# ==========================================
# PREPARACIÓN
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# library(survey): Carga el paquete survey para analizar muestras complejas.
# options(survey.lonely.psu = "adjust"): Ajusta la varianza si hay un estrato con una sola PSU.
# data(api): Carga la base de datos de escuelas de California.
# dim(apiclus1): Muestra las dimensiones del data frame (filas y columnas).

library(survey)
options(survey.lonely.psu = "adjust")
data(api)
dim(apiclus1)
## [1] 183  39
# B. RESULTADOS: (La salida aparece abajo automáticamente)
# C. INTERPRETACIÓN: El data frame apiclus1 tiene 183 filas y 40 columnas. 
# Representa una muestra de 183 escuelas agrupadas en 15 distritos.

# ==========================================
# ÍTEM 1. DISEÑO MUESTRAL
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svydesign(): Declara el diseño de muestreo complejo.
# ids = ~dnum: Define los conglomerados (distritos escolares).
# weights = ~pw: Aplica los pesos de muestreo.
# data = apiclus1: Base de datos.
# degf(dis): Obtiene los grados de libertad del diseño (nº de PSU menos 1).

dis <- svydesign(
  ids     = ~dnum,
  weights = ~pw,
  data    = apiclus1
)
degf(dis)
## [1] 14
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: Los grados de libertad son 14 (15 distritos - 1). 
# Este valor refleja las unidades independientes de muestreo y se usará en las pruebas.

# ==========================================
# ÍTEM 2. MEDIA E INTERVALO DE CONFIANZA
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svymean(~api00, dis): Calcula la media ponderada de api00.
# m <- : Guarda el resultado en el objeto m.
# confint(m, df = degf(dis)): Calcula el IC al 95% usando t de Student con 14 gl.

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
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: La media estimada ronda los 644 puntos. El intervalo de confianza 
# incorpora la variabilidad entre distritos, siendo más ancho que uno normal.

# ==========================================
# ÍTEM 3. PRUEBA T DE UNA MUESTRA
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svyttest(): Prueba t para muestras complejas.
# I(api00 - 650) ~ 0: Contrasta 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
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: H0: mu = 650 vs H1: mu != 650. Si el valor p es > 0.05, 
# no se rechaza H0, indicando que no hay evidencia suficiente de que la media sea distinta de 650.

# ==========================================
# ÍTEM 4. PRUEBA T DE DOS GRUPOS
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svyttest(api00 ~ sch.wide, dis): Compara la media de api00 entre los dos grupos de 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
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: H0: las medias son iguales. Si p < 0.05, se rechaza H0, 
# concluyendo que hay diferencia significativa en el rendimiento según si cumplieron la meta o no.

# ==========================================
# ÍTEM 5. INTERVALO DE CONFIANZA PARA UNA PROPORCIÓN
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svyciprop(): Estima una proporción y su IC.
# ~I(sch.wide == "Yes"): Define el evento de interés (cumplió la meta).
# method = "logit": Calcula el IC en escala logit (más robusto).

svyciprop(~I(sch.wide == "Yes"), dis, method = "logit")
##                             2.5% 97.5%
## I(sch.wide == "Yes") 0.874 0.823 0.912
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: Se estima la proporción de escuelas que cumplieron la meta 
# junto con su intervalo de confianza al 95%.

# ==========================================
# ÍTEM 6. PRUEBA DE ASOCIACIÓN RAO-SCOTT
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svychisq(): Prueba de independencia para tablas de contingencia.
# ~sch.wide + stype: Variables categóricas a cruzar.
# statistic = "F": Aplica la corrección de Rao-Scott.

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
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: H0: no hay asociación entre sch.wide y stype. 
# Si p < 0.05, se rechaza H0 y se concluye que están asociadas.

# ==========================================
# ÍTEM 7. ESTIMACIONES POR GRUPOS
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svyby(): Calcula una estadística para cada subgrupo.
# ~api00: Variable a promediar.
# ~stype: Variable que define los grupos (tipo de escuela).
# svymean: Función de estimación.

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
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: Muestra la media y el error estándar para cada tipo de escuela 
# (E=Elemental, M=Media, H=Preparatoria), permitiendo comparar su rendimiento.

# ==========================================
# ÍTEM 8. COMPARACIÓN DE DISEÑOS MUESTRALES
# ==========================================
# A. FUNCIÓN DEL CÓDIGO:
# svydesign(ids = ~1, ...): Declara un diseño IGNORANDO los conglomerados.
# confint(svymean(...)): Calcula el IC asumiendo independencia (aproximación normal).

d0 <- svydesign(
  ids     = ~1,
  weights = ~pw,
  data    = apiclus1
)
confint(svymean(~api00, d0))
##         2.5 %   97.5 %
## api00 628.848 659.4908
# B. RESULTADOS: (Salida automática)
# C. INTERPRETACIÓN: Al ignorar los conglomerados, se subestima la varianza, 
# haciendo que el IC sea más estrecho que en el Ítem 2. Esto genera una falsa 
# sensación de precisión y puede llevar a conclusiones erróneas.

# ==========================================
# CONCLUSIÓN
# ==========================================
# La comparación entre los ítems 2 y 8 muestra el efecto de reconocer la estructura 
# de conglomerados. El Ítem 2 incorpora la correlación entre escuelas de un mismo distrito, 
# aumentando el error estándar y dando un intervalo más ancho y conservador (t con 14 gl). 
# El Ítem 8 asume independencia, subestima la varianza y genera un intervalo 
# artificialmente estrecho con aproximación normal. Ignorar los conglomerados sobreestima 
# la precisión y puede llevar a rechazar hipótesis nulas que en realidad son verdaderas.