MAGNO de MKT II

Contiene todos los comentes y completes de la vida. Controles N 1, Controles N 2, Solemnes y Exmenes de semestres anteriores. Y los resmenes de algunos captulos del Malhotra.

Compilado por Vernica Pulgar

Resmenes

Capitulo 3 Malhotra: Investigacin de mercados

1.- Diseo de Investigacin

Estructura o plano para conducir un proyecto de investigacin de mercado. Detalla los procedimientos necesarios para obtener la informacin que se requiere a fin de estructurar o resolver los problemas de investigacin. Incluye los sgtes. Componentes: Definir la informacin requerida. Planear fases exploratoria, descriptiva o causal Especificar procedimientos de medida y graduacin. Construir formas de entrevista para obtener informacin. Especificar proceso de muestreo y tamao de la muestra Desarrollar un plan de anlisis de datos.

2.- Clasificacin del diseo de investigacin

a) Investigacin Exploratoria Propsitos: a) Proporcionar conocimiento y entendimiento del problema que enfrenta el investigador. b) Formular o definir un problema con ms precisin. c) Identificar los cursos diversas acciones a seguir, d) Establecer hiptesis, e) Aislar variables y relaciones para un mayor anlisis, f) Obtener comprensin para desarrollar un mtodo para enfrentar el problema g) Establecer prioridades para investigacin posterior. Se puede beneficiar del uso de los siguientes mtodos: encuestas con expertos, encuestas piloto, datos secundarios, investigacin cualitativa, etc. Los principales datos que se obtienen son de carcter cualitativo. b) Investigacin Descriptiva (para la comprobacin de hiptesis y el examen de relaciones especficas) Se basa en muestras amplias y representativas, y los datos que se obtienen se analizan cuantitativamente Las razones de su uso son: a) Describir las caractersticas de grupos relevantes (Consumidores, vendedores, organizaciones o reas de mercado) ej: perfil de compradores frecuentes. b) Estimar el % de unidades que presentan cierto comportamiento en una poblacin especfica.(ej: % de usuarios fuertes en tiendas departamentales que tambin prefieran tiendas departamentales de descto.) c) Determinar percepciones de caractersticas del producto d) Determinar el grado de asociacin de las variables del marketing.(relacin entre comer en restaurantes y comprar en tiendas departamentales) e) Para hacer pronsticos especficos.(Ej.: cant. de ventas) Establecimiento claro del problema, hiptesis especifica y necesidades de informacin detallada marcan la diferencia entre ambas investigaciones. Una gran diferencia entre la investigacin descriptiva y la exploratoria es que la investigacin descriptiva se caracteriza por la elaboracin previa de hiptesis especficas. La investigacin descriptiva est planeada y estructurada con anticipacin. Un diseo descriptivo requiere de una especificacin clara de: Quien, que, cuando, donde, porqu y como (las 6 preguntas de la investigacin)

b.1) Diseos de estudios transversales: incluye la recoleccin de informacin de una muestra dada de elementos de poblacin una sola vez. Diseos transversales simples (de encuesta por muestreo): se toma solo una una muestra de encuestados de la poblacin objetivo y se obtiene informacin de sta muestra una sola vez. Diseos transversales mltiples existen 2 o ms muestras, la informacin de cada muestra se obtiene una sola vez. Permiten comparaciones a nivel colectivo. Un diseo de especial inters es el anlisis de cohorte (serie de encuestas que se realizan a intervalos apropiados de tiempo. Cohorte es un grupo de encuestados que pasan por la misma experiencia dentro del mismo intervalo). b.2) Diseos longitudinales: se estudia a las mismas personas ( la misma muestra) a travs del tiempo y se miden las mismas variables. El diseo transversal te da una foto instantnea en un slo punto del tiempo, un estudio longitudinal proporciona una serie de fotografa que brindan un panorama interno de la situacin y los cambios que se presentan con los pasos del tiempo. Un grupo (panel) es una muestra de encuestados, por lo general hogares, que han acordado proporcionar informacin durante intervalos especficos en un perodo extenso

Ventajas y Desventajas relativas de los diseos longitudinales y transversales Los datos longitudinales permiten examinar los cambios en el comportamiento de las unidades individuales y relacionar los cambios de conducta con las variables de marketing: publicidad, empaque, precios y distribucin. Se eliminan variaciones por cambios de muestra. Adems se puede lograr una gran recoleccin de datos (a los participantes se les retribuye por su participacin para que estn dispuestos a participar). Los datos son ms exactos ya que la informacin del grupo cuenta con un registro continuo de las compras en un diario, no as una encuesta transversal que requiere que el encuestado recuerde compras y conductas pasadas.
La principal desventaja de los grupos es q pueden ser no representativos. Esta no representatividad puede surgir por: Negacin a cooperar Mortalidad ( pueden retirarse debido a cambios de domicilio o desinters) El pago atrae a ciertas personas poca representatividad Respuesta desviada de nuevos grupos (influencia en sus respuestas iniciales y tienden a incrementar el comportamiento que se mide).

c) Investigacin Causal
Es un tipo de investigacin conclusiva donde el principal objetivo es obtener evidencia sobre las relaciones causales. La validez de las relaciones causales se debe examinar mediante investigacin formal. Se rige de un diseo planeado y estructurado. Es apropiada para los siguientes fines: 1) Entender qu var. son la causa (v. independientes) y qu var. son el efecto (variables dependientes) de un fenmeno. 2) Determinar la naturaleza de la relacin entre las variables causales y el efecto a pronosticarse.

3.- Relaciones entre Investigacin Exploratoria, Descriptiva y Causal:

Cuando se conoce poco del problema se utiliza investigacin exploratoria (se necesita definir el problema con mayor precisin, identificar acciones a seguir, establecer hiptesis de investigacin y la clasificacin de las variables dependiente e independientes) En la mayora de los casos se debe continuar con una investigacin descriptiva o causal. Sin embargo no es necesario iniciar cada diseo de investigacin con investigacin exploratoria. Depende de la precisin con la cual se haya definido el problema y del grado de certidumbre del investigador en relacin con el mtodo para enfrentar el problema. Aunque la investigacin exploratoria suele ser la fase inicial, esto no es necesariamente as todas las veces. Si una investigacin causal o descriptiva produce resultados difciles de interpretar, la investigacin exploratoria puede proporcionar conocimiento para entender esos resultados.

4.- Posibles fuentes de error

El error total: variacin entre el valor medio verdadero en la poblacin de la variable de inters y el valor medio observado obtenido en el proyecto de investigacin de mercados. Error de muestreo aleatorio: la muestra seleccionada es una representacin imperfecta de la poblacin de inters. Es la variacin entre el valor medio verdadero de la poblacin y el valor medio verdadero de la muestra original. Error que no es de muestreo: Se produce por fuentes distintas al muestreo que pueden ser aleatorias o no aleatorias. Ej: error en definicin de problemas, mtodo, escalas, diseo de cuestionarios, mtodos de entrevistas, etc.

Los errores que no son de muestreo consisten en errores por falta de respuesta y errores de respuesta; * Error por falta de respuesta: Algn encuestado no responde. Esto provoca que muestra resultante sea diferente en tamao que la original. Se define como la variacin entre el valor medio verdadero de la variable en la muestra original y el valor medio verdadero de la muestra neta. * Error de respuesta: respuestas inexactas, o respuesta que se registran o se analizan mal. Es la variacin entre valor medio verdadero de la muestra neta y el valor medio observado que se obtiene en el proyecto. Los errores de respuesta se pueden cometer por los investigadores, entrevistadores o encuestados. Lo errores de los investigadores son, reemplazo de la informacin, medicin, definicin de la poblacin, marco de muestreo y errores de anlisis de datos. *Error por reemplazo de de info.: Variacin entre la informacin requerida para la investigacin v/s la que se busca. *Error de medicin: Variacin entre la informacin que se busca v/s la informacin que se genera en el proceso de medicin del investigador. *Error de definicin de la poblacin: Variacin entre la poblacin real en relacin con el problema que se enfrenta, y la poblacin como la define el investigador *Error de anlisis de datos: Ocurre cuando la informacin sin depurar se convierte en resultados de la investigacin. Los errores por parte del encuestador son: *Error de seleccin del encuestado: Los encuestadores seleccionan encuestados distintos a los que especifica el diseo de muestreo *Error al preguntar: Por ejemplo cuando no se investiga mas sobre una respuesta siendo que se requiere informacin adicional. *Error de registro: Errores al escuchar, interpretar y registrar las respuestas dadas. *Error por fraude: Encuestador fabrica respuestas Los errores cometidos por el encuestado son: *Por falta de habilidad: Incapaz de proporcionar respuestas exactas.( ej. Falta de familiarizacin, fatiga, aburrimiento, etc.) *Por renuncia: Indisposicin del encuestado parta proporcionar informacin exacta. Respuestas socialmente aceptables, evitar situacin embarazosa etc.

El investigador debe tratar de minimizar el error total. Agrandar el tamao de la muestra disminuye el error de muestreo, pero tambin puede aumentar el error que no es de muestreo al haber ms errores del entrevistador. El error que no es de muestreo es ms problemtico que el error de muestreo (este ltimo se puede calcular). El error no muestral representa muchas veces gran parte del error total, mientras que el error muestral aleatorio es un % pequeo de este. Los investigadores a veces aumentan un tipo de error en particular para disminuir el error total al reducir otros errores.

Presupuesto y Calendario del proyecto

Luego de haber especificado el diseo de la investigacin, y controlado el error total, se toman las decisiones sobre el presupuesto y calendario del proyecto. Ayudan a asegurar que el proyecto de investigacin de mercados se complete dentro de los recursos disponibles (financieros, de tiempo, etc.). El Mtodo de ruta crtica (MRC) divide el proyecto en una secuencia de actividades y una estimacin del tiempo para cada actividad. Estas actividades y estimaciones de tiempo se incluyen en un diagrama de flujo de red. Adems es posible determinar la ruta crtica, para ver que actividades no se pueden atrasar. Tcnica de revisin y evaluacin programa (TREP) se basa en la probabilidad que reconoce y mide la incertidumbre de los tiempos de cumplimiento del proyecto. Tcnica de revisin y evaluacin grfica (TREG) donde las probabilidades de terminacin como los costos de actividad se pueden construir en una representacin de red.

Propuesta de Investigacin de mercados

Luego de haberse elaborado el diseo, y completada la fase de presupuesto y calendario, se debe preparar una propuesta de investigacin. Contiene la esencia del proyecto y sirve como un contrato entre el investigador y la administracin. La propuesta cubre todas las fases del proceso de investigacin de mercados. Describe el problema de investigacin, el mtodo, el diseo, y como se recolectarn, analizarn y reportarn los datos, adems de una estimacin de costos y un calendario. Contiene los siguientes elementos: Resumen ejecutivo, Antecedentes, Definicin del problema y objetivos de la investigacin, Mtodo Diseo de investigacin, Campo de trabajo y recoleccin de datos, Anlisis de datos, Informes, Tiempo y costo, Apndices.

Investigacin de mercados internacionales

En muchos pases, sobre todo en los en vas de desarrollo, muchos grupos de consumo an no se han establecido, lo cual dificulta la investigacin longitudinal descriptiva. En otros falta la infraestructura de soporte de Marketing, lo que haca poco factible poner en prctica el diseo causal.

La tica de la investigacin de mercados

Se deben respetar los derechos de los encuestados ( ej. Utilizacin de cmaras de video, o grabaciones ocultas) Tambin hay que tener cuidado en usar el tipo de investigacin que corresponda para cada estudio que se quiera hacer. Ej. Tratar de justificar los estudios transversales para apoyar una conclusin que debera haberse obtenido de estudios longitudinales.

Capitulo 5 Malhotra: Diseo de investigacin exploratoria: investigacin cualitativa

DATOS PRIMARIOS: INVESTIGACION CUALITATIVA O CUANTITATIVA La investigacin cualitativa es una metodologa de investigacin exploratoria sin estructurar, que proporciona conocimiento y entendimiento de los problemas, en tanto la investigacin cuantitativa busca cuantificar los datos y, en general, aplicar alguna forma de anlisis estadstico. Tomar la inv. Cualitativa y la cuantitativa como complementarias es un principio slido de la investigacin de mercados, mas que una competencia entre ellos

RAZON PARA EFECTUAR INV. CUALITATIVA Existen numerosas razones para utilizar inv. Cualitativa. No siempre es posible o deseable el uso de mtodos por completos estructurados o formales para obtener informacin de los encuestados. La gente puede no estar dispuesta o ser capaz de contestar ciertas preguntas, o no esta dispuesta a dar respuestas verdaderas a preguntas que invaden su privacidad

CLASIFICACION DE LOS PROCEDIMIENTOS DE INV. CUALITATIVA

Mtodo directo: Tipo de inv. cualitativa en la que los propsitos del proyecto se revelan al encuestado o son obvios dada la naturaleza de la entrevista. El mtodo directo no se disfraza. Las principales tcnicas directas son los grupos de enfoque y las entrevistas exhaustivas. En contraste el mtodo indirecto disfraza el verdadero propsito del proyecto

ENTREVISTA EN GRUPOS DE ENFOQUE Un grupo de enfoque es una entrevista realizada por un moderador capacitado entre un pequeo grupo de encuestados de manera no estructurada y natural. El moderador gua la discusin, la idea es obtener puntos de vista al escuchar a un grupo de personas del mercado objetivo hablar sobre temas de inters para el investigador. El valor de la tcnica reside en los resultados inesperados que con frecuencia se obtienen de una discusin de grupo de flujo libre

Caractersticas El tamao del grupo es de ocho a doce personas, la composicin de este debe ser con personas homogneas en trminos demogrficos y socioeconmicos, el entorno fsico debe ser relajado con una atmsfera informal; la duracin es aprox. tres horas. Adems se ocupa un registro en cintas de video y audio, para transcribirlas y analizarlas posteriormente.

El moderador tiene que tener habilidades de observacin, interpersonales y de comunicacin. Algunas de estas son: Amabilidad con firmeza Tolerancia Compromiso: Alentar y estimular el compromiso personal intenso Entendimiento Incompleto: debe alentar al encuestado a ser mas especifico Aliento: alentar a participar a los miembros Flexibilidad: debe ser capaz de improvisar y alterar el perfil planeado en medio de las distracciones del proceso de grupo Sensibilidad Se puede ocupar ms de un grupo de enfoque para obtener un mejor resultado y el nmero de grupos de enfoque que debe conducirse depende de: la naturaleza del tema, el nmero de los distintos segmentos de mercado, tiempo y costo. Planeacin y conduccin de grupos de enfoque

Otras variaciones de grupo de enfoque Grupo de enfoque bidireccionales: escuchar y aprender de un grupo relacionado Grupo de doble moderador: Uno del flujo suave y el otro de los temas especficos Grupo de moderadores en duelo: Posiciones opuestas Grupo de moderador encuestado: Grupo de cliente-participante Minigrupos: un moderador y solo 4 a 5 personas Grupo de telesesiones: conferencia electrnica

Ventajas y desventajas de los grupos de enfoque: Sinergia Bola de nieve: un comentario de alguien dispara una reaccin de los dems participantes. Estimulacin: conforme se eleva la emocin general las personas quieren participar mas Seguridad Espontaneidad Serendipia: es ms probable que surjan ideas de pronto por casualidad en un grupo que en una entrevista individual. Especializacin: Entrevistador altamente capacitado aunque sea costoso Escrutinio cientfico: los observadores pueden presenciar la sesin y grabarla para analizarla despus. Estructura: permite flexibilidad en los temas que abarca y profundidad con los que trata Velocidad: debido a que un nmero de individuos se entrevistan al mismo tiempo el acopio de datos y el anlisis ocurren rpido Desventajas: Mal uso: cuando se consideran conclusivos mas que exploratorios Mala interpretacin: Los grupos son susceptibles a desviaciones de los clientes y del investigador Moderacin: los grupos son difciles de moderar, son raros los moderadores con todas las habilidades deseables Desorden: La naturaleza no estructurada de las respuestas hace que la codificacin sea difcil Mala representacin: los grupos de enfoque no son representativos de poblacin general y no son proyectables.

Aplicaciones de grupos de enfoque Los grupos de enfoque se estn utilizando ampliamente para organizaciones lucrativas, no lucrativas y de todo tipo se pueden utilizar en cualquier ocasin que requiera entendimiento y conocimientos premilitares, como para: Entender las percepciones del consumidor Generar nuevas ideas acerca de productos antiguos Desarrollar conceptos creativos y copiar material para anuncios

Tambin se puede definir un problema con ms precisin Generar rumbos de accin alternativos Interpretar resultados previamente obtenidos ENTREVISTAS EXHAUSTIVAS Las entrevistas exhaustivas son otro mtodo para obtener datos cualitativos. Entrevista no estructurada, directa y personal en la que el un entrevistador altamente capacitado interroga a un solo encuestado para descubrir motivaciones, creencias, actitudes y sentimientos implcitos sobre un tema. Puede durar de 30 minutos a ms de una hora. El interrogatorio se hace al formular preguntas como porque dice eso?, le gustara agregar algo mas?...la idea es obtener informacin implcita u oculta. Tcnicas Existen tres tcnicas de entrevistas exhaustivas: Escalonamiento: tcnica para realizar entrevistas exhaustivas en las que una lnea de preguntas va de las caractersticas del producto hasta las caractersticas del usuario. La meta final es combinar los mapas mentales de consumidores similares, lo que llevara a las razones de por que la gente compra productos e particular. Preguntas de tema oculto: tipo de entrevista exhaustiva que intenta localizar aspectos personales relacionados con intereses profundamente arraigados. Anlisis simblico: se intenta analizar el significado simblico de los objetos al compararlos con sus opuestos. Ventajas de las entrevistas exhaustivas: pueden descubrir una mayor profundidad de conocimientos que los grupos de enfoque. Hay un libre intercambio de opinin. Desventajas: Tienen las mismas desventajas de los grupos de enfoque pero en mayor medida.

TECNICAS PROYECTIVAS Las tcnicas proyectivas son formas de preguntar indirecta y no estructurada que alienta a los encuestados a proyectar sus motivaciones, creencias, actitudes o sentimientos implcitos en relacin con los temas de inters. Estas tcnicas se clasifican en 5: Tcnicas de Asociacin: Tcnica proyectiva en la que se presenta un estimulo al encuestado y se pide que responda con lo primero que le venga a la mente. La ms utilizada es la asociacin de palabras.

Tcnicas de Complementacin: Tcnica proyectiva que requiere que el encuestado complete una situacin de estimulo incompleta, como completar oraciones o historias. Tcnicas Constructivas: Se pide al encuestado que construya una respuesta en forma de historia, dialogo o descripcin. Las dos principales tcnicas son respuesta a fotografa y pruebas con caricaturas. Tcnicas Expresivas: Tcnicas en las que se presenta al encuestado una situacin verbal o visual y se le pide relacionar sentimientos y actitudes de otra persona en esa situacin. Las dos principales son representacin de papeles y de tercera persona. Tcnica de la Tercera Persona Se presenta al encuestado una situacin visual o verbal y se le pide que relate las creencias y actitudes de una tercera persona, ms que expresando directamente las personales. Esta tercera persona puede ser un amigo, vecino colega, etc. Ventajas y desventaja de las tcnicas proyectivas: Pueden obtener respuestas que los sujetos no estaran dispuestos a proporcionar si supieran el propsito del estudio. En ocasiones en las preguntas directas el entrevistado puede guiar en forma equivocada o malentender de manera intencional o no intencional. Las tcnicas proyectivas tambin son tiles cuando las motivaciones, creencias y actitudes implcitas operan a nivel del subconsciente. Las tcnicas proyectivas sufren mucho de las desventajas de las tcnicas no estructuradas directas, pero a mayor alcance. Esta entrevista requiere personal altamente calificado e interpretes para analizar las respuestas, en consecuencia tienden a ser costosos y a tener un serio riesgo de desviacin de la informacin

Aplicaciones de tcnicas proyectivas

INVESTIGACION DE MERCADOS INTERNACIONALES Debido a que el investigador no esta familiarizado con el mercado del producto extranjero que se examinara, es crucial la inv., cualitativa en la inv. de mercados internacionales. En las etapas iniciales la inv. Cualitativa puede proporcionar conocimientos sobre el problema y proporcionar un mtodo de generar preguntas e hiptesis de inv. Pertinentes modelos y caractersticas que influyen en el diseo de la investigacin. Por lo tanto la inv. Cualitativa puede revelar las diferencias entre los mercados nacionales y los extranjeros LA ETICA EN LA INVESTIGACION DE MERCADO Al realizar inv. Cualitativa, los temas ticos relacionados con los encuestados y el pblico en general son de principal inters. Estos temas incluyen disfrazar el propsito de la investigacin y uso de procedimientos engaosos, grabaciones de audio y video, nivel de comodidad de los encuestados y el mal uso de los resultados. Para minimizar los efectos negativos, se debe informar a los encuestados desde un principio que el verdadero propsito de la investigacin ser disfrazado para no tener desviaciones en las respuestas, pero despus de realizada se debe dar a conocer el propsito verdadero. Tambin al final de la entrevista se debe informar a los encuestados de las grabaciones y estos deben firmar autorizaciones legales para que dicho material pueda ser utilizado como fuente informativa.

APLICACIONES DE INTERNET Y COMPUTADORA Se invita a grupos de personas para participar en lnea de un grupo de enfoque. Las ventajas de esto es que pueden participar personas de todo el pas o incluso del mundo, y el cliente puede observar al grupo desde cualquier lugar; adems se disminuyen las restricciones geogrficas y el tiempo utilizado. Las desventajas es que solo las personas que tienen computador pueden acceder a las encuestas, adems es difcil saber si el encuestado es realmente del grupo objetivo, tambin es mas probable que este distrado.

RESUMEN La investigacin cualitativa y la cuantitativa deben considerarse complementarias. Los mtodos de inv. cualitativa pueden ser directos o indirectos. En los mtodos directos los encuestados son capaces de discernir el verdadero propsito de la investigacin, los ppales son los grupos de enfoque y las entrevistas exhaustivas. Los grupos de enfoque son conducidos en un entorno de grupo, en tanto que las entrevistas exhaustivas se hacen de persona a persona. Las tcnicas indirectas se llaman proyectivas, ya que buscan proyectar las motivaciones, creencias, actitudes y sentimientos de los encuestados en situaciones ambiguas. Las tcnicas proyectivas se pueden clasificar en tcnicas de asociacin (de palabras), de complementacin (oraciones, prrafos o historias), de construccin (respuesta a fotografas, caricaturas) y expresivas (representacin de papeles y de tercera persona). Las tcnicas proyectivas son tiles cuando los encuestados no son capaces de proporcionar la informacin. El inv. cualitativa puede revelar las diferencias ppales entre los mercados nacionales y los extranjeros. Cuando se realiza el investigador y el cliente deben respetar a los encuestados, como por ejemplo proteger el anonimato. Los grupos de enfoque, las entrevistas exhaustivas y las tcnicas proyectivas tambin se pueden realizar a travs de Internet.

Capitulo 6 Malhotra: Diseo de investigacin descriptiva: encuesta y observacin

Mtodos de Encuesta: Cuestionario estructurado que se da a los encuestados y que se disea para obtener informacin especfica. Las preguntas por lo general son estructuradas: lo que se refiere al grado de estandarizacin impuesto en el proceso de acopio estructurado de datos (Uso de un cuestionario formal que contiene que contiene preguntas en un orden preestablecido), el cual es directo. La investigacin se clasifica como directa o indirecta, dependiendo de que el verdadero propsito sea del conocimiento del encuestado o no. Ventajas: 1)Es Fcil de aplicar, 2) Los datos obtenidos son confiables porque las respuestas son limitadas a las alternativas establecidas y 3) La codificacin, el anlisis y la interpretacin de los datos son relativamente simples. Desventajas: 1) Los encuestados pueden no ser capaces o no estar dispuestos a proporcionar la informacin deseada (ej: preguntas sobre factores emocionales), 2) Las preguntas estructuradas y alternativas de respuesta fija tambin pueden ocasionar perdida de validez para cierto tipo de datos, como creencias y sentimientos y 3) parafrasear las preguntas adecuadamente no es fcil.

1. METODOS DE ENCUESTAS CLASIFICADOS POR MODO DE APLICACIN 1.1. Mtodos Telefnicos: Encuestas telefnicas tradicionales: Las encuestas telefnicas tradicionales incluyen llamar a una muestra de encuestados y hacerles una serie de preguntas (usan papel y lpiz). Encuestas telefnicas asistidas por computadora: Utilizan un cuestionario computarizado que se aplica a los encuestados a travs del telfono. La computadora sistemticamente gua al encuestador. Debido a que las respuestas ingresan directo a la computadora, se pueden obtener informes intermedios y actualizacin sobre el acopio de datos o resultados casi de manera inmediata.

1.2. Mtodos Personales: Encuestas personales en casa: Las encuestas personales en casa se efectan cara a acara con los encuestados en sus hogares. La tarea del encuestador consiste en contactar a los encuestados, hacer las preguntas y registrar las respuestas. Tienen alto costo.

Encuestas personales en centros comerciales: En este caso, se intercepta al los encuestados mientras compran en la tienda y se les conduce a un lugar de pruebas dentro del centro. Luego el encuestador aplica el cuestionario como en la encuesta personal ene casa. La ventaja de la encuesta en centros comerciales es que es ms eficaz que el encuestado venga hacia el encuestador que lo contrario. Encuestas personales asistidas por computadora (EPAC): De esta forma, el encuestado se sienta frente a un terminal de computadora y responde un cuestionario en la pantalla utilizando un teclado. Este mtodo se ha clasificado como tcnica de encuesta personal, porque el encuestador por lo general est presente para servir como anfitrin y para guiar al encuestado segn se requiera.

1.3. Mtodos de correo: Encuestas por correo: En la encuesta por correo tradicional se envan por correo a encuestados potenciales preseleccionados. No hay interaccin verbal entre el investigador y el encuestado. Sin embargo, antes de que pueda comenzar la obtencin de datos, los encuestados necesitan ser identificados al menos de manera general. Las encuestas por correo se utilizan para una variedad de propsitos, incluyendo medicin de preferencias del consumidor. Grupos por correo: Muestra grande y representativa a nivel nacional de hogares que han acordado participar en forma peridica en cuestionarios por correo y pruebas de producto. Se compensa a los hogares con diversos incentivos. Los grupos por correo se pueden utilizar para obtener informacin repetidamente de los mismos encuestados. Por lo tanto se pueden utilizar para llevar a cabo un diseo longitudinal.

1.4. Mtodos Electrnicos: Encuestas por correo electrnico: Las encuestas de correo electrnico utilizan puro texto para representar cuestionarios y se puede recibir y responder por cualquier persona con una direccin de correo electrnico, ya sea que tengan acceso o no a Internet. Limitaciones: 1) Los cuestionarios no pueden utilizar esquemas programados de saltos, verificacin de congruencia o aleatorizacin y 2) Los factores pueden reducir la calidad de los datos de una encuesta por correo electrnico y requerir una depuracin de datos despus de la encuesta. Encuestas en Internet: Las encuestas por Internet utilizan el lenguaje web para ubicarse en un sitio de Internet; a ste se le conoce como lenguaje de marcado de hipertexto (html). Se pide a los encuestados a que vayan a una pgina Web en particular para completar la encuesta. Se les permite participar a todos o a cada ensimo visitante de Internet. Ventajas: Con HTML es posible construir botones, cuadros de respuesta y campos de entrada de datos que evitan que los encuestados ms de una respuesta donde se pretende que haya slo una, o de escribir donde no se requiere respuesta. Es posible validare las respuestas conforme se ingresan. Por ltimo, dentro de la encuesta o en el curso de sta se pueden agregar estmulos de encuestas adicionales, como grficos, imgenes, animaciones y vnculos con otras pginas Web.

EVALUACIN COMPARATIVA DE LOS MTODOS DE ENCUESTA: Flexibilidad en el acopio de datos: Es el alcance al que al que un encuestado puede interactuar con el encuestador y el cuestionario de la encuesta. La encuesta personal permite la mayor flexibilidad en el acopio de datos. Variedad de preguntas: La variedad de preguntas que se pueden hacer en una encuesta dependen del grado de interaccin que tiene el encuestado con el encuestador y el cuestionario, as como la capacidad de realmente ver las preguntas. Las encuestas personales y por Internet tienen un grado ms alto. Control de Muestras: Capacidad de modo de encuesta para alcanzar las unidades especficas en la muestra en forma eficaz y eficiente. Se pueden encontrar diversos conceptos relacionados con l: Marco de Muestreo: Representacin de los elementos de una poblacin objetivo. Consiste en una lista o grupo de instrucciones para identificar a la poblacin objetivo. Marcado digital aleatorio: Tcnica utilizada para superar la desviacin de nmeros de telfonos privados y de conexin reciente, al seleccionar todos los dgitos del nmero de forma aleatoria. Diseo de directorio de dgitos aleatorios: Diseo de investigacin para encuestas telefnicas en el que se toma una muestra de nmeros del directorio telefnico y se modifica para permitir que los nmeros privados tengan oportunidad de incluirse en la muestra. Control del entorno de acopio de datos: El grado de control que un investigador tiene sobre el entorno en que el encuestado responde al cuestionario es otro factor que marca diferencias entre los diversos modos de encuesta. El encuestador no puede ver el entorno en que se realiza la encuesta, pero puede sentir las condiciones circundantes y alentar al encuestado a estar atento y comprometido. En las encuestas y grupos por correo, correo electrnico y por Internet el investigador tiene poco control sobre le ambiente. Control de la fuerza de campo: La fuerza de campo consiste en encuestadores y supervisores comprometidos con el acopio de datos. Las encuestas por correo, los grupos por correo electrnico e Internet eliminan los problemas de control de fuerza de campo debido a que no requieren de este personal. Tasa de respuesta: Se define ampliamente como el porcentaje de las encuestas totales intentadas que se completan. La magnitud de la desviacin por falta de respuesta incrementa conforme la tasa de respuesta disminuye. Las tasas de respuesta se incrementan con: 1. Incentivos monetarios prometidos o prepagados. 2. Aumentar la cantidad de incentivo monetario. 3. Primas no monetarias y recompensas (libros, plumas, lpices, etc.) 4. Notificacin preliminar. 5. Personalizacin (enviar cartas dirigidas a individuos especficos) 6. Cartas de seguimiento. Anonimato percibido: Percepciones de encuestado de que su identidad no la discernir el encuestador o el investigador. Aunque no existe contacto con el encuestador, los encuestados saben que sus nombre pueden localizar al regresar el correo electrnico. Conveniencia social/informacin delicada: Tendencia de los encuestados a dar respuestas que pueden no ser exactas pero que son deseables desde un punto de vista social. Posibilidad de desviaciones del encuestador: Los encuestadores pueden desviar los resultados de una encuesta: 1) al seleccionar encuestados, 2) al hacer preguntas de

investigacin, y 3) al registrar respuestas. El alcance del papel del encuestador determina el potencial de desviacin. En orden de mayor velocidad y menor costo, las encuestas por Internet son las ms rpidas y las menos costosas, mientras que las encuestas personales en casa son las ms lentas y las ms costosas. Ningn mtodo de encuesta es superior en todas las situaciones. Ninguno, uno, dos o aun todos los mtodos pueden ser apropiados, dependiendo de los factores como requerimientos de informacin, restricciones de presupuesto y caractersticas del encuestado. Recurdese que los distintos mtodos de acopio de datos no son excluyentes. En cambio, se pueden utilizar en forma complementaria para apoyarse en las fortalezas y compensar las debilidades de cada uno. 2. MTODO DE OBSERVACIN: La observacin incluye el registro de patrones de conducta de personas, objetos y sucesos en forma sistemtica para obtener informacin del fenmeno de inters. El observador no pregunta ni se comunica con la gente que es observada. La informacin se puede obtener conforme ocurren los eventos, o de registro de eventos pasados. Los mtodos de observacin pueden ser: Observacin Estructurada: Tcnicas de observacin donde el investigador claramente define las conductas por observar y los mtodos con los que sern medidas. Este mtodo es apropiado cuando el problema de investigacin de mercados ha sido claramente definido y se ha especificado la informacin requerida. Es apropiada para la investigacin conclusiva. Observacin no Estructurada: Incluye un observador que supervisa todos los aspectos del fenmeno sin especificar los detalles por adelantado. Esta forma es apropiada cuando falta establecer el problema con precisin y se requiere flexibilidad en la observacin para identificar los componentes fundamentales del problema y para desarrollar una hiptesis. La probabilidad de desviacin del observador es alta. Es la ms adecuada para la investigacin exploratoria. En la observacin encubierta, los encuestados no se percatan de que estn siendo observados. El encubrimiento permite que los encuestados se comporten de manera natural, debido a que la gente tiende a comportarse de manera diferente cuando sabe que estn siendo observados. En la observacin abierta, los encuestados se percatan de que estn bajo observacin. Los investigadores no se ponen de acuerdo sobre qu efecto tiene la presencia de un observador en su conducta. El observador puede desviar seriamente los patrones de conducta. La observacin se puede realizar en un entorno natural (la conducta se observa en su entorno conforma se realiza) o artificial (la conducta se observa en un entorno artificial). La ventaja del entorno natural es que los fenmenos observados reflejarn con ms precisin el verdadero fenmeno. Las desventajas son el costo de esperar a que ocurra el fenmeno y la dificultad de medirlo en un entorno natural.

MTODOS DE OBSERVACIN CLASIFICADOS POR MODO DE APLICACIN: 2.1. Observacin Personal: Estrategia de investigacin en la que observadores registran el fenmeno que se estudia conforme ocurre. El observador no intenta controlar o manipular el fenmeno que se observa, sino que slo registra lo que sucede. 2.2. Observacin Mecnica: Estrategia de investigacin en la que el fenmeno que se estudia es registrado por artefactos mecnicos en vez de humanos. Se utilizan para registrar continuamente la conducta para un anlisis posterior (ej: Cdigos de barras y lectores pticos, etc.). Hay artefactos mecnicos de observacin que s requieren la participacin del encuestado, los cuales son: 1. Monitores de registro ocular (Pueden registrar como un encuestado lee un anuncio o como ve un comercial de televisin, etc.) 2. Pupilmetros (a mayor dilatacin de la pupila mayor inters) 3. Psicogalvanmetro (Instrumento que mide la respuesta galvnica de la piel del encuestado) 4. Analizadores de tono de voz (Medicin de las reacciones emocionales a travs de cambios de voz del encuestado) 5. Aparatos medidores del tiempo de respuesta (mide la cantidad de tiempo que tarde en responder). 2.3. Inventario: El investigador recaba los datos al examinar los registros fsicos o efectuar anlisis de inventario. Para la recoleccin de datos primarios, un inventario importante realizado a nivel del consumidor es el de alacena. El inventario de alacena es un tipo de inventario donde el investigador registra las marcas, cantidades y tamaos de paquete de los productos en la alacena del consumidor. Aunque tienen los problemas de que, las marcas en la alacena pueden no reflejar las marcas preferidas o las marcas compradas con mayor frecuencia, adems de ser muy costoso, es por esto que se utilizan mas los inventarios a nivel minorista y mayorista. 2.4. Anlisis de Contenido: Descripcin objetiva, sistemtica y cuantitativa del contenido manifiesto de un mensaje. Incluye observacin tanto como anlisis. Las aplicaciones en investigacin de mercados incluyen observar y analizar el contenido del mensaje de los anuncios, artculos de peridicos y cosas por el estilo. El anlisis de contenido se puede utilizar para analizar los anuncios de revistas de tiendas patrocinadoras y de la competencia para comparar las imgenes que proyectan. 2.5. Anlisis de Rastros: Mtodo en el que el acopio de datos se bada en rastros fsicos o evidencias de conductas pasadas. Estos rastros los pueden dejar los encuestados en forma intencional o no intencional. Se debe utilizar solo cuando no es posible emplear otro mtodo.

COMPARACIN DE LOS MTODOS DE ENCUESTA Y DE OBSERVACIN: En comparacin con las encuestas, las ventajas de los mtodos de observacin son: 1) Permiten la medicin de la conducta real; 2) No hay desviaciones de informe, y 3) existe menor potencial de desviacin del encuestador. Tambin se pueden obtener mejor ciertos tipos de datos o nicamente por observacin. Las desventajas de la observacin son: 1) se puede deducir muy poco acerca de los motivos, creencias, actitudes y preferencias; 2) existe la probabilidad de desviacin del observador; 3) la mayora de los mtodos son muy costosos y consumen mucho tiempo; 4) es difcil de observar algunas formas de conducta, y 5) existe la probabilidad de caer en conductas poco ticas. La observacin rara vez se utiliza como el nico mtodo para obtener datos primarios, pero puede ser til si se usa en conjunto con los mtodos de encuesta. Al recabar datos de distintos pases lo deseable es utilizar mtodos de encuesta con niveles equivalentes de confiabilidad, ms que el mismo mtodo. El anonimato de los encuestados se debe proteger y sus nombres no deben ser entregados a los clientes. En la investigacin no se debe observar a la gente sin su consentimiento en situaciones donde no esperan ser observados por el pblico. Internet y las computadoras se usan de forma extensa en la investigacin de encuestas. Tambin facilitan los mtodos de observacin, en particular el anlisis de contenidos, inventarios y anlisis de rastro.

Capitulo 8 Malhotra: Medicin y Elaboracin de escalas: introduccin y escalas comparativas

Una vez determinado el diseo de la investigacin, y especificada la informacin por obtener, se pasa a la etapa de decidir los procedimientos de medicin y escala. Medicin: Asignacin de nmeros u otros smbolos a las caractersticas de objetos de acuerdo con ciertas reglas especificadas previamente; no medimos el objeto sino alguna de sus caractersticas; no medimos a los consumidores sino sus percepciones, actitudes, preferencias u otras caractersticas pertinentes. En la medicin debe haber correspondencia uniforme entre las caractersticas y los nmeros (unidades y tiempo) Elaboracin de escalas: puede considerarse como una extensin de la medicin, las escalas involucran la creacin de un continuum sobre el cual se localizan los objetos medidos. Ej. Una escala de 1 a 100 para localizar a consumidores segn su actitud hacia el chocolate.

Escalas fundamentales de medicin 1.- Escala Nominal: es un esquema de etiquetado figurado donde los nmeros sirven para identificar y clasificar objetos, con estricta correspondencia unvoca entre los nmeros y los objetos (cada nmero se asigna a un solo objeto y cada objeto slo tiene un nmero asignado). Ej: nmeros asignados a los encuestados en un estudio, nmeros de los jugadores de ftbol. Si se utiliza con fines de clasificacin, cada nmero representa una clase o categora. Sin embargo la escala nominal no requiere incluir asignacin de nmeros, pueden ser letras o smbolos. Estadsticas permitidas: Descriptiva: Porcentaje, Moda. Deductiva: Chi cuadrada, prueba binomial.

2.- Escala Ordinal: escala de jerarquas en la que se asignan nmeros a los objetos para indicar el alcance relativo al cual los objetos poseen algunas caractersticas. De esta forma es posible si un objeto tiene ms o menos una caracterstica, comparando con algn otro objeto, pero no cuanto ms o cuanto menos. Indica posicin relativa, no la magnitud de las diferencias. Ej: jerarquas de calidad, clase socioeconmica, equipos en un torneo, etc. Estadsticas permitidas: Descriptiva: Percentil, mediana. Deductiva: Correlacin jerrquica, ANOVA de Friedman.

3.- Escala de Intervalos: es aquella en que los nmeros se utilizan para evaluar objetos cuyas distancias equivalentes numricas en la escala representan distancias iguales en la caracterstica que se mide. Permite comparar las diferencias entre los objetos. Existe una constante o intervalo igual entre los valores de la escala. Ej: escala de temperatura. La ubicacin del cero no es fija, el punto cero como las unidades de medicin son arbitrarias. Estadsticas permitidas: Descriptiva: Rango, Media, Desviacin Estndar. Deductiva: Correlaciones producto-momento, pruebas t, ANOVA, regresin, anlisis factorial.

4.- Escala de Razn: Es la escala ms alta, permite al investigador identificar o clasificar objetos, jerarquizarlos y comparar los intervalos o diferencias. Tambin es significativo computar proporciones de valores de escala. Existe un punto de cero absoluto. Ej: escalas de edad, peso, altura, ventas, costos, etc. Estadsticas permitidas: Descriptiva: Media geomtrica, Media armnica. Deductiva: Coef. de Variacin

Comparacin de las tcnicas de escalas Las tcnicas de escalas comnmente se pueden clasificar como escalas comparativas y no comparativas. Las escalas comparativas (o no mtricas) son aquellas que incluyen una comparacin directa entre los objetos de estmulo, ej: preguntar si se prefiere Coke o Pepsi. Los datos se deben interpretar en trminos relativos y tienen slo propiedades ordinales, se incluyen: comparacin pareada, orden de clasificacin, suma constante, clasificacin Q y otros procedimientos. Su beneficio es que pueden detectar las pequeas diferencias entre los objetos de estmulo, son de fcil comprensin y aplicacin, incluyen menos suposiciones tericas, pueden reducir el halo o efectos remanentes. Las principales desventajas son la naturaleza ordinal y la falta de la capacidad de generalizar ms all de los objetos de estmulo de la escala. Las escalas no comparativas (mondicas o mtricas) son aquellas en las que cada objeto estmulo es escalado en forma independiente de los dems objetos en el conjunto de estmulos. Los datos que resultan en general se supone que son de escala de intervalos o proporcional, se pueden dividir en Likert, diferencial semntico o de Stapel.

Tcnicas de escalas comparativas Escalas de comparacin pareadas: Se presentan dos objetos a la vez a un encuestado y se le pide seleccionar uno de acuerdo a algn criterio, ejemplo: dos marcas distintas. Los datos obtenidos son de naturaleza ordinal. Las escalas de comparacin pareada se utilizan con frecuencia cuando los objetos de estmulo son productos fsicos. Bajo la suposicin de transitividad es posible convertir los datos de comparacin pareada en un orden jerrquico. La transitividad de preferencias implica que si A f B B f C A f C donde f indica preferencia. La escala de comparacin pareada es til cuando el nmero de marcas es limitado, porque requiere comparacin directa y eleccin abierta. Si el numero es grande la cantidad de comparaciones es difcil de manejar, otra desventaja es la posibilidad de violaciones a la suposicin de transitividad y al orden de los productos, son poco representativas del mercado donde existen muchas alternativas, o bien los entrevistados podran preferir un objeto por sobre otro pero no gustarle en un sentido absoluto. Escala por orden de clasificacin: Se presentan a los encuestados diversos objetos en forma simultnea y se les pide que los ordenen de acuerdo con algn criterio, es de naturaleza ordinal, es comparativa y puede ser que al encuestado no le guste en sentido absoluto la marca en la primera ubicacin (la preferida segn el criterio). Se utiliza con frecuencia para medir preferencias de marcas, as como atributos. Otra ventaja es que toma menos tiempo y es de fcil entendimiento. Se cumple la suposicin de transitividad. Escala de suma constante: Se pide a los encuestados que distribuyan una suma constante de unidades como puntos, dlares, notas, fichas, etc. entre un conjunto de objetos de estmulo con relacin a un criterio, de esta forma se refleja la importancia que le dan a los a cada atributo. Los atributos se escalan al contar los puntos asignados a cada uno por todos los encuestados y dividindolos por el nmero de encuestados. En ocasiones son tratados como mtricos, lo cual puede ser apropiado en el contexto limitado de la escala de estmulos, peor no son generalizables a otros estmulos no incluidos, entonces, de forma estricta corresponden a datos ordinales. La ventaja principal es que permite la discriminacin entre objetos de estmulo sin requerir mucho tiempo. Pero tiene las desventajas que los entrevistados pueden repartir ms o menos puntos de los especificados y el potencial error de redondeo si se utilizan pocas unidades, pero numerosas unidades puede ser abrumador para el encuestado y generar confusin y fatiga. Escala de clasificacin Q y otros procedimientos: la escala de clasificacin Q se desarroll para discriminar entre un nmero relativamente grande de objetos en forma rpida, utiliza un procedimiento de escala por orden de clasificacin para jerarquizar objetos con base en la similitud de acuerdo a algn criterio.

Otra tcnica de escala comparativa es la estimacin de magnitud la cual asignan nmeros a objetos cuyas proporciones entre los nmeros asignados reflejen proporciones en el criterio especfico. Finalmente cabe mencionar la escala Guttman o anlisis de escalograma, que es un procedimiento para determinar si un conjunto de objetos se puede ordenar en una escala unidimensional internamente consistente. (nota propia: q es eso? ni idea no lo explica)

Capitulo 9 Malhotra: Medicin y elaboracin de escalas: tcnicas de escalas no comparativas

Escala no comparativa: Uno de dos tipos de tcnicas de escala en los que cada objeto de estmulo se escala de manera independiente a los dems objetos en el conjunto de estmulos. A menudo se les llama escalas Mondicas. Consisten en escala de medicin continua y escala de medicin por reactivos.

ESCALA DE MEDICIN CONTINUA Tambin llamada escala de medicin grfica, esta escala de medicin hace que los encuestados evalen los objetos al poner una marca en la posicin apropiada en una lnea que va de un extremo de la variable de criterio a otro. Se ilustran 3 versiones:

Cmo calificara a Sears como tienda departamental? Versin 1 Probablemente la Peor---------------I-------------------------------Probablemente la mejor Versin 2 Probablemente la Peor---------------I-------------------------------Probablemente la mejor 0 10 20 30 40 50 60 70 80 90 100 Versin 3 Muy mala Ni buena ni mala Muy buena Probablemente la peor---------------I-------------------------------Probablemente la mejor 0 10 20 30 40 50 60 70 80 90 100

Una vez que el encuestado proporciona las calificaciones, el investigador divide la lnea en tantas categoras como desee y asigna las puntuaciones con base en las categoras en las que caen las calificaciones. Ventajas: Fcil de construir Desventajas: Puntuacin difcil de manejar, poco confiable, poca informacin

ESCALA DE MEDICIN POR REACTIVOS Escala de medicin que tiene nmeros, breves descripciones asociadas con cada categora, o ambas. Las categoras se ordenan en trminos de la posicin de la escala. Primero se describirn las escalas comnmente utilizadas, Likert, de diferencial semntico y Stapel, y luego se examinarn los principales temas alrededor del uso de estas escalas. Escala de Likert: Escala de medicin donde los encuestados indican el grado de acuerdo o desacuerdo con cada serio de enunciados. Para el anlisis, a cada afirmacin se le asigna una puntuacin numrica que va de -2 a +2 o del 1 al 5. El anlisis puede realizarse reactivo por reactivo (anlisis del perfil), o se calcula la puntuacin total (suma) para cada encuestado. Al realizar la suma, hay que invertir los reactivos negativos, de modo que la suma refleje una puntuacin favorable.

Ni de Muy En acuer. Muy en desa- desa- ni en De de cuerdo cuerdo desac. acuer acue 1.Sears vende mercanca de alta calidad 1 2X 3 4 5 2.Sears tiene deficiente servicio en tienda 1 2 3 4 5X 5 3. Me gusta comprar en Sears. 1 2 3 4X 2 3 4 5 Sears cobra precios justos. 1X

Escala de Likert

Ventajas: Fcil de construir y aplicar, fcil de entender (se puede usar por correo, telfono o entrevista) Desventajas: toma tiempo de responder. Escala de diferencial semntico: Escala de medicin de siete puntos con extremos relacionados con etiquetas bipolares que tienen significado semntico. El adjetivo negativo a veces se intercala a la izquierda o derecha, para evitar que respondan sin leer.
Escala de diferencial semntico Sears es: Poderosa No confiable Moderna Fra Cuidadosa __:__:__:_X:__:__:__: Dbil __:__:__:__:__:X_:__: Confiable __:__:__:__:__:__:_X: Anticuada __:__:__:__:__:X_:__: Clida __:X_:__:__:__:__:__: Descuidada

Para el anlisis, se pueden calificar del -3 al +3 o del 1 al 7. Los datos resultantes se estudian mediante un anlisis del perfil, en el cual se calculan medias o valores medios en cada escala de medicin, y luego se comparan. Esto ayuda a determinar las diferencias generales y las similitudes entre los objetos. Se pueden comparar medias de distintos segmentos. Esta escala es muy comn en comparacin de marcas, productos e imgenes de compaas. Escala de Stapel: Escala para medir actitudes que consiste en un solo adjetivo en medio de una gama de valores de nmeros pares, de *5 a +5, sin un punto neutral (cero). Se pide a los encuestados que indiquen con qu exactitud o inexactitud describe cada trmino al objeto. Mientras ms alto, ms exacta la descripcin. Los datos se pueden analizar de la misma manera que los de diferencial semntico, y produce resultados similares. Ventajas: no requiere prueba previa para asegurarse que los adjetivos son realmente vipolares. Se puede realizar por telfono. Desventajas: Confusa y difcil de aplicar. De las 3 escalas de medicin por reactivos es la menos utilizada.

Escala de Stapel Sears +5 +5 +4 +4 +3 +3 +2 +2X +1 +1 Alta calidad Mal servicio -1 -1 -2 -2 -3 -3 -4 -4X -5 -5

DESICIONES SOBRE ESCALAS DE CALIFICACIN DE REACTIVOS NO COMPARATIVAS Las escalas de calificacin de reactivos no comparativas no necesitan utilizarse como se propona originalmente, sino que se pueden tomar distintas formas. El investigador debe tomar seis decisiones principales al construir cualquiera de estas escalas. 1. Nmero de categoras en las escalas: A mayor nmero de categoras de escala, ms fina la discriminacin entre los objetos de estmulo. Si los encuestados conocen bien los objetos, se pueden incluir ms categoras. Tambin se considera la naturaleza de los objetos, algunos se prestan para discriminacin fina. Si se desea hacer comparaciones en grupo o generalizaciones amplias, bastan 5 categoras.

2. Escalas balanceadas o no balanceadas: En una escala balanceada, el nmero de categoras favorables y desfavorables es igual. En general deben ser balanceadas. Sin embargo, si la distribucin de respuestas tiende a inclinarse, en forma positiva o negativa, puede ser apropiada una escala no balanceada en la direccin del sesgo. 3. Categoras de nmeros pares o nones: Con un nmero non de categoras, la posicin de la mitad de la escala por lo general se designa como neutral o imparcial. La presencia de una categora neutral puede tener influencia significativa en la respuesta. La escala de Likert es de calificacin balanceada con un nmero non de categoras y un punto neutral. La decisin depende de si algunos de los encuestados pueden ser neutrales en la respuesta. 4. Escalas forzadas o no forzadas: En las forzadas, se obliga a los encuestados a expresar una opinin porque no se proporciona la opcin de sin opinin o sin conocimiento. Los encuestados sin opinin marcan la posicin media, y si hay muchos encuestados sin opinin, forzarlos sera un error. 5. Naturaleza y grado de las descripciones verbales: La naturaleza y grado de la descripcin verbal pueden tener un efecto en las respuestas. Las categoras de escala pueden tener descripciones verbales, numricas o pictricas. La fuerza de los adjetivos puede influir en las respuestas. Con extremos fuertes (1=por completo en desacuerdo, 7=por completo de acuerdo), los encuestados tienen menos probabilidad de utilizar los extremos produciendo distribuciones de respuestas pico. En contraste, extremos dbiles producen distribuciones uniformes. 6. Forma fsica o configuracin: Pueden ser verticales u horizontales, por cajas, lneas discretas o continuas, con o sin nmeros, positivos, negativos o ambos. Por ejemplo existen las escalas de termmetro (rellenar un termmetro) o de caritas tristes y felices, stos utilizados generalmente con nios.

ESCALAS DE VARIOS REACTIVOS El desarrollo de las escalas de medicin de varios reactivos requiere considerable experiencia tcnica. La caracterstica por medir a menudo se llama constructo. El desarrollo de la escala comienza con una teora implcita del constructo. El siguiente paso consiste en generar un conjunto inicial de reactivos de escala. Por lo regular esto se hace con base en la teora, el anlisis de datos secundarios y la investigacin cualitativa. De este grupo se seleccionan reactivos de escala potenciales a travs de investigacin cualitativa, y si se quiere reducir an ms, se reduce con investigacin cuantitativa. Se recaban datos sobre el conjunto de reactivos potenciales de una muestra grande de encuestados previa a la prueba. Se analizan los datos (anlisis estadstico) y se eliminan otros reactivos ms, quedando una escala purificada. Se evala la confiabilidad y validez al recabar ms datos de una muestra diferente. As, se selecciona el conjunto final de reactivos de escala.

EVALUACIN DE ESCALAS Antes de examinar la confiabilidad y validez, se necesita entender la exactitud de la medicin. La exactitud de la medicin se entiende con el Modelo de calificacin verdadera X0=XV+XS+XA X0=calificacin o medicin observada XV=calificacin verdadera de la caracterstica XS=error sistemtico XA=error aleatorio Error sistemtico: Es el que afecta la medicin de manera constante y representa factores estables que alteran la puntuacin observada en la misma forma cada vez que se realiza la medicin Error aleatorio: Error de medicin que surge de cambios aleatorios o diferencias en las situaciones de los encuestados o de la medicin.

Evaluacin de la escala

Confiabilidad

Validez

Capacidad de generalizacin

Doble Prueba

Formas Alternativas

Consistencia interna

Contenido

Criterio

Constructo

Convergente

Discriminatorio

Nomolgico

Confiabilidad: Grado al que la escala produce resultados consistentes si se realizan mediciones repetidas sobre la caracterstica. El error sistemtico no afecta la confiabilidad, pero s el error aleatorio. Entonces si XA=0 la medicin es perfectamente confiable.

Confiabilidad de doble prueba: Mtodo para evaluar la confiabilidad; se aplican a los encuestados conjuntos idnticos de reactivos de escala en dos diferentes ocasiones bajo condiciones lo ms equivalentes posible. El problema es que la 1ra encuesta puede cambiar la opinin del encuestado, adems no se puede utilizar para encuestas que estudien la primera impresin de por ejemplo un producto nuevo, adems, los encuestados pueden intentar recordar sus primeras respuestas. Formas alternativas de confiabilidad: Mtodo par evaluar confiabilidad, el cual requiere que se construyan dos formas equivalentes de la escala y que los mismos encuestados se midan en dos ocasiones diferentes con separacin de 2 a 4 semanas. El problema es que es costoso y muy difcil construir 2 formatos equivalentes de escala, y por lo tanto resultados distintos se pueden deber a escala poco confiable o formatos no equivalentes. Confiabilidad de consistencia interna: Evala la confiabilidad de una escala sumada (puntuacin total), enfocndose en la consistencia interna del conjunto de reactivos. La medicin mas simple de confiabilidad de consistencia interna es la confiabilidad dividida, donde si la correlacin de las puntuaciones de las 2 mitades es alta, entonces hay consistencia interna, el problema es que el resultado depender de cmo se dividan las 2 mitades. Por lo tanto para superar este problema se usa el coeficiente alfa, que es el promedio de todos los coeficientes divididos posibles que resultan de distintas formas de dividir los reactivos de la escala. Toma valores de 0 a 1, y se exige por lo general de al menos 0,6 para que sea confiable internamente. El problema es que el coeficiente aumenta al existir mayor cantidad de reactivos. Otro coeficiente es el beta el que ayuda a determinar si el proceso de promedio utilizado al calcular el alfa est encubriendo algunos reactivos inconsistentes. Solo es correcto medir consistencia interna cuando los reactivos estn midiendo la misma caracterstica. Validez: Grado al que las diferencias en las puntuaciones de escala observadas reflejan diferencias verdaderas entre los objetos sobre la caracterstica que se mido, ms que errores sistemticos o aleatorios. Validez perfecta es cuando no hay errores de medicin. Se puede evaluar la validez del contenido, del criterio o del constructo (caracterstica por medir). Validez del contenido o validez frontal: Tipo de validez que consiste en una evaluacin subjetiva pero sistemtica de la representatividad del contenido de una escala para la tarea de medicin que se enfrenta. Por ejemplo evala si los reactivos son suficientes. Validez del criterio: Examina se la escala de medicin se desempea como se esperaba en relacin con otras variables seleccionadas como criterio significativo (variables de criterio: Demogrficas, psicogrficas, actitud y conducta). Segn el perodo de que se trate, la validez del criterio puede tomar dos formas: validez concurrente y de pronstico. La concurrente se

evala cuando se recopilan al mismo tiempo los datos en la escala usada y las variables de criterio. Para la de pronstico, el investigador recaba datos en la escala en un punto de tiempo y datos sobre las variables de criterio en un tiempo futuro. Validez del constructo: Aborda la pregunta de qu constructo o caracterstica mide la escala. Se trata de responder preguntas tericas de por qu una escala funciona y qu deducciones se pueden hacer en relacin con la teora intrnseca de la escala. Es el tipo de validez ms sofisticado y difcil de establecer. Incluye validez convergente, discriminatoria y nomolgica. Validez convergente: medicin de validez del constructo que mide el grado al que la escala se correlaciona positivamente con otras mediciones del mismo constructo Validez discriminatoria: mide el grado al que una medicin no se correlaciona con otros constructor de los que se supone debe diferir. Validez nomolgica: Evala la relacin entre los constructor tericos. Busca confirmar correlaciones significativas entre constructor, como se pronostic por la teora. RELACIN ENTRE CONFIABILIDAD Y VALIDEZ: Si una medicin es perfectamente vlida, tambin es perfectamente confiable. En ste caso XO=XV, XA=0 y XS=0. Si una medicin es poco confiable, no puede ser perfectamente vlida, debido a un mnimo XO=XV+XA. Es ms, tambin puede estar el error sistemtico, es decir, XS0. Por ello, la falta de confiabilidad implica invalidez. Si una medicin es perfectamente confiable puede ser o puede no ser perfectamente vlida porque puede haber error sistemtico. La confiabilidad es una condicin para la validez necesaria pero no suficiente. Capacidad de generalizacin: Grado al que se puede generalizar a partir de las observaciones disponibles para un universo de generalizaciones. Un investigador tal vez quiera generalizar una escala desarrollada para unos en entrevistas personales a otros modos de recopilacin de dato, como entrevistas por correo y telefnicas. De la misma forma, puede desear generalizar de una muestra de reactivos al universo de reactivos de una muestra de veces de medicin al universo de veces de medicin, de una muestra de observadores al universo de observadores, y as sucesivamente. Para generalizar a otros universos, se deben emplear procedimientos de teora de generalizacin. ELECCIN DE UNA TCNICA DE ESCALA Adems de las consideraciones tericas y evaluacin de confiabilidad y validez, hay que considerar aspectos prcticos al seleccionar tcnicas de escala. stos incluyen el nivel de informacin deseado (nominal, ordinal, de intervalo o de razn), las habilidades de los encuestados, las caractersticas de los objetos de estmulo, mtodo de aplicacin, contexto y costo. Como regla general, utilizar la tcnica de escala que arroje el nivel ms alto de informacin factible en una situacin dada permitir el uso de la variedad ms grande de anlisis estadstico.

Capitulo 10 Malhotra: Diseos de cuestionarios y formas

1.1) CUESTIONARIOS Y FORMAS DE OBSERVACIN La encuesta y la observacin son dos mtodos bsicos para obtener datos primarios cuantitativos en la investigacin descriptiva. Ambos requieren algn procedimiento para estandarizar el proceso de recopilacin de datos con el fin de que la informacin obtenida sea internamente consistente y pueda analizarse en forma uniforme y coherente. Con un cuestionario o forma estndar se asegurar la comparabilidad de los resultados, se incrementar la velocidad y exactitud del registro y se facilitar el proceso de los datos. Un cuestionario es un conjunto formal de preguntas para obtener informacin de encuestados. Los 3 objetivos especficos de los cuestionarios son: 1) debe traducir la informacin necesaria en un conjunto de preguntas especficas que los encuestados puedan responder. 2) Debe animar, motivar y alentar al encuestado a comprometerse en la entrevista, a cooperar y completarla. 3) Debe minimizar el error de respuesta. DISEO DE LOS CUESTIONARIOS La gran debilidad del diseo de cuestionarios es la falta de teora. Debido a que no existen principios cientficos que garanticen que un cuestionario ptimo o ideal, el diseo del cuestionario es una habilidad que se adquiere con la experiencia. El diseo de cuestionarios se compone por una serie de pasos que sern expuestos a continuacin: 1.2.1) Especificacin de la informacin necesaria. Este tambin es el primera paso en el proceso de diseo de l investigacin. Resulta til revisar los componentes del problema y mtodo, en particular las preguntas de investigacin, hiptesis y la informacin requerida. Tambin es importante tener una idea clara de la poblacin objetivo. 1.2.2) Tipo de mtodo de entrevista Puede lograrse una apreciacin de cmo influye el tipo de mtodo de entrevista en el diseo del cuestionario al considerar como se aplica el cuestionario bajo cada mtodo. (entrevistas personales, telefnicas, por correo, asistidas por computador, etc..) 1.2)

1.2.3) Contenido de las preguntas Cada pregunta en un cuestionario debe contribuir a la informacin requerida o servir para algn propsito. En ciertas situaciones se pueden hacer preguntas que no estn directamente relacionadas con la informacin requerida. Conviene hacer algunas preguntas neutrales al principio del cuestionario para establecer el compromiso y la armona, en particular cuando el tema es delicado o controvertido. Pregunta doble: intenta abarcar dos temas. Tales preguntas pueden ser confusas para los encuestados y dar lugar a respuestas ambiguas. 1.2.4) Sobreponerse a la incapacidad de contestar. Los investigadores no deben asumir que los encuestados pueden proporcionar respuestas exactas o razonables a todas las preguntas, sino que deben sobreponerse a la incapacidad del encuestado para contestar, los cuales probablemente no estn informados, quiz no recuerden o son incapaces de articular cierto tipo de respuestas. 1.2.5) Sobreponerse a la indisposicin de contestar. An si los encuestados son capaces de responder una pregunta en particular, tal vez no estn dispuestos s hacerlo, ya sea porque se requiere demasiado esfuerzo, porque la situacin o el contexto quiz no aparezcan apropiados para revelarse, porque no resulta aparente un propsito o necesidad legtima de la informacin o bien porque la informacin requerida es delicada. 1.2.6) Eleccin de la estructura de las preguntas. Una pregunta puede ser estructurada o sin estructura. Las preguntas sin estructura son preguntas abiertas que los encuestados responden en sus propias palabras. Tambin se les conoce como preguntas de respuesta libre. Son buenas como primeras preguntas sobre un tema ya que permiten a los encuestados expresar actitudes generales y opiniones que pueden ayudar al investigador a interpretar sus respuestas a preguntas estructuradas. La principal desventaja es que la posibilidad de sesgo del entrevistador es alta junto con que la codificacin de las respuestas es costosa y lleva mucho tiempo. Las preguntas estructuradas especifican el conjunto de alternativas de respuesta y el formato de respuesta. Una pregunta estructurada puede ser: De opcin mltiple: el investigador proporciona una opcin de respuestas y se pide a los encuestados que seleccionen una o ms de las alternativas dadas. El orden o posicin de sesgo es la tendencia de los encuestados a marcar una alternativa slo polo ocupa cierta posicin o est enumerada en cierto orden. Dicotmicas: Slo tiene dos alternativas de respuesta: s o no, acuerdo o en desacuerdo, etc. A menudo las dos alternativas de inters se complementan por una alternativa neutral (no lo se, ambos, sin opinin, etc.)

Escalas: se explican en los captulos 8 y 9

1.2.7) Eleccin de palabras y sintaxis La redaccin de la pregunta consiste en traducir el contenido y la estructura de la pregunta deseada en palabras que los encuestados puedan entender clara y fcilmente. Para no tener los distintos problemas asociados a la redaccin de las pregunta, se ofrecen los siguientes lineamientos. 1) definir el tema; 2) utilizar palabras comunes; 3) evitar palabras ambiguas; 4) no hacer preguntas tendenciosas; 5) impedir suposiciones implcitas; 6) impedir alternativas implcitas; 7) no hacer generalizaciones ni estimados; 8) utilizar enunciados positivos y negativos. 1.2.8) Establecimiento del orden de las preguntas Las preguntas abiertas pueden ser cruciales para obtener la confianza y cooperacin de los encuestados. Las preguntas iniciales deben ser interesantes, simples y no perturbadoras. Las preguntas donde se le pide a los encuestados sus opiniones pueden ser buenas preguntas iniciales, porque a la mayora de las personas les gusta expresar sus opiniones. El tipo de informacin obtenida en un cuestionario se puede clasificar como: 1) informacin bsica (se relaciona directamente con el problema de investigacin); 2) informacin de clasificacin (consiste en caractersticas socioeconmicas y demogrficas), y 3) informacin de identificacin (nombre, direccin y numero de telfono). Las preguntas difciles o que son delicadas, vergonzosas, complejas o aburridas se deben ubicar al final de la secuencia. Las preguntas hechas al inicio de una secuencia pueden influir en las respuestas a las preguntas subsecuentes. Como regla, las preguntas generales deben anteceder a las preguntas especficas. Las preguntas se deben hacer en orden lgico. Todas las preguntas referentes a un tema en particular se deben hacer antes de empezar con un nuevo tema. 1.2.9) Forma y distribucin. El formato, espacio y disposicin de las preguntas puede tener efecto significativo en los resultados. Esto es particularmente importante para los cuestionarios autoaplicados. Es una buena prctica dividir un cuestionario en varias partes, las cueles se pueden requerir para preguntas relacionadas con la informacin bsica. 1.2.10) Reproduccin del cuestionario La manera en que un cuestionario se reproduce para su aplicacin puede influir en los resultados. Ej.: Si el cuestionario se reproduce en un papel de mala calidad o tiene apariencia

gastada, los encuestados pensarn que el proyecto no tiene importancia y la calidad de la respuesta se ver afectada en forma adversa. 1.2.11) Prueba piloto Se refiere a la aplicacin del cuestionario en una pequea muestra de encuestados para identificar y eliminar posibles problemas. Las pruebas pilotos son mejores en entrevistas personales, aun si la encuesta real se va a realizar por correo u otro mecanismo. Deben utilizarse una variedad de entrevistadores para las pruebas piloto. FORMAS DE OBSERVACIN El investigador no debe preocuparse por el impacto psicolgico de las preguntas y las formas en que se hacen, solo necesita desarrollar una forma que identifique claramente la informacin requerida, que facilite al trabajador de campo el registro exacto de la informacin y simplifique la codificacin, ingreso y anlisis de datos. Las formas de observacin deben especificar quin, qu, cundo, porqu, dnde y cmo es la conducta por observar. 1.3)

Capitulo 11 Malhotra: Muestreo: Diseo y Procedimientos

Una poblacin es el total de todos los elementos que comparten un conjunto de caractersticas comunes y comprenden el universo del propsito del problema de investigacin de mercado. Se puede obtener informacin acerca de los parmetros de una poblacin al tomar un censo o una muestra. El Censo constituye una enumeracin completa de los elementos de una poblacin u objetos de estudio, mientras que una muestra es un subgrupo de elementos de la poblacin seleccionado para participar en el estudio. Realizar un censo toma tiempo y es costoso, y no es realista si la poblacin es grande. Puede incrementar mucho el error que no es de muestreo, al punto que estos exceden el error de muestreo que se dara en el caso de tomar una muestra. En la siguiente tabla se muestran las condiciones que favorecen el uso de una muestra sobre un censo:

Puede preferirse una muestra si el proceso de medicin da lugar a destruccin de los elementos muestreados. Por ejemplo, las pruebas de uso de producto originan el consumo del producto. Por lo tanto, no sera factible usar un censo en un estudio que requiera que todos usen algn producto determinado.

El proceso de diseo del muestreo consta de 5 etapas:

Poblacin objetivo: es la recoleccin de elementos u objetos que poseen la informacin buscada por el investigador y acerca de la cual se harn las deducciones. Debe definirse en trminos de elementos, unidades de muestreo, extensin y tiempo. Elementos: Son los objetos que poseen la informacin buscada por el investigador y acerca de la cual se harn las deducciones (por ejemplo, en una encuesta, es el encuestado). Unidad de muestreo: Unidad bsica que contiene los elementos de poblacin que sern muestreados (por ejemplo, un hogar). La extensin se refiere a los lmites geogrficos y el tiempo es el lapso en consideracin. La segunda etapa es la determinacin del marco de muestreo. sta es la representacin de los elementos de la poblacin objetivo. Consiste en una lista o conjunto de instrucciones para identificar dicha poblacin. Ejemplos: directorio telefnico de una asociacin con lista de empresas de una industria. Se puede dar error de muestreo por la diferencia entre la poblacin y el marco de muestreo, lo que se puede reducir de 3 formas: a) Redefinir la poblacin. b) Considerar el error del marco de muestreo seleccionando a los encuestados en la fase de recoleccin de datos. c) Ajustar los datos recolectados equilibrando el error de marco de muestreo. La siguiente etapa es la eleccin de una tcnica de muestreo. Existen 3 alternativas: a) Mtodo Bayesiano: Mtodo de seleccin donde los elementos se eligen siguiendo una secuencia. Explcitamente incorpora informacin previa acerca de los parmetros de

poblacin, as como los costos y probabilidades relacionados con tomar las decisiones equivocadas. b.1) Mtodo con reemplazo: tcnica en la que el elemento puede incluirse en la muestra ms de una vez. b.2) Mtodo sin reemplazo: tcnica de muestreo en la que el elemento no se puede incluir en la muestra ms de una vez. En el caso de la eleccin entre con o sin reemplazo la distincin slo es importante cuando el marco de muestreo no es grande en comparacin con el tamao de la muestra. Cuando se utiliza una tcnica de muestreo probabilstica, se debe hacer una seleccin aleatoria de todas las personas elegibles de un hogar. Un procedimiento simple es la seleccin de la persona del siguiente cumpleaos. La cuarta etapa es la seleccin del tamao de la muestra El tamao se refiere al nmero de elementos que se incluirn en el estudio. Determinarlo es complejo e incluye diversas consideraciones cualitativas y cuantitativas. Dentro de los primeros encontramos: a) Importancia de la decisin (a mayor importancia mayor tamao). b) Naturaleza de la investigacin. (para estudios exploratorios el tamao es tpicamente pequeo, para conclusivos se requieren muestras ms grandes). c) Nmero de variables. (mientras ms variables se necesita un tamao de muestra mayor). d) Naturaleza del anlisis. (mientras ms sofisticado el anlisis se requieren muestras ms grandes y ms informacin). e) Tamaos de muestra utilizados en estudios similares. (sirve de parmetro observar estudios semejantes). f) Tasas de incidencia. g) Tasas de cumplimiento. h) Restricciones de recursos (mientras menos recursos se tienen el tamao tendr que ser menor). Las cuantitativas se analizan en el captulo 12. Una vez listo todo esto se puede ejecutar el proceso de muestreo. Clasificacin de las tcnicas de muestreo: a) Muestreo no probabilstico: Tcnica de muestreo que no utiliza procedimientos de seleccin por casualidad. En su lugar, se basan en el juicio personal del investigador.

b) Muestreo probabilstico: Procedimiento de muestreo en el que cada elemento de la poblacin tiene una oportunidad probabilstica fija de ser seleccionado para la muestra. Dicha probabilidad no debe ser necesariamente la misma. A continuacin se muestran las distintas clasificaciones y subclasificaciones de las tcnicas de muestreo:

A continuacin se definen los distintos tipos de muestreo no probabilstico: a) Muestreo por conveniencia: Tcnica que intenta obtener una muestra de elementos convenientes. La seleccin de las unidades de muestreo se deja principalmente al entrevistador. Es la tcnica menos costos y la que ocupa menos tiempo, sin embargo, hay mucho sesgo por seleccin y las muestras no son representativas. b) Muestreo por juicio: Forma de muestreo por conveniencia en la que los elementos de poblacin son seleccionados a propsito con base en el juicio del investigador. Es de bajo costo, conveniente y rpido, aunque no permite generalizaciones directas a una poblacin especfica. c) Muestreo por cuota: Es un muestreo por juicio restringido de dos etapas. La primera consiste en desarrollar categoras de control o cuotas de elementos de poblacin. En la segunda etapa, los elementos de muestra se seleccionan con base en la conveniencia o juicio. Sin embargo, en algunas situaciones es deseable muestrear de ms o de menos elementos de ciertas caractersticas. An si la composicin de la muestra refleja a la de la poblacin con relacin a las caractersticas de control, no hay seguridad de que la muestra sea representativa. Hay mucho sesgo por seleccin y no permite la evaluacin del error de muestreo.

d) Muestreo de bola de nieve: Tcnica en al que un grupo inicial de encuestados es seleccionado de forma aleatoria. Los siguientes encuestados son seleccionados en base a referencias o informacin entregada por los encuestados iniciales. Sirve para analizar caractersticas raras de la poblacin y aumenta sustancialmente la probabilidad de localizar la caracterstica deseada en la poblacin. Tcnicas de muestreo probabilstica: a) Muestreo Aleatorio Simple (MAS): Tcnica de muestreo probabilstica en la que cada elemento en la poblacin tiene una probabilidad de seleccin conocida y equitativa. Cada elemento se selecciona en forma independiente a otro elemento y la muestra se toma por un procedimiento aleatorio de un marco de muestreo. Es de fcil proyeccin y los resultados pueden ser proyectados a la poblacin objetivo. b) Muestreo Sistemtico: Tcnica de muestreo en la que se elige la muestra al seleccionar un punto de inicio aleatorio y luego se elige cada n elementos en la sucesin del marco de muestreo (por ejemplo, entrevisto a una persona x inicialmente a la salida de un supermercado, luego me salto 10 y entrevisto a otra, luego otras 10 y entrevisto a otra). Es menos costoso y ms fcil que el MAS y se puede ahorrar tiempo. c) Muestreo Estratificado: Tcnica de muestreo probabilstica que utiliza un proceso de dos etapas para dividir a la poblacin en subpoblaciones o estratos. Los elementos se seleccionan de cada estrato mediante un procedimiento aleatorio. Los elementos dentro de un estrato deben ser lo mas homogneos posible, pero los elementos de distintos estratos deben ser tan heterogneos como sea posible. En el Muestreo estratificado proporcionado, el tamao de la muestra es proporcionado al tamao relativo del estrato en la poblacin total, en cambio, en el desproporcionado el tamao de la muestra es proporcionado al tamao relativo de ese estrato. d) Muestreo por Agrupamientos: primero, la poblacin objetivo se divide en subpoblaciones mutuamente excluyentes y colectivamente exhaustivas llamadas agrupamientos. Luego, una muestra aleatoria de agrupamientos se selecciona con base en una muestra de muestreo probabilstica como el MAS. Para cada agrupamiento seleccionado se incluyen ya sea todos los elementos en la muestra o se toma una muestra de elementos en forma probabilstica. Si todos los elementos en cada grupo seleccionado estn incluidos en la muestra, se llama muestreo por agrupamientos de una etapa. Si una muestra de elementos se toma se toma en forma probabilstica de cada grupo seleccionado, el procedimiento es un muestreo por agrupamientos de dos etapas. * Muestreo de rea: Forma comn de muestreo por agrupamientos en la que estos consisten en reas geogrficas como condados, manzanas, etc. * Muestreo Probabilstica Proporcionado al tamao: Mtodo de seleccin donde los agrupamientos son elegidos con probabilidad proporcional al tamao, y la probabilidad de elegir una unidad de muestreo en un agrupamiento seleccionado vara inversamente con el tamao del agrupamiento. La eleccin entre los muestreos probabilsticas y no probabilsticas debe basarse en consideraciones como naturaleza de la investigacin, magnitud relativa de los errores de

muestreo y que no son de muestreo, variabilidad en la poblacin, as como consideraciones estadsticas y operaciones. A continuacin se muestran en una tabla las fortalezas y debilidades de las tcnicas de muestreo bsicas, y luego las condiciones que favorecen el uso de cada tipo de muestreo.

Capitulo 12 Malhotra: Muestreo determinacin del tamao inicial y final de la muestra

Definiciones: Dentro de este tema es importante definir los siguientes conceptos estadsticos, que tendrn un papel fundamental en la determinacin de la muestra: Parmetro: es una descripcin sumaria de una caracterstica fija o medicin de la poblacin objetivo. Denota el verdadero valor que se obtendra si se realizara un censo en vez de una muestra. Estadstica: Es una descripcin sumaria de una caracterstica o medicin de la muestra. La estadstica de muestra se utiliza como estimacin de la poblacin. Correccin de la poblacin finita: (cpf) es una correccin para la sobreestimacin de la variacin de un parmetro de la poblacin. Nivel de Precisin: es el tamao del intervalo que se estima, cuando estamos utilizando una estadstica de muestro. Intervalo de confianza: el es campo en el que caer el verdadero parmetro de poblacin, asumiendo un nivel dado de confianza. Nivel de confianza: probabilidad de que un intervalo de confianza incluir el parmetro de poblacin. Distribucin de muestreo Es la distribucin de valores de una estadstica de muestra computada para cada posible muestra que podra tomarse de la poblacin objetivo bajo un plan de muestreo especfico. Una importante tarea en la investigacin de mercados es calcular estadsticas, tal como la media y la proporcin de la muestra, y utilizarlos para estimar los valores de poblacin verdaderos correspondientes, este proceso es la inferencia estadstica. En la prctica se selecciona una sola muestra de tamao determinado y son computadas las estadsticas. Las propiedades importantes de la distribucin de muestreo de la media y las propiedades correspondientes para proporcin: 1. La distribucin es normal, para proporciones de n menor a 30, es un binomio y para mayores normal. 2. La media de la distribucin de la media (muestreo) es igual al parmetro de la poblacin correspondiente.

3. La desv sta. Se llama error estndar de la media. Para la media es x = n y para la proporcin es =

(1 ) 1
n

4. Generalmente la desviacin estndar de la poblacin se desconoce. Se puede estimar

de la poblacin a travs de x = s

n s=

) ( xi X 2 n 1
p (1 p ) n

5. Se puede estimar tambin el error de la proporcin de la muestra p s p =

. 6. El rea bajo la distribucin de muestra entre dos puntos cualquiera se puede calcular en trminos de los valores de z z = ( X ) x . 7. Si el tamao de la muestra es ms o igual a 10% del tamao de poblacin, las formulas de error estndar sobreestimarn la desviacin estndar de la media, deben ajustarse con un factor de correccin: ( N n ) N 1 donde N: tamao poblacin y n: tamao de la muestra. Por ejemplo un ajuste sera: x =

N n . N 1

Mtodo estadstico para determinar el tamao de la muestra Al determinar el tamao de la muestra se debe considerar diversos factores cualitativos, se consideran por ejemplo la importancia de decisin, naturaleza de la investigacin, tamaos de muestras utilizados en estudios similares, tasas de incidencias, etc. El tamao de la muestra determinado en forma estadstica es el tamao de la muestra final o neta, la muestra que queda despus de eliminar los posibles encuestados que no califican o que no completan la entrevista. El mtodo estadstico para determinar la muestra que nosotros consideremos se basa en la inferencia estadstica tradicional, a travs de la construccin de intervalos de confianza alrededor de la medias. Mtodo del intervalo de confianza Se construyen intervalos en torno a la media utilizando la formula del error estndar. Se busca encontrar un intervalo dentro del cual caera una proporcin fija de la media de muestra. El clculo del intervalo de confianza incluye determinar la distancia hacia abajo ( X L ) y arriba (

X U ) de la media de la poblacin ( X ) que contiene un rea especfica de la curva normal.

Los valores de X L y X U pueden calcularse como:

zL =

XL

zU =

XU

donde

zL = z

zU = + z

Por lo tanto el valor ms bajo de X es: X L = z x

Y el valor superior de X : X U = + z x Entonces el intervalo de confianza queda determinado por: X z x Sea el ejemplo de estimar un gasto, q el valor promedio, de +/- 5 del valor verdadero

Determinacin del tamao de la muestra: medias 1. Especifique el nivel de precisin, es la diferencia mxima tolerable entre la media de la muestra y la media de la poblacin. Para media (m) D=+/-5, para proporciones (p) D=-=+/-0.05 2. Especifique el nivel de confianza. NC=95% 3. Determine el valor de z relacionado con el nivel de confianza utilizando las tablas de distribucin estadstica. z=1,96 4. determine el valor estndar de la poblacin (se puede conocer por fuentes secundarias realizando estudios pilotos, o estimarla con base del conocimiento del investigador). Para m = 55, para p =0.64. 5. Determine el tamao de la muestra utilizando la frmula para el error estndar de la media z =

n=465, para (p) n =

(1 )z 2
D2

x =

D D 2z2 = n= . Para m, n= z z D2 n

2z2
D2

6. Si el tamao de la muestra resultante representa 10% o ms de la poblacin, debe aplicarse la correccin de poblacin finita, el tamao de la muestra debe calcularse: nc = nN /( N + n 1) donde nc = tamao de la muestra con cpf 7. si la desviacin estndar de la poblacin se desconoce debe volver a estimarse con ese nuevo tamao de la muestra. Para (m) = X zsx , para (p) = +/- zsp 8. En algunos casos la precisin se especifica en trminos relativos ms que en trminos absolutos, debe especificarse que el estimado est dentro de un porcentaje de ms o menos R puntos de media. D = R . Para (m) D=R ; n = n=

z 2 (1 ) R 2

C 2z2 , y para (p) D = R y R2

Caractersticas y parmetros variados A veces las investigaciones de mercado, se deben enfocar en mas d e un parmetro y para estos distintos parmetros, necesitaran, distintos tamaos de muestra, si las variables fueran igual de importantes se escoge la con mayor n.

Otras tcnicas de muestreo probabilstico La determinacin del tamao de la muestra para otras tcnicas de muestreo se basa en los principios implcitos, el investigador debe especificar el de nivel de precisin y el grado de confianza, y estimar la distribucin del muestreo de estadstica de prueba. El muestreo aleatorio simple, el costo no entra directo en el clculo del tamao de muestra. Sin embargo en el caso del muestreo estratificado o por argumentos, el costo tiene una influencia importante. El costo por observacin vara por estrato o agrupamiento y el investigador debe considerar la variabilidad dentro del estrato o la variabilidad del agrupamiento, esto hace ms complejo las formulas del tamao de la muestra, ya que la misma muestra es separada en agrupamientos.

Ajuste del tamao de la muestra determinado de manera estadstica El tamao de la muestra determinado en forma estadstica representa el tamao de la muestra final o neta que se debe alcanzar con el fin de asegurar que los parmetros sean estimados con el grado deseado de precisin y el nivel dado de confianza, con este objetivo se deben contactar un nmero mucho mayor de encuestados. El tamao de la muestra inicial en general debe ser mayor porque las tasas de incidencia y de cumplimiento son menores de 100%. Tasa de incidencia: tasa de ocurrencia o el porcentaje de personas elegibles para participar en el estudio, determina como muchos contactos necesitan ser filtrados para un requerimiento de tamao de muestra dado. O sea si necesito dueas de casa, al hacer la muestra aleatoria el 75% eran dueas de casa la muestra inicial debe incrementarse en 1/0.75 Tasa de cumplimiento: porcentaje de encuestados calificados que completan la entrevista. Permite a los investigadores considerar las negativas anticipadas de gente que s califica.

Tasa de muestra inicial =

tamao de muestra final

Tasa de incidencia x tasa de cumplimiento

Temas de la falta de respuesta en el muestreo Los dos temas principales de la falta de respuesta en el muestreo son mejorar las tasas de respuesta y hacer ajustes para la falta de respuesta.

Mejoramiento de las tasas de respuestas Negativas: las negativas, que resultan de la falta de disposicin o incapacidad de las personas incluidas en la muestra, dan por resultado tasas de respuestas ms bajas y mayor potencial para el sesgo por falta de respuesta. Se puede mejorar a travs de una notificacin previa (carta donde se les notifica de la encuesta, reduce a sorpresa o incertidumbre), motivando a los encuestados (estrategia del pie en la puerta: se solicita al entrevistado desde una solicitud pequea hasta las mayores; estrategia de puerta en la cara: se parte con una solicitud fuerte hasta llegar a solicitudes menores), con incentivos (monetarios o no monetarios, pagados por anticipado o prometidos), un buen diseo y aplicacin de cuestionario y seguimiento (contactar peridicamente a quienes no han respondido despus del contacto inicial), otros facilitadores (personalizacin). Nadie en casa: en las entrevistas telefnicas y las entrevistas personales en casa pueden tener baja tasa de respuesta si los posibles entrevistados no estn cuando se intenta el contacto. La probabilidad de que los posibles encuestados no estn en casa vara con diversos factores, ya sea segn las caractersticas de las familias. Para reducir el porcentaje de falta de respuesta puede utilizarse la notificacin previa, fijar citas, serie de llamadas repetidas o intentos de seguimiento peridico.

Mtodos para mejorar la tasa de respuesta

Reducir las negativas

Reducir los nadie en casa

Notificacin previa

Motivar a los encuestados

Incentivos

Seguimiento

Otros facilitadores

Llamadas repetidas

Ajuste de la falta de respuesta Las altas tasas de respuesta disminuyen la probabilidad de que el sesgo por falta de respuesta sea sustancial, siempre deben informarse las faltas de respuesta y cuando sea posible se deben calcular los efectos por estas respuestas no dadas. Las estrategias disponibles para ajustar el error por falta de respuesta incluyen: Una submuestra de los no encuestados: se concentra una submuestra de los no encuestados, y se les desarrolla una encuesta telefnica o personal, generalmente se obtienen mayores respuestas. Reemplazo: los encuestados de la encuesta actual son reemplazados por encuestados de un estudio similar, tal vez ofreciendo un incentivo adecuado.

Sustitucin: los no encuestados se reemplazan por otros elementos del marco de muestreo. Estimados subjetivos: se utiliza cuando ya no es posible incrementar la tasa de respuesta mediante los mtodos anteriores, tal vez es posible llegar a unos estimados subjetivos segn la experiencia, la observacin y la informacin disponible. Anlisis de las tendencia: es un intento de discernir una tendencia entre los encuestados rpidos y tardos, esta tendencia se proyecta a los no encuestados para estimar donde se encuentran en relacin a una caracterstica de inters. Ponderacin simple: intenta considerar la falta de respuesta al asignar pesos diferenciales a los datos dependiendo de las tasas de respuesta. Ej. Un grupo responde 80% de la gente y en otro 40%, los pesos asignados serian 100/80 y 100/40 respectivamente. Imputacin: implica asignar la caracterstica de inters a los no encuestados con base en la similitud de las variables disponibles, tanto para los encuestados como para los no encuestados. Investigacin de mercados internacionales

Estimar el tamao de la muestra cambia entre pases, esta se estima por consideraciones cualitativas. Como importancia de la decisin, naturaleza de la investigacin y el anlisis, n variables, tamaos de muestra en estudios similares, tasas de incidencia, y de cumplimiento y limitaciones de recursos. La tica de la investigacin de mercados El tamao de la muestra depende de la desviacin estndar, y no es posible conocerla hasta que se hayan recopilado los datos, por eso los investigadores de mercado pueden cobrar mas diciendo que esta es ms alta. Aplicaciones de Internet y computadora Existen paginas que aconsejan el numero de encuestados que deben haber en la muestra. Las encuestas por Internet son fciles de responder, porque es fcil acceder y se puede completar en ms de una sesin, puede ser mas atractiva ya sea con msica o coloridos. Por e-mail hay alta tasa de repuesta si es que se hace un anuncio. Decirle a los encuestados que mejorara el servicio con la encuesta tambin provoca una tasa de respuesta mayor, tambin se pueden da incentivos por Internet. Los PC ayudan a calcular el tamao de la muestra.

Capitulo 15 Malhotra: Tabulaciones cruzadas

Tcnica estadstica que describe 2 o ms variables simultneamente y produce cuadros en que se muestra la distribucin conjunta de dos o ms variables que tienen un numero limitado de categoras o valores distintos. Sirve para saber la relacin de una variable como la lealtad a una marca con otra, como el sexo. La distribucin de frecuencia se divide de acuerdo con los valores o categoras de las otras variables, tambin se llama tabla de contingencia. Datos cualitativos o categoras porque cada variable tiene solo una escala nominal Tabla de contingencia: tabla tabulacin cruzada contiene una celda para cada combinacin de categoras de las 2 variables. 1. gerentes y administradores no saben de estadstica entienden fcilmente su anlisis y resultados. 2. la claridad de la interpretacin establece un enlace en los resultados de la investigacin 3. mayores conocimientos que un anlisis multivariado simple sobre un fenmeno complejo 4. alivia el problema de falta de celdas, que puede ser grave en un anlisis multivariado discreto 5. sencillos adems los investigadores son menos sofisticados Dos variables Tabulacin cruzada variada, se puede calcular los porcentajes por columnas o filas hay que ver la variable dependiente ye independiente, se puede calcular los porcentajes en direccin a la variable independiente o la dependiente.

Tres variables
Aclara la asociacin original observada abre 4 posibilidades: 1. Aclara asociacin observada entre dos variables originales 2. no hay asociacin entre dos variables, las dos variables iniciales eran espurias 3. se revela alguna asociacin entre dos variables, descubre una asociacin suprimida entre las 2 primeras variables 4. no hay cambios en la asociacin inicial

Estadsticas de la tabulacin cruzadas

La asociacin interesa solo si es estadsticamente significativa con el coeficiente de correlacin Phi, coeficiente de contingencia, V de cramer, coef. lambda.

Chicuadrada. Estadstica para probar la importancia estadstica de la asociacin observada en la tabulacin cruzada. Sirve para ver si hay alguna asociacin sistemtica. Ho = no hay asociacin entre las variables, se calculan las frecuencias en las que se espera que no hay habido una asociacin entre las variables. Fe se compara con fo (frecuencia real) a mayor discrepancia entre fe y fo mayor es el valor de la estadstica.

fe =
x
2

nr nc n
2

nc = numerototaldecolumnas nr = numerototaldefilas
n = observaciones N = tamaotota ldelamuestra

r = filas c = columnas

( fo fe) =
fe

es importante el numero de grados de libertad gl = numero de observaciones numero de restricciones, pero para tabulacin cruzada gl = (r-1)(c-1). Ho = se rechaza si valor calculado es mayor que valor critico. Distribucin chicuadrada: distribucin asimtrica cuya forma depende solo de los grados de libertad, mientras mas grados de libertad se hace mas simtrica la distribucin. Tambin sirve para prueba de ajuste para determinar si modelos concuerdan con los datos observados para estas pruebas se calcula el grado de significancia de la desviacin de la muestra a partir de las distribuciones tericas se puede hace tabulacin cruzada, los datos deben presentarse en nmeros absolutos, las celdas deben ser mayor a 5. si n es menos a 10y la tabla es de 2*2 se debe aplicar un factor de correccin y esta relacionada con el valor Phi. Coeficiente Phi o fi ( ). Medida de la fuerza de asociacin en caso especial de un cuadrado con 2 filas y dos columnas.

x2 2 0= cuando no hay asociacin, lo que quedara indicado con x =0 n

1= variable perfectamente asociada, todas las observaciones quedan sobre la diagonal principal . Coeficiente de contingencia (c). Medida de la fuerza de una asociacin en una tabla de cualquier tamao.

c=

x2 x 2 + n c esta entre 0 y 1

0= no hay Asoc. 1= nunca se alcanza, el valor mximo del coef. de contingencia depende de el tamao de la tabla, por lo tanto solo debe usarse para comparar tablas del mismo tamao.

V de cramer: medidas de la fuerza de asociacin en tablas de mas de 2*2 se obtiene ajustando Phi para el numero de filas o columnas.

V=

2
min(r 1)(c 1)

n min(r 1)(c 1)

x2

v = cuandolatablaesde2 2

Coeficiente de lambda: lambda asimtrico: medida de porcentaje de mejora para pronosticar el valor de la variable dependiente, dado el valor de la variable independiente en el anlisis de la tabla de contingencia. Varia entre 0 y 1 0 no mejora el pronostico y 1 puede hacerse prediccin sin error.

Lambda simtrica: Medida que no hace ninguna suposicin sobre que variable es la dependiente. Mide la mejora general cuando se hace una prediccin en las 2 direcciones
Otras estadsticas: tau b: estadstica de prueba que mide la asociacin entre dos variables ordinales. Hace un ajuste para empates y es mas apropiado cuando la tabla de variable es cuadrada. Tau c: estadstica prueba que mide la asociacin entre dos variables ordinales, hace ajustes para empates y es mas apropiado cuando la tabla de variable no es cuadrada sino rectangular. Gamma: estadstica de prueba que mide la asociacin entre dos variables ordinales. No hace ajustes para empates.

La tabulacin cruzada en la practica

1. comprobar Ho con chicuadrado, sino se consigue rechazar entonces no hay relacin 2. si se rechaza se determina la fuerza de la asociacin 3. si se rechaza Ho se interpreta el esquema de la relacin calculando los porcentajes en direccin de la variable independiente 4. si las variables se tratan como ordinales mas que nominales se usa tab. b, tau c o gama. Si se rechaza d determina la fuerza de la Asoc. usando la magnitud y la direccin de la relacin con signo de la estadstica de prueba

Comprobacin de hiptesis por diferencias Ahora nos enfocaremos en comprobacin por diferencias. No mas de 2 muestras la comprobacin de hiptesis se clasifican en parametricas y no parametricas de acuerdo cual sea la escala de medicin de las variables Pbas parametricas: asume que las variables de estudio mide por lo menos con una escala Pba no parametrica asume que las variables de estudio se miden con una escala nominal y ordinal a la vez se clasifican en 1, 2 o mas muestras. Las pbas son independientes si se toman al azar de poblaciones. Pruebas parametricas Se deduce inferencia para hacer afirmaciones sobre los medios de las poblaciones originales. Prueba t: prueba de hiptesis univariada que toma la distribucin t, que sirve cuando la desviacin estndar se desconoce y la muestra es pequea se basa en la estadstica t. Estadstica t: estadstica que supone que un variable tiene distribucin simtrica en forma de campana y que se conoce la media, La varianza de la poblacin se estima en la muestra .

S = S

t = ( )

n-1= grados de libertad

Distribucin t = distribucin simtrica en forma de campana til para probar muestras pequeas n menor a 30. = z = ( ) n
Una muestra: Ho :media-----pba z si es que se conoce la varianza -----pba t si es que se desconoce la varianza Ho: proporciones......pba z

Dos muestras independientes. Dos poblaciones diferentes. Muestras independientes: dos muestras que no guardan una relacin experimental. la medicin de una muestra no tiene efecto en los valores de la segunda. Las hiptesis pueden relacionarse con media o proporciones. Ho: 1 = 2

( =

11

1 ) 2 + (12 2 ) 2 n1 + n2 2

2 ( n1 1) s12 + ( n 2 1) s 2 n1 + n 2 2

Desviacin estndar de la pba s 1 2 =

s2 (

1 1 + ) n1 n 2

s 2 = (1 ) n +n = 1 1 2 2 n1 + n2

t=

( 1 2 ) ( 1 2 ) s1 2

Si las variables de las poblaciones son distintos no puede calcularse para t exacta, se puede hacer pba F de la varianza de la muestra cuando no se sabe si las variables de las 2 poblaciones son iguales.
2 H 0 : 12 = 2 F (n1 1), (n 2 1) = s1
2 2 s2

= estF

estadstica que se calcula como la proporcin de las varianzas de 2 muestras distribucin F: distribucin de frecuencia que depende de dos conjuntos de grados de libertad, los grados del numerador y los grados del denominador. Si F>nivel de confianza, no se rechaza Ho.

Ho : 1 = 2 Ho : 1 2

z=

1 2
s 1 2

Ho. Media....pba t de 2 grupos ....pba F de igualdades de la varianza

Muestras en pares
En la comprobacin de hiptesis, observaciones en pares de modo que los 2 conjuntos se relacionen con los mismos entrevistados. Ho media.... pba t pareada Prueba de diferencia en las medias de muestras en pares(D) Grados de libertad n-1,n = numero de pares

Ho : D = 0

t n 1 =

D D sD n

D =

D n

SD =

(D D )
N 1

D 0

SD =

SD N

PRUEBA NO PARAMETRICA Se aplican estas pruebas cuando las variables independientes no son mtricas, verifican variable de una muestra. Una muestra. El investigador quiere verificar s las variables se ordenan razonablemente en cierta distribucin, es necesario conocer a distribucin para hallar las probabilidades conocidas. Prueba de una muestra de kolomagorov-smirnov (K-S): compara la funcin de distribucin j acumulada de una variable con una distribucin especifica.

k = max Ai i

Ai = frecuencia relativa acumulada

i = valor equivalente de la

frecuencia de la muestra. A mayor k mayor confianza de que Ho es falsa. 1.36 valor critico k>v.c rechazo Ho. prueba

chicuadrado tambin puede usarse, verifica si hay una diferencia significativa entre los nmeros de observaciones de casos y el numero esperado. Prueba corrida: prueba de aleatoriedad de variable dicotomica, hay que determinar si es aleatorio el orden o la sucesin en que se obtiene las observaciones Prueba binominal. Prueba de ajuste para variables dicotomicas, comprueba el ajuste del numero de observaciones de cada categora con el numero de observaciones esperada en una distribucin binomial especifico. Dos muestras independientes: se mide en escala ordinal. Pba U de mann-whitney: corresponde a la pba t de 2 muestras independiente, para varianza de escala de intervalo cuando se asume que las varianza de las 2 poblaciones son iguales. Prueba estadstica medida en una escala ordinal para comparar la diferencia en la ubicacin de 2 poblaciones de acuerdo con las observaciones de 2 muestras independientes. Si la poblacin es la misma la distribucin de los 2 grupos la lista aleatorio es ordenado un valor extremo de U no es aleatorio y desigualdad de 2 grupos. n<30 calcula el grado exacto del signo de U n>30U se transforma en una estadstica Z distribuida normalmente. Prueba de la mediana de dos muestras: determina si los 2 grupos fueron tomados de poblaciones con la misma media, solo toma la ubicacin de cada observacin en relacin con la mediana y no el ordenamiento de cada observacin. Pba de kolmogorov-smirnov de dos muestras: examina si las 2 distribuciones son las mismas, toma en cuenta cualquier diferencia incluyendo la mediana, dispersin, asimetra.

Muestra en pares: Pba de clasificaciones con signo y pares equivalentes de wilcoxon: analiza diferencias entre las observaciones en pares, tomando en cuenta la magnitud de tales diferencias, calcula la diferencia entre pares de variables y ordena la diferencia absoluta. El paso siguiente consiste en sumar los ordenes positivos y negativos. esta pba es Pba estadstica Z. Ho: ninguna diferencia para la muestra grande Pba. de los signos: examina diferencias en la ubicacin de dos poblaciones basadas en observaciones en pares, que compara solo los signos de las diferencias entre pares de variables sin tomar en cuenta sus diferencias.

Capitulo 16 Malhotra: Anlisis de varianza y covarianza

Es ver la diferencia de ms de dos medias y medianas. ANOVA (anlisis de varianza) y ANCOVA (anlisis de covarianza, se ocupa para datos experimentales, datos observados o encuestados.

Relaciones entre tcnicas

Con ANOVA y ANCOVA se examinan diferencias en los valores medios de las variables dependiente asociado con el efecto de las variables controladas, despus de tomar en cuenta la influencia de variables independientes no controladas. ANOVA: tcnica estadstica para examinar las diferencia entre las medias de 2 o mas poblaciones. Ho: medias iguales, este debe tener una variable dependiente que es mtrica. Tambin debe haber una o mas variables independientes. Factores: variables independientes categricas, en ANOVA todas las variables independientes deben ser categricas Tratamiento: en el ANOVA combinacin particular de categoras o niveles de factores. Anlisis de varianza de 1 factor: comprende solo una variable categrica osea un factor, las diferencias de las preferencias de consumidores se examinan mediante ANOVA de un factor. Anlisis de varianza con n factores: modelo de ANOVA que comprende dos o mas factores ANCOVA: procedimiento avanzado han el que antes de realizar el anlisis la varianza se suprime de la variable dependiente los efectos de una o mas variables extraas de escala mtrica. Covariados: variable independiente mtricas en un ANOVA

Estadsticas del anlisis de varianza unidireccional

eta 2 ( 2 ) = la fuerza de los efectos de X (factor) en Y (variable dependiente mide por eta),
esta entre cero y uno. Estadstica F: Ho: medias de las categoras son iguales en la poblacin, se verifica con estadstica F, basada en la razn del cuadrado de la media relacionado con X y el cuadrado de la media con el error. Cuadrado de la media: suma de los cuadrados divididos con los grados apropiador de libertad.

SCA( SC X ) : variacin de Y relacionado con los cambios de las medias de las categoras de X,
esto representa un variacin entre las categoras de X o la proporcin de la suma de los cuadrados de Y en relacin con X.

SCE ( SC ERROR ) : cambio de Y debido a la variacin de cada uno de las categoras de X no se

explica por X.

SC Y = cambio total de Y
Como realizar el anlisis de varianza unidireccional Identificar variables dependiente e independiente, descomponer la variacin total, medir los efectos, comprobar la significacin, interpretar resultados. Identificacin de variable dependiente (Y) e independiente (X): variables categricas( c) categoras, hay n observaciones de Y en cada categora de X, tamao total N = n*c. Supuesto que los tamaos de nuestra de las categoras de X son iguales.

Descomposicin de la variacin total

Separacin de la variacin observada en la variable dependiente en la variacin debida a las variables independientes mas la variacin debida al error.

SC Y = SCA + SCE
C J n I

SCA = SC X

SC Y = (Y Y ) 2

SC X = n (YJ Y ) 2

SC ERROR = (Yij YJ ) 2
Si Ho en verdadera es posible estimar cuanto varan las medias de las muestras por causa de las simples variaciones de muestreo. SCE se usa para estimar la varianza de un grupo de la poblacin, pero como no se sabe si todas los grupos tienen la misma media no se puede calcular la varianza de todas las observaciones juntas, se calcula por separado y luego se saca una media, pero si la media es la misma en todos los grupos, la variacin de las medias de la muestra y el tamao de los grupos sirve para estimar la varianza de Y.

Medida de los efectos

Los efectos de X en Y se mide en SCx, su magnitud relativa aumenta con las medias de Y en las categoras de X, tambin crece a medida que disminuye la variacin de Y en la categoras de Y, la fuerza de los efectos de X en Y.

2 =

SC X ( SCY SC ERROR ) 0= medias iguales de las categoras, lo que indica que X no = SC Y SCY

tiene efecto en Y. 1= si no hay variabilidad dentro de las categoras de X pero si la hay entre extremo y otro.

Prueba de significacin Ho: 1 = 2 = 3 = ... = n de acuerdo con Ho SCx y SCerror vienen del mismo origen de la variacin.

SC X 2 S Y = SC Y C 1 2 2 S Y = cuadrado.de.la.smedias.debido.a. X S Y = cuadrado.de.la.smedias.debido.a. X
2 SY = 2 S y = CM X
2 S y = CM ERROR

Ho se comprueba con F basado en la razn entre estas 2 estimaciones

SC X F=

(C 1) (N C)

SC ERROR

CM X CM ERROR

GL = (C-1),(N-C)

Interpretacin de resultados SI Ho se rechaza el efecto de la variable independiente es significativo, es decir el valor de la media de la variable dependiente ser distinto con diversas categoras de la variable independiente.

Capitulo 19 Malhotra: Anlisis Factorial

Concepto Bsico: Anlisis Factorial: Clase de procedimientos para y sintetizar datos. En los anlisis de varianza, regresin mltiple y discriminante, una variable se toma como la dependiente o de criterio y las otras como independientes o de pronstico. En cambio, no se hace tal distincin en el anlisis factorial, que es una tcnica de interdependencia (mtodos estadsticos multivariados en los que se examina toda la trama de las relaciones interdependientes), en el sentido de que se examina toda la trama de las relaciones interdependientes. El anlisis factorial se aplica en las situaciones siguientes: 1. Para identificar los factores (dimensiones bsicas que explican las correlaciones entre un conjunto de variables). Por ejemplo, con un conjunto de afirmaciones de estilo de vida se miden los perfiles psicogrficos de os consumidores. 2. Para identificar un conjunto nuevo y ms reducido de variables que no se correlacionen en un anlisis multivariado subsiguiente (de regresin o discriminante). 3. Para identificar un conjunto pequeo de variables que destacan en un grupo grande, con el objeto de tomarlas para un anlisis multivariado. El anlisis factorial tiene mltiples aplicaciones en la investigacin de mercados, por ejemplo: En la segmentacin de mercados que identifican las variables bsicas en las que se agrupan los consumidores. En la investigacin de productos que determina los atributos de las marcas que influyen en las elecciones de los consumidores.

MODELO DE ANLISIS FACTORIAL: Matemticamente, el anlisis factorial guarda algn parecido con el anlisis de regresin mltiple en el sentido de que cada variable se expresa como una combinacin lineal de factores bsicos. Si las variables estn estandarizadas, el modelo factorial se representa as:

X i = Aj11F1 + Aj 2 F j 2+K + Aim Fm + ViU i

Donde

X I = variable estandarizada i-sima

Aij = Coeficiente estandarizado de la regresin mltiple de la variable i sobre un

factor comn j. F = Factor comn. Vi = Coeficiente estandarizado de la regresin de la variable i sobre el factor nico i.

U i = Factor de la variable i.

m = Nmero de factores comunes. Los factores nicos no estn correlacionados entre ellos ni con los otros factores comunes. Los factores comunes en s pueden expresarse como combinaciones lineales de las variables observadas.

FI = Wi11 X 1 + WI 2 X 2 + K + Wik X k
Donde:

Fi = Estimacin del factor i-simo.

Wi = Peso coeficiente de la puntuacin del factor. k = Nmero de variables.

Se pueden elegir pesos o coeficientes de la puntuacin de los factores, de manera que el primer factor explique la mayor parte de la varianza total. Luego se escoge otro conjunto de pesos, de manera que el segundo factor explique la mayor parte de la varianza residual, siempre que no se relacione con el primer factor. El mismo principio se aplica a la seleccin de nuevos pesos para otros factores.

ESTADSTICAS ASOCIADAS CON EL ANLISIS FACTORIAL

Cargas de Factores: Correlaciones simples entre los variables y los factores. Matriz de Correlacin: Matriz del tringulo inferior en el que se muestran las correlaciones, r, entre todos los pares incluidos en el anlisis. Residuos: Diferencias entre las correlaciones observadas, como estn introducidas en la matriz de correlacin, y las correlaciones reproducidas, segn se calcula en la matriz factorial. Prueba de esfericidad de Barlett: Prueba estadstica para examinar la hiptesis de que las variables no se correlacionan en la poblacin. En otras palabras, la matriz de correlaciones de la poblacin es una matriz de identidad (cada variable se correlaciona perfectamente con si misma, pero no con las otras). Medida de la adecuacin de la muestra de Kaiser-Meyer-Olkin: ndice con el que se examina si el anlisis factorial es el apropiado (entre 0.5 y 1.0). Valor propio: Varianza total explicada por cada factor. Variacin Comn: Monto de la variacin que una variable comparte con las dems variables consideradas.

CMO REALIZAR EL ANLSIS FACTORIAL 1. Planteamiento del Problema: Primero se debe identificar los objetivos del anlisis factorial. El investigador especifica las variables que va a incluir en este anlisis sobre la base de investigaciones pasadas, una teora y su juicio. Es importante que las variables se midan apropiadamente a una escala de intervalos o de razn. Debe tenerse una muestra de tamao conveniente (por lo general 5 veces por sobre el tamao de las variables). 2. Preparacin de la Matriz de Correlacin: El proceso de anlisis se basa e una matriz de correlacin entre las variables. Si las correlaciones entra las variables son pequeas, puede significar que el anlisis factorial no es el apropiado. Tambin esperamos que las variables muy correlacionadas entre s guarden una gran correlacin con el mismo o los mismos factores. Hay estadsticas formales para verificar si el modelo factorial es apropiado, como la prueba de esfericidad de Bartlett (se basa en la transformacin de Chi cuadrada del determinante de la matriz de correlacin) en donde un valor grande de la estadstica de prueba favorecer el rechazo de la hiptesis nula. Si no se puede rechazar esta hiptesis, debe dudarse de que l anlisis factorial sea el apropiado. 3. Determinacin del Mtodo de Anlisis Factorial: Los mtodos del anlisis factorial se distinguen por la manera de derivar los pesos o los coeficientes de las puntuaciones de los factores. Los dos mtodos bsicos son: 1. Anlisis de lo Componentes Principales: Mtodo del anlisis factorial en el que se considera la varianza total de los datos. El anlisis de los componentes principales se recomienda cuando lo que ms interesa es determinar el nmero mnimo de factores que explicaran la mayor varianza de los datos para uso del anlisis multivariado subsiguiente (los factores se llaman componentes principales). 2. Anlisis de Factores Comunes: Mtodo de anlisis factorial en el que se estiman los factores basndose nicamente en la varianza comn. Las variaciones se insertan en la diagonal de la matriz de correlacin. Este mtodo es apropiado cuando lo que interesa es identificar las dimensiones bsicas y la varianza comn (recibe el nombre de factorizacin del eje principal). 4 Determinacin del Nmero de Factores: Determinacin a Priori: A veces, por sus conocimientos anteriores el investigador sabe cuantos factores espera y as especificar de antemano cuntos va a extraer. Determinacin basada en valores Propios: En este mtodo, slo se conservan los factores con valores propios mayores de 1.0; los dems se excluyen del modelo. Los factores con una varianza menor a 1.0 no son mejores que una sola variable porque, debido a la estandarizacin , cada variable tiene una varianza de 1.0. Determinacin basada en el porcentaje de varianza: En este mtodo se determina el nmero de factores extrados de modo que el porcentaje acumulado de la varianza extrada por los factores llegue a cierto nivel satisfactorio.

Determinacin basada en la confiabilidad de la divisin en mitades: La muestra se divide en mitades y se aplica a cada una anlisis factorial. Slo se conservan loas factores que ms correspondan a las cargas factoriales. Determinacin basada en pruebas de Significancia: Es posible determinar la significancia estadstica de los valores propios por separado y conservar aquellos que sean estadsticamente significativos. Un inconveniente es que con muestras grandes (mas de 200 muestras) es probable que muchos factores sean estadsticamente significativos, aunque desde el punto de vista prctico muchos explican apenas una fraccin pequea de la varianza total. Rotacin de Factores: Aunque la matriz factorial (contiene los coeficientes con los que se expresan las variables estandarizadas en trminos de factores) inicial sin rotacin indica la relacin entre los factores y las variables individuales, casi nunca da factores que puedan interpretarse porque estos se correlacionan con muchas variables. Por lo que se rota la matriz para obtener una matriz ms simple y fcil de interpretar, al rotar los factores, preferimos que tengan cargas o coeficientes diferentes de cero para slo algunas variables. Si los factores tienen cargas altas con la misma variable, es difcil interpretarlas. La rotacin no afecta las variaciones comunes ni el porcentaje de la varianza total explicada. Sin embargo, cambia el porcentaje de la varianza que explica cada factor. Algunos tipos de rotacin son: Rotacin Ortogonal: Rotacin de factores en la que los ejes se mantienen en ngulos rectos. Procedimiento Varimax: Mtodo ortogonal de rotacin que reduce al mnimo el nmero de variables con cargas grandes en un factor, lo que mejora la capacidad de interpretacin de los factores. Rotacin Oblicua: Rotacin de factores en las que los ejes no se mantiene en ngulos rectos.

Interpretacin de los Factores: La interpretacin se facilita si se identifican las variables que tienen cargas grandes en el mismo factor. As, este factor puede interpretarse en trminos de tales variables que tiene mayor carga en l. Otro buen auxiliar de la interpretacin cosiste en graficar las variables tomando como coordenadas las cargas factoriales. Las variables al extremo de un eje son aquellas que tienen cargas grandes slo en ese factor y por eso lo describen. Las variables cercanas al origen tienen cargas menores en los dos factores. Las variables que no estn cerca de ninguno de los dos ejes se relacionan con los factores. Si un factor no puede definirse claramente con las variables originales, debe designarse como factor indefinido o general.

Clculo de la Puntuacin de los Factores: Las puntuaciones de los factores son puntuaciones compuestas estimadas para cada encuestado en los factores derivados. La puntuacin de los factores para el factor i-simo se estiman como sigue:

FI = Wi11 X 1 + WI 2 X 2 + K + Wik X k
Las puntuaciones de los factores se obtienen de la matriz de los coeficientes de esas puntuaciones.

Determinacin del Ajuste el Modelo: La ltima etapa del anlisis factorial consiste en determinar el ajuste del modelo. Las diferencias entre las correlaciones observadas (como se dan en la entrada de la matriz de correlacin) y las correlaciones reproducidas (que se examinan en la matriz factorial) se examinan se examinan para determinar el ajuste del modelo. Estas diferencias se llaman residuos. Si hay muchos residuos, el modelo de factores no da un buen ajuste para los datos y hay que volver a considerarlos.

Material Control N1

UNIVERSIDAD DE CHILE Facultad de Economa y Negocios

Semestre Otoo 2008 09 de Abril de 2008 PAUTA CONTROL I MARKETING II

PARTE I: Comentes (70%) 1. Explique la relacin entre las preguntas y las hiptesis de investigacin, incluyendo un ejemplo. Las preguntas de investigacin son enunciados de los componentes especficos del problema. En cambio, la hiptesis es una afirmacin o proposicin que no ha sido probada acerca de un fenmeno o factor que interesa al investigador. La relacin que existe entre ambas es que por lo general, la hiptesis es una respuesta posible a la pregunta de investigacin. Adems, las hiptesis son ms que las peguntas de investigacin porque son declaraciones de relaciones o proposiciones ms que meras interrogantes para las que se busca una respuesta. Las preguntas de investigacin son interrogativas mientras que las hiptesis son declarativas y se verifican empricamente. Por lo tanto, la pregunta es anterior a la hiptesis, esta ltima surge como posible respuesta a la interrogante. (7 puntos) Ejemplo: Pregunta: Nuestros clientes son leales? Hiptesis: H0: Nuestros clientes son leales. (3 puntos) 2. Explique claramente los efectos de falta de repuesta sobre el error total de una investigacin de mercado. La falta de respuesta tiene un doble efecto sobre el ET = EM + ENM, ya que por una parte repercute en el ENM, pero adems afecta al EM. La falta de respuesta es un error no muestral que se produce cuando alguno de los individuos de la muestra no responde. Se puede definir como la variacin entre el valor medio verdadero de la variable en la muestra original y el valor medio verdadero en la muestra neta. Por lo tanto, tendr un alto efecto sobre el ENM cuando la variacin entre ambas muestras sea alta, es decir, cuando la respuesta de los que no contestaron difiere ampliamente de la dada por quienes si contestaron y viceversa, se tendr un bajo impacto en el ENM cuando quienes no contestaron lo hubieran hecho similarmente a quienes si contestaron. (7 puntos) Por otra parte, afectar al EM en el sentido que la falta de repuesta disminuye el tamao de muestra efectiva, por lo tanto a menor n se tendr un mayor EM. (3 puntos)

3. Explique por qu una investigacin de mercado debe comenzar con la bsqueda de datos secundarios y describa 4 criterios para evaluar la calidad de estos datos (10 puntos). Se debe comenzar con la bsqueda de datos secundarios porque pueden ayudar a: Identificar el problema. Definir mejor el problema desarrollar un mtodo apropiado para enfrentar el problema. Elaborar un diseo de investigacin apropiado. Responder ciertas preguntas de investigacin y probar algunas hiptesis. Interpretar datos primarios. Adems, es ms econmico y ms rpido comenzar con la bsqueda de datos secundarios. Slo cuando estos no existen, se agotan o aportan poco a la investigacin, se debe comenzar a buscar datos primarios. (4 puntos) Dentro de los 4 criterios (1,5 cada criterio = 6 puntos) para evaluar la calidad de los datos secundarios se encuentran: 1. Especificaciones/metodologa: consideraciones metodolgicas que considera tamao y naturaleza de la muestra, proporcin y calidad de respuesta, diseo y administracin del cuestionario, procedimientos que se emplean para el trabajo de campo, as como anlisis de datos e informe final. 2. Error/exactitud: se debe determinar si los datos recolectados son lo suficientemente exactos para evitar fuentes de error como: mtodo, diseo de investigacin, muestreo, recoleccin de datos, anlisis e informe. 3. Actualidad: lapso entre la recoleccin y la publicacin. Frecuencia de actualizaciones. 4. Objetivo: finalidad de la recoleccin de datos. El objetivo de la recoleccin de datos determinar el propsito para el cual la informacin es til. 5. Naturaleza: especial atencin en la definicin de las variables fundamentales, como unidades de medida, categoras utilizadas y relaciones examinadas. 6. Confiabilidad: indicacin general de confiabilidad de los datos: experiencia, credibilidad, reputacin y confiabilidad de la fuente. 4. Describa 4 habilidades fundamentales que debe poseer un moderador de Focus Group (2,5 Puntos cada habilidad = 10 puntos). 1. Amabilidad con firmeza: combinar separacin disciplinada con empata para generar interaccin. 2. Tolerancia: tolerante pero estar atento a las seales que la cordialidad del grupo o el propsito se esta desintegrando. 3. Compromiso: alentar y estimular en compromiso personal intenso. 4. Entendimiento incompleto: alentar a los entrevistados a ser ms especficos. 5. Aliento: alentar a la participacin. 6. Flexibilidad: capacidad de improvisacin. 7. Sensibilidad: para guiar la discusin a un nivel intelectual y emocional.

5. Explique qu son las tcnicas proyectivas y analice sus ventajas y desventajas (10 puntos). Las tcnicas proyectivas son formas de preguntar no estructurada e indirecta que alienta a los encuestados a proyectar sus motivaciones, creencia, actitudes o sentimientos implcitos en relacin con los temas de inters. (4 Puntos). Ventajas y desventajas: Pueden obtener respuestas que los sujetos no estaran dispuestos a proporcionar si supieran el propsito del estudio. Las tcnicas proyectivas pueden incrementar la validez de las respuestas al disfrazar el propsito. Las tcnicas proyectivas tambin son tiles cuando las motivaciones, creencias y actitudes implcitas operan al nivel del subconsciente. (3 Puntos). Requieren entrevistas personales con personal altamente calificado. Tambin se requieren intrpretes capaces de analizar las respuestas. En consecuencia son muy costosos y hay un serio riesgo de desviacin de la interpretacin. Algunas tcnicas proyectivas requieren que los encuestados se involucren en conductas inusuales, por lo que el investigador puede suponer que los encuestados dispuestos a participar tambin son inusuales de alguna manera. (3 Puntos).

6. Compare 3 mtodos de encuesta en base a 4 criterios relevantes (exceptuando costo y velocidad).

Los 4 mtodos de encuesta: personal, telefnica, por correo y electrnica, se pueden evaluar comparativamente en base a los siguientes criterios: a) flexibilidad en el acopio o recopilacin de datos, b) variedad de preguntas, c) uso de estmulos fsicos, d) control de las muestras, e) Control del entorno de acopio de datos, f) control de la fuerza de campo, g) cantidad de datos, h) tasa de respuesta, i) posibilidad de desviaciones del encuestador, j) Velocidad y k) Costo. Se debe seleccionar 4 de estos criterios y definir para cada mtodo, si cada criterio es Alto, Medio o Bajo en cada uno. Por ejemplo, para el criterio uso de estmulos fsicos, el mtodo Personal es Alto, Telefnico es Bajo, Por Correo es Medio y Electrnico es Medio; para el criterio Control de la Muestra, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo; para el criterio Tasa de respuesta, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo. Para el criterio control de la fuerza de campo, el mtodo Personal es Medio-Bajo, Telefnico es Medio, Por Correo es Alto y Electrnico es Alto. 7. Si una hiptesis nula se rechaza al nivel de significancia de 1% entonces, usando los mismos datos, debe rechazarse tambin al nivel de 5%. Comente e incluya una explicacin grfica en su respuesta. Efectivamente. Si la Hiptesis Nula se rechaza al nivel se significancia de 1% quiere decir que el p-value que arroja la muestra es menor a 1%. Ahora, si aumento el nivel de significancia a un 5% (usando los mismos datos) debo rechazar nuevamente la Hiptesis Nula, ya que el p-value est an ms por debajo del nuevo nivel de significancia.

PARTE II: Alternativas y completar oraciones (30%) El anlisis de rastros corresponde a un mtodo de observacin natural / humana y encubierta / indirecta / disfrazada El nivel de confianza representa la probabilidad de no rechazar la hiptesis nula cuando Ho es verdadera La medicin del rating de TV por medio del People Meter corresponde a una: a) Investigacin exploratoria b) Investigacin de corte transversal c) Investigacin longitudinal d) Investigacin causal e) E) Ninguna de las anteriores El entrevistar personas que no pertenecen a la poblacin objetivo corresponde a un error no muestral / de marco muestral Cul de las siguientes sugerencias para realizar Focus Group efectivos es VERDADERA? a) Los participantes deben ser relativamente heterogneos b) Los participantes deben tener experiencia en Focus Group c) El ambiente debe ser formal y estructurado d) La informacin obtenida es apropiada para generar hiptesis e) Los participantes deben conocerse previamente En una prueba de hiptesis si el z calculado es mayor que el z crtico, entonces el p-value ser: a) Mayor que el nivel de confianza b) Cercano a 1 c) Menor que el nivel de significancia d) Mayor que la potencia de la prueba e) Mayor que el nivel de significancia Los datos que ofrecen empresas de investigacin como Nielsen o Time corresponden a un tipo especial de datos secundarios conocidos como fuentes sindicadas debido a que los contratan distintos clientes (empresas) que obtienen bsicamente la misma informacin El/La potencia representa la probabilidad de rechazar la hiptesis nula cuando de hecho Ho es falsa Al rechazar la hipteis nula, el nivel de significancia () es la probabilidad esperada / exigida de cometer un error tipo I, en tanto que el p-value es la probabilidad efectiva / real / observada de cometer un error tipo I Si en un local de comida rpida se pusieran cmaras ocultas para observar la conducta de quienes consumen, esto correspondera a un mtodo de observacin encubierta/indirecta y no estructurada / mecnica

Facultad de Economa y Negocios

UNIVERSIDAD DE CHILE
Semestre Otoo 2009 8 de Abril 2009

Seccin 01: Profesor Enrique Manzur / Andrea Ortiz Seccin 02: Profesor Juan Pablo Muoz

CONTROL N 1

MARKETING II

Instrucciones: Escriba con letra clara y ordenada, en el espacio asignado, sus respuestas a las siguientes preguntas. Sea preciso y utilice los conceptos adecuados. PARTE I: (64%) 1. Explique qu se entiende por error total de una investigacin de mercado. Es factible cuantificarlo?

El error total es la variacin entre el valor verdadero de la media de la variable de inters en la poblacin y el valor observado de la media que se obtuvo en la investigacin de mercados. Est compuesto por el error muestral y el error no muestral. (4 puntos) No es factible cuantificar el error total, debido a que es posible medir el error muestral, pero no los errores no muestrales. Estos son de magnitud y direccin desconocida y no se sabe si estn operando o no en una investigacin de mercado. Por esta razn, se deben tomar las medidas necesarias a priori, para reducir o minimizar los potenciales errores no muestrales. (4 puntos)
2. El error de no respuesta de un estudio no es cuantificable, en cambio el error de respuesta si es cuantificable. Comente.

Esta afirmacin es falsa debido a que tanto el error de no respuesta como el error de respuesta corresponden a errores no muestrales y estos no se pueden cuantificar. Los errores no muestrales se clasifican en errores de terreno y errores de oficina. Los errores de terreno son los que se cometen al obtener los datos y estos pueden ser de respuesta y de no respuesta. El error de no respuesta se comete cuando los entrevistados se niegan a responder una o ms preguntas en un cuestionario. El error de respuesta se comete cuando los entrevistados responden no su verdadera opinin o posicin sobre el tema sino algo diferente, ya sea por desconocimiento, olvido, mal interpretacin de la pregunta o sesgo del entrevistador. Los errores de oficina son los que se cometen cuando se codifican, digitan, tabulan, procesan, analizan e interpretan los datos. Ninguno de estos errores es cuantificable. (8 puntos)

3. En que situaciones es preferible realizar una entrevista en profundidad a un Focus Group? Seale dos ventajas y dos desventajas de cada uno de estos mtodos de recoleccin de datos.

Situaciones: En el caso de investigaciones cualitativas sobre temas muy sensibles y personales, en que las personas no estn dispuestas a revelar sus opiniones abiertamente ante otros participantes, es preferible realizar entrevistas en profundidad en vez de focus groups. En el caso de investigaciones cualitativas en que la interaccin entre los participantes no es tan relevante para generar ms ideas y opiniones, es preferible realizar entrevistas en profundidad en vez de focus groups. En temas en los cuales no se produce sinergia o efecto domin entre los participantes. En el caso de investigaciones cualitativas en las que las opiniones individuales son ms importantes y se requiere profundizar ms en el tema con cada entrevistado, es preferible realizar entrevistas en profundidad en vez de focus groups. En el caso de investigaciones cualitativas en que los entrevistados sean de nivel socioeconmico alto (ABC1), profesionales, ejecutivos o empresarios, con una alta valoracin de su tiempo, es preferible realizar entrevistas en profundidad en vez de focus groups, ya que es muy difcil lograr que estos entrevistados asistan a las sesiones. (4 puntos)

Ventajas Focus Group:

Desventajas Focus Group

Sinergia Efecto Domino o Bola de Nieve Rapidez Espontaneidad Escrutinio Cientfico Estructura Seguridad Serendipia mayor probabilidad de que surjan ideas de manera inesperada en grupo que en una entrevista en profundidad Especializacin del entrevistador

Moderacin Desorden Mala Interpretacin Mal Uso Mala Interpretacin

Ventajas de las Entrevistas en Profundidad

Desventajas de las EP

Mayor conocimiento de un tema en particular Identificacin de la persona con la respuesta Producen un intercambio libre de informacin

Falta de estructura aumenta la probabilidad de sesgo del entrevistador Datos obtenidos son difciles de interpretar Ms costoso de llevar a cabo que el Focus Group Es difcil y costoso encontrar un entrevistador capacitado

Dividir 4 puntos entre las dos ventajas y las dos desventajas

4. Explique la diferencia entre un problema de marketing y una pregunta de investigacin. Seale un ejemplo para cada concepto. El problema de marketing se refiere a una situacin de decisin de Marketing. Est orientado a la accin porque se refiere al problema que enfrenta la persona que toma la decisin. Por ejemplo, un problema de Marketing puede ser: Qu alternativa de producto debemos lanzar al mercado, el A, B o C? (4 puntos) La pregunta de investigacin se refiere a la informacin que necesitamos para apoyar o tomar la decisin de Marketing. Est orientado a la bsqueda de informacin que pueda ayudar a dar posibles cursos de accin al problema de marketing. Por ejemplo la pregunta de investigacin puede ser: Qu alternativa de producto preferirn nuestros clientes, el A, B o C? (4 puntos) 5. Nombre y explique brevemente los dos principales mtodos de recoleccin de datos primarios de un diseo de investigacin descriptivo. Seale dos ventajas de cada uno.

Los dos mtodos de recoleccin de datos primarios de un diseo de investigacin descriptivo son las Encuestas y la Observacin. Las Encuestas implica entrevistar a una muestra de consumidores y la Observacin no implica entrevistar a una muestra de consumidores sino observar y registrar su conducta. (4 puntos) Ventajas Las Encuestas son ms verstiles que la Observacin, ya que permite obtener una mayor cantidad de datos primarios, como son los datos demogrficos, actitudes, sentimientos, percepciones, preferencias, intenciones, etc., que son variables psicolgicas que no se pueden obtener mediante la Observacin. La

Observacin se limita a obtener datos sobre la conducta actual, del momento e inferir algunas caractersticas demogrficas del consumidor, pero no permite obtener datos sobre la conducta pasada o futura. En cuanto a las ventajas de las Encuestas se tiene que estas son ms rpidas y ms econmicas de realizar que la Observacin para obtener datos primarios ya que no hay que esperar que ocurra en comportamiento de inters lo que puede implicar mucho tiempo ocioso (2 puntos) Las ventajas de la Observacin son que es ms objetiva y exacta que las Encuestas, ya que se reduce el sesgo potencial de la interaccin entre entrevistador y entrevistado. Los consumidores pueden no alterar su conducta si no saben que estn siendo observados. Se registra lo que los consumidores realmente hacen y no lo que dicen que hacen. (2 puntos) Desventajas

Las encuestas estn sujetas a sesgo del entrevistador Las encuestas no permiten ver patrones de conducta La observacin no permite conocer las creencias, motivaciones y actitudes de la persona En la observacin existe un sesgo en percepcin del observador Observacin suele ser costosa y prolongada Observacin puede estar sujeta a un juicio tico

6. Si una hiptesis nula se rechaza al nivel de significancia de 1%, entonces, usando los mismos datos, Debe rechazarse tambin al nivel de 5%? Comente e incluya una explicacin grfica en su respuesta. Si una hiptesis nula se rechaza al nivel de significancia de 1% (= 0,01) esto implica que el Z calculado result mayor que el Z crtico y el p-value (nivel de significancia observado), ser menor que el nivel de significancia exigido a la prueba de hiptesis. Luego, con mayor razn debe rechazarse la hiptesis nula con un nivel de significancia exigido de 5% (= 0,05), ya que el p-value ser tambin menor que este valor. FALTA EXPLICACIN GRFICA 7. Explique claramente qu es un panel, a qu tipo de diseo de investigacin corresponde y cules son los potenciales sesgos a los que est expuesto.

Un panel es una muestra fija que es medida en forma repetida a travs del tiempo, para analizar la evolucin. Existen dos tipos de panel: el panel tradicional y el panel mnibus. En el panel tradicional, se miden siempre las mismas variables y en el panel mnibus, las variables a medir van variando en cada medicin. El panel corresponde a un diseo longitudinal ya que utiliza mediciones repetidas en el tiempo, para monitorear o controlar las decisiones de Marketing. (4 puntos)

Los potenciales sesgos de un panel son los siguientes: (4 puntos) 1. Efecto de Prueba: Los participantes del panel pueden modificar su comportamiento o sus hbitos de consumo, al saber que estn siendo observados o medidos. 2. Sesgo de Autoseleccin: Los participantes del panel se autoseleccionan, es decir, las personas pueden aceptar o negarse a participar, con lo cual la muestra pasa a ser no probabilstica y no podemos determinar el error muestral ni saber si la muestra es representativa del mercado. 3. Mortalidad: Los participantes pueden abandonar el panel, con lo cual puede generarse un error de no respuesta, ya que no sabemos si los que se quedaron tienen el mismo comportamiento que los que se fueron. 4. Maduracin: Los participantes del panel van cambiando o envejeciendo a lo largo del tiempo y sus comportamientos o hbitos de consumo se van modificando, afectando la representatividad de la muestra.
8. Describa claramente los 4 tipos de escala de medicin bsicas y explique por qu es importante identificar el tipo de escala antes de realizar el anlisis estadstico de los datos.

1. Escala Nominal: Los nmeros se utilizan para identificar o para clasificar a los objetos en categoras. 2. Escala Ordinal: Los nmeros se utilizan para ordenar a los objetos en base a alguna caracterstica o atributo. 3. Escala de Intervalo: Los nmeros se utilizan para evaluar o calificar alguna caracterstica o atributo de los objetos. 4. Escala de Razn o Relacin: Los nmeros se utilizan para medir o cuantificar alguna caracterstica o atributo de los objetos. (4 puntos) Es muy importante identificar el tipo de escala en la cual estn medidos los datos, antes de realizar el anlisis estadstico, debido a que el tipo de escala determinar el tipo de estadsticas que se pueden calcular y que no se pueden calcular y por lo tanto, determinar el tipo de conclusiones que se pueden obtener de los datos. (4 puntos)

PARTE II: ALTERNATIVAS Y COMPLETAR ORACIONES (36%)

Cada respuesta correcta vale 3 puntos y se descontar 1 punto por respuesta incorrecta. No se otorgar puntaje por respuestas correctas parciales, en los casos que correspondan. Para qu tipo de investigacin es ms apropiado el uso de Tcnicas Proyectivas? a) Causal b) Concluyente c) Experimental d) Predictivo e) Cualitativo La Potencia de un test corresponde a: a) Rechazar Ho cuando es verdadera b) Rechazar Ho cuando es falsa c) No rechazar Ho cuando es falsa d) No rechazar Ho cuando es verdadera e) Ninguna de las anteriores El coeficiente alfa de Cronbach es un indicador de la confiabilidad de una medida. En una prueba de hiptesis si el Z calculado es mayor que el Z crtico, entonces el p-value ser: a) Mayor que el Error Tipo I predeterminado b) Mayor que el nivel de confianza c) Menor que el nivel de significancia d) Mayor que la potencia del test e) Ninguna de las anteriores La escala de Likert requiere que los encuestados indiquen el grado de acuerdo o desacuerdo con cada una de las afirmaciones acerca de un objeto. El diseo transversal implica obtener una sola vez informacin de cualquier muestra dada de elementos de la poblacin. Una escala que posee el mismo numero de categoras favorables y desfavorables corresponde a una escala balanceada. Cul de las siguientes afirmaciones es una ventaja del mtodo de observacin? a) Se reduce el sesgo potencial causado por el entrevistador y el proceso de entrevista b) Permite medir motivaciones, sentimientos y creencias c) Es ms barato que realizar entrevistas d) Permite establecer causalidad e) Todas las anteriores El concepto que responde la pregunta: Estamos midiendo lo que realmente queremos medir? Corresponde a la validez de la medicin.

Suponga que el objetivo de un estudio de mercado es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala ordinal de 7 puntos. La marca X obtuvo un 6, la marca Y un 3 y la marca Z un 2. Cul o cules son las conclusiones correctas que se pueden obtener de estos datos? I. La marca X es dos veces ms preferida que la marca Y. II. La marca Y es ms preferida que la marca Z. III. La diferencia entre la marca X y la marca Y es tres veces mayor que la diferencia entre la marca Y y la marca Z. a) b) c) d) e) Slo I Slo II Slo III I y III II y III

Para una empresa cometer el error Tipo I es menos costoso pues solo representa un costo de oportunidad. Una medida de tendencia central adecuada para datos en escala de intervalo es la media aritmtica. (considerar buena si ponen solo Media)

Facultad de Economa y Negocios UNIVERSIDAD DE CHILE AYUDANTA N 1 INVESTIGACIN DE MERCADO Profesores: Enrique Manzur Juan Pablo Muoz Ayudantes: Comente las siguientes afirmaciones 1. Al testear una hiptesis, el obtener un p-value alto (cercano a uno) implica que se debe rechazar la hiptesis nula. Comente 2. Se debe rechazar una hiptesis nula si el p-value es mayor que el Error Tipo I predeterminado? 3. Los salarios de las superestrellas del deporte reciben mucha atencin en los medios de comunicacin. Los contratos multimillonarios son ahora comunes para esta pequea elite. Sin embargo, es raro que pase una temporada sin negociaciones entre las asociaciones de jugadores y los dueos de los equipos para salario adicional y beneficios para todos los jugadores en cada una de sus disciplinas. a) Si la asociacin de jugadores quiere respaldar sus argumentos para lograr mayores sueldos, Qu medida de tendencia central cree usted que debera ser usada en este caso? b) Para refutar el argumento, qu medida de tendencia central deberan los dueos aplicar a los jugadores? Por qu? 4. En el contexto de un juicio (donde H0: Inocente / H1: Culpable), Explique cul seria el efecto en trminos de Error Tipo I y Tipo II si se exigiese que para condenar a la persona se deba contar con una fotografa del momento del delito? 5. En una prueba de hiptesis, el obtener un p-value cercano a cero es equivalente a obtener un valor de Z inferior al Z crtico. Comente 6. Al testear una hiptesis, el obtener un p-value bajo (cercano a cero) implica que la hiptesis nula (H0) no se debe rechazar. 7. Explique claramente el error asociado a una encuesta, tanto en el caso de utilizar una muestra como en un censo, y el porqu una muestra puede resultar ms conveniente. 8. Si una hiptesis nula se rechaza al nivel de significancia de 5%, entonces, usando los mismos datos, debe rechazarse tambin al nivel de 1%. Comente Fecha: 26 Abril 2008

Alternativas y completes 1. En una prueba de hiptesis, el error tipo II ocurre si cuando es _______________. _______________ la hiptesis nula

2. Al aumentar el nivel de confianza de 95% a 99%, manteniendo todo lo dems constante: a) Se obtendr un intervalo de confianza ms pequeo b) Se tendr una mayor precisin c) No afectar los resultados d) Aumentar el intervalo de confianza e) Ninguna de las anteriores 3. En una prueba de hiptesis, el error tipo I ocurre si _______________ la hiptesis nula cuando esta es _______________. 4. En relacin al error no muestral, cul de las siguientes afirmaciones es verdadera?: a) b) c) d) e) Puede ser estimado estadsticamente. Ocurre cuando algunos miembros de la poblacin no estn en la muestra. Se puede reducir incrementando el tamao de muestra. No puede estimarse. Ninguna de las anteriores.

5. Qu sucede en el testeo de hiptesis si se reduce el nivel d confianza?: a) b) c) d) e) El error tipo I disminuye. El error tipo II aumenta. El error tipo II disminuye La potencia disminuye. Ninguna de las anteriores.

DECISIN No rechazar Ho

ESTADOS DE LA NATURALEZA Ho Verdadera Ho Falsa

Decisin Correcta Probabilidad = 1- Es el Nivel de Confianza Error Tipo I Probabilidad = Es el Nivel de Significancia Error Tipo II Probabilidad = Decisin Correcta Probabilidad = 1- Es la Potencia de la prueba

Rechazar Ho

Los pasos en la prueba de hiptesis son: P-Value Es la probabilidad de obtener un resultado muestral que sea al menos tan improbable como lo observado, bajo el supuesto que Ho es verdadera. Representa el menor nivel de significancia al cual puede rechazarse la hiptesis nula. Si p-value tiende a 0 entonces se rechaza Ho Si p-value tiende a 1 entonces no se rechaza Ho Formular una hiptesis nula y una alternativa. Seleccionar la prueba estadstica apropiada Especificar el nivel de significacin. Encontrar el valor crtico del estadstico de prueba Calcular el estadstico utilizando los datos de la muestra Comparar los valores del estadstico, si el estadstico calculado es mayor al valor critico, se rechaza la hiptesis nula. Si es menor, la hiptesis nula no se rechaza. Dicho de otra forma, si el p-value es menor al nivel de significancia exigido, se rechaza la hiptesis nula. Si es mayor, la hiptesis nula no se rechaza.

Una hiptesis nula puede o no rechazarse. Nunca se acepta una hiptesis nula, slo no se rechaza. El Proceso de Medicin

De intervalo

Qu tipo de escala es?

Nominal

Ordinal
Media Desviacin estndar Mediana Rango intercuantil Moda Frecuencias relativas y

La siguiente tabla posee los smbolos correspondientes

Qu es una medicin? Es una asignacin de nmeros u otros smbolos a las caractersticas de los objetos de acuerdo a ciertas reglas preestablecidas. Lo que medimos no es el objeto, sino algunas de sus caractersticas Cules son las escalas fundamentales de medicin? Existen cuatro escalas de medicin fundamentales: Escala nominal: Los nmeros slo sirven como etiquetas para identificar y clasificar objetos. Adems de nmeros se pueden asignar letras del alfabeto o smbolos. Ej.: 1= Hombre y 2 = Mujer Escala ordinal: Escala de jerarquas. Permite determinar si un objeto tiene ms o menos de una caracterstica, comparado con algn otro objeto. Ej.: Preferencia de marcas: 1 Ford, 2 Chevrolet, 3 Chrysler, 4 Hyundai Escala de intervalos: Los nmeros se utilizan para evaluar objetos cuyas distancias equivalentes numricas en la escala representan distancias iguales en la caracterstica que se mide. Ej.: Escala de notas del 1 al 7 para evaluar conocimiento Escala de razn: Es la escala ms alta, posee todas las propiedades de las escalas nominales, ordinales y de intervalos, adems un punto cero absoluto. Se pueden identificar o clasificar los objetos, jerarquizarlos y comparar los intervalos o diferencias. Ej.: edad, ingreso, ventas. Qu es la confiabilidad de una medida? Es el grado al que una escala o produce resultados consistentes, es decir, no presenta error aleatorio, pero puede haber error sistemtico. Qu es la validez de una medida? Es el grado en el que el proceso de medicin est ausente de error, tanto aleatorio como sistemtico, es decir, que se est midiendo lo que realmente se tiene que medir

Confiabilidad y Validez

Ni confiable ni vlido

Confiable, pero no vlido

Confiable y vlido

Comentes y completes COMENTE 1 Se debe rechazar una hiptesis nula si el p-value es mayor que el Error tipo I predeterminado? P-value: nivel de significancia observado en una prueba de hiptesis. Si el p-value>error tipo I predeterminado ( o nivel de significancia exigido, que por lo general es 0,05). No se debe rechazar Ho, debido a que el p-value corresponde a la probabilidad efectiva o real de cometer un Error tipo I. No se puede rechazar ya que se estara asumiendo un mayor nivel de Error tipo I que el predeterminado. COMENTE 2 Para una empresa ser mucho peor cometer el error tipo I que el error tipo II. Falso. Error tipo II: No rechazar Ho cuando es falsa. El cometer este tipo de error ser peor para la empresa, ya que puede llevar a tomar decisiones erradas y por ende costosas. Al cometer Error tipo I es slo costo de oportunidad. Aunque esto puede depender de la situacin a la que se enfrente la empresa. Ej: Desarrollar o no un nuevo producto. COMENTE 3 Al testear una hiptesis, el obtener un p-value alto (cercano a 1) implica que se debe rechazar la hiptesis nula. Falso. P-value alto implica que no se debe rechazar Ho, ya que p-value es la probabilidad real de cometer error tipo I. por lo cual si p-value es mayor que el nivel de significancia exigido a la prueba (en general 0,05) nos encontramos en la zona de no rechazo. Asumimos un mayor error tipo I que el predeterminado. COMENTE 4 El obtener un p-value bajo en una prueba de hiptesis es equivalente a decir que el valor calculado de Z es menor que el Z crtico (tabla). Falso. Si p-value es bajo, es decir menor que el nivel de significancia, nos encontramos en la zona de rechazo, por lo cual el Z calculado es mayor que el Z crtico ya que se rechaza Ho. COMENTE 5 Compare los 4 mtodos de encuesta en base a 3 criterios relevantes.
Los 4 mtodos de encuesta: personal, telefnica, por correo y electrnica, se pueden evaluar comparativamente en base a los siguientes criterios: a) flexibilidad en el acopio o recopilacin de datos, b) variedad de preguntas, c) uso de estmulos fsicos, d) control de las muestras, e) Control del entorno de acopio de datos, f) control de la fuerza de campo, g) cantidad de datos, h) tasa de respuesta, i) posibilidad de desviaciones del encuestador, j) Velocidad y k) Costo. Se debe seleccionar 3 de estos criterios y definir para cada mtodo, si cada criterio es Alto, Medio o Bajo en cada uno. Por ejemplo, para el criterio Costo, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnico es Bajo; para el criterio Control de la Muestra, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo; para el criterio Tasa de respuesta, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo.

COMENTE 6 Cules son los elementos que debe contener una propuesta de investigacin de mercado, segn Malhotra? Una propuesta de investigacin segn Malhotra debe contener los siguientes elementos: a. Resumen Ejecutivo b. Antecedentes c. Definicin del problema y objetivos de la investigacin d. Mtodo para enfrentar el problema e. Diseo de investigacin f. Trabajo de campo y recoleccin de datos g. Anlisis de datos h. Informe i. Tiempo y costo j. Apndices COMENTE 7 Explique claramente qu son las tcnicas proyectivas y mencione cmo se clasifican, incluyendo un ejemplo de cada tcnica. Las tcnicas proyectivas son una forma de preguntar en forma indirecta y no estructurada, que alienta a los encuestados a proyectar sus motivaciones, creencias, actitudes o sentimientos implcitos en cuanto a los temas de inters. Las tcnicas proyectivas se clasifican en: a) Tcnicas de asociacin (ej. la asociacin de palabras), b) Tcnicas de complementacin (ej. completar oraciones o historias) c) Tcnicas constructivas (ej. respuesta a fotografas, pruebas de caricaturas) y d) Tcnicas expresivas (ej. representacin de papeles, tcnica de tercera persona). COMENTE 8 Dado que el error no muestral de una investigacin no es medible, el error total tampoco se puede determinar y por lo tanto, el nico error relevante es el error muestral, que si podemos medir y reducir al aumentar el tamao de la muestra. El error relevante en una investigacin es el error total, es decir la suma del error muestral ms los errores no muestrales. Si bien no se puede medir ni la magnitud ni la direccin de los errores no muestrales, si se puede tomar las medidas necesarias para reducirlos, de tal manera de reducir el error total de la investigacin y mejorar la calidad y el valor de la informacin. COMENTE 9 En qu se diferencia el diseo de corte transversal del diseo longitudinal y cules son las ventajas del segundo en relacin al primero? El diseo de corte transversal consiste en una investigacin en un punto del tiempo (fotografa de la situacin en ese momento), en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo (serie de tiempo). La ventaja del diseo longitudinal sobre el diseo de corte transversal es que entrega mayor cantidad de informacin al investigador y le permite un mayor control para establecer relaciones de causa y efecto o de causalidad, entre una variable de marketing y una variable de respuesta o de comportamiento de los consumidores.

COMENTE 10 En qu situacin es preferible una entrevista en profundidad a un focus group y cmo debiera prepararse la misma? La entrevista en profundidad es preferible a un focus group cuando se investiga temas personales, conflictivos o sensibles que las personas no estn dispuestas a revelar en forma pblica Cuando se requiere profundizar ms en las opiniones, percepciones y preferencias individuales de las personas Y cuando la interaccin grupal no contribuye a generar mayor cantidad de ideas y opiniones (no existe un efecto domin importante). La entrevista en profundidad es preferible tambin en el caso de aquellos grupos objetivo de difcil acceso y participacin en un focus group (GSE AB, ejecutivos, empresarios, profesionales independientes). Una entrevista en profundidad debe ser conducida por un entrevistador con experiencia, quien debe crear un ambiente en cual el encuestado se sienta relajado y libre para expresar sus sentimientos y creencias. La redaccin y la secuencia real de las preguntas se dejan a la decisin del entrevistador COMENTE 11 Explique que son los paneles de consumidores, que tipo de informacin entregan y nombre algunas desventajas metodolgicas. Son una muestra de consumidores a los cuales se les miden ciertas variables o comportamientos a travs del tiempo. Existen 2 tipos de Paneles: Panel tradicional: Se miden reiteradamente las mismas variables. Panel Omnibus: Las variables analizadas van cambiando con el tiempo. Entregan informacin cualitativa y cuantitativa. Desventajas: Muestra puede no ser representativa y adems el comportamiento de los consumidores puede cambiar al estar siendo evaluados. COMENTE 12 Mencione y explique los tipos de errores que se pueden cometer en un estudio de mercado y seale las principales diferencias entre ellos. Error muestral (EM): Ocurre porque la muestra seleccionada en particular es una representacin imperfecta de la poblacin de inters. Error no muestral (ENM): Se puede atribuir a otras fuentes distintas al muestreo, y pueden ser aleatorias o no aleatorias. El ENM puede estar dado por error de respuesta y error de no respuesta. Aumentar el n de la muestra reduce el error muestral pero aumenta el error no muestral. Disminuir el n de la muestra reduce el error no muestral pero aumenta el error muestral. Error total (ET)= Error muestral (EM) + Error no muestral (ENM) Ojo: El ET es el error relevante en una investigacin de mercados.

COMENTE 13 Explique la diferencia entre datos secundarios y primarios, sealando las ventajas y desventajas de cada uno. Seale un ejemplo de cada uno. Datos primarios: Son originados por el investigador con el fin especfico de atender el problema de investigacin. Ventajas: Son recolectados para el problema que se enfrenta. Desventajas: El proceso de recoleccin es muy complejo. El costo de recoleccin es alto. El tiempo de recoleccin es largo. Datos secundarios: Son recolectados para otra finalidad distinta al problema que se enfrenta. Ventajas: Identificar el problema y definir mejor el problema. El proceso de recoleccin es rpido y fcil. El costo de recoleccin es relativamente bajo. El tiempo de recoleccin es corto. Desventajas: Son recopilados para una finalidad distinta al problema que se enfrenta. Los objetivos, la naturaleza, y los mtodos para acopiar los datos pueden no ser los ms apropiados para la situacin actual. Les puede faltar exactitud o tal vez no sean completamente recientes o confiables. COMENTE 14 El muestreo puede ser ms exacto que el censo como mtodo de obtencin de datos. Comente Censo: Investigacin poblacional. No existe EM. El error relevante aqu es el ENM=ET. Muestra: Investigacin muestral. Existe tanto EM como ENM. El error relevante aqu es el ET. Por lo tanto la exactitud de la investigacin, independientemente del tipo que se use, va a depender del ET. Por ende, se podra dar eventualmente lo que seala el comente. COMENTE 15 La investigacin cualitativa y la investigacin cuantitativa corresponden a investigacin concluyente y por lo tanto sus resultados pueden utilizarse para tomar decisiones de marketing. Comente La Inv. Cualitativa corresponde a Inv. No concluyente. - No permite obtener resultados concluyentes debido a que utiliza muestras no probabilsticas, pequeas, para las cuales no se puede establecer el nivel de confianza y el margen de error de las estimaciones. Por lo tanto, sus resultados no pueden ser extrapolados a la poblacin total. La Inv. Cuantitativa corresponde a Inv. Concluyente. - Si permite obtener resultados concluyentes debido a que utiliza muestras probabilsticas, grandes, para las cuales se puede establecer el nivel de confianza y el margen de error de las estimaciones y por lo tanto, se puede inferir o extrapolar los resultados a la poblacin total.

COMENTE 16 Describa cmo se clasifican los procedimientos de investigacin cualitativa, segn Malhotra. Los procedimientos de investigacin cualitativa se clasifican en Directos (no ocultos) e Indirectos (ocultos), dependiendo de si el propsito del proyecto se revela o no a los encuestados. Los focus group (entrevista realizada por un moderador a un pequeo grupo de personas de manera no estructurada y natural) y las entrevistas exhaustivas (entrevista a una persona de inters que busca obtener informacin que quizs esa persona no revelara en pblico) son las principales tcnicas directas. Por su parte, las tcnicas proyectivas son las tcnicas indirectas ms utilizadas. stas consisten en asociacin (asociacin de palabras), complementacin (completar oraciones, prrafos o historias), construccin (respuesta de fotografas, pruebas de caricaturas) y expresin (representacin de papeles, de tercera persona). COMENTE 17 En una investigacin de mercado, los errores no muestrales no se pueden medir y por lo tanto, no se pueden reducir o eliminar. En una investigacin de mercado, los errores no muestrales no se pueden medir y pueden sesgar los resultados en direccin y magnitud desconocidas. Sin embargo, los errores no muestrales si se pueden reducir al adoptar las medidas apropiadas para que no ocurran: buen diseo y prueba del cuestionario, capacitacin y supervisin de los encuestadores, controles en la digitacin, codificacin, procesamiento y anlisis de los datos. COMENTE 18 Los errores de respuesta que afectan el diseo de investigacin son errores muestrales ya que solo los encuestados son los responsables de responder correctamente. Primero, el error de respuesta es un tipo de error no muestral. Segundo, los errores de respuesta los pueden cometer: El investigador al definir mal la poblacin o al definir mal el tipo de informacin que requiere el problema de investigacin. El entrevistador al hacer mal una pregunta mal o al registrarla mal. El encuestado al proporcionar respuestas inexactas (porque no entendieron o porque estn aburridos) o al dar respuestas socialmente aceptadas (indisposicin a dar respuestas exactas para evitar situaciones embarazosas) COMENTE 19 La tasa de no respuesta de un estudio de mercado es cuantificable y por lo tanto, el error de no respuesta se puede medir. Tasa de no respuesta de un estudio es cuantificable Tasa de respuesta= n de encuestas contestadas n total de encuestados Tasa de no respuesta= 1- tasa de respuesta Error de no respuesta: es diferente a la tasa de no respuesta. Error de no respuesta tiene relacin con la representatividad de las personas que no respondieron y no es medible.

COMENTE 20 Discuta las implicancias de obtener bajas tasas de respuesta en estudios de opinin y seale mecanismos que ayuden a reducir este problema. Implicancias de bajas tasas de respuesta: - Sesgo o error no muestral de magnitud desconocida ya que respuestas de los que responden puede diferir de los que responden. Disminuye el tamao muestral efectivo lo cual hace aumentar del error muestral - Al reemplazar en forma no aleatoria a los que no responden la muestra se hace no probabilstica. Mecanismos para reducir la no respuesta - Revisitar o rellamar - Asegurar confidencialidad - Disear una encuesta atractiva, ms corta - Dar incentivos para responder (regalos) COMENTE 21 Seale al menos cuatro criterios (pautas) para realizar focus groups efectivos. - Homogeneidad - Tamao (8-12/6-7) - Seleccin (experiencia con el producto, sin experiencia en focus, inters en el tema o producto, que no exista cercana) - Duracin (1 hora , 2 hrs.) - Ambiente (relajado, informal) - Moderador (logre armona y oriente la discusin a los temas relevantes) COMENTE 22 Una muestra probabilstica es ms precisa que una muestra no probabilstica, y por ello se recomienda su uso en investigacin concluyente. NO! No existe ninguna garanta de que los resultados de una muestra probabilstica sean ms exactos que con una muestra no probabilstica. En el muestreo no probabilstico se desconoce el error muestral (x - ) no podemos medirlo. En cambio el muestreo probabilstico permite calcular el error muestral. Sin embargo, es posible que una muestra no probabilstica (cuotas) sea ms exacta que una muestra probabilstica simple. Adems, se pueden considerar los errores no muestrales que para ambos casos son de magnitud y direccin desconocida. COMENTE 23 Una muestra probabilstica es ms representativa de la poblacin objetivo que una muestra no probabilstica. Una muestra probabilstica puede ser ms o menos representativa que una muestra no probabilstica. No podemos determinar la representatividad de una muestra no probabilstica, en cambio si podemos determinarla en el caso de una muestra probabilstica. En una muestra probabilstica se puede estimar el margen de error de una muestra probabilstica a un determinado nivel de confianza. En una muestra no probabilstica no se puede determinar el error muestral y por lo tanto su representatividad.

COMENTE 24 Sin considerar el mayor costo, el censo es siempre preferible a una muestra. El censo es una enumeracin completa de los elementos de una poblacin. No existe EM. El error relevante aqu es el ENM=ET. La muestra se utiliza para hacer deducciones sobre la poblacin de inters. Existe tanto EM como ENM. El error relevante aqu es el ET. El comente es falso, un censo puede incrementar mucho el error que no es de muestreo al punto que estos errores exceden los errores de muestreo que se daran al tomar una muestra. COMENTE 25 La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad del mismo. Error sistemtico: Afectan la puntuacin observada de la misma forma cada vez que se mide Error aleatorio: No es constante y afecta la calificacin observada en distintas formas cada vez que se mide. R: La validez es el grado en el cual el proceso de medicin est libre tanto del error sistemtico como del error aleatorio. La confiabilidad es el grado en el cual el proceso de medicin est libre del error aleatorio. Una medicin puede ser confiable pero no vlida y si una medicin es vlida, necesariamente ser confiable. Por lo tanto, al ser la validez ms amplia, la afirmacin es verdadera puesto que si la medicin es vlida, ella ser confiable, pero no es necesario que sea vlida para que sea confiable. Podra ser confiable sin ser vlida. COMENTE 26 Mientras mayor sea el tamao de la poblacin de inters, mayor ser el tamao de muestra requerida para un nivel de confianza y precisin dado. El tamao de la poblacin de inters no incide directamente en el tamao muestral requerido para un nivel de precisin dado, sino indirectamente va varianza de la poblacin. Una poblacin de tamao mayor puede tener una mayor varianza potencial, pero no es el mayor tamao en s el que determina el tamao muestral. Dos poblaciones que tienen distinto tamao pero igual varianza de la variable a medir, necesitarn el mismo tamao muestral para un determinado nivel de precisin. COMENTE 27 Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser el error de no respuesta. Comente. Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser la tasa de no respuesta, pero el error de no respuesta no necesariamente ser menor. Todo depende de la diferencia entre los que responden y los que no responden. Si la respuesta de los que no responden hubiera sido la misma de los que respondieron, una mayor tasa de respuesta no afectar el error de no respuesta. Si la respuesta de los que no respondieron hubiera sido distinta de los que respondieron, una mayor tasa de respuesta, implicar un menor error de no respuesta.

COMENTE 28 Nombre y explique las 2 tcnicas de escalas utilizadas en Marketing. De ejemplos sobre cada una de ellas. 1) Escalas Comparativas: Incluye la comparacin directa de objetos de estmulo. Los datos se deben interpretar en trminos relativos y slo tienen propiedades ordinales. No mtricas Ejemplo: Pepsi o CocaCola 2) Escalas No Comparativas: Cada objeto se escala de forma independiente de los dems. Son las ms utilizadas en Marketing. Mtricas. Ejemplo: Escala de preferencia de 1-7 de Pepsi COMENTE 29 Explique la diferencia entre un muestreo estratificado y un muestreo por cuotas. El muestreo estratificado es un tipo de muestreo probabilistico (se puede determinar el margen de error muestral) que se caracteriza por dividir a la poblacin en estratos o grupos homogneos y luego seleccionar una muestra aleatoria de cada uno de los estratos. El muestreo por cuotas es un muestreo no probabilistico (NO se puede determinar el error muestral) que selecciona personas en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas seleccionadas que se cree puedan influir en las variables a medir. COMENTE 30 El proceso de medicin en Marketing es difcil porque la mayora de las variables corresponden a escalas de razn, las que tienen un cero absoluto. Comente. El proceso de medicin en marketing es difcil porque la mayora de las variables medidas son de escala ordinal o de intervalo (conceptos psicolgicos). Escala ordinal y de intervalo no tienen cero absoluto no son fciles de medir objetivamente Son pocas las variables que estn medidas en escala de razn ventas, participacin de mercado, nmero de clientes. COMENTE 31 El proceso de medicin en Marketing es fcil porque la mayora de las variables corresponden a escalas de razn. El proceso de medicin en Marketing es difcil, porque la mayora de las variables corresponden a conceptos psicolgicos (no directamente observables) que estn medidos en escala ordinal o de intervalo, como las preferencias y las actitudes. Son pocas las variables en Marketing medidas en escala de razn, para las cuales existe un 0 absoluto y que pueden ser medidas en forma objetiva, como si ocurre en las ciencias exactas.

COMENTE 32 Los experimentos son ms adecuados que la investigacin exploratoria y que la investigacin descriptiva para establecer relaciones de causalidad. VERDADERO Aslan el efecto de la variable experimental (independiente) sobre la variable dependiente eliminando el efecto de otras variables. Los experimentos proveen los 3 tipos de evidencia para establecer causalidad: correlacin orden temporal de las variables (causa-efecto) eliminacin de otros factores causales. La investigacin exploratoria y la investigacin descriptiva expost (despus de ocurridos los hechos) correlacin COMENTE 33 Explique el concepto de causalidad y como se puede establecer su existencia. El concepto de causalidad se refiere a la relacin de causa y efecto entre dos variables. Existen 3 requisitos para establecer causalidad: 1) correlacin o variacin concomitante 2) orden temporal de las variables (causa-efecto) 3) eliminacin de otros factores causales Los experimentos proveen evidencia de los 3 tipos y por lo tanto son ms adecuados que la investigacin exploratoria y que la investigacin descriptiva, para establecer relaciones de causalidad. COMENTE 34 Explique y de ejemplos de cada uno de los cuatro niveles de escalas de medicin que existen. 1. Escala Nominal: Los nmeros se utilizan para identificar o clasificar a los objetos en categoras. Por ejemplo , 1= Hombre y 2 = Mujer. 2. Escala Ordinal: Los nmeros se utilizan para ordenar los objetos segn un determinado criterio o caracterstica. Por ejemplo, preferencia de marcas: 1 Ford, 2 Chevrolet y 3 Chrysler. 3. Escala de Intervalo: Los nmeros se utilizan para evaluar un atributo o caracterstica de los objetos. Por ejemplo, escala de notas del 1 al 7 para evaluar conocimiento. 4. Escala de Razn: Los nmeros se utilizan para medir o cuantificar una caracterstica o atributo de los objetos. Esta escala tiene un 0 absoluto. Por ejemplo, Venta de autos: Chevrolet Corsa = 6.154, Peugeot 206 = 3.210 y Toyota Yaris = 2.794. (Ver libro pag.226-31)

COMENTE 35 Explique y compare las escalas de Likert y de Diferencial Semntico. Ambas son parte de las escalas de medicin por reactivos, en donde se da a los encuestados una escala que tiene un nmero o breve descripcin asociada a cada categora. La escala de Likert es la escala que mide el grado de acuerdo o desacuerdo con una serie de afirmaciones sobre los objetos de estimulo, en general son cinco categoras que van Muy en desacuerdo a Muy de acuerdo. La escala de diferencial semntico es, por su parte, una escala de medicin de siete puntos con fines relacionados con etiquetas bipolares que tiene significado semntico. Ac se califica sobre un nmero de escala de reactivos de siete puntos unidos al final por uno de los adjetivos bipolares. COMENTE 36 Por qu es necesario complementar las medidas de tendencia central con medidas de dispersin para describir una variable de una poblacin? Las medidas de tendencia central deben complementarse con medidas de dispersin para describir una variable de una poblacin, debido a que 2 poblaciones pueden tener las mismas medidas de tendencia central, pero diferentes medidas de dispersin, o al reves, 2 poblaciones pueden tener las mismas medidas de dispersin y diferentes medidas de tendencia central. COMENTE 37 Cules son las ventajas y desventajas de las preguntas abiertas en comparacin a las de seleccin mltiple? Preguntas abiertas Principales ventajas: expresar en forma libre y completa su verdadera opinin respuesta puede ser ms representativa Principales desventajas dificultad para codificar, tabular y analizar las respuestas. Ms demandante para el encuestado Preguntas de seleccin mltiple Principal ventaja facilidad para codificar, tabular y analizar las respuestas. Facilidad para responder Principal desventaja alternativas de respuesta pueden no representar la verdadera posicin del entrevistado sesgo por el orden de las alternativas COMENTE 38 En una escala de tipo ordinal, slo es vlido utilizar estadsticas de tendencia central como la media, la moda y la mediana. En una escala de tipo ordinal los objetos pueden identificarse, ordenarse o ranquearse. Slo puede decirse que un nmero es superior al otra, pero no puede medirse la distancia entre cada alternativa No tendra sentido utilizar la media, pero si seria factible utilizar la moda y la mediana. Ejs.: GSE, Preferencias

COMENTE 39 Seale cual es el factor de correccin finito, a qu estadstica se aplica y en que casos se sugiere su uso. El factor de correccin de poblaciones finitas es la raz cuadrada de N-n/N-1 y se aplica sobre la desviacin estndar cuando el tamao musestral (n) supera al 5% a 10% del tamao poblacional (N). Permite reducir el tamao de la muestra necesaria para lograr estimaciones con un determinado nivel de confianza y margen de error, disminuyendo el costo de un estudio de mercado. Cuando n es un bajo % de N, este factor se ignora debido a que su valor se aproxima a 1 y cuando n tiende a N este factor tiende a 0. COMENTE 40 La investigacin descriptiva y la investigacin experimental pueden utilizarse para determinar relaciones de causalidad entre dos variables Falso La investigacin experimental es ms apropiada que la descriptiva para establecer causalidad ya que provee los 3 tipos de evidencia de sta: correlacin, orden de ocurrencia y eliminacin de otras causas posibles. La investigacin descriptiva no es apropiada debido a su carcter ex post facto (despus de los hechos ocurridos) COMENTE 41 Explique los efectos de una baja tasa de respuesta y seale posibles estrategias para evitarla. Una baja tasa de respuesta implica que un alto porcentaje de la muestra no completa un cuestionario, porque no es ubicado o porque se niega a responder. Esto afecta a la validez y representatividad de los resultados, ya que no podemos saber si estos hubiesen respondido igual o diferente a los que si lo hicieron. COMENTE 42 La investigacin cualitativa y la investigacin cuantitativa permiten obtener resultados concluyentes La investigacin cualitativa no permite obtener resultados concluyentes debido a que utiliza muestras no probabilsticas, pequeas, para las que no se puede establecer el nivel de confianza y margen de error de las estimaciones, por lo que no puede generalizar sus resultados a la poblacin total. La investigacin cuantitativa en cambio, puede inferir o extrapolar los resultados a esta poblacin total. COMENTE 43 El error muestral ms importante en una investigacin de mercado es el error de no respuesta, debido a que un porcentaje de la muestra no responde. Falso, el error de no respuesta no es un error muestral, sino uno no muestral, ya que no es atribuible al hecho de utilizar una muestra para estimar o inferir valores de la poblacin.

COMPLETE 1 En una prueba de hiptesis, si el nivel de significancia observado (p-value) es mayor que el nivel de significancia exigido, entonces el t calculado ser menor que el t crtico y por lo tanto no se rechaza la hiptesis nula. COMPLETE 2 En una prueba de hiptesis, si el z calculado es mayor que el z crtico, enmtonces el p-value debe ser_________________________ a.) mayor que el nivel de significancia b.) cercano a 1 c.) menor que el nivel de significancia d.) n.a. COMPLETE 3 Sea Ho: = 0. Si en una muestra de tamao n=100 para testear dicha hiptesis se obtiene x=0, el p-value asociado al test ser igual a 1. COMPLETE 4 La probabilidad de no rechazar una hiptesis nula que es verdadera corresponde a: a.) Error tipo I b.) Error tipo II c.) Nivel de confianza d.) Complemento del error tipo II e.) N.a. COMPLETE 5 Sea Ho: =500. Si en una muestra de tamao n=1000 para testear dicha hiptesis se obtiene x=500, el valor calculado del test z ser igual a cero y por lo tanto no se rechaza la hiptesis nula.

Z=

COMPLETE 6 El utilizar una muestra fija en que las mismas variables son medidas en forma peridica, se conoce como PANEL TRADICIONAL COMPLETE 7 Un diseo de investigacin de tipo experimental/causal es el ms apropiado para investigar si un tipo de comercial es ms efectivo que otro en trminos de recordacin de marca. COMPLETE 8 La investigacin concluyente comprende la investigacin descriptiva y la investigacin causal/experimental. COMPLETE 9 Un cuestionario estructurado es ms apropiado para la investigacin concluyente (descriptiva, cuantitativa o causal) en cambio un cuestionario no estructurado es ms apropiado para la investigacin exploratoria (cualitativa).

COMPLETE 10 Las preguntas cerradas son ms apropiadas para investigacin concluyente (descriptiva/cuantitativa y experimental/causal) en cambio las preguntas abiertas son ms apropiadas para investigacin cualitativa. COMPLETE 11 Las escalas bsicas de medicin son la escala de Razn, la de intervalos, la nominal y la ordinal. COMPLETE 12 La escala ms dbil es la escala nominal, debido a que slo permite calcular la frecuencia y la moda. COMPLETE 13 El nivel de significancia () es la probabilidad esperada / exigida de cometer un error tipo I, en tanto que el p-value es la probabilidad observada / real de cometer un error tipo I. COMPLETE 14 El anlisis de rastros corresponde a un mtodo de observacin humana / natural y indirecta / encubierta /disfrazada. Ej: Cookies de Internet. COMPLETE 15 El entrevistar personas que no pertenecen a la poblacin objetivo corresponde a un error de marco muestral / no muestral. COMPLETE 16 El diseo transversal consiste en una investigacin en un punto del tiempo, en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo. COMPLETE 17 Las tcnicas proyectivas son una forma de preguntar indirecta y no estructurada que alienta a los encuestados para dar a conocer informacin acerca de sus motivaciones, creencias, actitudes y sentimientos. COMPLETE 18 Al aumentar el nivel de confianza de 95% a 99%, manteniendo todo lo dems constante: a) Se obtendr un intervalo de confianza ms pequeo. b) Se tendr una mayor precisin c) Aumentar el intervalo de confianza d) Solo a) y b) e) Ninguna de las anteriores COMPLETE 19 Una medida es confiable cuando est libre de error aleatorio. COMPLETE 20 Si en un local de comida rpida se pusieran cmaras ocultas para observar la conducta de quienes consumen, esto correspondera a un mtodo de observacin encubierta/indirecta y no estructurada / mecnica

COMPLETE 21 Si un termmetro agrega siempre un grado ms, esta ser una medida confiable, pero no vlida de la temperatura que se quiera medir. COMPLETE 22 El muestreo Bola de Nieve es una tcnica no probabilstica en la que un grupo inicial de encuestados es seleccionado y los encuestados subsecuentes se seleccionan en base a referencias o informacin proporcionada por los encuestados iniciales. COMPLETE 23 La escala nominal es aquella cuyos nmeros sirven solamente como etiqueta (label) para identificar y clasificar objetos con una correspondencia estricta de uno a uno entre los nmeros y los objetos. COMPLETE 24 La escala que mide el grado de acuerdo o desacuerdo con una serie de afirmaciones, se conoce como Likert COMPLETE 25 Qu pasa con el margen de error de un intervalo, si se exige un mayor nivel de confianza, manteniendo todo lo dems constante? a) Disminuye el margen de error b) Aumenta el margen de error c) El margen de error no vara d) Depende del tamao de la muestra e) Tendr una mayor precision COMPLETE 26 Qu pasa con el margen de error de un intervalo si se exige un menor nivel de confianza, manteniendo todo lo dems constante? a) Disminuye el margen de error b) Aumenta el margen de error c) No cambia d) Depende del tamao de la muestra e) Tendr una mayor precisin COMPLETE 27 En un muestreo probabilstico: a) Cada miembro de la poblacin tiene la misma posibilidad de ser elegido. b) Los porcentajes para ciertas caractersticas demogrficas sern iguales para la muestra y la poblacin. c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido. d) Se eligen los participantes de acuerdo al criterio del investigador. e) No se puede determinar el error muestral.

COMPLETE 28 En una escala ordinal, cul de las siguientes series de nmeros representan una sustitucin permisible de 1, 2 y 3: a) 1, 3 y 30 b) 5, 10 y 15 c) 3, 2 y 1 d) Todas las anteriores e) A y B COMPLETE 29 Una mala definicin del marco muestral corresponde a un error ________________. a. Muestral b. Sistemtico c. Aleatorio d. No muestral e. Ninguno de los anteriores COMPLETE 30 En un cuestionario, los datos personales del entrevistado deben ir: a) Al comienzo del cuestionario b) Al final del cuestionario c) En medio del cuestionario d) No deben incluirse en el cuestionario e) No tienen un lugar determinado COMPLETE 31 Suponga que el objetivo de un estudio de mercado es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala de intervalo de 6 puntos. La Marca X obtuvo un 6, la Marca Y un 3 y la Marca Z un 2. Cul(es) es(son) la(s) conclusin(es) correcta(s) que se puede(n) obtener de estos datos? La Marca X es dos veces ms preferida que la Marca Y. La Marca Y es ms preferida que la Marca Z. La diferencia entre la Marca X y la Marca Y es tres veces mayor que la diferencia entre la Marca Y y la Marca Z. a) b) c) d) e) Slo I Slo II Slo III I y III II y III

COMPLETE 32 Si un proceso de medicin tiene un alto error aleatorio y no tiene error sistemtico, se dice que la medida es: a) Vlida pero no confiable. b) Vlida y confiable. c) Confiable pero no vlida. d) Ni vlida ni confiable. e) Ninguna de las anteriores

COMPLETE 33 Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: a. b. c. d. e. Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

COMPLETE 34 Indique a qu tipo de escala corresponde el siguiente ejemplo de pregunta: Por favor, indique en qu rango de ingreso mensual se encuentra usted: De $0 - $100.000 De $101.000 - $300.000 De $301.000 - $600.000 De $601.000 o ms. a) Nominal b) Ordinal c) Intervalo d) Razn e) Likert COMPLETE 35 En un muestreo probabilstico: a) Cada miembro de la poblacin tiene la misma probabilidad de ser elegido b) Los porcentajes para ciertas caractersticas demogrficas sern siempre iguales para la muestra y la poblacin c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido d) Se eligen los participantes de acuerdo a cuotas establecidas por el investigador e) Ninguna de las anteriores COMPLETE 36 Asignar a p un valor de 0.5 cuando se determina el tamao de la muestra para proporciones significa: a) b) c) d) e) Que se determinar el menor tamao de la muestra posible Que ayudar a reducir el tamao de la muestra Que se asumir la varianza mxima posible Que determinar un intervalo de confianza pequeo Ninguna de las anteriores

Z=

= X p * (1 p) ^ 2 = n
z 2 / 2 * p * (1 p) n 2 z / 2 * p * (1 p)

2 =
n=

COMPLETE 37 Si uno quisiera verificar la confiabilidad de un instrumento de medicin, podra aplicarlo dos veces a la misma muestra de sujetos. Una medida de la confiabilidad del instrumento sera que la Correlacin fuera cercana a 1. COMPLETE 38 El nmero de folio asignado a usted en una prueba, es un ejemplo de una escala Nominal y la estadstica de tendencia central permitida es la Frecuencia o Moda. COMPLETE 39 El peso medido en libras es un ejemplo de una escala de Razn. COMPLETE 40 El concepto que responde la pregunta: Estamos midiendo lo que realmente queremos medir? Corresponde a la validez de la medicin. COMPLETE 41 En una muestra probabilstica se puede determinar el margen de error muestral y por lo tanto se recomienda su uso para la investigacin concluyente/descriptiva/causal COMPLETE 42 La distincin entre datos primarios y secundarios se relaciona principalmente con: a) La fuente de donde se obtienen los datos. b) La importancia relativa de los datos. c) El objetivo para el cul se recolectan los datos. d) La etapa de la investigacin (exploratoria o descriptiva). e) Ninguna de las anteriores COMPLETE 43 Cual de las siguientes caractersticas de los sistemas de nmeros distingue a la escala de razn frente a otras escalas de medidas. a) Igualdad de los numerales b) Orden de los numerales c) Igualdad de las diferencias d) Igualdad de los ratios e) Todas las anteriores COMPLETE 44 Un bajo error aleatorio en una medicin se ve reflejado en una distribucin estrecha de las medias muestrales. COMPLETE 45 Indique a que tipo de escala corresponde el siguiente ejemplo: Haga un ranking de las siguientes marcas de electrnica en trminos de su preferencia: Samsung, Sony, LG, JVC. Use el 1 para su primera preferencia y 4 para su cuarta preferencia. a) Nominal b) Ordinal c) Intervalos d) Razn

Casos: Caso 1
El diario La Segunda public a fines del 2004 una encuesta realizada por Ipsos respecto a las preferencias que obtienen los candidatos a alcalde por la comuna de Santiago. De acuerdo a la informacin que se entrega, responda: a.) Calcule el error muestral. b.) Por qu se habl de un empate tcnico entre ambos candidatos? Encuesta Ipsos: Empate tcnico entre Schaulsohn y Alcano Encuesta a 457 personas de la comuna de Santiago.

Si las elecciones fueran este domingo Por cul candidato a alcalde votara usted?
Ral Alcano 33,7% Jorge Schaulsohn 39,3%

Nosabe/no responde 7,1% Blanco 2,9%

Nulo 2,2%

Ninguno 14,7%

Solucin: a. Asumiendo un nivel de confianza de 95% y una varianza mxima (p = 0,5), Error de +4.58%

(1,96) 2 * 0,25 z 2 / 2 * p * (1 p) = = 0,0458 457 n

b. En este caso se habla de un empate tcnico, puesto que al haber un margen de error muestral de en las estimaciones el porcentaje de votacin de Schaulsohn puede estar entre 34,72% (39,3 4,58) y 43,88% (39,3 + 4,58) y el porcentaje de votacin de Alcano puede estar entre 29,12% (33,7 4,58) y 38,28% (33,7 + 4,58). Luego, ambos intervalos se traslapan y en consecuencia, la diferencia entre ambos candidatos no es estadsticamente significativa.

Caso 2: Medidas de tendencia central

Los salarios de las superestrellas del deporte reciben mucha atencin entre la gente. Los contratos multimillonarios a largo plazo son ahora comunes entre este grupo de elite. Sin embargo, es raro que pase una temporada sin negociaciones entre una o ms asociaciones de jugadores y los dueos de los equipos para salario adicional y beneficios para todos los jugadores en cada una de sus disciplinas. A.) Si la asociacin de jugadores quiere respaldar sus argumentos para lograr mayores sueldos. Qu medida de tendencia central cree usted que debera ser usada en este caso? B.) Para refutar el argumento. Qu medida de tendencia central deberan los dueos aplicar a los sueldos de los jugadores?Por qu? Solucin: Depende de la distribucin de los sueldos. Si sigue una normal, la media es igual a la mediana. Pero si est cargada para un lado, ya no son iguales. Bajo el supuesto de que est cargada hacia menores salarios, entonces la media ser mayor a la mediana. a) mediana b) media

Caso 3
LOreal de Chile S.A. se encuentra desarrollando nuevas frmulas de shampoo dentro de su lnea Garnier Fructis, que se adapten a las caractersticas y necesidades del mercado femenino de nuestro pas. Por esta razn, el Departamento de Marketing de la empresa entreg el siguiente brief a un grupo de empresas de investigacin de mercado, como gua para la elaboracin de sus propuestas de investigacin: Test de producto para Shampoo Garnier Fructis en Chile. 1. Objetivo de la investigacin: Dos nuevas frmulas de Shampoo Garnier Fructis estn disponibles para el mercado chileno. El objetivo de la investigacin es evaluar la aceptacin de estas dos frmulas entre las consumidoras femeninas de Chile. 2. Metodologa: Se sugiere realizar una prueba de producto con los envases reales en los que se comercializar el producto, en dos grupos de 150 mujeres cada uno. El producto debe ser usado en el hogar por un perodo de 3 semanas. La investigacin debe ser realizada al trmino de este perodo, a travs de entrevistas personales en los hogares, aplicando un cuestionario semiestructurado a las 300 mujeres de la muestra. Prueba de Producto Grupo 1 Muestra 150 mujeres Producto Frmula I Grupo2 150 mujeres Frmula II

En base a la informacin presentada, se le pide responder las siguientes preguntas: 1. A qu tipo de estudio de mercado corresponde esta investigacin? Justifique 2. Qu requisitos deben cumplir los grupos de prueba para que los resultados del estudio sean tiles para seleccionar una de las dos frmulas? Explique su respuesta. 3. Disee un cuestionario breve con un mximo de 5 preguntas, que permita lograr el objetivo de la investigacin.

Solucin: 1. Esta investigacin corresponde a un experimento (investigacin causal o experimental). 2. 1 Las dos muestras de 150 mujeres deben pertenecer al mercado objetivo del producto. 2 Ambas muestras deben ser comparables, de tal manera que la respuesta de ambas sea atribuible slo a la variable experimental (frmulas de shampoo) y no a otras variables o diferencias previas entre las muestras. Para ello, ambas muestras deben ser seleccionadas aleatoriamente de la poblacin objetivo o del marco muestral. 3.
Introduccin Buenos das/tardes seora, usted ha usado el shampoo Fructis durante 3 semanas y me gustara conocer su opinin sobre el producto. 1- Cul es la marca/tipo de shampoo que usted consume actualmente? ______________________________________________________ 2- Qu nota le pondra usted al shampoo Fructis Garnier que prob? Psimo 1 M uy M alo 2 M alo 3 Regular 4 Bueno 5 M uy Bueno 6 Excelente 7

3.

Com prar usted el sham poo Fructis que prob, en la prxim a ocasin de com pra?
Definitivamente no lo comprar 1 Probablemente no lo comprar 2 No s si lo Probablemente comprar o no lo comprar 3 4 Definitivamente lo comprar 5

a) Cam biara usted el sham poo que usa actualm ente por el shampoo Fructis que prob? Si No

Razones:__________________________________________________ __________________________________________________________ __________________________________________________________ __________________________________________________________ _____________________________________________

5. Datos personales Nombre:_____________________________________________________ Edad: ______ T ipo de pelo:____________________ Actividad: ______________________ Comuna: _______________________ Etc.

CASO 4: Starbucks
La cadena Starbucks Coffee se ha caracterizado por entregar una experiencia diferente a sus consumidores. Con el objetivo de evaluar la calidad de los productos y servicios entregados, la cadena pone a disposicin de los clientes que visitan los locales, el cuestionario que se adjunta para ser respondido y entregado en el local o enviado por correo postal pagado. En relacin a su anlisis del cuestionario se le pide responder las siguientes preguntas: a. b. c. A qu diseo de investigacin corresponde este estudio de mercado? Identifique 3 tipos bsicos de escalas presentes en el cuestionario, indicando la pregunta correspondiente. Seale 3 problemas o sesgos potenciales que presenta el cuestionario y explique cmo los resolvera.

Nota: Sea concreto y explique claramente sus respuestas

Solucin: a. Este estudio de mercado corresponde a un diseo de investigacin descriptivo o cuantitativo por que su objetivo es medir el grado de satisfaccin de los clientes con la calidad de los productos y servicios ofrecidos por la empresa. b. 1. Escala de intervalo (u ordinal), Preguntas con respuesta en escala tipo Likert de 5 puntos (1= Decepcionante a 5= Sobresaliente) 2. Escala nominal, Preguntas con respuesta dicotmica (Si o No) 3. Escala ordinal, Preguntas con respuesta en escala de 3 puntos (Con menor frecuencia, Con la misma frecuencia, Con mayor frecuencia) c. 1. El uso de adjetivos o palabras como frecuencia, de manera oportuna, ubicacin, mercanca que pueden tener diferentes significados o interpretacin para diferentes personas. Modificar las preguntas evitando el uso de adjetivos o palabras confusas, por ejemplo: Usted visita Starbucks: 1 a 2 veces al mes, 3 a 4 veces al mes, 5 a 6 veces al mes, ms de 6 veces al mes. En el futuro, usted visitar Starbucks 1 a 2 veces al mes, 3 a 4 veces al mes, 5 a 6 veces al mes, ms de 6 veces al mes. 2. Pregunta doble: Mis preguntas sobre la mercanca y los productos fueron respondidas a mi entera satisfaccin. Se debe separar la pregunta en dos o preguntar slo por los productos. 3. Sesgo positivo: Mis preguntas fueron respondidas a mi entera satisfaccin, Recib el servicio de manera oportuna, El exterior/interior de la tienda estaba limpio. Se puede preguntar en forma ms neutral, por ejemplo, evaluar las respuestas del personal en una escala de 1 a 7, evaluar el tiempo de atencin en una escala de 1 a 7, evaluar la limpieza exterior del local en una escala de 1 a 7, evaluar la limpieza interior del local en una escala de 1 a 7. 4. Otro sesgo del cuestionario es la autoseleccin de los clientes que responden, al ser un cuestionario autoadministrado y entregado en el local o enviado por correo, lo que puede inducir una alta tasa de no respuesta y resultados no representativos de todos los clientes. La encuesta se podra hacer en los locales por el personal que atiende.

CASO 5
Con el fin de establecer programas de prevencin de consumo de estupefacientes, el CONACE requiere estimar la proporcin de jvenes entre 15 y 19 aos de edad (519.430 personas segn el Censo del ao 2002), que actualmente consumen marihuana en el rea urbana de la Regin Metropolitana. En el artculo publicado recientemente en la prensa, se estim que el porcentaje de consumidores en la poblacin de inters, era del 33%. 1. Cul es el tamao de muestra necesario para un nivel de confianza de 95%, si se desea que el margen de error muestral no supere el 4%? Solucin: 2

z * (1 ) E2 (1,96) 2 * (0, 33*0, 67) n= = (0, 04) 2 0,8494 = 531 n= 0, 0016 n=

2. Construya el intervalo de confianza de la estimacin, suponiendo que el porcentaje de consumidores de marihuana en la muestra result ser de 31%. Solucin:
p 1 , 96 ( 0 , 31 * 0 , 69 ) / 531 p + 1 , 96 ( 0 , 31 * 0 , 69 ) / 531

0,31 0, 039 0, 31 + 0, 039 27,1% 34,9%

3. Existe una diferencia estadsticamente significativa entre la estimacin muestral de 31% y el porcentaje de 33% publicado en la prensa? Solucin: No existe una diferencia significativa, debido a que la diferencia entre ellos es de 2 puntos porcentuales, por lo tanto es menor que el margen de error muestral requerido en el estudio que es de +/- 4.

CASO 6
Por quin votara usted en las prximas elecciones?

1) Calcule el Error Muestral. Dato: 800 personas encuestadas. 2) Por qu se dice que hay un empate tcnico entre los candidatos? No considere NS/NR Solucin: 1)

z 2 / 2 * p *(1 p ) (1,96) 2 *0, 25 = = 0, 0346 = 3, 46% n 800

2) En este caso se habla de un empate tcnico, puesto que al haber un margen de error muestral de en las estimaciones el porcentaje de votacin de Ravinet puede estar entre 33,58% (37,04 3,46) y 40,5% (37,04 + 3,46) y el porcentaje de votacin de Zalaquet puede estar entre 33,11% (36,57 3,46) y 40,03% (36,57 + 3,46). Luego, ambos intervalos se traslapan y en consecuencia, la diferencia entre ambos candidatos no es estadsticamente significativa.

CASO 7
El Mercurio, public los resultados de un estudio realizado por Collect Investigaciones de Mercado para Economa y Negocios. El objetivo del estudio fue conocer las opiniones de la gente sobre el modelo econmico, la distribucin del ingreso y el aporte de los grupos empresariales y polticos al desarrollo del pas. Ficha Metodolgica: Estudio cuantitativo probabilstico. Muestreo aleatorio de nmeros telefnicos. Tcnica de recoleccin de datos: entrevista telefnica Poblacin objetivo: hombres y mujeres del Gran Santiago, entre 18 y 65 aos, con cobertura de servicio telefnico.

Evaluacin del Modelo Econmico

100% 80% 60%

En su opinin, Cmo ha variado su situacin econmica en los ltimos 15 aos?

GSE
49 36 32 32 28 33 23 20 47

41
40% 20% 0%

44

15

ABC1 (75)

C2 (75

C3 (75)

D (75)

100% 80% 60%

SEXO

EDAD

43
40% 20% 0% HOMBRE (140)

45 27 31 24 29

41 30 19

46 35 37

43 19

30

MUJER (160)

18 A 24 AOS (45)

25 A 40 AOS (92)

41 Y MS (163)

HA EMPEORADO

SE HA MANTENIDO

HA MEJORADO

A continuacin se presentan algunos resultados sobre la evaluacin del modelo econmico: En base a la informacin anterior se le pide responder las siguientes preguntas: 1. Identifique claramente Cul es el tipo de procedimiento muestral utilizado en este estudio? Solucin: El procedimiento muestral utilizado en este estudio es probabilstico estratificado desproporcionado. i.Es probabilstico debido a que se obtuvo una muestra aleatoria de nmeros telefnicos. ii.Es estratificado debido a que la poblacin objetivo se dividi en estratos de NSE., Sexo y Edad. iii.Es desproporcionado debido a que los porcentajes de cada estrato en la muestra difieren de los porcentajes de cada estrato en la poblacin. 2. Qu propondra usted para asegurarse que la muestra seleccionada sea probabilstica en todas sus etapas? Solucin: i.En una primera etapa, se debe seleccionar en forma aleatoria los nmeros telefnicos. ii.En una segunda etapa, se debe seleccionar en forma aleatoria a la persona entrevistada, de entre las personas que cumplan con las condiciones requeridas para la poblacin objetivo (hombres y mujeres del Gran Santiago, de 18 a 65 aos de edad), en cada uno de los nmeros telefnicos contactados. iii.Una forma de hacerlo, sin identificar a todos los elementos elegibles, es seleccionar a la persona que tenga su fecha de cumpleaos ms prxima a la fecha de la entrevista. 3. Determine la precisin estadstica del estudio, a nivel de la muestra total y de cada GSE, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos. Solucin: i.Supuestos: Nivel de Confianza de 95%, Varianza Mxima en la Poblacin, los entrevistados son seleccionados aleatoriamente a nivel del hogar. E = z * (-1) n E = (1,96) * (0,5*0,5) = 0,9604/300 300 La precisin estadstica o margen de error muestral a nivel de la muestra total es de E = + 0,057 (+ 5,7%) ii.E = (1,96) * (0,5*0,5) = 0,9604/75 75 E = + 0,113 (+ 11,3%) La precisin estadstica o margen de error muestral a nivel cada NSE es de + 11,3%. 4. De acuerdo a la Clasificacin Socioeconmica de Chile elaborada por ICCOM, el grupo ABC1 representa el 11,1% de los habitantes del Gran Santiago; el C2 el 19,5%; el C3 el 25% y el D el 35,6%. El grupo E que representa el 8,8% de los habitantes del Gran Santiago, no fue considerado en esta encuesta. En base a esta informacin,

Cules seran los resultados estimados totales para la poblacin objetivo del estudio? Muestre sus clculos. Solucin: i.En primer lugar, se debe calcular los ponderadores de cada GSE, dejando fuera el 8,8% correspondiente al grupo E que no fue considerado en el estudio. ii.100 8,8 = 91.2% iii.La poblacin objetivo representa el 91,2% de los habitantes del Gran Santiago con cobertura de servicio telefnico, por lo que los ponderadores seran los siguientes: Ponderadores: ABC1 = 11,1 / 91,2 = 12,2% C2 = 19,5 / 91,2 = 21,4% C3 = 25 / 91,2 = 27,4% D = 35,6 / 91,2 = 39%

Material Solemne

Universidad de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin INVESTIGACIN DE MERCADOS PAUTA SOLEMNE I Seccin 1: Profesor Enrique Manzur. Seccin 2: Profesor Juan Pablo Muoz. Fecha: Mircoles 21 de Abril 2004 PARTE I: COMENTES Y PREGUNTAS CORTAS: RESPONDA 5 (30%) 1. En base a lo planteado por Kinnear y Taylor, cules son las principales caractersticas de las tcnicas cualitativas de investigacin? Las principales caractersticas de las tcnicas cualitativas segn Kinnear y Taylor, son las siguientes (1,2 puntos cada una): a. Se utilizan muestras pequeas de conveniencia o de cuotas (no probabilsticas). b. La informacin primaria que se busca se relaciona con las motivaciones, las creencias, los sentimientos y las actitudes de los entrevistados. c. Se utiliza un enfoque intuitivo y subjetivo en la recoleccin de datos. d. El formato de recoleccin de datos es de respuesta abierta (no estructurado). e. El enfoque no pretende suministrar datos estadsticos o cientficos exactos (investigacin no concluyente) sino que generar hiptesis o ideas, para una investigacin concluyente posterior. 2. Dado que el error no muestral de una investigacin no es medible, el error total tampoco se puede determinar y por lo tanto, el nico error relevante es el error muestral, que si podemos medir y reducir al aumentar el tamao de la muestra. Comente. El error relevante en una investigacin es el error total (1 punto), es decir la suma del error muestral ms los errores no muestrales (1 punto). Si bien no se puede medir ni la magnitud ni la direccin de los errores no muestrales (1 punto), si se puede tomar las medidas necesarias para reducirlos (1 punto), de tal manera de reducir el error total de la investigacin (1 punto) y mejorar la calidad y el valor de la informacin (1 punto). 3. En qu se diferencia el diseo de corte transversal del diseo longitudinal y cules son las ventajas del segundo en relacin al primero? El diseo de corte transversal consiste en una investigacin en un punto del tiempo (fotografa de la situacin en ese momento) (1,5 puntos), en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo (serie de tiempo) (1,5 puntos). La ventaja del diseo longitudinal sobre el diseo de corte transversal es que

entrega mayor cantidad de informacin al investigador (1,5 puntos) y le permite un mayor control para establecer relaciones de causa y efecto o de causalidad, entre una variable de marketing y una variable de respuesta o de comportamiento de los consumidores (1,5 puntos). 4. El proceso de medicin en Marketing es fcil porque la mayora de las variables corresponden a escalas de razn. Comente. El proceso de medicin en Marketing es difcil (2 puntos), porque la mayora de las variables corresponden a conceptos psicolgicos que estn medidos en escala ordinal o de intervalo, como las preferencias y las actitudes (2 puntos). Son pocas las variables en Marketing medidas en escala de razn, para las cuales existe un 0 absoluto y que pueden ser medidas en forma objetiva (2 puntos). 5. Por qu es necesario complementar las medidas de tendencia central con medidas de dispersin para describir una variable de una poblacin? Las medidas de tendencia central deben complementarse con medidas de dispersin para describir una variable de una poblacin, debido a que 2 poblaciones pueden tener las mismas medidas de tendencia central, pero diferentes medidas de dispersin (3 puntos) y al revs, 2 poblaciones pueden tener las mismas medidas de dispersin y diferentes medidas de tendencia central (3 puntos). 6. Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser el error de no respuesta. Comente. Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser la tasa de no respuesta, pero el error de no respuesta no necesariamente ser menor (1,5 puntos). Todo depende de la diferencia entre los que responden y los que no responden (1,5 puntos). Si la respuesta de los que no responden hubiera sido la misma de los que respondieron, una mayor tasa de respuesta no afectar el error de no respuesta (1,5 puntos). Si la respuesta de los que no respondieron hubiera sido distinta de los que respondieron, una mayor tasa de respuesta, implicar un menor error de no respuesta (1,5 puntos).

PARTE II: ALTERNATIVAS Y COMPLETACION DE ORACIONES (30%) Seleccione la alternativa ms adecuada marcando con una cruz su respuesta. Cada alternativa correcta vale 2.5 puntos y cada alternativa incorrecta descuenta 1 punto. El utilizar una muestra fija en que las mismas variables son medidas en forma peridica, se conoce como _panel tradicional. La distincin entre datos primarios y secundarios se relaciona principalmente con: a) b) c) d) e) La fuente de donde se obtienen los datos. La importancia relativa de los datos. El objetivo para el cul se recolectan los datos. La etapa de la investigacin (exploratoria o descriptiva). Ninguna de las anteriores.

Suponga que el objetivo de un estudio de mercado es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala de intervalo de 6 puntos. La Marca X obtuvo un 6, la Marca Y un 3 y la Marca Z un 2. Cul(es) es(son) la(s) conclusin(es) correcta(s) que se puede(n) obtener de estos datos? I. II. III. a) b) c) d) e) La Marca X es dos veces ms preferida que la Marca Y. La Marca Y es ms preferida que la Marca Z. La diferencia entre la Marca X y la Marca Y es tres veces mayor que la diferencia entre la Marca Y y la Marca Z. Slo I Slo II Slo III I y III II y III

Si un proceso de medicin tiene un alto error aleatorio y no tiene error sistemtico, se dice que la medida es: a) b) c) d) e) Vlida pero no confiable. Vlida y confiable. Confiable pero no vlida. Ni vlida ni confiable. Ninguna de las anteriores

Una medida adecuada de dispersin para datos en escala ordinal es el rango (intercuartlico) y la frecuencia absoluta y relativa. (ambas respuestas son aceptables) Qu pasa con el margen de error de un intervalo si se exige un menor nivel de confianza, manteniendo todo lo dems constante: a) Disminuye el margen de error b) Aumenta el margen de error c) El margen de error no vara d) Depende del tamao de la muestra e) Tendr una mayor precisin

Sea Ho: = o. Si en una muestra de tamao n para testear dicha hiptesis se obtiene x = o, el p value del test ser igual a uno (1). Indique a qu tipo de escala corresponde el siguiente ejemplo: Por favor, indique en qu rango de ingreso mensual se encuentra usted: i) $0 - $100.000 ii) $100.001 - -$300.000 iii) $300.001 - $600.000 iv) $600.001 y ms a) b) c) d) e) Nominal Ordinal Intervalos Razn Likert

En una prueba de hiptesis, si el p-value es menor que el nivel de significancia entonces el Z calculado ser mayor que el Z crtico. Cul de las siguientes sugerencias para realizar Focus Group efectivos es FALSA? a) b) c) d) e) Los participantes deben ser relativamente homogneos. La informacin obtenida es apropiada para generar hiptesis Los participantes deben tener experiencia en Focus Group El ambiente debe ser informal y producir relajacin Los participantes no deben conocerse previamente entre ellos

El peso medido en libras es un ejemplo de una escala de razn. Una mala definicin del marco muestral corresponde a un error no muestral. a) Muestral b) Sistemtico c) Aleatorio d) No muestral e) Ninguno de los anteriores

PARTE III: CASO I (20%) LOreal de Chile S.A. se encuentra desarrollando nuevas frmulas de shampoo dentro de su lnea Garnier Fructis, que se adapten a las caractersticas y necesidades del mercado femenino de nuestro pas. Por esta razn, el Departamento de Marketing de la empresa entreg el siguiente brief a un grupo de empresas de investigacin de mercado, como gua para la elaboracin de sus propuestas de investigacin: Test de producto para Shampoo Garnier Fructis en Chile. 1. Objetivo de la investigacin: Dos nuevas frmulas de Shampoo Garnier Fructis estn disponibles para el mercado chileno. El objetivo de la investigacin es evaluar la aceptacin de estas dos frmulas entre las consumidoras femeninas de Chile. Metodologa: Se sugiere realizar una prueba de producto con los envases reales en los que se comercializar el producto, en dos grupos de 150 mujeres cada uno. El producto debe ser usado en el hogar por un perodo de 3 semanas. La investigacin debe ser realizada al trmino de este perodo, a travs de entrevistas personales en los hogares, aplicando un cuestionario semiestructurado a las 300 mujeres de la muestra. Prueba de producto: Grupo 1 Muestra 150 mujeres Producto Frmula I Grupo 2 150 mujeres Frmula II

2.

3.

En base a la informacin presentada, se le pide responder las siguientes preguntas: 1. A qu tipo de estudio de mercado corresponde esta investigacin? Justifique (6 ptos.) 2. Qu requisitos deben cumplir los grupos de prueba para que los resultados del estudio sean tiles para seleccionar una de las dos frmulas? Explique su respuesta. (6 ptos.) 3. Disee un cuestionario breve con un mximo de 5 preguntas, que permita lograr el objetivo de la investigacin. (8 ptos.) 1. Esta investigacin corresponde a un experimento (investigacin causal o experimental) (3 puntos), debido a que se manipula una variable de marketing (producto), presentndole dos frmulas de shampoo a dos muestras o grupos experimentales, para medir su efecto sobre la respuesta de las consumidoras y concluir cul de las dos frmulas tiene una mayor aceptacin por parte del mercado objetivo (3 puntos). 2. En primer lugar, las dos muestras de 150 mujeres deben pertenecer al mercado objetivo del producto (2 puntos). En segundo lugar, ambas muestras deben ser homogneas, equivalentes o comparables, de tal manera que la respuesta de ambas sea atribuible slo a la variable experimental (frmulas de shampoo) y no a otras variables o diferencias previas entre las muestras (2 puntos). Para ello, ambas muestras deben ser seleccionadas aleatoriamente de la poblacin objetivo o del marco muestral (2 puntos).

3. Cuestionario: (1 punto por la introduccin, 1 punto por cada pregunta y 1 punto por los datos personales)

Introduccin
Buenos das/tardes seora, usted ha usado el shampoo Fructis durante 3 semanas y me gustara conocer su opinin sobre el producto. 1. Cul es la marca/tipo de shampoo que usted consume actualmente? ______________________________________________________ 2. Qu nota le pondra usted al shampoo Fructis que prob? Psimo 1
3.

Muy Malo 2

Malo 3

Regular 4

Bueno 5

Muy Bueno 6

Excelente 7

Comprar usted el shampoo Fructis que prob, en la prxima ocasin de compra?

Definitivamente Probablemente no lo comprar no lo comprar 1 2

No s si lo Probablement comprar o e no lo comprar 3 4

Definitivamente lo comprar 5

4. Cambiara usted el shampoo que usa actualmente por el shampoo Fructis que prob? Si No Razones:___________________________________________________________________________ _____________________________________________________________________________________ _____________________________________________________________________________________ ________________________ 5. Datos personales Nombre:_____________________________________________________ Edad: ______ Tipo de pelo:____________________ Actividad: ______________________ Comuna: _______________________ Etc.

PARTE III: CASO II (20%) A casi dos aos de las prximas elecciones presidenciales, mltiples encuestas entregan resultados divergentes respecto a las preferencias de los chilenos por los potenciales candidatos. Por ejemplo, de acuerdo a la ltima encuesta de Benchmark, tres puntos separan a Joaqun Lavn de la ministra Michelle Bachelet. El edil de Santiago obtiene un 45% de las preferencias contra un 42 % de la titular de Defensa. El sondeo telefnico realizado a nivel nacional comprendi un universo de 1.900 personas. Sin embargo, esta encuesta entra en conflicto con los resultados de los ltimos sondeos efectuados por Ipsos Search Marketing y Gemines. En ambos sondeos realizados los ltimos das de marzo, la ministra Bachelet supera a Lavn por ms de 15 puntos de distancia. En el almuerzo familiar del da domingo la tertulia deriva en este tema y varios de los presentes esperan escuchar de usted, en su calidad de futuro ingeniero comercial, las razones tcnicas que pueden explicar esta aparente incongruencia. Las diferencias entre las distintas encuestas pueden deberse tanto a errores muestrales como no muestrales (ET= EM+ENM) (dado que no entraba muestreo el mayor nfasis de la respuesta debiera estar en los ENM). El EM est relacionado con el procedimiento de muestreo y con el tamao de la muestra. (Nota ayudante: Cabe hacer notar que con una muestra de n=300 dos encuestas sin ENM pueden diferir en ms de 10 puntos porcentuales). Max. 6 puntos. El ENM puede explicar la diferencia debido a: Max. 14 ptos (2 ptos por cada tipo de error). -Diseo del cuestionario: orden y contenido de las preguntas. Formato de respuesta, palabras utilizadas, encabezamiento, etc. - Disposicin del encuestado a entregar su verdadera preferencia (percepcin de confidencialidad) -Medio de administracin: Telefnica, personal con encuestador y los posibles sesgos. -Cobertura geogrfica: Stgo. vs Pas -Errores de no respuesta: rechazo, abandono, o no contactado. -Fecha de realizacin: cualquier evento externo puede modificar las preferencias (proceso dinmico) -Quienes pueden ser encuestados (Marco Muestral): Mayores de 18 aos aquellos que estn inscritos en los registros electorales, etc. -Errores de digitacin, tabulacin y procesamiento de las respuestas.

Universidad de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin INVESTIGACIN DE MERCADOS PAUTA SOLEMNE II Seccin 1: Profesor Enrique Manzur. Seccin 2: Profesor Juan Pablo Muoz. Fecha: Mircoles 26 de mayo 2004 PARTE I: PREGUNTAS CORTAS (Responda en un mximo de 8 lneas) (25%) 1. Explique la diferencia entre muestreo estratificado y muestreo por cuotas. El muestreo estratificado es un tipo de muestreo probabilstico que se caracteriza por dividir a la poblacin de inters en estratos o grupos relativamente homogneos y luego, seleccionar una muestra aleatoria de cada uno de los estratos. Se puede determinar el margen de error muestral. El muestreo por cuotas es un muestreo no probabilstico que intenta ser representativo de la poblacin de inters, seleccionando las unidades en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas (sexo, edad, GSE, etc.) seleccionadas que se cree pueden influir en las variables a medir. No se puede determinar el margen de error muestral. 2. La Prueba Chi-Cuadrado permite establecer la existencia de una relacin de causalidad, en cambio, el coeficiente de correlacin mide el grado de asociacin entre dos variables. Comente. La Prueba Chi.Cuadrado permite establecer si existe una relacin estadsticamente significativa entre dos variables nominales o categricas, pero no permite establecer la existencia de una relacin de causalidad entre ellas. El Coeficiente de Correlacin ( r ) permite medir la magnitud y direccin de la asociacin lineal entre dos variables de intervalo o de razn. Luego, la afirmacin es falsa. 2. Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), entonces se concluye que la matriz de correlacin se asemeja a la matriz identidad (I). Comente. Esta afirmacin es falsa puesto que si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), se rechaza la Ho: matriz de correlacin = la matriz de identidad. En otras palabras, un p value pequeo indica que la matriz de correlacin es muy diferente de la matriz de identidad y por lo tanto, las variables analizadas estn correlacionadas entre s y el Anlisis Factorial es aplicable.

3. Explique claramente en que consiste el muestreo por rea. El muestreo por reas es un tipo de muestreo probabilstico por conglomerados, que se caracteriza por ir seleccionando aleatoria y secuencialmente, reas geogrficas (comunas, distritos censales, manzanas). Luego, se deben empadronar los hogares de las manzanas seleccionadas y finalmente, seleccionar aleatoriamente al entrevistado en cada uno de los hogares seleccionados. El muestreo por reas es el nico tipo de muestreo probabilstico que no requiere conocer o tener identificados a todos los elementos de la poblacin de inters (marco muestral completo) sino slo aquellos de las reas seleccionadas. 4. Explique cual es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin? El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin. PARTE II: ALTERNATIVAS Y COMPLETACION DE ORACIONES (24%) Complete las siguientes frases o seleccione la alternativa ms adecuada marcando con un crculo. Cada respuesta correcta vale 3 puntos y cada respuesta incorrecta en las preguntas de alternativas descuenta 1 punto. El anlisis de varianza (ANOVA) normalmente requiere una variable dependiente en escala nominal/ordinal y una variable independiente en escala de intervalo/razn. En una muestra no probabilstica no se puede determinar el margen de error muestral, y por lo tanto no se recomienda su uso para la investigacin concluyente. Los factor loadings o cargas factoriales corresponden a las correlaciones entre las variables y los factores/componentes. La comunalidad de extraccin de una variable, es la cantidad de varianza de esa variable que es explicada por los factores seleccionados. En el muestreo por conglomerado, el criterio para formar los grupos es que estos sean heterogneos.

Cuales de las siguientes afirmaciones respecto al factor de correccin de poblacin finita (FC) son verdaderas: I. Puede tomar cualquier valor entre 0 y 1. II. Se aproxima a 0 a medida que N se hace ms grande en relacin a n. III. Es igual a 1 cuando N = n. IV. No aplicarlo implica una sobrestimacin del tamao de muestra requerido cuando FC es distinto de 1. a. I y II b. I y IV c. I, III y IV d. I, II y III e. todas En la Prueba Chi-Cuadrado, los datos de la tabla de contingencia corresponden a: a. Medias. b. Frecuencias relativas. c. Frecuencias absolutas. d. Frecuencias esperadas e. Ninguna de las anteriores En un muestreo probabilstico: a. Cada miembro de la poblacin tiene la misma posibilidad de ser elegido. b. Los porcentajes para ciertas caractersticas demogrficas sern iguales para la muestra y la poblacin. c. Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido. d. Se eligen los participantes de acuerdo al criterio del investigador. e. Ninguna de las anteriores

PARTE III: CASO I (12%) Un estudio de mercado realizado para determinar si los consumidores chilenos del norte, centro y sur del pas difieren en la importancia que otorgan a la marca al tomar una decisin de compra, dio como resultado el siguiente output: Between Groups Sum of Squares 46,81 df 2 Mean Square 23,41 F Y Sig .31

Within Groups

18543,78

897

_X__________

1. Qu tipo de anlisis es ste y cul es la hiptesis nula? Este es un Anlisis de Varianza (ANOVA) y la hiptesis nula es que no existen diferencias entre los consumidores chilenos del norte, centro y sur del pas, en la importancia que otorgan a la marca al tomar una decisin de compra. (H0: 1 = 2 = 3) 2. Complete la tabla (valores para X e Y) X = MSW = (SSW/ N-g) = 18543,78 / 897 = 20,67 Y = (MSB / MSW) = 23,41 / 20,67 = 1,13 3. A qu conclusin se llega en base a los resultados anteriores? En base a los resultados anteriores, no se rechaza la Ho de que no existen diferencias entre los consumidores chilenos del norte, centro y sur del pas, en la importancia que otorgan a la marca al tomar una decisin de compra, debido a que F es cercano a 1 y el p value o nivel de significancia observado en la prueba es = 0,31 (alto o no significativo). Lo anterior implica que no existen diferencias estadsticamente significativas entre los consumidores del norte, centro y sur del pas en este tema. 4. Si se calculara la importancia promedio de la marca para cada grupo, usted esperara que las medias de las muestras fueran similares o diferentes? Explique su respuesta. Las medias de las muestras deberan ser similares entre s, en forma consistente con los resultados del ANOVA que no entregan evidencia suficiente como para rechazar la hiptesis nula de que las medias de los grupos son iguales. Luego, no deberan existir diferencias estadsticamente significativas entre las medias de las muestras.

PARTE III: CASO II (19%) El diario La Segunda public el 12 de este mes una encuesta realizada por Ipsos respecto a las preferencias que obtienen los candidatos a alcalde por la comuna de Santiago. De acuerdo a la informacin que se entrega, responda lo siguiente: a. (3 puntos) Identifique la poblacin de inters. La poblacin de inters est compuesta por los hombres y mujeres de 18 y ms aos, pertenecientes a todos los grupos socioeconmicos, residentes en Santiago e inscritos en los registros electorales de dicha comuna. b. (6 puntos) Explique claramente el mtodo de seleccin utilizado, incluyendo los elementos y unidades muestrales, as como el tipo de muestreo resultante. Las unidades muestrales (telfonos) fueron seleccionadas por medio de un sorteo aleatorio de telfonos del directorio telefnico de la comuna de Santiago y los elementos muestrales fueron seleccionados por cuotas de sexo, edad y grupo socioeconmico. En consecuencia, el tipo de muestreo resultante es no probabilstico, puesto que en la seleccin de los elementos muestrales, se pierde la aleatoriedad al intervenir el juicio del entrevistador para completar las cuotas asignadas. En rigor, el margen de error muestral no se puede determinar para esta muestra. c. (5 puntos) En base a la ficha tcnica, calcule (E) Asumiendo supuestos de aleatoriedad simple a nivel de los elementos muestrales, un nivel de confianza de 95% y una varianza mxima, el margen de error muestral (E) es de: E = z x (1-) n E = (1,96) x 0,5 x 0,5 457 E = + 4,58% d. (5 puntos) Por qu se habla de un empate tcnico entre ambos candidatos? En este caso, se habla de un empate tcnico entre ambos candidatos, puesto que al haber un margen de error muestral de + 4,58% en las estimaciones, el porcentaje de votacin de Schaulsohn puede estar entre 34,72% y 43,88% y el porcentaje de votacin de Alcano puede estar entre 29,12% y 38,28%. Luego, ambos intervalos se traslapan y en consecuencia, la diferencia entre ambos candidatos no es estadsticamente significativa.

PARTE III: CASO III (20%) Ruta Norte entr al mercado con una fuerte campaa publicitaria enfocada principalmente a los jvenes. Para analizar el efecto de la entrada de este nuevo competidor, se realiz una investigacin de mercado. Entre otros se realiz un anlisis factorial para determinar la importancia de 8 conceptos o atributos (en escala de 1 a 7, donde 1: poco importante y 7: muy importante), al momento de elegir una marca de pisco. Los principales resultados se presentan a continuacin. En base a dichos antecedentes se le pide conteste las siguientes preguntas: a. Determine si el anlisis factorial es apropiado para este caso. Justifique claramente. El Anlisis Factorial es apropiado en este caso, debido a que la prueba de esfericidad de Bartlett tiene un p value cercano a 0 por lo que se rechaza la hiptesis nula de que las variables analizadas no estn correlacionadas entre s (se rechaza la Ho: MC=I). Adems el test de adecuacin de la muestra KMO=0.872 0.5 (lo que indica que la muestra es adecuada). b. Calcule la comunalidad de extraccin para el concepto juvenil La comunalidad de extraccin para el concepto juvenil se puede determinar sumando sus cargas factoriales al cuadrado (en forma horizontal): (0,624) + (0,674) = 0,844 c. Determine el porcentaje de la varianza de la variable regalo explicada por el componente 2 de la matriz no rotada. El porcentaje de la varianza de la variable regalo explicada por el componente 2 de la matriz no rotada, se puede determinar elevando al cuadrado la carga factorial de esa variable, en el componente 2 de la matriz de componentes no rotada: (-0,505) = 0,255 (25,5%) d. Calcule el eigenvalue asociado al componente 2 de la matriz rotada. El eigenvalue o valor especfico asociado al componente 2 de la matriz rotada, se puede determinar de dos formas: 1. por medio de la sumatoria de las cargas factoriales al cuadrado, para las 8 variables en el componente 2 de la matriz rotada (en forma vertical): (0,178) + (0,918) + (0,897) + (0,116) + (0,211) + (0,764) + (0,321) + (0,733) = 2,96 2. Calculando la diferencia entre la suma de los eigenvalues de extraccin y el eigenvalue del componente 1 de la solucin rotada: (4.680 +1.692)-3.413 = 2.959

e. Interprete los factores obtenidos e indique el porcentaje de varianza que explican. El Componente 1 puede representar la dimensin Tradicional / Adulto (regalo, status, seriedad, especial) y el Componente 2 puede representar la dimensin Actual / Joven (juvenil, fiestas, amistad, moderno). El Componente 1 explica un 42,657% de la varianza (3,413/8) y el Componente 2 explica un 37,003% de la varianza (2,96/8). La varianza explicada por ambos componentes es de 79,66%.
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,872 Bartlett's Test of Sphericity Approx. Chi-Square df Sig. 2537,704 28 ,000

Total Variance Explained Initial Eigenvalues % of Cumulative Total Variance % 4,680 58,505 58,505 1,692 21,155 79,660 ,370 4,626 84,286 ,360 4,500 88,787 ,292 3,653 92,440 ,261 3,268 95,707 ,197 2,463 98,171 ,146 1,829 100,000 Extraction Sums of Squared Loadings % of Cumulative Total Variance % 4,680 58,505 58,505 1,692 21,155 79,660 Rotation Sums of Squared Loadings % of Cumulative Total Variance % 3,413 42,657 42,657 2,960 37,003 79,660

Component 1 2 3 4 5 6 7 8

Extraction Method: Principal Component Analysis.

a Rotated Component Matrix

a Component Matrix

seriedad juvenil fiestas regalo status amistad especial moderno

Component 1 2 ,765 -,422 ,624 ,674 ,690 ,590 ,767 -,505 ,829 -,433 ,804 ,316 ,830 -,289 ,786 ,291

seriedad juvenil fiestas regalo status amistad especial moderno

Component 1 2 ,855 ,178 3,427E-02 ,918 ,139 ,897 ,912 ,116 ,912 ,211 ,405 ,764 ,818 ,321 ,406 ,733

Extraction Method: Principal Component Analysis. a. 2 components extracted.

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.

Universidad de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin MARKETING II - INVESTIGACIN DE MERCADOS PRUEBA SOLEMNE I Seccin 1: Profesor Enrique Manzur Seccin 2: Profesor Sergio Olavarrieta Seccin 3: Profesor Juan Pablo Muoz Fecha: Jueves 09 de Septiembre de 2004 Tiempo: 120 minutos PARTE I: COMENTES Y PREGUNTAS CORTAS: RESPONDA 5 (35%)

1. Compare las ventajas y desventajas de la observacin versus la comunicacin para la recopilacin de datos primarios. La comunicacin es ms verstil (dos vas) que la observacin, porque permite recopilar todo tipo de datos primarios, en cambio la observacin slo permite recopilar datos sobre conductas observables y estimar algunos datos demogrficos. La comunicacin es ms rpida y econmica que la observacin, porque no es necesario esperar que ocurra el comportamiento que se requiere observar, lo que es costoso. La observacin es menos subjetiva que la comunicacin al no haber interaccin entre el sujeto y el observador. La observacin es ms exacta que la comunicacin porque no depende de la capacidad, recordacin y/o disposicin del entrevistado para entregar la informacin correcta. 2. La correlacin es una condicin necesaria y suficiente para establecer una relacin de causa y efecto entre dos variables. Comente. La correlacin es una condicin necesaria pero no suficiente para establecer una relacin de causa y efecto entre dos variables. Adems de la correlacin, debe establecerse el orden temporal de las variables (la causa debe anteceder al efecto en el tiempo) y debe eliminarse otras causas posibles. Si se dan las 3 condiciones, se puede establecer una relacin de causalidad entre dos variables.

3. Seale las ventajas y desventajas que presenta el recolectar informacin a travs de un panel de consumidores. a) Al realizar mediciones repetidas en el tiempo (estudio longitudinal o de serie de tiempos), el panel de consumidores entrega mayor cantidad de informacin que permite establecer mejor una relacin entre una variable de marketing y una variable de respuesta o de comportamiento de los consumidores. Adems permite determinar los cambios de conducta al mantener una muestra relativamente fija y por ende comparable. b) La informacin de un panel de consumidores tiene varios sesgos potenciales, como: el sesgo de autoseleccin, la maduracin o cambio de los participantes a travs del tiempo. Adems el saberse medidos puede alterar el comportamiento, tambin el abandono o desercin de los participantes del panel que pueden afectar la validez o representatividad de la informacin obtenida. 4. En qu situacin es preferible una entrevista en profundidad a un focus group y cmo debiera prepararse la misma? La entrevista en profundidad es preferible a un focus group cuando se investiga temas personales, conflictivos o sensibles que las personas no estn dispuestas a revelar en forma pblica, cuando se requiere profundizar ms en las opiniones, percepciones y preferencias individuales de las personas y cuando la interaccin grupal no contribuye a generar mayor cantidad de ideas y opiniones (no existe un efecto domin importante). La entrevista en profundidad es preferible tambin en el caso de aquellos grupos objetivo de difcil acceso y participacin en un focus group (GSE AB, ejecutivos, empresarios, profesionales independientes). Una entrevista en profundidad debe ser conducida por un entrevistador con experiencia, quien debe crear un ambiente en cual el encuestado se sienta relajado y libre para expresar sus sentimientos y creencias. La redaccin y la secuencia real de las preguntas se dejan a la decisin del entrevistador. 5. El proceso de medicin en Marketing es difcil porque la mayora de las variables corresponden a escalas de razn, las que tienen un cero absoluto. Comente. El proceso de medicin en Marketing es difcil porque la mayora de las variables medidas (actitud, satisfaccin, intencin, preferencia, etc.) corresponden a escalas ordinales o de intervalos, las que no tienen un cero absoluto. Son pocas las variables en Marketing que estn medidas en escala de razn (ventas, participacin de mercado, nmero de clientes, etc.), que tienen un cero absoluto y que por lo tanto, son fciles de medir en forma objetiva.

6. La tasa de no respuesta de un estudio de mercado es cuantificable y por lo tanto, el error de no respuesta se puede medir. Comente.
La tasa de no respuesta de un estudio de mercado es cuantificable, porque se puede determinar que porcentaje de los elementos seleccionados en la muestra, se neg a responder el cuestionario ya sea en forma parcial o total. Sin embargo, el error de no respuesta es diferente a la tasa de no respuesta y no se puede medir, debido a que no podemos determinar si las personas que no respondieron hubieran respondido igual o diferente que las personas que si respondieron. PARTE II: ALTERNATIVAS Y COMPLETACION DE ORACIONES (34%) Seleccione la alternativa ms adecuada marcando con una cruz su respuesta. Cada alternativa correcta vale 2 puntos y cada alternativa incorrecta descuenta 1 punto. En una prueba de hiptesis, si el nivel de significancia observado (p-value) es mayor que el nivel de significancia exigido, entonces el t calculado ser menor que el t crtico y por lo tanto no se rechaza (se acepta) la hiptesis nula. Qu pasa con el margen de error de un intervalo, si se exige un mayor nivel de confianza, manteniendo todo lo dems constante? a) b) c) e) f) Disminuye el margen de error Aumenta el margen de error El margen de error no vara Depende del tamao de la muestra Tendr una mayor precisin

En una prueba de hiptesis, si el z calculado es mayor que el z crtico, entonces el p-value debe ser______________ a) b) c) d) e) mayor que el nivel de confianza cercano a 1 menor que el nivel de significancia mayor que la potencia del test Ninguna de las anteriores

Si una Balanza marca siempre un kilo ms que el peso real, entonces: a) b) c) d) e) No tiene error sistemtico No es confiable Es vlido pero no confiable Es confiable pero no vlido Ninguna de las anteriores

Sea Ho: = 0. Si en una muestra de tamao n=100 para testear dicha hiptesis se obtiene x = 0, el p value asociado al test ser igual a_1 (uno)____.

La probabilidad de no rechazar una hiptesis nula que es verdadera corresponde a: a) Error tipo I b) Error tipo II c) Nivel de confianza d) Complemento del error tipo II e) Ninguna de las anteriores Si uno quisiera verificar la confiabilidad de un instrumento de medicin, podra aplicarlo dos veces a la misma muestra de sujetos. Una medida de la confiabilidad del instrumento sera que la correlacin fuera cercana a 1. Un diseo de investigacin de tipo experimental/causal es el ms apropiado para investigar si un tipo de comercial es ms efectivo que otro en trminos de recordacin de marca. Si un proceso de medicin tiene un alto error sistemtico y un bajo error aleatorio, se dice que la medida es: f) g) h) i) j) Vlida pero no confiable. Vlida y confiable. Confiable pero no vlida. Ni vlida ni confiable. Ninguna de las anteriores

El nmero de folio asignado a usted en esta prueba, es un ejemplo de una escala la estadstica de tendencia central permitida es la frecuencia/moda.

nominal y

Sea Ho: = 500. Si en una muestra de tamao n=1000 para testear dicha hiptesis se obtiene x = 500, el valor calculado del test z ser igual a 0 (cero) y por lo tanto no se rechaza la hiptesis nula. La investigacin concluyente comprende la investigacin descriptiva y la investigacin

causal/experimental.
El utilizar una muestra fija en que diferentes variables son medidas a travs del tiempo, se conoce como Panel mnibus. Un cuestionario estructurado es ms apropiado para la investigacin concluyente (descriptiva, cuantitativa o causal) en cambio un cuestionario no estructurado es ms apropiado para la investigacin exploratoria (cualitativa). Qu sucede en la prueba de hiptesis si se reduce el nivel de confianza? a. El error tipo I disminuye b. El error tipo II aumenta c. El error tipo II disminuye d. La potencia disminuye e. Ninguna de las anteriores

Cul de las siguientes sugerencias para realizar Focus Group efectivos es FALSA? f) g) h) i) j) Los participantes deben ser relativamente homogneos. Los participantes no deben tener experiencia en Focus Group El ambiente debe ser informal y producir relajacin La informacin obtenida es apropiada para testear hiptesis Los participantes no deben conocerse previamente entre ellos

Indique a que tipo de escala corresponde el siguiente ejemplo: Haga un ranking de las siguientes marcas de electrnica en trminos de su preferencia: Samsung, Sony, LG, JVC. Use el 1 para su primera preferencia y 4 para su cuarta preferencia. a) Nominal b) Ordinal c) Intervalos d) Razn e) Likert

PARTE III: CASO I (16%) La Cmara Nacional de Comercio y BancoEstado desarrollaron recientemente un plan piloto en Valparaso y Via del Mar con cerca de 70 negocios que comenzaron a operar con una nueva tarjeta de crdito orientada a los consumidores de los GSE C3 y D que no califican para los bancos ni para las multitiendas. Estamos realizando una marcha blanca por un perodo de 3 a 6 meses, para ver cmo nos va y luego definir qu haremos ms adelante. Esta es una tarjeta necesaria para el mercado, porque los bancos privados le dan cuentas corrientes y crditos a ciertas personas, las grandes tiendas estn dirigidas preferentemente al sector medio y nosotros estamos atacando a un perfil ms bajo, coment Fernando Lihn, presidente de la Cmara Nacional de Comercio. Debido a esta estrategia es que la Cmara Nacional de Comercio recurri a BancoEstado para poner en marcha este proyecto. Es el que ofrece las tasas de inters ms bajas del sistema financiero en tarjetas de crdito para las personas que demuestran un bajo nivel de ingresos. Hay millones de clientes de libreta de ahorro del banco que podran acceder a una tarjeta de crdito, expres el dirigente. Los negocios adscritos a la Cmara Nacional de Comercio que trabajen con esta tarjeta tambin se beneficiarn. En la actualidad, existen pequeos y medianos comerciantes que entregan crditos directos conocido popularmente como fiado a sus clientes y no les queda capital de trabajo para renovar mercadera, lo que se evitar al entregar el prstamo a travs del banco. Suponga que usted ha sido contratado recientemente como asesor de marketing por la Cmara Nacional de Comercio y se le solicita su colaboracin en la evaluacin, desarrollo y lanzamiento de este nuevo producto. En base al anlisis de la informacin entregada, usted debe responder lo siguiente, justificando adecuadamente sus respuestas:

En base a la informacin presentada, se le pide responder las siguientes preguntas: 4. Cul es el problema de decisin de marketing y el problema de investigacin que enfrentan la Cmara Nacional de Comercio y BancoEstado? El problema de decisin de marketing de la Cmara Nacional de Comercio y de BancoEstado es lanzar o no lanzar al mercado la nueva tarjeta de crdito orientada a los consumidores de los GSE C3 y D, que no califican para los bancos ni para las multitiendas. El problema de investigacin de la Cmara Nacional de Comercio y de BancoEstado es determinar el grado de aceptacin que tendr la nueva tarjeta de crdito entre los consumidores de los GSE C3 y D, que no califican para los bancos ni para las multitiendas. 5. Mencione 4 objetivos especficos de la investigacin. a) Determinar que nmero y porcentaje de consumidores de la poblacin objetivo solicitar la tarjeta de crdito. b) Determinar que nmero y porcentaje de consumidores de la poblacin objetivo utilizar la tarjeta de crdito. c) Determinar cul ser la compra promedio con la tarjeta de crdito. d) Determinar qu nmero y porcentaje de consumidores de la poblacin objetivo utiliza la tarjeta como medio de pago y como medio de financiamiento. e) Determinar qu nmero y porcentaje de los consumidores de la poblacin objetivo utiliza el crdito rotatorio y el crdito en cuotas. f) Determinar en cuantas cuotas pagan los consumidores de la poblacin objetivo. g) Determinar en qu tipo de negocios y para qu productos se utiliza la tarjeta. 6. Cul sera la poblacin objetivo de la investigacin? Sea preciso en su definicin. La poblacin objetivo del estudio est compuesta por los consumidores pertenecientes a los GSE C3 y D a nivel nacional, que no tienen acceso al crdito ni en bancos ni en multitiendas o no tienen tarjetas de crdito bancarias o de multitiendas. 7. Qu tipo especfico de estudio de mercado es el plan piloto realizado en Valparaso y Via del Mar? Explique su respuesta. El plan piloto realizado en Valparaso y Via corresponde a una prueba de mercado, en la cual se est probando un nuevo producto en una zona geogrfica (ciudad de prueba) que se considera representativa del mercado total, para decidir si lanzarlo a nivel nacional o no.

CASO II (15%) Durante la ltima dcada, se ha registrado una profunda transformacin y una creciente competencia en el mercado de las distribuidoras de combustibles en nuestro pas. Atrs quedaron aquellos das donde las estaciones de servicio slo vendan combustibles y lubricantes. Por tratarse de commodities, la competencia entre las empresas distribuidoras se ha orientado hacia la diferenciacin en el servicio, como una forma de aumentar la lealtad y la frecuencia de visita de los clientes. En particular la incorporacin de tiendas de conveniencia (C-Stores), que incluyen minimarket y expendio de comida rpida, entre otros servicios, se ha incrementado fuertemente (ej: On the Run, Pronto, Select, Full), desarrollando el concepto de one-stop-shopping. Esta estrategia de diversificacin de servicios, ha obligado a las empresas distribuidoras a otorgarle una mayor relevancia a la investigacin de mercado, con el fin de conocer y satisfacer las necesidades de sus clientes y medir la calidad de los servicios entregados. Un ejemplo de esta tendencia, es la Encuesta de Calidad de Servicio que Shell Chile puso a disposicin de los clientes de su tienda Select. En su calidad de asesor de marketing de Shell Chile se le solicita, que en base al cuestionario adjunto, d su opinin respecto a las siguientes preguntas: a. Identifique claramente el diseo de la investigacin y el mtodo de recoleccin de datos utilizado en este estudio. Es apropiado el mtodo de recoleccin de datos para el diseo de investigacin? Por qu s o por qu no? (7 puntos) b. Identifique al menos 4 potenciales sesgos o errores que presenta el cuestionario y proponga soluciones a ellos. (8 puntos)

a.

El diseo de investigacin utilizado en este estudio es descriptivo/cuantitativo y el mtodo de recoleccin de datos primarios es un cuestionario autoadministrado. Este mtodo de recoleccin de datos no es apropiado para el diseo de investigacin, debido al sesgo de autoseleccin, lo que implica que la muestra resultante es no probabilstica y por lo tanto no se puede determinar el margen de error muestral, ni el nivel de confianza de las estimaciones. Es ms probable que el cuestionario sea respondido por los clientes que han tenido algn problema con el servicio, ms que por los que estn satisfechos, por lo que los resultados no seran representativos de todos los clientes. Adems, un cuestionario autoadministrado no es el mtodo ms apropiado para investigacin concluyente descriptiva/cuantitativa.

b.

Los potenciales sesgos o problemas de este cuestionario son los siguientes: 1) La introduccin del cuestionario puede inducir un sesgo en las respuestas: Si fue excelente queremos saberlo y si no lo fue es nuestra obligacin saberlo. Se recomienda modificar el texto de la introduccin. 2) El cliente puede no saber el significado de la sigla E/S Shell. Se recomienda que la identificacin de la estacin de servicio sea preimpresa o que no la tenga que escribir el entrevistado. 3) El cliente puede no saber el nombre de la persona que lo atendi. Por ende, debera eliminarse este punto, ya que al estar la fecha y hora de la visita se puede identificar indirectamente la persona que estaba atendiendo. 4) En la pregunta 1, la rapidez no puede ser excelente, buena, regular o mala. Se recomienda modificar por una escala de 5 puntos o de 7 puntos, en que 1 = Muy lento y 7 = Muy rpido. Lo mismo se recomienda en las preguntas 2. Se sugiere balancear la escala. 5) La pregunta 3 es una pregunta doble (limpieza y orden del lugar). Se recomienda separarla en dos preguntas. 6) Preguntas 3, 4, 5, 6 se recomienda balancear la escala, modificndola por una escala de 5 puntos o de 7 puntos, en que 1 = Muy malo, y 7 = Muy bueno 7) La pregunta 4 utiliza palabras ambiguas o con un significado poco claro (nivel general del servicio) . Se recomienda cambiar el texto por la calidad del servicio. Se deben utilizar palabras simples, no usar adjetivos o palabras confusas que tengan diferente significado o interpretacin. 8) En la pregunta 7 se recomienda preguntar por: Frecuencia con que asistes a nuestra estacin de servicio: ___ Nunca ___ 1 o 2 veces al mes ___ Primera vez ___ 1 o 2 veces en la semana ___ Ocasionalmente 9) Colocar los datos que estn al final de la encuesta antes de los datos personales, ya que al ser stos optativos mucha gente no los va a responder, y son datos muy tiles para el objetivo de la investigacin. Como lo son: El gnero: si es hombre o mujer La edad: que esta correctamente preguntada en rangos; y Si el encuestado es : automovilista, transportista o peatn.

Universidad de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin MARKETING II INVESTIGACIN DE MERCADOS SOLEMNE II Seccin 1: Profesor Enrique Manzur. Seccin 2: Profesor Sergio Olavarrieta Seccin 3: Profesor Juan Pablo Muoz. Fecha: Mircoles 20 de Octubre de 2004 PARTE I: PREGUNTAS CORTAS (Responda en un mximo de 10 lneas) (28%) 5. Todas las muestras probabilsticas requieren contar con un marco muestral completo de la poblacin objetivo, para poder determinar la probabilidad de eleccin de cada elemento de dicha poblacin. Comente. La muestra por reas es la nica muestra probabilstica que no requiere contar con un marco muestral completo de la poblacin objetivo, debido a que en ella se van seleccionando en forma aleatoria y secuencial, reas geogrficas (distritos censales, manzanas, hogares) hasta llegar al entrevistado en cada hogar. Todas las dems muestras probabilsticas (muestra aleatoria simple, muestra estratificada, muestra sistemtica) requiere contar con un marco muestral completo de la poblacin objetivo, para poder determinar la probabilidad de eleccin de cada elemento de dicha poblacin y que esta probabilidad sea distinta de cero. 6. Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), entonces el valor de la estadstica asociada, tambin debe ser bajo (cercano a 0), lo que indicara que el Anlisis Factorial no es aplicable. Comente. Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0 o menor que 0,05), esto indica que se debe rechazar la hiptesis nula que las variables no estn correlacionadas entre s (la matriz de correlacin no es una matriz de Identidad) y por lo tanto, el valor de la estadstica asociada debera ser alto (lejano de 0), lo que indicara que el Anlisis Factorial si es aplicable. La correlacin entre las variables analizadas es un requisito para resumir las variables en un nmero menor de dimensiones o factores subyacentes, por medio del Anlisis Factorial. Si las variables no estuvieran correlacionadas entre s, esto indicara que cada una representa una dimensin diferente y no sera factible aplicar el Anlisis Factorial para resumir datos.

7. Explique claramente en que consiste el muestreo por conglomerados y seale su principal ventaja y desventaja en relacin al muestreo estratificado. El muestreo por conglomerados es un procedimiento muestral que consta de dos etapas: a. La poblacin objetivo se divide en subconjuntos o conglomerados mutuamente excluyentes y exhaustivos. b. Se selecciona aleatoriamente un nmero de subconjuntos o conglomerados completos que conforman la muestra final. Se recomienda utilizar el muestreo por conglomerados cuando los subconjuntos son heterogneos internamente (alta varianza). La principal ventaja del muestreo por conglomerados por sobre el muestreo estratificado es su mayor eficiencia econmica, puesto que para el mismo tamao muestral, tiene un menor costo por entrevistado y su principal desventaja. Su principal desventaja en relacin al muestreo estratificado es su menor eficiencia estadstica, puesto que para el mismo tamao muestral, genera un mayor error estndar del estimador. 8. De una muestra de datos se ha obtenido la siguiente matriz de varianza-covarianza para tres variables de inters. Se le pide que determine la matriz de correlacin asociada a ella. 9 3 5 1 1/3 3 16 4 1 1/5 5 4 25 1/3 1/5 1

PARTE II: ALTERNATIVAS Y COMPLETACION DE ORACIONES (21%) Complete las siguientes frases o seleccione la alternativa ms adecuada marcando con un crculo. Cada respuesta correcta vale 3 puntos. En una muestra probabilstica se puede determinar el margen de error muestral, y por lo tanto se recomienda su uso para la investigacin concluyente/descriptiva/causal__. La sumatoria de las cargas factoriales al cuadrado en forma horizontal es igual a _la comunalidad de extraccin . La Prueba Chi-Cuadrado compara las frecuencias _observadas/esperadas__ con las frecuencias esperadas/observadas_ . En el muestreo estratificado, el criterio para formar los grupos es que estos sean ___homogneos__ internamente.

Cuales de las siguientes afirmaciones respecto al factor de correccin de poblacin finita (FC) son verdaderas: V. Puede tomar cualquier valor entre 0 y 1. VI. Se aproxima a 1 a medida que N se hace ms grande en relacin a n. VII. Es igual a 1 cuando N = n. VIII. No aplicarlo implica una sobrestimacin del tamao de muestra requerido cuando FC es distinto de 1. a. I y II b. I y IV c. I, II y IV d. I, II y III e. todas La sumatoria de las cargas factoriales al cuadrado en forma vertical es igual a el valor propio/especfico/eigenvalue_. La Segunda realiza diariamente una encuesta en su pgina web sobre algn tema de actualidad nacional. Este tipo de muestreo corresponde a ___muestreo no probabilstico por conveniencia__. PARTE III: CASO I (13%) Un estudio de mercado realizado para determinar si existe una relacin entre el GSE y la marca de cigarrillos preferida por los chilenos, dio como resultado el siguiente output: 5. (3 puntos) Cul es la hiptesis nula en este caso? 6. (6 puntos) Cul sera su decisin respecto a la hiptesis nula? Explique y justifique su respuesta. 7. (4 puntos) Cul es la frecuencia esperada mnima y a qu celda corresponde? 1. Ho: El GSE es independiente de la marca de cigarrillos preferida (No existe asociacin ente ambas variables) 2. Se rechaza Ho pues el p-value tiende a cero. Existe una diferencia significativa entre las frecuencias observadas y las esperadas bajo el supuesto de independencia. El estadstico de 2 es relativamente alto. Es decir, existe relacin entre el GSE y la marca de cigarrillo preferida, no son independientes. 3. La frecuencia esperada mnima es: 22*23/70 = 7.23 y corresponde a la frecuencia esperada en las celdas (1,2); (1,3); (2,2) y (2,3).

PARTE III: CASO II (20%) El Mercurio public el 10 de Octubre pasado, los resultados de la encuesta trimestral El Mercurio-Opina S.A. que mide entre otras variables, la intencin de voto para las prximas elecciones presidenciales de 2005. Ante la pregunta: Si la eleccin presidencial fuese hoy, por quien votara usted? los resultados estimados, varan segn sean las alternativas de candidatos considerados, como se muestra en el grfico adjunto. En base a su anlisis de la ficha tcnica del estudio, que se presenta a continuacin, se le pide responder las siguientes preguntas: e. Dado que uno de los principales objetivos de esta encuesta es predecir el resultado de las eleccin presidencial del 2005, identifique 5 factores que podran afectar la validez de los resultados obtenidos. f. Calcule el margen de error muestral de la encuesta, haciendo explcitos los supuestos que considere necesarios. Muestre sus clculos. g. Interprete, en base a su respuesta a la pregunta b), los resultados para el escenario en que los candidatos sean Bachelet y Lavn. h. De acuerdo a la ficha tcnica, Este margen de error es aplicable slo a los resultados totales de la encuesta. Explique claramente esta afirmacin y de un ejemplo de su aplicacin. a. Factores que pueden afectar la validez de los resultados para predecir el resultado de las eleccin presidencial del 2005 : 1. La encuesta se realiz slo a nivel del Gran Santiago y no todo el pas. 2. Consider nicamente zonas urbanas y no rurales. 3. Incluy a mayores de 18 aos que estn o no inscritos en los registros electorales. 4. Hubo un 9,7% de no respuesta en la muestra (error de no respuesta, tasa de respuesta de 90,3%). 5. Ms de un 10% de los que responden son indecisos (NS/NR) 6. La encuesta se realiz en OCTUBRE 2004 a ms de un ao de la eleccin. b. Supuestos para calcular el error muestral: 1. Se realiz un muestreo probabilstico en todas las etapas 2. Dado que se trabaja con porcentajes (proporciones), se asume varianza mxima (p=0.5) 3. Definir el nivel de confianza (ej. 95% z = 1.96) Clculo: ME= (z) (p)(1-p)/n Si n=400 ME = (1.96) (0.5)(0.5)/400 ME= 0.049 4.9% Si n=361 (400*0.903) ME= 0.0516 5.16% c. Si la muestra efectiva fue de 400 entrevistados, el margen de error muestral es de + 4,9% y por lo tanto la verdadera proporcin poblacional para Bachelet estara entre 40,8% y 50,6% y para Lavn estara entre 38,8% y 48,6% con un 95% de nivel de confianza. En consecuencia, existe un empate tcnico ya que existe un tramo entre 40,8% y 48,6%, en el cual se traslapan ambos candidatos, por lo que cualquiera podra ganar las elecciones.

Si la muestra efectiva fue de 361 entrevistados, el margen de error muestral es de + 5,16%. Luego la verdadera proporcin poblacional para Bachelet estara entre 40,54% y 50,86% y para Lavn, entre 38,54% y 48,86%. Igualmente en este caso, existe un empate tcnico. d. De acuerdo a la ficha tcnica, el margen de error muestral es aplicable a los resultados totales de la encuesta, lo que implica que el margen de error muestral a nivel de cada estrato o segmento de la poblacin (por sexo, por edad, por comuna, etc.) ser mayor porque el tamao muestral de cada estrato ser menor que la muestra total. PARTE III: CASO III (18%) En agosto de ste ao, se llevo a cabo un estudio de las clnicas privadas en Santiago. El estudio se realiz a travs de una encuesta administrada a 116 personas del sector oriente de Santiago. Para ello dos grupos de encuestadores se trasladaron al Parque Arauco y Alto las Condes donde realizaron entrevistas de intercepcin a personas mayores de 18 aos. El objetivo de ste estudio fue determinar la percepcin de los consumidores con respecto a las clnicas, reconocer los atributos ms valorados y de mayor importancia para los consumidores al momento de decidir por una clnica privada en Santiago. Entre otros se realiz un anlisis factorial en relacin a la importancia de 7 atributos (en escala de 1 a 7, donde 1: poco importante y 7: muy importante), que consideran los consumidores al momento de elegir una clnica. Los principales resultados se presentan a continuacin. En base a dichos antecedentes se le pide conteste las siguientes preguntas: f. Calcule la comunalidad de extraccin para el concepto staff mdico y explique su significado. g. Calcule el eigenvalue asociado al componente 2 de la matriz rotada y el porcentaje de varianza que explica. h. Interprete los factores obtenidos e indique el porcentaje de varianza que explican. a. La comunalidad de extraccin para el concepto staff mdico es de 0,582, lo que implica que este concepto comparte un 58,2% de varianza con los dems conceptos o variables consideradas, o bien que los componentes extraidos explican el 58,2% de la varianza en el concepto staff mdico. Comunalidad = (0,386) + (0,658) = 0,582 b. El eigenvalue asociado al componente 2 de la matriz rotada es de 1.694 y explica un 24,2% de la varianza. (Hay varias formas vlidas de calcularlo). Eigenvalue = (0,542) + (0,763) + (0,561) + (-0,09434) + (0,218) + (0,08711) + (0,663) Eigenvalue = 1,694 % Varianza explicada = 1,694/7 = 0,242

c. El componente 1 se puede interpretar como atencin de hotelera y el componente 2 se puede interpretar como atencin de salud. Componente 1 Atencin acogedora 0,891 Comodidad 0,871 Precio -0,828 0,561 Componente 2 Staff mdico Atencin de urgencias Vanguardia tecnolgica Tradicin clnica 0,763 0,663 0,542

El componente 1 explica un 33,6% y el componente 2, un 24,2%, dando un total de 57,8% de varianza explicada.

Universidad de Chile Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin MARKETING II - INVESTIGACIN DE MERCADOS PRUEBA SOLEMNE Seccin 1: Profesor Juan Pablo Muoz 2005 Seccin 2: Profesor Enrique Manzur Semestre Primavera 16 de Septiembre de 2005

PARTE I: COMENTES Y PREGUNTAS CORTAS (36%) (Mximo 10 lneas)

1.

La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma. La validez de una medida se refiere al grado en el cual el proceso de medicin est libre, tanto del error sistemtico como de error aleatorio. La confiabilidad de una medida se refiere al grado en el cual el proceso de medicin est libre de errores aleatorios. En consecuencia, la validez es ms amplia que la confiabilidad y por lo tanto, la afirmacin es verdadera porque si una medida es vlida, necesariamente va a ser confiable. Luego, la validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma, ya que una medida podra ser confiable pero no vlida, si est libre de errores aleatorios pero tiene error sistemtico.

2.

La investigacin descriptiva y la investigacin experimental pueden utilizarse para determinar relaciones de causalidad entre dos variables. La investigacin experimental es ms apropiada que la investigacin descriptiva para establecer relaciones de causalidad entre dos variables, porque provee los 3 tipos de evidencia de causalidad: correlacin, orden de ocurrencia y eliminacin de otras causas posibles, al permitir al investigador manipular las variables de marketing para determinar su efecto sobre las variables de respuesta de los consumidores. La investigacin descriptiva no es apropiada para determinar causalidad entre dos variables, porque no provee evidencia de los 3 tipos, debido a su carcter ex post facto (despus de ocurridos los hechos), lo que no permite aislar la relacin de causa-efecto entre dos variables.

3.

Explique los efectos de una baja tasa de respuesta y seale posibles estrategias para evitarla. Una baja tasa de respuesta implica que un alto porcentaje de la muestra no responde a un cuestionario de un estudio de mercado, ya sea porque el entrevistado no es ubicado o porque se niega a responder. La baja tasa de respuesta implica que se puede afectar la validez y representatividad de los resultados, debido a que hay un mayor error potencial de no respuesta, porque no podemos saber si los que no responden hubieran respondido igual o diferente a los que si responden. Las posibles estrategias para evitarla son las siguientes: a) Revisitar el hogar seleccionado en la muestra o llamar nuevamente al telfono seleccionado. b) Dar un incentivo al entrevistado (regalos, sorteos, $) para aumentar la tasa de respuesta (riesgo de sesgo). c) Utilizar un buen diseo grfico del cuestionario (uso de colores, fcil de responder, diagramacin, calidad del papel, etc.) para aumentar la tasa de respuesta. d) Asegurar la confidencialidad y anonimato de las respuestas. e) Disminuir el tiempo de la entrevista (menos preguntas, cuestionario estructurado) para facilitar la cooperacin. f) Facilitar respuestas (telfono, correo prepagado, Internet) g) Sobremuestrear para obtener el tamao de muestra deseado.

4.

La investigacin cualitativa y la investigacin cuantitativa permiten obtener resultados concluyentes. La investigacin cualitativa no permite obtener resultados concluyentes debido a que utiliza muestras no probabilsticas, pequeas, para las que no se pude establecer el nivel de confianza y el margen de error de las estimaciones. Por lo tanto, sus resultados no pueden ser extrapolados a la poblacin total. La investigacin cuantitativa en cambio, si permite obtener resultados concluyentes debido a que utiliza muestras probabilsticas, grandes, para las cuales se puede establecer el nivel de confianza y el margen de error de las estimaciones y por lo tanto, se puede inferir o extrapolar los resultados a la poblacin total.

5.

En una investigacin de mercado, los errores no muestrales no se pueden medir y por lo tanto, no se pueden reducir o eliminar. En una investigacin de mercado, los errores no muestrales no se pueden medir y pueden sesgar los resultados en direccin y magnitud desconocidas. Sin embargo, los errores no muestrales si se pueden reducir al adoptar las medidas apropiadas para que no ocurran: buen diseo y prueba del cuestionario, capacitacin y supervisin de los encuestadores, controles en la digitacin, codificacin, procesamiento y anlisis de los datos.

6.

El error muestral ms importante en una investigacin de mercado es el error de no respuesta, debido a que un porcentaje de la muestra no responde. El error de no respuesta no es un error muestral, sino un error no muestral, porque no es atribuible al hecho de utilizar una muestra para estimar o inferir valores de la poblacin. El error de no respuesta ocurre cuando un porcentaje de la muestra no responde un cuestionario (total o parcialmente) porque el entrevistado no es ubicado, se niega a responder o porque no sabe o no recuerda la respuesta. Este error no es medible y puede sesgar los resultados porque no sabemos si los que no responden hubieran respondido igual o diferente a los que si responden.

PARTE II: COMPLETACION DE ORACIONES (33%) Complete las siguientes oraciones con la(s) palabra(s) ms adecuada(s) o seleccione la alternativa ms adecuada. Cada respuesta correcta vale 3 puntos y se descontar 1 punto por cada respuesta incorrecta. El concepto que responde la pregunta: Estamos midiendo lo que realmente queremos medir? Corresponde a la validez de la medicin. Si un termmetro agrega siempre un grado ms, esta ser una medida confiable , pero no vlida de la temperatura que se quiera medir. La escala nominal es aquella cuyos nmeros sirven solamente como etiqueta (label) para identificar y clasificar objetos con una correspondencia estricta de uno a uno entre los nmeros y los objetos. En una prueba de hiptesis, el error tipo I ocurre si se rechaza la hiptesis nula cuando es verdadera. Las preguntas cerradas son ms apropiadas para investigacin concluyente (descriptiva/cuantitativa y experimental/causal) en cambio las preguntas abiertas son ms apropiadas para investigacin cualitativa. En un cuestionario, los datos personales del entrevistado deben ir: a) b) c) d) e) Al comienzo del cuestionario Al final del cuestionario En medio del cuestionario No deben incluirse en el cuestionario No tienen un lugar determinado

En una prueba de hiptesis si el z calculado es menor que el z crtico, entonces el p-value ser ______________ f) g) h) i) j) Mayor que el nivel de confianza Cercano a 0 Menor que el nivel de significancia Mayor que la potencia de la prueba Mayor que el nivel de significancia

Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: k) l) m) n) o) Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

Suponga que el objetivo de un estudio de mercado es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala ordinal de 6 puntos. La marca X obtuvo un 6, la marca Y un 3 y la marca Z un 2. Cul o cules son las conclusiones correctas que se pueden obtener de stos datos? IV. La marca X es dos veces mas preferida que la marca Y. V. La marca Y es ms preferida que la marca Z. VI. La diferencia entre la marca X y la marca Y es tres veces mayor que la diferencia entre la marca Y y la marca Z. f) g) h) i) j) Slo I Slo II Slo III I y III II y III

Sea H0: = 500. Si en una muestra de tamao n para testear dicha hiptesis se obtiene x = 500, el p-value del test ser igual a 1. Indique a qu tipo de escala corresponde el siguiente ejemplo: Por favor, indique en qu rango de ingreso mensual se encuentra usted: i) De $0 - $100.000 ii) De $101.000 - $300.000 iii) De $301.000 - $600.000 iv) De $601.000 o ms. a) b) c) d) e) Nominal Ordinal Intervalo Razn Likert

PARTE IV: CASOS (31%) CASO I (16%) Los paneles de consumidores estn siendo utilizados cada ao por un mayor nmero de empresas fabricantes de productos envasados, para apoyar la toma de decisiones de Marketing. En nuestro pas existen dos empresas de investigacin de mercado especializadas en este tipo de estudios: ACNielsen y LatinPanel. El Panel de Consumidores de ACNielsen tiene una muestra de 2.000 hogares en las ciudades de Antofagasta, La Serena-Coquimbo, Via del Mar-Valparaso, Concepcin-Talcahuano y Temuco. Cada hogar colaborador recibe un minicomputador (Homescan) que posee un lector de cdigo de barras. Por cada viaje de compra registra todos los productos que poseen cdigo de barras y responde a las preguntas que le hace el computador. El hogar se comunica una vez a la semana con ACNielsen va telefnica y transmite la informacin. Los precios son registrados en forma paralela en los puntos de venta, por un estudio denominado Retail Scantrack que realiza ACNielsen. El Panel de Consumidores de LatinPanel, tiene 1.800 hogares en las ciudades con 20 mil o ms habitantes desde la I a la X Regin, utilizando encuestadoras que visitan los hogares participantes una vez por semana y registran los productos comprados y los precios de las boletas de compraventa, en una Palm que luego transfiere la informacin al computador de LatinPanel. En relacin a la informacin presentada, se le pide responder las siguientes preguntas: i. Qu tipo de estudio de mercado es un panel de consumidores y cul es el mtodo de obtencin de datos primarios que utiliza? (4 puntos) Un panel de consumidores es un estudio de mercado longitudinal o de series de tiempo (1 punto), que permite monitorear o hacer un seguimiento a la efectividad de las acciones de marketing a travs del tiempo (1 punto). El mtodo de obtencin de datos primarios es la observacin: elctrnica (1 punto) en el caso de ACNielsen (Homescan con lector de cdigo de barras) y humana (1 punto) en el caso de LatinPanel (Encuestadoras digitan los productos y precios de las boletas en una Palm). ii. Mencione 4 usos posibles de un panel de consumidores. (6 puntos) Con un panel de consumidores podra obtenerse informacin sobre los siguientes patrones o hbitos de compra de los consumidores, para una categora de producto, segmento de mercado o marca: (1,5 puntos cada uno) a) Estimar la participacin de mercado de las marcas competidoras, en cada categora de producto. b) Identificar el perfil sociodemogrfico de un producto, marca o grupo de compradores. c) Determinar la lealtad de marca y/o los intercambios de marcas (brand shifting) de los consumidores, en cada categora de producto. d) Determinar las marcas que coexisten (sobreposicin) en los hogares, para entender las lealtades y necesidades, en cada categora de producto.

e) Determinar la frecuencia de compra de las marcas, en cada categora de producto. f) Determinar la tasa de compra de las marcas (nmero de unidades compradas en cada visita), en cada categora de producto (heavy users, light users). g) Determinar la tasa de penetracin de las marca (% de hogares que la compran), en cada categora de producto. h) Medir el efecto de acciones promocionales o publicitarias sobre las ventas de una marca, en cada categora de producto. i) Evaluar el desempeo de un producto o marca, mediante la medicin de nuevos consumidores (prueba) y su posterior aceptacin (recompra). j) Estimar la participacin de mercado de los lugares de compra (cadenas y locales) y las caractersticas de los compradores e influenciadores de determinados productos/marcas. iii. Qu sesgos o errores potenciales tiene un panel de consumidores? (6 puntos) Los errores o sesgos potenciales a los que est expuesto un panel de consumidores, son los siguientes: (1,5 puntos cada uno) a) Sesgo de autoseleccin: Los hogares participantes en un panel de consumidores se autoseleccionan, es decir, hay hogares que aceptan participar y otros que rechazan participar. Es probable que los hogares que aceptan participar tengan caractersticas y hbitos de consumo diferentes de los hogares que rechazan participar. b) Sesgo de desercin (mortalidad): Hay hogares que abandonan el panel y por lo tanto generan un error de no respuesta, puesto que no se sabe si los hogares que permanecen en el panel, se comportarn igual que los hogares que abandonan el panel. c) Efecto de prueba: El hecho de saber que sus hbitos de compra estn siendo medidos, puede alterar su conducta de compra. d) Efecto de maduracin: Los hogares del panel van cambiando a travs del tiempo, a medida que cambia la etapa del ciclo de vida familiar y por lo tanto, las necesidades y hbitos de compra se van modificando lo que afecta la representatividad del panel. CASO II (15%) La cadena Starbucks Coffee se ha caracterizado por entregar una experiencia diferente a sus consumidores. Con el objetivo de evaluar la calidad de los productos y servicios entregados, la cadena pone a disposicin de los clientes que visitan los locales, el cuestionario que se adjunta para ser rerspondido y entregado en el local o enviado por correo postal pagado. En relacin a su anlisis del cuestionario se le pide responder las siguientes preguntas: d. A qu diseo de investigacin corresponde este estudio de mercado? (3 puntos) Este estudio de mercado corresponde a un diseo de investigacin descriptivo o cuantitativo por que su objetivo es medir el grado de satisfaccin de los clientes con la calidad de los productos y servicios ofrecidos por la empresa.

e.

Identifique 3 tipos bsicos de escalas presentes en el cuestionario, indicando la pregunta correspondiente (6 puntos) (1 punto la escala y un punto el ejemplo) a. Escala de intervalo (u ordinal), Preguntas con respuesta en escala tipo Likert de 5 puntos (1= Decepcionante a 5= Sobresaliente) b. Escala nominal, Preguntas con respuesta dicotmica (Si o No) c. Escala ordinal, Preguntas con respuesta en escala de 3 puntos (Con menor frecuencia, Con la misma frecuencia, Con mayor frecuencia) Seale 3 problemas o sesgos potenciales que presenta el cuestionario y explique cmo los resolvera. (6 puntos) a. El uso de adjetivos o palabras como frecuencia, de manera oportuna, ubicacin, mercanca que pueden tener diferentes significados o interpretacin para diferentes personas. Modificar las preguntas evitando el uso de adjetivos o palabras confusas, por ejemplo: Usted visita Starbucks: 1 a 2 veces al mes, 3 a 4 veces al mes, 5 a 6 veces al mes, ms de 6 veces al mes. En el futuro, usted visitar Starbucks 1 a 2 veces al mes, 3 a 4 veces al mes, 5 a 6 veces al mes, ms de 6 veces al mes. b. Pregunta doble: Mis preguntas sobre la mercanca y los productos fueron respondidas a mi entera satisfaccin. Se debe separar la pregunta en dos o preguntar slo por los productos. c. Sesgo positivo: Mis preguntas fueron respondidas a mi entera satisfaccin, Recib el servicio de manera oportuna, El exterior/interior de la tienda estaba limpio. Se puede preguntar en forma ms neutral, por ejemplo, evaluar las respuestas del personal en una escala de 1 a 7, evaluar el tiempo de atencin en una escala de 1 a 7, evaluar la limpieza exterior del local en una escala de 1 a 7, evaluar la limpieza interior del local en una escala de 1 a 7. d. Otro sesgo del cuestionario es la autoseleccin de los clientes que responden, al ser un cuestionario autoadministrado y entregado en el local o enviado por correo, lo que puede inducir una alta tasa de no respuesta y resultados no representativos de todos los clientes. La encuesta se podra hacer en los locales por el personal que atiende.

f.

Universidad de Chile Facultad de Economa y Negocios Escuela de Economa y Negocios MARKETING II - INVESTIGACIN DE MERCADOS PAUTA PRUEBA SOLEMNE Seccin 1: Profesor Juan Pablo Muoz 2006 Ayudante: Sebastin Cobos Semestre Primavera 9 de Septiembre de 2006

PARTE I: COMENTES Y PREGUNTAS CORTAS (42%) (Mximo 10 lneas)

1.- La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma. (7 puntos) La validez de una medida se refiere al grado en el cual el proceso de medicin est libre, tanto del error sistemtico como de error aleatorio. La confiabilidad de una medida se refiere al grado en el cual el proceso de medicin est libre de errores aleatorios. En consecuencia, la validez es ms amplia que la confiabilidad y por lo tanto, la afirmacin es verdadera porque si una medida es vlida, necesariamente va a ser confiable. Luego, la validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma, ya que una medida podra ser confiable pero no vlida, si est libre de errores aleatorios pero tiene error sistemtico. 2.- Explique la diferencia entre muestreo estratificado y muestreo por cuotas. (7 puntos) El muestreo estratificado es un tipo de muestreo probabilstico que se caracteriza por dividir a la poblacin de inters en estratos o grupos relativamente homogneos y luego, seleccionar una muestra aleatoria de cada uno de los estratos. Se puede determinar el margen de error muestral. Puede ser proporcionado o desproporcionado con respecto a la poblacin. El muestreo por cuotas es un muestreo no probabilstico que intenta ser representativo de la poblacin de inters, seleccionando las unidades en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas (sexo, edad, GSE, etc.) seleccionadas que se cree pueden influir en las variables a medir. No se puede determinar el margen de error muestral.

3.- Explique por qu el error total de un estudio de mercado no es completamente medible y seale cmo podra usted reducir el error total. (7 puntos)

El error total de un estudio est compuesto por error muestral y error no muestral. (ET=EM+ENM). El error total no es completamente medible debido a su componente no muestral. Formas de reducir el error total: - Aumentar n (tamao muestral) , esto disminuye el error muestral pero puede aumentar el error no muestral ms que proporcionalmente, por lo que su efecto no es siempre de disminucin del error total. - Disminuir el error no muestral a travs de cuestionarios ms atractivos, rellanado de encuestados, capacitacin de encuestadores, etc. 4.Cules son las ventajas y desventajas de los mtodos de observacin en comparacin con los mtodos de encuesta, para recopilar datos primarios? Mencione 3 ejemplos de metodos de observacin. (7 puntos)
Ventajas: - Medicin de la conducta real No hay desviacin de informacin Ms rpido Ms econmico

Desventajas: - se conoce muy poco acerca de los motivos, creencias, actitudes y preferencias de los encuestados. - la percepcin selectiva puede desviar los datos - puede ser no tico Ejemplos: Observacin personal, observacin mecnica, anlisis de contenido, anlisis de rastros, etc.

5.- Cules son las ventajas y desventajas de un estudio longitudinal en relacin a un estudio de corte transversal para estudiar los hbitos de compra de los consumidores? Mencione 3 ejemplos de estudios longitudinales. (7 puntos) El diseo de corte transversal consiste en una investigacin en un punto del tiempo (fotografa de la situacin en ese momento), en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo (serie de tiempo). La ventaja del diseo longitudinal sobre el diseo de corte transversal es que entrega mayor cantidad de informacin al investigador y le permite un mayor control para establecer relaciones de causa y efecto o de causalidad, entre una variable de marketing y una variable de respuesta o de comportamiento de los consumidores. Ejemplos: People Meter, Paneles de consumidores, Readership, Traking de marcas, etc.

6.- Qu son las preguntas estructuradas? Nombre y explique los tipos de preguntas estructuradas, dando un ejemplo de cada tipo. (7 puntos) Las preguntas estructuradas especifican el conjunto de alternativas de respuesta y el formato de respuesta. Una pregunta estructurada puede ser de opcin mltiple, dicotomica o de escala. Opcin Mltiple: Se proporciona una opcin de respuestas para que los encuestados seleccionen una o ms alternativas dadas. Ejemplo: Cul es su ingreso? a) 0 100.000 b) 100.000 300.000 c) 300.000 1.000.000 d) 1.000.000 2.000.000 e) 2.000.000 o ms. Dicotmicas: Solo se cuenta con 2 alternativas de respuesta, pueden ser complementadas por una alternativa neutral. Ejemplo: Usted fuma? A) Si B) No De escalas: Preguntas hechas con alternativas de respuesta basadas en cualquiera de los tipos de escalas vistos.
PARTE II: COMPLETACION DE ORACIONES (18%) Seleccione la alternativa que usted considere ms adecuada. Cada respuesta correcta vale 2 puntos y se descontar 0,5 puntos por cada respuesta incorrecta. 1.- En un cuestionario, los datos personales del entrevistado deben ir: f) g) h) i) j) Al comienzo del cuestionario Al final del cuestionario En medio del cuestionario No deben incluirse en el cuestionario No tienen un lugar determinado

2.- Al aumentar el nivel de confianza de 95% a 99%, manteniendo todo lo dems constante: a) Se obtendr un intervalo de confianza ms pequeo. b) Se tendr una mayor precisin c) Aumentar el intervalo de confianza d) Solo a) y b) e) Ninguna de las anteriores

3.- Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: p) q) r) s) t) Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

4.- La distincin entre datos primarios y secundarios se relaciona principalmente con: a) La fuente de donde se obtienen los datos. b) La importancia relativa de los datos. c) El objetivo para el cul se recolectan los datos. d) La etapa de la investigacin (exploratoria o descriptiva). e) Ninguna de las anteriores 5.- Con una escala ordinal es posible medir la tendencia central y la dispersin de una distribucin a travs de _______________ y ______________, respectivamente. a) Media y Mediana b) Moda y Rango Intercuartil c) Mediana y Varianza d) Media y Varianza e) Mediana y Rango Intercuartil 6.- El muestreo aleatorio es _________________ representativo que el muestreo no aleatorio. a) Siempre ms b) Siempre Menos c) Mucho ms d) Mucho menos e) Ninguna de las anteriores 7.- ANULADA 8.- Las tecnicas proyectivas no incluyen: a) la asociacin de palabras b) la completacin de oraciones c) la interpretacin de roles d) los grupos focales e) el relato de historias

9.- En un muestreo probabilstico: a) Cada miembro de la poblacin tiene la misma posibilidad de ser elegido. b) Los porcentajes para ciertas caractersticas demogrficas sern iguales para la muestra y la poblacin. c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido. d) Se eligen los participantes de acuerdo al criterio del investigador. e) No se puede determinar el error muestral.

CASO I a) H0: = 722.000 H1: 722.000 b) La desviacin estandar se estima dividiendo el rango por 6, en este caso: 2.700.000/6 = 450.000 = c) Z tabla = 2,325 (al 98%) Z calculado = (X - ) n / = 1,6 Z calc. Es menor que Z tabla, esto quiere decir que no existe evidencia suficiente para rechazar Ho, es decir con 95% de confianza podemos afirmar que el promedio es 722.000 d) p value > 0,02 () e) X Z calc. ( / n ) X + Z calc. ( / n ) 545.375 754.625 E = Z ( / n ) = 104.625 f) Intervalo de cfza: ( se hace ms pequeo ) 597.687,5 702.312,5 Margen de error: (se hace ms pequeo) E= 52.312,5 El resultado de la prueba cambia ya que Z calc = 3,2 es mayor que Z tabla, por lo que se rechaza Ho.

CASO II a) Este es un tipo de muestreo no probabilstico de conveniencia. Ventajas: Menos costoso, demanda menos tiempo, los entrevistados o encuestados son de fcil acceso Desventajas: Muchas posibles fuentes de sesgo, auto seleccin de los encuestados, no es representativo de una poblacin definible, no se pueden generalizar sus resultados. b) Es una escala no comparativa, de clasificacin por tem o intervalo de 3 puntos. Ventajas: Desventajas: c) datos personales al comienzo (deben ir al final) - Pocos datos personales - Cambio de escala de medicin - Sugerencias o comentarios deben ir al final - Preguntas dobles - Caras poco claras Alguna otra falla distinta que estuviese correcta tambin fue considerarda.

UNIVERSIDAD DE CHILE Facultad de Economa y Negocios

Semestre Otoo 2008 05 de Mayo de 2008 PAUTA SOLEMNE I MARKETING II

PARTE I: Comentes (70%) 1. La validez de una medicin es una condicin necesaria pero no suficiente para asegurar la confiabilidad de la misma. Comente. (6 puntos) La validez de una medida se refiere al grado en el cual el proceso de medicin est libre, tanto del error sistemtico como de error aleatorio. (1 punto) La confiabilidad de una medida se refiere al grado en el cual el proceso de medicin est libre de errores aleatorios. (1 punto) En consecuencia, la validez es ms amplia que la confiabilidad y por lo tanto, la afirmacin es falsa, dado que para que una medida sea vlida sta tiene que ser ineludiblemente confiable. Lo anterior sugiere, que la validez de una medicin es una condicin suficiente para asegurar la confiabilidad de la misma. (4 puntos) 2. Describa claramente el procedimiento para seleccionar uana muestra aleatoria sistemtica de clientes, en que n = 100 y N = 10.285. Adems, explique de qu depender la representatividad de la muestra obtenida (6 puntos) Pasos a seguir: (3 puntos) 1) Se debe dividir el tamao de la poblacin objetivo por el tamao de la muestra = N/n, para obtener el intervalo de muestreo que en este caso sera 10.285/100 = 102,85 y aproximarlo al entero ms prximo = 103. 2) Se debe seleccionar un nmero que est en el intervalo de muestreo (entre 1 y 103), en forma aleatoria. Por ejemplo, 97. 3) Al nmero seleccionado en forma aleatoria, se le debe ir sumando el intervalo de muestreo 103, para ir obteniendo los casos seleccionados en la muestra. 4) Los casos o elementos seleccionados en la muestra seran los siguientes: 97, 200, 303, 406, 509, 612, 715, 818, 921, 1024, 1127.9470, 9573, 9676, 9779, 9882, 9985, 10088, 10191. La representatividad de la muestra depender del ordenamiento del listado o base de datos de 10.285 casos o elementos. Por ejemplo, si el listado o base de datos contiene personas ordenadas de mayor a menor ingreso, el muestreo sistemtico seleccionara personas de ingresos altos, medios y bajos. Una muestra aleatoria simple, podra seleccionar slo personas de ingresos bajos, por ejemplo. Si el listado o base de datos est ordenado en base a alguna variable relevante para la investigacin, el muestreo sistemtico podra generar una muestra ms representativa que el muestreo aleatorio simple. Si el ordenamiento del listado o base de datos tiene un patrn cclico, en que se repiten peridicamente casos o elementos con ciertas caractersticas, la representatividad de la muestra podra verse afectada, porque sta podra estar sesgada al contener elementos similares entre s. (3 puntos)

3. Seale qu es la correccin de la poblacin finita (cpf), en qu casos se sugiere su uso y cul sera el efecto de no utilizarla. (6 puntos) La correccin de la poblacin finita (cpf) es una correccin para la sobreestimacin de la variacin de un parmetro de poblacin; por ejemplo, una media o proporcin, cuando el tamao de la muestra es 10% o ms del tamao de la poblacin. El factor de correccin de poblaciones finitas es la raz cuadrada de N-n/N-1 y se aplica sobre la desviacin estndar cuando el tamao muestral (n) supera al 5% a 10% del tamao poblacional (N). Permite reducir el tamao de la muestra necesaria para lograr estimaciones con un determinado nivel de confianza y margen de error, disminuyendo el costo de un estudio de mercado. Cuando n es un bajo % de N, este factor se ignora debido a que su valor se aproxima a 1 y cuando n tiende a N este factor tiende a 0. 4. Si un estudio tiene una tasa de respuesta del 80% entonces tiene un error de no respuesta menor que un estudio con una tasa de respuesta de 60% (asuma que ambos estudios tienen un n efectivo similar). Comente (6 puntos) Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser la tasa de no respuesta, pero el error de no respuesta no necesariamente ser menor. Todo depende de la diferencia entre los que responden y los que no responden. Si la respuesta de los que no responden hubiera sido la misma de los que respondieron, una mayor tasa de respuesta no afectar el error de no respuesta. Si la respuesta de los que no respondieron hubiera sido distinta de los que respondieron, una mayor tasa de respuesta, implicar una menor tasa de respuesta. 5. Explique las diferencias entre el muestreo estratificado y el muestreo por conglomerados y en qu casos se sugiere el uso de uno u otro. (6 puntos) Muestreo Estratificado: Utiliza un proceso de dos etapas para dividir a la poblacin en subpoblaciones o estratos. Cada elemento de la poblacin debe ser incluido slo una vez y no se deben excluir elementos de N. Los elementos se seleccionan en cada estrato mediante un procedimiento aleatorio (por lo general MAS). - Incrementa la precisin sin aumentar el costo. - Variables de estratificacin: variables para dividir a la poblacin en estratos. - Criterio de seleccin de variables: homogeneidad, heterogeneidad, relacin y costo. - Las variables de estratificacin deben estar muy relacionadas con las caractersticas de inters. - Las variables deben disminuir el costo del proceso de estratificacin al ser de fcil medicin y aplicacin. - El nmero de estratos es cuestin de juicio, pero con ms de seis estratos, cualquier ganancia en precisin se opaca por el costo incrementado de la estratificacin y del muestreo. Muestreo por agrupamientos: Primero, la poblacin objetivo se divide en subpoblaciones mutuamente excluyentes y colectivamente exhaustivas llamadas agrupamientos. Luego, una muestra aleatoria de agrupamientos se selecciona con base en una tcnica de muestreo probabilstico como el muestreo aleatorio simple. Para cada agrupamiento seleccionado se

incluyen ya sea todos los elementos en la muestra o se toma una muestra de elementos en forma probabilstica. - La distincin fundamental entre el muestreo de agrupamiento y el muestreo estratificado es que en el muestreo de agrupamiento slo se elige una muestra de subpoblaciones (grupos), en tanto que en el muestreo estratificado todas las subpoblaciones (estratos) se seleccionan para muestreo posterior. - El objetivo es aumentar la precisin y disminuir los costos - Los elementos dentro de un agrupamiento deben ser tan heterogneos como sea posible, pero los agrupamientos mismos deben ser tan homogneos como sea posible. - Muestreo de rea: Agrupamientos que consisten en reas geogrficas. 6. Para determinar el tamao muestral, al estimar una media, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, se sugiere estimarla dividiendo el rango de la variable (max-min) por 6. Explique claramente por qu y cul es el supuesto implcito. (6 ptos.) Supuesto implcito: Normalidad de la muestra o que al menos las medias se comporten como una distribucin normal (3 ptos.) La escala de una variable distribuida normalmente es aproximadamente igual a ms o menos tres desviaciones estndar, y por tanto uno puede estimar la desviacin estndar al dividir la escala entre seis (3 ptos.). 7. Describa claramente los tipos de escala de medicin y explique por qu es importante identificar el tipo de escala antes de realizar el anlisis estadstico de los datos. (6 ptos.) Nominal (0,5 ptos.): esquema de etiquetado figurado en que los nmeros sirven como etiquetas para identificar y clasificar objetos, con estricta correspondencia unvoca entre los nmeros y los objetos (0,5 ptos.). Ordinal (0,5 ptos.): escala de jerarquas en las que se asignan nmeros a los objetos para indicar el alcance relativo al cual los objetos poseen algunas caractersticas. Por eso es posible determinar si un objeto tiene ms o menos una caracterstica, comparado con algn objeto, pero no cuanto ms o menos (0,5 ptos.). Intervalo (0,5 ptos.): aquella en que los nmeros se utilizan para evaluar objetos cuyas distancias equivalentes numricas en la escala representan distancias iguales en la caracterstica que se mide (0,5 ptos.). Razn (0,5 ptos.): posee todas las propiedades de las escalas anteriores y adems, un punto cero absoluto. Permite identificar o clasificar objetos, jerarquizarlos y comparar los intervalos o diferencias. Tambin es significativo computar proporciones de valores de escala (0,5 ptos.).

Es importante identificar el tipo de escala dado que, de esta manera, se pueden aplicar las tcnicas estadsticas correctas a la muestra, tanto medidas de dispersin como medidas de tendencia central (medidas descriptivas) y obtener conclusiones adecuadas segn la escala que se est utilizando (2 ptos.).

PARTE II: Alternativas y completar oraciones (27%) Suponga que el objetivo de un estudio es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala ordinal de 7 puntos. La marca X obtuvo un 6, la marca Y un 3 y la marca Z un 2. Cul o cules son las conclusiones correctas que se pueden obtener de estos datos? I. La marca X es dos veces ms preferida que la marca Y. II. La marca Y es ms preferida que la marca Z. III. La diferencia entre al marca X y la marca Y es tres veces mayor que la diferencia entre la marca Y y la marca Z. a) b) c) d) e) Slo I Slo II Slo III I y III II y III

La temperatura medida en grados Celsius es un ejemplo de escala de Intervalo La Segunda realiza diariamente una encuesta en su pgina web sobre algn tema de actualidad nacional. Este tipo de muestres corresponde a No Probabilstico por conveniencia. El muestreo Bola de Nieve es una tcnica no probabilstica en la que un grupo inicial de encuestados es seleccionado y los encuestados subsecuentes se seleccionan en base a referencias o informacin proporcionada por los encuestados iniciales. Cules de las siguientes afirmaciones respecto al factor de correccin de la poblacin finita (cpf) son verdaderas?: I. II. III. IV. a) b) c) d) e) Puede tomar cualquier valor entre 0 y 1. Se aproxima a 1 a medida que N se hace ms grande en relacin a n. Es igual a 0 cuando N = n. En poblaciones pequeas, no aplicarlo implica una sobreestimacin del tamao de muestra requerido. I y II I y IV I, II y IV I, II y III Todas

Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: a) b) c) d) e) Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

Qu pasa con el margen de error de un intervalo si se exige un menor nivel de confianza, manteniendo todo lo dems constante?: a) b) c) d) e) Disminuye el margen de error Aumenta el margen de error El margen de error no vara Depende del tamao de la muestra Tendr una mayor precisin

Una medida adecuada de dispersin para datos en escala ordinal es Rango Intercuantlico Qu sucede en la prueba de hiptesis si se reduce el nivel de confianza, manteniendo todo lo dems constante? a) b) c) d) e) El error tipo I disminuye El error tipo II aumenta El error tipo II disminuye La potencia disminuye Ninguna de las anteriores

CASO 1: Comida Chatarra (12 puntos) El 41% de la poblacin esta de acuerdo con que se aplique un impuesto especial a los alimentos que aportan un gran contenido calrico y que son considerados poco saludables, como los snacks, papas fritas, golosinas y comida chatarra. Un porcentaje similar cree que se debe prohibir a las empresas fabricantes de esos productos que financien actividades en los colegios, y un 45% opina que no debe haber mquinas expendedoras en las escuelas. As lo revela una encuesta del Ministerio de Salud, elaborada por Ipsos Chile y que abarc a 1.011 personas en 6 regiones del pas. El sondeo pretenda conocer hbitos alimenticios de la poblacin y evaluar el funcionamiento del etiquetado nutricional implementado hace ao y medio. En base a lo anterior y sus conocimientos de investigacin de mercado, se le solicita responder las siguientes preguntas: a) Calcule el margen de error muestral con un nivel de confianza del 97% e interprete el resultado obtenido (6 puntos). Supuestos: 1 Punto Normalidad Muestreo Probabilstico Varianza Mxima Nivel de confianza o precisin

valortabla = Z = 2.17
2

0.97 = 0.485 2

2 Puntos

E = 2.17 *

0.5 * (1 0.5) 1011

= 3.41%
1 Punto

Interpretacin: El valor poblacional se encuentra en un rango de +/- 3.41% a un nivel de confianza del 97% 2 Puntos

b) Cul ser el intervalo de confianza para el porcentaje de la poblacin () que se est de acuerdo con que se aplique un impuesto especial a los alimentos con alto aporte calrico, asumiendo un 92% de nivel de confianza? (6 puntos)

valortabla = Z = 1.75
2

0.92 = 0.46 2

2 Puntos

E = 1.75 *

0.41 * (1 0.41) 1011

= 2.71%

E = 1.75 *

0.5 * (1 0.5) 1011

= 2.75%

2 Puntos IC: (41% +/- 2.71%) IC: (38.29% ; 43.71%) o IC: (41% +/- 2.75%) IC: (38.25% ; 43.75%) 2 Puntos

CASO 2 ( 19 puntos)

En los ltimos aos se ha masificado el uso del mtodo de encuestas para conocer la opinin de la poblacin tanto en temas de contingencia nacional como insumo para las estrategias de marketing de las empresas. Como consecuencia de ello, cada cierto tiempo surgen polmicas respecto a las bondades y limitaciones de las distintas tcnicas y procedimientos de muestreo y recoleccin de datos. Un ejemplo de lo anterior es la siguiente carta al Director publicada en Mayo del presente ao. En base a sus conocimientos de investigacin de mercado, se le solicita que responda en forma clara, precisa y fundamentada las siguientes preguntas: (Sugerencia: lea todas las preguntas y organice sus ideas antes de comenzar a contestar) a) Aparte de lo sealado en la carta, explique claramente las desventajas o limitaciones de la entrevista telefnica en comparacin a la entrevista personal como medio o forma de recoleccin de informacin primaria. (5 puntos; 1 punto por desventaja) La entrevista telefnica tiene un menor control de muestreo que la entrevista personal, en el sentido que no permite verificar si la persona que responde el script o cuestionario telefnico es o no la persona designada o seleccionada en la muestra. La entrevista telefnica no permite el uso de elementos grficos que se pueden utilizar en la entrevista personal para aclarar una pregunta o para obtener una mayor cantidad y variedad de datos primarios. En la entrevista telefnica es ms fcil para el potencial encuestado negarse a participar y puede ser percibida como ms invasiva de la privacidad (menor tasa de respuesta). La entrevista telefnica puede generar un menor nivel de involucramiento del encuestado durante el proceso (puede estar realizando otras actividades). La entrevista telefnica tiene que tener menos duracin que una entrevista personal y por lo tanto, permite obtener una menor cantidad de informacin. En general, la entrevista telefnica slo permite preguntas cerradas (dicotmicas o de seleccin mltiple) y se debe limitar el nmero de alternativas (olvido, sesgo de orden). b) Explique qu significa en trminos concretos que lo usual es que la seleccin del entrevistado probabilstico al interior del lugar contactado no se haga aleatoriamente, sino que con criterios de cuota ilustre claramente con un ejemplo relevante a la situacin planteada. (5 puntos) Por lo general, en las entrevistas telefnicas, en una primera etapa se seleccionan aleatoriamente los nmeros telefnicos, pero normalmente no se selecciona aleatoriamente al entrevistado en el hogar contactado. Pues ello implicara identificar a todas las personas de la poblacin objetivo en cada hogar, de tal manera que todas ellas

tengan una probabilidad diferente de cero de ser seleccionadas en la muestra y luego utilizar un procedimiento aleatorio para seleccionar al entrevistado. (4 puntos) Dada esta dificultad prctica, normalmente se entrevista a la primera persona que contesta el telfono y califica y as se van completando cuotas para cada segmento de sexo, edad u otros. (1 punto) c) Cifras recientes sealan que alrededor de un 25% de los hogares del Gran Santiago no dispone de telefona fija. Qu efecto tiene lo anterior sobre los resultados de las encuestas telefnicas? (4 puntos) El hecho que el 25% de los hogares del Gran Santiago no dispongan de telefona fija, afecta los resultados de las encuestas telefnicas, ya que los resultados de las encuestas telefnicas no seran representativos de todos los hogares del Gran Santiago, sino que del 75% de los hogares del Gran Santiago que disponen de telefona fija. (1 punto) Estaramos frente a un error de marco muestral que genera un error no muestral de tamao y direccin desconocida. (2 puntos) Probablemente, la muestra resultante estar sesgada hacia los segmentos de mayores ingresos, ya que una mayor proporcin de la poblacin de los GSE D y E, no dispone de telefona fija. (1 punto) d) Est usted de acuerdo con la afirmacin de que si el proceso de seleccin fuese probabilstico en todas sus etapas, sera posible calcular la precisin de los resultados utilizando herramientas estadsticas? Justifique claramente su respuesta. (5 puntos) Si el proceso de seleccin muestral fuese probabilstico en todas sus etapas, sera posible calcular el margen de error muestral de los resultados, ya que todas las unidades y elementos muestrales tendran una probabilidad conocida y distinta de cero de ser seleccionados en la muestra. (2 puntos) Sin embargo, no sera posible calcular el error total de los resultados, que es la suma del error muestral y de los errores no muestrales, ya que no se puede determinar la magnitud ni la direccin de los errores no muestrales. (3 puntos) En consecuencia, si el proceso de seleccin fuese probabilstico en todas sus etapas, slo podramos calcular una parte de la precisin que es el error muestral, utilizando herramientas estadsticas.

Facultad de Economa y Negocios

UNIVERSIDAD DE CHILE

Seccin 01: Profesor Juan Pablo Muoz Semestre Primavera 2008 Seccin 02: Profesores Andrea Ortiz y Juan Pablo Muoz 12 de Septiembre de 2008 PAUTA SOLEMNE MARKETING II Instrucciones: Escriba con letra clara y ordenada, en el espacio asignado, sus respuestas a las siguientes preguntas. Sea preciso y utilice los conceptos adecuados. PARTE I: (35%) 1. Defina el concepto de causalidad y explique las condiciones necesarias para inferirla. En qu tipo de investigacin es aplicable este concepto? (7 puntos) El concepto de causalidad comn, establece que existe una causa para un efecto observado (X causa Y), determinando una relacin determinstica entre las variables. El concepto cientfico de causalidad, en cambio, establece que la ocurrencia de X hace ms probable la ocurrencia de Y, determinando una relacin probabilstica entre las variables. Es decir, la ocurrencia de X, junto a la ocurrencia de otros factores, hacen posible la ocurrencia de Y. (2.5 puntos) Por esta razn, bajo el concepto cientfico de causalidad, que es el ms aplicable a la investigacin de mercado, la relacin de causalidad entre dos variables (una variable de marketing y una variable de respuesta de los consumidores) nunca se prueba, sino que se deduce o infiere. (0.5 puntos) Las condiciones necesarias para inferir causalidad entre 2 variables son: a) Correlacin o Variacin Concomitante: debe existir una alta correlacin entre las variables. Las 2 variables se deben mover juntas, en el mismo sentido o en sentido opuesto. (1 punto) b) Orden temporal o Sucesin de las Variables: La causa debe ocurrir antes que el efecto en el tiempo. (1 punto) c) Eliminacin o falta de otras causas posibles: se debe intentar aislar el efecto de una variable, controlando la ocurrencia de otras causas posibles. (1 punto) El concepto de causalidad es aplicable en investigacin causal o experimental, cuyo objetivo es deducir o inferir la relacin de causalidad entre dos variables. El experimento es el tipo de investigacin ms apropiado para deducir o inferir causalidad, porque permite controlar o manipular una variable con el fin de medir su efecto sobre otra variable. La investigacin cualitativa y cuantitativa corresponden a investigacin ex-post, es decir, despus de ocurridos los hechos que se investigan y por lo tanto, es muy difcil inferir causalidad cuando se investiga en retrospectiva porque no se tiene control sobre los posibles factores causales. (1 punto)

2.

Explique las diferencias entre el muestreo estratificado y el muestreo por cuotas y en qu caso se sugiere el uso de uno u otro. (7 puntos) El muestreo estratificado es un tipo de muestreo probabilstico (1 punto) que se caracteriza por el siguiente procedimiento de 2 pasos: 1) se divide la poblacin objetivo en estratos mutuamente excluyentes y exhaustivos y 2) se selecciona una muestra aleatoria simple de cada uno de los estratos. (1 punto) No hay intervencin del juicio subjetivo de las personas en la seleccin de los elementos muestrales. En el muestreo estratificado todos los elementos de la poblacin objetivo tienen una probabilidad distinta de cero de ser seleccionados en la muestra, pero no todos los elementos tienen la misma probabilidad de ser seleccionados, ya que la probabilidad de seleccin depende del tamao del estrato y no cualquier muestra de tamao n, tiene la misma probabilidad de ocurrir que cualquier otra muestra de tamao n (0.5 punto). La muestra estratificada es ms apropiada para investigacin concluyente descriptiva o cuantitativa y experimental o causal (1 punto), cuando se va a hacer inferencia a partir de la muestra para la poblacin objetivo total. El muestreo de cuotas es un tipo de muestreo no probabilstico (1 punto) en el cual se trata de lograr representatividad de la muestra, estableciendo cuotas en la muestra, de acuerdo a los mismos porcentajes que se dan en la poblacin objetivo, en determinadas variables como por ejemplo (sexo, edad, nivel (1 punto). En la seleccin de los elementos muestrales socioeconmico, etc.) interviene el juicio subjetivo de las personas y por lo tanto, hay elementos de la poblacin objetivo que tendrn cero probabilidad de ser seleccionados en la muestra (0.5 punto). La muestra de cuotas es ms apropiada para investigacin no concluyente exploratoria o cualitativa (1 punto), cuando no se va a hacer inferencia a partir de la muestra para la poblacin objetivo total.

3.

Para determinar el tamao muestral, al estimar una media, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, podemos asumir el supuesto de varianza mxima, es decir usar = 0,50. Comente. Esta afirmacin es falsa, debido a que el supuesto de varianza mxima es aplicable slo al caso de estimacin de proporciones. Asumir varianza mxima implica suponer que el 50% de la poblacin () opina de una manera y el otro 50% (1- ) opina de otra manera y esto es factible slo para el caso de proporciones. Para determinar el tamao muestral al estimar una media, se requiere conocer la desviacin estndar o la varianza de la variable bajo estudio en la poblacin, la que se puede estimar a partir de estudios previos o si se conoce el rango de la variable, se puede estimar la desviacin estndar, dividiendo el rango por 6. (7 puntos)

4.

Se dice que el error importante de minimizar en un estudio de mercado es el error total, sin embargo, ste no se puede medir. Cmo explicara usted esta aparente contradiccin? El error importante de minimizar en un estudio de mercado es el error total, que es la suma del error muestral y los errores no muestrales. Sin embargo, slo el error muestral es medible y por lo tanto el error total no se puede determinar. Los errores no muestrales no son cuantificables ni en su magnitud ni en su direccin. En consecuencia, lo nico que se puede hacer con los errores no muestrales es tratar de evitarlos o minimizarlos a priori, tomando todas las medidas necesarias para que el error total sea mnimo. Lo anterior, a travs de un adecuado diseo del cuestionario, capacitacin y supervisin de encuestadores, edicin de los datos, validacin del proceso, etc. (7 puntos)

5.

Las muestras probabilsticas son aquellas en que todos los elementos de la poblacin objetivo tienen una probabilidad diferente de cero de ser seleccionados en la muestra. Por lo tanto, siempre se requiere tener un marco muestral completo de la poblacin objetivo, ya que con un marco muestral incompleto, la probabilidad de seleccin ser igual a cero para algunos elementos de dicha poblacin. Comente. Las muestras probabilsticas son aquellas en que todos los elementos de la poblacin objetivo, tienen una probabilidad diferente de cero de ser seleccionados en la muestra, Sin embargo, no siempre se requiere tener un marco muestral completo de la poblacin objetivo, para seleccionar una muestra probabilstica de la poblacin objetivo. La muestra por reas, es la nica muestra probabilstica que no requiere tener un marco muestral completo de la poblacin objetivo, ya que en ella se van seleccionando en forma aleatoria y secuencial, reas geogrficas (distritos censales, manzanas). Luego se empadronan los hogares de las manzanas seleccionadas, para que cada uno de los hogares de las manzanas seleccionadas tenga una probabilidad diferente de cero de ser seleccionado en la muestra y finalmente, se selecciona aleatoriamente al entrevistado (tabla Kisch) en cada uno de los hogares seleccionados. Por lo tanto, no se requiere tener el marco muestral completo o tener identificados a todos los elementos de la poblacin objetivo. Slo se requiere identificar a las personas de los hogares seleccionados en forma aleatoria en la etapa previa. (7 puntos)

PARTE II: ALTERNATIVAS Y COMPLETAR ORACIONES (24%) Cada respuesta correcta vale 2 puntos y se descontar 1 punto por respuesta incorrecta. No se otorgar puntaje por respuestas correctas parciales, en los casos que correspondan. Una muestra probabilstica se debe utilizar para investigacin concluyente/descriptiva/causal, en cambio una muestra no probabilstica se debe utilizar para investigacin exploratoria El factor de correccin de poblaciones finitas debe aplicarse a la desviacin estndar de la media (error estndar), cuando el tamao muestral (n), es mayor que el 10% del tamao de la poblacin (N) El concepto que responde la pregunta: Estamos midiendo lo que realmente queremos medir? corresponde a la validez de la medicin En un cuestionario los datos personales del entrevistado deben ir:

a) b) c) d) e)

Al comienzo del cuestionario Al final del cuestionario En medio del cuestionario No deben incluirse en el cuestionario No tienen un lugar determinado

La escala nominal es aquella cuyos nmeros sirven solamente como etiqueta (label) para identificar y clasificar objetos con una correspondencia estricta de uno a uno entre los nmeros y los objetos. El utilizar una muestra fija en las mismas variables que son medidas a travs del tiempo, se conoce como Panel tradicional Un diseo de investigacin de tipo experimental/causal es el ms apropiado para investigar si un tipo de comercial es ms efectivo que otro en trminos de top of mind Sea H 0 : = 500 . Si en una muestra de tamao n = 1000 para testear dicha hiptesis se obtiene x = 500 , el valor calculado del test z ser igual a 0 (cero) y por lo tanto no se rechaza la hiptesis nula. Si uno quisiera verificar la confiabilidad de un instrumento de medicin, podra aplicarlo dos veces a la misma muestra de sujetos. Una medida de la confiabilidad del instrumento sera que la correlacin fuera cercana a 1. Una diferencia entre la poblacin objetivo y el marco muestral genera un error a) Muestral b) Sistemtico c) Aleatorio d) No muestral e) Ninguno de los anteriores Las preguntas cerradas son ms apropiadas para investigacin concluyente (descriptiva/ cuantitativa y experimental / causal), en cambio las preguntas abiertas son ms apropiadas para investigacin cualitativa.

En la escala ordinal se presentan a los encuestados diversos objetos en forma simultnea y se pide que los ordene de acuerdo con algn criterio, se utiliza para medir preferencia de marcas as como atributos.

Caso I (16%)
Usted en su calidad de analista de marketing de una empresa, esta interesado en conocer la evaluacin de los servicios de una cafetera. Para ello usted decide realizar una investigacin de mercado. Suponga que la empresa de investigacin que Ud. ha contratado le presenta el siguiente cuestionario. En base a sus conocimientos sobre diseo de cuestionario seale 4 errores, problemas o sesgos potenciales que presenta el cuestionario y explique cmo los resolvera. (16 puntos, 2 puntos por cada sesgo encontrado y 2 puntos por como lo resuelve; hay que sealar 4 errores)

ENCUESTA

Le pedimos muy gentilmente contestar esta breve encuesta del servicio de cafetera
Ejemplos de sesgos:

Datos personales se encuentran al comienzo del cuestionario lo que puede inducir a sesgo de no respuesta porque el encuestado se puede negar a contestar si siente que es invasiva la encuesta al preguntrsele detalles de su persona. Solucin: Colocar los datos personales al final de la encuesta.

Pregunta 4: En que horario nos visita con mayor frecuencia? las alternativas no son las correctas porque una persona puede interpretar que va en la maana si es que concurre a las 11:00 hrs mientras que otra persona que concuerde en ese mismo horario puede considerar que eso es media maana, por lo tanto ambos estarn dando respuestas distintas para el mismo caso. Solucin: cambiar las alternativas por rangos horarios, por ejemplo: a) Entre las 9:00 hrs y las 11:00 hrs b) Entre las 11:00 hrs y las 13:00 hrs c) Entre las 13:00 hrs y las 15:00 hrs, etc

Pregunta 7: Categoras variedad de la oferta y variedad de productos son confusas, las personas pueden interpretarlas como lo mismo. Solucin: eliminar alguna de esas alternativas.

Pregunta 7: utiliza una escala desbalanceada cargada hacia los aspectos positivos lo que puede inducir la respuesta. Solucin: Colocar igual nmero de categoras en el aspecto positivo y en el negativo.

Introduccin es poco clara en cuanto al objetivo del estudio y poco motivante por lo que puede inducir a falta de respuesta Solucin: cambiarla (dar una propuesta)

Caso II: Muestreo (25%)

A continuacin se presenta la Ficha Tcnica de un estudio de opinin pblica realizado por Fundacin Futuro en Junio de 2008, sobre los chilenos y el medioambiente.
FICHA TCNICA: Tipo de encuesta: telefnica. Fecha de medicin: 29 de Mayo y 1 de Junio de 2008. Universo: Mayores de 18 aos, habitantes de las 85 principales comunas del pas, con ms de 45 mil habitantes. La poblacin de las reas geogrficas representa el 76% de la poblacin total del pas. Mtodo de seleccin de la muestra: diseo muestral en 2 etapas: La primera etapa consiste en la seleccin de hogares, que es probabilstica estratificada. La estratificacin se realiza por rea geogrfica (ciudades y comunas al interior de las ciudades) y por nivel socioeconmico al interior de cada comuna o ciudad. La segunda etapa consiste en la seleccin del individuo al interior del hogar. Se aplicaron cuotas de sexo y edad. Muestra: 400 personas (6% estrato alto, 44% estrato medio, 50% estrato bajo) Gran Santiago Urbano:189 personas (9.5% estrato alto, 45% estrato medio, 45.5% estrato bajo) de las 34 comunas del Gran Santiago Urbano. Resto del pas: 211 personas (2.8% estrato alto, 43.6% estrato medio, 53.6% estrato bajo) de las 48 principales ciudades del pas. Precisin: El nivel de precisin se estima en %

En base a sus conocimientos de investigacin de mercados, se le solicita responder las siguientes preguntas: a) Seale las principales ventajas y desventajas de las entrevistas telefnicas como medio para obtener datos primarios. (4 puntos) Ventajas: 1) Tiene menor costo que la entrevista personal 2) Es ms rpido obtener los datos primarios 3) El proceso de entrevista es automatizado, con un script prediseado y saltos de preguntas predefinidos 4) El procesamiento de los datos puede ser ms rpido con el sistema CATI
Desventajas: 1) La entrevista telefnica tiene un menor control de muestreo que la entrevista personal, en el sentido que no permite verificar si la persona que responde el script o cuestionario telefnico es o no la persona designada o seleccionada en la muestra. 2) La entrevista telefnica no permite el uso de elementos grficos que se pueden utilizar en la entrevista personal para aclarar una pregunta o para obtener una mayor cantidad y variedad de datos primarios.

3) En la entrevista telefnica es ms fcil para el potencial encuestado negarse a participar y puede ser percibida como ms invasiva de la privacidad (menor tasa de respuesta). 4) La entrevista telefnica puede generar un menor nivel de involucramiento del encuestado durante el proceso (puede estar realizando otras actividades). 5) La entrevista telefnica tiene que tener menos duracin que una entrevista personal y por lo tanto, permite obtener una menor cantidad de informacin. 6) En general, la entrevista telefnica slo permite preguntas cerradas (dicotmicas o de seleccin mltiple) y se debe limitar el nmero de alternativas (olvido, sesgo de orden).

b) Determine la precisin del estudio, haciendo explcitos los supuestos que estime necesarios. (4 puntos) Para determinar la precisin del estudio, es necesario hacer los siguientes supuestos: 1) La muestra es probabilstica. 2) Se asume varianza mxima de las variables a estimar, en la poblacin ( = 0,50) 3) Se requiere un nivel de confianza de 95% (z = 1,96) E = z * (-1) n E = z * (-1) n E = (1,96) * (0,50*0,50) = 0,0024 400 E = 0,049 = + 4,9%

c) En relacin a la pregunta Quin es el principal responsable de la contaminacin?, los resultados por grupo de edad para la alternativa Industrias, fueron los siguientes:
Grupo Etreo 18 a 29 aos 30 a 49 aos 50 y ms aos % que representa en la Poblacin 28% 43% 29% % que responde Industrias 65,2% 53,3% 41,4%

Cul sera el porcentaje de la muestra total que opina que las Industrias son las principales responsables de la contaminacin?

El 53,2% de la muestra que opina que las industrias son las principales responsables de la contaminacin: P (Industrias) = (65,2 x 0,28) + (53,3 x 0,43) + (41,4 x 0,29) = 18,3 + 22.9 + 12 = = 53,2% d) En relacin a su respuesta a c), Podra usted concluir con certeza que ms de la mitad de los chilenos mayores de 18 aos piensa que las industrias son las principales responsables de la contaminacin? Justifique claramente su respuesta (8 puntos) En primer lugar, el Universo del estudio est constituido por las personas mayores de 18 aos, habitantes de las 85 principales comunas del pas, con una poblacin mayor a 45 mil habitantes, que representan el 76% de la poblacin. Por lo tanto, no podemos determinar, si la muestra es representativa del 100% de los chilenos mayores de 18 aos, porque no sabemos si el 24% de la poblacin que habita en comunas de menos de 45 mil habitantes, opinara igual o diferente que el 76% que habita en las ciudades ms grandes, con respecto a la contaminacin ambiental.

En segundo lugar, si la muestra fuese probabilstica, podramos calcular el intervalo de confianza para la respuesta de las Industrias, a la pregunta de Quin es el principal responsable de la contaminacin? p Z x ( x (1-)/n < = < = p + Z x x (1 - )/n 0,532 1,96 x (0,50x 0,50)/400 < = < = 0,532 + 1,96 x (0,50x 0,50)/400 0,532 0,049 < = < = 0,532 + 0,049 48,3% < = < = 58,1% Por lo tanto, aunque la muestra fuera representativa de todos los chilenos mayores de 18 aos, no podramos concluir con certeza que ms de la mitad de los chilenos opina que las Industrias son las principales responsables de la contaminacin, ya que el verdadero porcentaje de la poblacin objetivo que opina eso, estara entre 48,3% y 58,1%, con un 95% de nivel de confianza. Luego, podra ser menos del 50% de la poblacin objetivo total.
EJERCICIO EXTRA: MUESTREO PREGUNTA 1

Suponga que Ud. est elaborando un plan de muestreo para un estudio de mercado asociado a un nuevo chicle Globe de ARCOR. Este nuevo chicle est orientado fundamentalmente a clientes adultos. Una de las preguntas ms importantes es determinar el volumen de compras esperado de chicles en la poblacin mayor a 24 aos. Otra informacin importante es que se sabe que 1 de cada 3 adultos mayores de 24 aos consume en forma regular (compra chicles al menos una vez al mes) y que el consumo promedio entre los consumidores habituales es de $150 y la varianza del gasto mensual en chicles es de $100. En ese grupo de consumidores un 49% son hombres y un 51% mujeres. Sin embargo, en las mujeres de 24 a 45 aos las mujeres consumen el doble en promedio que los hombres ($300 vs. $150), en cambio en el segmento de 4 aos y ms el consumo entre hombres y mujeres cae a casi $100 en promedio, y es muy parecido entre hombres y mujeres. Adicionalmente, se ha establecido que el habito del chicle est correlacionado positivamente con el habito de fumar. Es decir en personas fumadoras, se observa hasta un 50% de consumo habitual de chicles. En sus clculos considere que un 25% de las personas contactadas va a negarse a contestar. a) Elabore un plan de muestreo indicando las caractersticas de los consumidores o elementos del muestreo. b) Determine las preguntas filtro determinando las preguntas filtro c) Determine el tamao muestral, utilizando la frmula del muestreo aleatorio simple y suponga un a precisin deseada (o error muestral) de +-$10. d) En base a la informacin disponible, determine el procedimiento muestral para extraer una muestra de cuotas.

Seccin 01: Profesor Enrique Manzur / Andrea Ortiz Seccin 02: Profesor Juan Pablo Muoz

Semestre Otoo 2009 11 de Mayo de 2009

SOLEMNE

MARKETING II

Instrucciones: Escriba con letra clara y ordenada, en el espacio asignado, sus respuestas a las siguientes preguntas. Sea preciso y utilice los conceptos adecuados. PARTE I: (35%) 1. La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma. Comente. Esta afirmacin es verdadera debido a que la Validez es una condicin suficiente pero no necesaria para asegurar la Confiabilidad de una medida y la Confiabilidad es una condicin necesaria pero no suficiente para asegurar la Validez de una medida. Una medida es Confiable cuando est libre de error aleatorio y una medida es Vlida si est libre tanto del error aleatorio como del error sistemtico. Luego, la Validez es ms amplia que la Confiabilidad de una medida y en consecuencia, si una medida es Confiable, no necesariamente es Vlida, pero si una medida es Vlida, necesariamente ser confiable. (5 puntos) Validez

Confiabilidad

2. Dado que el censo no tiene error muestral, se puede afirmar que siempre ser ms representativo que una muestra. Comente. El censo no tiene error muestral pero tiene un alto error no muestral potencial, debido al gran volumen de datos que es necesario, codificar, digitar, tabular, procesar, analizar e interpretar. Como el error no muestral no puede ser medido, no podemos determinar su magnitud ni su direccin ni conocer el error total de un censo. En el caso de una muestra, slo podemos medir el error muestral, pero no el error no muestral, por lo tanto, tampoco se puede determinar el error total de una muestra. En consecuencia, no se puede afirmar que un censo siempre ser ms representativo que una muestra. Un censo podra ser ms representativo que una muestra si en error no muestral del censo es menor que la suma del error muestral y el error no muestral de una muestra. Y viceversa, una muestra puede ser ms representativa que un censo, si la suma del error muestral y no muestral de la muestra, es menor que el error no muestral del censo. Sin embargo, esto nunca lo podemos saber. (5 puntos) 3. Para determinar el tamao muestral, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, se sugiere estimarla () dividiendo el rango (max-min) de la variable por 6. Explique claramente por qu y cul es el supuesto implcito. El supuesto implcito es que la distribucin de la variable en la poblacin es normal. La distribucin normal tiene 6 desviaciones estndar en total, 3 d.e. hacia la derecha de la media y 3 d.e. hacia la izquierda de la media. Luego, podemos obtener una estimacin de la desviacin estndar, al dividir el Rango Total de la Variable (Valor Mximo Valor Mnimo), por 6. (5 puntos) 4. Las preguntas cerradas son ms recomendadas para la investigacin concluyente, ya que a travs de ellas se obtiene ms informacin de los entrevistados. Comente. La primera parte de la afirmacin es correcta, ya que las preguntas cerradas son ms recomendadas para la investigacin concluyente, debido a que sus respuestas son ms fciles de codificar, digitar, tabular, procesar, analizar e interpretar que las respuestas a preguntas abiertas. Sin embargo, estas ltimas entregan ms informacin de los entrevistados que las primeras, ya que ellos no seleccionan una alternativa de respuesta predefinida sino que responden con sus propias palabras. (5 puntos) 5. En un muestreo estratificado la probabilidad de seleccin de cada elemento de la poblacin puede ser distinta de cero e igual para todos los elementos. Comente. Si, en un muestreo estratificado, la probabilidad de seleccin de cada elemento de la poblacin puede ser distinta de cero e igual para todos los elementos, en el caso que todos los estratos de la poblacin tengan el mismo tamao y se seleccione una muestra aleatoria simple del mismo tamao de cada uno de los estratos (muestra estratificada proporcionada). (5 puntos)

6. Describa claramente el procedimiento para seleccionar una muestra aleatoria sistemtica de clientes, en que n=100 y N= 10.800. Adems, explique de qu depender la representatividad de la muestra obtenida. En primer lugar, se debe dividir N / n para determinar el salto sistemtico (k-simo elemento), 10.800 / 100 = 108. Luego se selecciona un nmero aleatorio de 1 a 10, para determinar el comienzo de la muestra sistemtica (Por ejemplo, 6). Luego, a partir del 6, se comienza a aplicar el salto sistemtico (108) para seleccionar los elementos = 114, 222, 330, 438, 546, 654, 762, .., etc. La representatividad de la muestra depender del ordenamiento que tengan los elementos de la poblacin, si el ordenamiento esta en base a la caracterstica de inters la representatividad ser mayor. (5 puntos) 7. La moda, la mediana y la media, son medidas de permitidos para variables medidas en cualquier escala. Comente. tendencia central

La afirmacin es falsa, debido a que estas medidas no son permitidas para variables medidas en cualquier escala. La moda es una medida de tendencia central permitida para variables medidas en escala nominal o superior (ordinal, de intervalo o de razn). La mediana es una medida de tendencia central permitida para variables medidas en escala ordinal o superior (de intervalo o de razn). La media es una medida de tendencia central permitida para variables medidas en escala de intervalo o de razn. (5 puntos) PARTE II: ALTERNATIVAS Y COMPLETAR ORACIONES (20%) Cada respuesta correcta vale 2 puntos y se descontar 1 punto por respuesta incorrecta. No se otorgar puntaje por respuestas correctas parciales, en los casos que correspondan. Las encuestas que se realizan en algunos programas de televisin requieren que las personas que deseen participar deban llamar a un nmero telefnico predeterminado para entregar su opinin. Este tipo de muestreo puede ser mejor descrito como un muestreo por conveniencia. a) b) c) d) e) Muestreo por juicios Muestreo aleatorio simple Muestreo estratificado Muestreo por conveniencia Muestreo por cuota o prorrateo

Si el nivel de confianza y la desviacin estndar se mantienen constantes y el tamao muestral aumenta, entonces la amplitud del intervalo de confianza disminuye

El error muestral puede disminuirse sistemticamente al aumentar el tamao de la muestra. Esto probablemente aumentar el error no muestral de una investigacin. a) b) c) d) e) Disminuirse-Disminuir Disminuirse-Aumentar Aumentarse- Disminuir Aumentarse-Aumentar Afectarse- Disminuir

tcnica bayesiana es un mtodo de seleccin en que los elementos se La seleccionan de manera secuenciada. En un cuestionario, los datos personales del entrevistado deben ir: a) b) c) d) e) Al comienzo del cuestionario Al final del cuestionario En medio del cuestionario No deben incluirse en el cuestionario No tienen un lugar determinado

En una prueba de hiptesis si el z calculado es menor que el z crtico, entonces el p-value ser mayor que el nivel de significancia. a) b) c) d) e) Mayor que el nivel de confianza Cercano a 0 Menor que el nivel de significancia Mayor que la potencia de la prueba Mayor que el nivel de significancia

El sesgo de orden es la tendencia de un encuestado a marcar una alternativa por el solo hecho de que ocupa cierta posicin o lugar en la lista. El muestreo bola de nieve o snowball es una tcnica no probabilstica en la que un grupo inicial de encuestados es seleccionado en forma aleatoria y los encuestados subsecuentes se seleccionan con base en referencias o informacin proporcionada por los encuestados iniciales. El factor de correccin de poblaciones finitas debe aplicarse a la desviacin estndar, cuando el tamao muestral (n), es mayor que el 10% del tamao de la poblacin (N). La correlacin es una condicin necesaria pero no suficiente para establecer causalidad.

CASO I: Cerveza Cero (20%)

El 18 de Diciembre de 2008, CCU present Cer0,0 de Cristal, como la primera cerveza 0,0 grados de alcohol elaborada en Chile, una excelente alternativa para todos los que no quieren renunciar al placer de una cerveza muy fra en cualquier ocasin, sin preocuparse del contenido alcohlico. Cer0,0 de Cristal es una cerveza de la familia de las Lager, la variedad ms consumida en Chile, elaborada con un proceso especial de extraccin del alcohol con tecnologa de vanguardia, nico en Chile. De esta forma, y luego de un trabajo de ms de dos aos, se logr desarrollar una cerveza sin alcohol, que mantiene todo el cuerpo, sabor y amargor de una cerveza tradicional.

El Gerente de Marca de Cristal, Jorge Aspillaga, explic que Cristal Cer0,0 -ms que competir con las cervezas existentes- se dirige a un nuevo nicho del mercado, de adultos que buscan tomar cerveza en otras ocasiones. Por eso emprendimos los esfuerzos necesarios para ofrecer una nueva opcin dentro de nuestro portafolio de productos y as brindar la posibilidad de elegir aquella cerveza que ms se ajuste a las preferencias de consumo. Segn explic Aspillaga, dentro de las cervezas sin alcohol se puede distinguir entre las Sin, que cumpliendo con la legislacin, tienen entre 0,5 y 0,1 de alcohol, y las tipo Cero, que tienen 0,0 de alcohol. Este es el caso de Cristal Cer0,0, en la que hemos logrado desarrollar una cerveza que sin perder ninguna de sus cualidades de sabor, amargor y efervescencia, tiene 0,0 de alcohol, agrega. La Kunstmann Alkoholfrei, que es otra cerveza elaborada en Chile, est en la categora de las Sin, ya que tiene 0,3 de alcohol.
El slogan de la nueva cerveza es: 100% Cerveza, 0,0 de Alcohol y est disponible en dos formatos individuales: lata de 350 cc. y botella long neck de 355 cc., a travs de los canales tradicionales de distribucin de la cerveza Cristal, como son supermercados, bares y restaurantes. La cerveza Cristal Cer0,0 tendr un valor superior en 20% a las cervezas tradicionales, es decir un precio aproximado a pblico de $340 en supermercados. En forma previa al lanzamiento de la nueva cerveza al mercado nacional, CCU contrat un estudio de mercado en base a focus groups, con el fin de probar el producto, la marca, el envase y el precio, en los diferentes segmentos de consumidores. En total, se realizaron 18 focus groups con 10 participantes cada uno lo que implic una muestra total de 180 consumidores. Los resultados del estudio de mercado fueron favorables hacia el producto, sealando que el 25% de la muestra total consumira la nueva cerveza en el futuro. La mayor disposicin a consumir la cerveza Cristal Cer0,0 se registr en los segmentos de Hombres y Mujeres, ABC1, entre 36 y 55 aos de edad, con un 40% y 60%, respectivamente. Por otra parte, la ACECHI (Asociacin de Productores de Cerveza de Chile, A.G.), inform recientemente que el consumo de cerveza aument en un 4,2% en 2008, en comparacin a 2007, alcanzando 36 litros per cpita (lpc) al ao. El consumo por persona en Chile, sigue estando entre los moderados de la regin, lejos de naciones como Venezuela (95,4 lpc) y Mxico (58,4 lpc), dice Pelayo Bezanilla, Gerente General de la ACECHI. En Espaa, el consumo de cerveza es de 56 lpc y el consumo de cerveza sin alcohol ya alcanza al 15% del consumo total, con 8,5 lpc. Por estas razones, los expertos estiman que en Chile an existe mucho espacio de crecimiento para el consumo de cerveza con y sin alcohol. Basada en estos datos secundarios y primarios, la Gerencia de Marketing de CCU decidi lanzar el producto al mercado, seleccionando como mercado objetivo, a la poblacin ABC1 entre 36 y 55 aos de edad.

En base a la informacin entregada y a sus conocimientos de investigacin de mercado, se le solicita responder las siguientes preguntas:

a. A qu diseo de investigacin corresponde el estudio de mercado contratado por CCU? (5 puntos) b. Cul es la precisin estadstica de los resultados del estudio de mercado contratado por CCU? (5 puntos) c. Cules seran sus crticas y recomendaciones desde un punto de vista tcnico de investigacin de mercado, a la Gerencia de Marketing de CCU? (10 puntos) Notas: 1. Sea concreto y justifique claramente sus respuestas realizando los supuestos y clculos que estime necesarios. 2. El grupo objetivo del estudio de mercado fue la poblacin mayor de 18 aos, residente en la Regin Metropolitana.

a) El diseo de investigacin del estudio contratado por CCU, es exploratorio o cualitativo, ya que est basado en focus groups, cuyo objetivo es obtener informacin no concluyente que no debe ser utilizada para apoyar la toma de decisiones de Marketing. Este tipo de investigacin entrega ideas o hiptesis que deben ser probadas a travs de un estudio concluyente posterior. (5 puntos) b) La precisin estadstica de los resultados del estudio contratado por CCU no se puede determinar, ya que estn basados en muestras no probabilsticas, de conveniencia, de juicio o de cuotas. El requisito para poder determinar la precisin estadstica o margen de error muestral de los resultados de un estudio, es que estn basados en una muestra probabilstica de la poblacin objetivo y para ello, todos los elementos de la poblacin objetivo, deben tener una probabilidad conocida y distinta de cero de ser seleccionados en la muestra, cosa que no ocurre en este caso, ya que hay elementos de la poblacin objetivo que tuvieron cero probabilidad de ser seleccionados en la muestra. (5 puntos)

c) La principal crtica es haber tomado una decisin estratgica como el lanzamiento de un nuevo producto, basndose en los resultados de una investigacin exploratoria o cualitativa no concluyente y en datos secundarios. El riesgo involucrado en esta decisin es muy alto, por la gran cantidad de recursos comprometidos en el desarrollo de este nuevo producto. Luego, se recomienda realizar una investigacin concluyente, decriptiva cuantitativa y/o experimental causal, cuyo nivel de confianza y precisin estadstica se puedan determinar. (10 puntos) CASO II: Estudio Chilescopio (25%) Chilescopio es un estudio con una periodicidad anual, realizado por las empresas Visin Humana y Collect-Gfk Investigaciones de Mercado, desde el ao 2005. Su principal objetivo es caracterizar y detectar tendencias en los estilos de vida de los consumidores chilenos. Es un estudio de tipo cuantitativo basado en encuestas presenciales en hogares a 1,500 personas de 15 a 74 aos, residentes en el Gran Santiago y las 11 principales ciudades del pas, pertenecientes a los NSE ABC1, C2, C3 y D. El estudio Chilescopio 2008, revel que los diferentes NSE (niveles socioeconmicos) difieren en cuanto a la percepcin de disponibilidad de tiempo libre. El NSE ABC1 percibe que dispone de ms tiempo libre de Lunes a Viernes que los NSE C2, C3 y D. Resultados:

Notas: 1) Segn datos de la AIM (Asociacin de Empresas de Investigacin de Mercado A.G.), el 7% de la poblacin nacional pertenece al NSE ABC1, el 15% al C2, el 21% al C3, el 37% al D y el 20% al E. 2) En el estudio se utiliz un muestreo estratificado desproporcionado, con igual tamao muestral para cada NSE.

En base a la informacin entregada, responda las siguientes preguntas, explicitando los supuestos que estime necesarios: a) Cul es el margen de error muestral del estudio, a nivel de la muestra total y de cada NSE? (10 puntos) b) Determine el porcentaje de la poblacin objetivo total que opina que dispone de tiempo libre muy a menudo y a menudo de Lunes a Viernes.(10 puntos) c) Determine el intervalo de confianza para el porcentaje de la poblacin total que dispone de tiempo libre muy a menudo y a menudo de Lunes a Viernes. Explique su significado. (5 puntos)
a) Supuestos: 1) Distribucin normal de la(s) variable(s) medida(s) en la poblacin 2) Varianza Mxima de la(s) variable(s) medida(s) en la poblacin = 0,50 y 1 - = 0,50. 3) Nivel de Confianza = 95% , z = 1,96 n = z x (1 - ) e e = z x (1 - ) n e = (1,96)x 0,25 1.500 e = + 2,53% El error muestral a nivel de la muestra total es de + 2,53% e = (1,96)x 0,25 375 (5 puntos)

e = + 5,06% El error muestral a nivel de cada NSE es de + 5,06% b) (5 puntos)

En primer lugar se deben calcular los ponderadores de cada estrato, considerando que el NSE E (20%), no forma parte de la poblacin objetivo. ABC1 = 7 / 80 = 0,0875 C2 = 15 / 80 = 0,1875 C3 = 21 / 80 = 0,2625 D = 37 / 80 = 0,4625 Luego, se debe aplicar los ponderadores de cada estrato, a los resultados muestrales, para determinar el porcentaje de la poblacin objetivo total que dispone de tiempo libre a menudo y muy a menudo, de Lunes a Viernes: (45 x 0,0875) + (34 x 0,1875) + (33 x 0,2625) + (39 x 0,4625) = 3,9375 + 6,375 + 8,6625 + 18,0375 = 37 El 37% de la poblacin objetivo total dispone de tiempo libre a menudo y muy a menudo, de Lunes a Viernes. (10 puntos)

c)

Intervalo de Confianza: 0,37 z p x (1-p) n 0,37 1,96 0,25 1500 <= <= 0,37 + z p x (1-p) n 0,37 + 1,96 0,25 1500

<=

<=

0,37 0,025 < = 0,345 < =

<=

<= 0,395

0,37 + 0,025 (2,5 puntos)

El porcentaje de la poblacin objetivo que dispone de tiempo libre a menudo y muy a menudo, de Lunes a Viernes, estar entre 34,5% y 39,5%, con un nivel de confianza de 95%. (2,5 puntos)

Mini resumen, Comentes y completes Diseo del Cuestionario: Secuencia y Caractersticas Fsicas Secuencia Pregunta introductoria sencilla e interesante Primero preguntas generales Preguntas poco interesantes y difciles al final Orden lgico desde la perspectiva del encuestado Utilizar un diagrama de flujo para organizar secuencia Caractersticas Fsicas Calidad del papel Impresin Uso de colores Uso de grfica para hermosear la encuesta Procedimiento de diseo del muestreo Definicin de la poblacin objetivo Determinacin del marco de muestreo Eleccin de una tcnica de muestreo Determinacin del tamao de la muestra Ejecucin del proceso de muestreo Tcnicas de muestreo Muestreo probabilstico Todos los elementos del marco muestral tienen una probabilidad distinta de cero de ser elegidos. Se puede determinar la precisin de los estimadores de la caracterstica de inters Se pueden hacer deducciones o proyecciones acerca de la poblacin objetivo. Muestreo no probabilstico Se basa en el juicio personal del investigador El margen de error muestral no puede ser calculado. Estimadores obtenidos no son proyectables a la poblacin No hay garantas que los resultados de un muestreo no probabilstico sean menos exactos que los de uno probabilstico.

COMENTE 1 Una muestra probabilstica es ms representativa de la poblacin objetivo que una muestra no probabilstica. Una muestra probabilstica puede ser ms o menos representativa que una muestra no probabilstica. No podemos determinar la representatividad de una muestra no probabilstica, en cambio si podemos determinarla en el caso de una muestra probabilstica. En una muestra probabilstica se puede estimar el margen de error de una muestra probabilstica a un determinado nivel de confianza. En una muestra no probabilstica no se puede determinar el error muestral y por lo tanto su representatividad. COMENTE 2 Cul es el nmero de comparaciones que se pueden realizar en un Escalamiento Multidimensional, donde existen 9 marcas a comparar? 36 En general se aplican(n-1)/ 2 COMENTE 3 En el anlisis de Correspondencia, qu significa la cercana de una marca a un vector (flechas) de atributos y qu implica la longitud de este? La cercana de flechas y marcas indica que una marca tiene ms de un determinado atributo. La longitud indica la importancia de un atributo en explicar las diferencias del elemento de estudio. COMENTE 4 Qu representa el dendograma, en qu tipo de anlisis se utiliza y para qu sirve? Es una herramienta grfica que sirve para representar los resultados del anlisis de conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos COMENTE 5 Qu es lo que busca maximizar un anlisis de conglomerado y qu agrupamientos se pueden realizar? Se busca maximizar la homogeneidad intra grupos (para agrupar caractersticas, hbitos, necesidades y deseos relativamente similares) y maximizar la heterogeneidad entre grupos. Los agrupamientos que se pueden realizar son jerrquico y no jerrquico. COMENTE 6 Cul es la principal diferencia entre el anlisis discriminante y el anlisis de conglomerados? El anlisis discriminante determina la importancia relativa de la variable con respecto a las otras variables, para saber a qu grupo pertenece, en consecuencia, en este anlisis es imprescindible conocer los grupos de clasificacin a priori. Si no sabemos la pertenencia o el grupo, es necesario hacer el anlisis cluster. Adicionalmente, el anlisis discriminante trabaja con variables dependientes, mientras que el anlisis por conglomerado no.

COMENTE 7 Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), entonces se concluye que la matriz de correlacin se asemeja a la matriz identidad (I). Comente. Esta afirmacin es falsa puesto que si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), se rechaza la Ho: matriz de correlacin = la matriz de identidad. En otras palabras, un p value pequeo indica que la matriz de correlacin es muy diferente de la matriz de identidad y por lo tanto, las variables analizadas estn correlacionadas entre s y el Anlisis Factorial es aplicable. COMENTE 8 En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn y en qu situaciones utilizara uno u otro. Anlisis de Componentes Principales: considera la varianza total de los datos. La matriz de correlaciones (matriz de extraccin) posee slo unos en la diagonal. Se usa cuando el objetivo es minimizar la cantidad de factores que explican la mxima varianza. Anlisis Factorial Comn: se diferencia de los componentes principales en que no se considera la varianza total, sino slo la varianza comn. Se utiliza cuando se asume que existe una estructura subyacente de factores que explican los datos y sus correlaciones. COMENTE 9 Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable y describa las estadsticas (test) que se utilizan para comprobar que se satisface este requerimiento? El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existen 2 test: Test de Esfericidad de Barlett, hiptesis nula es que no existe correlacin entre las variable, es decir que la Matriz Identidad = Matriz de Correlacin. Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p value cercano a cero) Test de Adecuacin de la muestra (KMO): valores mayores o iguales a 0,5 indican que el anlisis factorial es apropiado. COMENTE 10 Explique cul es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin? El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin.

COMENTE 11 En el anlisis factorial comn, explique qu representan la comunalidad inicial y la de extraccin y cmo se calcula esta ltima. Comunalidad Inicial: es la cantidad de varianza que una variable comparte con las dems variables consideradas. Es equivalente al R2 que se obtendra si se hiciese una regresin entre la variable y el resto de las variables analizadas. Comunalidad de extraccin: es la proporcin de varianza que comparte cada variable con los factores extrados, es la varianza comn que existe entre la variable y los factores. Se obtiene de sumar el cuadrado de las cargas factoriales de la variable a travs de los factores. COMENTE 12 Si en una prueba de ANOVA la varianza intragrupo (MSW) es similar a la varianza intergrupo (MSB), qu se puede concluir respecto a la hiptesis nula y al efecto del tratamiento? Si las dos varianzas son iguales el test-F tiende a uno, por lo que no se rechaza la hiptesis nula: Ho : 1 = 2 = 3 = ....... = n Es decir, el efecto del tratamiento no es significativo ya que la diferencia entre las medias es similar a la diferencia o varianza interna de los grupos o en otras palabras los distintos niveles de tratamiento no producen diferencias. F=Media Cuadrados Intergrupos/ Media Cuadrados Intragrupos Siempre se compara en la distribucin de Fisher COMENTE 13 Si el nivel de significancia observado (p-value) en una prueba de ANOVA, es cercano a 1, quiere decir que existe una diferencia estadsticamente significativa entre las medias de dos muestras o ms muestras o poblaciones y, por lo tanto, el efecto del tratamiento es relevante. No existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones por lo tanto, el efecto del tratamiento es irrelevante. No se rechaza la hiptesis nula de que las medias de los grupos son iguales. COMENTE 13 Si el nivel de significancia observado (pvalue) en una prueba de ANOVA es cercano a 0, quiere decir que no existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones y, por lo tanto, el efecto de ltratamiento es irrelevante.
La Nula corresponde a H0:1=2=3=.=n Por lo que si el p-value es cercano a 0, implica que SI existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones por lo tanto, el efecto del tratamiento es relevante. (o al menos estadsticamente significativo) Se rechaza la hiptesis nula de que las medias de los grupos son iguales. (que las diferencias no existen) Recordar que si un p-value es bajo el nivel de significancia esperado (0,05 de sign. Por ejemplo) se rechazala H0.

COMENTE 14 Qu son las preguntas estructuradas? Nombre y explique los tipos de preguntas estructuradas, dando un ejemplo de cada tipo.
Las preguntas estructuradas especifican el conjunto de alternativas de respuesta y el formato de respuesta. Una pregunta estructurada puede ser de opcin mltiple, dicotmica o de escala.

COMENTE 15 Explique por qu el error total de un estudio de mercado no es completamente medible y seale cmo podra usted reducir el error total. El error total de un estudio est compuesto por error muestral y error no muestral. (ET=EM+ENM). El error total no es completamente medible debido a su componente no muestral. Formas de reducir el error total: - Aumentar n (tamao muestral) , esto disminuye el error muestral pero puede aumentar el error no muestral ms que proporcionalmente, por lo que su efecto no es siempre de disminucin del error total. - Disminuir el error no muestral a travs de cuestionarios ms atractivos, rellanado de encuestados, capacitacin de encuestadores, etc. COMENTE 16 Explique claramente el error total asociado a una encuesta, tanto en el caso de utilizar una muestra como un censo, y el porqu una muestra puede resultar ms conveniente. Muestra: ET = EM + ENM Censo: No existe el error muestral puesto que se cubre por completo la poblacin de inters y en consecuencia, el error total es la suma de los errores no muestrales. Una muestra puede ser ms conveniente que un censo porque: mayor exactitud, menor costo y menor tiempo necesario para recopilar la informacin. Los errores no muestrales de un censo pueden ser mayores que la suma del error muestral y los errores no muestrales de una muestra. COMENTE 17 En todos los procedimientos muestrales probabilsticos se requiere contar con una lista completa de los elementos de la poblacin. Comente. Falso, esto slo es necesario para las muestras aleatoria simple, la estratificada y la de conglomerados sistemtica. Muestra de Conglomerados por reas no lo requiere. Se van seleccionando reas geogrficas en forma aleatoria y secuencial (distritos censales, manzanas y hogares) hasta llegar al entrevistado. COMENTE 18 Para determinar el tamao muestral, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, se sugiere estimarla () dividiendo el rango (max-min) de la variable por 6. Explique claramente por qu y cul es el supuesto implcito. El 100% (99,7% exactamente) de las observaciones de una variable estarn entre 3 desviaciones estndar de la media. Al dividir el rango de la variable (valor mximo- valor mnimo) por 6, se obtiene una estimacin de la desviacin estndar. El supuesto implcito es que la variable se distribuye normalmente en la poblacin bajo estudio, o al menos que las medias muestrales se distribuyen normalmente.

COMENTE 19 Mientras mayor sea el tamao de la poblacin de inters, mayor ser el tamao de la muestra requerido para un nivel de precisin dado. El tamao de la poblacin de inters no incide directamente en el tamao muestral requerido para un nivel de precisin dado, sino indirectamente va varianza de la poblacin. Una poblacin de tamao mayor puede tener una mayor varianza potencial, pero no es el mayor tamao en s el que determina el tamao muestral. Dos poblaciones que tienen distinto tamao pero igual varianza de la variable a medir, necesitarn el mismo tamao muestral para un determinado nivel de precisin. COMENTE 20 Explique la diferencia entre muestreo estratificado y muestreo por cuotas El muestreo estratificado es un tipo de muestreo probabilstico que se caracteriza por dividir a la poblacin de inters en estratos o grupos relativamente homogneos y luego, seleccionar una muestra aleatoria de cada uno de los estratos. Se puede determinar el margen de error muestral. El muestreo por cuotas es un muestreo no probabilstico que intenta ser representativo de la poblacin de inters, seleccionando las unidades en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas seleccionadas que se cree pueden influir en las variables a medir. No se puede determinar el margen de error muestral. COMENTE 21 Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser el error de no respuesta. Comente. Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser la tasa de no respuesta, pero el error de no respuesta no necesariamente ser menor. Todo depende de la diferencia entre los que responden y los que no responden. Si la respuesta de los que no responden hubiera sido la misma de los que respondieron, una mayor tasa de respuesta no afectar el error de no respuesta . Si la respuesta de los que no respondieron hubiera sido distinta de los que respondieron, una mayor tasa de respuesta, implicar un menor error de no respuesta. COMENTE 22 El Panel de Consumidores de ACNielsen tiene 140.000 hogares a nivel mundial cuyos hbitos de consumo son medidos mensualmente. En Estados Unidos tiene 55.000 hogares, en Espaa tiene 5.000 hogares y en Chile tiene 1.000 hogares. Qu factores podran explicar las diferencias de tamao muestral entre los distintos pases? Explique claramente su respuesta Los factores que podran explicar las diferencias en tamao muestral entre los pases son: La variabilidad o varianza en los hbitos de consumo con respecto a otro. Mientras mayor es la varianza de la variable que se quiere medir (hbitos de consumo en este caso), mayor ser el tamao muestral requerido para estimar esa variables con un determinado nivel de confianza y margen de error o precisin. El nivel al cual se requiere obtener una determinada precisin o margen de error en las estimaciones. Si la precisin se requiere a nivel de cada segmento o estrato de la poblacin (Ej.: grupos socioeconmicos, reas geogrficas, etc.), el tamao muestral ser mucho mayor que si la precisin se requiere a nivel de la muestra total.

COMPLETE 1 De los siguientes pasos del procedimiento de seleccin muestral, cul debe ser realizado en primer lugar: a. Determinar el tamao de muestra requerido b. Seleccionar el marco muestral c. Identificar la poblacin de inters d. Seleccionar el mtodo de muestreo a usar e. Calcular el error muestral COMPLETE 2 En una muestra no probabilstica no se puede determinar el margen de error muestral, y por lo tanto no se recomienda su uso para la investigacin concluyente. COMPLETE 3 El muestreo aleatorio es ______________ representativo que el muestreo no aleatorio. a) Siempre ms b) Siempre Menos c) Mucho ms d) Mucho menos e) Ninguna de las anteriores COMPLETE 4 La mayor parte del anlisis multivariado de datos toma como base la matriz de correlacin o la matriz de varianza-covarianza entre las variables. COMPLETE 5 En Anlisis de Varianza la variable dependiente es ________ y la variable independientes son ________. a) de intervalo o razn; nominal. b) ordinal; de intervalo o de razn. c) nominal; de intervalo o de razn. d) ordinal; nominal. e) ninguna de las anteriores COMPLETE 6 El coeficiente de correlacin permite establecer la relacin lineal entre dos variables medidas en escala de intervalo o razn COMPLETE 7 En un muestreo aleatorio simple: a) Algunos miembros de la poblacin tienen una probabilidad distinta de ser elegido b) Los porcentajes para ciertas caractersticas demogrficas sern siempre iguales para la muestra y la poblacin. c) Cada miembro de la poblacin tiene la misma probabilidad de ser elegido d) Se eligen los participantes de acuerdo a cuotas establecidas por el investigador. e) Ninguna de las anteriores.

COMPLETE 8 Las encuestas que se realizan en algunos programas de televisin requieren que las personas que deseen participar deban llamar a un nmero telefnico predeterminado para entregar su opinin. Este tipo de muestreo puede ser mejor descrito como un a) Muestreo por juicios b) Muestreo aleatorio simple c) Muestreo estratificado d) Muestreo por conveniencia e) Muestreo por cuota o prorrateo COMPLETE 9 De los siguientes pasos del procedimiento de seleccin muestral, cul debe ser realizado en primer lugar: a) Determinar el tamao de muestra requerido b) Seleccionar el marco muestral c) Identificar la poblacin de inters d) Seleccionar el mtodo de muestreo a usar e) Calcular el error muestral COMPLETE 10 En el muestreo estratificado, el criterio para formar los grupos es que estos sean homogneos internamente. COMPLETE 11 En una muestra no probabilstica no se puede determinar el margen de error muestral, y por lo tanto no se recomienda su uso para la investigacin concluyente. COMPLETE 12 En el muestreo por agrupamiento (conglomerado), el criterio para formar grupos es que sean: a) Grandes b) Homogneos c) Pequeos d) Heterogeneos e) N.A COMPLETE 13 En una encuesta probabilstica telefnica, el nmero de telfono corresponde a (la/el) unidad muestral y el encuestado corresponde a (la/el) elemento

Caso 1: Empresa telefnica

En base a sus conocimientos sobre diseo de cuestionario seale 4 errores, problemas o sesgos potenciales que presenta el cuestionario y explique cmo los resolvera Solucin:
N 1 2 3 4 5 6 Sesgo La informacin de identificacin est al principio. Datos de ingreso y edad son pedidos en forma exacta. Supuesto implcito de que las personas tienen celular. La palabra frecuencia puede tener distin distintos significados para las personas. Preguntas dobles, en pregunta 8, cobertura y costo por llamada y diseo y prestaciones. Formato mal hecho, puede llevar a confusiones. Solucin Estos datos se deben poner al final de la encuesta. Utilizar escalas del tipo intervalo o razn para estas alternativas. Hacer una pregunta de filtro al comienzo de la encuesta. Modificar la pregunta estableciendo rangos, es decir, hacindola con una escala de intervalos o razn. Se deben separar las alternativas en dos. lternativas En pregunta 6 se deben poner letras a las alternativas en ves de nmeros.

Caso 2: Output SPSS, Caso Clnicas

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. ,745 1067,826 21 ,000

Total Variance Explained Initial Eigenvalues Total % of Variance Cumulative % 2,746 39,225 39,225 1,303 18,614 57,839 ,879 12,561 70,401 ,837 11,958 82,358 ,561 8,018 90,376 ,424 6,051 96,428 ,250 3,572 100,000 Extraction Sums of Squared Loadings Total % of Variance Cumulative % 2,746 39,225 39,225 1,303 18,614 57,839 Rotation Sums of Squared Loadings Total % of Variance Cumulative % 2,355 33,638 33,638 1,694 24,201 57,839

Component 1 2 3 4 5 6 7

Extraction Method: Principal Component Analysis.

a Component Matrix

TRADICION CLINICA STAFF MEDICO VANGUARDIA TECNOLOGICA PRECIO COMODIDAD ATENCION ACOGEDORA ATENCION DE URGENCIAS

Component 1 2 ,416 ,381 ,386 ,658 ,323 -,756 ,857 ,806 ,603 ,461 ,350 -,267 -,389 ,408

Extraction Method: Principal Component Analysis. a. 2 components extracted.

Component Transformation Matrix Component 1 2 1 ,854 -,521 2 ,521 ,854

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

a Rotated Component Matrix

TRADICION CLINICA STAFF MEDICO VANGUARDIA TECNOLOGICA PRECIO COMODIDAD ATENCION ACOGEDORA ATENCION DE URGENCIAS

Component 1 2 ,157 ,542 -,013 ,763 ,036 -,828 ,871 ,891 ,303 ,561 -,094 ,218 ,087 ,663

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.

En base a dichos antecedentes se le pide conteste las siguientes preguntas: a.) Calcule la comunalidad de extraccin para el concepto staff mdico y explique su significado. b.) Calcule el eigenvalue asociado al componente 2 de la matriz rotada y el porcentaje de varianza que explica. c.) Interprete los factores obtenidos e indique el porcentaje de varianza que explican. Solucin: a. La comunalidad de extraccin para el concepto staff mdico es de 0,582, lo que implica que este concepto comparte un 58,2% de varianza con los dems conceptos o variables consideradas, o bien que los componentes extraidos explican el 58,2% de la varianza en el concepto staff mdico. Comunalidad = (-0,013) + (0,763) = 0,582 b. El eigenvalue asociado al componente 2 de la matriz rotada es de 1.694 y explica un 24,2% de la varianza. (Hay varias formas vlidas de calcularlo). Eigenvalue = (0,542) + (0,763) + (0,561) + (-0,094) + (0,218) + (0,087) + (0,663) = 1,694 O bien, una forma alternativa es utilizar los valores de eigenvalues de la extraccin inicial: Eigenvalue del componente 1+ Eigenvalue del componente 2 = 2,746+1,303 = 4,049 Dado que tenemos el eigenvalue del primer componente para el caso rotado, (y sabiendo que la varaianza explicada por la extraccin inicial y la con rotacin debe ser la misma), entonces: 4,049 - 2,355= 1,694 % Varianza explicada = 1,694/7 = 0,242 = 24,2% c. El componente 1 se puede interpretar como atencin de hotelera y el componente 2 se puede interpretar como atencin de salud. Componente 1 Componente 2 Atencin acogedora 0,891 Staff mdico 0,763 Comodidad 0,871 Atencin de urgencias 0,663 Precio -0,828 Vanguardia tecnolgica 0,561 Tradicin clnica 0,542 El componente 1 explica un 33,6% y el componente 2, un 24,2%, dando un total de 57,8% de varianza explicada.

Caso 3: Si fuese probabilstica...

Seor Director: La frase del ttulo ha sido reiterada en ms de una oportunidad al describir la metodologa de diversos sondeos de opinin que los medios de comunicacin difunden. En ms de una oportunidad se han publicado cartas de expertos haciendo notar lo errneo de esto. Sin embargo, no se ha observado un cambio de actitud en los medios. Lo nico claro de si fuese probabilstica es que no lo es. Por lo tanto, las conclusiones que puedan obtenerse de estos sondeos carecen de toda validez cientfica. En otras palabras cuando estos sondeos dicen tener un 3% o 4% de margen de error , el verdadero margen de error puede ser tres o cuatro veces mayor. La presente busca poner de relieve la necesidad de que los sondeos indiquen claramente sus limitaciones y que exista una interaccin adecuada con los medios de comunicacin, para evitar que se entregue una visin distorsionada de los resultados a la ciudadana Ricardo Aravena C. Estadstico y Magster en Estadstica a) Esta Ud. de acuerdo con la afirmacin del Sr. Aravena respecto a que las muestras probabilsticas podran tener un margen de error menor que las no probabilsticas? Solucin: NO! No existe ninguna garanta de que los resultados de una muestra probabilstica sean ms exactos que con una muestra no probabilstica. En el muestreo no probabilstico se desconoce el error muestral (x - ) no podemos medirlo. En cambio el muestreo probabilstico permite calcular el error muestral. Sin embargo, es posible que una muestra no probabilstica (cuotas) sea ms exacta que una muestra probabilstica simple. Adems, se pueden considerar los errores no muestrales que para ambos casos son de magnitud y direccin desconocida. b) Se puede afirmar que los resultados de un estudio basado en una muestra probabilstica tienen un verdadero margen de error de 3 o 4%? Explique Solucin: No! Al medir el error slo se considera el error muestral. Los errores no muestrales son de magnitud y direccin desconocida. Por lo tanto, el error total puede ser mayor al error muestral en la medida que existan: errores de respuesta (ej.:sesgo en las preguntas, respuestas falsas, etc.) errores de no respuesta (no disposicin a participar) errores de codificacin y procesamiento (tabulacin). Adems, se debe considerar el nivel de confianza ya que el error muestral depende de ste ET = EM + ENM c) Por qu en la practica la mayora de los estudios que se realizan en el pas utilizan muestras no probabilsticas? Solucin: Porque es generalmente ms simple, rpido y barato. Especialmente porque es difcil contar con un marco muestral adecuado. El muestreo no probabilstico se puede justificar en la etapa exploratoria.

Adems, en los muestreos multi-etpicos por reas, es comn que alguna etapa no sea probabilstica, convirtindolo en no probabilstico.

Caso 4: Encuesta Shell

a) Identifique el diseo de la investigacin y el mtodo de recoleccin de datos primarios utilizados en este estudio. Solucin: El diseo de investigacin utilizado en este estudio es Descriptivo El mtodo de recoleccin de datos primarios es: un cuestionario autoadministrado. b) Identifique 4 potenciales sesgos o problemas que presenta este cuestionario y proponga soluciones a ellos. Solucin: Los potenciales sesgos o problemas de este cuestionario son los siguientes: La pregunta 2 es una pregunta doble (atendedores cordiales y simpticos). Se recomienda separarla en dos preguntas. La pregunta 3 es una pregunta doble (limpieza y orden del lugar). La introduccin del cuestionario puede inducir un sesgo en las respuestas: Si fue excelente queremos saberlo y si no lo fue es nuestra obligacin saberlo. Se recomienda modificar el texto de la introduccin La pregunta 4 utiliza palabras ambiguas o con un significado poco claro (nivel general del servicio de lavado). Se recomienda cambiar el texto por la calidad del servicio de lavado. El cliente puede no saber el significado de la sigla E/S Shell. Se recomienda que la identificacin de la estacin de servicio sea preimpresa o que no la tenga que escribir el entrevistado. El cliente puede no saber el nombre de la persona que lo atendi. Se recomienda sealar el da y hora del lavado y as se puede identificar indirectamente la persona que estaba atendiendo Las categoras de edad (adulto mayor, adulto, joven) pueden tener diferentes significados o interpretaciones para diferentes clientes. Se deben modificar por tramos de edad: 18-30, 31-50, 51 o ms. En la pregunta 1, la rapidez no puede ser excelente, buena, regular o mala. Se recomienda modificar por una escala de 5 puntos: Muy lento, Lento, Ni rpido ni lento, Rpido, Muy rpido bien, evaluar la rapidez en una escala de 1 (Muy lento) a 7 (Muy rpido). Lo mismo se recomienda en las preguntas 2, 3 y 4.

Caso 5: Finanzas Matrimoniales

Sin duda el manejo de las finanzas en el hogar puede convertirse en una fuente de conflictos y problemas que afecte la relacin de pareja. Tiempo atrs, El Mercurio public un reportaje sobre el manejo de las finanzas matrimoniales en Chile. El anlisis y conclusiones del artculo estn basadas en una encuesta realizada en exclusiva para El Mercurio por la empresa Collect Investigaciones de Mercado, cuyo cuestionario, resultados y metodologa se adjuntan. En base al anlisis de esta informacin, se le pide responder lo siguiente: a. Qu tipo de procedimiento muestral se utiliz en este estudio? Sea preciso en su respuesta. b. Cul es el error muestral del estudio, a nivel de los resultados totales y del estrato II III? Realice los supuestos que estime convenientes. c. Determine los porcentajes de las respuestas a nivel de la muestra total (X, Y, Z) para la pregunta 1. a. Es un muestreo probabilstico, estratificado y desproporcionado. Probabilstico se seleccion una muestra aleatoria de telfonos de santiago. Estratificado poblacin se dividi en tres estratos por comunas que representan el nivel socioeconmico. Desproporcionado tamao muestral de cada estrato es igual y no tiene relacin con el tamao relativo del estrato en la poblacin. b. Supuestos: Nivel de precisin: (intervalo de tolerancia) Nivel de confianza: 95% Valor de z asociado a nivel de confianza: Varianza Mxima: P=0.5 Error muestral Total:

EM T = 1,96

0,5 (1 0, 5 ) 200 0,5 (1 0,5 ) 67

= 0, 0629 = 6,9%

Error muestral Estrato II o III: aprox. + 12%

EM IIoIII = 1,96

= 0,1197 = 11,98%

c. X = Reparten equitativamente obligaciones financieras Y = Hombre se encarga de todos los gastos Z = Mujer se encarga de todos los gastos

X = 0,15 65% + 0,32 54% + 0, 53 55% = 56,18% Y = 0,15 31% + 0,32 21% + 0, 53 33% = 28,86% Z = 0,15 4% + 0,32 25% + 0,53 12% = 14,96%

Caso 6
En Mayo de 2005, el Consejo Nacional de Televisin en conjunto con Adimark Comunicaciones, realiz la Encuesta Nacional de Televisin, que demuestra que un 58,8% de los chilenos est insatisfecho con la televisin abierta y que el nivel de satisfaccin ha disminuido en relacin a las mediciones anteriores de 2002 y 1999, como se aprecia en el grfico siguiente:
16

Nivel de Satisfaccin con TV Abierta

Base: Total Muestra 2005 (2.770)

% Poco o Nada Satisfecho

% Muy - Bastante Satisfecho

1999

43,4

55,6

2002

44,7

54,4

2005

58,8

40,3

Encuesta Nacional de Televisin 2005 - Consejo Nacional de Televisin / Adimark Comunicaciones

En base a la informacin anterior se le pide responder las siguientes preguntas:

Determine la precisin estadstica del estudio, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos. Determine el intervalo de confianza para los que se declaran poco o nada satisfechos con la televisin abierta en 2005, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos.

Caso 7
El 13 de Noviembre de 2005, El Mercurio, public los resultados de un estudio realizado por Collect Investigaciones de Mercado para Enfoques de Economa y Negocios. El objetivo del estudio fue conocer las opiniones de la gente sobre el modelo econmico, la distribucin del ingreso y el aporte de los grupos empresariales y polticos al desarrollo del pas.
Ficha Metodolgica:

Estudio cuantitativo probabilstico. Muestreo aleatorio de nmeros telefnicos. Tcnica de recoleccin de datos: entrevista telefnica Fecha de aplicacin: 3, 4 y 5 de Noviembre de 2005 Poblacin objetivo: hombres y mujeres del Gran Santiago, entre 18 y 65 aos, con cobertura de servicio telefnico.

A continuacin se presentan algunos resultados sobre la evaluacin del modelo econmico:

Evaluacin del Modelo Econmico

100% 80% 60%

En su opinin, Cmo ha variado su situacin econmica en los ltimos 15 aos?

GSE
49 36 32 32 28 33 23 20 47

41
40% 20% 0%

44

15

ABC1 (75)

C2 (75

C3 (75)

D (75)

100% 80% 60%

SEXO

EDAD

43
40% 20% 0% HOMBRE (140)

45 27 31 24 29

41 30 19

46 35 37

43 19

30

MUJER (160)

18 A 24 AOS (45)

25 A 40 AOS (92)

41 Y MS (163)

HA EMPEORADO

SE HA MANTENIDO

HA MEJORADO

En base a la informacin anterior se le pide responder las siguientes preguntas: a. Identifique claramente el tipo de procedimiento muestral utilizado en este estudio? b. Determine la precisin estadstica del estudio, a nivel de la muestra total y de cada GSE, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos. c. De acuerdo al Mapa Socioeconmico de Chile elaborado por Adimark, el grupo ABC1 representa el 11,3% de los hogares del Gran Santiago; el C2 el 20,1%; el C3 el 25,6% y el D el 34,5%. El grupo E que representa el 8,5% de los hogares del Gran Santiago, no fue considerado en esta encuesta. En base a esta informacin, cules seran los resultados estimados totales para la poblacin objetivo del estudio? Muestre sus clculos.

d. Se puede concluir que existe una diferencia estadsticamente significativa entre el porcentaje de personas que opina que su situacin econmica ha mejorado y lo que los opinan que su situacin econmica ha empeorado, en los ltimos 15 aos? Explique claramente su respuesta.

Caso 8
PROYECTO DE LEY SIESTA El domingo 19 de agosto se public una encuesta realizada por Cheskin Chile, la cual indicaba el grado de acuerdo y desacuerdo con la ley que permita dormir Siesta en el trabajo. De acuerdo al artculo adjunto y los conocimientos adquiridos en el curso, responda las siguientes preguntas: a) Calcule el error muestral del estudio, haciendo explcitos los supuestos que estime necesarios b) Asumiendo que los porcentajes para la poblacin son los siguientes: 11% pertenece al BCI, 22% al C2, 28% al C3 y 39% pertenece al D y que se trata de un muestreo pertenece estratificado, determine el porcentaje poblacional estimado para la alternativa En desacuerdo (X) y para la alternativa De acuerdo (Y). c) Interprete los resultados obtenidos en b) a la luz de lo obtenido en la parte a) d) Cul es el margen de error muestral a nivel del estrato C3? Haga los supuestos que estime necesarios. e) Se puede afirmar que el grupo C2 es aquel que presenta el mayor nivel de acuerdo con esta iniciativa?

Material Control N2

UNIVERSIDAD DE CHILE

Facultad de Economa y Negocios Seccin 01: Profesor Enrique Manzur / Andrea Ortiz Seccin 02: Profesor Juan Pablo Muoz Semestre Otoo 2009 10 de Junio 2009

PAUTA CONTROL N 2

MARKETING II

Instrucciones: Escriba con letra clara y ordenada, en el espacio asignado, sus respuestas a las siguientes preguntas. Sea preciso y utilice los conceptos adecuados. PARTE I: (48%) 1. En el output de SPSS al calcular el test Chi-cuadrado asociado a la tabulacin cruzada se indica automticamente el porcentaje de celdas que tienen valores esperados muy bajos en relacin a las frecuencias observadas: a. Qu efecto tiene lo anterior sobre la prueba de Chi-cuadrado? Si hay frecuencias esperadas muy bajas se puede producir que la estadstica chi-cuadrado calculado se haga grande lo que va a conducir al rechazo de la hiptesis nula, llegando a concluir que existe relacin entre las variables cuando puede que no exista. b. Qu propondra usted para solucionar este problema? Bsicamente existen dos soluciones: 1) Reagrupar las categoras con frecuencias observadas menores de tal forma que aumente la frecuencia esperada 2) Aumentar la muestra de tal forma que todas las celdas tengan mayores frecuencias observadas que lleven a frecuencias esperadas mayores. 2. Seale las similitudes y diferencias entre el coeficiente de correlacin lineal y el anlisis de regresin simple. Similitudes Ambos se utilizan para ver la asociacin entre variables de intervalo. Ambos miden la fuerza o magnitud de la relacin. El anlisis de Regresin lo hace mediante el R2 mientras que en el caso de la correlacin se hace a travs del coeficiente. Ambos anlisis permiten ver slo la relacin lineal entre las variables. Diferencias El coeficiente de correlacin adems de medir la fuerza de la asociacin entre las variables tambin permite ver la direccin de esa relacin a travs del signo del coeficiente de correlacin. El anlisis de regresin permite identificar variables dependientes y variables independientes mientras que el anlisis de correlacin no permite hacer esta distincin entre las variables.

3. El anlisis factorial busca agrupar en el mnimo posible de factores una cantidad adecuada de variables. Explique tres de los criterios que se utilizan para extraer estos factores.

Eigenvalue o valor propio mayor que uno: el eigenvalue o valor especfico representa la varianza explicada por cada factor de las variables originales, por lo que se seleccionar los factores con eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables. Determinacin a priori: Esta basado en el conocimiento o experiencia del investigador quien a priori conoce el nmero de factores que deben ser extrados, o bien en la naturaleza del anlisis que requiere un numero determinado de factores por ejemplo en mapas de posicionamiento donde se requieren 2 o 3 factores. Basado en el trazo de ladera o screeplot: Corresponde a un mtodo grfico de la cantidad de factores con su eigenvalue correspondiente. El nmero de factores a seleccionar por este mtodo estar dado por el cambio de pendiente (interrupcin distintiva) en la varianza acumulada por cada variable. Por lo general otorga uno o dos factores ms que el criterio de eigenvalue mayor a uno. Porcentaje de varianza explicada: Como la idea de realizar anlisis factorial es resumir las variables sin perder mucha informacin, se establece un criterio en base al porcentaje de varianza explicada, se considera satisfactorio un porcentaje mayor al 60%. Basado en la confiabilidad de la divisin: Consiste en dividir la muestra en dos grupos y realizar el anlisis factorial en cada submuestras, los factores seleccionados sern aquellos que tengan alta correspondencia de las cargas en ambos grupos.

4. Si el nivel de significancia observado (p-value) en una prueba de ANOVA es cercano a 1, existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones y, por lo tanto, se puede concluir que el efecto del tratamiento es relevante. Si el nivel de significancia observado (p-value) en una prueba de ANOVA es cercano a 1, esto implica que no se puede rechazar la hiptesis nula de que las medias de los grupos son iguales y por lo tanto, no existen diferencias estadsticamente significativas entre las medias de dos o ms muestras o poblaciones y el efecto del tratamiento es nulo.

5. Si el p value asociado a la prueba de Esfericidad de Bartlett es menor que el nivel de significancia exigido, entonces se concluye que la matriz de correlacin no se asemeja a la matriz identidad (I) y por ende el anlisis factorial es aplicable. Comente. Si el p-value asociado a la prueba de Esfericidad de Bartlett es menor que el nivel de significancia exigido, se debe rechazar la hiptesis nula de que la matriz de correlacin se asemeja a la matriz de identidad y por lo tanto las variables estn correlacionadas entre s y el Anlisis Factorial sera aplicable.
Sin embargo, lo anterior es una condicin necesaria pero no suficiente para que el Anlisis Factorial sea aplicable. Adems que el valor del p-value sea menor que el nivel de significancia exigido, el KMO debe ser mayor que 0,50, asegurando que las relaciones entre las variables no sean slo de pares, sino que entre todas las variables bajo estudio, lo que indicara que la muestra es adecuada para el Anlisis Factorial. 6. Cmo se clasifican las tcnicas de anlisis multivariado de datos, de acuerdo a Hair, Anderson, Tatham y Black? Mencione 3 tcnicas de cada tipo. Las tcnicas de anlisis multivariado se clasifican en tcnicas de interdependencia y tcnicas de dependencia. En las tcnicas de interdependencia no es posible identificar variables dependientes e independientes sino que el anlisis busca ver como acta el conjunto de variables simultneamente. En las tcnicas de dependencia en cambio es posible clasificar las variables en independientes y dependientes y se busca analizar el efecto de las primeras sobre las segundas. Mtodos de interdependencia: Anlisis Factorial Escalamiento Multidimensional (EMD) Anlisis de Correspondencia Anlisis de Conglomerados Anlisis Conjunto

Mtodos de dependencia: Anlisis de Regresin Anova Anlisis discriminante Ecuaciones Estructurales Anlisis de Correlacin Cannica

PARTE II: ALTERNATIVAS Y COMPLETAR ORACIONES (24%) Cada respuesta correcta vale 2 puntos y se descontar 1 punto por respuesta incorrecta. No se otorgar puntaje por respuestas correctas parciales, en los casos que correspondan. El ___valor terico_________ es el elemento central del anlisis multivariante y corresponde a una combinacin lineal de variables con ponderaciones determinadas empricamente. En un anlisis de regresin la _____fuerza de la asociacin_______ se mide por medio del cuadrado del coeficiente de correlacin mltiple R2, al que tambin llamamos coeficiente de determinacin mltiple. La potencia del test depende del nivel de significancia, del tamao del efecto y del tamao de la muestra. El anlisis de Chi-cuadrado relaciona variables medidas en escala nominal o categrica con variables medidas en escala nominal o categrica. Cul de los siguientes anlisis corresponde a uno de interdependencia? a) b) c) d) e) Anlisis Discriminante Regresin Mltiple Escalamiento Multidimensional Anlisis Conjunto Ninguno de los anteriores

En anlisis de Chi-cuadrado con tablas de contingencia de 2 x 2, es necesario aplicar un _____factor de correccin_____ sobre el estadstico para que el anlisis sea vlido. La carga factorial corresponde al peso que tiene cada variable en cada factor y el valor mximo que pueden tener es 1. La hiptesis nula asociada al test de ANOVA es que las medias de las muestras o poblaciones son iguales. En el Anlisis Factorial el monto de la varianza que una variable comparte con el factor, se conoce como comunalidad. El coeficiente de correlacin permite establecer la relacin entre dos variables medidas en escala de intervalo. En un Anlisis Factorial para 6 variables, se obtuvieron los siguientes eigenvalues: 2.7 y 1.8. Cul es la varianza total explicada por los componentes extrados? a) 56,7% b) 66,7% c) 75,0% d) 86,7% e) 96,7%

El anlisis de varianza (ANOVA) es un procedimiento estadstico que se utiliza con mucha frecuencia en anlisis de datos experimentales, requiere una variable dependiente en escala de razn y una variable(s) independiente(s) en escala nominal.

CASOS: (28%) CASO 1: Prueba Chi-Cuadrado (12%) Un estudio reciente sobre los hbitos de fumar de los alumnos de Ingeniera Comercial de la Facultad de Economa y Negocios de la Universidad de Chile, entreg los siguientes resultados:
Tabla de contingencia Genero * Fuma Hbito de Fumar No Fuma Genero Hombre Mujer Total Recuento % de Genero Recuento % de Genero Recuento % de Genero 20 83,3% 18 69,2% 38 76,0% Fuma 4 16,7% 8 30,8% 12 24,0% Total 24 100,0% 26 100,0% 50 100,0%

En base a esta informacin, se le solicita responder las siguientes preguntas: 1. Calcule las frecuencias esperadas para las celdas de la tabla de contingencia. (4 puntos) Celda 11 = (24 x 38) / 50 = 18,24 Celda 12 = (24 x 12) / 50 = 5,76 Celda 21 = (26 x 38) / 50 = 19,76 Celda 22 = (26 x 12) / 50 = 6,24 2. Calcule el valor de la estadstica Chi-Cuadrado (4 puntos) X = (20 18,24) / 18,24 + (5,76 4) / 5,76 + (19,76 18) / 19,76 + (8 6,24) / 6,24 X = 0,1698 + 0,5378 + 0,1568 + 0,4964 = 1,3608 3. Determine si existe una relacin estadsticamente significativa entre el Gnero (Masculino, Femenino) de los alumnos y el Hbito de Fumar, al 95% de Nivel de Confianza, planteando claramente la hiptesis nula y la hiptesis alternativa. (4 puntos) Hiptesis Nula: No existe relacin entre el Gnero de los alumnos y el Hbito de Fumar. Hiptesis Alternativa: Si existe relacin entre el Gnero de los alumnos y el Hbito de Fumar. La estadstica Chi-Cuadrado calculada es = 1,3608 < que el valor de la estadstica Chi-Cuadrado crtica de la tabla es = 3,84, para un 95% de nivel de confianza y 1 grado de libertad. En consecuencia, no hay evidencia como para

rechazar la hiptesis nula y por lo tanto, podemos afirmar que no existe una relacin estadsticamente significativa entre el Gnero de los alumnos y el Hbito de Fumar, al 95% de nivel de confianza. CASO 2: ANOVA (16%) Suponga que una importante empresa de bebidas est testeando 4 diseos de envase para su nueva cerveza sin alcohol. La Tabla que se presenta a continuacin muestra los resultados del Anlisis de Varianza (ANOVA) para este estudio:
Fuente Suma de Cuadrados Grados de Libertad Media Cuadrados de

Intergrupos Intragrupos Total

75,8 927,5 1003,3

3 120 123

25,27 7,73 3,27

a) Calcule la informacin faltante en la tabla, mostrando el procedimiento y los clculos respectivos. (8 puntos) Suma de Cuadrados Intergrupos = 1003,3 927,5 = 75,8 Grados de Libertad Intergrupos = g 1 = 4 1 = 3 Grados de Libertad Total = 120 + 3 = 123 Media de Cuadrados Intergrupos = 75,8 / 3 = 25,27 Media de Cuadrados Intragrupos = 927,5 / 120 = 7,73 Media de Cuadrados Total = 25,27 / 7,73 = 3,27 b) Determine el valor del estadstico F y efecte el test de hiptesis correspondiente, planteando claramente la hiptesis nula y la hiptesis alternativa. Explique el resultado obtenido y cmo sera el p-value o significancia observada en la prueba. (6 puntos) El valor de la estadstica F es = 25,27 / 7,73 = 3,27 Hiptesis Nula: Las medias de los grupos son iguales o 1 = 2 =3 = 4 Hiptesis Alternativa: Las medias de los grupos son diferentes o 1 2 3 4
La estadstica F calculada es de 3,27 > que la estadstica F crtica de la tabla que es = 2,68, para 3 y 120 grados de libertad, con un 95% de nivel de confianza. Luego, el F calculado en la prueba de ANOVA cae en la zona de rechazo y por lo tanto, se debe rechazar la Hiptesis Nula, de que las medias de los grupos son iguales. En otras palabras, se pude concluir que los envases producen diferencias estadsticamente significativas en las respuestas de los grupos, con un 95% de nivel de confianza. El nivel de significancia observada en la prueba sera menor que 0,05. Luego, no da lo mismo cualquier envase y se debe seleccionar el envase con mayor respuesta media.

c) Cul fue el tamao de la muestra utilizada en este caso? (2 puntos) El tamao de la muestra utilizada en este caso fue de 124 consumidores. N g = 120 g=4 N 4 = 120 N = 124

Comentes:
1. Si el p value asociado a la prueba de Esfericidad de Bartlett es alto (cercano a 1), entonces se concluye que la matriz de correlacin no se asemeja a la matriz identidad (I) y por ende el anlisis factorial es aplicable. Comente

Si el p value es cercano a uno, indica que no se puede rechazar la hiptesis nula de que la matriz de correlaciones es igual a la identidad. Para poder rechazar la hiptesis nula anterior, es necesario que el p value sea cercano a cero (3 puntos). Lo anterior es condicin necesaria pero no suficiente para que el anlisis factorial sea aplicable. (2 puntos) Adems que el p value sea cercano a 0, el KMO debe ser mayor que 0,5 asegurando que las relaciones entre las variables no sean solo de pares, sino que entre todas las variables bajo estudio (3 puntos).
2. La Prueba Chi-Cuadrado permite establecer la existencia de una relacin de causalidad, en cambio, el coeficiente de correlacin mide el grado de asociacin entre dos variables. Comente.

La prueba de Chi-Cuadrado permite establecer si existe una relacin estadsticamente significativa entre dos variables nominales o categricas. No permite establecer relaciones de causalidad. El coeficiente de correlacin permite establecer la magnitud y direccin de la relacin lineal entre 2 variables medidas en escala de intervalo o razn. No permite establecer relaciones de causalidad entre ellas, ya que para ello se requiere de otras evidencias: como son orden temporal, la eliminacin de otros factores causales, y la evidente existencia de correlacin. El comente es falso.
3. En base a Hair et al. Cap 1, explique qu representa la potencia de un test y los 3 factores que la determinan.

La potencia de un test de inferencia estadstica (1- ) es la probabilidad de rechazar correctamente la hiptesis nula cuando esta debe ser rechazada o en otras palabras, es la probabilidad de tomar la decisin correcta de no aceptarla cuando es falsa. (4 puntos) La potencia est determinada por 3 factores: 1) Efecto tamao (as sale en el libro pero en realidad es tamao del efecto): La probabilidad de conseguir significancia estadstica se basa no slo en consideraciones estadsticas sino tambin en la magnitud real del efecto que nos interesa (por ejemplo, una diferencia de medias entre dos grupos o la correlacin entre variables) en la poblacin, denominado efecto tamao. Un efecto grande es ms probable de encontrar que un efecto pequeo, y por lo tanto, afecta a la potencia de la prueba estadstica. Para evaluar la potencia de cualquier prueba estadstica, el investigador debe entender primero el efecto tamao. El efecto tamao se mide en trminos estandarizados para facilitar la comparacin. Las diferencias respecto de la media se determinan en trminos de desviaciones estndar, as que un efecto tamao de 0,5 indica que la diferencia respecto de la media es la mitad de la desviacin estndar. Para las correlaciones, el efecto tamao se basa en las correlaciones efectivas entre las variables. (2 puntos)

2) Alfa () o nivel de significancia. A medida que el nivel de significancia es menor, la potencia del test tambin decrece. Esto significa que a medida que se reduce la probabilidad de encontrar un efecto incorrecto significativo (error tipo I), la probabilidad de encontrar un efecto correcto significativo (no aceptar hiptesis nula falsa) tambin disminuye. Las directrices convencionales sugieren niveles de de o,05 o 0,01, pero el investigador debe considerar el impacto de esta decisin sobre la potencia de la prueba (1-), antes de seleccionar el nivel de . (2 puntos) 3) Tamao de la muestra: Para cualquier nivel de significancia dado, el aumento de la muestra siempre produce una mayor potencia del test estadstico. Pero aumentar el tamao de la muestra, tambin puede producir demasiada potencia. Por este hecho, al aumentar el tamao de la muestra, efectos cada vez ms y ms pequeos sern significativos, hasta que para muestras muy grandes, casi cualquier efecto es significativo. Siempre se debe tener presente en una prueba estadstica que muestras muy pequeas pueden generar efectos no significativos y muestras muy grandes pueden generar efectos significativos, por lo que la decisin del tamao muestral es muy relevante en una prueba estadstica. (2 puntos)
4. Si en una prueba de ANOVA, la varianza intragrupo es muy inferior a la varianza intergrupo, qu se puede concluir respecto a la hiptesis nula y al efecto del tratamiento?

Si la varianza intragrupo es muy inferior a la varianza intergrupo la estadstica F es alta y por lo tanto se debe rechazar la hiptesis nula de que las medias de los grupos son iguales. Existen diferencias estadsticamente significativas entre los grupos y el tratamiento tiene efecto.
5. Compare la elaboracin de mapas de posicionamiento en base al anlisis factorial y el anlisis de correspondencias. Sea especfico respecto al tipo de informacin requerida, el output obtenido y las ventajas y desventajas de uno y otro.

El Anlisis Factorial se basa en las evaluaciones de los atributos de un producto o servicio para diferentes marcas, resumiendo esos atributos en un nmero menor de factores o dimensiones subyacentes y obteniendo los factor scores. El promedio de estos coeficientes para cada marca se utiliza para obtener el posicionamiento de las marcas en los factores extrados (coordenadas). Los factores o dimensiones son interpretadas a priori, en relacin a los atributos que tienen una alta carga factorial en cada factor. Ventajas Se definen previamente las dimensiones o factores Desventajas Sensible a las variables Debe ser elaborado en base a los scores para cada marca en los factores extrados El anlisis de correspondencia: Se basa en juicios sobre la posesin o no posesin de un conjunto de atributos

El resultado es un mapa de posicionamiento en el cual los atributos son representados por vectores La longitud del vector indica la importancia del atributo para discriminar entre las marcas Una marca posicionada ms prxima a la flecha del vector tendr ms de ese atributo. Ventajas Reduce las exigencias de recopilacin de datos Desventajas No se presta para comprobar hiptesis
6. En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn y en qu situaciones utilizar uno u otro?

El Anlisis de Componentes Principales considera la varianza total en los datos, en cambio el Anlisis Factorial Comn determina los factores en base a la varianza comn en los datos. Por esta razn, en Anlisis de Componentes Principales, las comunalidades iniciales son iguales a 1, lo que indica que los componentes extrados en la solucin inicial, explican el 100% de la varianza en las variables originales (unos en la diagonal de la matriz de correlacin). En cambio en Anlisis Factorial Comn, las comunalidades iniciales son menores que 1, lo que indica que los factores extrados en la solucin inicial, explican menos del 100% de la varianza en las variables originales (comunalidades en la diagonal de la matriz de correlacin). (5 puntos) El Anlisis de Componentes Principales es ms apropiado utilizarlo para determinar el nmero de componentes relevantes que se pueden identificar en un producto o servicio o cuando se quiere minimizar el nmero de componentes que explican el mximo de varianza en las variables originales. El Anlisis Factorial Comn es ms apropiado utilizarlo para interpretar el significado de los factores extraidos cuando se asume que existe una estructura subyacente de factores que explican los datos y sus correlaciones. (5 puntos)
7. De una muestra de datos se ha obtenido la siguiente matriz de varianza-covarianza para tres variables de inters. Se le pide que determine la matriz de correlacin asociada a ella, explicando su respuesta y mostrando sus clculos. 9 3 5 3 5 16 4 4 25

El coeficiente de correlacin entre dos variables x e y, es igual a la covarianza entre x e y, dividido por el producto de la desviacin estndar de x por la desviacin estndar de y. Por lo tanto, la matriz de correlacin se puede derivar de la matriz de varianza-covarianza que tiene las varianzas en la diagonal y las covarianzas fuera de la diagonal. (2 puntos) 1 1/4 1/3 1/4 1 1/5 1 1/3 1/5

(2 puntos) R 12 = 3 / 3 x 4 = 3/12 = 1 / 4 R 13 = 5 / 3 x 5 = 5 / 15 = 1 / 3 R 23 = 4 / 4 x 5 = 4 / 20 = 1 / 5 (2 puntos) (2 puntos) (2 puntos)

8. Explique la diferencia entre las tcnicas de anlisis multivariado de dependencia y de interdependencia. Mencione 2 ejemplos para cada tipo.

Las tcnicas de anlisis multivariado de dependencia clasifican las variables en dependientes (explicadas) e independientes (explicativas) y determinan la relacin de dependencia que existe entre ellas. Las tcnicas de anlisis multivariado de interdependencia no distinguen entre variables dependientes e independientes y determinan la relacin de interdependencia que existe entre todo el conjunto de variables. (6 puntos) Tcnicas de anlisis multivariado de dependencia: Anlisis Discriminante, Anlisis Conjunto, Modelo de Ecuaciones Estructurales, Anlisis de Regresin Mltiple, Anlisis de Correlacin Cannica. (2 puntos) Tcnicas de anlisis multivariado de interdependencia: Anlisis Cluster, Anlisis Factorial, Escalamiento Multidimensional, Anlisis de Correspondencia (2 puntos)
9. Cules son las principales diferencias entre el Anlisis de Cluster Jerrquico y el No Jerrquico y cundo se recomienda el uso de uno u otro?

El Anlisis Cluster Jerrquico clasifica los casos estableciendo un rbol jerrquico llamado dendograma, en cambio el Anlisis Cluster No Jerrquico no establece tal jerarqua sino que clasifica los casos en torno a las medias o centroides de los clusters. (5 puntos) El Anlisis Cluster Jerrquico se recomienda utilizarlo cuando se desconoce a priori el nmero de clusters o segmentos que puede existir. El Anlisis Cluster No Jerrquico se recomienda utilizarlo cuando se conoce a priori en nmero de clusters o segmentos. (5 puntos)
10. Describa claramente el proceso que usted seguira para obtener un mapa de posicionamiento de 6 marcas competidoras por medio de Anlisis Factorial

1. En primer lugar, se debe determinar las variables o atributos que caracterizan al producto o servicio y obtener evaluaciones de esos atributos en una escala de intervalos, por parte de una muestra del mercado objetivo, para las 6 marcas competidoras. (2 puntos) 2. Luego, se debe realizar un Anlisis Factorial para reducir las variables y determinar e interpretar los factores resultantes. (2 puntos) 3. En seguida, se debe determinar los factor scores (puntajes de los factores) para cada persona en la muestra y para las 6 marcas. Estos factor scores se deben guardar como variables en el archivo original. (2 puntos)

4. Luego, se debe calcular los factor scores promedio para cada marca en cada factor, los que representarn las coordenadas del mapa de posicionamiento. (Analizar Comparar Medias Medias - ingresar los factor scores como variables dependientes y las marcas como variable independiente). (2 puntos) 5. Finalmente, se debe crear un archivo separado con los factor scores promedio para cada marca y obtener el mapa de posicionamiento (Grficos - Interactivo ingresar los factor scores promedio del Factor 1 en el eje de las X y los factor scores promedio del Factor 2 en el eje de las X y las marcas en etiquetas). (2 puntos)
11. La estadstica de chi-cuadrado no sirve para determinar relaciones entre variables medidas en escala nominal u ordinal. Solo es posible usarla en variables medidas en escalas de intervalo o de razn.

Falso: La estadstica de Chi-Cuadrado se usa en datos medidos en escalas nominales u ordinales. De hecho, deber estimarse slo en los conteos de datos (como los que se realizan en las tablas de contingencia cruzada o crosstables). La Chi-Cuadrado sirve para probar la importancia estadstica de la asociacin observada en una tabulacin cruzada, determinando una posible asociacin sistemtica entre dos variables.
12. La gran diferencia entre el coeficiente de correlacin y un test de ANOVA, es que el primero permite determinar relaciones de causalidad, en cambio el segundo solo sirve para definir si un tratamiento fue efectivo.

Coeficiente de correlacin: Permite establecer la magnitud y direccin de la relacin lineal entre 2 variables de intervalo o razn. No permite establecer relaciones de causalidad entre ellas, ya que para ello se requiere de otras evidencias. Orden Temporal Eliminacin de otros factores causales Correlacin ANOVA: es test estadstico de anlisis bivariado o multivariado, que se utiliza para determinar si una o ms variables nominales o categricas (tratamientos experimentales), producen diferencias significativas entre las variables de intervalo o de razn de diferentes grupos, muestras o poblaciones. Por ejemplo, se puede utilizar en un experimento, para determinar si diferentes comerciales de un producto, producen diferencias estadsticamente significativas en la intencin de compra del producto, entre los grupos, muestras o poblaciones.
13. Explique en detalle el procedimiento de clculo de los grados de libertad de una estadstica Chi-Cuadrada, en una tabla de contingencia cruzada. Plantee adems una hiptesis nula y el procedimiento de rechazo o no rechazo del test.

gl = ( r 1)( c 1) Los grados de libertad se determinan de la siguiente forma: En general, el nmero de gl es igual a las filas menos 1, por las columnas menos 1. La Hiptesis Nula es que no hay asociacin entre las variables usadas (x e y independientes). Se rechaza solo si Xcalculada > Xtabla. Dependiendo de los grados de libertad.

14. Si en una prueba de ANOVA la varianza intragrupo/within group (MCW) es similar a la varianza intergrupo / between groups (MCB), Qu se puede concluir respecto a la hiptesis nula y al efecto del tratamiento?

Si las dos varianzas son iguales el Test F tiende a uno, por lo que no se rechaza la hiptesis nula: H 0 : 1 = 2 = ... = n Es decir, el efecto del tratamiento no es significativo ya que la diferencia entre las medias es similar a la diferencia o varianza interna de los grupos o en otras palabras los distintos niveles de tratamiento no producen diferencias. Siempre se compara en la distribucin de Fisher Media Cuadrados Intergrupos F= Media Cuadrados Intragrupos
15. Si el nivel de significancia observado (p-value) en una prueba de ANOVA es cercano a 0, quiere decir que no existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones y, por lo tanto, el efecto del tratamiento es irrelevante.

La Nula corresponde a H 0 : 1 = 2 = ... = n Por lo que si el p-value es cercano a 0, implica que SI existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones por lo tanto, el efecto del tratamiento es relevante. (o al menos estadsticamente significativo). Se rechaza la hiptesis nula de que las medias de los grupos son iguales. (que las diferencias no existen). Recordar que si un p-value es bajo el nivel de significancia esperado (0,05 de sign. por ejemplo) se rechaza la Hiptesis Nula.
16. Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable? Describa las estadsticas (tests) que se utilizan para comprobar que se satisface este requerimiento

El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existen dos test: Test de Esfericidad de Bartlett: la hiptesis nula es que no existe correlacin entre las variables. (Matriz de correlacin = Matriz Identidad). Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p-value cercano a cero). Test de Adecuacin de la muestra (KMO): valores 0.5 indican que el anlisis factorial es apropiado.
17. Dentro de la tcnica de Anlisis Factorial, En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn?

Anlisis de Componentes Principales: Su objetivo es reducir variables hacia factores (componentes) que capturen la mayor cantidad de informacin de las variables originales, para utilizarlas en anlisis posteriores Considera la varianza total de los datos Matriz de correlaciones (extraccin) posee unos en la diagonal. Minimizar la cantidad de factores que explican la mxima varianza. Anlisis Factorial Comn:

No considera la varianza total, sino slo la varianza comn. Se utiliza cuando se asume que existe una estructura abstracta subyacente de factores que explican los datos y sus correlaciones. Su matriz de correlaciones posee nmeros menores de 1 en su diagonal (comunalidades iniciales menores que 1).
18. Explique los criterios para seleccionar el numero de factores adecuados a extraer en un Anlisis Factorial.

Determinacin a priori: el investigador sabe el nmero de factores que requiere (ej: anlisis de posicionamiento), en base a su experiencia previa Basado en los valores propios (eigenvalues): se seleccionan los factores con eigenvalues mayores a 1 Basado en el trazo de ladera (scree plot): interrupcin distintiva (cambio de pendiente) en la varianza acumulada por cada variable Basado en el porcentaje de varianza: se establece un nivel satisfactorio mnimo de varianza explicada por los factores. Se recomienda que al menos sea del 60% Basado en la confiabilidad de divisin a la mitad: se divide la muestra y se realiza el AF en cada mitad, conservndose los factores con alta correspondencia de cargas
19. Explique cual es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin?

El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin.
20. Transforme la siguiente matriz de varianzas y covarianzas en una matriz de correlaciones

4 3 5 3 16 4 5 4 25
corr =
cov ( x, y )

x y

4 3 5 var cov 3 16 4 5 4 25

1 3 / 8 1 / 2 corr 3 / 8 1 1 / 5 1 / 2 1 / 5 1

21. En el anlisis factorial, explique que representan la comunalidad de extraccin y cmo se calcula esta ltima.

Comunalidad de extraccin: Es la proporcin de varianza que comparte cada variable con los factores extrados. (es la varianza comn que existe entre la variable y los factores) Como explican los factores a la variable. Se obtiene de sumar el cuadrado de las cargas factoriales de la variable a travs de los factores.
22. Los mapas de posicionamiento no son muy tiles en Marketing, porque estn basados en las percepciones subjetivas de los consumidores y no representan necesariamente las posiciones reales de las marcas.

Las percepciones subjetivas de los consumidores DETERMINAN las posiciones reales de las marcas, pues stas estn en las mentes de los consumidores (es decir son reales y subjetivas). Dado esto, los mapas de posicionamiento s son tiles para el Marketing.
23. Cul es el nmero de comparaciones que se pueden realizar en un Escalamiento Multidimensional, donde existen 8 marcas a comparar?

28 En general se aplica: n(n-1)/ 2

24. En el anlisis de Correspondencia, qu significa la cercana de una marca a un vector (flechas) de atributos y qu implica la longitud de este?

La cercana de flechas y marcas indica que una marca tiene ms de un determinado atributo. La longitud indica la importancia de un atributo en explicar las diferencias del elemento de estudio.
25. Compare la elaboracin de mapas de posicionamiento en base a escalamiento multidimensional y anlisis factorial.

El Anlisis Factorial se basa en las evaluaciones de los atributos de un producto o servicio para diferentes marcas, resumiendo esos atributos en un nmero menor de factores o dimensiones subyacentes y obteniendo los factor scores. El promedio de estos coeficientes para cada marca se utiliza para obtener el posicionamiento de las marcas en los factores extrados (coordenadas). Los factores o dimensiones son interpretadas a priori, en relacin a los atributos que tienen una alta carga factorial en cada factor. El EMD se basa en la similitud percibida entre marcas competidoras en una categora de producto o servicio, y transforma esas similitudes en distancias en un plano de 2 dimensiones para obtener el mapa de posicionamiento, tratando de preservar el ordenamiento de las similitudes percibidas. Las dimensiones del mapa son interpretadas a posteriori, en relacin a las posiciones relativas de las marcas.

26. Explique claramente las diferencias y similitudes entre el Escalamiento Multidimensional y el Anlisis de Correspondencia, tanto en trminos de los datos requeridos (input) como de los resultados (output) y su interpretacin.

El escalamiento multidimensional: se basa en juicios de similitud o preferencia entre pares de marcas el resultado es un mapa de posicionamiento de dos o ms dimensiones debe ser interpretado a posteriori en base a las posiciones relativas de las marcas. El anlisis de correspondencia: se basa en juicios sobre la posesin o no posesin de un conjunto de atributos el resultado es un mapa de posicionamiento en el cual los atributos son representados por vectores la longitud del vector indica la importancia del atributo para discriminar entre las marcas una marca posicionada ms prxima a la flecha del vector tendr ms de ese atributo
27. Explique la diferencia entre Chi-Cuadrado y ANOVA, sealando un ejemplo de una situacin en que aplicara uno y otro.

Chi- Cuadrado es una prueba o test estadstico de anlisis bivariado que se utiliza para determinar si existe una relacin estadsticamente significativa entre 2 variables nominales o categricas, normalmente, entre una variable demogrfica y una variable de comportamiento de compra. Por ejemplo, determinar si existe una relacin estadsticamente significativa entre el nivel socioeconmico y la marca preferida por los consumidores. ANOVA es una prueba o test estadstico de anlisis bivariado o multivariado, que se utiliza para determinar si una o ms variables nominales o categricas (tratamientos experimentales), producen diferencias estadsticamente significativas entre las variables de intervalo o de razn de diferentes grupos, muestras o poblaciones. Por ejemplo, se puede utilizar en un experimento, para determinar si diferentes comerciales de un producto, producen diferencias estadsticamente significativas en la intencin de compra del producto, entre los grupos, muestras o poblaciones.

Complete y Alternativas
1- El anlisis de correspondencia representa los atributos de las marcas como vectores 2- El stress o tensin mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de escalamiento multidimensional. 3- Los factor loadings o cargas factoriales corresponden a las correlaciones entre las variables y los factores/componentes 4- En Escalamineto Multidimensional, el r cuadrado es una medida de ajuste en que valores mayores a 0,6 indican una mejor adecuacin del modelo. 5- El EMD transforma los juicios del consumidor de percepcin o preferencia en una medida distancia 6- El anlisis de regresin permite determinar si existe una relacin estadsticamente significativa entre 2 variables y adems permite predecir el valor de la variable dependiente en base al valor de la variable independiente. 7- En anlisis de varianza, la variable dependiente es_____________________ y la variable independiente es___________________ a) de intervalo o razn; nominal b) ordinal; de intervalo o razn c) nominal; de intervalo o razn d) ordinal; nominal e) ninguna de las anteriores 8- En el anlisis factorial el monto de la varianza que una variable comparte con las dems, se conoce como comunalidad inicial 9- Cul de las siguientes frases no es verdadera sobre la rotacin de los factores? a) A travs de la rotacin, la matriz factorial se transforma para facilitar la interpretacin de los factores b) La rotacin afecta las comunalidades el porcentaje de varianza total explicada c) De preferencia, cada variable debera tener una carga factorial alta en un solo factor d) Diferentes mtodos de rotacin pueden dar como resultado la identificacin de diferentes factores e) La rotacin cambia el porcentaje de varianza total explicada por los factores 10- Qu mtodo de anlisis clasifica las variables en dependientes e independientes? a) Anlisis factorial b) Anlisis de correspondencias c) Anlisis de Regresin d) Escalamiento Multidimensional

e) Ninguna de las anteriores 11- El anlisis multivariado se puede clasificar en interdependencia y dependencia 12- El coeficiente de correlacin lineal es una medida de la magnitud y direccin de la relacin entre 2 variables de intervalo o razn 13- El coeficiente de correlacin permite establecer la relacin lineal entre dos variables medidas en escala de intervalo o razn 14- La Prueba Chi-Cuadrado compara las frecuencias Observadas con las frecuencias esperadas en una tabla de contingencia o de tabulacin cruzada, para dos variables nominales o categricas. 15- Los supuestos de ANOVA son: 1. Para cada poblacin la variable se distribuye normalmente. 2. La varianza es la misma para todas las poblaciones. 3. Las observaciones son independientes 16- El anlisis de varianza (ANOVA) es un procedimiento estadstico que se utiliza con mucha frecuencia en anlisis de datos experimentales, requiere una variable dependiente en escala _____________________ y una variable(s) independiente(s) en escala _________________________. a) Ordinal / Nominal b) Intervalo / Nominal c) Ordinal / Razn d) Nominal / Intervalo e) Ordinal / Intervalo 17- La comunalidad inicial de una variable, es la cantidad de varianza de esa variable que es explicada por las dems variables. 18- La comunalidad de extraccin de una variable, es la cantidad de varianza de esa variable que es explicada por los factores seleccionados. 19- El R Cuadrado indica el porcentaje de varianza en los datos de entrada que es explicada por el modelo de Escalamiento Multidimensional y valores mayores a 0.6 son considerados aceptables. 20- Los mapas de posicionamiento estn basados en las percepciones y las preferencias de los consumidores. 21- El proceso que minimiza el nmero de variables con cargas altas en un factor, mejorando la capacidad de interpretacin se denomina Rotacin Varimax. 22- En Anlisis Factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz identidad se llama Prueba de Esfericidad de Bartlett.

23- La tcnica estadstica para analizar asociaciones entre dos variables categricas se denomina: a) Coeficiente de Correlacin b) Alfa de Cronbach c) Chi-Cuadrado d) Test de Pearson e) Ninguna de las anteriores 24- En la Prueba Chi-Cuadrado, los datos de la tabla de contingencia corresponden a : a) b) c) d) e) Medias Frecuencias Relativas Frecuencias absolutas Frecuencias esperadas Ninguna de las anteriores

25- Para analizar la relacin entre dos variables por medio de la Prueba Chi-Cuadrado, las variables de intervalo o de razn deben ser transformadas a Variables nominales o categricas

Material Examen

Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin UNIVERSIDAD DE CHILE EXAMEN FINAL INVESTIGACIN DE MERCADOS Semestre Otoo 2004 Seccin 01: Profesor Enrique Manzur Seccin 02: Profesor Juan Pablo Muoz PARTE I: PREGUNTAS (35 puntos)
1. Compare la elaboracin de mapas de posicionamiento en base a escalamiento multidimensional y anlisis factorial. Sea especfico respecto al tipo de informacin requerida, el output obtenido y las ventajas y desventajas de uno y otro. El Anlisis Factorial se basa en las evaluaciones de los atributos de un producto o servicio para diferentes marcas, resumiendo esos atributos en un nmero menor de factores o dimensiones subyacentes y obteniendo los coeficientes de puntaje de los factores (factor score coefficients). El promedio de estos coeficientes para cada marca se utiliza para obtener el posicionamiento de las marcas en los factores extraidos (coordenadas). Los factores o dimensiones son interpretadas a priori, en base a los atributos que tienen una alta carga factorial en cada factor. El Escalamiento Multidimensional se basa en la similitud percibida entre las marcas competidoras en una categora de producto o servicio, y transforma esas similitudes en distancias en un plano de 2 dimensiones para obtener el mapa de posicionamiento, tratando de preservar el ordenamiento de las similitudes percibidas. Las dimensiones del mapa son interpretadas a posteriori, en base a las posiciones relativas de las marcas.

25 de Junio de 2004 Duracin: 120 minutos

2. Mientras mayor sea el tamao de la poblacin, mayor ser el tamao de muestra requerido para un margen de error y nivel de confianza determinado. Comente. Esta afirmacin no es necesariamente verdadera, puesto que el tamao de la poblacin no incide directamente en el tamao de la muestra requerida para obtener una estimacin o resultado con un margen de error y nivel de confianza determinados. Lo que incide en el tamao de la muestra, es la varianza de la caracterstica o variable que se medir, en la poblacin y no el tamao de esa poblacin. A mayor varianza, mayor ser el tamao muestral

requerido. Luego, dos poblaciones con diferente tamao pero igual varianza, requerirn el mismo tamao de muestra. El tamao de la poblacin puede incidir indirectamente en el tamao de la muestra, ya que una poblacin de mayor tamao, tiene un mayor potencial de varianza, pero es la varianza y no el tamao de la poblacin, la que determina finalmente el tamao muestral requerido para un margen de error y nivel de confianza determinados. 3. Explique las similitudes y diferencias entre el Anlisis Discriminante y el Anlisis de Conglomerados Jerrquico. El Anlisis Discriminante y el Anlisis de Conglomerados Jerrquico son tcnicas de clasificacin o agrupacin que se utilizan principalmente para segmentar mercados. La principal diferencia entre ambas tcnicas es que el Anlisis Discriminante distingue entre variables dependientes e independientes y el Anlisis de Conglomerados Jerrquico no hace tal distincin. Esto implica que el Anlisis Discriminante requiere conocer previamente la pertenencia de los objetos a los grupos (variable dependiente), para poder desarrollar la funcin discriminante que permite predecir el grupo de pertenencia para otras muestras. En cambio el Anlisis de Conglomerados Jerrquico no requiere conocer la pertenencia de los objetos a los grupos ni predefinir el nmero de estos, sino que la agrupacin surge de las similitudes entre las variables de agrupacin para las distintas observaciones y el nmero de clusters se define a posteriori. Adems, el Anlisis de Conglomerados Jerrquico establece una jerarqua de agrupacin en forma de rbol, lo que permite determinar la etapa ptima del proceso de agrupacin. 4. Explique dos alternativas para determinar la capacidad predictiva de la funcin discriminante e identifique cual es ms exigente y por qu. La muestra en Anlisis Discriminante se divide en dos: una muestra de anlisis y una muestra de validacin. La capacidad predictiva de la funcin discriminante se puede probar de tres formas analizando la matriz de clasificacin (basta con sealar 2): a) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis. b) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis pero dejando fuera, al generar la funcin, el caso que se desea clasificar en cada oportunidad (crossvalidated). c)Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la muestra de validacin. La alternativas estn en orden ascendente de exigencia siendo a) la menos exigente y c) la ms exigente debido a que normalmente se obtiene un menor porcentaje de acierto o clasificacin correcta que en la muestra de anlisis.

5. Por qu el Anlisis de Conglomerados No Jerrquico se denomina tambin cmo de K-Medias y qu desventajas presenta frente al Anlisis de Conglomerados Jerrquico? El Anlisis de Conglomerados No Jerrquico, se denomina tambin como de KMedias, porque la agrupacin se basa en la definicin previa del nmero de clusters (K) y de los centros o semillas iniciales para cada cluster, que corresponde a las medias de las variables de agrupacin para cada cluster, en torno a las cuales se agrupan los objetos. Las desventajas que presenta el Anlisis de Conglomerados No Jerrquico frente al Jerrquico, es que el primero requiere definir previamente el nmero de clusters en cambio en el segundo, el nmero de clusters surge de la interpretacin de los resultados. Adems, en el Anlisis de Conglomerados No Jerrquico el resultado es sensible a los valores de los centros iniciales o semillas.

PARTE II: COMPLETE (22 puntos)

Complete las siguientes frases con los trminos que usted considere ms apropiados.

1. En el anlisis factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz de Identidad se conoce como Prueba de Esfericidad de Bartlett.
2. En el anlisis discriminante la variable dependiente es nominal o categrica y las variables independientes son de intervalo o de razn. 3. El dendrograma es una herramienta grfica para presentar los resultados del anlisis de conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos. 4. En un procedimiento de agrupacin no jerrquico se establecen a priori el nmero de clusters y sus centros iniciales. 5. En el anlisis de cluster y en escalamiento multidimensional, la medida de similitud utilizada con ms frecuencia es la distancia euclideana / distancia euclideana cuadrada. 6. El Anlisis de Correspondencia representa los atributos de las marcas como vectores. 7. El Stress o nfasis mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de escalamiento multidimensional. 8. La distancia Manhattan o Block o de Calles Urbanas entre dos casos es la suma de las diferencias absolutas en los valores para cada variable.

9. La comunalidad inicial de una variable, es la cantidad de varianza de esa variable que es explicada por las dems variables. 10. La mayor parte del anlisis multivariado de datos toma como base la matriz de correlacin o la matriz de varianza-covarianza entre las variables.

11. En escalamiento multidimensional si se tienen siete marcas entonces se tendrn 21 comparaciones pareadas.

PARTE III: CASOS (43 PUNTOS) CASO 1: ANLISIS DISCRIMINANTE (23 PUNTOS)
Para determinar las caractersticas sobresalientes o variables que diferencian a las familias que han visitado un Club Med en los ltimos dos aos de aquellos que no lo han hecho, se encuesto a 42 familias. Las cinco variables consideradas son: Ingreso: Familiar anual en miles de dlares Viajes: Actitud respecto a los viajes en una escala de 1 a 9 Vacacin: Importancia que se le da a las vacaciones familiares en una escala de 1 a 9 TFamilia: Tamao de la familia Edad: Edad del jefe de hogar Para determinar las variables que mejor discriminan entre estos dos grupos (visitaron =1 y no visitaron =2) se realiz un Anlisis Discriminante con las cinco variables mencionadas. Los resultados de dicho anlisis se muestran a continuacin. En base a la informacin se le pide responda las siguientes preguntas: a) Cul es el centroide del grupo que no ha visitado el Club Med? (3 puntos) El centroide del grupo que no ha visitado el Club Med (grupo 2) es: Ingreso 42,019 Viajes 4,3333 Vacacin 3,9524 TFamilia 3,0952 Edad 48,8571 b) Cul es la variable que mejor discrimina la pertenencia a uno u otro grupo? Justifique claramente su respuesta. (3 puntos) La variable que mejor discrimina la pertenencia a uno u otro grupo es el Ingreso familiar anual en miles de dlares, porque tiene el mayor coeficiente de la funcin discriminante estandarizada (0,774) y porque tiene una estadstica F de 44,877 (mayor que el resto de las variables) y un p-value = 0,000 (menor que el resto de las variables) en la prueba de igualdad de medias de los grupos, lo que implica que existe una diferencia estadsticamente significativa en los ingresos promedio de ambos grupos.

c) Calcule el punto o valor de corte de la funcin discriminante entre ambos grupos. (8 puntos) En primer lugar, se requiere determinar el valor de la funcin discriminante para el grupo que no ha visitado el Club Med (grupo 2): D2 =-9,194 + (0,091x 42,019) + (0,046x4,3333) + (1,99x3,9524) + (0,239x3,0952)+ (0,49x 48,8571) = -1,269 El valor de la funcin discriminante para el grupo que ha visitado el Club Med (grupo 1) es D1 = + 1,269 (Ver Tabla Functions at Group Centroids) Luego, el punto o valor de corte de la funcin discriminante entre ambos grupos se puede calcular como el punto medio entre ambos valores: P = (D1 + D2) / 2 = (1,269 1,269 ) / 2 = 0 d) Suponga una familia de la cual se ha recolectado la siguiente informacin: Ingreso = 72,3 Viaje = 4 Vacacin = 6 TFamilia = 5 Edad = 42 Cul sera su prediccin respecto al grupo de pertenencia? Muestre los clculos realizados. (4 puntos) D = -9,194 + (0,091x 72,3) + (0,046 x 4) + (0,199 x 6) + (0,239 x 5) + (0,049 x 42) D = + 2,016 La prediccin es que esta familia pertenece al grupo de los que visitarn el Club Med, debido a que el puntaje discriminante es positivo y est por sobre el punto de corte de 0. e) Calcule el porcentaje de aciertos de la funcin de discriminacin original y la cross-validated y explique por qu difieren. (5 puntos) El porcentaje de acierto de la funcin discrimnate original es de 88,1%: N de clasificaciones correctas / N total de clasificaciones) = (16 + 21) / 42 = 0,881 El porcentaje de acierto de la funcin discriminante cross-validated es de 83,3%: N de clasificaciones correctas / N total de clasificaciones = (15 + 20) / 42 = 0,833

Group Statistics Valid N (listwise) Unweighted Weighted 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 21 21,000 42 42,000 42 42,000 42 42,000 42 42,000 42 42,000

VISITA 1,00

2,00

Total

INGRESO VIAJES VACACION TFAMILIA EDAD INGRESO VIAJES VACACION TFAMILIA EDAD INGRESO VIAJES VACACION TFAMILIA EDAD

Mean 59,5857 5,4286 5,7619 4,3333 53,6190 42,0190 4,3333 3,9524 3,0952 48,8571 50,8024 4,8810 4,8571 3,7143 51,2381

Std. Deviation 9,4352 1,6903 1,6705 1,3540 7,9905 7,4417 1,9322 1,8835 1,0443 7,9830 12,2257 1,8767 1,9825 1,3486 8,2486

Tests of Equality of Group Means Wilks' Lambda ,471 ,913 ,787 ,784 ,915

INGRESO VIAJES VACACION TFAMILIA EDAD

F 44,877 3,822 10,849 11,010 3,733

df1 1 1 1 1 1

df2 40 40 40 40 40

Sig. ,000 ,058 ,002 ,002 ,060

Standardized Canonical Discriminant Function Coefficients Function 1 ,774 ,084 ,354 ,289 ,387

Canonical Discriminant Function Coefficients Function 1 ,091 ,046 ,199 ,239 ,049 -9,194

INGRESO VIAJES VACACION TFAMILIA EDAD

INGRESO VIAJES VACACION TFAMILIA EDAD (Constant)

Functions at Group Centroids Function 1 1,269 -1,269

Unstandardized coefficients

VISITA 1,00 2,00

Unstandardized canonical discriminant functions evaluated at group means

b,c Classification Results

Original

Count %

Cross-validateda

Count %

VISITA 1,00 2,00 1,00 2,00 1,00 2,00 1,00 2,00

Predicted Group Membership 1,00 2,00 16 5 0 21 76,2 23,8 ,0 100,0 15 6 1 20 71,4 28,6 4,8 95,2

Total 21 21 100,0 100,0 21 21 100,0 100,0

a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case. b. 88,1% of original grouped cases correctly classified. c. 83,3% of cross-validated grouped cases correctly classified.

CASO 2: MUESTREO (20 PUNTOS) Hace un tiempo el diario El Mercurio public los resultados de una encuesta realizada por el Instituto Libertad respecto a la opinin sobre la Ley de Divorcio. A continuacin se presentan los principales resultados y la ficha tcnica del estudio. En base a lo anterior se le pide que responda las siguientes preguntas: 1. (4 puntos) Identifique el marco muestral del estudio y que problemas podra presentar. Nota: La ficha tcnica es confusa en relacin al procedimiento muestral, por lo que se sugiere flexibilidad en la correccin de la pregunta 1. El marco muestral podra ser: - La Gua Telefnica de la Regin Metropolitana. - Un listado o base de datos de mujeres mayores de 18 aos, residentes en la Regin Metropolitana. - Un listado o base de datos de hogares de la Regin Metropolitana. El problema que podra presentar el marco muestral es ser incompleto, es decir no contener a todos los elementos de la poblacin objetivo, con lo cual estos elementos tendran cero probabilidad de ser seleccionados en la muestra y esta no sera una muestra probabilstica. Otro problema sera contener elementos que no pertenecen a la poblacin objetivo, por ejemplo mujeres menores de 18 aos o que no residen en la Regin Metropolitana, con lo que la muestra resultante perdera representatividad por error de marco muestral. 2. (6 puntos) Determine la precisin estadstica del estudio, haciendo explcito los supuestos que estime necesarios. Asumiendo: a) la muestra es probabilstica, b) un nivel de confianza de 95% c) varianza mxima (p = 0,5) E = z x p (1-p) n E = (1,96) x 0,5 x 0,5 410 E = + 4,84 % La precisin estadstica o margen de error muestral del estudio es de + 4,84%. 3. (5 puntos) De acuerdo al resultado anterior, cul sera el porcentaje poblacional de las mujeres que estn de acuerdo con que la ley permita el divorcio. De acuerdo al resultado anterior, dado que la estimacin muestral es de 72,2%, el porcentaje poblacional de mujeres que est de acuerdo con que la ley permita el divorcio estara entre 67,36% y 77,04%, con un 95% de nivel de confianza.

4. (5 puntos) El estudio afirma que la segunda etapa del diseo muestral consiste en una seleccin aleatoria del individuo al interior del hogar. Disee y explique claramente un procedimiento que asegure la aleatoriedad en la seleccin del individuo. Un procedimiento que asegure la aleatoriedad en la seleccin del individuo a nivel de cada hogar seleccionado, sera el siguiente: 1. Identificar las mujeres mayores de 18 aos, residentes en cada hogar seleccionado en la muestra (empadronamiento). 2. Seleccionar por sorteo aleatorio a la mujer a encuestar, por ejemplo, asignando un nmero a cada mujer, poniendo en una bolsa una bolita numerada por cada mujer mayor de 18 aos residente en el hogar y extrayendo una bolita de la bolsa. Otra forma sera, seleccionando la mujer que tenga su da de cumpleaos ms prximo al da de la encuesta. Otra forma sera utilizar una Tabla Kisch, de seleccin aleatoria de respondientes a nivel de los hogares. (Basta con mencionar 1 de estos 3 procedimientos).

Facultad de Ciencias Econmicas y Administrativas Escuela de Economa y Administracin UNIVERSIDAD DE CHILE PAUTA EXAMEN FINAL MARKETING II / INVESTIGACIN DE MERCADOS
Semestre Otoo 2005 Seccin 01: Profesor Juan Pablo Muoz Seccin 02: Profesor Sergio Olavarrieta 24 de Junio de 2005 Duracin: 120 minutos

PARTE I: PREGUNTAS Y COMENTES (20 puntos)

1. Mencione un ejemplo de una situacin en la que aplicara Anlisis Discriminante Mltiple y de una situacin en la que aplicara Anlisis Discriminante de Dos Grupos. Una situacin en la que aplicara Anlisis Discriminante Mltiple es aquella en la que existen 3 o ms categoras de clasificacin, por ejemplo, se puede clasificar a los consumidores segn el volumen de compra de un producto en: Grandes Consumidores (Heavy Users), Consumidores Medios (Mdium Users) y Consumidores bajos (Light Users). (2,5 puntos) Una situacin en la que aplicara Anlisis Discriminante de Dos grupos es aquella en la que existen 2 categoras de clasificacin, por ejemplo, se puede clasificar a los consumidores de un producto segn su grado de lealtad de marca en: Clientes Leales y Clientes No Leales (2,5 puntos) 2. Cul es la principal diferencia entre el Anlisis Discriminante y el Anlisis de Conglomerados? La principal diferencia entre ambas tcnicas es que el anlisis Discriminante distingue entre variables dependientes e independientes y el Anlisis de Conglomerados no hace tal distincin (1 punto). Esto implica que el anlisis Discriminante requiere conocer previamente la pertenencia de los objetos a los grupos (variable dependiente), para poder desarrollar la funcin discriminante que permite predecir el grupo de pertenencia para otras muestras o poblaciones (2 puntos). En cambio, el Anlisis de Conglomerados no requiere conocer la pertenencia de los objetos a los grupos, sino que la agrupacin surge de las similitudes entre las variables de agrupacin para los distintos casos u observaciones. (2 puntos) 3. La Prueba Chi-Cuadrado no se puede utilizar para determinar la significancia estadstica de la relacin entre dos variables medidas en escala de razn. Comente. La prueba de Chi-Cuadrado en estricto rigor est orientada a establecer asociaciones entre variables categricas y no de razn, esto es variables medidas en escalas nominales y ordinales. Por lo tanto la afirmacin sera correcta. (4 ptos) (1 pto) Lo que s es posible, sin embargo, es que toda variable medida en escala de razn puede ser convertida en una variable categrica (al menos ordinal). Ejemplo, supongamos que yo estuviera relacionando temperatura corporal con deseo por tomar una bebida. Ambas

variables pueden ser medidas con escalas de razn. Pero temperatura corporal podra agruparlo en tres categoras, Fro, temperatura normal, caliente y lo mismo con deseo de una bebida, y si podra establecer una asociacin entre estas variables (ahora reconvertidas a variables ordinales) 4. Los mapas de posicionamiento no son muy tiles en Marketing, porque estn basados en las percepciones subjetivas de los consumidores y no representan necesariamente las posiciones reales de las marcas. Comente. Es cierto que los mapas de posicionamiento estn basadas en percepciones subjetivas de los consumidores, pero las otras afirmaciones son incorrectas. Las percepciones subjetivas de los consumidores DETERMINAN las posiciones reales de las marcas, pues estas estn en las mentes de los consumidores (es decir son reales y subjetivas). Dado esto, los mapas de posicionamiento si son tiles para el Marketing y los ejecutivos de Marketing. (4 ptos) Lo que si es importante es que dado que estos mapas se construyen a partir de estas percepciones, entonces es clave que la metodologa elegida para extraer estas percepciones de los consumidores y transformarlas en mapas percepctuales sea la que evite al mximo el error de modo que sean lo ms cercanas a la realidad posibles. PARTE II: COMPLETE (24 puntos) Complete las siguientes frases con los trminos que usted considere ms apropiados: 1. 2. El coeficiente de determinacin (R cuadrado) es una medida de la varianza compartida por dos variables. El Anlisis de Regresin permite determinar si existe una relacin estadsticamente significativa entre 2 variables y adems permite predecir el valor de la variable dependiente en base al valor de la variable independiente. La Prueba Chi-Cuadrado se utiliza para probar la significancia estadstica de la relacin entre dos variables nominales o categricas. El Anlisis de Varianza o ANOVA es una medida de la diferencia entre las medias de dos o ms muestras o poblaciones, ante la presencia de diferentes tratamientos experimentales. El Anlisis Factorial sirve para resumir datos y determinar los factores relevantes en la decisin de compra de un producto o servicio y su importancia relativa. Tanto el Anlisis Factorial como el Escalamiento Multidimensional o el Anlisis de Correspondencia, pueden ser utilizados para elaborar mapas de posicionamiento de las marcas. Tanto el Anlisis de Conglomerados (Cluster) como el Anlisis Discriminante, pueden ser utilizados para segmentar el mercado.

3. 4.

5. 6.

7.

8.

La diferencia principal entre Anlisis Factorial y Escalamiento Multidimensional es que en el primero se interpreta previamente el significado de los factores o dimensiones y en el segundo, se interpreta posteriormente. En Anlisis Factorial el criterio para determinar el nmero de factores relevantes, es que tengan un valor especfico mayor que uno. Los mapas de posicionamiento estn basados en las percepciones y las preferencias de los consumidores. El Anlisis de Correspondencia representa los atributos de las marcas como vectores. En Anlisis Factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz de identidad se llama Prueba de Esfericidad de Bartlett. En Anlisis Discriminante la variable dependiente es nominal o categrica y las variables independientes son de intervalo o de razn. El dendograma es una herramienta grfica para presentar los resultados del Anlisis de Conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos. En un procedimiento de agrupacin no jerrquico o de K-medias se establecen a priori el nmero de clusters y sus centros iniciales. En Anlisis de Conglomerados y en Escalamiento Multidimensional, las medidas de similitud utilizadas con ms frecuencia son la distancia euclideana y la distancia euclideana al cuadrado. El stress mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de Escalamiento Multidimensional. La distancia Manhattan o Blocks (Manzanas) entre dos casos es la suma de las diferencias absolutas en los valores para cada variable. La comunalidad de extraccin de una variable, es la cantidad de varianza de esa variable que es explicada por los factores. La mayor parte del anlisis multivariado de datos toma como base la matriz de correlacin o la matriz de varianza-covarianza entre las variables. En Escalamiento Multidimensional si se tienen seis marcas entonces se tendrn 15 comparaciones pareadas. El Anlisis de Varianza (ANOVA) normalmente requiere una variable dependiente en escala de razn y una variable independiente en escala nominal o categrica.

9. 10. 11. 12.

13. 14.

15. 16.

17.

18. 19. 20. 21. 22.

PARTE III: CASOS CASO 1 (40 puntos) Honda Motor Chile, requiere determinar los atributos relevantes para los consumidores, al decidir la compra de un automvil. Para ello disea un cuestionario con 10 preguntas sobre diferentes caractersticas de un automvil, que una muestra de 20 consumidores evalu en una escala de 5 puntos, donde 1 = Nada Importante y 5 = Muy Importante. Las caractersticas evaluadas fueron las siguientes: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Precio Financiamiento Consumo (Kms x lt) Combustible Elementos de seguridad Confort interior Capacidad interior Elementos adicionales Diseo moderno Lnea aerodinmica

Usted recibe el siguiente output de un Anlisis Factorial realizado por el Area de Marketing de la empresa: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. Rotated Factor Matrix(a) ,700 163,466 45 ,000

Factor 1 2 3 Precio ,891 -,345 -,052 Financiamiento ,718 -,580 ,032 Consumo ,771 -,371 -,088 Combustible ,706 -,588 -,154 Seguridad -,473 ,175 ,656 Confort -,152 ,020 ,990 Capacidad ,176 -,225 ,465 Adicionales -,364 ,846 ,014 Moderno -,374 ,872 ,018 Aerodinmica -,343 ,752 -,305 Extraction Method: Unweighted Least Squares. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 5 iterations.

En base a esta informacin, se le pide responder las siguientes preguntas: a) Son estos datos apropiados para realizar un Anlisis Factorial? Explique su respuesta. Los datos son apropiados para realizar un Anlisis Factorial, debido a que la Prueba de Esfericidad de Bartlett da un p-value o nivel de significancia observado de 0,000 que es menor que 0,05, que es el nivel de significancia exigido a la prueba. Esto indica que se debe rechazar la hiptesis nula de que las variables no estn correlacionadas entre s y por lo tanto, las variables estn correlacionadas entre s, que es una condicin necesaria para aplicar el Anlisis Factorial. (2,5 puntos) Por otra parte, la estadstica de Kaiser-Meyer-Olkin (KMO) es igual a 0,7 > 0,5 que es el el valor lmite para establecer que la muestra de datos es adecuada para realizar el Anlisis Factorial. Este ndice compara las magnitudes de los coeficientes de correlacin observada con las magnitudes de los coeficientes de correlacin parcial. Valores pequeos de la estadstica KMO (< 0,5) indican que las correlaciones entre pares de variables, no se explican mediante otras variables y que el Anlisis Factorial posiblemente no sea apropiado. (2,5 puntos) b) Calcule la comunalidad de extraccin para la variable Seguridad y explique qu significa. La comunalidad de extraccin para la variable Seguridad es 0,685 (2,5 puntos mostrando los clculos) y significa que los 3 factores extrados explican un 68,5% de la varianza en la variable Seguridad (2,5 puntos). C(Seguridad) = (-0,473) + (0,175) + (0,656) C(Seguridad) = 0,224 + 0,031 + 0,430 C(Seguridad) = 0,685 c) Determine los valores especficos (eigenvalues) para cada factor. Los valores especficos o eigenvalues para cada factor son los siguientes: (1,67 puntos cada respuesta correcta, mostrando los clculos) E(Factor 1) = (0,891) + (0,718) + (0,771) + (0,706) + (-0,473) + (-0,152) + (0,176) + (-0,364) + (-0,374) + (-0,343) E(Factor 1) = 0,794 + 0,516 + 0,594 + 0,498 + 0,224 + 0,023 + 0,031 + 0,132 + E(Factor 1) = 3,070 E(Factor 2) = (-0,345) + (-0,580) + (-0,371) + (-0,588) + (0,175) + (0,020) + (-0,225) + (0,846) + (0,872) + (0,752) E(Factor 2) = 0,119 + 0,336 + 0,138 + 0,346 + 0,031 + 0,0004 + 0,051 + 0,716 + 0,760 + 0,566 E(Factor 2) = 3,063 0,140 + 0,118

E(Factor 3) = (-0,052) + (0,032) + (-0,088) + (-0,154) + (0,656) + (0,990) + (0,465) + (0,014) + (0,018) + (-0,305) E(Factor 3) = 0,003 + 0,001 + 0,008 + 0,024 + 0,430 + 0,980 + 0,216 + 0,0002 + 0,0003 + 0,093 E(Factor 3) = 1,756 d) Determine la varianza explicada por cada factor. La varianza explicada por cada factor es: (1,67 puntos por cada respuesta correcta mostrando los clculos) VE (Factor 1) = 3,07 / 10 = 0,307 (30,7%)

VE (Factor 2) = 3,063 / 10 = 0,306 (30,6%) VE (Factor 3) = 1,756 / 10 = 0,176 (17,6%) e) Interprete los factores que debera enfatizar la empresa en su campaa publicitaria. El Factor 1 est compuesto por las siguientes variables: Precio, Consumo, Financiamiento y Combustible, por lo que podra interpretarse como Costo. El Factor 2 est compuesto por las siguientes variables: Diseo Moderno, Elementos Adicionales y Lnea Aerodinmica, por lo que podra interpretarse como Modelo. El Factor 3 est compuesto por las siguientes variables: Confort, Seguridad, Capacidad, por lo que podra interpretarse como Comodidad.

Luego, se realiz un Anlisis de Conglomerados con los mismos datos, para segmentar el mercado, obtenindose el siguiente output: Rescaled Distance Cluster Combine

CASE 0

10

15

20

25

Label Num +---------+---------+---------+---------+---------+

16 20 12

9 14 6 10 2 7 18 3 8 4 11

13 5 15 19 17 1 En base a esta informacin, se le pide responder las siguientes preguntas: a) Qu tipo de Anlisis de Conglomerados es este y cmo se llama el grfico anterior? Este es un Anlisis de Conglomerados Jerrquico (2,5 puntos) y el grfico se llama Dendograma (2,5 puntos). b) Cuntos segmentos puede identificar usted? Qu casos componen cada segmento? Explique su respuesta. Se pueden identificar 2 segmentos relevantes por su tamao compuestos por 10 consumidores cada uno (50% de la muestra cada uno). (2,5 puntos) El Segmento 1 est compuesto por los Consumidores 16, 20, 12, 9, 14, 6, 10, 2, 7, 18 y el Segmento 2 est compuesto por los Consumidores 3, 8, 4, 11, 13, 5, 15, 19, 17,1. (2,5 puntos)

c)

Qu anlisis hara usted con los segmentos identificados? Explique su respuesta. Para los segmentos identificados se debe elaborar un perfil en base a sus caractersticas demogrficas, a fin de determinar en que difieren ambos segmentos. (5 puntos)

CASO 2 (20 puntos) Esso Chile S.A. propietaria de la cadena de minimarkets On The Run, encarg un estudio de mercado para determinar el posicionamiento de la marca en relacin a la competencia y para definir su estrategia de marketing. Las marcas consideradas en el estudio fueron las siguientes: On The Run de Esso, Select de Shell, Pronto de Copec y Full de YPF. Adems, se incluy en el estudio una marca considerada Ideal por la muestra de consumidores. El output del Escalamiento Multidimensional se presenta a continuacin: Iteration history for the 2 dimensional solution (in squared distances) Young's S-stress formula 1 is used. Iteration S-stress Improvement 1 2 3 ,08497 ,07936 ,07926 ,00561 ,00010

Iterations stopped because S-stress improvement is less than ,001000 Stress and squared correlation (RSQ) in distances RSQ values are the proportion of variance of the scaled data (disparities) in the partition (row, matrix, or entire data) which is accounted for by their corresponding distances. Stress values are Kruskal's stress formula 1. For matrix Stress = ,10532 RSQ = ,93047

Configuration derived in 2 dimensions Stimulus Coordinates Dimension Stimulus Stimulus Number Name 1 2 3 4 5 1 2

PRONTO ,9360 -,0912 ONTHERUN ,4897 ,5885 FULL -2,1890 -,1124 SELECT ,2752 1,0992 IDEAL ,4881 -1,4841

Derived Stimulus Configuration Euclidean distance model

1,5 select 1,0 ontherun ,5 0,0 -,5 full pronto

Dimension 2

-1,0 ideal -1,5 -2,0 -2,5 -2,0 -1,5 -1,0 -,5 0,0 ,5 1,0

Dimension 1
En base a esta informacin, se le pide responder las siguientes preguntas: a) Interprete las dimensiones del mapa de posicionamiento. Las dimensin 1 se puede interpretar como Calidad/Variedad de Productos y Servicios (mayor calidad/variedad hacia la derecha y menor calidad/variedad hacia la izquierda) (2,5 puntos). La dimensin 2 se puede interpretar como Precios (precios altos hacia arriba y precios bajos hacia abajo) (2,5 puntos). b) Cul es la marca mejor posicionada? Explique su respuesta. La marca mejor posicionada es Pronto de Copec, debido a que es la que ms se aproxima a la marca considerada Ideal por la muestra de consumidores. (2,5 puntos) Adems, es la marca con mayor calidad/variedad de productos y servicios y con precios ms bajos que Select y On The Run y similares a los de Full. (2,5 puntos) c) Qu recomendacin estratgica le hara usted a la empresa para mejorar su posicionamiento? Para mejorar su posicionamiento, On The Run debera diferenciarse de su competencia directa (Select y Pronto) aproximndose a la marca Ideal (2,5 puntos), aumentando la calidad/variedad de productos y servicios y bajando sus precios (2,5 puntos). d) Cmo evaluara usted la confiabilidad y validez del mapa de posicionamiento?

La confiabilidad y validez del mapa de posicionamiento, se puede evaluar mediante dos indicadores: 1. El R cuadrado o coeficiente de determinacin que en este caso es de 0,93047, lo que indica que el mapa de posicionamiento concuerda casi en forma perfecta con los datos de entrada de similitud entre las marcas o que el mapa explica un 93,047% de la varianza en los datos de entrada. (2,5 puntos) 2. El Stress de Kruskal que es un indicador del margen de error o desajuste entre las distancias entre las marcas en el mapa de posicionamiento y el ordenamiento de los datos de entrada de similitud entre las marcas. En este caso, el Stress de Kruskal es de 10,532% lo que puede ser considerado como un ajuste regular. (2,5 puntos) Opcional: Otra forma de evaluar la validez del mapa de posicionamiento, podra ser eliminando del anlisis una de las marcas que sea diferente al resto (por ejemplo, Full) y repitiendo el anlisis para evaluar si se modifican las posiciones relativas de las marcas o se mantiene una buena estabilidad en el mapa de posicionamiento. (2,5 puntos)

CASO 3 (10 PUNTOS)

En Mayo de 2005, el Consejo Nacional de Televisin en conjunto con Adimark Comunicaciones, realiz la Encuesta Nacional de Televisin, que demuestra que un 58,8% de los chilenos est insatisfecho con la televisin abierta y que el nivel de satisfaccin ha disminuido en relacin a las mediciones anteriores de 2002 y 1999, como se aprecia en el grfico siguiente:
16

Nivel de Satisfaccin con TV Abierta

Base: Total Muestra 2005 (2.770)

% Poco o Nada Satisfecho

% Muy - Bastante Satisfecho

1999

43,4

55,6

2002

44,7

54,4

2005

58,8

40,3

Encuesta Nacional de Televisin 2005 - Consejo Nacional de Televisin / Adimark Comunicaciones

En base a la informacin anterior se le pide responder las siguientes preguntas: 5. Determine la precisin estadstica del estudio, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos. Asumiendo que se trata de una muestra probabilstica, que existe varianza mxima de la variable medida en la poblacin de inters y que se exige un 95% de nivel de confianza en las estimaciones, la precisin estadstica del estudio es de + 1,86%: (1 punto por cada supuesto y 2 puntos por el margen de error mostrando los clculos)

n = z * (-1) E E = z * (-1) n

E = (1,96) * (0,5*0,5) = 0,9604/2.770 2.770 E = + 0,01862 (+ 1,86%)

6. Determine el intervalo de confianza para los que se declaran poco o nada satisfechos con la televisin abierta en 2005, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos.

PAUTA PREGUNTA 4 a) PRUEBA DE CONCEPTO para GAtorade Light versiones Nutrasweet (N) y Sentia (S)
Una respuesta completa incluira que Esta es una prueba de sabor o preferencia, y que podra hacerse en una modalidad de central location (o locacin central y no en casa, dadas las caractersticas del producto), y podra ser del tipo mondica en que cada persona examina testea slo un sabor. Eso es una alternativa, tambin podran ser de comparacin pareada (como se hizo en clases,) en que cada persona evalu cada alternativa sabor y despus determin cual de las dos prefera. Si eligiera protomondica en que cada persona prueba una y la evala y prueba la segunda y la evala tambin podra ser considerado. Debieran eso s indicar, que ademas de una prueba de preferencia lo correcto es hacer una prueba de discriminacin, para ajustar los resultados y considerar las personas que slo prefieren una u otra bebida por chance y no porque son discriminadores (pueden saber que bebida es cual)

b) Puede desarrollarse un Experimento similar al que se vio en clases. Este Experimento tendra dos variables independientes en dos estados:

Variable 1: Edulcorante Nutrasweet o Sentia Variable 2: Sabor Naranja y Otro Sabor Esto generara la siguiente tabla de TRATAMIENTOS VARIABLE EDULCORANTE Nutrasweet VARIABLE SABOR Naranja Otro (Pia) Naranja Nutrasweet Pia Nutrasweet Sentia Naranja Sentia Pia Sentia

Entonces a cada tratamiento (combinacin de sabro y edulcorante) debiera ser aplicado a un grupo equivalente de personas (consumidores) de bebidas energticas de modo que evaluaran las preferencias. Por ejemplo; 30 personas a cada grupo Adicionales: Los alumnos podran indicar: - Que igual se necesitara una prueba de discriminacin de modo de saber quienes realmente pudieran distinguir los distintos sabores - Que quizs se requerira una medicin antes y despus de algunas variables (por ejemplo si le gusta Gatorade en general (sabor original), pues podra haber ciertas personas en cada grupo que tuvieran una preferencia personal por Gatorade y eso podra estar sesgando resultados.

Facultad de Economa y Negocios Escuela de Economa y Negocios UNIVERSIDAD DE CHILE EXAMEN MARKETING II / INVESTIGACIN DE MERCADOS Semestre Otoo 2006 Seccin 01: Profesor Enrique Manzur Seccin 02: Profesor Juan Pablo Muoz
PARTE I: PREGUNTAS Y COMENTES (20 puntos) 1. Explique dos alternativas para determinar la capacidad predictiva de la funcin discriminante e identifique cual es ms exigente y por qu. La muestra en Anlisis Discriminante se divide en dos: una muestra de anlisis y una muestra de validacin. La capacidad predictiva de la funcin discriminante se puede probar de tres formas analizando la matriz de clasificacin (basta con sealar 2): a) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis. b) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis pero dejando fuera, al generar la funcin, el caso que se desea clasificar en cada oportunidad (crossvalidated). c) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la muestra de validacin. La alternativas estn en orden ascendente de exigencia siendo a) la menos exigente y c) la ms exigente debido a que normalmente se obtiene un menor porcentaje de acierto o clasificacin correcta que en la muestra de anlisis. 2. El gerente de un banco le plantea la necesidad de segmentar a sus clientes para lo cual sugiere la utilizacin de los grupos socioeconmicos (ABC1, C2C3, DE) como variable de segmentacin. Cul sera su recomendacin al respecto y por qu? Mi recomendacin sera no utilizar los grupos socioeconmicos como variable de segmentacin, porque esta variable no necesariamente explica las diferencias en los hbitos de compra y uso de servicios financieros de los clientes del banco. Puede haber clientes de diferentes grupos socioeconmicos pero con los mismos hbitos de

3 de Julio de 2006 Duracin: 120 minutos

compra o uso de servicios financieros y tambin puede haber clientes de un mismo grupo socioeconmico pero con distintos hbitos de compra o uso de servicios financieros. En consecuencia, el grupo socioeconmico puede no ser una variable vlida para segmentar a los clientes del banco. Por esta razn, se recomienda segmentar a los clientes del banco en base a variables actitudinales o conductuales y luego describir o perfilar los segmentos resultantes en base a variables demogrficas como el grupo socioeconmico u otras, y no al revs. 3. Si el nivel de significancia observado (p-value) en una Prueba de ANOVA, es mayor que 0,05, quiere decir que existe una diferencia estadsticamente significativa entre las medias de dos muestras o poblaciones y por lo tanto, el efecto del tratamiento experimental es positivo. Esta afirmacin es falsa porque si el nivel de significancia observado (p-value) en una Prueba de ANOVA, es mayor que 0,05, no se rechaza la hiptesis nula de que las medias de los grupos son iguales o que no existe una diferencia estadsticamente significativa entre las medias de las muestras o poblaciones y por lo tanto, el efecto del tratamiento experimental es nulo. 4. Cul son las principales diferencias entre el Anlisis de Cluster Jerrquico y el No Jerrquico y cundo se recomienda el uso de uno u otro? El AC Jerrquico se caracteriza por agrupar los objetos mediante el desarrollo de una jerarqua o estructura de rbol, a travs de un procedimiento de aglomeracin (cada objeto comienza en un grupo separado) o de divisin (todos los objetos comienzan en un solo conglomerado). El AC No Jerrquico (o de K-medias) en cambio, no establece tal jerarqua y agrupa los objetos en torno a centros (o semillas) de clusters iniciales que se van modificando hasta obtener los centros de clusters finales, y reclasificando los objetos en cada etapa mediante procedimientos de umbral secuencial, umbral paralelo o reparticin ptima. (2 puntos) En el AC Jerrquico, el nmero de clusters se determina a posteriori analizando un rango de soluciones (por ej., soluciones de 2 a 4 clusters), tomando como criterio la distancia a las que se combinan los clusters. Esta informacin se obtiene del esquema de aglomeracin o del dendograma. Adems, el tamao relativo de cada cluster debe ser significativo. En el AC No Jerrquico en cambio, el nmero de clusters debe especificarse de antemano y la seleccin de centros es arbitraria. Ms an, los resultados del AC dependen de cmo se elijan los centros. Muchos programas de AC No Jerrquico eligen los primeros k casos (k = nmero de conglomerados) como los centros iniciales, por lo que el orden de los objetos puede influir en los resultados. Sin embargo, los mtodos de AC No Jerrquico son ms rpidos que los Jerrquicos, lo que no tiene mrito cuando hay muchas observaciones o casos. (2 puntos) El AC Jerrquico se recomienda cuando no se conoce a priori el nmero de clusters y el AC No Jerrquico, cuando se sabe a priori el nmero de clusters. Tambin se

recomienda aplicar juntos mtodos Jerrquicos y No Jerrquicos. Por ejemplo, primero se puede obtener una solucin mediante un procedimiento jerrquico como el enlace promedio de Ward y luego, el nmero de clusters y centroides obtenidos se pueden tomar para el mtodo no jerrquico de reparticin ptima. (1 puntos)

PARTE II: COMPLETE (20 puntos)

Cada respuesta correcta vale 2 puntos. En Anlisis de Varianza, la variable dependiente es de intervalo o razn y las variables independientes son categricas o nominales. El grfico de tmpanos o carmbanos / icicle es una herramienta grfica para presentar los resultados del Anlisis de Conglomerados Jerrquico. La presencia de una X representa la unin entre dos casos y la etapa en la cual se unen.

En un procedimiento de agrupacin no jerrquico se determina a priori el nmero de clusters, en cambio en un procedimiento de agrupacin jerrquico, se determina a posteriori.
El R indica el porcentaje de varianza en los datos de entrada que es explicada por el modelo de Escalamiento Multidimensional y valores mayores a 0,6 son considerados aceptables. En Anlisis Factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz de identidad se conoce como Prueba de Esfericidad de Bartlett. En Anlisis Factorial uno de los criterios para determinar el nmero de factores relevantes, es que tengan un valor especfico mayor que uno. En Anlisis Discriminante, el centroide es la media de las puntuaciones de discriminacin de un grupo particular. En Anlisis de Cluster, el mtodo de enlace sencillo se basa en la distancia mnima o la regla del vecino ms prximo. En Anlisis Discriminante podemos obtener una idea de la importancia relativa de las variables al analizar los de Wilks. Cuando tiende a uno podemos decir que las medias del grupo no parecen diferentes. En Anlisis Factorial, la sumatoria de las cargas factoriales al cuadrado en forma horizontal es igual a la comunalidad de extraccin.

PARTE III: CASOS (60 puntos) CASO 1 (20 PUNTOS)

El 13 de Noviembre de 2005, El Mercurio, public los resultados de un estudio realizado por Collect Investigaciones de Mercado para Enfoques de Economa y Negocios. El objetivo del estudio fue conocer las opiniones de la gente sobre el modelo econmico, la distribucin del ingreso y el aporte de los grupos econmicos y polticos al desarrollo del pas. Ficha Metodolgica: Estudio cuantitativo probabilstico. Muestreo aleatorio de nmeros telefnicos. Tcnica de recoleccin de datos: entrevista telefnica Fecha de aplicacin: 3, 4 y 5 de Noviembre de 2005 Poblacin objetivo: hombres y mujeres del Gran Santiago, entre 18 y 65 aos, con cobertura de servicio telefnico. A continuacin se presentan algunos resultados sobre la colusin entre grupos econmicos y grupos polticos:

Agosto de 2004

MBT

Evaluacin Modelo Econmico

Considera que existe colusin entre los grupos econmicos y los grupos polticos que existen en Chile?
100% 80% 60% 40%
23 91 77 89

GSE

89

20% 0%

11

11

ABC1 (75)

C2 (75

C3 (75)

D (75)

100%
87

SEXO
86 67 88

EDAD
90

80% 60% 40% 20% 0% HOMBRE (140) MUJER (160) 18 A 24 AOS (45) 25 A 40 AOS (92) 41 Y MS (163)
13 14 33

12

10

SI

NO

38

En base a la informacin anterior se le pide responder las siguientes preguntas: 1. Qu tipo de procedimiento muestral fue utilizado en este estudio? Explique su respuesta. (5 puntos) El procedimiento muestral utilizado en este estudio es probabilstica estratificado desproporcionado. Es probabilstica debido a que se obtuvo una muestra aleatoria de nmeros telefnicos. Es estratificada debido a que la poblacin objetivo se dividi en estratos de NSE., Sexo y Edad. Es desproporcionada debido a que los porcentajes de cada estrato en la muestra difieren de los porcentajes de cada estrato en la poblacin. 2. Determine la precisin estadstica del estudio, a nivel de la muestra total, de cada NSE, de cada Sexo y de cada tramo de Edad, haciendo explcitos los supuestos que estime necesarios. Muestre sus clculos. (7 puntos) Supuestos: Nivel de Confianza de 95%, Varianza Mxima en la Poblacin, los entrevistados son seleccionados aleatoriamente a nivel del hogar (3 puntos)

n = z * (-1) E E = z * (-1) n E = (1,96) * (0,5*0,5) = 0,9604/300 300 E = + 0,057 (+ 5,7%) La precisin estadstica o margen de error muestral a nivel de la muestra total es de + 5,7%. (1 punto) E = (1,96) * (0,5*0,5) = 0,9604/75 75 E = + 0,113 (+ 11,3%) La precisin estadstica o margen de error muestral a nivel cada NSE es de + 11,3%. (1 punto) E = (1,96) * (0,5*0,5) = 0,9604/140 140 E = + 0,083 (+ 8,3%) E = (1,96) * (0,5*0,5) = 0,9604/160 160 E = + 0,077 (+7,7%)

La precisin estadstica o margen de error muestral a nivel los Hombres es de + 8,3%. La precisin estadstica o margen de error muestral a nivel las Mujeres es de + 7,7%. (1 punto) E = (1,96) * (0,5*0,5) = 0,9604/45 45 E = + 0,146 (+ 14,6%) E = (1,96) * (0,5*0,5) = 0,9604/92 92 E = + 0,102 (+10,2%) E = (1,96) * (0,5*0,5) = 0,9604/163 163 E = + 0,077 (+7,7%)

La precisin estadstica o margen de error muestral a nivel de los de 18 a 24 aos es de + 14,6%. La precisin estadstica o margen de error muestral a nivel los de 25 a 40 aos es de +10,2. La precisin estadstica o margen de error muestral a nivel los de 41 aos y ms es de +7,7. (1 punto)
3. De acuerdo al Mapa Socioeconmico de Chile elaborado por Adimark en el ao 2004, el ABC1 representa el 11,3% de la poblacin del Gran Santiago; el C2 el 20,1%; el C3 el 25,6% y el D el 34,5%. El grupo E no fue considerado en el estudio y representa el 8,5% de la poblacin del Gran Santiago. En base a esta informacin, cules debieron ser los porcentajes estimados para esta pregunta, a nivel de la muestra total?, y cules seran los resultados estimados totales para la poblacin objetivo del estudio? Muestre sus clculos. (8 puntos) En primer lugar, se debe calcular los ponderadores de cada GSE, dejando fuera el 8,5% correspondiente al grupo E que no fue considerado en el estudio. (2 puntos) 100 8,5 = 91.5% La poblacin objetivo representa el 91,5% de los hogares del Gran Santiago con cobertura de servicio telefnico, por lo que los ponderadores seran los siguientes: (2 puntos) ABC1 = 11,3 / 91,5 = 12,3% C2 = 20,1 / 91,5 = 22% C3 = 25,6 / 91,5 = 28% D = 34,% / 91,5 = 37,7%

Luego, los resultados estimados totales para la poblacin objetivo son los Si = 91 x 0,123 + 77 x 0,22 + 89 x 0,28 + 89 x 0,377 = 86,6% (3 puntos) No = 9 x 0,123 + 23 x 0,22 + 11 x 0,28 + 11 x 0,377 = 13,4% (3 puntos)

siguientes:

CASO 2 (20 puntos) Anlisis Factorial Clnicas En Junio de 2004 se realiz una investigacin de mercado para analizar la competencia entre los hospitales y clnicas de Santiago. Uno de los resultados de este estudio, fue un mapa de posicionamiento que se construy a partir de un anlisis factorial basado en la evaluacin de 5 establecimientos de salud (Clnica Alemana, Clnica Las Condes, Clnica Santa Mara, Hospital Clnico de la Universidad de Chile y Hospital Clnico de la Universidad Catlica) en base a 5 atributos (en escala de 1 a 7, donde 1 es muy malo y 7 es muy bueno). Los principales resultados se presentan en el anexo a continuacin. En base a dichos antecedentes se le pide conteste las siguientes preguntas: i. Calcule la comunalidad de extraccin para el concepto comodidad y explique qu representa este nmero. (3 puntos) (0,839) + (-0,397) = (0,911) + (0,177) = 0,862 (1 punto) La comunalidad de extraccin de la variable Comodidad es de 0,862 y representa el porcentaje de la varianza de esa variable que es explicada por los dos factores extraidos. (2 puntos) j. Determine el porcentaje de varianza explicada por los dos factores. (4 puntos) El porcentaje de varianza explicada por los dos factores es de 66,28%: (2,152/5) + (1,162/5) = 0,4304 + 0,2324 = 0,6628 (1,805/5) + (1,509/5) = 0,3610 + 0,3018 = 0,6628 k. Interprete los factores obtenidos. (3 puntos) El Factor 1 se puede interpretar como Atencin de Hotelera, debido a que est compuesto principalmente por las variables Atencin Acogedora (0,926) y Comodidad (0,911). (1,5 puntos) El Factor 2 se puede interpretar como Atencin de Salud /Mdica, debido a que est compuesto principalmente por las variables Staff Mdico (0,806), Atencin de Urgencias (0,714) y Vanguardia Tecnolgica (0,561). (1,5 puntos)

l.

Explique detalladamente como se obtuvieron las coordenadas de cada establecimiento de salud en el mapa de posicionamiento. (5 puntos) Las coordenadas para el mapa de posicionamiento se obtuvieron al multiplicar los factor scores promedio de cada componente, por las respuestas promedio a cada variable, para cada una de las Clnicas y Hospitales.

m. Explique claramente el mapa de posicionamiento resultante. (5 puntos) El mapa de posicionamiento indica que la Clnica Las Condes y la Clinica Alemana tienen la mejor Atencin de Hotelera, seguida de la Clnica Santa Mara y muy distantes se ubican el Hospital de la UC y el Hospital de la UCH. La Clnica Alemana tiene la mejor Atencin Mdica / de Salud, seguida de creca por la Clnica Las Condes, en segundo lugar se ubican el Hospital de la UCH y el Hospital de la UC y en ltimo lugar la Clinica Santa Mara.
Communalities
Initial STAFF MEDICO VANGUARDIA TECNOLOGICA COMODIDAD ATENCION ACOGEDORA ATENCION DE URGENCIAS 1,000 1,000 1,000 1,000 1,000 ,862 ,621 Extraction ,650 ,320

Total Variance Explained

Component Total 2,152 1,162 ,873 ,561 ,253 Initial Eigenvalues % of Variante Cumulative % 43,030 43,030 23,242 66,273 17,452 83,725 11,222 94,947 5,053 100,000 Extraction Sums of Squared Loadings % of Cumulative Total Variance % 2,152 1,162 Rotation Sums of Squared Loadings % of Cumulative Total Variance % 1,805 1,509

1 2 3 4 5

Component Matrix
Component 1 STAFF MEDICO VANGUARDIA TECNOLOGICA COMODIDAD ATENCION ACOGEDORA ATENCION DE URGENCIAS ,455 ,391 ,839 ,781 ,691 2 ,665 ,409 -,397 -,501 ,379

Rotated Component Matrix

STAFF MEDICO VANGUARDIA TECNOLOGICA COMODIDAD ATENCION ACOGEDORA ATENCION DE URGENCIAS

Component 1 2 -,027 ,806 ,073 ,911 ,926 ,332 ,561 ,177 ,059 ,714

Report Mean CLINICA C. Alemana C. Las Condes Hosp. U. de Chile Hosp. UC C. Sta. Mara REGR factor score 1 ,7122901 ,9448798 -1,2486037 -,6852541 ,2766879 REGR factor score 2 ,4039011 ,2912139 -,1388187 -,1672391 -,3890572

M APA DE POSICIONAM IENTO

CLINICAS Y HOSPITALES

0,40

calemana

clascondes

factor2

0,00

huchile

huc

-0,40 -1,00 -0,50 0,00

cstamaria
0,50 1,00

factor1

CASO 3 (20 puntos) Anlisis Discriminante LanChile requiere predecir en su base de datos de viajeros frecuentes, cuales sern viajeros de Primera Clase (P) y cuales sern viajeros de Clase Econmica (E) en sus prximos viajes, con el fin de orientar mejor sus esfuerzos promocionales. Para ello realiza un Anlisis Discriminante con una muestra aleatoria de sus clientes LanPass. Las variables discriminantes consideradas en el anlisis fueron la Edad, el Ingreso Mensual, la importancia asignada a la Atencin a Bordo (1= Nada Importante a 7=Muy Importante) y la importancia asignada a la Comodidad de los Asientos (1=Nada Importante a 7=Muy Importante. En base a la informacin que se adjunta responda las siguientes preguntas: f) Cul es la variable que mejor discrimina la pertenencia a uno u otro grupo? Justifique claramente su respuesta. (4 puntos) La variable que mejor discrimina la pertenencia a uno u otro grupo es el Ingreso Mensual, porque tiene el mayor coeficiente de la funcin discriminante cannica estandarizada (0,975). Lo anterior que da corroborado por tener esta variable, el mayor coeficiente de la matriz de estructura (0,481) que muestra los coeficientes de correlacin entre las variables discriminantes y la funcin discriminante cannica estandarizada. g) Determine el punto o valor de corte de la funcin discriminante entre ambos grupos. (6 puntos) El punto o valor de corte de la funcin discriminante, se calcula como el punto medio entre los puntajes discriminantes, calculados con la funcin discriminante no estandarizada, en base a los centroides o medias de ambos grupos. P = -15,057 + 3,3 * 1,77+ 54,8333 * 0,142 + 5,5 * 0,615 + 5,6667 * 0,17 = + 2,916 E = -15,057 + 1,75 * 1,77 + 44 * 0,142 + 3,5 * 0,615 + 3,6667 * 0,17 = - 2,935 Punto de Corte = +2,916 - (+2,916 (- 2,935) ) / 2 = -0,0095 h) Suponga un viajero que tiene los siguientes ratios: V1 = 1.9 V2 = 45.3 V3 = 3.7 V4 = 4.23 Cul sera su prediccin respecto al grupo de pertenencia? Muestre los clculos realizados. (5 puntos) D = -15,057 + 1,9 * 1,77 + 45,3 * 0,142 + 3,7 * 0,615 + 4,23 * 0,17 = -2,2668 Esta persona ser viajero de Clase Econmica debido a que su puntaje discriminante es inferior al punto de corte de -0,0095

i) El gerente de marketing de LanChile le pide a usted como ingeniero comercial que explique qu utilidad tienen los resultados obtenidos de este anlisis discriminante y por qu no se utiliz un anlisis de conglomerado. (5 puntos) Este anlisis discriminante permite predecir en que clase viajarn los futuros pasajeros de la empresa y por lo tanto permite orientar mejor los esfuerzos de marketing de la lnea area. Adems, permite planificar mejor la compra o arriendo de aviones, la capacidad y frecuencia de los vuelos, proyectar los ingresos por ventas de la empresa, los insumos necesarios y la capacitacin del personal a bordo. No se utiliz anlisis de conglomerados en este caso porque se conoca a priori la pertenencia de los viajeros frecuentes a ambos grupos y se tenan definidos los grupos en los cuales se clasificaran los viajeros frecuentes de la lnea area.

Group Statistics

CLASE

Mean

Std. Deviation

INGRESO EDAD ATENCION ASIENTOS

3,3000 54,8333 5,5000 5,6667 1,7500 44,0000 3,5000 3,6667 2,5250 49,4167 4,5000 4,6667

,68993 4,30891 1,04881 1,21106 ,36194 5,72713 1,37840 1,50555 ,96495 7,44017 1,56670 1,66969

INGRESO EDAD ATENCION ASIENTOS

Total

INGRESO EDAD ATENCION ASIENTOS

Tests of Equality of Group Means

Wilks' Lambda INGRESO EDAD ATENCION ASIENTOS ,296 ,422 ,556 ,609

F 23,748 13,709 8,000 6,429

df1 1 1 1 1

df2 10 10 10 10

Sig. ,001 ,004 ,018 ,030

Standardized Canonical Discriminant Function Coefficients Function 1 INGRESO EDAD ATENCION ASIENTOS Structure Matrix Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function. Canonical Discriminant Function Coefficients Function 1 INGRESO EDAD ATENCION ASIENTOS (Constant) 1,770 ,142 ,615 ,170 -15,057 ,975 ,721 ,753 ,232 INGRESO EDAD ATENCION ASIENTOS Function 1 ,481 ,365 ,279 ,250

Unstandardized coefficients

UNIVERSIDAD DE CHILE Facultad de Economa y Negocios Seccin 01: Profesor Enrique Manzur / Andrea Ortiz Seccin 02: Profesor Juan Pablo Muoz EXAMEN MARKETING II Instrucciones: Escriba con letra clara y ordenada, en el espacio asignado, sus respuestas a las siguientes preguntas. Sea preciso y utilice los conceptos adecuados. PARTE I: (30%) Semestre Otoo 2009 27 de Junio 2009

1. El proceso de medicin en Marketing es difcil porque la mayora de las variables corresponden a escalas de razn, las que tienen un cero absoluto. Comente. El proceso de medicin en Marketing es difcil porque la mayora de las variables medidas (actitud, satisfaccin, intencin, preferencia, etc.) corresponden a escalas ordinales o de intervalos, las que no tienen un cero absoluto. Son pocas las variables en Marketing que estn medidas en escala de razn (ventas, participacin de mercado, nmero de clientes, etc.), que tienen un cero absoluto y que por lo tanto, son fciles de medir en forma objetiva.
2. Explique claramente dos criterios que se pueden utilizar para determinar el nmero de cluster en un anlisis de conglomerados jerrquico. En el conglomerado jerrquico, las distancias en las que los grupos se combinan pueden utilizarse como criterios. Esta informacin puede obtenerse del programa de aglomeracin o del dendograma. Tambin se puede determinar el nmero de grupos mediante la observacin del coeficiente de aglomeracin. El nmero de cluster se determina por el cambio brusco en este indicador. En la agrupacin no jerrquica, la relacin de la varianza total dentro de los grupos con varianza entre los grupos puede trazarse en comparacin con el nmero de stos. El punto donde ocurre un recodo o un doblez marcado indica un nmero apropiado de grupos. Generalmente no vale la pena aumentar el nmero de grupos ms all de este punto. El tamao de los grupos debe ser significativo. Si el tamao de un grupo es muy pequeo entonces convendr considerar una solucin con un nmero menor de grupos. Las consideraciones tericas, conceptuales o prcticas pueden sugerir un nmero determinado de grupos. Por ejemplo, si el propsito de la agrupacin es identificar los segmentos del mercado, es probable que la gerencia quiera un nmero de grupos en particular.

3. Explique claramente las medidas utilizadas para evaluar la validez y confiabilidad de la solucin entregada por un anlisis de Escalamiento Multidimensional. Las medidas utilizadas para evaluar la validez y confiabilidad de un anlisis de EMD son: ndice de ajuste o R2 el cul indica la proporcin de varianza que puede explicar el procedimiento de EMD. Es decir, es una medida que indica lo bien que el EMD modela los datos de entrada. Se consideran aceptables valores sobre 0.6. El otro indicador que se debe ver es el Stress el cul es una medida de desajuste, pues mide el mal ajuste del EMD a los datos de entrada. Se busca que sea lo ms cercano a cero y en trminos generales se presentan las siguientes recomendaciones: STRESS (%) 20 10 5 2.5 0 BONDAD DE AJUSTE Malo Regular Bueno Excelente Perfecto

Nota: No es necesario que hicieran la tabla, si la tienen genial de lo contrario no importa mientras coloquen que la medida de stress mientras ms cercana a cero es mejor. 4. Cules son las semejanzas y diferencias entre el Anlisis de Regresin, ANOVA y Anlisis Discriminante? Semejanzas: Los tres procedimientos corresponden a anlisis de dependencia. En los tres anlisis se incluyen slo una variable dependiente o de criterio y mltiples variables independientes. Diferencias: La naturaleza de las variables es diferente en cada caso. En ANOVA y en el anlisis de regresin, la variable dependiente es mtrica (de intervalo), en cambio en anlisis discriminante es categrica o no mtrica. Las variables independientes son categricas en el caso de ANOVA y son mtricas o no categricas en el caso del anlisis discriminante y el de regresin. 5. Si se realizar un anlisis de conglomerados sobre las variables en vez de sobre las observaciones, a qu anlisis se parecera? Explique su respuesta. Si se realiza un anlisis de conglomerados sobre las variables se tendrn grupos de variables con puntuaciones similares, en vez de agrupaciones de individuos. De esta manera, lo que se tendra es el resumen de variables, por lo tanto, el anlisis se parecera a un anlisis factorial.

6. Explique las ventajas y dificultades de realizar mapas de posicionamiento utilizando la tcnica de anlisis factorial.

La principal ventaja de realizar mapas de posicionamiento utilizando Anlisis Factorial, es que se definen o interpretan previamente las dimensiones o factores en el cual se posicionan las marcas. En Escalamiento Mutidimensional en cambio, estas dimensiones deben ser interpretadas posteriormente en base a las posiciones relativas de las marcas. La principal dificultad de realizar mapas de posicionamiento utilizando Anlisis Factorial es que no necesariamente contempla las variables sobre las cuales los individuos habran evaluado las marcas. Es decir, es sesgado a las variables determinadas por el investigador. Para evitarlo, las variables deben surgir de una investigacin exploratoria previa de manera de que representen los atributos relevantes del producto o servicio para el mercado objetivo. Otro problema de menor importancia es el hecho que no se obtiene automticamente el mapa, sino que este debe ser elaborado en base a los factor scores promedio para cada marca en los factores extrados. CASO 1 (15%)
Cada cierto tiempo surgen polmicas respecto a las bondades y limitaciones de las distintas tcnicas y procedimientos de muestreo y recoleccin de datos. Un ejemplo de lo anterior es el siguiente artculo publicado en la tercera el pasado domingo 7 de junio. En base a sus conocimientos de investigacin de mercado, se le solicita que responda en forma clara, precisa y fundamentada las siguientes preguntas: (Sugerencia: lea todas las preguntas y organice sus ideas antes de comenzar a contestar)

a) El 70% al que se refiere Stewart corresponde realmente al margen de error de la encuesta? Explique claramente su respuesta. (5 puntos) El 70% al que se refiere Stewart, no corresponde al margen de error de 2,6% de la encuesta, sino a la tasa de no respuesta, ya que de cada 100 llamados, 30 responden la encuesta. Por lo tanto, Stewart comete un error conceptual al confundir margen de error con tasa de no respuesta. La tasa de no respuesta podra inducir un error de no respuesta, que es un tipo de error no muestral y por lo tanto, no es medible ni en magnitud ni en direccin. El error de no respuesta consiste en que los que no responden, podran tener una respuesta diferente a los que si responden, pero esto no lo podremos saber. En consecuencia, no se puede confundir el margen de error muestral de la encuesta, con la tasa de no respuesta, ya que son conceptos totalmente diferentes. b) En el caso que la muestra de TNS Time fuera probabilstica en todas sus etapas, Podra usted afirmar que el margen de error total es del 2.6%? (6 puntos)

En el caso que la muestra de TNS Time fuera probabilstica en todas sus etapas, no podramos afirmar que el margen de error total es del 2,6%, ya que este porcentaje corresponde a la estimacin del margen de error muestral. El error total es igual a la suma del error muestral + los errores no muestrales. Como los errores no muestrales no se pueden medir, ni en magnitud ni en direccin, el error total de una encuesta tampoco se puede determinar. c) Si quienes responden la encuesta son una fraccin pequea de quienes se intent contactar, la representatividad de la muestra ser baja como plantea Engel? (4 puntos) La representatividad de la muestra no necesariamente ser baja, como plantea Engel, si quienes responden son una fraccin pequea de quienes se intent contactar (o lo que es lo mismo, si la tasa de no respuesta es muy alta). La representatividad de la muestra podra ser baja, slo en el caso que quienes no responden opinaran en forma totalmente distinta de quienes si responden, ya que en este caso, el error de no respuesta sera alto. Pero la representatividad de la muestra podra ser alta, si la poblacin de inters es homognea y quienes no responden opinaran igual que los que si responden. Por lo tanto, la mayor o menor representatividad de la muestra va a depender de la varianza de la poblacin de inters, pero tambin va a depender de otros factores cono el tamao muestral, el nivel de confianza y otros errores no muestrales (como los errores de respuesta o el error de marco muestral) que podran sesgar las estimaciones. CASO 2 (15%) El pasado jueves 18 de Junio se dio a conocer los resultados de la encuesta CEP. En base a la ficha tcnica y a los resultados pronosticados para la segunda vuelta, que se adjuntan, se le solicita responder las siguientes preguntas: a) Determine el margen de error de la encuesta CEP para la muestra total y para los inscritos en los registros electorales. Haga explcitos los supuestos que considere necesarios. (6 puntos) La muestra total es de 1.505 personas, por lo que el margen de error muestral es de +, 2,53%, asumiendo varianza mxima en la poblacin y un nivel de confianza de 95%. (3 puntos) n = z * p(p-1) E E = z * p(p-1) n E = (1,96) * (0,5*0,5) = 0,9604 / 1.505 1.505 E = + 0,0253 (+ 2,53%)

El nmero de inscritos entrevistados fue el 70% de la muestra total (1.054 personas), por lo que el margen de error muestral es de + 3,02%. (3 puntos) n = z * p(p-1) E E = z * p(p-1) n E = (1,96) * (0,5*0,5) = 0,9604 / 1.054 1.054 E = + 0,0302 (+ 3,02%) b) Explique y justifique por qu existe un empate tcnico entre los candidatos Piera y Frei en el escenario de una segunda vuelta. Considere la submuestra de inscritos y haga los clculos que estime convenientes. (4 puntos) Existe un empate tcnico entre los candidatos Piera y Frei, en el escenario de una segunda vuelta, ya que si se aplica el margen de error muestral de la submuestra de inscritos (+3,02%) sobre los resultados muestrales, la votacin estimada de Piera estara entre 37,98% y 44,02% y la votacin estimada de Frei estara entre 35,98% y 42,02%, para la muestra total. Luego, existe un traslape en los intervalos de confianza de ambos candidatos, que va entre 37,98% y 42,02%. En consecuencia, existe un empate tcnico porque los candidatos pueden moverse dentro de ese rango y por lo tanto, cualquiera de los dos podra ganar las elecciones. Lo anterior, se puede afirmar con un 95% de nivel de confianza. (3 puntos) Lo mismo se observara si se calcula el intervalo de confianza, para ambos candidatos. (1 punto) Intervalo de confianza para Piera: p Z * * * (-1) /n < = <= p + Z * * (-1) /n 0,41 1,96 * 0.5* (0,5-1) /1.054 < = <= 0,41 + 1,96 * 0,5* (0,5-1) /1.054 41% + 3,02% 37,98% < = <= 44,02% Intervalo de confianza para Frei: p Z * * * (-1) /n < = <= p + Z * * (-1) /n 0,39 1,96 * 0.5* (0,5-1) /1.054 < = <= 0,39 + 1,96 * 0,5* (0,5-1) /1.054 39% + 3,02% 35,98% < = <= 42,02%

c) En su opinin la muestra de la encuesta CEP, Es realmente probabilstica respecto de la poblacin chilena mayor de 18 aos de edad? (5 puntos) En mi opinin, la muestra de la Encuesta CEP, no es probabilstica respecto de la poblacin chilena mayor de 18 aos de edad, debido a que el marco muestral, excluye a los habitantes de la Isla de Pascua, mayores de 18 aos de edad. Luego, no todos los habitantes de Chile mayores de 18 aos de edad, tienen una probabilidad distinta de cero de ser seleccionados en la muestra. En consecuencia, los resultados muestrales no son extrapolables a toda la poblacin chilena mayor de 18 aos de edad. (4 puntos) La muestra de la Encuesta CEP, es probabilstica respecto del marco muestral, que excluye a los habitantes de la Isla de Pascua y por lo tanto, los resultados muestrales son extrapolables slo al marco muestral. (1 punto)

FICHA TECNICA Universo: Poblacin de 18 aos y ms (urbana y rural) residente a lo largo de todo el pas (se excluye Isla de Pascua) Cobertura del Universo: Toda la poblacin del pas en base al Censo de 2002 (se excluye Isla de Pascua) Muestra: 1505 personas fueron entrevistadas en sus hogares, en 146 comunas del pas. El 70% de las personas entrevistadas estaban inscritas en los registros electorales. El mtodo de muestreo fue estratificado (por regin y zona urbana/rural), aleatorio y probabilstico en cada una de sus etapas (manzana/hogar/entrevistado). El nivel de respuesta logrado, con sujetos originales fue de 88%. Nivel de Precisin: ? Fecha de Terreno: La recoleccin de datos se efectu entre el 14 de Mayo y el 03 de Junio de 2009.

CASO 3 (20%) Estudie el siguiente output de un anlisis de factores de 7 variables relacionadas con el comportamiento familiar y de compra de una muestra de consumidores, y conteste las preguntas que siguen. Las variables analizadas son en base a una escala de 7 puntos (1= muy en desacuerdo, 7= muy de acuerdo), y su descripcin es la siguiente:
Hogar: Prefiero pasar una velada en casa que salir a una fiesta Precio: Siempre reviso los precios, incluso en artculos pequeos Revistas: Las revistas son ms interesantes que el cine Noanunci: No compro productos que aparecen en anuncios panormicos Casero: Soy muy casero Cupones: Guardo y canjeo los cupones cuando compro Public: Las compaas gastan mucho dinero en publicidad a) Es adecuado realizar un anlisis factorial? Justifique claramente su respuesta. (3 puntos) Es adecuado llevar a cabo el anlisis factorial puesto que el nivel de significancia asociado al test de esfericidad de Barlett`s es cercano a cero con lo que se rechaza la hiptesis nula que la matriz de correlacin es igual a la matriz identidad. Por lo tanto, hay correlacin entre las variables. Adems el KMO es mayor a 0.5 con lo que se concluye que la correlacin no es slo parcial, sino total. b) Identifique el mtodo de extraccin utilizado. Justifique su respuesta (3 puntos) El mtodo de extraccin utilizado es componentes principales ya que la comunalidad inicial son slo 1 con lo que se indica que se est trabajando con la varianza total no slo con la comn. c) Calcule la comunalidad de extraccin para la variable casero y explique su significado. (3 puntos) Si se ocupa matriz de componentes sin rotar sera:

0.804 = (0.664) 2 + (0.505) 2 + (0.329) 2

Si se ocupa matriz de componentes rotados sera:

0.804 = (0.868) 2 + (0.224) 2 + (0.017) 2

d) Determine el eigenvalue asociado al Factor 1 de la Matriz Rotada y el porcentaje de varianza explicado por dicho factor. (4 puntos) El eigenvalue es:

2.313 = (0.897) 2 + (0.049) 2 + (0.762) 2 + (0.214) 2 + (0.868) 2 + (0.057) 2 + (0.351) 2

Porcentaje de la varianza:

33% = 2.313 / 7

e) En base a los outputs con que cuenta, mencione y explique dos criterios que justifican la eleccin de 3 factores. (4 puntos) Eigenvalue >1 ya que los tres factores cumplen con este criterio lo que se observa en la matriz Total Variance Explained. Este criterio se utiliza porque se les pide a los factores que por lo menos sean capaces de explicar la varianza de una variable. Otro criterio es el porcentaje de varianza explicada el cul se pide que sea mayor al 60% en este caso es del 80.6%, con este criterio lo que se busca es reducir variables en factores con la mnima prdida de informacin. Mientras mayor sea la varianza explicada por los factores mayor informacin se captura. f) Interprete los 3 factores obtenidos. (3 puntos)

Factor 1: HOGAREO porque las variables con ms peso son Hogar, Revistas y Casero.
Factor 2: REACIO A LA PROMOCION porque las variables que ms cargan son Noanunci y Public

Factor 3: SENSIBLE AL PRECIO porque las variables que ms cargan son Precio y Cupones.

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. ,550 57,994 21 ,000

Communalities HOGAR PRECIOS REVISTAS NOANUNCI CASERO CUPONES PUBLICID Initial 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Extraction ,818 ,796 ,790 ,800 ,841 ,796

Total Variance Explained Initial Eigenvalues % of Variance Cumulative % 35,505 35,505 26,013 19,131 7,258 5,373 3,990 2,730 61,518 80,649 87,907 93,280 97,270 100,000 Extraction Sums of Squared Loadings Total % of Variance Cumulative % 2,485 35,505 35,505 1,821 1,339 26,013 19,131 61,518 80,649 Rotation Sums of Squared Loadings Total % of Variance Cumulative % 1,731 1,599 24,729 22,844 57,805 80,649

Component 1 2 3 4 5 6 7

Total 2,485 1,821 1,339 ,508 ,376 ,279 ,191

Extraction Method: Principal Component Analysis.

Component Matrix Component 2 ,378 -,714 -,027 ,634 ,505 -,604 ,383

1 HOGAR PRECIOS REVISTAS NOANUNCI CASERO CUPONES PUBLICID ,817 ,279 ,887 -,204 ,664 ,050 -,684

3 ,087 ,457 -,043 ,597 ,329 ,689 ,426

a Rotated Component Matrix

1 HOGAR PRECIOS REVISTAS NOANUNCI CASERO CUPONES PUBLICID ,897 ,049 ,762 ,214 ,868 -,057 -,351

Component 2 -,082 -,232 -,440 ,867 ,224 ,091 ,817

3 -,076 ,860 ,125 -,052 -,017 ,911 -,073

Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 4 iterations.

CASO 4 (20%)

Anlisis Discriminante LanChile requiere predecir en su base de datos de viajeros frecuentes, cuales sern viajeros de Primera Clase (P) y cuales sern viajeros de Clase Econmica (E) en sus prximos viajes, con el fin de orientar mejor sus esfuerzos promocionales. Para ello realiza un Anlisis Discriminante con una muestra aleatoria de sus clientes LanPass. Las variables discriminantes consideradas en el anlisis fueron la Edad, el Ingreso Mensual, la importancia asignada a la Atencin a Bordo (1= Nada Importante a 7=Muy Importante) y la importancia asignada a la Comodidad de los Asientos (1=Nada Importante a 7=Muy Importante.

En base a la informacin que se adjunta responda las siguientes preguntas: j) Si se considera un nivel de confianza del 99%, que variables usted seleccionara en un futuro anlisis discriminante. Justifique su respuesta (4 puntos) Si se observa el nivel de significancia asociado al lamba de Wilks de cada variable se tiene que las variables Ingreso y Edad son las nicas estadsticamente significativas y por ende al 1% de nivel de significancia exigido seran estas las variables a considerar en un futuro anlisis. k) Cul es la variable que mejor discrimina la pertenencia a uno u otro grupo? Justifique claramente su respuesta. (3 puntos) Tanto por matriz de coeficientes estandarizados como por matriz de estructura la variable que ms discrimina es Ingreso. Por coeficientes estandarizados su carga discriminante es 0.975 mientras que en la matriz de estructura su peso es 0.481. l) Determine el punto o valor de corte de la funcin discriminante entre ambos grupos. (5 puntos) Lo primero es evaluar la funcin discriminante en los centroides de cada grupo para determinar el valor de la funcin discriminante de ambos grupos. Evaluacin Primera Clase (P) D1 = -15.057 + 1.77*3.3 + 0.142*54.8333 + 0.615*5.5 + 0.17*5.6667 = 2.916 Evaluacin Clase Econmica (E) D2 = -15.057 + 1.77*1.75 + 0.142*44 + 0.615*3.5 + 0.17*3.6667 = -2.936

Punto de Corte: PC = (D1 + D2)/2 = (2.916 2.936)/2 = -0.01 m) Suponga un viajero que tiene los siguientes ratios: V1= 1.9 V2= 47 V3= 3.7 V4= 4.23 Cul sera su prediccin respecto al grupo de pertenencia? Muestre los clculos realizados. (4 puntos) Hay que evaluar la funcin discriminante en estas puntuaciones y luego que se tiene el valor de la funcin para este viajero se compara con el punto de corte. Evaluacin: D1 = -15.057 + 1.77*1.9 + 0.142*47 + 0.615*3.7 + 0.17*4.23 = -2.0254 Como el puntaje esta bajo el punto de corte y es negativo la persona corresponde a un turista econmico. n) El gerente de marketing de LanChile le pide a usted como ingeniero comercial que explique qu utilidad tienen los resultados obtenidos de este anlisis discriminante y por qu no se utiliz un anlisis de conglomerado. (4 puntos)
El anlisis discriminante es muy til para desarrollar una funcin que permita evaluar la pertenencia a un grupo de nuevas observaciones, en este sentido tiene valor predictivo. Por otra parte, permite dirigir mejor los esfuerzos de marketing al saber que variables son las que tienen mayor peso en diferenciar a los grupos. No se utiliz anlisis de conglomerados porque a priori se identific la pertenencia de cada observacin a uno de los grupos. Adems es posible identificar variables dependientes de independientes.
Group Statistics

CLASE

Mean

Std. Deviation

INGRESO EDAD ATENCION ASIENTOS

3,3000 54,8333 5,5000 5,6667 1,7500 44,0000 3,5000

,68993 4,30891 1,04881 1,21106 ,36194 5,72713 1,37840

INGRESO EDAD ATENCION

ASIENTOS Total INGRESO EDAD ATENCION ASIENTOS

3,6667 2,5250 49,4167 4,5000 4,6667

1,50555 ,96495 7,44017 1,56670 1,66969

Tests of Equality of Group Means

Wilks' Lambda INGRESO EDAD ATENCION ASIENTOS ,296 ,422 ,556 ,609

F 23,748 13,709 8,000 6,429

df1 1 1 1 1

df2 10 10 10 10

Sig. ,001 ,004 ,018 ,030

Standardized Canonical Discriminant Function Coefficients Function 1 INGRESO EDAD ATENCION ASIENTOS ,975 ,721 ,753 ,232

Structure Matrix Function 1 INGRESO EDAD ATENCION ASIENTOS ,481 ,365 ,279 ,250

Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function.

Canonical Discriminant Function Coefficients

Function 1 INGRESO EDAD ATENCION ASIENTOS (Constant) 1,770 ,142 ,615 ,170 -15,057

Unstandardized coefficients

Comentes y completes de todo MKT II

Comentes
1. Si el p value asociado a la prueba de Esfericidad de Bartlett es alto (cercano a 1), entonces se concluye que la matriz de correlacin no se asemeja a la matriz identidad (I) y por ende el anlisis factorial es aplicable. Comente Si el p value es cercano a uno, indica que no se puede rechazar la hiptesis nula de que la matriz de correlaciones es igual a la identidad. Para poder rechazar la hiptesis nula anterior, es necesario que el p value sea cercano a cero (3 puntos). Lo anterior es condicin necesaria pero no suficiente para que el anlisis factorial sea aplicable. (2 puntos) Adems que el p value sea cercano a 0, el KMO debe ser mayor que 0,5 asegurando que las relaciones entre las variables no sean solo de pares, sino que entre todas las variables bajo estudio (3 puntos). 2. La Prueba Chi-Cuadrado permite establecer la existencia de una relacin de causalidad, en cambio, el coeficiente de correlacin mide el grado de asociacin entre dos variables. Comente. La prueba de Chi-Cuadrado permite establecer si existe una relacin estadsticamente significativa entre dos variables nominales o categricas. No permite establecer relaciones de causalidad. El coeficiente de correlacin permite establecer la magnitud y direccin de la relacin lineal entre 2 variables medidas en escala de intervalo o razn. No permite establecer relaciones de causalidad entre ellas, ya que para ello se requiere de otras evidencias: como son orden temporal, la eliminacin de otros factores causales, y la evidente existencia de correlacin. El comente es falso. 3. En base a Hair et al. Cap 1, explique qu representa la potencia de un test y los 3 factores que la determinan. La potencia de un test de inferencia estadstica (1- ) es la probabilidad de rechazar correctamente la hiptesis nula cuando esta debe ser rechazada o en otras palabras, es la probabilidad de tomar la decisin correcta de no aceptarla cuando es falsa. (4 puntos) La potencia est determinada por 3 factores: 1) Efecto tamao (as sale en el libro pero en realidad es tamao del efecto): La probabilidad de conseguir significancia estadstica se basa no slo en consideraciones estadsticas sino tambin en la magnitud real del efecto que nos interesa (por ejemplo, una diferencia de medias entre dos grupos o la correlacin entre variables) en la poblacin, denominado efecto tamao. Un efecto grande es ms probable de encontrar que un efecto pequeo, y por lo tanto, afecta a la potencia de la prueba estadstica. Para evaluar la potencia de cualquier prueba estadstica, el investigador debe entender primero el efecto tamao. El efecto tamao se mide en trminos estandarizados para facilitar la comparacin. Las diferencias respecto de la media se determinan en trminos de desviaciones estndar, as que un efecto tamao de 0,5 indica que la diferencia respecto de la media es la mitad de la desviacin estndar. Para las correlaciones, el efecto tamao se basa en las correlaciones efectivas entre las variables. (2 puntos)

2) Alfa () o nivel de significancia. A medida que el nivel de significancia es menor, la potencia del test tambin decrece. Esto significa que a medida que se reduce la probabilidad de encontrar un efecto incorrecto significativo (error tipo I), la probabilidad de encontrar un efecto correcto significativo (no aceptar hiptesis nula falsa) tambin disminuye. Las directrices convencionales sugieren niveles de de o,05 o 0,01, pero el investigador debe considerar el impacto de esta decisin sobre la potencia de la prueba (1-), antes de seleccionar el nivel de . (2 puntos) 3) Tamao de la muestra: Para cualquier nivel de significancia dado, el aumento de la muestra siempre produce una mayor potencia del test estadstico. Pero aumentar el tamao de la muestra, tambin puede producir demasiada potencia. Por este hecho, al aumentar el tamao de la muestra, efectos cada vez ms y ms pequeos sern significativos, hasta que para muestras muy grandes, casi cualquier efecto es significativo. Siempre se debe tener presente en una prueba estadstica que muestras muy pequeas pueden generar efectos no significativos y muestras muy grandes pueden generar efectos significativos, por lo que la decisin del tamao muestral es muy relevante en una prueba estadstica. (2 puntos) 4. Si en una prueba de ANOVA, la varianza intragrupo es muy inferior a la varianza intergrupo, qu se puede concluir respecto a la hiptesis nula y al efecto del tratamiento? Si la varianza intragrupo es muy inferior a la varianza intergrupo la estadstica F es alta y por lo tanto se debe rechazar la hiptesis nula de que las medias de los grupos son iguales. Existen diferencias estadsticamente significativas entre los grupos y el tratamiento tiene efecto. 5. Compare la elaboracin de mapas de posicionamiento en base al anlisis factorial y el anlisis de correspondencias. Sea especfico respecto al tipo de informacin requerida, el output obtenido y las ventajas y desventajas de uno y otro. El Anlisis Factorial se basa en las evaluaciones de los atributos de un producto o servicio para diferentes marcas, resumiendo esos atributos en un nmero menor de factores o dimensiones subyacentes y obteniendo los factor scores. El promedio de estos coeficientes para cada marca se utiliza para obtener el posicionamiento de las marcas en los factores extrados (coordenadas). Los factores o dimensiones son interpretadas a priori, en relacin a los atributos que tienen una alta carga factorial en cada factor. Ventajas Se definen previamente las dimensiones o factores Desventajas Sensible a las variables Debe ser elaborado en base a los scores para cada marca en los factores extrados El anlisis de correspondencia: Se basa en juicios sobre la posesin o no posesin de un conjunto de atributos El resultado es un mapa de posicionamiento en el cual los atributos son representados por vectores La longitud del vector indica la importancia del atributo para discriminar entre las marcas Una marca posicionada ms prxima a la flecha del vector tendr ms de ese atributo. Ventajas

Reduce las exigencias de recopilacin de datos Desventajas No se presta para comprobar hiptesis 6. En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn y en qu situaciones utilizar uno u otro? El Anlisis de Componentes Principales considera la varianza total en los datos, en cambio el Anlisis Factorial Comn determina los factores en base a la varianza comn en los datos. Por esta razn, en Anlisis de Componentes Principales, las comunalidades iniciales son iguales a 1, lo que indica que los componentes extrados en la solucin inicial, explican el 100% de la varianza en las variables originales (unos en la diagonal de la matriz de correlacin). En cambio en Anlisis Factorial Comn, las comunalidades iniciales son menores que 1, lo que indica que los factores extrados en la solucin inicial, explican menos del 100% de la varianza en las variables originales (comunalidades en la diagonal de la matriz de correlacin). (5 puntos) El Anlisis de Componentes Principales es ms apropiado utilizarlo para determinar el nmero de componentes relevantes que se pueden identificar en un producto o servicio o cuando se quiere minimizar el nmero de componentes que explican el mximo de varianza en las variables originales. El Anlisis Factorial Comn es ms apropiado utilizarlo para interpretar el significado de los factores extraidos cuando se asume que existe una estructura subyacente de factores que explican los datos y sus correlaciones. (5 puntos) 7. De una muestra de datos se ha obtenido la siguiente matriz de varianza-covarianza para tres variables de inters. Se le pide que determine la matriz de correlacin asociada a ella, explicando su respuesta y mostrando sus clculos. 9 3 5 3 16 4 5 4 25

El coeficiente de correlacin entre dos variables x e y, es igual a la covarianza entre x e y, dividido por el producto de la desviacin estndar de x por la desviacin estndar de y. Por lo tanto, la matriz de correlacin se puede derivar de la matriz de varianza-covarianza que tiene las varianzas en la diagonal y las covarianzas fuera de la diagonal. (2 puntos) 1 1/4 1/4 1 1/3 1/5 (2 puntos) 1/3 1/5 1 (2 puntos) (2 puntos) (2 puntos)

R 12 = 3 / 3 x 4 = 3/12 = 1 / 4 R 13 = 5 / 3 x 5 = 5 / 15 = 1 / 3 R 23 = 4 / 4 x 5 = 4 / 20 = 1 / 5

8. Explique la diferencia entre las tcnicas de anlisis multivariado de dependencia y de interdependencia. Mencione 2 ejemplos para cada tipo.

Las tcnicas de anlisis multivariado de dependencia clasifican las variables en dependientes (explicadas) e independientes (explicativas) y determinan la relacin de dependencia que existe entre ellas. Las tcnicas de anlisis multivariado de interdependencia no distinguen entre variables dependientes e independientes y determinan la relacin de interdependencia que existe entre todo el conjunto de variables. (6 puntos) Tcnicas de anlisis multivariado de dependencia: Anlisis Discriminante, Anlisis Conjunto, Modelo de Ecuaciones Estructurales, Anlisis de Regresin Mltiple, Anlisis de Correlacin Cannica. (2 puntos) Tcnicas de anlisis multivariado de interdependencia: Anlisis Cluster, Anlisis Factorial, Escalamiento Multidimensional, Anlisis de Correspondencia (2 puntos) 9. Cules son las principales diferencias entre el Anlisis de Cluster Jerrquico y el No Jerrquico y cundo se recomienda el uso de uno u otro? El Anlisis Cluster Jerrquico clasifica los casos estableciendo un rbol jerrquico llamado dendograma, en cambio el Anlisis Cluster No Jerrquico no establece tal jerarqua sino que clasifica los casos en torno a las medias o centroides de los clusters. (5 puntos) El Anlisis Cluster Jerrquico se recomienda utilizarlo cuando se desconoce a priori el nmero de clusters o segmentos que puede existir. El Anlisis Cluster No Jerrquico se recomienda utilizarlo cuando se conoce a priori en nmero de clusters o segmentos. (5 puntos) 10. Describa claramente el proceso que usted seguira para obtener un mapa de posicionamiento de 6 marcas competidoras por medio de Anlisis Factorial 1. En primer lugar, se debe determinar las variables o atributos que caracterizan al producto o servicio y obtener evaluaciones de esos atributos en una escala de intervalos, por parte de una muestra del mercado objetivo, para las 6 marcas competidoras. (2 puntos) 2. Luego, se debe realizar un Anlisis Factorial para reducir las variables y determinar e interpretar los factores resultantes. (2 puntos) 3. En seguida, se debe determinar los factor scores (puntajes de los factores) para cada persona en la muestra y para las 6 marcas. Estos factor scores se deben guardar como variables en el archivo original. (2 puntos) 4. Luego, se debe calcular los factor scores promedio para cada marca en cada factor, los que representarn las coordenadas del mapa de posicionamiento. (Analizar Comparar Medias Medias - ingresar los factor scores como variables dependientes y las marcas como variable independiente). (2 puntos) 5. Finalmente, se debe crear un archivo separado con los factor scores promedio para cada marca y obtener el mapa de posicionamiento (Grficos - Interactivo ingresar los factor scores promedio del Factor 1 en el eje de las X y los factor scores promedio del Factor 2 en el eje de las X y las marcas en etiquetas). (2 puntos) 11. La estadstica de chi-cuadrado no sirve para determinar relaciones entre variables medidas en escala nominal u ordinal. Solo es posible usarla en variables medidas en escalas de intervalo o de razn. Falso: La estadstica de Chi-Cuadrado se usa en datos medidos en escalas nominales u ordinales. De hecho, deber estimarse slo en los conteos de datos (como los que se realizan en las tablas de contingencia cruzada o crosstables).

La Chi-Cuadrado sirve para probar la importancia estadstica de la asociacin observada en una tabulacin cruzada, determinando una posible asociacin sistemtica entre dos variables. 12. La gran diferencia entre el coeficiente de correlacin y un test de ANOVA, es que el primero permite determinar relaciones de causalidad, en cambio el segundo solo sirve para definir si un tratamiento fue efectivo. Coeficiente de correlacin: Permite establecer la magnitud y direccin de la relacin lineal entre 2 variables de intervalo o razn. No permite establecer relaciones de causalidad entre ellas, ya que para ello se requiere de otras evidencias. Orden Temporal Eliminacin de otros factores causales Correlacin ANOVA: es test estadstico de anlisis bivariado o multivariado, que se utiliza para determinar si una o ms variables nominales o categricas (tratamientos experimentales), producen diferencias significativas entre las variables de intervalo o de razn de diferentes grupos, muestras o poblaciones. Por ejemplo, se puede utilizar en un experimento, para determinar si diferentes comerciales de un producto, producen diferencias estadsticamente significativas en la intencin de compra del producto, entre los grupos, muestras o poblaciones. 13. Explique en detalle el procedimiento de clculo de los grados de libertad de una estadstica Chi-Cuadrada, en una tabla de contingencia cruzada. Plantee adems una hiptesis nula y el procedimiento de rechazo o no rechazo del test. Los grados de libertad se determinan de la siguiente forma: En general, el nmero de gl es igual a las filas menos 1, por las columnas menos 1. La Hiptesis Nula es que no hay asociacin entre las variables usadas (x e y independientes). Se rechaza solo si Xcalculada > Xtabla. Dependiendo de los grados de libertad. 14. Si en una prueba de ANOVA la varianza intragrupo/within group (MCW) es similar a la varianza intergrupo / between groups (MCB), Qu se puede concluir respecto a la hiptesis nula y al efecto del tratamiento? Si las dos varianzas son iguales el Test F tiende a uno, por lo que no se rechaza la hiptesis nula:

gl = ( r 1)( c 1)

H 0 : 1 = 2 = ... = n
Es decir, el efecto del tratamiento no es significativo ya que la diferencia entre las medias es similar a la diferencia o varianza interna de los grupos o en otras palabras los distintos niveles de tratamiento no producen diferencias. Siempre se compara en la distribucin de Fisher

F=

Media Cuadrados Intergrupos Media Cuadrados Intragrupos

15. Si el nivel de significancia observado (p-value) en una prueba de ANOVA es cercano a 0, quiere decir que no existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones y, por lo tanto, el efecto del tratamiento es irrelevante.

La Nula corresponde a H 0 : 1 = 2 = ... = n Por lo que si el p-value es cercano a 0, implica que SI existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones por lo tanto, el efecto del tratamiento es relevante. (o al menos estadsticamente significativo). Se rechaza la hiptesis nula de que las medias de los grupos son iguales. (que las diferencias no existen). Recordar que si un p-value es bajo el nivel de significancia esperado (0,05 de sign. por ejemplo) se rechaza la Hiptesis Nula. 16. Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable? Describa las estadsticas (tests) que se utilizan para comprobar que se satisface este requerimiento El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existen dos test: Test de Esfericidad de Bartlett: la hiptesis nula es que no existe correlacin entre las variables. (Matriz de correlacin = Matriz Identidad). Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p-value cercano a cero). Test de Adecuacin de la muestra (KMO): valores 0.5 indican que el anlisis factorial es apropiado. 17. Dentro de la tcnica de Anlisis Factorial, En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn? Anlisis de Componentes Principales: Su objetivo es reducir variables hacia factores (componentes) que capturen la mayor cantidad de informacin de las variables originales, para utilizarlas en anlisis posteriores Considera la varianza total de los datos Matriz de correlaciones (extraccin) posee unos en la diagonal. Minimizar la cantidad de factores que explican la mxima varianza. Anlisis Factorial Comn: No considera la varianza total, sino slo la varianza comn. Se utiliza cuando se asume que existe una estructura abstracta subyacente de factores que explican los datos y sus correlaciones. Su matriz de correlaciones posee nmeros menores de 1 en su diagonal (comunalidades iniciales menores que 1).

18. Explique los criterios para seleccionar el numero de factores adecuados a extraer en un Anlisis Factorial. Determinacin a priori: el investigador sabe el nmero de factores que requiere (ej: anlisis de posicionamiento), en base a su experiencia previa Basado en los valores propios (eigenvalues): se seleccionan los factores con eigenvalues mayores a 1 Basado en el trazo de ladera (scree plot): interrupcin distintiva (cambio de pendiente) en la varianza acumulada por cada variable Basado en el porcentaje de varianza: se establece un nivel satisfactorio mnimo de varianza explicada por los factores. Se recomienda que al menos sea del 60%

Basado en la confiabilidad de divisin a la mitad: se divide la muestra y se realiza el AF en cada mitad, conservndose los factores con alta correspondencia de cargas 19. Explique cual es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin? El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin. 20. Transforme la correlaciones siguiente matriz de varianzas y covarianzas en una matriz de

4 3 5 3 16 4 5 4 25
corr =
cov ( x, y )

x y

4 3 5 var cov 3 16 4 5 4 25

1 3 / 8 1 / 2 corr 3 / 8 1 1 / 5 1 / 2 1 / 5 1

21. En el anlisis factorial, explique que representan la comunalidad de extraccin y cmo se calcula esta ltima. Comunalidad de extraccin: Es la proporcin de varianza que comparte cada variable con los factores extrados. (es la varianza comn que existe entre la variable y los factores) Como explican los factores a la variable. Se obtiene de sumar el cuadrado de las cargas factoriales de la variable a travs de los factores. 22. Los mapas de posicionamiento no son muy tiles en Marketing, porque estn basados en las percepciones subjetivas de los consumidores y no representan necesariamente las posiciones reales de las marcas. Las percepciones subjetivas de los consumidores DETERMINAN las posiciones reales de las marcas, pues stas estn en las mentes de los consumidores (es decir son reales y subjetivas). Dado esto, los mapas de posicionamiento s son tiles para el Marketing. 23. Cul es el nmero de comparaciones que se pueden realizar en un Escalamiento Multidimensional, donde existen 8 marcas a comparar? 28 En general se aplica: n(n-1)/ 2

24. En el anlisis de Correspondencia, qu significa la cercana de una marca a un vector (flechas) de atributos y qu implica la longitud de este? La cercana de flechas y marcas indica que una marca tiene ms de un determinado atributo. La longitud indica la importancia de un atributo en explicar las diferencias del elemento de estudio. 25. Compare la elaboracin de mapas de posicionamiento en base a escalamiento multidimensional y anlisis factorial. El Anlisis Factorial se basa en las evaluaciones de los atributos de un producto o servicio para diferentes marcas, resumiendo esos atributos en un nmero menor de factores o dimensiones subyacentes y obteniendo los factor scores. El promedio de estos coeficientes para cada marca se utiliza para obtener el posicionamiento de las marcas en los factores extrados (coordenadas). Los factores o dimensiones son interpretadas a priori, en relacin a los atributos que tienen una alta carga factorial en cada factor. El EMD se basa en la similitud percibida entre marcas competidoras en una categora de producto o servicio, y transforma esas similitudes en distancias en un plano de 2 dimensiones para obtener el mapa de posicionamiento, tratando de preservar el ordenamiento de las similitudes percibidas. Las dimensiones del mapa son interpretadas a posteriori, en relacin a las posiciones relativas de las marcas. 26. Explique claramente las diferencias y similitudes entre el Escalamiento Multidimensional y el Anlisis de Correspondencia, tanto en trminos de los datos requeridos (input) como de los resultados (output) y su interpretacin. El escalamiento multidimensional: se basa en juicios de similitud o preferencia entre pares de marcas el resultado es un mapa de posicionamiento de dos o ms dimensiones debe ser interpretado a posteriori en base a las posiciones relativas de las marcas. El anlisis de correspondencia: se basa en juicios sobre la posesin o no posesin de un conjunto de atributos el resultado es un mapa de posicionamiento en el cual los atributos son representados por vectores la longitud del vector indica la importancia del atributo para discriminar entre las marcas una marca posicionada ms prxima a la flecha del vector tendr ms de ese atributo 27. Explique la diferencia entre Chi-Cuadrado y ANOVA, sealando un ejemplo de una situacin en que aplicara uno y otro. Chi- Cuadrado es una prueba o test estadstico de anlisis bivariado que se utiliza para determinar si existe una relacin estadsticamente significativa entre 2 variables nominales o categricas, normalmente, entre una variable demogrfica y una variable de comportamiento de compra. Por ejemplo, determinar si existe una relacin

estadsticamente significativa entre el nivel socioeconmico y la marca preferida por los consumidores. ANOVA es una prueba o test estadstico de anlisis bivariado o multivariado, que se utiliza para determinar si una o ms variables nominales o categricas (tratamientos experimentales), producen diferencias estadsticamente significativas entre las variables de intervalo o de razn de diferentes grupos, muestras o poblaciones. Por ejemplo, se puede utilizar en un experimento, para determinar si diferentes comerciales de un producto, producen diferencias estadsticamente significativas en la intencin de compra del producto, entre los grupos, muestras o poblaciones. 28. Mencione un ejemplo de una situacin en la que aplicara Anlisis Discriminante Mltiple y de una situacin en la que aplicara Anlisis Discriminante de Dos Grupos. Una situacin en la que aplicara Anlisis Discriminante Mltiple es aquella en la que existen 3 o ms categoras de clasificacin, por ejemplo, se puede clasificar a los consumidores segn el volumen de compra de un producto en: Grandes Consumidores (Heavy Users), Consumidores Medios (Mdium Users) y Consumidores bajos (Light Users). (2,5 puntos) Una situacin en la que aplicara Anlisis Discriminante de Dos grupos es aquella en la que existen 2 categoras de clasificacin, por ejemplo, se puede clasificar a los consumidores de un producto segn su grado de lealtad de marca en: Clientes Leales y Clientes No Leales (2,5 puntos) 29. Cul es la principal diferencia entre el Anlisis Discriminante y el Anlisis de Conglomerados? La principal diferencia entre ambas tcnicas es que el anlisis Discriminante distingue entre variables dependientes e independientes y el Anlisis de Conglomerados no hace tal distincin (1 punto). Esto implica que el anlisis Discriminante requiere conocer previamente la pertenencia de los objetos a los grupos (variable dependiente), para poder desarrollar la funcin discriminante que permite predecir el grupo de pertenencia para otras muestras o poblaciones (2 puntos). En cambio, el Anlisis de Conglomerados no requiere conocer la pertenencia de los objetos a los grupos, sino que la agrupacin surge de las similitudes entre las variables de agrupacin para los distintos casos u observaciones. (2 puntos) 30. La Prueba Chi-Cuadrado no se puede utilizar para determinar la significancia estadstica de la relacin entre dos variables medidas en escala de razn. Comente. La prueba de Chi-Cuadrado en estricto rigor est orientada a establecer asociaciones entre variables categricas y no de razn, esto es variables medidas en escalas nominales y ordinales. Por lo tanto la afirmacin sera correcta.

Lo que s es posible, sin embargo, es que toda variable medida en escala de razn puede ser convertida en una variable categrica (al menos ordinal). Ejemplo, supongamos que yo estuviera relacionando temperatura corporal con deseo por tomar una bebida. Ambas variables pueden ser medidas con escalas de razn. Pero temperatura corporal podra agruparlo en tres categoras, Fro, temperatura normal, caliente y lo mismo con deseo de una

bebida, y si podra establecer una asociacin entre estas variables (ahora reconvertidas a variables ordinales)

31. Los mapas de posicionamiento no son muy tiles en Marketing, porque estn basados en las percepciones subjetivas de los consumidores y no representan necesariamente las posiciones reales de las marcas. Comente. Es cierto que los mapas de posicionamiento estn basadas en percepciones subjetivas de los consumidores, pero las otras afirmaciones son incorrectas. Las percepciones subjetivas de los consumidores DETERMINAN las posiciones reales de las marcas, pues estas estn en las mentes de los consumidores (es decir son reales y subjetivas). Dado esto, los mapas de posicionamiento si son tiles para el Marketing y los ejecutivos de Marketing. (4 ptos) Lo que si es importante es que dado que estos mapas se construyen a partir de estas percepciones, entonces es clave que la metodologa elegida para extraer estas percepciones de los consumidores y transformarlas en mapas percepctuales sea la que evite al mximo el error de modo que sean lo ms cercanas a la realidad posibles. 32. Por qu es necesario complementar las medidas de tendencia central con medidas de dispersin para describir una variable de una poblacin? Las medidas de tendencia central deben complementarse con medidas de dispersin para describir una variable de una poblacin, debido a que 2 poblaciones pueden tener las mismas medidas de tendencia central pero diferentes medidas de dispersin, o al revs, tener las mismas medidas de dispersin pero distintas medidas de tendencia central. 33. Se debe rechazar una hiptesis nula si el p-value es mayor que el Error tipo I predeterminado? P-value: nivel de significancia observado en una prueba de hiptesis. Si el p-value>error tipo I predeterminado ( o nivel de significancia exigido, que por lo general es 0,05). No se debe rechazar Ho, debido a que el p-value corresponde a la probabilidad efectiva o real de cometer un Error tipo I. No se puede rechazar ya que se estara asumiendo un mayor nivel de Error tipo I que el predeterminado. 34. Para una empresa ser mucho peor cometer el error tipo I que el error tipo II. Falso. Error tipo II: No rechazar Ho cuando es falsa. El cometer este tipo de error ser peor para la empresa, ya que puede llevar a tomar decisiones erradas y por ende costosas. Al cometer Error tipo I es slo costo de oportunidad. Aunquqe esto puede depender de la situacin a la que se enfrente la empresa. Ej: Desarrollar o no un nuevo producto. 35. Al testear una hiptesis, el obtener un p-value alto (cercano a 1) implica que se debe rechazar la hiptesis nula. Falso.

P-value alto implica que no se debe rechazar Ho, ya que p-value es la probabilidad real de cometer error tipo I. por lo cual si p-value es mayor que el nivel de significancia exigido a la prueba (en general 0,05) nos encontramos en la zona de no rechazo. Asumimos un mayor error tipo I que el predeterminado. 36. El obtener un p-value bajo en una prueba de hiptesis es equivalente a decir que el valor de Z es menor que el Z crtico (tabla). Falso. Si p-value es bajo, es decir menor que el nivel de significancia, nos encontramos en la zona de rechazo, por lo cual el Z calculado es mayor que el Z crtico ya que se rechaza Ho. 37. En el anlisis de Correspondencia, qu significa la cercana de una marca a un vector (flechas) de atributos y qu implica la longitud de este? La cercana de flechas y marcas indica que una marca tiene ms de un determinado atributo. La longitud indica la importancia de un atributo en explicar las diferencias del elemento de estudio. 38. Explique las ventajas y dificultades de realizar mapas de posicionamiento utilizando la tcnica de anlisis factorial. La principal ventaja de realizar mapas de posicionamiento utilizando Anlisis Factorial, es que se definen o interpretan previamente las dimensiones o factores en el cual se posicionan las marcas. La principal dificultad de realizar mapas de posicionamiento utilizando Anlisis Factorial es que este es muy sensible a la seleccin de las variables a evaluar. Otro problema de menor importancia es el hecho que no se obtiene automticamente el mapa, sino que este debe ser elaborado en base a los factor scores promedio para cada marca en los factores extrados. 39. Compare los 4 mtodos de encuesta en base a 3 criterios relevantes. Los 4 mtodos de encuesta: personal, telefnica, por correo y electrnica, se pueden evaluar comparativamente en base a los siguientes criterios: a) flexibilidad en el acopio o recopilacin de datos, b) variedad de preguntas, c) uso de estmulos fsicos, d) control de las muestras, e) Control del entorno de acopio de datos, f) control de la fuerza de campo, g) cantidad de datos, h) tasa de respuesta, i) posibilidad de desviaciones del encuestador, j) Velocidad y k) Costo. Se debe seleccionar 3 de estos criterios y definir para cada mtodo, si cada criterio es Alto, Medio o Bajo en cada uno. Por ejemplo, para el criterio Costo, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnico es Bajo; para el criterio Control de la Muestra, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo; para el criterio Tasa de respuesta, el mtodo Personal es Alto, Telefnica es Medio y Por Correo y Electrnica es Bajo. 40. Cules son los elementos que debe contener una propuesta de investigacin de mercado, segn Malhotra? Una propuesta de investigacin segn Malhotra debe contener los siguientes elementos: a. Resumen Ejecutivo b. Antecedentes

c. Definicin del problema y objetivos de la investigacin d. Mtodo para enfrentar el problema e. Diseo de investigacin f. Trabajo de campo y recoleccin de datos g. Anlisis de datos h. Informe i. Tiempo y costo j. Apndices 41. Explique claramente qu son las tcnicas proyectivas y mencione cmo se clasifican, incluyendo un ejemplo de cada tcnica. Las tcnicas proyectivas son una forma de preguntar en forma indirecta y no estructurada, que alienta a los encuestados a proyectar sus motivaciones, creencias, actitudes o sentimientos implcitos en cuanto a los temas de inters. Las tcnicas proyectivas se clasifican en: a) Tcnicas de asociacin (ej. la asociacin de palabras), b) Tcnicas de complementacin (ej. completar oraciones o historias) c) Tcnicas constructivas (ej. respuesta a fotografas, pruebas de caricaturas) y d) Tcnicas expresivas (ej. representacin de papeles, tcnica de tercera persona). 42. Dado que el error no muestral de una investigacin no es medible, el error total tampoco se puede determinar y por lo tanto, el nico error relevante es el error muestral, que si podemos medir y reducir al aumentar el tamao de la muestra. El error relevante en una investigacin es el error total, es decir la suma del error muestral ms los errores no muestrales. Si bien no se puede medir ni la magnitud ni la direccin de los errores no muestrales, si se puede tomar las medidas necesarias para reducirlos, de tal manera de reducir el error total de la investigacin y mejorar la calidad y el valor de la informacin. 43. En qu se diferencia el diseo de corte transversal del diseo longitudinal y cules son las ventajas del segundo en relacin al primero? El diseo de corte transversal consiste en una investigacin en un punto del tiempo (fotografa de la situacin en ese momento), en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo (serie de tiempo). La ventaja del diseo longitudinal sobre el diseo de corte transversal es que entrega mayor cantidad de informacin al investigador y le permite un mayor control para establecer relaciones de causa y efecto o de causalidad, entre una variable de marketing y una variable de respuesta o de comportamiento de los consumidores. 44. En qu situacin es preferible una entrevista en profundidad a un focus group y cmo debiera prepararse la misma? La entrevista en profundidad es preferible a un focus group cuando se investiga temas personales, conflictivos o sensibles que las personas no estn dispuestas a revelar en forma pblica Cuando se requiere profundizar ms en las opiniones, percepciones y preferencias individuales de las personas

Y cuando la interaccin grupal no contribuye a generar mayor cantidad de ideas y opiniones (no existe un efecto domin importante). La entrevista en profundidad es preferible tambin en el caso de aquellos grupos objetivo de difcil acceso y participacin en un focus group (GSE AB, ejecutivos, empresarios, profesionales independientes). Una entrevista en profundidad debe ser conducida por un entrevistador con experiencia, quien debe crear un ambiente en cual el encuestado se sienta relajado y libre para expresar sus sentimientos y creencias. La redaccin y la secuencia real de las preguntas se dejan a la decisin del entrevistador 45. Describa cmo se clasifican los procedimientos de investigacin cualitativa, segn Malhotra. Los procedimientos de investigacin cualitativa se clasifican en Directos (no ocultos) e Indirectos (ocultos), dependiendo de si el propsito del proyecto se revela o no a los encuestados. Los focus group (entrevista realizada por un moderador a un pequeo grupo de personas de manera no estructurada y natural) y las entrevistas exhaustivas (entrevista a una persona de inters que busca obtener informacin que quizs esa persona no revelara en pblico) son las principales tcnicas directas. Por su parte, las tcnicas proyectivas son las tcnicas indirectas ms utilizadas. stas consisten en asociacin (asociacin de palabras), complementacin (completar oraciones, prrafos o historias), construccin (respuesta de fotografas, pruebas de caricaturas) y expresin (representacin de papeles, de tercera persona). 46. Explique que son los paneles de consumidores, que tipo de informacin entregan y nombre algunas desventajas metodolgicas. Son una muestra de consumidores a los cuales se les miden ciertas variables o comportamientos a travs del tiempo. Existen 2 tipos de Paneles: Panel tradicional: Se miden reiteradamente las mismas variables. Panel Omnibus: Las variables analizadas van cambiando con el tiempo. Entregan informacin cualitativa y cuantitativa. Desventajas: Muestra puede no ser representativa y adems el comportamiento de los consumidores puede cambiar al estar siendo evaluados. 47. Mencione y explique los tipos de errores que se pueden cometer en un estudio de mercado y seale las principales diferencias entre ellos. Error muestral (EM): Ocurre porque la muestra seleccionada en particular es una representacin imperfecta de la poblacin de inters. Error no muestral (ENM): Se puede atribuir a otras fuentes distintas al muestreo, y pueden ser aleatorias o no aleatorias. El ENM puede estar dado por error de respuesta y error de no respuesta. Aumentar el n de la muestra reduce el error muestral pero aumenta el error no muestral. Disminuir el n de la muestra reduce el error no muestral pero aumenta el error muestral. Error total (ET)= Error muestral (EM) + Error no muestral (ENM) Ojo: El ET es el error relevante en una investigacin de mercados.

48. Explique la diferencia entre datos secundarios y primarios, sealando las ventajas y desventajas de cada uno. Seale un ejemplo de cada uno. Datos primarios: Son originados por el investigador con el fin especfico de atender el problema de investigacin. Ventajas: Son recolectados para el problema que se enfrenta. Desventajas: El proceso de recoleccin es muy complejo. El costo de recoleccin es alto. El tiempo de recoleccin es largo. Datos secundarios: Son recolectados para otra finalidad distinta al problema que se enfrenta. Ventajas: Identificar el problema y definir mejor el problema. El proceso de recoleccin es rpido y fcil. El costo de recoleccin es relativamente bajo. El tiempo de recoleccin es corto. Desventajas: Son recopilados para una finalidad distinta al problema que se enfrenta. Los objetivos, la naturaleza, y los mtodos para acopiar los datos pueden no ser los ms apropiados para la situacin actual. Les puede faltar exactitud o tal vez no sean completamente recientes o confiables. 49. El muestreo puede ser ms exacto que el censo como mtodo de obtencin de datos. Comente Censo: Investigacin poblacional. No existe EM. El error relevante aqu es el ENM=ET. Muestra: Investigacin muestral. Existe tanto EM como ENM. El error relevante aqu es el ET. Por lo tanto la exactitud de la investigacin, independientemente del tipo que se use, va a depender del ET. Por ende, se podra dar eventualmente lo que seala el comente. 50. La investigacin cualitativa y la investigacin cuantitativa corresponden a investigacin concluyente y por lo tanto sus resultados pueden utilizarse para tomar decisiones de marketing. Comente La Inv. Cualitativa corresponde a Inv. No concluyente. - No permite obtener resultados concluyentes debido a que utiliza muestras no probabilsticas, pequeas, para las cuales no se puede establecer el nivel de confianza y el margen de error de las estimaciones. Por lo tanto, sus resultados no pueden ser extrapolados a la poblacin total. La Inv. Cuantitativa corresponde a Inv. Concluyente. - Si permite obtener resultados concluyentes debido a que utiliza muestras probabilsticas, grandes, para las cuales se puede establecer el nivel de confianza y el margen de error de las estimaciones y por lo tanto, se puede inferir o extrapolar los resultados a la poblacin total. 51. El proceso de medicin en Marketing es difcil porque la mayora de las variables corresponden a escalas de razn, las que tienen un cero absoluto. Comente. El proceso de medicin en marketing es difcil porque la mayora de las variables medidas son de escala ordinal o de intervalo (conceptos psicolgicos).

Escala ordinal y de intervalo no tienen cero absoluto no son fciles de medir objetivamente Son pocas las variables que estn medidas en escala de razn ventas, participacin de mercado, nmero de clientes. 52. La tasa de no respuesta de un estudio de mercado es cuantificable y por lo tanto, el error de no respuesta se puede medir. Comente. Tasa de no respuesta de un estudio es cuantificable Tasa de respuesta= n de encuestas contestadas n total de encuestados Tasa de no respuesta= 1- tasa de respuesta Error de no respuesta: es diferente a la tasa de no respuesta. Error de no respuesta tiene relacin con la representatividad de las personas que no respondieron y no es medible. 53. Los experimentos son ms adecuados que la investigacin exploratoria y que la investigacin descriptiva para establecer relaciones de causalidad. VERDADERO Aslan el efecto de la variable experimental (independiente) sobre la variable dependiente eliminando el efecto de otras variables. Los experimentos proveen los 3 tipos de evidencia para establecer causalidad: correlacin orden temporal de las variables (causa-efecto) eliminacin de otros factores causales. La investigacin exploratoria y la investigacin descriptiva expost (despus de ocurridos los hechos) correlacin 54. La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad de la misma. Comente Validez grado en el cual el proceso de medicin esta libre de error aleatorio y sistemtico. Confiabilidad grado en el cual el proceso de medicin est libre de errores aleatorios. Afirmacin verdadera, si una medida es vlida necesariamente ser confiable. Adems una la validez de una medida es una condicin suficiente pero no necesaria para asegurar confiabilidad. Una medida puede ser confiable pero no vlida. 55. Explique el concepto de causalidad y como se puede establecer su existencia. El concepto de causalidad se refiere a la relacin de causa y efecto entre dos variables. Existen 3 requisitos para establecer causalidad: correlacin o variacin concomitante orden temporal de las variables (causa-efecto) eliminacin de otros factores causales Los experimentos proveen evidencia de los 3 tipos y por lo tanto son ms adecuados que la investigacin exploratoria y que la investigacin descriptiva, para establecer relaciones de causalidad.

56. Explique y de ejemplos de cada uno de los cuatro niveles de escalas de medicin que existen. Escala Nominal: Los nmeros se utilizan para identificar o clasificar a los objetos en categoras. Por ejemplo , 1= Hombre y 2 = Mujer. Escala Ordinal: Los nmeros se utilizan para ordenar los objetos segn un determinado criterio o caracterstica. Por ejemplo, preferencia de marcas: 1 Ford, 2 Chevrolet y 3 Chrysler. Escala de Intervalo: Los nmeros se utilizan para evaluar un atributo o caracterstica de los objetos. Por ejemplo, escala de notas del 1 al 7 para evaluar conocimiento. Escala de Razn: Los nmeros se utilizan para medir o cuantificar una caracterstica o atributo de los objetos. Esta escala tiene un 0 absoluto. Por ejemplo, Venta de autos: Chevrolet Corsa = 6.154, Peugeot 206 = 3.210 y Toyota Yaris = 2.794. (Ver libro pag.226-31) 57. Mientras mayor sea el tamao de la poblacin de inters, mayor ser el tamao de muestra requerido para un nivel de confianza y precisin dado. El tamao de la poblacin de inters no incide directamente en el tamao muestral requerido para un nivel de precisin dado, sino indirectamente va varianza de la poblacin. Una poblacin de tamao mayor puede tener una mayor varianza potencial, pero no es el mayor tamao en s el que determina el tamao muestral. Dos poblaciones que tienen distinto tamao pero igual varianza de la variable a medir, necesitarn el mismo tamao muestral para un determinado nivel de precisin. 58. Explique y compare las escalas de Likert y de Diferencial Semntico. Ambas son parte de las escalas de medicin por reactivos, en donde se da a los encuestados una escala que tiene un nmero o breve descripcin asociada a cada categora. La escala de Likert es la escala que mide el grado de acuerdo o desacuerdo con una serie de afirmaciones sobre los objetos de estimulo, en general son cinco categoras que van Muy en desacuerdo a Muy de acuerdo. La escala de diferencial semntico es, por su parte, una escala de medicin de siete puntos con fines relacionados con etiquetas bipolares que tiene significado semntico. Ac se califica sobre un nmero de escala de reactivos de siete puntos unidos al final por uno de los adjetivos bipolares. 59. Una muestra probabilstica es ms representativa de la poblacin objetivo que una muestra no probabilstica. Una muestra probabilstica puede ser ms o menos representativa que una muestra no probabilstica. No podemos determinar la representatividad de una muestra no probabilstica, en cambio si podemos determinarla en el caso de una muestra probabilstica. En una muestra probabilstica se puede estimar el margen de error de una muestra probabilstica a un determinado nivel de confianza. En una muestra no probabilstica no se puede determinar el error muestral y por lo tanto su representatividad.

60. Por qu es necesario complementar las medidas de tendencia central con medidas de dispersin para describir una variable de una poblacin? Solucin Las medidas de tendencia central deben complementarse con medidas de dispersin para describir una variable de una poblacin, debido a que: 2 poblaciones pueden tener las mismas medidas de tendencia central, pero diferentes medidas de dispersin y, 2 poblaciones pueden tener las mismas medidas de dispersin y diferentes medidas de tendencia central. 61. Describa claramente el procedimiento para seleccionar una muestra aleatoria sistemtica de clientes, en que n = 100 y N = 10.285. Adems, explique de qu depender la representatividad de la muestra obtenida (6 puntos) Pasos a seguir: 1) Se debe dividir el tamao de la poblacin objetivo por el tamao de la muestra = N/n, para obtener el intervalo de muestreo que en este caso sera 10.285/100 = 102,85 y aproximarlo al entero ms prximo = 103. 2) Se debe seleccionar un nmero que est en el intervalo de muestreo (entre 1 y 103), en forma aleatoria. Por ejemplo, 97. 3) Al nmero seleccionado en forma aleatoria, se le debe ir sumando el intervalo de muestreo 103, para ir obteniendo los casos seleccionados en la muestra. 4) Los casos o elementos seleccionados en la muestra seran los siguientes: 97, 200, 303, 406, 509, 612, 715, 818, 921, 1024, 1127...9470, 9573, 9676, 9779, 9882, 9985, 10088, 10191. La representatividad de la muestra depender del ordenamiento del listado o base de datos de 10.285 casos o elementos. Por ejemplo, si el listado o base de datos contiene personas ordenadas de mayor a menor ingreso, el muestreo sistemtico seleccionara personas de ingresos altos, medios y bajos. Una muestra aleatoria simple, podra seleccionar slo personas de ingresos bajos, por ejemplo. Si el listado o base de datos est ordenado en base a alguna variable relevante para la investigacin, el muestreo sistemtico podra generar una muestra ms representativa que el muestreo aleatorio simple. Si el ordenamiento del listado o base de datos tiene un patrn cclico, en que se repiten peridicamente casos o elementos con ciertas caractersticas, la representatividad de la muestra podra verse afectada, porque sta podra estar sesgada al contener elementos similares entre s. 62. Seale qu es la correccin de la poblacin finita (cpf), en qu casos se sugiere su uso y cul sera el efecto de no utilizarla. La correccin de la poblacin finita (cpf) es una correccin para la sobreestimacin de la variacin de un parmetro de poblacin; por ejemplo, una media o proporcin, cuando el tamao de la muestra es 10% o ms del tamao de la poblacin. El factor de correccin de poblaciones finitas es la raz cuadrada de N-n/N-1 y se aplica sobre la desviacin estndar cuando el tamao muestral (n) supera al 5% a 10% del tamao poblacional (N).

Permite reducir el tamao de la muestra necesaria para lograr estimaciones con un determinado nivel de confianza y margen de error, disminuyendo el costo de un estudio de mercado. Cuando n es un bajo % de N, este factor se ignora debido a que su valor se aproxima a 1 y cuando n tiende a N este factor tiende a 0. 63. Si un estudio tiene una tasa de respuesta del 80% entonces tiene un error de no respuesta menor que un estudio con una tasa de respuesta de 60% (asuma que ambos estudios tienen un n efectivo similar). Comente Mientras mayor sea la tasa de respuesta obtenida en un estudio, menor ser la tasa de no respuesta, pero el error de no respuesta no necesariamente ser menor. Todo depende de la diferencia entre los que responden y los que no responden. Si la respuesta de los que no responden hubiera sido la misma de los que respondieron, una mayor tasa de respuesta no afectar el error de no respuesta. Si la respuesta de los que no respondieron hubiera sido distinta de los que respondieron, una mayor tasa de respuesta, implicar una menor tasa de respuesta. 64. Explique las diferencias entre el muestreo estratificado y el muestreo por conglomerados y en qu casos se sugiere el uso de uno u otro. Muestreo Estratificado: Utiliza un proceso de dos etapas para dividir a la poblacin en subpoblaciones o estratos. Cada elemento de la poblacin debe ser incluido slo una vez y no se deben excluir elementos de N. Los elementos se seleccionan en cada estrato mediante un procedimiento aleatorio (por lo general MAS). - Incrementa la precisin sin aumentar el costo. - Variables de estratificacin: variables para dividir a la poblacin en estratos. - Criterio de seleccin de variables: homogeneidad, heterogeneidad, relacin y costo. - Las variables de estratificacin deben estar muy relacionadas con las caractersticas de inters. - Las variables deben disminuir el costo del proceso de estratificacin al ser de fcil medicin y aplicacin. - El nmero de estratos es cuestin de juicio, pero con ms de seis estratos, cualquier ganancia en precisin se opaca por el costo incrementado de la estratificacin y del muestreo. Muestreo por agrupamientos: Primero, la poblacin objetivo se divide en subpoblaciones mutuamente excluyentes y colectivamente exhaustivas llamadas agrupamientos. Luego, una muestra aleatoria de agrupamientos se selecciona con base en una tcnica de muestreo probabilstico como el muestreo aleatorio simple. Para cada agrupamiento seleccionado se incluyen ya sea todos los elementos en la muestra o se toma una muestra de elementos en forma probabilstica. - La distincin fundamental entre el muestreo de agrupamiento y el muestreo estratificado es que en el muestreo de agrupamiento slo se elige una muestra de subpoblaciones (grupos), en tanto que en el muestreo estratificado todas las subpoblaciones (estratos) se seleccionan para muestreo posterior. - El objetivo es aumentar la precisin y disminuir los costos - Los elementos dentro de un agrupamiento deben ser tan heterogneos como sea posible, pero los agrupamientos mismos deben ser tan homogneos como sea posible.

- Muestreo de rea: Agrupamientos que consisten en reas geogrficas. 65. Para determinar el tamao muestral, al estimar una media, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, se sugiere estimarla dividiendo el rango de la variable (max-min) por 6. Explique claramente por qu y cul es el supuesto implcito. (6 ptos.) Supuesto implcito: Normalidad de la muestra o que al menos las medias se comporten como una distribucin normal (3 ptos.) La escala de una variable distribuida normalmente es aproximadamente igual a ms o menos tres desviaciones estndar, y por tanto uno puede estimar la desviacin estndar al dividir la escala entre seis (3 ptos.). 66. Describa claramente los tipos de escala de medicin y explique por qu es importante identificar el tipo de escala antes de realizar el anlisis estadstico de los datos. (6 ptos.) Nominal (0,5 ptos.): esquema de etiquetado figurado en que los nmeros sirven como etiquetas para identificar y clasificar objetos, con estricta correspondencia unvoca entre los nmeros y los objetos (0,5 ptos.). Ordinal (0,5 ptos.): escala de jerarquas en las que se asignan nmeros a los objetos para indicar el alcance relativo al cual los objetos poseen algunas caractersticas. Por eso es posible determinar si un objeto tiene ms o menos una caracterstica, comparado con algn objeto, pero no cuanto ms o menos (0,5 ptos.). Intervalo (0,5 ptos.): aquella en que los nmeros se utilizan para evaluar objetos cuyas distancias equivalentes numricas en la escala representan distancias iguales en la caracterstica que se mide (0,5 ptos.). Razn (0,5 ptos.): posee todas las propiedades de las escalas anteriores y adems, un punto cero absoluto. Permite identificar o clasificar objetos, jerarquizarlos y comparar los intervalos o diferencias. Tambin es significativo computar proporciones de valores de escala (0,5 ptos.).

Es importante identificar el tipo de escala dado que, de esta manera, se pueden aplicar las tcnicas estadsticas correctas a la muestra, tanto medidas de dispersin como medidas de tendencia central (medidas descriptivas) y obtener conclusiones adecuadas segn la escala que se est utilizando (2 ptos.). 67. Si el nivel de significancia observado (p-value) en una prueba de ANOVA es cercano a 1, quiere decir que existe una diferencia estadsticamente significativa entre las medias de dos muestras o ms muestras o poblaciones y, por lo tanto, el efecto del tratamiento es relevante. No existe una diferencia estadsticamente significativa entre las medias de dos o ms muestras o poblaciones por lo tanto, el efecto del tratamiento es irrelevante. No se rechaza la hiptesis nula de que las medias de los grupos son iguales. 68. Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable y describa las estadsticas (tests) que se utilizan para comprobar que se satisface este requerimiento?

El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existe dos tests: Test de Esfericidad de Bartlett, la hiptesis nula es que no exista correlacin entre las variables. (Matriz de Correlacin = Matriz I). Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p-value cercano a cero) Test de Adecuacin de la Muestra (KMO), valores 0.5 indican que el anlisis factorial es apropiado. 69. En el anlisis discriminante las variables que mejor discriminen sern aquellas que presenten una menor varianza en la muestra total. Comente esta afirmacin. En anlisis discriminante las variables que mejor discriminen entre los grupos sern aquellas que presenten una mayor varianza en la muestra total y por lo tanto deben ser incluidas en la funcin discriminante. Mientras menor es la varianza de una variable en la muestra total, menor es su capacidad discriminatoria y en el extremo una variable con varianza = 0, implica que todos los elementos muestrales son iguales en esa variable y por lo tanto, no permite distinguir entre los grupos. El test de igualdad de medias de los grupos permite identificar las variables que ms difieren entre los grupos y que tienen asociado un Wilks`s Lambda menor a 1 y un p-value cercano a cero. 70. Cules son las principales diferencias entre el anlisis de conglomerado jerrquico y el no jerrquico? Las principales diferencias entre el anlisis de conglomerado jerrquico y el no jerrquico son las siguientes: El anlisis de conglomerado jerrquico se caracteriza por el desarrollo de una jerarqua o estructura en forma de rbol. Esta jerarqua puede ser visualizada a travs de un grfico llamado dendograma. Los mtodos de agrupacin jerrquicos pueden ser por aglomeracin o por divisin. En este caso, el nmero ptimo de conglomerados no requiere ser definido previamente, sino que surge del dendograma o del programa de aglomeracin. El anlisis de conglomerado no jerrquico, conocido tambin como agrupacin de k medias, no establece una jerarqua o estructura en forma de rbol, sino que agrupa a los objetos dentro de un valor de umbral que se especifica a partir de los centros de conglomerados predefinidos. En este caso, se requiere definir previamente el nmero de conglomerados, para definir los centros de conglomerados iniciales. Los mtodos no jerrquicos pueden ser de umbral o de divisin para la optimizacin. El anlisis de conglomerado jerrquico puede ser utilizado como input del anlisis de conglomerado no jerrquico, para definir previamente el nmero ptimo de conglomerados. 71. Qu criterios se pueden utilizar para determinar el nmero de cluster en el anlisis de conglomerado jerrquico? Los criterios para determinar el nmero de clusters en el anlisis de conglomerado jerrquico son los siguientes: Las consideraciones tericas, conceptuales o prcticas pueden sugerir un nmero determinado de grupos. Las distancias en las que los grupos se combinan pueden utilizarse como criterio. Esta informacin puede obtenerse del programa de aglomeracin o del dendograma. Los tamaos o el nmero de elementos de los grupos deben ser significativos.

72. Explique las similitudes y diferencias entre el Anlisis Discriminante y el Anlisis de Conglomerados El Anlisis Discriminante y el Anlisis de Conglomerados son tcnicas de clasificacin o agrupacin que se utilizan principalmente para segmentar mercados. La principal diferencia entre ambas tcnicas es que el Anlisis Discriminante distingue entre variables dependientes e independientes (tcnica de dependencia) y el Anlisis de Conglomerados no hace tal distincin (tcnica de interdependencia). Lo anterior implica que el Anlisis Discriminante requiere conocer previamente la pertenencia de los objetos a los grupos (variable dependiente), para poder desarrollar la funcin discriminante que permite predecir el grupo de pertenencia para otros casos. En cambio el Anlisis de Conglomerados no requiere conocer la pertenencia de los objetos a los grupos, sino que la agrupacin surge de las distancias entre los objetos. 73. Qu representa el dendograma, en qu tipo de anlisis se utiliza y para qu sirve? Es una herramienta grfica que sirve para representar los resultados del anlisis de conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos 74. Qu es lo que busca maximizar un anlisis de conglomerado y qu agrupamientos se pueden realizar? Se busca maximizar la homogeneidad intra grupos (para agrupar caractersticas, hbitos, necesidades y deseos relativamente similares) y maximizar la heterogeneidad entre grupos. Los agrupamientos que se pueden realizar son jerrquico y no jerrquico. 75. Cul es la principal diferencia entre el anlisis discriminante y el anlisis de conglomerados? El anlisis discriminante determina la importancia relativa de la variable con respecto a las otras variables, para saber a qu grupo pertenece, en consecuencia, en este anlisis es imprescindible conocer los grupos de clasificacin a priori. Si no sabemos la pertenencia o el grupo, es necesario hacer el anlisis cluster. Adicionalmente, el anlisis discriminante trabaja con variables dependientes, mientras que el anlisis por conglomerado no. 76. Explique qu criterios podra utilizar para determinar el nmero de segmentos (clusters) en un anlisis de conglomerados jerrquico. Consideraciones tericas, conceptuales o prcticas. Los tamaos de los grupos deben ser significativos. Las distancias en las que los grupos se combinan. 77. Explique claramente las diferencias y similitudes entre el Escalamiento Multidimensional y el Anlisis de Correspondencia, tanto en trminos de los datos requeridos (input) como de los resultados (output) y su interpretacin. El escalamiento multidimensional: se basa en juicios de similitud o preferencia entre pares de marcas el resultado es un mapa de posicionamiento de dos o ms dimensiones debe ser interpretado a posteriori en base a las posiciones relativas de las marcas.

El anlisis de correspondencia: se basa en juicios sobre la posesin o no posesin de un conjunto de atributos el resultado es un mapa de posicionamiento en el cual los atributos son representados por vectores la longitud del vector indica la importancia del atributo para discriminar entre las marcas una marca posicionada ms prxima a la flecha del vector tendr ms de ese atributo 78. Cules son las principales diferencias entre el anlisis de conglomerado jerrquico y el no jerrquico (k-medias). En el no jerrquico el nmero de grupos debe seleccionarse previamente y la seleccin de los centros de grupos es arbitraria. En el jerrquico el nmero no est definido previamente y va tomando una forma de rbol a medida que agrupa los casos. 79. Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), entonces se concluye que la matriz de correlacin se asemeja a la matriz identidad (I). Comente. Esta afirmacin es falsa puesto que si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), se rechaza la Ho: matriz de correlacin = la matriz de identidad. En otras palabras, un p value pequeo indica que la matriz de correlacin es muy diferente de la matriz de identidad y por lo tanto, las variables analizadas estn correlacionadas entre s y el Anlisis Factorial es aplicable. 80. En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn y en qu situaciones utilizara uno u otro. Anlisis de Componentes Principales: considera la varianza total de los datos. La matriz de correlaciones (matriz de extraccin) posee slo unos en la diagonal. Se usa cuando el objetivo es minimizar la cantidad de factores que explican la mxima varianza. Anlisis Factorial Comn: se diferencia de los componentes principales en que no se considera la varianza total, sino slo la varianza comn. Se utiliza cuando se asume que existe una estructura subyacente de factores que explican los datos y sus correlaciones. 81. Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable y describa las estadsticas (test) que se utilizan para comprobar que se satisface este requerimiento? El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existen 2 test: Test de Esfericidad de Barlett, hiptesis nula es que no existe correlacin entre las variable, es decir que la Matriz Identidad = Matriz de Correlacin. Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p value cercano a cero) Test de Adecuacin de la muestra (KMO): valores mayores o iguales a 0,5 indican que el anlisis factorial es apropiado. 82. Explique cul es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin?

El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin. 83. En el anlisis factorial comn, explique qu representan la comunalidad inicial y la de extraccin y cmo se calcula esta ltima. Comunalidad Inicial: es la cantidad de varianza que una variable comparte con las dems variables consideradas. Es equivalente al R2 que se obtendra si se hiciese una regresin entre la variable y el resto de las variables analizadas. Comunalidad de extraccin: es la proporcin de varianza que comparte cada variable con los factores extrados, es la varianza comn que existe entre la variable y los factores. Se obtiene de sumar el cuadrado de las cargas factoriales de la variable a travs de los factores. 84. La investigacin descriptiva y la investigacin experimental pueden utilizarse para determinar relaciones de causalidad entre dos variables. La investigacin experimental es ms apropiada que la investigacin descriptiva para establecer relaciones de causalidad entre dos variables, porque provee los 3 tipos de evidencia de causalidad: correlacin, orden de ocurrencia y eliminacin de otras causas posibles, al permitir al investigador manipular las variables de marketing para determinar su efecto sobre las variables de respuesta de los consumidores. La investigacin descriptiva no es apropiada para determinar causalidad entre dos variables, porque no provee evidencia de los 3 tipos, debido a su carcter ex post facto (despus de ocurridos los hechos), lo que no permite aislar la relacin de causa-efecto entre dos variables. 85. Explique los efectos de una baja tasa de respuesta y seale posibles estrategias para evitarla. Una baja tasa de respuesta implica que un alto porcentaje de la muestra no responde a un cuestionario de un estudio de mercado, ya sea porque el entrevistado no es ubicado o porque se niega a responder. La baja tasa de respuesta implica que se puede afectar la validez y representatividad de los resultados, debido a que hay un mayor error potencial de no respuesta, porque no podemos saber si los que no responden hubieran respondido igual o diferente a los que si responden. Las posibles estrategias para evitarla son las siguientes: h) Revisitar el hogar seleccionado en la muestra o llamar nuevamente al telfono seleccionado. i) Dar un incentivo al entrevistado (regalos, sorteos, $) para aumentar la tasa de respuesta (riesgo de sesgo). j) Utilizar un buen diseo grfico del cuestionario (uso de colores, fcil de responder, diagramacin, calidad del papel, etc.) para aumentar la tasa de respuesta. k) Asegurar la confidencialidad y anonimato de las respuestas. l) Disminuir el tiempo de la entrevista (menos preguntas, cuestionario estructurado) para facilitar la cooperacin.

m) Facilitar respuestas (telfono, correo prepagado, Internet) n) Sobremuestrear para obtener el tamao de muestra deseado. 86. La investigacin cualitativa y la investigacin cuantitativa permiten obtener resultados concluyentes. La investigacin cualitativa no permite obtener resultados concluyentes debido a que utiliza muestras no probabilsticas, pequeas, para las que no se pude establecer el nivel de confianza y el margen de error de las estimaciones. Por lo tanto, sus resultados no pueden ser extrapolados a la poblacin total. La investigacin cuantitativa en cambio, si permite obtener resultados concluyentes debido a que utiliza muestras probabilsticas, grandes, para las cuales se puede establecer el nivel de confianza y el margen de error de las estimaciones y por lo tanto, se puede inferir o extrapolar los resultados a la poblacin total. 87. En una investigacin de mercado, los errores no muestrales no se pueden medir y por lo tanto, no se pueden reducir o eliminar. En una investigacin de mercado, los errores no muestrales no se pueden medir y pueden sesgar los resultados en direccin y magnitud desconocidas. Sin embargo, los errores no muestrales si se pueden reducir al adoptar las medidas apropiadas para que no ocurran: buen diseo y prueba del cuestionario, capacitacin y supervisin de los encuestadores, controles en la digitacin, codificacin, procesamiento y anlisis de los datos. 88. El error muestral ms importante en una investigacin de mercado es el error de no respuesta, debido a que un porcentaje de la muestra no responde. El error de no respuesta no es un error muestral, sino un error no muestral, porque no es atribuible al hecho de utilizar una muestra para estimar o inferir valores de la poblacin. El error de no respuesta ocurre cuando un porcentaje de la muestra no responde un cuestionario (total o parcialmente) porque el entrevistado no es ubicado, se niega a responder o porque no sabe o no recuerda la respuesta. Este error no es medible y puede sesgar los resultados porque no sabemos si los que no responden hubieran respondido igual o diferente a los que si responden. 89. Explique la diferencia entre muestreo estratificado y muestreo por cuotas. (7 puntos) El muestreo estratificado es un tipo de muestreo probabilstico que se caracteriza por dividir a la poblacin de inters en estratos o grupos relativamente homogneos y luego, seleccionar una muestra aleatoria de cada uno de los estratos. Se puede determinar el margen de error muestral. Puede ser proporcionado o desproporcionado con respecto a la poblacin. El muestreo por cuotas es un muestreo no probabilstico que intenta ser representativo de la poblacin de inters, seleccionando las unidades en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas (sexo, edad, GSE, etc.) seleccionadas que se cree pueden influir en las variables a medir. No se puede determinar el margen de error muestral.

90. Explique por qu el error total de un estudio de mercado no es completamente medible y seale cmo podra usted reducir el error total. (7 puntos) El error total de un estudio est compuesto por error muestral y error no muestral. (ET=EM+ENM). El error total no es completamente medible debido a su componente no muestral. Formas de reducir el error total: - Aumentar n (tamao muestral) , esto disminuye el error muestral pero puede aumentar el error no muestral ms que proporcionalmente, por lo que su efecto no es siempre de disminucin del error total. - Disminuir el error no muestral a travs de cuestionarios ms atractivos, rellanado de encuestados, capacitacin de encuestadores, etc. 91. Qu son las preguntas estructuradas? Nombre y explique los tipos de preguntas estructuradas, dando un ejemplo de cada tipo. (7 puntos) Las preguntas estructuradas especifican el conjunto de alternativas de respuesta y el formato de respuesta. Una pregunta estructurada puede ser de opcin mltiple, dicotomica o de escala. Opcin Mltiple: Se proporciona una opcin de respuestas para que los encuestados seleccionen una o ms alternativas dadas. Ejemplo: Cul es su ingreso? f) 0 100.000 g) 100.000 300.000 h) 300.000 1.000.000 i) 1.000.000 2.000.000 j) 2.000.000 o ms. Dicotmicas: Solo se cuenta con 2 alternativas de respuesta, pueden ser complementadas por una alternativa neutral. Ejemplo: Usted fuma? C) Si D) No De escalas: Preguntas hechas con alternativas de respuesta basadas en cualquiera de los tipos de escalas vistos. 92. Cul es la condicin que se le exige a las variables para que el anlisis factorial sea aplicable y describa las estadsticas (tests) que se utilizan para comprobar que se satisface este requerimiento? El anlisis factorial es apropiado siempre que exista correlacin entre las variables. Para determinar lo anterior existen dos test: Test de Esfericidad de Bartlett: la hiptesis nula es que no existe correlacin entre las variables. (Matriz de correlacin = Matriz I). Se requiere rechazar Ho para que el anlisis factorial sea apropiado (p-value cercano a cero). Test de Adecuacin de la muestra (KMO): valores 0.5 indican que el anlisis factorial es apropiado.

93. Si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), entonces se concluye que la matriz de correlacin se asemeja a la matriz identidad (I). Esta afirmacin es falsa puesto que si el p value asociado a la prueba de Esfericidad de Bartlett es bajo (cercano a 0), se rechaza la Ho: matriz de correlacin = la matriz de identidad. En otras palabras, un p value pequeo indica que la matriz de correlacin es muy diferente de la matriz de identidad y por lo tanto, las variables analizadas estn correlacionadas entre s y el Anlisis Factorial es aplicable. 94. En qu se diferencia el Anlisis de Componentes Principales del Anlisis Factorial Comn? En qu situaciones utilizara uno u otro? Anlisis de Componentes Principales: considera la varianza total de los datos. La matriz de correlaciones (matriz de extraccin) posee slo unos en la diagonal. Se usa cuando el objetivo es minimizar la cantidad de factores que explican la mxima varianza. Anlisis Factorial Comn: se diferencia de los componentes principales en que no considera la varianza total, sino slo la varianza comn. Se utiliza cuando se asume que existe una estructura subyacente de factores que explican los datos y sus correlaciones. 95. Explique cual es la justificacin para utilizar el criterio de eigenvalue () mayor que uno al determinar el nmero de factores a extraer. Qu ocurre con este criterio si se utiliza la matriz de varianza - covarianza en lugar de la matriz de correlacin? El eigenvalue o valor especfico representa la varianza explicada por cada factor en las variables originales en Anlisis Factorial. Por esta razn, el criterio de eigenvalue mayor que uno implica que el factor explica al menos la varianza de una de las variables originales o que equivale al menos a una de las variables y por lo tanto se debe descartar los factores con un eigenvalue menor que uno. En caso de utilizar la matriz de varianza covarianza en lugar de la matriz de correlacin, no se puede utilizar este criterio para determinar el nmero de factores a extraer porque en la diagonal iran las varianzas observadas y no unos como en la matriz de correlacin. 96. Suponga que se le pide segmentar una base de datos de 2.500 clientes de una empresa. Qu mtodo de cluster utilizara y por qu? Justifique su respuesta. Dada la cantidad de datos es ms conveniente realizar un anlisis no jerrquico. Para esto se requiere determinar a priori el nmero de clusters o segmentos, por lo cual se sugiere realizar en primer lugar un anlisis jerrquico de una muestra de las 2500 observaciones (por ejemplo n = 200) y en base a los resultados obtenidos definir el nmero de clusters para el anlisis no jerrquico. 97. Explique claramente dos alternativas para determinar la capacidad predictiva de la funcin discriminante e identifique cul es ms exigente y por qu. La muestra en Anlisis Discriminante se divide en dos: una muestra de anlisis y una muestra de validacin. La capacidad predictiva de la funcin discriminante se puede probar de tres formas analizando la matriz de clasificacin (basta con sealar 2): a) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis.

b) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la misma muestra de anlisis pero dejando fuera, al generar la funcin, el caso que se desea clasificar en cada oportunidad (cross-validated). c) Desarrollar la funcin discriminante en la muestra de anlisis y probar la capacidad predictiva en la muestra de validacin. Las alternativas estn en orden ascendente de exigencia siendo a) la menos exigente y c) la ms exigente debido a que normalmente se obtiene un menor porcentaje de acierto o clasificacin correcta que en la muestra de anlisis. 98. Compare la elaboracin de mapas de posicionamiento en base a escalamiento multidimensional y anlisis de correspondencia. Sea especfico respecto al tipo de informacin requerida, el output obtenido y las ventajas y desventajas de uno y otro. El Escalamiento Multidimensional se basa en la similitud percibida entre las marcas competidoras en una categora de producto o servicio, medidas por comparacin pareada de marcas en una escala de intervalo u ordinal, y transforma esas similitudes en distancias en un plano de 2 dimensiones para obtener el mapa de posicionamiento, tratando de preservar el ordenamiento de las similitudes percibidas. Las dimensiones del mapa son interpretadas a posteriori, en base a las posiciones relativas de las marcas. El Anlisis de Correspondencia requiere definir previamente los atributos del producto o servicio, en los cuales se posicionarn las marcas competidoras. Las marcas deben ser evaluadas por la muestra en trminos de si poseen o no poseen cada uno de esos atributos. La tabla de frecuencias de las marcas y los atributos, constituye el input para obtener el mapa de posicionamiento. Los atributos se representan como vectores y mientras ms cercana est una marca de la punta del vector, ms posee ese atributo. La longitud del vector, tambin representa la importancia relativa de cada atributo. Las principales ventajas del Anlisis de Correspondencia en relacin al Escalamiento Multidimensional son la mayor facilidad para obtener el input de la muestra de consumidores y el posicionamiento en mltiples atributos. Es ms fcil para los consumidores evaluar si una marca posee o no posee un atributo que evaluar la similitud entre las marcas. 99. Discuta las implicancias de obtener bajas tasas de respuesta en estudios de opinin y seale mecanismos que ayuden a reducir este problema. Implicancias de bajas tasas de respuesta: Sesgo o error no muestral de magnitud desconocida ya que respuestas de los que responden puede diferir de los que responden. Disminuye el tamao muestral efectivo lo cual hace aumentar del error muestral Al reemplazar en forma no aleatoria a los que no responden la muestra se hace no probabilstica. Mecanismos para reducir la no respuesta Revisitar o rellamar Asegurar confidencialidad Disear una encuesta atractiva, ms corta Dar incentivos para responder (regalos) 100. Dado que el error no muestral de una investigacin no es medible, el error total tampoco se puede determinar y por lo tanto, el nico error relevante es el error muestral, que si podemos medir y reducir al aumentar el tamao de la muestra.

El error relevante en una investigacin es el error total, es decir la suma del error muestral ms los errores no muestrales. Si bien no se puede medir ni la magnitud ni la direccin de los errores no muestrales, si se puede tomar las medidas necesarias para reducirlos, de tal manera de reducir el error total de la investigacin y mejorar la calidad y el valor de la informacin. 101. Seale al menos cuatro criterios (pautas) para realizar focus groups efectivos.

- Homogeneidad - Tamao (8-12/6-7) - Seleccin (experiencia con el producto, sin experiencia en focus, inters en el tema o producto, que no exista cercana) - Duracin (1 hora , 2 hrs.) - Ambiente (relajado, informal) - Moderador (logre armona y oriente la discusin a los temas relevantes) 102. Una muestra probabilstica es ms precisa que una muestra no probabilstica, y por ello se recomienda su uso en investigacin concluyente. NO! No existe ninguna garanta de que los resultados de una muestra probabilstica sean ms exactos que con una muestra no probabilstica. En el muestreo no probabilstico se desconoce el error muestral (x - ) no podemos medirlo. En cambio el muestreo probabilstico permite calcular el error muestral. Sin embargo, es posible que una muestra no probabilstica (cuotas) sea ms exacta que una muestra probabilstica simple. Adems, se pueden considerar los errores no muestrales que para ambos casos son de magnitud y direccin desconocida. 1. Sin considerar el mayor costo, el censo es siempre preferible a una muestra. El censo es una enumeracin completa de los elementos de una poblacin. No existe EM. El error relevante aqu es el ENM=ET. La muestra se utiliza para hacer deducciones sobre la poblacin de inters. Existe tanto EM como ENM. El error relevante aqu es el ET. El comente es falso, un censo puede incrementar mucho el error que no es de muestreo al punto que estos errores exceden los errores de muestreo que se daran al tomar una muestra. 2. La validez de una medida es una condicin suficiente pero no necesaria para asegurar la confiabilidad del mismo.

La validez es el grado en el cual el proceso de medicin est libre tanto del error sistemtico como del error aleatorio. La confiabilidad es el grado en el cual el proceso de medicin est libre del error aleatorio. Una medicin puede ser confiable pero no vlida y si una medicin es vlida, necesariamente ser confiable. La afirmacin es verdadera puesto que si la medicin es vlida, ella ser confiable, pero no es necesario que sea vlida para que sea confiable. podra ser confiable sin ser vlida.

3.

Mientras mayor sea el tamao de la poblacin de inters, mayor ser el tamao de muestra requerida para un nivel de confianza y precisin dado.

El tamao de la poblacin de inters no incide directamente en el tamao muestral requerido para un nivel de precisin dado, sino indirectamente va varianza de la poblacin. Una poblacin de tamao mayor puede tener una mayor varianza potencial, pero no es el mayor tamao en s el que determina el tamao muestral. Dos poblaciones que tienen distinto tamao pero igual varianza de la variable a medir, necesitarn el mismo tamao muestral para un determinado nivel de precisin. 4. Nombre y explique las 2 tcnicas de escalas utilizadas en Marketing. De ejemplos sobre cada una de ellas.

1) Escalas Comparativas: Incluye la comparacin directa de objetos de estmulo. Los datos se deben interpretar en trminos relativos y slo tienen propiedades ordinales. No mtricas Ejemplo: Pepsi o CocaCola 2) Escalas No Comparativas: Cada objeto se escala de forma independiente de los dems. Son las ms utilizadas en Marketing. Mtricas. Ejemplo: Escala de preferencia de 1-7 de Pepsi 5. Explique la diferencia entre un muestreo estratificado y un muestreo por cuotas.

El muestreo estratificado es un tipo de muestreo probabilistico (se puede determinar el margen de error muestral) que se caracteriza por dividir a la poblacin en estratos o grupos homogneos y luego seleccionar una muestra aleatoria de cada uno de los estratos. El muestreo por cuotas es un muestreo no probabilistico (NO se puede determinar el error muestral) que selecciona personas en las mismas proporciones que se observan en la poblacin, para cada una de las caractersticas seleccionadas que se cree puedan influir en las variables a medir. 6. Defina el concepto de causalidad y explique las condiciones necesarias para inferirla. En qu tipo de investigacin es aplicable este concepto? (7 puntos)

El concepto de causalidad comn, establece que existe una causa para un efecto observado (X causa Y), determinando una relacin determinstica entre las variables. El concepto cientfico de causalidad, en cambio, establece que la ocurrencia de X hace ms probable la ocurrencia de Y, determinando una relacin probabilstica entre las variables. Es decir, la ocurrencia de X, junto a la ocurrencia de otros factores, hacen posible la ocurrencia de Y. Por esta razn, bajo el concepto cientfico de causalidad, que es el ms aplicable a la investigacin de mercado, la relacin de causalidad entre dos variables (una variable de marketing y una variable de respuesta de los consumidores) nunca se prueba, sino que se deduce o infiere. Las condiciones necesarias para inferir causalidad entre 2 variables son: Correlacin o Variacin Concomitante: debe existir una alta correlacin entre las variables. Las 2 variables se deben mover juntas, en el mismo sentido o en sentido opuesto. Orden temporal o Sucesin de las Variables: La causa debe ocurrir antes que el efecto en el tiempo. Eliminacin o falta de otras causas posibles: se debe intentar aislar el efecto de una variable, controlando la ocurrencia de otras causas posibles.

El concepto de causalidad es aplicable en investigacin causal o experimental, cuyo objetivo es deducir o inferir la relacin de causalidad entre dos variables. El experimento es el tipo de investigacin ms apropiado para deducir o inferir causalidad, porque permite controlar o manipular una variable con el fin de medir su efecto sobre otra variable. La investigacin cualitativa y cuantitativa corresponden a investigacin ex-post, es decir, despus de ocurridos los hechos que se investigan y por lo tanto, es muy difcil inferir causalidad cuando se investiga en retrospectiva porque no se tiene control sobre los posibles factores causales. 7. Explique las diferencias entre el muestreo estratificado y el muestreo por cuotas y en qu caso se sugiere el uso de uno u otro. (7 puntos)

El muestreo estratificado es un tipo de muestreo probabilstico que se caracteriza por el siguiente procedimiento de 2 pasos: 1) se divide la poblacin objetivo en estratos mutuamente excluyentes y exhaustivos y 2) se selecciona una muestra aleatoria simple de cada uno de los estratos. No hay intervencin del juicio subjetivo de las personas en la seleccin de los elementos muestrales. En el muestreo estratificado todos los elementos de la poblacin objetivo tienen una probabilidad distinta de cero de ser seleccionados en la muestra, pero no todos los elementos tienen la misma probabilidad de ser seleccionados, ya que la probabilidad de seleccin depende del tamao del estrato y no cualquier muestra de tamao n, tiene la misma probabilidad de ocurrir que cualquier otra muestra de tamao n. La muestra estratificada es ms apropiada para investigacin concluyente descriptiva o cuantitativa y experimental o causal, cuando se va a hacer inferencia a partir de la muestra para la poblacin objetivo total. El muestreo de cuotas es un tipo de muestreo no probabilstico en el cual se trata de lograr representatividad de la muestra, estableciendo cuotas en la muestra, de acuerdo a los mismos porcentajes que se dan en la poblacin objetivo, en determinadas variables como por ejemplo (sexo, edad, nivel socioeconmico, etc.). En la seleccin de los elementos muestrales interviene el juicio subjetivo de las personas y por lo tanto, hay elementos de la poblacin objetivo que tendrn cero probabilidad de ser seleccionados en la muestra. La muestra de cuotas es ms apropiada para investigacin no concluyente exploratoria o cualitativa, cuando no se va a hacer inferencia a partir de la muestra para la poblacin objetivo total. 8. Para determinar el tamao muestral, al estimar una media, se requiere conocer la desviacin estndar de la variable bajo estudio en la poblacin. Si se desconoce su valor, podemos asumir el supuesto de varianza mxima, es decir usar = 0,50. Comente.

Esta afirmacin es falsa, debido a que el supuesto de varianza mxima es aplicable slo al caso de estimacin de proporciones. Asumir varianza mxima implica suponer que el 50% de la poblacin () opina de una manera y el otro 50% (1- ) opina de otra manera y esto es factible slo para el caso de proporciones. Para determinar el tamao muestral al estimar una media, se requiere conocer la desviacin estndar o la varianza de la variable bajo estudio en la poblacin, la que se puede estimar a partir de estudios previos o si se conoce el rango de la variable, se puede estimar la desviacin estndar, dividiendo el rango por 6.

9.

Se dice que el error importante de minimizar en un estudio de mercado es el error total, sin embargo, ste no se puede medir. Cmo explicara usted esta aparente contradiccin?

El error importante de minimizar en un estudio de mercado es el error total, que es la suma del error muestral y los errores no muestrales. Sin embargo, slo el error muestral es medible y por lo tanto el error total no se puede determinar. Los errores no muestrales no son cuantificables ni en su magnitud ni en su direccin. En consecuencia, lo nico que se puede hacer con los errores no muestrales es tratar de evitarlos o minimizarlos a priori, tomando todas las medidas necesarias para que el error total sea mnimo. Lo anterior, a travs de un adecuado diseo del cuestionario, capacitacin y supervisin de encuestadores, edicin de los datos, validacin del proceso, etc. 10. Las muestras probabilsticas son aquellas en que todos los elementos de la poblacin objetivo tienen una probabilidad diferente de cero de ser seleccionados en la muestra. Por lo tanto, siempre se requiere tener un marco muestral completo de la poblacin objetivo, ya que con un marco muestral incompleto, la probabilidad de seleccin ser igual a cero para algunos elementos de dicha poblacin. Comente.

Las muestras probabilsticas son aquellas en que todos los elementos de la poblacin objetivo, tienen una probabilidad diferente de cero de ser seleccionados en la muestra, Sin embargo, no siempre se requiere tener un marco muestral completo de la poblacin objetivo, para seleccionar una muestra probabilstica de la poblacin objetivo. La muestra por reas, es la nica muestra probabilstica que no requiere tener un marco muestral completo de la poblacin objetivo, ya que en ella se van seleccionando en forma aleatoria y secuencial, reas geogrficas (distritos censales, manzanas). Luego se empadronan los hogares de las manzanas seleccionadas, para que cada uno de los hogares de las manzanas seleccionadas tenga una probabilidad diferente de cero de ser seleccionado en la muestra y finalmente, se selecciona aleatoriamente al entrevistado (tabla Kisch) en cada uno de los hogares seleccionados. Por lo tanto, no se requiere tener el marco muestral completo o tener identificados a todos los elementos de la poblacin objetivo. Slo se requiere identificar a las personas de los hogares seleccionados en forma aleatoria en la etapa previa. 11. Por qu el anlisis de Conglomerados no jerrquico se denomina tambin como Kmedias y qu desventajas presenta frente al Anlisis de Conglomerados Jerrquico?

El Anlisis de Conglomerados no jerrquico se denomina tambin de K-medias, porque la agrupacin se basa en la definicin previa del nmero de clusters (K) y de los centros o semillas iniciales para cada cluster, que corresponde a las medias de las variables de agrupacin para cada cluster, en torno a las cuales se agrupan los objetos. Las desventajas que presenta el Anlisis de Conglomerados No Jerrquico frente al Jerrquico, es que el primero requiere definir previamente el nmero de cluster en cambio en el segundo, el nmero de cluster surge de la interpretacin de los resultados. Adems, en el anlisis de conglomerados no jerrquico el resultado es sensible a los valores de los centros iniciales o semillas.

12. Seale cual es el factor de correccin finito, a qu estadstica se aplica y en que casos se sugiere su uso. El factor de correccin de poblaciones finitas es la raz cuadrada de N-n/N-1 y se aplica sobre la desviacin estndar cuando el tamao muestral (n) supera al 5% a 10% del tamao poblacional (N). Permite reducir el tamao de la muestra necesaria para lograr estimaciones con un determinado nivel de confianza y margen de error, disminuyendo el costo de un estudio de mercado. Cuando n es un bajo % de N, este factor se ignora debido a que su valor se aproxima a 1 y cuando n tiende a N este factor tiende a 0. Complete y Alternativas 1. 2. El anlisis de correspondencia representa los atributos de las marcas como vectores El stress o tensin mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de escalamiento multidimensional. Los factor loadings o cargas factoriales corresponden a las correlaciones entre las variables y los factores/componentes En Escalamineto Multidimensional, el r cuadrado es una medida de ajuste en que valores mayores a 0,6 indican una mejor adecuacin del modelo. El EMD transforma los juicios del consumidor de percepcin o preferencia en una medida distancia El anlisis de regresin permite determinar si existe una relacin estadsticamente significativa entre 2 variables y adems permite predecir el valor de la variable dependiente en base al valor de la variable independiente. En anlisis de varianza, la variable dependiente es_____________________ y la variable independiente es___________________ a. b. c. d. e. 8. 9. de intervalo o razn; nominal ordinal; de intervalo o razn nominal; de intervalo o razn ordinal; nominal ninguna de las anteriores

3. 4. 5. 6.

7.

En el anlisis factorial el monto de la varianza que una variable comparte con las dems, se conoce como comunalidad inicial Cul de las siguientes frases no es verdadera sobre la rotacin de los factores? a. A travs de la rotacin, la matriz factorial se transforma para facilitar la interpretacin de los factores b. La rotacin afecta las comunalidades el porcentaje de varianza total explicada

c. De preferencia, cada variable debera tener una carga factorial alta en un solo factor d. Diferentes mtodos de rotacin pueden dar como resultado la identificacin de diferentes factores e. La rotacin cambia el porcentaje de varianza total explicada por los factores 10. Qu mtodo de anlisis clasifica las variables en dependientes e independientes? a. b. c. d. e. 11. 12. 13. 14. Anlisis factorial Anlisis de correspondencias Anlisis de Regresin Escalamiento Multidimensional Ninguna de las anteriores

El anlisis multivariado se puede clasificar en interdependencia y dependencia El coeficiente de correlacin lineal es una medida de la magnitud y direccin de la relacin entre 2 variables de intervalo o razn El coeficiente de correlacin permite establecer la relacin lineal entre dos variables medidas en escala de intervalo o razn La Prueba Chi-Cuadrado compara las frecuencias Observadas con las frecuencias esperadas en una tabla de contingencia o de tabulacin cruzada, para dos variables nominales o categricas. Los supuestos de ANOVA son: - Para cada poblacin la variable se distribuye normalmente. - La varianza es la misma para todas las poblaciones. - Las observaciones son independientes El anlisis de varianza (ANOVA) es un procedimiento estadstico que se utiliza con mucha frecuencia en anlisis de datos experimentales, requiere una variable dependiente en escala _____________________ y una variable(s) independiente(s) en escala _________________________. a. Ordinal / Nominal b. Intervalo / Nominal c. Ordinal / Razn d. Nominal / Intervalo e. Ordinal / Intervalo La comunalidad inicial de una variable, es la cantidad de varianza de esa variable que es explicada por las dems variables. La comunalidad de extraccin de una variable, es la cantidad de varianza de esa variable que es explicada por los factores seleccionados. El R Cuadrado indica el porcentaje de varianza en los datos de entrada que es explicada por el modelo de Escalamiento Multidimensional y valores mayores a 0.6 son considerados aceptables.

15.

16.

17. 18. 19.

20. 21. 22.

Los mapas de posicionamiento estn basados en las percepciones y las preferencias de los consumidores. El proceso que minimiza el nmero de variables con cargas altas en un factor, mejorando la capacidad de interpretacin se denomina Rotacin Varimax. En Anlisis Factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz identidad se llama Prueba de Esfericidad de Bartlett. La tcnica estadstica para analizar asociaciones entre dos variables categricas se denomina: a. Coeficiente de Correlacin b. Alfa de Cronbach c. Chi-Cuadrado d. Test de Pearson e. Ninguna de las anteriores En la Prueba Chi-Cuadrado, los datos de la tabla de contingencia corresponden a : a. b. c. d. e. Medias Frecuencias Relativas Frecuencias absolutas Frecuencias esperadas Ninguna de las anteriores

23.

24.

25.

Para analizar la relacin entre dos variables por medio de la Prueba Chi-Cuadrado, las variables de intervalo o de razn deben ser transformadas a Variables nominales o categricas El coeficiente de determinacin (R cuadrado) es una medida de la varianza compartida por dos variables. El Anlisis de Regresin permite determinar si existe una relacin estadsticamente significativa entre 2 variables y adems permite predecir el valor de la variable dependiente en base al valor de la variable independiente. La Prueba Chi-Cuadrado se utiliza para probar la significancia estadstica de la relacin entre dos variables nominales o categricas. El Anlisis de Varianza o ANOVA es una medida de la diferencia entre las medias de dos o ms muestras o poblaciones, ante la presencia de diferentes tratamientos experimentales. El Anlisis Factorial sirve para resumir datos y determinar los factores relevantes en la decisin de compra de un producto o servicio y su importancia relativa.

26. 27.

28. 29.

30.

31.

Tanto el Anlisis Factorial como el Escalamiento Multidimensional o el Anlisis de Correspondencia, pueden ser utilizados para elaborar mapas de posicionamiento de las marcas. Tanto el Anlisis de Conglomerados (Cluster) como el Anlisis Discriminante, pueden ser utilizados para segmentar el mercado. La diferencia principal entre Anlisis Factorial y Escalamiento Multidimensional es que en el primero se interpreta previamente el significado de los factores o dimensiones y en el segundo, se interpreta posteriormente. En Anlisis Factorial el criterio para determinar el nmero de factores relevantes, es que tengan un valor especfico mayor que uno. Los mapas de posicionamiento estn basados en las percepciones y las preferencias de los consumidores. El Anlisis de Correspondencia representa los atributos de las marcas como vectores. En Anlisis Factorial, la prueba estadstica que se utiliza para estudiar la hiptesis de que la matriz de correlacin es igual a la matriz de identidad se llama Prueba de Esfericidad de Bartlett. En Anlisis Discriminante la variable dependiente es nominal o categrica y las variables independientes son de intervalo o de razn. El dendograma es una herramienta grfica para presentar los resultados del Anlisis de Conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos. En un procedimiento de agrupacin no jerrquico o de K-medias se establecen a priori el nmero de clusters y sus centros iniciales. En Anlisis de Conglomerados y en Escalamiento Multidimensional, las medidas de similitud utilizadas con ms frecuencia son la distancia euclideana y la distancia euclideana al cuadrado. El stress mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de Escalamiento Multidimensional. La distancia Manhattan o Blocks (Manzanas) entre dos casos es la suma de las diferencias absolutas en los valores para cada variable. La comunalidad de extraccin de una variable, es la cantidad de varianza de esa variable que es explicada por los factores. La mayor parte del anlisis multivariado de datos toma como base la matriz de correlacin o la matriz de varianza-covarianza entre las variables.

32. 33.

34. 35. 36. 37.

38. 39.

40. 41.

42.

43. 44. 45.

46. 47. 48.

En Escalamiento Multidimensional si se tienen seis marcas entonces se tendrn 15 comparaciones pareadas. El Anlisis de Varianza (ANOVA) normalmente requiere una variable dependiente en escala de razn y una variable independiente en escala nominal o categrica. En una prueba de hiptesis, si el nivel de significancia observado (p-value) es mayor que el nivel de significancia exigido, entonces el t calculado ser menor que el t crtico y por lo tanto no se rechaza la hiptesis nula. En una prueba de hiptesis, si el z calculado es mayor que el z crtico, entonces el pvalue debe ser_________________________ i. mayor que el nivel de significancia ii. cercano a 1 iii. menor que el nivel de significancia iv. n.a. Sea Ho: = 0. Si en una muestra de tamao n=100 para testear dicha hiptesis se obtiene x=0, el p-value asociado al test ser igual a 1. La probabilidad de no rechazar una hiptesis nula que es verdadera corresponde a: i. Error tipo I ii. Error tipo II iii. Nivel de confianza iv. Complemento del error tipo II v. N.a. Sea Ho: =500. Si en una muestra de tamao n=1000 para testear dicha hiptesis se obtiene x=500, el valor calculado del test z ser igual a cero y por lo tanto no se rechaza la hiptesis nula. El Stress mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de escalamiento multidimensional. La diferencia principal entre Anlisis Factorial y Escalamiento Multidimensional es que en el primero se interpreta previamente el significado de los factores o dimensiones y en el segundo, se interpreta posteriormente. En escalamiento multidimensional si se tienen 6 marcas entonces se tendrn 15 comparaciones pareadas. El Anlisis Factorial sirve para resumir datos y determinar los factores relevantes en la decisin de compra de un producto o servicio y su importancia relativa. El utilizar una muestra fija en que las mismas variables son medidas en forma peridica, se conoce como PANEL TRADICIONAL

49.

50. 51.

52.

53.

54.

55. 56. 57.

58.

Un diseo de investigacin de tipo experimental/causal es el ms apropiado para investigar si un tipo de comercial es ms efectivo que otro en trminos de recordacin de marca. La investigacin concluyente comprende la investigacin descriptiva y la investigacin causal/experimental. Un cuestionario estructurado es ms apropiado para la investigacin concluyente (descriptiva, cuantitativa o causal) en cambio un cuestionario no estructurado es ms apropiado para la investigacin exploratoria (cualitativa). Las escalas bsicas de medicin son la escala de Razn, la de intervalos, la nominal y la ordinal. La escala ms dbil es la escala nominal, debido a que slo permite calcular la frecuencia y la moda. El nivel de significancia () es la probabilidad esperada / exigida de cometer un error tipo I, en tanto que el p-value es la probabilidad observada / real de cometer un error tipo I. El anlisis de rastros corresponde a un mtodo de observacin humana / natural y indirecta / encubierta /disfrazada. El entrevistar personas que no pertenecen a la poblacin objetivo corresponde a un error de marco muestral / no muestral. El diseo transversal consiste en una investigacin en un punto del tiempo, en cambio el diseo longitudinal consiste en mediciones repetidas en el tiempo. Las tcnicas proyectivas son una forma de preguntar indirecta y no estructurada que alienta a los encuestados para dar a conocer informacin acerca de sus motivaciones, creencias, actitudes y sentimientos. Una mala definicin del marco muestral corresponde a un error ________________. a. Muestral b. Sistemtico c. Aleatorio d. No muestral e. Ninguno de los anteriores En un cuestionario, los datos personales del entrevistado deben ir: a. Al comienzo del cuestionario b. Al final del cuestionario c. En medio del cuestionario d. No deben incluirse en el cuestionario e. No tienen un lugar determinado Suponga que el objetivo de un estudio de mercado es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala de intervalo de

59. 60.

61. 62. 63.

64. 65. 66. 67.

68.

69.

70.

6 puntos. La Marca X obtuvo un 6, la Marca Y un 3 y la Marca Z un 2. Cul(es) es(son) la(s) conclusin(es) correcta(s) que se puede(n) obtener de estos datos? a. La Marca X es dos veces ms preferida que la Marca Y. b. La Marca Y es ms preferida que la Marca Z. c. La diferencia entre la Marca X y la Marca Y es tres veces mayor que la diferencia entre la Marca Y y la Marca Z. a) Slo I b) Slo II c) Slo III d) I y III e) II y III 71. Si un proceso de medicin tiene un alto error aleatorio y no tiene error sistemtico, se dice que la medida es: a) Vlida pero no confiable. b) Vlida y confiable. c) Confiable pero no vlida. d) Ni vlida ni confiable. e) Ninguna de las anteriores Indique a qu tipo de escala corresponde el siguiente ejemplo de pregunta: a. Por favor, indique en qu rango de ingreso mensual se encuentra usted: b. De $0 - $100.000 c. De $101.000 - $300.000 d. De $301.000 - $600.000 e. De $601.000 o ms. a) b) c) d) e) 73. Nominal Ordinal Intervalo Razn Likert

72.

En un muestreo probabilstico: a) Cada miembro de la poblacin tiene la misma probabilidad de ser elegido b) Los porcentajes para ciertas caractersticas demogrficas sern siempre iguales para la muestra y la poblacin c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido d) Se eligen los participantes de acuerdo a cuotas establecidas por el investigador e) Ninguna de las anteriores Asignar a p un valor de 0.5 cuando se determina el tamao de la muestra para proporciones significa: a) Que se determinar el menor tamao de la muestra posible b) Que ayudar a reducir el tamao de la muestra c) Que se asumir la varianza mxima posible d) Que determinar un intervalo de confianza pequeo e) Ninguna de las anteriores

74.

75.

Si uno quisiera verificar la confiabilidad de un instrumento de medicin, podra aplicarlo dos veces a la misma muestra de sujetos. Una medida de la confiabilidad del instrumento sera que la Correlacin fuera cercana a 1. Un cuestionario estructurado es ms apropiado para la investigacin Concluyente en cambio un cuestionario no estructurado es ms apropiado para la investigacin Exploratoria. El nmero de folio asignado a usted en una prueba, es un ejemplo de una escala Nominal y la estadstica de tendencia central permitida es la Frecuencia o Moda. El peso medido en libras es un ejemplo de una escala de Razn. El concepto que responde la pregunta: Estamos midiendo lo que realmente queremos medir? Corresponde a la validez de la medicin. Si un termmetro agrega siempre un grado ms, esta ser una medida Confiable, pero no Vlida de la temperatura que se quiera medir. La escala Nominal es aquella cuyos nmeros sirven solamente como etiqueta (label) para identificar y clasificar objetos con una correspondencia estricta de uno a uno entre los nmeros y los objetos. La escala que mide el grado de acuerdo o desacuerdo con una serie de afirmaciones, se conoce como Likert. Las preguntas cerradas son ms apropiadas para investigacin Concluyente en cambio las preguntas abiertas son ms apropiadas para investigacin Exploratoria. En una muestra probabilstica se puede determinar el margen de error muestral y por lo tanto se recomienda su uso para la investigacin concluyente/descriptiva/causal Suponga que el objetivo de un estudio es determinar el grado de preferencia por 3 marcas competidoras, para ello se utiliz una escala ordinal de 7 puntos. La marca X obtuvo un 6, la marca Y un 3 y la marca Z un 2. Cul o cules son las conclusiones correctas que se pueden obtener de estos datos? I. La marca X es dos veces ms preferida que la marca Y. II. La marca Y es ms preferida que la marca Z. III. La diferencia entre al marca X y la marca Y es tres veces mayor que la diferencia entre la marca Y y la marca Z. Slo I Slo II Slo III I y III II y III

76.

77. 78. 79. 80. 81.

82. 83. 84. 85.

86. 87.

La temperatura medida en grados Celsius es un ejemplo de escala de Intervalo La Segunda realiza diariamente una encuesta en su pgina web sobre algn tema de actualidad nacional. Este tipo de muestres corresponde a No Probabilstico por conveniencia. El muestreo Bola de Nieve es una tcnica no probabilstica en la que un grupo inicial de encuestados es seleccionado y los encuestados subsecuentes se seleccionan en base a referencias o informacin proporcionada por los encuestados iniciales. Cules de las siguientes afirmaciones respecto al factor de correccin de la poblacin finita (cpf) son verdaderas?: I. II. III. IV. a) b) c) d) e) Puede tomar cualquier valor entre 0 y 1. Se aproxima a 1 a medida que N se hace ms grande en relacin a n. Es igual a 0 cuando N = n. En poblaciones pequeas, no aplicarlo implica una sobreestimacin del tamao de muestra requerido. I y II I y IV I, II y IV I, II y III Todas

88.

89.

90.

Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: a) b) c) d) e) Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

91.

Qu pasa con el margen de error de un intervalo si se exige un menor nivel de confianza, manteniendo todo lo dems constante?: a) b) c) d) e) Disminuye el margen de error Aumenta el margen de error El margen de error no vara Depende del tamao de la muestra Tendr una mayor precisin

92.

Una medida adecuada de dispersin para datos en escala ordinal es Rango Intercuantlico

93.

Qu sucede en la prueba de hiptesis si se reduce el nivel de confianza, manteniendo todo lo dems constante? a) b) c) d) e) El error tipo I disminuye El error tipo II aumenta El error tipo II disminuye La potencia disminuye Ninguna de las anteriores

94.

El anlisis de varianza (ANOVA) es un procedimiento estadstico que se utiliza con mucha frecuencia en anlisis de datos experimentales, requiere una variable dependiente en escala _____________________ y una variable(s) independiente(s) en escala _________________________. a. Ordinal / Nominal b. Intervalo / Nominal c. Ordinal / Razn d. Nominal / Intervalo e. Ordinal / Intervalo La tcnica estadstica para analizar asociaciones entre dos variables categricas se denomina: a. Coeficiente de Correlacin b. Alfa de Cronbach c. Chi-Cuadrado d. Test de Pearson e. Ninguna de las anteriores En la Prueba Chi-Cuadrado, los datos de la tabla de contingencia corresponden a : a. Medias b. Frecuencias Relativas c. Frecuencias absolutas d. Frecuencias esperadas e. Ninguna de las anteriores Para analizar la relacin entre dos variables por medio de la Prueba Chi-Cuadrado, las variables de intervalo o de razn deben ser transformadas a Variables nominales o categricas La Prueba Chi- Cuadrado compara las frecuencias Observadas con las frecuencias esperadas en una tabla de contingencia o de tabulacin cruzada, para dos variables nominales o categricas. En el anlisis discriminante la variable dependiente es nominal o categrica y las variables independientes son de intervalo o de razn. El dendograma es una herramienta grfica para presentar los resultados del anlisis de conglomerados. Las lneas verticales representan los grupos que estn unidos y las lneas horizontales indican la distancia en la que se unieron los grupos.

95.

96.

97.

98.

99. 100.

101. 102. 103.

En un procedimiento de agrupacin no jerrquico se establecen a priori el nmero de clusters y sus centros iniciales. El Anlisis de Correspondencia representa los atributos de las marcas como vectores. El Stress o nfasis o tensin mide la inadecuacin del ajuste o la proporcin de la varianza que no es considerada por el mapa de posicionamiento obtenido en el modelo de escalamiento multidimensional. En Anlisis de Cluster, el mtodo de enlace sencillo se basa en la distancia mnima o la regla del vecino ms prximo. Qu mtodo de anlisis no clasifica las variables en dependientes e independientes? a. Anlisis de Regresin b. Anlisis Discriminante c. Anlisis de Varianza d. Anlisis Factorial e. Ninguno de los anteriores En Anlisis Discriminante, podemos obtener una idea de la importancia relativa de las variables al _____. a. Analizar la magnitud absoluta de los coeficientes de la funcin discriminante estandarizada. b. Examinando la matriz de correlaciones de estructuras (structure correlations matrix) c. Analizar los de Wilks y el p-value asociado para cada variable. d. Todas las anteriores. e. Solo a) y b) Las _______________ son las correlaciones simples entre las variables y los factores. a. Factor scores b. Factor loadings c. Correlation loadings d. Ambas a y b son correctas El grfico de tmpanos o carmbanos / icicle es una herramienta grfica para presentar los resultados del Anlisis de Conglomerados Jerrquico. La presencia de una X representa la unin entre dos casos y la etapa en la cual se unen. Los mapas de posicionamiento estn basados en las percepciones y las preferencias de los consumidores. El Anlisis de Varianza o ANOVA es una medida de la diferencia entre las medias de dos o ms muestras o poblaciones, ante la presencia de diferentes tratamientos experimentales.

104. 105.

106.

107.

108.

109. 110.

111.

Qu pasa con el margen de error de un intervalo, si se exige un mayor nivel de confianza, manteniendo todo lo dems constante? a) Disminuye el margen de error b) Aumenta el margen de error c) El margen de error no vara d) Depende del tamao de la muestra e) Tendr una mayor precision En una prueba de hiptesis si el z calculado es menor que el z crtico, entonces el pvalue ser ______________ k) l) m) n) o) Mayor que el nivel de confianza Cercano a 0 Menor que el nivel de significancia Mayor que la potencia de la prueba Mayor que el nivel de significancia

112.

113.

Si un proceso de medicin no tiene error aleatorio pero tiene error sistemtico, se dice que la medida es: u) v) w) x) y) Vlida pero no confiable Vlida y confiable Confiable pero no vlida Ni vlida ni confiable Ninguna de las anteriores

114. a) b) c) d) e) 115.

De los siguientes pasos del procedimiento de seleccin muestral, cul debe ser realizado en primer lugar: Determinar el tamao de muestra requerido Seleccionar el marco muestral Identificar la poblacin de inters Seleccionar el mtodo de muestreo a usar Calcular el error muestral La distincin entre datos primarios y secundarios se relaciona principalmente con:

a) La fuente de donde se obtienen los datos. b) La importancia relativa de los datos. c) El objetivo para el cul se recolectan los datos. d) La etapa de la investigacin (exploratoria o descriptiva). e) Ninguna de las anteriores Con una escala ordinal es posible medir la tendencia central y la dispersin de una distribucin a travs de _______________ y ______________, respectivamente. a) Media y Mediana b) Moda y Rango Intercuartil c) Mediana y Varianza d) Media y Varianza e) Mediana y Rango Intercuartil 116.

117.

El muestreo aleatorio es _________________ representativo que el muestreo no aleatorio.

a) Siempre ms b) Siempre Menos c) Mucho ms d) Mucho menos e) Ninguna de las anteriores 118. Las tecnicas proyectivas no incluyen:

a) la asociacin de palabras b) la completacin de oraciones c) la interpretacin de roles d) los grupos focales e) el relato de historias 119. En un muestreo probabilstico:

a) Cada miembro de la poblacin tiene la misma posibilidad de ser elegido. b) Los porcentajes para ciertas caractersticas demogrficas sern iguales para la muestra y la poblacin. c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido. d) Se eligen los participantes de acuerdo al criterio del investigador. e) No se puede determinar el error muestral. 120. 121. 122. 123. 124. 125. En Anlisis Factorial el eigen value determina la varianza total explicada por cada factor. En Anlisis Factorial, la sumatoria de las cargas factoriales al cuadrado en forma vertical es igual a Eigen Value. La prueba Chi compara las frecuencias observadas con las frecuencias esperadas. La mayor parte del anlisis multivariado de datos toma como base la matriz de correlacin o la matriz de varianza-covarianza entre las variables. Los factor loadings o cargas factoriales corresponden a las correlaciones entre las variables y los factores/componentes. En un Anlisis de Componentes principales para 8 variables, se obtuvieron los siguientes eigenvalues: 3,75 y 1,45. Cul es la varianza explicada por los componentes extrados? a) 55% b) 65% c) 75% d) 85% e) 95%

126.

En escalamiento Multidimensional un Stress de Kruskal de 2.5% es considerad: a) Malo b) Regular c) Bueno d) Excelente e) Perfecto

127. En Anlisis de Varianza la variable dependiente es ________ y la variable independientes son ________. a) de intervalo o razn; nominal. b) ordinal; de intervalo o de razn. c) nominal; de intervalo o de razn. d) ordinal; nominal. e) ninguna de las anteriores 128. Qu mtodo de anlisis no clasifica las variables en dependientes e independientes? a) Anlisis de Regresin b) Anlisis Discriminante c) Anlisis de Varianza d) Anlisis Factorial e) Ninguno de los anteriores

129. La varianza explicada por cada factor, se obtiene dividiendo el Valor Propio o eigenvalue por La suma de los valores propios o nmero de variables. 130. 131. 132. 133. 134. 135. En Anlisis Discriminante, la variable dependiente es Categrica o Dicotmica o nominal_ y las variables independientes son ___Intervalo o razn___. El Anlisis de Cluster ___No Jerrquico__, se denomina tambin como Anlisis de Cluster de k-medias. En Escalamiento Multidimensional, el ______Stress o Tensin____ es una medida de desajuste en que valores mayores indican un peor ajuste. En Anlisis de Cluster, el mtodo de _____Enlace Simple o Sencillo__se basa en la distancia mnima o la regla del vecino ms prximo. Una medida es confiable cuando est libre de error aleatorio. El entrevistar personas que no pertenecen a la poblacin objetivo corresponde a un error no muestral / de marco muestral . Si en un local de comida rpida se pusieran cmaras ocultas para observar la conducta de quienes consumen, esto correspondera a un mtodo de observacin encubierta/indirecta y no estructurada / mecnica Las preguntas cerradas son ms apropiadas para investigacin concluyente (descriptiva/cuantitativa y experimental/causal) en cambio las preguntas abiertas son ms apropiadas para investigacin cualitativa.

136.

137.

138. 139.

Si un termmetro agrega siempre un grado ms, esta ser una medida confiable , pero no vlida de la temperatura que se quiera medir. En un muestreo probabilstico: a. a) Cada miembro de la poblacin tiene la misma posibilidad de ser elegido. b. b) Los porcentajes para ciertas caractersticas demogrficas sern iguales para la muestra y la poblacin. c. c) Cada miembro de la poblacin tiene una probabilidad distinta de cero de ser elegido. d. d) Se eligen los participantes de acuerdo al criterio del investigador. e. e) No se puede determinar el error muestral. En una escala ordinal, cul de las siguientes series de nmeros representan una sustitucin permisible de 1, 2 y 3: a) 1, 3 y 30 b) 5, 10 y 15 c) 3, 2 y 1 d) Todas las anteriores e) A y B La escala nominal es aquella cuyos nmeros sirven solamente como etiqueta (label) para identificar y clasificar objetos con una correspondencia estricta de uno a uno entre los nmeros y los objetos. El utilizar una muestra fija en las mismas variables que son medidas a travs del tiempo, se conoce como Panel tradicional Un diseo de investigacin de tipo experimental/causal es el ms apropiado para investigar si un tipo de comercial es ms efectivo que otro en trminos de top of mind Sea H 0 : = 500 . Si en una muestra de tamao n = 1000 para testear dicha hiptesis se obtiene x = 500 , el valor calculado del test z ser igual a 0 (cero) y por lo tanto no se rechaza la hiptesis nula.

140.

141.

142. 143.

144.

145.

Si uno quisiera verificar la confiabilidad de un instrumento de medicin, podra aplicarlo dos veces a la misma muestra de sujetos. Una medida de la confiabilidad del instrumento sera que la correlacin fuera cercana a 1. Una diferencia entre la poblacin objetivo y el marco muestral genera un error Muestral Sistemtico Aleatorio No muestral Ninguno de los anteriores Las preguntas cerradas son ms apropiadas para investigacin concluyente (descriptiva/ cuantitativa y experimental / causal), en cambio las preguntas abiertas son ms apropiadas para investigacin cualitativa.

146. f) g) h) i) j) 147.

148.

En la escala ordinal se presentan a los encuestados diversos objetos en forma simultnea y se pide que los ordene de acuerdo con algn criterio, se utiliza para medir preferencia de marcas as como atributos. En el anlisis discriminante la variable dependiente es categrica (conocida) y las variables independientes son de intervalos Cul de las siguientes caractersticas de los sistemas de nmeros distingue a la escala de razn frente a otras escalas de medidas. a) Igualdad de los numerales b) Orden de los numerales c) Igualdad de las diferencias d) Igualdad de los ratios e) Todas las anteriores Un bajo error aleatorio en una medicin se ve reflejado en una distribucin estrecha de las medias muestrales. En el Anlisis de Varianza, la variable dependiente es mtrica independientes son no mtricas. y las variables

149. 150.

151. 152.