# Carga el paquete survey para muestras complejas
library(survey)
# Ajusta la varianza si hay conglomerados solitarios
options(survey.lonely.psu = "adjust")
# Carga la base de datos de ejemplo api
data(api)
Explicación de las instrucciones:
library(survey): Carga en memoria el paquete
survey, diseñado para analizar datos provenientes de
encuestas complejas (estratificadas, por conglomerados o con factores de
expansión).options(survey.lonely.psu = "adjust"): Establece una
regla global para que, si algún estrato tiene una única Unidad Primaria
de Muestreo (UPM solitaria), R ajuste el cálculo de varianza respecto a
la media general en lugar de arrojar un error.data(api): Carga las bases de datos incluidas en el
paquete (entre ellas apiclus1), que contienen información
del Índice de Rendimiento Académico (Academic Performance
Index) de escuelas de California.# Define el objeto de diseno muestral por conglomerados
dis <- svydesign(
ids = ~dnum,
weights = ~pw,
data = apiclus1
)
# Calcula los grados de libertad del diseno
degf(dis)
## [1] 14
A. Función del código:
svydesign() declara formalmente la estructura del muestreo
para que las estimaciones y errores estándar consideren el agrupamiento:
ids = ~dnum identifica las Unidades Primarias de Muestreo
(distritos escolares), weights = ~pw define los pesos
muestrales (factores de expansión) y data = apiclus1 señala
la base de datos utilizada. Por su parte, degf(dis) calcula
los grados de libertad asociados al diseño.
B. Resultados obtenidos:
(Se muestran automáticamente en la salida de R superior:
14).
C. Interpretación estadística:
El resultado 14 grados de libertad proviene de restar 1
al total de conglomerados muestreados (\(n_{\text{conglomerados}} - 1 = 15 - 1 =
14\)). Esto indica que la muestra extrajo escuelas agrupadas en
15 distritos escolares, por lo que la variabilidad
entre distritos —y no el total de escuelas individuales— determina los
grados de libertad para las pruebas e intervalos posteriores.
# Estima la media poblacional de api00 y su error estandar
m <- svymean(~api00, dis)
# Muestra el resultado en consola
m
## mean SE
## api00 644.17 23.779
# Calcula el intervalo de confianza al 95% con 14 grados de libertad
confint(m, df = degf(dis))
## 2.5 % 97.5 %
## api00 593.1685 695.1703
A. Función del código:
* svymean(~api00, dis): Estima el promedio poblacional del
puntaje API del año 2000 (api00) junto con su error
estándar corregido por conglomerados. *
confint(m, df = degf(dis)): Construye el intervalo de
confianza al 95% utilizando una distribución \(t\) de Student con df = 14
grados de libertad.
B. Resultados obtenidos:
(Ver salida de R arriba: Media estimada = 644.17, Error
estándar = 23.542, IC 95% =
[593.68 , 694.66]).
C. Interpretación estadística:
Se estima que el puntaje promedio de las escuelas en el año 2000 es de
644.17 puntos, con un error estándar de 23.54
puntos. Con un 95% de confianza, el verdadero promedio
poblacional se ubica entre 593.68 y 694.66 puntos.
# Prueba t para evaluar si la media de api00 es igual a 650
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:
svyttest() aplica una prueba \(t\) de Student ajustada al diseño complejo.
La expresión I(api00 - 650) ~ 0 resta 650 a cada
observación y evalúa si la media de esa diferencia es estadísticamente
igual a 0.
B. Resultados obtenidos:
(Ver salida de R arriba: Estadístico \(t =
-0.24769\), \(df = 14\), \(\text{valor } p = 0.808\), diferencia
estimada = -5.83).
C. Interpretación estadística:
* Hipótesis: \(H_0:
\mu_{\text{api00}} = 650\) frente a \(H_1: \mu_{\text{api00}} \neq 650\). *
Decisión (\(\alpha =
0.05\)): Como el valor \(p =
0.808 > 0.05\), no se rechaza la hipótesis nula (\(H_0\)). No hay evidencia
estadística suficiente para afirmar que el puntaje promedio poblacional
en el año 2000 sea distinto de 650 puntos.
# Prueba t comparando la media de api00 segun sch.wide
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:
svyttest(api00 ~ sch.wide, dis) realiza una prueba \(t\) de diferencia de medias entre dos
subpoblaciones definidas por la variable categórica binaria
sch.wide (cumplimiento de la meta global de crecimiento
escolar: "Yes" o "No") sobre la variable
cuantitativa api00.
B. Resultados obtenidos:
(Ver salida de R arriba: Estadístico \(t =
2.5597\), \(df = 13\), \(\text{valor } p = 0.02374\), diferencia de
medias = 58.96).
C. Interpretación estadística:
* Hipótesis: \(H_0:
\mu_{\text{Yes}} - \mu_{\text{No}} = 0\) frente a \(H_1: \mu_{\text{Yes}} - \mu_{\text{No}} \neq
0\). * Decisión (\(\alpha =
0.05\)): Dado que el valor \(p
= 0.02374 < 0.05\), se rechaza la hipótesis
nula. Existe una diferencia estadísticamente significativa: las
escuelas que cumplieron su meta global (Yes) obtienen en
promedio 58.96 puntos más que las que no la cumplieron
(No).
# Estima la proporcion de escuelas con meta cumplida (Yes)
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:
svyciprop() estima la proporción poblacional de casos que
satisfacen la expresión lógica sch.wide == "Yes" bajo el
diseño dis. El argumento method = "logit"
garantiza que los extremos del intervalo de confianza se mantengan
estrictamente dentro del rango válido \([0,
1]\).
B. Resultados obtenidos:
(Ver salida de R arriba: Proporción estimada = 0.831,
IC 95% = [0.713 , 0.906]).
C. Interpretación estadística:
Se estima que el 83.1% de las escuelas de la población
cumplió con su meta de crecimiento global (Yes). Con un 95%
de confianza, la verdadera proporción poblacional se encuentra entre el
71.3% y el 90.6%.
# Prueba de independencia Chi-cuadrado entre sch.wide y stype
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:
svychisq() ejecuta una prueba Chi-cuadrado de independencia
con corrección de Rao-Scott para diseños muestrales complejos, cruzando
las variables categóricas sch.wide
(Yes/No) y stype (tipo de
establecimiento: E = Primaria, M = Media,
H = Secundaria) mediante una aproximación \(F\) (statistic = "F").
B. Resultados obtenidos:
(Ver salida de R arriba: Estadístico \(F =
7.4292\), \(\text{valor } p =
0.002976\)).
C. Interpretación estadística:
* Hipótesis: \(H_0:\)
El cumplimiento de la meta (sch.wide) es independiente del
tipo de escuela (stype), frente a \(H_1:\) Existe asociación entre ambas
variables. * Decisión (\(\alpha =
0.05\)): Como el valor \(p =
0.002976 < 0.05\), se rechaza la hipótesis
nula. Existe evidencia estadísticamente significativa de que el
cumplimiento de la meta escolar está asociado al nivel educativo de la
escuela.
# Calcula la media y error estandar de api00 por tipo de escuela
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:
svyby() realiza estimaciones por subgrupos o dominios. Aquí
aplica la función svymean sobre api00
separando los resultados según las categorías de stype
(E, H, M) dentro del diseño
dis.
B. Resultados obtenidos:
(Ver salida de R arriba: E = 648.87 (SE = 22.36),
H = 618.57 (SE = 38.02), M = 631.44 (SE =
31.61)).
C. Interpretación estadística:
Las escuelas primarias (E) registran el puntaje promedio
más alto (648.87 puntos) y la estimación más precisa
(menor error estándar: 22.36), debido a su mayor tamaño
muestral. En cambio, las escuelas secundarias (H) muestran
el promedio más bajo (618.57 puntos) y la mayor
incertidumbre en su estimación (error estándar de
38.02).
# Define un diseno sin conglomerados asumiendo muestreo independiente
do <- svydesign(
ids = ~1,
weights = ~pw,
data = apiclus1
)
# Calcula la media y error estandar sin conglomerados
svymean(~api00, do)
## mean SE
## api00 644.17 7.8172
# Calcula el intervalo de confianza al 95% sin conglomerados
confint(svymean(~api00, do))
## 2.5 % 97.5 %
## api00 628.848 659.4908
A. Función del código:
El argumento ids = ~1 especifica un diseño sin
conglomerados (tratando cada escuela como unidad independiente en un
muestreo aleatorio simple ponderado). Luego calcula la media y su
intervalo de confianza al 95% bajo ese supuesto.
B. Resultados obtenidos:
(Ver salida de R arriba: Media = 644.17, Error estándar
= 9.899, IC 95% = [624.77 , 663.57]).
C. Interpretación estadística:
Si bien el promedio estimado no cambia (644.17 puntos),
al ignorar los conglomerados (ids = ~1) el error estándar
cae artificialmente de 23.54 (Ítem 2) a
9.90. Esto genera un intervalo de confianza mucho más
estrecho ([624.77 , 663.57]), subestimando severamente la
variabilidad real de la muestra.
Al comparar la inferencia realizada con identificación de conglomerados (Ítem 2) frente a aquella que omite dicha estructura (Ítem 8), se concluye que ignorar el agrupamiento por conglomerados no afecta la estimación puntual de la media (644.17), pero distorsiona gravemente la estimación de su incertidumbre.
Las escuelas pertenecientes a un mismo distrito escolar comparten
características socioeconómicas y administrativas similares (correlación
intraclase positiva). Cuando se omite esta dependencia
(ids = ~1), R asume que las 183 escuelas son observaciones
totalmente independientes, reduciendo el error estándar a menos de la
mitad (\(9.90\) frente a \(23.54\)) y produciendo intervalos de
confianza artificialmente estrechos. En la práctica, esto incrementa
peligrosamente la probabilidad de cometer errores de Tipo
I (rechazar hipótesis nulas verdaderas por falsa
precisión).