TEMA 3: Investigación de

Mercados II; Encuestas.

© 2017 by Mercedes Esteban-Bravo & José M. Vidal-Sanz

Todos los derechos reservados. Ninguna parte de esta publicación puede reproducirse, almacenarse o distribuirse de ninguna
manera (ya sea manual, electrónica, grabación, mecánica, fotocopias o sistemas de almacenamiento y recuperación de
información), sin el permiso explícito de los autores. Actualizado en 2020. 1

Contenidos Tema 3
1. Introducción
2. Preparando un buen cuestionario (Diseño de cuestionarios)
3. Escalas de medida
4. Muestreo
5. Errores en Encuestas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 2

Esta foto de Autor desconocido está bajo licencia CC BY-NC-SA

1. Introducción

Ya hemos discutido qué es una encuesta,

cómo se utiliza, y las diferentes maneras de
organizar el proceso de recolección de datos
(cara a cara, teléfono, etc.)
En este capítulo estudiaremos los detalles
necesarios para diseñar con éxito una
encuesta, como el diseño de cuestionarios,
escalas y métodos de selección de muestras.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz

3
Esta foto de Autor desconocido está bajo licencia CC BY-NC-SA
 Informe
Análisis de
Recopilación datos -
de datos Codificación,
Diseño del Análisis
muestreo estadístico,
Interpretación
Especificación y resultados
de escalas -
¿Cómo se
Especificación clasificarán las
de la respuestas?
preguntas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 4

2. Preparando un buen
cuestionario
El cuestionario: Se define como una lista estructurada de preguntas hechas a
los participantes de la encuesta y administradas por escrito o verbalmente.

Entre otras funciones:

Establece el orden de la entrevista
Asegura que todas las preguntas se plantean de la misma manera
Base para anotar y recoger los datos que han de ser analizados

Incluye
Procedimientos de campo: con instrucciones para seleccionar, aproximarse y
preguntar a los entrevistados,
Recompensas (en ocasiones), regalos o incentivos para los encuestados,
Ayudas a la comunicación (mapas, dibujos, anuncios publicitarios, y otros
como productos o envases)

5
Esta foto de Autor desconocido está bajo licencia CC BY-NC-SA

Tipo de cuestionario:
Cuestionario estructurado, es un conjunto de preguntas
ENCUESTA y respuesta con un formato de la respuesta
estandarizado. Adecuado en investigación cuantitativa.

Semi-estructurado, es un guión de preguntas, pero las

ENTREVISTAS respuestas no están tabuladas. Adecuado en
EN investigación exploratoria cualitativa si se tiene alguna
INVESTIGACIÓN información previa y se quieren aclarar aspectos.
CUALITATIVA No estructurado, es un guión totalmente abierto y
flexible. Adecuado en investigación exploratoria
cualitativa.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 6
Pasos en el diseño de un cuestionario
Pre-test
Escribir
Especificar la preguntas o
información (estructura, Prueba del
necesaria redacción) cuestionario

Determinar el Organizar las Eliminar los

contenido de preguntas en problemas y
los elementos el orden distribuir
/ preguntas correcto, la
forma y el
diseño

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 7

3.1. Taxonomía de posibles preguntas:

1. Según el grado de libertad de la respuesta
A) Preguntas abiertas (dejan libertad para contestar)
Ventajas Inconvenientes
Fácil de formular Respuestas difícil de tabular y
Útil para conocer opiniones y nuevas ideas registrar
Inv. Exploratoria Dificultad en el análisis

B) Preguntas cerradas No se da opción al entrevistado para contestar con sus

propias palabras y se le obliga a escoger entre un conjunto de alternativas.
Clasificación:
Preguntas dicotómicas
Preguntas de opción múltiple (escoger una opción politómica)
Preguntas cerradas de respuesta múltiple (seleccionar algunas entre una lista)
Escalas de medida (miden actitudes)

c) Mixtas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 8

2. Según la información proporcionada al entrevistado

a) Preguntas de respuesta espontánea (unaided)
Se responde sin ninguna orientación de posible.
b) Preguntas de respuesta sugerida (aided)
Se responde en función de un conjunto de respuestas posible que el entrevistador
ofrece.

3. Según el tipo de información obtenida

1. Preguntas introductorias
Tienen como finalidad crear un clima de confianza
2. Preguntas de clasificación
Recogen datos personales, socioculturales y socioeconómicos. Suelen ponerse en
relación con el objetivo en estudio para encontrar segmentos.
3. Preguntas de identificación: En encuestas no anónimas, permiten identificar al
participante en la encuestas (preguntan sobre el nombre, teléfono, dirección, etc.)
4. Preguntas Principales: se centran en el objetivo básico del estudio.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 9
5. Preguntas de control. La misión de este tipo de preguntas es contrastar la calidad de la información
que se obtiene, de tal manera, que nos permita sabe si se cumplen unos requisitos mínimos de
veracidad. Suelen estar separadas
Ejemplo
P.6. ¿Ha comprado alguna vez la marca X? Sí________ No_________

P.14. Seleccione de la siguiente lista, las marcas que haya comprado: X Y Z V

6. Preguntas filtro: Sirven para averiguar crear una secuencia adecuada de las preguntas, y obtener
respuestas coherentes
Ejemplo
P.7 ¿Ha comprado alguna vez la marca X? Sí (pase a la pregunta 8) No (pase pregunta 9)
P.8. ¿Que canal de compra utilizó? Tienda ________ Online_________
P.9. ¿Planea usted comprar la marca X en el futuro? Sí________ No_________

7. Preguntas con escalas, que identifican y miden las actitudes.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 10

8. Preguntas especiales: Existen determinados temas que resultan embarazosos de

contestar, para los cuales se deben plantear la pregunta de forma que el entrevistado
no pueda más que contestar la verdad incluso sin darse cuenta. Por ejemplo, temas
relativos a la sanidad, higiene personal, incumplimiento de normas legales,
comportamientos sexuales, ideologías políticas y religiosas, ingresos personales.

- Preguntas de rodeo o generalización: preguntando de forma indirecta dando rodeos para obtener
a la información sensible.
- Preguntas de inferencia: Preguntas que se plantean para que el entrevistado conteste sobre
comportamientos de terceros, en su situación.
- Escalas, se presenta una afirmación (ítems) y una escala de valores numéricos para mostrar el
grado de acuerdo con la afirmación.
- Se usan cuando el tema es muy
delicado y el entrevistador se conforma con saber tan sólo la proporción de la muestra entrevistada
que responde afirmativa o negativamente a la pregunta planteada. La respuesta se obtienen por un
proceso de cálculo de probabilidades condicionadas (teorema de Bayes).

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 11

Ejemplo: preguntas de rodeo

En vez de preguntar cuantas veces se limpia los dientes, donde el entrevistado poco higiénico
puede sentirse avergonzado mintiendo al alza, puede preguntarse:
¿Con cuantas personas comparte usted el tubo de pasta dentífrica?
¿Cuánto tiempo en días le dura normalmente un tubo de pasta dentífrica?
¿Cuál es su gasto medio mensual en pasta dentífrica?

Ejemplo: preguntas de inferencia

Con independencia con la frecuencia de cepillado dental que usted tenga, ¿cuál cree usted que
es la frecuencia más habitual, según los comentarios de sus amistades?
1. Ninguno, nadie se los cepilla
2. Una vez al día
4. Dos o tres veces al día
5. Después de cada comida

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 12

 Ejemplo: Escalas de medida
En vez de preguntar directamente por actitudes machistas, puede usarse una escala. La
escala de Likert Neosexism mide el sexismo usando las siguientes afirmaciones:

1. La discriminación contra las mujeres en la fuerza de trabajo ya no es un problema en los EE. UU.
2. Considero que el actual sistema de empleo es injusto para las mujeres.
3. Las mujeres no deben insistir en estar donde no se las quiere.
4. Las mujeres lograrán más progreso siendo pacientes y no presionando demasiado que se dé el
cambio.
5. Es difícil trabajar para una jefa.
6. Las exigencias de las mujeres en términos de igualdad entre los sexos son simplemente
exageradas.
7. En los últimos años, las mujeres han obtenido más del gobierno de lo que merecen.
8. Las universidades se equivocan al admitir a las mujeres en programas costosos como la
medicina, cuando de hecho, un gran número abandonará sus trabajos después de unos años
para criar a sus hijos.
9. Para no parecer sexistas, muchos hombres tienden a compensar en exceso a las mujeres.
10. Debido a las presiones sociales, las empresas con frecuencia tienen que contratar mujeres poco
calificadas.
11. En un sistema de empleo justo, hombres y mujeres serían considerados iguales.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 13

Ejemplo: pregunta de respuesta aleatorizada (para estimar incidencia de robos)

A continuación le vamos a plantear dos preguntas. Usted debe asociar una pregunta a la cara de
la moneda y otra a la cruz, sin indicárselo al entrevistador, después lance la moneda al aire, y
conteste a la pregunta que le haya tocado, por favor, no indique en ningún caso cuál de las dos
preguntas contesta.
A) ¿Ha robado algún tipo de artículo en un Gran Almacén?
B) ¿Su signo del zodíaco es Leo?
Sí NO___
ESTUDIAR LOS RESULTADOS: Si el tamaño muestral es 240 y responden si 50,
ANÁLISIS: denotar cara como evento A y cruz como B Probabilidad de la moneda = 1/2 para A, 1/2 para B,
Probabilidad de ser Leo= 1/12
P (responder si) = P (responder A) * P (responder Sí a la 1ª cuestión)
+P (responder B) * P (responder Sí a la 2ª cuestión)

50/240 = 1/2 * P (responder Sí a la 1ª cuestión) + (1/2 * 1/12)

P (responder Sí a la 1ª cuestión) = 0.3328

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 14

El orden de las preguntas (Estructura general):

Introducción (objetivos, anonimato, confidencialidad, colaboración)

Preguntas iniciales que deben ser sencillas e interesantes
Preguntas filtro que condicionan la continuación del cuestionario.
Agrupar preguntas o cuestiones afines, pueden usarse sistemas embudo o
embudo invertido
Cada tema se inicia con preguntas de evaluativas (¿qué?) y a continuación las
de diagnosis (¿por qué?)
Preguntas difíciles o mas delicadas se colocan poco antes de la mitad
Antes de llegar al final se colocan las preguntas de relax o descomprensión
Preguntas clasificatorias al final del cuestionario.
Agradecer la cooperación
Importancia de las instrucciones del entrevistador; acciones a realizar,
material de apoyo, acciones de observación.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 15

El orden de las preguntas

El orden lógico de las preguntas puede ser:

Secuencia tipo embudo:
Consiste en preguntar primero de carácter mas general, y
después ir pasando a las preguntas mas concretas.
El mas usado, sobre todo si los encuestados tienen una idea
sobre el tema.
Secuencia tipo embudo invertido:
Consiste en preguntar primero de forma mas específica y
concluir de forma mas general.
Asegura que todos los encuestados parten de la misma base.
Solo útil en encuestas personales y telefónicas.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 16

Aspectos de Formato
En cuestionarios escritos utilice cuadernos: evitan que se pierdan o
cambien de lugar alguna pagina, permiten pasar de una pagina a otra
con mayor facilidad, proporcionan una mayor sensación de
profesionalidad.
Deben parecer fáciles de leer. Uso de espacios en blanco y un tipo de
letra agradable.
Codificación por colores. El color no parece relevante pero distintos
colores podrían ser usado para especificar distintas submuestras.
Numeración de las preguntas del cuestionario: ayuda a darse cuenta
de que se han saltado una pregunta de forma inadvertida, y
simplifica el trabajo del entrevistador (sobre todo, cuando hay que
saltarse algunas preguntas).
Encajar las preguntas en una pagina, no dividir preguntas o
categorías de respuestas en dos paginas.
Instrucciones del entrevistador, lo mas cerca posible de la pregunta.
Use una tabla estructurada para múltiples respuestas, asignando
posiciones inconfundibles para cada respuesta.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 17

Errores a evitar
Ejemplos Problemas de formato

¿Qué religión practica?

Judía___ Católica___ Una protestante___ Otras___ Especifique___ Ninguna

Problemas de contenido
¿Cree usted que los ordenadores personales Lenovo son los mas compatibles y los
mejores que se pueden adquirir por ese precio?
Problemas de organización
¿Firmó un contrato de mantenimiento? Sí___ No___
¿Un contrato de mantenimiento es una buena inversión? Sí___ No___
¿Qué cree usted que vale un contrato de mantenimiento?

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 18

Pre-testing
Todos los aspectos del cuestionario deben ser testeados
usando una pequeña muestra.
El pre-test debe ser conducido en un ambiente y contexto
idéntico al que se usará en la encuesta.
Debe utilizarse el procedimiento de interrogación, explicando
el objetivo a los entrevistadores. El especialista debe revisar
todo el proceso de pre-test, analizando la presencia de
ambigüedades y dudas, también preguntando a los
encuestados, lo que conduce a un cuestionario mejorado.
Sirve para recopilar información estadística sobre la muestra,
como la varianza empírica, para usarla para determinar el
tamaño de la muestra en la encuesta definitiva.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 19

Lista de verificación para cuestionarios inaceptables

Principales partes del cuestionario o preguntas clave no

respondidas
Evidencia de que el entrevistado no entendió las
instrucciones o no se tomó la tarea en serio
Páginas que faltan.
El entrevistado no está calificado para la población
objetivo
Cuestionario es devuelto después de la fecha de límite.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 20

3. Escalas de Medida
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 21
Esta foto de Autor desconocido está bajo licencia CC BY-NC-SA
 Cuando puedes medir lo que estás hablando y expresarlo en números,
sabes algo al respecto, cuando no puedes expresarlo en números, tu
conocimiento es escaso e insatisfactorio; puede ser el comienzo del
conocimiento, pero apenas has avanzado en tus pensamientos hacia la
etapa de la ciencia

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 22

3.1. Actitudes
Actitud: es la predisposición de una persona para evaluar y responder ante estímulo.
En general se considera que posee tres componentes: cognitivo, afectivo y conductual.
Pero cada uno de estos componentes puede involucrar múltiple magnitudes.
Las magnitudes de la actitud pueden definirse en términos de:
1. Valencia: una dirección actitudinal se puede definir con un sentido o polo (de cero a positivo, por
ejemplo conocimiento, intención de compra), o con dos sentidos o polos opuestos (por ejemplo
amor-odio). Una magnitud actitudinal bipolar puede interpretarse como dos magnitudes
unipolares contrapuestas.
Observación: El polo o sentido de una actitud, generalmente se describe por tener una
valencia positiva (atractivas) o una valencia negativa (adversas); por ejemplo el amor tiene
una valencia positiva, el miedo y el odio negativa (la clasificación es relativamente subjetiva).
Si una persona tiene simultáneamente actitudes de valencia positiva y negativa hacia un
objeto o estímulo, entonces se dice que tiene ambivalencia.
2. Intensidad: fuerza de la magnitud de actitud hacia un polo (nula-débil-fuerte).
Por ejemplo, podría gustarte el marketing (entre odio y amor) entonces, tu actitud hacia el marketing tiene un
sentido positivo en la faceta emocional. Si realmente te vuelve loco, entonces tu actitud emocional tiene una
alta intensidad.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 23

¿Como medir las actitudes de

consumidor (dirección, sentido,
intensidad)?

24
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz
 ¿Como se mide la actitud?
Una escala de medida es una aplicación (mapping) que asigna (1)
una magnitud de una aspecto actitudinal de la persona hacia un
estímulo o un objeto, a (2) números u otros símbolos, siguiendo
ciertas reglas pre-especificadas.

Para obtener una medida de la magnitud de actitud, los

encuestados seleccionan los números o símbolos en las escalas,
que representan mejor su actitud hacia el estímulo.

La escala puede medir actitudes hacia varias características del

estímulo. También se puede usar para medir varios objetos /
estímulos simultáneamente.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 25

Escalas distintas
para preguntar
la misma
cuestión
pueden generar
respuestas
bastante
diferentes

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 26

Las escalas puede ser:

Comparativas (consisten en comparar varias alternativas) o no

comparativas.
Respuesta forzada (sin posición neutral) o no forzada (con posición
neutral como NO SABE/NO CONTESTA)
Categoría de respuestas equilibrada o no.

La calidad del servicio es: La calidad del servicio es:

Extremadamente malo Extremadamente malo

Muy malo Muy malo
Malo Malo
Bueno Ni malo/ni bueno
Muy bueno Muy bueno
Extremadamente bueno Extremadamente bueno

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 27

3.2. Taxonomía de Stevens para escalas de medida

psicólogo de Harvard, S.S. Stevens Aunque el planteamiento ha sido

acuñó los términos nominal, ordinal, criticado por los estadísticos, las
intervalo, y ratio para describir una categorías de Stevens todavía son
jerarquía de escalas de medida, y considerados por los investigadores de
clasificó los procedimientos estadísticos mercado, y pueden encontrarse en la
conforme al tipo de escalas para los mayor parte de los libros de texto.

28

Esta foto de Autor desconocido está bajo licencia CC BY-SA

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 29

¿Como podemos medir la actuación del saltador?

1 2 3 4
Asignar números- Ordenar los saltadores Los jueces califican la Medir la distancia de
etiquetas a cada saltador por la longitud de su calidad técnica del salto salto alcanzada: escala
Escala nominal salto Escala ordinal Típicamente una escala de ratio
de intervalo, los
extremos son difíciles de
interpretar

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 30

 Nominal (categórica): Identifican la característica o atributo, asociada a un objeto (Ejemplo:
número seguridad social, núm. de camiseta en un equipo de fútbol, sexo)
Ordinal: Miden la intensidad con que el objeto satisface la característica medida. Los
objetos pueden ordenarse con esta escala, pero diferencias de valor no tienen
interpretación (Ejemplo: cociente intelectual, medición de preferencias en una función de
utilidad. Si una escala codifica neutral como cero, confortable como 1, y muy confortable

estar el doble de confortable que confortable).

Intervalo: Miden la intensidad, pero las diferencias entre valores de la escala tienen
interpretación (aunque no tiene interpretación el valor de un objeto aislado), es decir el
origen de la escala es relativamente arbitrario. (Ejemplo: temperatura, la diferencia entre 5
y 10 grados es la misma que entre 15 y 20, pero no tiene sentido decir que 20 es el doble
de calor que 10).
Ratio: Miden la intensidad con que el objeto satisface la característica medida, las
diferencias entre valores de la escala tienen sentido y además el origen tiene interpretación
directa. Por lo tanto el ratio entre valores de la escala tiene interpretación (Ejemplo: valor

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 31

En las escalas ordinales, sólo son permisibles las transformaciones f monótonas no decrecientes
(preservan el vínculo de uno a uno entre los objetos y elementos de medición)
si s(i) > s(j) entonces f[s(i)] > f[s(j)]

Para las escalas de intervalo son admisibles todas las transformaciones lineales en la que se añade la
misma constante a cada valor y / o se multiplica cada valor por una constante, de modo que
s(i) s(j ) = c ([s(i)] [s(j)])

En las escalas de ratio se preservan proporciones relativas, de modo que las transformaciones
permisibles verifican:
s(i)/s(j) = c ([s(i)]/[s(j)])
Por lo tanto, se permite multiplicar los valores de escala por una constante, pero no puede tomar
logaritmos o agregar una constante. Las escalas de ratio tienen un punto de origen cero definido, que
no se puede cambiar.

Las escalas nominales son invariantes bajo cualquier transformación que preserva la relación entre los
individuos y sus identificadores.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 32

Steven consideraba, que sólo podían usarse ciertos tipos de procedimientos estadísticos
para cada tipo de escala. Muchos autores creen esta idea, que ha sido refutada por los
estadísticos que son mucho mas flexibles al respecto.
La clasificación de Steven no debe usarse de forma estricta, porque el tipo de escala no
es sólo un atributo de los datos, sino que más bien depende de las preguntas que se
formulan para la obtención de datos y la información adicional que se pueda tener. Por
ejemplo:
El número de identificación de un estudiante de la Universidad puede considerarse
como una variable nominal (una simple etiqueta). Pero si las ID son asignadas
secuencialmente, podría haber más las relaciones.
Por ejemplo, si se asignan por orden de acceso a la universidad según el examen
de selectividad, debería ser considerada como una escala ordinal. Pero si los
números de identificación son simplemente notas de los estudiantes en el examen,
los identificadores sería una escala de intervalo. Si las notas se basan en el tiempo
para resolver un ejercicio, ID sería una escala de ratio.
Aunque el sistema ha sido criticado, la clasificación es ampliamente utilizada por los
investigadores de marketing, y hay que conocerla.
3.3. Escalas Principales

Existe un amplio número de escalas, que

tratan medir datos de distinta naturaleza.
Algunas son simples, y se realiza una sola
pregunta sobre el tema considerado.
Otras son múltiples, y se formulan varias
preguntas relacionadas, y a partir de las
respuestas se puede calcular un valor
global.
La idea es reducir el grado de influencia
de las palabras elegidas al formular la
pregunta, y por tanto reducir el error de
medida.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 34
Esta foto de Autor desconocido está bajo licencia CC BY-NC-ND

EJEMPLOS

ESCALAS ESCALAS COMPARATIVAS ESCALAS NO COMPARATIVAS

BÁSICAS
Nominal Dicotómicas (binary)
Elección múltiple (multiple choice)
Pareadas Verbal o semántica
Clasificación o Forced ranking Stapel
Ordinal De clases o similitudes Likert
Picture o gráfica
Diferencial semántico o bipolar
Continua
Intervalos de igual amplitud
De Guttman (no dada en clase)
Pareadas en valor ($ metric) Thurstone (no dada en clase)
De intervalo

De Suma constante Cuantificación directa

De ratios Alternativa de referencia

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 35

Nominales, no comparativas
Dicotómicas (binary): Clasifican entre dos alternativas

¿Es usuario de redes sociales? Sí No

(=1) (=2)

Elección múltiple (multiple choice) Eligen una respuesta entre varias alternativas

¿Donde vive?
Europa América Asia África Oceanía
=1 =2 =3 =4 =5

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 36

 Ordinales, no comparativas
Protocolo verbal o semántica: Se evalúa un objeto en base a adjetivos verbales
que expresan diferentes intensidades de un atributo (y cada posible respuesta
está descrita verbalmente)

¿Que opina de este cosmético? Es muy bueno (=5)

Es bueno (=4)
Medio (=3)
Es malo (=2)
Es muy malo (=1)

Puede tener un punto neutral o no (pero la neutralidad no es constante para todo el mundo)
Número de alternativas par o impar, equilibradas o no equilibradas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 37

Stapel
Variante de la escala semántica. Los extremos de la valoración no están
definidos, cada persona los fijara subjetivamente, por eso no tiene
interpretación de intervalo.

+5 +5
+4 +4
+3 +3
+2 +2
+1 +1

Precios baratos Fácil de manejo

-1 -1
-2 -2
-3 -3
-4 -4
-5 -5

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 38

Diferencial semántico (o bipolar): Variante de la semántica que evalúa el

objeto entre dos adjetivos extremos contrapuestos

¿Crees que es buena idea vender champán en paquetes de 6 botellas pequeñas?

Mala 1 2 3 4 5 6 7 Buena

El diferencial semántico puede considerar varios aspectos a la vez.

Otra variante consiste en calificar una afirmación entre dos calificaciones opuestas, que
agree-disagree). Esta idea motiva las
escalas de Likert.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 39

 Likert: Es una extensión de la escala verbal, donde se pregunta sobre el grado de
acuerdo respecto a varios aspectos. Incluye un punto neutral, y la actitud total se
obtiene agregando los valores de actitud de todas las preguntas.

Totalmente en Bastante en Ni de acuerdo Bastante Totalmente de

desacuerdo desacuerdo ni desacuerdo de acuerdo acuerdo

Los ordenadores Lenovo 1 2 3 4 5

son de buena calidad
Los ordenadores Lenovo 1 2 3 4 5
son resistentes
Los ordenadores Lenovo 1 2 3 4 5
son poco económicos

OTRA ESCALA:

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 40

Construcción de esta escala:

1. LISTA DE ITEMS que expresan una posición claramente favorable o
desfavorable. (Un ítem es una frase o proposición que expresa una idea
positiva o negativa respecto a un fenómeno que nos interesa conocer).

2. ESCALA: el grado de acuerdo/desacuerdo, suelen tener 5 o 7 puntos (cifra

impar para incluir un punto neutral).

3. RESULTADO: suma total de las puntuaciones obtenidas; a veces se consideran

sumas ponderadas por la importancia que se le de a cada item.

Es conveniente incluir una columna NS/NC adicional (no sabe/no contesta).

Es mejor incluir un número impar de alternativas (y un punto neutro).
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 41

De clasificación Continua

Indique, marcando sobre esta línea cual es su opinión respecto a la

amabilidad del personal que trabaja en este restaurante
1 2 3 4 5 6 7 8 9 10

Nada Muy
amables Amables

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 42

 Gráfica: Variante de la semántica que en vez de palabras utiliza símbolos
gráfico. Es particularmente útil para niños y analfabetos

¿Cuál de entre las siguientes caras pondría usted si hablamos de

coches de la marca Fiat?

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 43

Otro ejemplo: Escala tipo termómetro

Instrucciones:
Indique cuánto le gustan las hamburguesas de McDonald's coloreando el
termómetro.
Comience en la parte inferior y coloree hasta el nivel de temperatura que mejor
indique cuán fuerte es su preferencia.

Formato: Like very much

100
75
50
25
0

Dislike very much

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 44

Intervalos de igual amplitud (Equal width intervals scale): Consiste en preguntar

en que categoría de tipo intervalo cae la respuesta, considerando categorías de
igual amplitud

¿Cómo valoraría la calidad del libro que se le ha mostrado?

1--10 11--20 21-30 31-40 41-50

En general, son simplemente escalas ordinales, pero en algunos casos tienen la

interpretación de escalas tipo ratio (por ej. intervalos de edad, ingresos)

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 45

 Ordinales, comparativas
Comparaciones pareadas: Se comparan pares de alternativas para generar
un orden.

Indique cual de entre las siguientes Pepsi Dr. Peper

bebidas prefiere, rodeando con un Pepsi Slice

círculo la preferida dentro de cada 7-Up Dr. Peper

par: 7-Up Slice

Dr. Peper Slice

Numero de comparaciones m
Cm , n , m n,
con m numero de alternativas y n=2 n
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 46

Transformación de comparaciones pareadas en ordinales:

1. Se toman los porcentajes de preferencia.
Si por ejemplo, suponemos todos los pares
que forman A, B, C, D y se pregunta la

2. Se asigna 1 a las celdas cuyo valor es

mayor que 0.5, y 0 en caso contrario.

3. Se suman las puntuaciones por

columna y se obtiene el orden de
mayor a menor.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 47

Clasificación o forced ranking: se pide al entrevistado que ordene un conjunto de

estímulos

Ordene las siguientes 5 marcas por

orden de preferencia asignando un
1 a la más preferida, un 2 a la Coke 2
siguiente, y así sucesivamente. Pepsi 3
7-Up 1
Dr. Pepper 5
Slice 4

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 48

Comparaciones de
clases o Clasifique las siguientes declaraciones en las siguientes pilas de
similitudes: Se clasificación:
trata de clasificar
simultáneamente Me gusta Me gusta Ni me Me Me disgusta
un alto número de mucho gusta/Ni me disgusta mucho
atributos utilizando disgusta
un subconjunto
reducido de clases
similares

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 49

Intervalo, comparativas
Pareadas en valor: Establece comparaciones, preguntando cuál se prefiere y
cuanto se está dispuesto a pagar por la preferida.

Para cada par, rodee su marca preferida con un Coke, Pepsi 2c

Coke, 7-Up 8c
círculo, e indique cuanto dinero estaría dispuesto
Coke, Dr. Pepper 5c
a pagar por obtener la marca preferida respecto Coke, Slice 12 c

a la otra opción. Pepsi, 7-Up 6c

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 50

Ratio, comparativas
De Suma constante (comparativa): se pide al entrevistado que
reparta una cantidad de puntos entre varios estímulos u objetos
atendiendo a algún criterio (preferencias, importancia,...).
Reparta 100 puntos entre Precio 35
las características mostradas
Motor 20
de forma que refleje cuál es
la importancia que tiene Caballos 15
para usted cada una de Consumo 20
ellas al comprar un Diseño exterior 10
coche. 100

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 51

 Ratio, no-comparativas
Cuantificación directa: Es la mas sencilla, consiste en preguntar
directamente sobre cuantificación de un concepto a medir. Poseen
interpretación de ratio de forma directa. Por ejemplo,
¿Cuánta camisas posee?____________

¿Cuántos litros de gasolina repostó la última vez?_________

El problema es que frecuentemente el entrevistado no recuerda o no

quiere recordar el valor de la respuesta, y por ello no se usan mucho.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 52

Alternativa de referencia o fraccionamiento. Se aplica para medir una magnitud en la que los
ratios tienen sentido. Este enfoque hace que los encuestados comparen alternativas con una
alternativa de referencia.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 53

Alternativa de referencia o fraccionamiento. Se aplica para medir una

magnitud en la que los ratios tienen sentido. Este enfoque hace que los
encuestados comparen alternativas con una alternativa de referencia.

Mire el volumen del frasco de perfume (100 cl.) Que te Si a la gravedad de un asesinato se le asigna 100
estoy mostrando y asígnele 100 puntos. Ahora, le puntos. ¿Cómo califica la gravedad de cada uno
pediré que califique el volumen de las siguientes de los siguientes delitos?
botellas, como una fracción del original.

Alternativa Botella A _____ Homicidio estafa

Alternativa Botella B _____ Secuestro hurto
Alternativa Botella C _____ violacion amenazas
robo extorsion
Alternativa Botella D _____
Asalto falsificacion
vandalismo Trafico de drogas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz

 Alternativa de referencia Se pide a los entrevistados que comparen distintas
alternativas teniendo punto de referencia algún criterio específico (que se le llama

Por ejemplo,
Si asignamos 100 a defraudar 5 millones a hacienda, cómo considera
la gravedad de los siguientes delitos (ponga un numero la mitad de 100 si
considera el delito la mitad de grave)

Vender drogas _____________

Que un padre golpee a niño si el niño necesita ser hospitalizado________
Robar un banco________________

La elección de la alternativa de referencia es determinante en los resultados.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 55

Cetscale: Consumer ETnocentrism

Lov: List Of Values, estilos de vida
Existen escalas Markor: MARKet ORientation
estandarizadas Servperf: SERVice PERFormance, calidad
percibida de servicios
muy usadas, Servqual: SERVice QUALity
como: Vals: VAlues and Life Styles, basada en valores y
actitudes

56

Muestreo (en poblaciones finitas) es la rama de la

estadística que se ocupa de la selección de un subconjunto
de elementos (una muestra) dentro de un conjunto finito
(la población) para inferir conocimiento estadístico sobre
la población a partir del análisis de las unidades
muestreadas.

El análisis de la población en su conjunto se conoce como

un censo. Por lo general la población es bastante grande y
que utilizan métodos de muestreo para ahorrar tiempo y
dinero.

4. Muestreo en poblaciones finitas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 57
Esta foto de Autor desconocido está bajo licencia CC BY-NC
Conceptos básicos
Universo o población: Es el conjunto de unidades que se investigan (por ejemplo
individuos, empresas).
Alcance: viene determinado por las limitaciones que establezca el investigador en la
descripción del marco muestral (generalmente una zona geográfica).
Tiempo: hace referencia a un periodo de tiempo concreto.

Muestra: Subconjunto de la población, seleccionado aleatoriamente

Marco muestral: Listado o representación que contiene todos los elementos de la
población. Por ejemplo:
el censo de habitantes,
registro de empresas,
guía telefónica,...
En ocasiones el marco no coincide exactamente con la población

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 58

Parámetro: se refiere al valor de una medida estadística que puede

ser calculado en la población objeto de estudio (ejemplo: la media o
varianza de una variable cuantitativa de interés). Se considera un
valor determinista.

Estimador: es el valor de una medida estadística calculada a partir de

datos de la muestra. Dado que la muestra es extraída aleatoriamente,
los estimadores son variables aleatorias.

Coeficiente de Elevación: cociente N/n entre el tamaño de la

población (N) y el tamaño de la muestra (n). Su inversa es la fracción
de muestreo n/N.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 59

Si consideramos una población de N elementos numerados como

1,...., N
Las mediciones poblacionales de una variable X están dadas por

X 1 ,...., X N
Entonces, algunos ejemplos típicos de parámetros son
1 N
N i 1
Xi,
2 1 N 2 1 N
N i 1
Xi N i 1
X i2 2

N
S i 1
Xi N

En general extraemos una muestra de tamaño n<N para calcular

estimadores de los parámetros, usando análogos muestrales.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 60

 Tanto el valor de la población como los parámetros se consideran
deterministas. Por contra, la muestra y los estimadores son
estocásticos (dado el hecho de que extraemos la muestra al azar, y
podríamos haber generado diferentes muestras al azar).
En ocasiones se supone que la población se genera mediante una
distribución de probabilidad, esto se conoce como superpoblación.
Los parámetros de dicha distribución se conocen como
superparámetros.
En este contexto, la población y sus parámetros serían aleatorios. Pero a
efectos prácticos, se toma como determinista (interpretando todas las
propiedades como condicionales en la población dada).

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 61

Un estimador varía aleatoriamente con la muestra aleatoria, su distribución de

probabilidad se denomina como distribución muestral.

Un buen método de muestreo es aquel que da lugar a distribuciones muestrales

concentradas entorno al verdadero parámetro poblacional.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 62

Proceso de muestreo
Objetivos
Definir
Población
objectivos,
Definir la
Marco
presupuesto,
tiempo, tipo de población Determinar el
Método de muestreo
estudio. objetivo,
tiempo, marco
Elegir el
Extracción
alcance, muestral
método de
unidades y muestreo y el Generar la
elementos que tamaño muestra
se muestrean. muestral

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 63

 Tipos de métodos de muestreo
Muestreo probabilístico: Métodos para escoger una muestra aleatoria, de
tal forma que (i) para cada elemento de la población, se conoce la
probabilidad de que el elemento sea seleccionado, y (ii) dicha probabilidad
es positiva para todos los elementos.
Generan muestras representativas, o en ocasiones no-representativas pero cuyos
sesgos pueden ser corregidos por el analista. Son apropiados para métodos de
investigación cuantitativa.

Muestreo no probabilístico: Métodos para la selección de una muestra

aleatoria, pero se desconoce la probabilidad de selección de elementos,
y/o en algunos elementos esta probabilidad puede ser cero.
Generan muestras no representativas, cuyos sesgos no pueden ser corregidos por el
analista. Son apropiadas solamente para métodos de investigación cualitativa.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 64

Muestreo probabilístico o aleatorio

Método Descripción

Muestreo aleatorio Cada posible muestra de n elementos de entre la población {1, N} puede ser
simple (M.A.S.) seleccionada con idéntica probabilidad.
Muestreo aleatorio Calcule k = N / n y dividir el marco de muestreo en n bloques ordenados, cada uno con k
sistemático elementos (el primer bloque es { }, el segundo { }, etc.) Extraer el primer
elemento de la muestra del primer bloque, con probabilidades uniformes 1 / k. Si se ha
seleccionado el elemento i, se extrae periódicamente un elemento de cada bloque; la
muestra es { -k + i}.
Muestreo estratificado División de la población en subpoblaciones o estratos (proceso denominado afijación) para
luego seleccionar independientemente algunos elementos en cada estrato por M. A. S.
Muestreo por División de la población en grupos denominados conglomerados o clusters (normalmente
conglomerados o clusters geográficos) para luego seleccionar independientemente algunos clusters.

Muestreo por El muestreo por conglomerados bietápico es como el cluster, pero para cada cluster
conglomerados bietápico seleccionado se realiza una nueva partición y se realiza un nuevo muestreo cluster anidado.
(y polietápico) El procedimiento se puede extender en más etapas (caso polietápico).

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 65

Muestreo no probabilistico
Métodos Descripción

Muestreo de Los encuestados participan de forma voluntaria, o el encuestador escoge

conveniencia aquellos que le convengan por ser de fácil acceso.

Muestreo de juicios Los encuestados son seleccionados a propósito conforme a algún criterio
subjetivo del investigador (porque son expertos, o porque el investigador
cree que son expertos).
Muestreo por cuotas Los encuestados son escogidos de forma que responden a unas
características determinadas que tienen que ver con el tema del estudio
(por ejemplo, edad, sexo, ingresos). A menudo, las muestras no son
representativas de toda la población.

Muestreo de bola de La muestra se forma haciendo que cada encuestado, después de ser
nieve entrevistado, identifique a otras personas pertenecientes a la población-
objetivo.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 66

Muestreo probabilístico
y estimación
El muestreo probabilístico es apropiado para
el análisis estadístico, y se hará hincapié en
el siguiente de este capítulo

Las inferencias deben adaptarse al método

probabilístico seleccionado: utilizamos
estimadores específicos para un tipo
particular de muestreo probabilístico

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz

67
Esta foto de Autor desconocido está bajo licencia CC BY-NC-SA

Estimación basada en Muestreo Aleatorio Simple (M.A.S.)

Considere una población X 1 ,...., X N

y los parámetros poblacionales de la media y cuasi-
varianza: N 1 N 2
N 1 i 1 Xi, 2
N 1 i 1
Xi
Se extrae una muestra basada en muestreo
probabilístico, x ,...., x
1 n
y se calculan los estimadores
1 n 2 1 n 2
n x,
j 1 i
n 1 j 1
xi

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 68

Muestreo aleatorio simple (sin re-emplazamiento).

El número de muestras i.i.d. de tamaño n que podemos extraer
de una población con N elementos es
N N!
n n! N n !
y todas estas muestras pueden ser elegidas con idéntica
probabilidad 1
N
n! N n ! N!
n
y que puede verse como un producto de sucesivas probabilidades
condicionadas de elegir cada elemento en la muestra (casos
favorables sobre posibles):
n! N n ! n n 1 n 2 1
...
N! N N 1 N 2 N n 1

x1 , x2 , x3 ,...., xn
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 69
¿Cual es la probabilidad de que un individuo concreto (el i-ésimo) sea
seleccionado en alguna muestra? Primero contamos los casos favorables
(muestras que pueden contener al individuo i-ésimo)
N 1 N 1!
n 1 n 1! N n !

Y dividiendo sobre el total de muestras posibles obtenemos la probabilidad de

que el individuo i-ésimo de la población sea escogido:

N 1 N n
i
n 1 n N

A continuación considere una variable dummy Di que es igual a 1 si el i-ésimo

elemento resulta seleccionado, y 0 en otro caso. Esta variable es binomial con
probabilidad i . Nótese que:
1 n 1 N
n xj Di X i
j 1
n i 1

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 70

En tal caso:
1 n 1 N
E E x
1 j
E Di X i
n j
n i 1

1 N N 1
i Xi Xi
n i 1 i 1
N
2 2
N n n
Var 1
n N n N
2
Además, 2
(si N n)
n
es un estimador insesgado y consistente.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 71

Y si la muestra es grande, un teorema central del límite garantiza

que
Pr z Pr Z z
Var
siendo Z una variable aleatoria normal N(0,1).

Por lo tanto, tomando el cuantil z1-®=2 podemos dar bandas de

confianza de nivel 1-®

std z1 /2

En la práctica puede usarse una estimación de la varianza.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 72

 En ocasiones las variables X y x toman valores ceros y
unos (una variable dicotómica), entonces el promedio
poblacional y muestral son porcentajes (y en vez del
símbolo griego µ se utiliza la letra p). En este caso, la
varianza es simplemente
p1 p n
Var p 1
n N
Si N es mucho mayor que n, se aproxima por:

p1 p
Var p
n
La normalidad asintótica sigue siendo válida.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 73

Otras formas de muestreo probabilístico

Suponga que otro método de muestreo es utilizado,
donde las probabilidades de escoger a los distintos
individuos son distintas entre sí, y por tanto distintas
de n/N

Denotaremos la probabilidad de inclusión de primer

orden (probabilidad de incluir al individuo i-ésimo) por
i 0
(en general pueden variar con n y N).

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 74

(Otras formas de muestreo)

Como no hay reemplazamiento, suele haber algún tipo de
dependencia. La probabilidad de inclusión de segundo
orden (o de escoger simultáneamente al individuo i y al j
en la misma muestra) se denota por
i, j

En este caso, la media muestral es un estimador sesgado

1 n 1 N 1 N
E En j
x
1 j
En i
D Xi
1 i
n i 1 i Xi

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 75

Debido a los problemas de la media, se han desarrollado
estimadores alternativo.

Para cada método de muestreo probabilístico debe usarse

formulas de estimación específicas. Una referencia clásica
es el libro de texto:
Cochran, W.G. (1977). Sampling Techniques. John Wiley & Sons,
New York. 3rd edition.

A continuación, se presenta un enfoque unificado que

permite tratar el problema de forma general.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 76

Para ello se utiliza el estimador de Horvitz-Thompson

1 n xj 1 N Di X i
N j 1
j N i 1
i

donde Di dummy
seleccionado y 0 en caso contrario. Nótese que

1 N E Di 1 N
E N i 1
Xi N i 1
Xi
i

2 N N Xi X j
Var N i 1 j 1
cov Di , D j
i j

2 N N XiX j
N i 1 j 1 ij i j
i j
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 77

Las probabilidades específicas i y ij deben calcularse

para cada tipo de muestreo probabilístico específico,
véase:

W. Scott Overton, Stephen V. Stehman (1995) The Horvitz-

Thompson Theorem as a Unifying Perspective for Probability
Sampling: With Examples from Natural Resource Sampling.
The American Statistician, Vol. 49, No. 3 (Aug., 1995), pp.
261-268

Por ejemplo, para muestreo aleatorio simple

n n n 1
i , ij
N N N

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 78

 El tamaño de la muestra debe considerar dos
cuestiones clave: coste y precisión. Cuanto más alto
sea el tamaño de la muestra, más precisión
obtendremos (reduciendo la varianza de los
estimadores), pero también aumentamos el coste.
A veces, el investigador puede planificar un tamaño
Tamaño de muestra óptimo ponderando ambas
características. La solución puede variar según el
muestral tipo de método de muestreo.
Vamos a discutir el caso básico de muestreo
aleatorio simple (m.a.s.). Supongamos que el
investigador está dispuesto a asumir un error de
estimación máximo e con una probabilidad dada 1-
(por ejemplo, 95% en el caso habitual donde
=0.05).

Entonces, siempre y cuando que el tamaño sea lo suficientemente grande como

para que los estimadores se distribuyan aproximadamente como una variable
normal, sabemos que
Pr z 1
Var
Pr z Var 1 .

Por lo tanto, para asegurarnos de que Pr e 1 .

Simplemente hay que resolver la ecuación

z Var e
2
e
Var 2
z

Ahora, reemplazamos la expresión de la varianza y resolvemos la ecuación en n.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 80

Tamaño de la muestra: media en muestreo aleatorio simple (mas)

2 2 z = % fiabilidad deseado por la media muestral

z e = error máximo permitido para la media muestral
2= varianza de la población (o un estimador de muestra pretest)
n=
2 2 2 N = tamaño de la población
e N+z
2 2
( N n) n
X
1
Nn n N

2 2
z
Tamaño de la población > 100.000 individuos
n=
2
e 2

X
n

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 81

Ejemplo
Supóngase que quiere estudiar el Datos importantes
gasto mensual de los hogares
españoles en ropa; por lo que n=?
resulta necesario entrevistar a un e=5
número determinado de hogares.
¿Cómo calcularíamos el tamaño de Z = 1.96 (tabla de distribución
la muestra? normal para el 95% de
confiabilidad) o
En el pretest, los resultados han
dado una varianza de 5500. N>>n (universo grande)
Establecer el nivel de confianza
95% y fijar un error máximo e de n= 845, 1. Elegimos 846 individuos a
entrevistar (redondeo hacia arriba)

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 82

Tamaño de la muestra: proporciones en m.a.s.

2
z pqN Variable de tipo dicotómico
n= p = % de veces que se supone que ocurre el fenómeno
2 2 q=(1-p) mide la prob. de no ocurrencia del fenómeno
e N+z pq
pq( N n ) pq n
X
1
Nn n N
2
z pq Tamaño de la población > 100.000 individuos
n= X
pq
2 n
e

En este caso no hace falta estimación del la varianza a partir de un

pretest: el valor p puede estimarse de muestras pretest, o puede fijarse
igual al valor que maximiza la varianza p(1-p), es decir p=0.5.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 83

Ejemplo Datos importantes

n=?
Supóngase que se desea determinar la
calidad y el nivel de servicio que ofrece e = 5% =0.05
nuestra biblioteca; por lo que resulta Z = 1.96 (tabla de distribución
necesario entrevistar a los usuarios que normal para el 95% de
acuden al servicio. ¿Cómo confiabilidad y 5% error) o
calcularíamos el tamaño de la muestra? N= 43,700 (universo pequeño)
Establecer el nivel de confianza 95% y p = 0.50
fijando un error máximo e del 5%
q = 0.50
Se obtiene el marco muestral será el
registro de usuarios del año pasado,
que arroja la cifra de 43,700. n= 380,81. Elegimos 381 individuos a
entrevistar (redondeo hacia arriba)

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 84

 4. Errores en
encuestas

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 85

Esta foto de Autor desconocido está bajo licencia CC BY-SA

Total survey error

Total Survey Error se refiere a la acumulación de todos los errores que
puedan surgir en el diseño, recopilación, procesamiento y análisis de
los datos de la encuesta. Un error de la encuesta se define como la
desviación de una respuesta de la encuesta de su valor verdadero
subyacente
(Ref: Public Opinion Quarterly Volume 74 Number 5, Special Issue, 2010).

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 86

El error total puede descomponerse en

1 2
Error de muestreo o experimental. Fluctuación Error no muestral. Se refiere a todos los demás
estadística que se produce debido a la variación del factores que contribuyen al error en la estimación
azar en los elementos seleccionados para la muestra. derivada. Por ejemplo, diseño de cuestionario
Más específicamente, este error se refiere a las deficiente, error de entrevistador, errores de
diferencias entre una estimación derivada de una codificación.
encuesta por muestreo y el "verdadero parámetro"
que se obtendría si se enumerara toda la población de
la encuesta. Varía con el tamaño de la muestra, el
diseño de la muestra, la fracción de muestreo y la
variabilidad dentro de la población.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 87

 El problema principal surge cuando alguno de estos errores (de muestreo o
no) introduce un componente sistemático que da lugar a un sesgo en las
estimaciones.

A) Los sesgos típicos debidos a errores de muestreo son el uso de un marco

de muestreo improcedente (incluyendo elementos que no pertenecen a
la población y / o elementos de población excluidos), sesgos de no
respuesta debido al rechazo a participar, y por no estar en casa cuando
se contacta (llamadas no atendidas).

Los sesgos de no respuesta se producen cuando los individuos que

no responden son diferentes de los que participan. Esto sucede si la
razón de la no respuesta está relacionada con el tema estudiado.
Una consecuencia típica es que las posiciones extremas estén sobre-
representadas (quienes presentan posiciones extremas de opinión
es más probable que participen), y las personas indiferentes al
problema pueden estar infra-representadas.

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 88

Métodos para mejorar la

tasa de respuesta

Reducir
Reduciendo llamadas no
rechazos atendidas

Primera Incentivos Seguimiento

notificación
Llamadas
de
recuerdo

© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 89

Los errores introducidos por errores no muestrales son generalmente

causados por errores administrativos, errores de respuesta y errores de
medición (validez y fiabilidad de escalas).
Errores administrativos:
La ejecución de la investigación es incorrecta
El entrevistador falsifica los resultados
El entrevistador genera sesgos por sus errores
Hay errores de procesamiento de datos
Errores de los encuestados: los encuestados tienden a responder
preguntas con un cierto sesgo que conscientemente o inconscientemente
falsifica la verdad.
Si es consciente: puede deberse a razones de privacidad, al entorno físico o social, a
la falta de tiempo y a la fatiga, al uso de un lenguaje ambiguo o complejo en el
cuestionario, al temor a la organización que recopila información (por ejemplo la
oficina de hacienda), al individuo le gusta distorsionar la verdad, etc.
Si es inconsciente: puede deberse a la incapacidad del individuo, a su olvido, a una
tendencia a complacer al entrevistador, al deseo de aparentar un nivel social
superior, etc.
© Mercedes Esteban-Bravo & Jose M- Vidal-Sanz 90
UC3M
UC3M