1 Introducción

El objetivo de esta actividad es analizar e interpretar distintos códigos estadísticos en R, identificando la función de cada instrucción y explicando los resultados obtenidos. Para ello, se trabaja con una muestra de escuelas y con el paquete survey, que permite realizar estimaciones considerando el diseño muestral.

2 Preparación

2.1 Código

library(survey)
options(survey.lonely.psu = "adjust")
data(api)

2.2 Función del código

  • library(survey): carga el paquete survey, que contiene funciones para analizar datos provenientes de encuestas y diseños muestrales complejos.
  • options(survey.lonely.psu = "adjust"): establece un ajuste para los casos en que existe una unidad primaria de muestreo (PSU) aislada en un estrato. Esto ayuda a que el cálculo de la varianza pueda realizarse en esa situación.
  • data(api): carga los datos de ejemplo api, que incluyen información relacionada con escuelas de California. En esta actividad se utiliza el conjunto apiclus1.

3 Ítem 1. Diseño muestral

3.1 Código

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

degf(dis)
## [1] 14

3.2 A. Función del código

La función svydesign() permite definir el diseño muestral que se utilizará en los análisis posteriores.

  • ids = ~dnum: identifica los conglomerados o unidades primarias de muestreo mediante la variable dnum.
  • weights = ~pw: indica la variable que contiene los factores de expansión o ponderaciones de cada observación.
  • data = apiclus1: señala que los datos utilizados corresponden al conjunto apiclus1.

La función degf(dis) calcula los grados de libertad asociados al diseño muestral definido.

3.3 B. Resultados

grados_libertad <- degf(dis)
grados_libertad
## [1] 14

3.4 C. Interpretación estadística

El resultado corresponde a los grados de libertad del diseño muestral. Estos consideran la estructura de conglomerados y son importantes para realizar inferencias estadísticas, como pruebas de hipótesis e intervalos de confianza. El valor específico se obtiene al ejecutar el código.

4 Ítem 2. Media e intervalo de confianza

4.1 Código

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

4.2 A. Función del código

La función svymean(~api00, dis) calcula la media estimada de la variable api00, considerando las ponderaciones y el diseño muestral definido en el ítem anterior.

La función confint() calcula el intervalo de confianza de la media. El argumento df = degf(dis) indica que se deben utilizar los grados de libertad del diseño para calcular el intervalo.

4.3 B. Resultados

m <- svymean(~api00, dis)
media_api00 <- coef(m)
error_estandar <- SE(m)
intervalo_media <- confint(m, df = degf(dis))

m
##         mean     SE
## api00 644.17 23.779
intervalo_media
##          2.5 %   97.5 %
## api00 593.1685 695.1703

4.4 C. Interpretación estadística

La media estimada representa el promedio de los resultados de api00 considerando el diseño muestral y sus ponderaciones. El error estándar indica cuánto puede variar la estimación debido al muestreo.

El intervalo de confianza entrega un rango de valores en el que se espera que se encuentre la media poblacional, con un nivel de confianza del 95 %. Los valores concretos de la media, el error estándar y los límites se muestran en la salida anterior.

5 Ítem 3. Prueba t de una muestra

5.1 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

5.2 A. Función del código

La función svyttest() realiza una prueba t considerando el diseño muestral. En este caso, se utiliza para comprobar si la media poblacional de api00 es diferente de 650.

La expresión I(api00 - 650) resta 650 a cada observación de api00. El término ~ 0 indica que se realiza una prueba de una muestra, sin una variable explicativa.

Las hipótesis estadísticas son:

  • Hipótesis nula (H₀): la media poblacional de api00 es igual a 650.
  • Hipótesis alternativa (H₁): la media poblacional de api00 es distinta de 650.

5.3 B. Resultados

prueba_item3 <- svyttest(I(api00 - 650) ~ 0, dis)
prueba_item3
## 
##  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

5.4 C. Interpretación estadística

Se utiliza un nivel de significación del 5 % (α = 0,05).

El valor p se obtiene en el resultado de la prueba:

  • Si el valor p es menor que 0,05, se rechaza la hipótesis nula. Existe evidencia estadística para afirmar que la media de api00 es diferente de 650.
  • Si el valor p es mayor o igual que 0,05, no se rechaza la hipótesis nula. No existe evidencia estadística suficiente para afirmar que la media sea diferente de 650.

La decisión final debe basarse en el valor p que entrega R.

6 Ítem 4. Prueba t de dos grupos

6.1 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

6.2 A. Función del código

La función svyttest() compara las medias de la variable api00 entre dos grupos definidos por la variable sch.wide, considerando el diseño muestral.

  • api00: variable numérica cuyo promedio se desea comparar.
  • sch.wide: variable que identifica si la escuela pertenece o no al grupo de escuelas clasificadas como Yes o No.

Las hipótesis estadísticas son:

  • Hipótesis nula (H₀): las medias de api00 son iguales en ambos grupos.
  • Hipótesis alternativa (H₁): las medias de api00 son diferentes entre ambos grupos.

6.3 B. Resultados

prueba_item4 <- svyttest(api00 ~ sch.wide, dis)
prueba_item4
## 
##  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

6.4 C. Interpretación estadística

El resultado permite determinar si existe una diferencia estadísticamente significativa entre el promedio de api00 de las escuelas con sch.wide = Yes y aquellas con sch.wide = No.

Con un nivel de significación del 5 %, si el valor p es menor que 0,05, se rechaza la hipótesis nula y se concluye que existe evidencia de una diferencia entre las medias. Si el valor p es mayor o igual que 0,05, no se cuenta con evidencia suficiente para afirmar que las medias sean distintas.

7 Ítem 5. Intervalo de confianza para una proporción

7.1 Código

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

7.2 A. Función del código

La función svyciprop() calcula una proporción considerando el diseño muestral y permite obtener su intervalo de confianza.

La expresión I(sch.wide == "Yes") identifica las escuelas cuya variable sch.wide tiene el valor "Yes". Las observaciones que cumplen la condición se consideran verdaderas y las demás falsas.

El argumento method = "logit" indica que se utiliza el método logit para calcular el intervalo de confianza de la proporción.

7.3 B. Resultados

proporcion_yes <- svyciprop(
  ~I(sch.wide == "Yes"),
  dis,
  method = "logit"
)

proporcion_yes
##                             2.5% 97.5%
## I(sch.wide == "Yes") 0.874 0.823 0.912
confint(proporcion_yes)
##                          2.5%     97.5%
## I(sch.wide == "Yes") 0.823218 0.9122206

7.4 C. Interpretación estadística

La proporción estimada representa la parte de las escuelas que tienen el valor "Yes" en la variable sch.wide, considerando las ponderaciones del diseño muestral.

El intervalo de confianza entrega un rango de valores posibles para la proporción poblacional. Si el resultado se expresa en decimal, se puede multiplicar por 100 para obtener el porcentaje correspondiente.

8 Ítem 6. Prueba de asociación Rao–Scott

8.1 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

8.2 A. Función del código

La función svychisq() realiza una prueba de asociación entre dos variables categóricas, considerando el diseño muestral.

En este caso se analizan:

  • sch.wide: clasificación de las escuelas según la variable de escuela amplia (Yes o No).
  • stype: tipo de escuela.

El argumento statistic = "F" indica que se utiliza la versión ajustada de la prueba de asociación mediante una distribución F, conocida como prueba de Rao–Scott.

Las hipótesis estadísticas son:

  • Hipótesis nula (H₀): no existe asociación entre sch.wide y stype.
  • Hipótesis alternativa (H₁): existe asociación entre sch.wide y stype.

8.3 B. Resultados

prueba_item6 <- svychisq(
  ~sch.wide + stype,
  dis,
  statistic = "F"
)

prueba_item6
## 
##  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

8.4 C. Interpretación estadística

Se considera un nivel de significación del 5 %.

Si el valor p es menor que 0,05, se rechaza la hipótesis nula y se concluye que existe evidencia de una asociación entre el tipo de escuela y la clasificación sch.wide.

Si el valor p es mayor o igual que 0,05, no se rechaza la hipótesis nula y no existe evidencia estadística suficiente para afirmar que ambas variables estén asociadas.

9 Ítem 7. Estimaciones por grupos

9.1 Código

estimaciones_grupos <- svyby(
  ~api00,
  ~stype,
  dis,
  svymean
)

estimaciones_grupos

9.2 A. Función del código

La función svyby() permite realizar estimaciones estadísticas separando los datos en grupos.

  • ~api00: variable numérica de la cual se calcula la media.
  • ~stype: variable que define los grupos según el tipo de escuela.
  • dis: diseño muestral utilizado.
  • svymean: función que calcula la media de cada grupo.

9.3 B. Resultados

estimaciones_grupos <- svyby(
  ~api00,
  ~stype,
  dis,
  svymean
)

estimaciones_grupos
barplot(
  height = estimaciones_grupos$api00,
  names.arg = estimaciones_grupos$stype,
  main = "Media de API 2000 según tipo de escuela",
  xlab = "Tipo de escuela",
  ylab = "Media estimada de API 2000",
  col = "lightblue",
  border = "black"
)

### Paso 3. Agrega esta interpretación debajo

El gráfico permite comparar visualmente las medias estimadas de API 2000 según el tipo de escuela. Se pueden identificar las diferencias entre los grupos y observar cuál presenta el promedio más alto y cuál el más bajo.

Importante No elimines ninguno de tus códigos anteriores. Solamente agrega este nuevo bloque debajo de los resultados del ítem 7.

Así tendrás el gráfico integrado en tu informe y aparecerá automáticamente cuando generes tu PDF o HTML. ## C. Interpretación estadística

La estimación de la media de api00 permite comparar los resultados académicos según el tipo de escuela.

Escuelas tipo E: presentan una media estimada de 648,87.

Escuelas tipo H: presentan una media estimada de 618,57.

Escuelas tipo M: presentan una media estimada de 631,44.

Se observa que las escuelas tipo E presentan el promedio más alto, mientras que las escuelas tipo H tienen el promedio más bajo. Esto permite identificar diferencias en los resultados académicos entre los distintos tipos de establecimientos educacionales. # Ítem 8. Comparación de diseños muestrales

9.4 Código

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

confint(svymean(~api00, d0))
##         2.5 %   97.5 %
## api00 628.848 659.4908

9.5 A. Función del código

En este ítem se define un segundo diseño muestral utilizando svydesign().

  • ids = ~1: indica que no se identifican conglomerados y que cada observación se trata como una unidad independiente.
  • weights = ~pw: mantiene los factores de expansión de la muestra.
  • data = apiclus1: utiliza el mismo conjunto de datos del ítem 1.

Después, svymean(~api00, d0) calcula la media de api00 con este nuevo diseño y confint() obtiene su intervalo de confianza.

9.6 B. Resultados

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

media_sin_conglomerados <- svymean(~api00, d0)
intervalo_sin_conglomerados <- confint(media_sin_conglomerados)

media_sin_conglomerados
##         mean     SE
## api00 644.17 7.8172
intervalo_sin_conglomerados
##         2.5 %   97.5 %
## api00 628.848 659.4908

9.7 C. Interpretación estadística

En este caso, el análisis considera las observaciones como unidades independientes, sin identificar los conglomerados. Aunque se utilizan los mismos datos y ponderaciones, el cálculo de la variabilidad puede cambiar respecto del ítem 2.

En el ítem 2 se consideran los conglomerados mediante ids = ~dnum, mientras que en el ítem 8 se utiliza ids = ~1. Por esta razón, los errores estándar y los intervalos de confianza pueden ser diferentes.

10 Conclusión

A partir de los análisis realizados, se puede observar que el diseño muestral influye en las estimaciones y en la inferencia estadística.

Al comparar los ítems 2 y 8, se utiliza la misma variable (api00), la misma base de datos y las mismas ponderaciones. La diferencia está en la identificación de los conglomerados. En el ítem 2 se consideran los conglomerados mediante dnum, mientras que en el ítem 8 las observaciones se tratan como unidades independientes.

Esto puede producir diferencias en los errores estándar y en los intervalos de confianza. Por lo tanto, considerar correctamente el diseño muestral es importante para obtener resultados estadísticos adecuados y evitar conclusiones que no representen correctamente la estructura de los datos.