a 40 41 a 51
Hombres 50 50 Hombres 50 50 Total Madres
Mujeres 50 50 Madres * 50 50 50 100 a 150
Total Mes 100 100 Total Mes 100 100 50
* Las mujeres de 24 a 29 aos podrn ser o no madres, de acuerdo a su distribucin poblacional, el resto corresponder solo a madres
Muestra acumulada
2 meses
Margen de Error Muestra acumulada
3 meses
Margen de error
Nios y Teens 400 4.9 600 4.0
Adultos jvenes 400 4.9 600 4.0
Mujeres Jvenes 200 6.9 300 5.7
Madres 200 a 300 6.9 300 a 400 5.7
Introduccin: Tamao de la Muestra

En un mundo de clones me basta tomar a uno
para conocer la poblacin
Son todos iguales. La varianza de cualquier
caracterstica es cero
Var y = S (1 f) donde f= n/N fraccin de muestreo, n
n

despreciable si es menor al 10%
Error estndar de y = S
V n
y z S
n
Contiene a la verdadera media poblacional que
estamos tratando de estimar con un nivel de
confianza o probabilidad igual a

determina el valor de Z

Si es igual a 0,95 entonces Z = 1,96

Error Muestral o Tolerancia
Curva Aproximadamente Normal
-1,96 1,96
rea=
0,025
rea=
0,025
rea o
Probabilidad
entre los 2
puntos = 0,95
z S
n
Error o
tolerancia
muestral
=
1ero determinamos el error aceptable para nuestra estimacin

Error = z S
n
Pasos en la determinacin de la Muestra
Elevando al cuadrado y pasando n a la izquierda se tendr :
n = (z)**2 S**2



Error **2
En el caso de Proporciones esto ser muy fcil ya que se puede suponer
varianza mxima PQ= 0,5*0,5
n= 1,96**2 0,5* 0,5 0,9604

0,05*0,05
=
0,0025
=
384
Determinacin del Tamao Muestral
En el caso de proporciones esto es muy fcil
Tamaos de muestra
Nivel de Confianza
90% 95% 98% 99% 99,9%
Margen de
Error (%)
-1,645 -1,960 -2,326 -2,576 -3,290 Z asoc
1,00% 6764 9604 13530 16587 27068
2,00% 1691 2401 3382 4147 6767
3,00% 752 1067 1503 1843 3008
4,00% 423 600 846 1037 1692
5,00% 271 384 541 663 1083
6,00% 188 267 376 461 752
7,00% 138 196 276 339 552
8,00% 106 150 211 259 423
9,00% 84 119 167 205 334
10,00% 68 96 135 166 271
15,00% 30 43 60 74 120
20,00% 17 24 34 41 68

2
2
1
) 1 (
E
p p Z
n
n
p p
Z p

Tres Problemas:

1. Es suficiente con 384 encuestas para un nivel
de confianza del 95%
2. Qu sucede si necesitamos mayor precisin en
datos cuantitativos?
3. Qu sucede si nuestras variables de inters no
se distribuyen normalmente
1er Problema
Se quera saber si dichas personas han ido al
cine durante la ltima semana. Mediante el
correspondiente anlisis estadstico (por
ejemplo el chi cuadrado), se podra conocer si
existe o no relacin
entre la edad del encuestado, y el hecho de que
durante la ltima semana ste haya ido al cine.
Ahora bien,
si se quiere analizar por separado a aquellas
personas de 18 a 30 aos que fueron al cine
(25 individuos), y
estimar a partir de aqu que porcentaje de las
personas de 18 a 30 aos son hombres, y
cuales son mujeres,
el error se dispara. No hay que olvidar que
slo se dispone de una muestra de 25
individuos.
Cules de los siguientes resultados
podramos y cules no podramos determinar
con precisin, ni saber ms all, con nuestra
muestra de 384 casos bien distribuida en los
7 das de la semana?
Tipo de compra y Gasto Asociado
Base: Total Entrevistados (412 )
$ 6
$ 7
$ 13
$ 34
$ 45
$ 78
11
14
20
36
40
42
Gasto US$
Duracin minutos
Compra
rpida, del
momento
(36%)
Compra
peridica,
planificada
(17%)
24%
12%
47%
12%
4%
1%
Entr a comprar algo para
consumir luego
Iba pasando por el sector y
decid comprar algunas cosas
Vine a comprar unas pocas
cosas que me hacan falta
Vine a hacer la compra de la
semana
Vine a hacer la compra para la
quincena
Vine a hacer la compra grande
de productos para el mes
Compra de
reposicin
Tipo de compra y Gasto Asociado
Base: Total Entrevistados (412 )
Compra
peridica
46%
Compra de
reposicin
40%
Compra
rpida
14%
Participacin en el gasto
24%
12%
47%
12%
4%
1%
9%
5%
40%
28%
12%
6%
Entr a comprar
algo para consumir
luego
Iba pasando por el
sector y decid
comprar algunas
cosas
Vine a comprar
unas pocas cosas
que me hacan falta
Vine a hacer la
compra de la
semana
Vine a hacer la
compra para la
quincena
Vine a hacer la
compra grande de
productos para el
mes
Incidencia del tipo de compra
Participacin en el gasto
Aunque slo un 17% de las
compras corresponden a
compras peridicas, estas
representan el 46% del gasto
Emocin hacia la marca (ejemplo multitienda)
A
c
t
i
t
u
d

h
a
c
i
a

l
a

c
o
m
p
r
a

o

u
s
o

d
e

l
a

m
a
r
c
a

(
e
j
e
m
p
l
o

m
u
l
t
i
t
i
e
n
d
a


Una multitienda
aceptable

Una multitienda buena

Una multitienda
excelente, que me
encanta
Compro siempre
ah, sin fijarme en
otras alternativas

Compro seguido

Compro solo a veces
si est en oferta
Zona generadora de alto Equity (ZGA)
Consumidores
Evangelizados:
leales y
comprometidos
Zona de consumidores
potencialmente leales (ZGPL)
Zona de
consumidores
oportunistas y
vulnerables
(ZGOP)
Vulnerability Analysis: Qu porcentaje de Consumidores
Evangelizados tiene la marca?
Ratios que entrega el anlisis Core:
Core ratio: ZGA/ZGOP
Indicadores de lealtad y vitalidad de la marca: ZGA, ZGLP, ZGOP
Alimenta el calculo
de Equity
Necesitamos mayor precisin en datos cuantitativos?
Gasto
promedio
semanal
20% 40% 60% 80% 100%
$5000
$100.000
Puedo estimar el gasto medio semanal por hogar?

Qu margen de error quisiera tener +- $5000 ?

Cul es la varianza ? No tengo idea, tampoco tengo estudios
anteriores que me digan cul es

Asumamos el peor de los casos

50% gasta $5000 y 50% gasta $100.000

Varianza = (xi-x)**2 Media= 52.500

n/2* ( -47.500)**2 + n/2 (47.500)**2
n
n
n= 3,84* 47.500**2 = 345
25.000.000
Fijamos un error de $5000 y
determinamos n
Exploremos aprendiendo a Descubrir patrones
Anlisis de Caso Real

Veamos si la varianza es tan grande y si hay formas de disminuir la
varianzas (muestreo estratificado)
El supuesto del peor de los casos podra ser excesivo
Pero 5000 puede ser mucho piense en las compras pequeas, y/o el
peor de los casos puede ser demasiado pesimista

Supongamos que deseamos 2000 , en tal caso requeriramos ms
de 2000 casos lo que lo hace infactible
Razones para Estratificar

Se puede reducir fuertemente la varianza de un estimador si nos
encontramos o construimos estratos de distinto comportamiento, por
ejemplo de varianzas muy dismiles pero relativamente homogneos en su
interior . Esto implicar menor requerimiento muestral

Probablemente , nos interesa no dejar de lado un estrato minoritario que
nos interesa analizar en mayor profundidad

Una vez que estratificamos y determinamos un tamao de muestra,
debemos decidir como lo repartimos entre los distintos estratos
Nomenclatura Muestreo Estratificado
Ni tamao del estrato i
ni tamao muestra del estrato i
N tamao del Universo o Poblacin
n tamao total de la muestra
wi= peso o ponderacin del estrato = Ni/N
k = cantidad de estratos
si= desviacin estndar del estrato i
xi = media del estrato
Estimadores Muestreo Estratificado
X = wi xi La media de la muestra es una media ponderada entre
estratos
S x = wi sxi

wi si

ni
wi piqi
ni
Proporciones la
desviacin estndar
de la media o p es
Muestreo Estratificado Proporcionado: el tamao de muestra
de cada estrato es proporcional al peso del estrato

ni= Ni/N x n
S x = wi sxi
Ni si

ni
=
N
S x = wi si

n
Muestreo Optimo: minimiza la varianza total de la estimacin
de un promedio
ni= wi si x n
wisi
Error estndar de la media
S x
=


n
(wisi)
Estrato Tamao Muestra Consumo Promedio Desv. Estndar
1 8000 80 20 4
2 6000 60 10 4
3 4000 40 15 5
4 2000 20 6 2
20.000
= .288
S x =
0.4 4 + 0.3 4 + 0.2. 5 + 0.1 * 2


80 60 40 20
Consumo de Cerveza
Muestreo Aleatorio Estratificado:


Var y = Wh V (yh)
Wh = Nh
nh
Si las fracciones de muestreo son despreciables en c/estrato, la
formula se convierte en
Var yh = Wh Sh
nh
Con asignacin proporcional nh = n Nh
N
La varianza se reduce a
Wh Sh
n
la fraccin de muestreo se ha despreciado

En este caso 95% de confianza significa que obtuvimos los lmites de confianza 0.6 y 4.7
a travs de un procedimiento que produce un intervalo que contendr el verdadero valor en
95% de las instancias en que lo usemos y no contendr el verdadero valor en el 5% restante
de las instancias.

Hablando informalmente, un intervalo de confianza de 95% de 0.6-4.7 significa que el
valor observado de 1.7 es compatible, en la usanza convencional, con riesgos relativos
verdaderos que se encuentren entre 0.6 y 4.7 inclusive
Qu Significa el 95% de Confianza?
No esperamos que nuestra estimacin sea exactamente el valor correcto, por eso
calculamos tambin una estimacin de intervalo, o intervalo de confianza
como indicador de cuantos datos haba disponibles para la estimacin
Calculo Error Muestral
Tpicos de Marketing
Estimacin de Totales= Ny = Nyi = Ny
n
Varianza Ny = N V(y) = N o
n
Desviacin Estndar = N o
n
Intervalo de Confianza = Ny z N o
n
Supongamos que se desea obtener el Mercado total de gasto mensual en tarjetas de crdito
de Santiago, donde se sabe (hipotticamente) que hay 1.200.000 tarjetas y que el gasto
promedio mensual en tarjeta es de $ 181.500

Pregunta_ Cul sera el error muestral con una muestra de 1000 casos, si el gasto promedio
por tarjeta fue de $480.000?
10% de las tarjetas gastan $500.000 y el 90% gastan $200.000

Gasto Promedio Tarjeta = 121.000 (500.000) + 1.089.000 ( 200.000) = $181.500
Varianza del Gasto Total = NO/n

REGIN
Miles
de
person
as
Poblacin
(porcentaj
e)
Superficie
3
(km
2
)
Densidad de Poblacin
(Hab/Km
2
)
. . . .
I DE TARAPAC 426.3 2,8 59.099,1 7,2
II DE ANTOFAGASTA 492.8 3,3 126.049,1 3,9
III DE ATACAMA 252.3 1,7 75.176,2 3,4
IV DE COQUIMBO 600.3 4,0 40.579,9 14,8
V DE VALPARASO
1.542.4
10,2 16.396,1 94,1
VI DE O'HIGGINS 773.9 5,1 16.387,0 47,2
VII REGIN DEL MAULE 904.1 6,0 30.296,1 29,8
VIII REGIN DEL BIOBIO
1.853.6
12,3 37.062,6 50,0
IX DE LA ARAUCANA 864.9 5,7 31.842,3 27,2
X DE LOS LAGOS
1.061.7
7,1 67.013,1 15,8
XI AISN 86.6 0,6 108.494,4 0,8
XII DE MAGALLANES 151.8 1,0 132.297,2 1,1
REGIN
METROPOLITANA 6.038.9 40,1 15.403,2 392,1
1/ Superficie obtenida por planimetra en cartas I.G.M. 1:500.000 para las regiones I a IV; 1:50.00 para V a X y preliminar 1: 250.000 para la XII.
A/ Excluye superficie de Territorio Chileno Antrtico (1.250.000 km2) y las aguas martimas interiores.
B/ Asignada por diferencia entre total pas y suma de las restantes r

Estudio de satisfaccin de clientes de lneas areas aplicado a viajeros que vuelan desde
Europa y otros pases a Santiago de Chile, en las siguientes lneas areas:





Lnea Area Clase Turista Y/C Clase Business JC Total
Iberia 75 50 125
Lufthansa 10 10 20
Air France 10 10 20
Lan Chile 37 75 112
Total 132 145 277
Iberia proporcionar los cuestionarios, de los cuales solo el espaol se adaptar al lenguaje local

Los cuestionarios se aplicarn autoadministradamente a los pasajeros en cualquiera de los
siguientes idomas: Ingls, Frances y Portugues
Lder Centro
Diproc el Mirador
Jumbo
Diproc Fiesta o Mega
Lder
Diez
Sector A
Ruta 5
Sector B
Sector C
Este
Piduco
Oeste
TEMA 1 ) Diseo Estudio
Dada la distribucin aproximada -arriba- de los supermercados de Talca

a) Apoyndose fuertemente en un diseo muestral por reas Cmo testeara usted la fuerza de
marca de un supermercado como Diproc ante los otros supermercados? Piense que debera
demostrar. Piense tambin en compras grandes y pequeas. Espera usted que la preferencia
de marca declarada coincida con el supermercado habitual en Talca? Por qu s o por que no
b) Piensa que el supermercado Lider - ubicado en el centro- es un supermercado con mayor
carcter de conveniencia -fuerte composicin de compras rpidas sobre el total- que Diproc
Fiesta o Mega? Explique. Cul dira que es el comprador tpico del lder versus el de mega
fiesta?
c) Qu debiera medir, demostrar y muestrear para estar seguro que Diproc tiene un repliegue
posible ante su eventual arrasamiento por Jumbo?
d) Pensando en compras rpidas y/o de reposicin y compras mayores que se hacen en el Diproc
Mega o Fiesta.
Qu composicin debiera medir, que hbitos de compra debiera chequear, y que testeara para dar
una buena probabilidad de sobrevivencia o reorientacin de este Diproc ante la eventual llegada
de Jumbo a 1 cuadra de distancia.?
d) Qu importancia tiene medir la cartera de productos que se compran en los distintos tipos de
compra, la forma como llegan a comprar la gente a pie o en auto - a los distintos
supermercados, y el tiempo que permanecen en el supermercado?
Tema 2) Excelencia en el Muestreo

Los alumnos de un 1er curso de Investigacin de Mercados al disear una muestra para estudiar la
estrategia comercial de un supermercado, plantearon que haran una muestra en hogares, eligiendo a
los mayor de 18 aos como el sujeto de informacin muestral

a) Qu ventajas y que problemas para la utilidad de la investigacin, ven en esta definicin de los sujetos
que conforman la poblacin en estudio. Cambiara esta definicin de la poblacin? Explique
b) Ustedes han visto bastantes casos de maridos que compran en la vuelta al hogar o estudiantes , que
podran ser interesantes para un investigacin como Diproc. Vale la pena incluirlos en la muestra
y/cmo los incluira?

Suponga que usted decide hacer una muestra de conveniencia -pero con una fuerte aproximacin a un
muestreo probabilstico- para asegurar representatividad de la gente que va a comprar un
supermercado como Dipcrocc
a) Una mnima consideracin es tener un tamao muestral razonable para medir precisamente tanto
actitudes como gasto. Cmo hara y/o que varianza estimara en uno y otro caso?

c) Supongamos que decide aplicar un muestro estratificado por da de compra Por qu tiene sentido
hacer esto y cmo distribuira la muestra entre los fines de semana? Explique







Cima entregar los resultados en Asci, presuponiendo que se contar con el detalle especfico de
las posiciones a ocupar por cada dato segn patrn utilizado en Amrica Latina

Respecto de la cotizacin, se entrega la mayor transparencia posible en el desglose anexo, sin
embargo lo esencial de los precios tiene que ver con las siguientes dificultades, que generarn una
alta tasa de rechazo en nuestra experiencia:

Pasajeros que vienen viajando como mnimo 14 horas desde Europa

Alta proporcin de Pasajeros Business cuyo tiempo tiene un alto coste de oportunidad

Escasa frecuencia de vuelos - 1 Iberia y solo 1 Lan por da- llega a Chile

Sustancial costo y limitacin por Empresa Privada administradora del Aeropuerto



Costes Estimados Presupuesto Flexible

Se ha determinado ofrecer un presupuesto flexible debido a la alta tasa de rechazo y poco pasaje business
diario unos 20 por lnea- en Iberia y Lan
En sntesis, se hara el estudio descrito a los costos que se anexan, bajo las siguientes condiciones:
1. Una reduccin de la muestra Business sobre el total de la muestra, a una distribucin como la
siguiente: 80 business (30 por Lan, 30 por Iberia, 10 por Lufthansa y 10 por Air France) manteniendo
los restantes 197 en clase turista
2. Libertad para entrevistar hasta un 30% de los Business Class en sus Hoteles con la condicin que
hayan llegado a Chile en los ltimos 7 das en las lneas en estudio

3. Si el punto 1 no se aceptara, se cobraran $ 270 Euros adicionales por c/da extra y por un total de 10
das mximo , si la muestra business original no se completa al 15 avo da del estudio. Este costo es
exclusivamente el mantener el equipo en el aeropuerto. El pago de entrevistas lo tendra que asumir
Cima sacrificando su utilidad

Si las condiciones 1 o 3 no se aceptaran, el estudio tendra que cobrar necesariamente el mecanismo de
seguridad de $2500 Euros adicionales en su totalidad

El primer estudio permitir afinar los costes para las olas restantes