Laboratorio de R

Ingeniería inversa de código R

Preparación

Código

library(survey)
## Cargando paquete requerido: grid
## Cargando paquete requerido: Matrix
## Cargando paquete requerido: survival
## 
## Adjuntando el paquete: 'survey'
## The following object is masked from 'package:graphics':
## 
##     dotchart
options(survey.lonely.psu = "adjust")
data(api)

Función del código

  • library(survey) carga el paquete survey.
  • options(survey.lonely.psu = "adjust") ajusta el cálculo cuando existe un conglomerado con una sola unidad primaria de muestreo.
  • data(api) carga la base de datos de ejemplo api, incluida en el paquete survey.

Ítem 1. Diseño muestral

Código

dis <- svydesign(
  ids = ~dnum,
  weights = ~pw,
  data = apiclus1
)

degf(dis)
## [1] 14

A. Función del código

La función svydesign() crea el diseño muestral.

  • ids = ~dnum: identifica el conglomerado.
  • weights = ~pw: indica los pesos muestrales.
  • data = apiclus1: especifica la base de datos.

degf(dis) calcula los grados de libertad del diseño.

B. Resultados

Al ejecutar la función degf(dis) se obtuvo un valor de 14 grados de libertad para el diseño muestral.

C. Interpretación

El diseño muestral tiene 14 grados de libertad, los cuales se utilizarán en los análisis posteriores, como la construcción de intervalos de confianza y las pruebas de hipótesis. Este valor refleja la información independiente disponible considerando la estructura del diseño muestral.


Ítem 2. Media e intervalo de confianza

Código

m <- svymean(~api00, dis)
m
##         mean     SE
## api00 644.17 23.779
confint(m, df = degf(dis))
##          2.5 %   97.5 %
## api00 593.1685 695.1703

A. Función del código

svymean() calcula la media considerando el diseño muestral.

confint() calcula el intervalo de confianza del 95%.

B. Resultados

Al ejecutar el código se obtuvo la siguiente salida en R: mean SE api00 644.17 23.779

     2.5 %     97.5 %

api00 593.1685 695.1703

  • Media estimada: 644.17
  • Error estándar (SE): 23.779
  • Límite inferior del intervalo de confianza (95%): 593.1685
  • Límite superior del intervalo de confianza (95%): 695.1703

C. Interpretación

La media estimada de la variable api00 es 644,17 puntos, considerando el diseño muestral. El error estándar es 23,779, lo que indica la variabilidad de la estimación de la media. Además, con un 95 % de confianza, se estima que la media poblacional se encuentra entre 593,17 y 695,17 puntos. Como el intervalo refleja la incertidumbre de la estimación, se puede afirmar que la verdadera media de la población probablemente se encuentre dentro de ese rango.


Ítem 3. Prueba t de una muestra

Código

svyttest(I(api00 - 650) ~ 0, dis)
## 
##  Design-based one-sample t-test
## 
## data:  I(api00 - 650) ~ 0
## t = -0.2452, df = 13, p-value = 0.8101
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
##  -57.20203  45.54083
## sample estimates:
##      mean 
## -5.830601

A. Función del código

Realiza una prueba t para evaluar si la media poblacional es igual a 650.

Hipótesis

  • H₀: μ = 650
  • H₁: μ ≠ 650

B. Resultados

Design-based one-sample t-test

data: I(api00 - 650) ~ 0 t = -0.2452, df = 13, p-value = 0.8101

alternative hypothesis: true mean is not equal to 0

95 percent confidence interval: -57.20203 45.54083

sample estimates: mean -5.830601

  • Estadístico t: -0.2452
  • Grados de libertad: 13
  • Valor p: 0.8101
  • Media estimada de (api00 − 650): -5.830601
  • Intervalo de confianza (95 %): (-57.20203, 45.54083)

C. Interpretación

La prueba t de una muestra arrojó un estadístico t = -0.2452 con 13 grados de libertad y un valor p = 0.8101. Como el valor p es mayor que 0,05, no se rechaza la hipótesis nula. Por lo tanto, no existe evidencia estadística suficiente para afirmar que la media poblacional de api00 sea diferente de 650. Además, el intervalo de confianza incluye el valor 0 para la diferencia entre la media y 650, lo que respalda la misma conclusión.


Ítem 4. Prueba t de dos grupos

Código

svyttest(api00 ~ sch.wide, dis)
## 
##  Design-based t-test
## 
## data:  api00 ~ sch.wide
## t = 2.088, df = 13, p-value = 0.05704
## alternative hypothesis: true difference in mean is not equal to 0
## 95 percent confidence interval:
##  -1.432285 84.070329
## sample estimates:
## difference in mean 
##           41.31902

A. Función del código

Compara la media de api00 entre los grupos definidos por sch.wide.

Hipótesis

  • H₀: Las medias son iguales.
  • H₁: Las medias son diferentes.

B. Resultados

Design-based t-test

data: api00 ~ sch.wide t = 2.088, df = 13, p-value = 0.05704

alternative hypothesis: true difference in mean is not equal to 0

95 percent confidence interval: -1.432285 84.070329

sample estimates: difference in mean 41.31902

  • Estadístico t: 2.088
  • Grados de libertad: 13
  • Valor p: 0.05704
  • Diferencia de medias: 41.31902
  • Intervalo de confianza (95 %): (-1.432285, 84.070329)

C. Interpretación

La prueba t comparó la media de la variable api00 entre los dos grupos definidos por sch.wide. Se obtuvo un estadístico t = 2.088 con 13 grados de libertad y un valor p = 0.05704. Como el valor p es mayor que 0,05, no se rechaza la hipótesis nula. Por lo tanto, no existe evidencia estadística suficiente para afirmar que las medias de los dos grupos sean diferentes al nivel de significancia del 5 %.

Aunque la diferencia estimada entre las medias es de 41,31902 puntos, el intervalo de confianza incluye el valor 0 (desde -1,432285 hasta 84,070329), lo que indica que esa diferencia podría deberse al azar y no puede considerarse estadísticamente significativa.


Ítem 5. Intervalo de confianza para una proporción

Código

svyciprop(
  ~I(sch.wide == "Yes"),
  dis,
  method = "logit"
)
##                             2.5% 97.5%
## I(sch.wide == "Yes") 0.874 0.823 0.912

A. Función del código

Calcula la proporción estimada de escuelas donde sch.wide = "Yes" y su intervalo de confianza.

B. Resultados

                    2.5%   97.5%

I(sch.wide == “Yes”) 0.874 0.823 0.912

  • Proporción estimada: 0.874 (87,4 %)
  • Límite inferior del intervalo de confianza (95 %): 0.823 (82,3 %)
  • Límite superior del intervalo de confianza (95 %): 0.912 (91,2 %)

C. Interpretación

La proporción estimada de escuelas que pertenecen a la categoría “Yes” de la variable sch.wide es 0,874, lo que equivale al 87,4 % de la población estimada. Además, con un 95 % de confianza, se estima que la verdadera proporción poblacional se encuentra entre 82,3 % y 91,2 %. Este intervalo de confianza refleja la incertidumbre de la estimación y sugiere que una alta proporción de las escuelas pertenece a dicha categoría.


Ítem 6. Prueba de asociación Rao-Scott

Código

svychisq(
  ~sch.wide + stype,
  dis,
  statistic = "F"
)
## 
##  Pearson's X^2: Rao & Scott adjustment
## 
## data:  svychisq(~sch.wide + stype, dis, statistic = "F")
## F = 5.0905, ndf = 1.4946, ddf = 20.9250, p-value = 0.02307

A. Función del código

Evalúa la existencia de asociación entre las variables sch.wide y stype.

Hipótesis

  • H₀: Las variables son independientes.
  • H₁: Existe asociación.

B. Resultados

simpleWarning in chisq.test(svytable(formula, design, Ntotal = N), correct = FALSE): Chi-squared approximation may be incorrect

Pearson’s X^2: Rao & Scott adjustment

data: svychisq(~sch.wide + stype, dis, statistic = “F”)

F = 5.0905 ndf = 1.4946 ddf = 20.9250 p-value = 0.02307

  • Estadístico F: 5.0905
  • Grados de libertad del numerador (ndf): 1.4946
  • Grados de libertad del denominador (ddf): 20.9250
  • Valor p: 0.02307

C. Interpretación

La prueba de asociación de Rao–Scott arrojó un estadístico F = 5.0905 y un valor p = 0.02307. Como el valor p es menor que 0,05, se rechaza la hipótesis nula. Por lo tanto, existe evidencia estadísticamente significativa para afirmar que las variables sch.wide y stype están asociadas en la población, considerando el diseño muestral.


Ítem 7. Estimaciones por grupos

Código

svyby(
  ~api00,
  ~stype,
  dis,
  svymean
)
##   stype    api00       se
## E     E 648.8681 22.58731
## H     H 618.5714 38.40263
## M     M 631.4400 31.92737

A. Función del código

Calcula la media de api00 para cada tipo de establecimiento (stype).

B. Resultados

Tipo de establecimiento (stype) Media de api00 Error estándar (SE)
E 648.8681 22.58731
H 618.5714 38.40263
M 631.4400 31.92737
  • Tipo E
    • Media: 648.8681
    • Error estándar: 22.58731
  • Tipo H
    • Media: 618.5714
    • Error estándar: 38.40263
  • Tipo M
    • Media: 631.4400
    • Error estándar: 31.92737

C. Interpretación

La función svyby() permitió calcular la media de la variable api00 para cada categoría de la variable stype, considerando el diseño muestral. Los resultados muestran que el tipo E presenta la mayor media (648.87 puntos) y también el menor error estándar (22.59), lo que indica una estimación más precisa. Por su parte, el tipo H registra la menor media (618.57 puntos) y el mayor error estándar (38.40), lo que refleja una mayor variabilidad en la estimación. Finalmente, el tipo M presenta una media intermedia (631.44 puntos) y un error estándar de 31.93, situándose entre los otros dos grupos.


Ítem 8. Comparación de diseños muestrales

Código

d0 <- svydesign(
  ids = ~1,
  weights = ~pw,
  data = apiclus1
)

svymean(~api00, d0)
##         mean     SE
## api00 644.17 7.8172
confint(svymean(~api00, d0))
##         2.5 %   97.5 %
## api00 628.848 659.4908

A. Función del código

Crea un diseño muestral sin considerar conglomerados y calcula la media y su intervalo de confianza.

B. Resultados

    mean      SE

api00 644.17 7.8172

    2.5 %     97.5 %

api00 628.848 659.4908

  • Media estimada: 644.17
  • Error estándar (SE): 7.8172
  • Intervalo de confianza (95 %):
    • Límite inferior: 628.848
    • Límite superior: 659.4908

Comparación con los resultados con ÍTEM 2: | Resultado | Ítem 2 | Ítem 8 | |———–|——–|——–| | Media | 644.17 | 644.17 | | Error estándar | 23.779 | 7.8172 | | Intervalo de confianza | 593.17–695.17 | 628.85–659.49 |

C. Interpretación

En este ítem se creó un diseño muestral que no considera los conglomerados (ids = ~1), sino únicamente los pesos muestrales. La media estimada de api00 fue 644,17, igual a la obtenida en el Ítem 2. Sin embargo, el error estándar disminuyó de 23,779 a 7,8172, lo que produjo un intervalo de confianza mucho más estrecho (628,848 a 659,491), en comparación con el intervalo obtenido en el Ítem 2 (593,169 a 695,170). Esto demuestra que ignorar la estructura por conglomerados subestima la variabilidad de los datos, generando estimaciones aparentemente más precisas de lo que realmente son. Por ello, para obtener inferencias válidas es importante considerar el diseño muestral completo


Conclusión

En este laboratorio se analizaron diferentes procedimientos de inferencia estadística utilizando el paquete survey de R para trabajar con muestras complejas. Los resultados demostraron la importancia de considerar el diseño muestral, incorporando tanto los conglomerados como los pesos de muestreo, para obtener estimaciones e inferencias más confiables. Al comparar los resultados obtenidos con y sin identificación de conglomerados, se observó que la media permaneció constante, pero el error estándar y el intervalo de confianza variaron considerablemente. Esto evidencia que ignorar la estructura del diseño puede subestimar la variabilidad de los datos y generar conclusiones excesivamente optimistas. En consecuencia, es fundamental considerar el diseño muestral completo para realizar inferencias estadísticas válidas y representativas de la población.