Tipos muestreos de personas

Las librerias

library(readr) # Leer datos
library(knitr) # Tablas amigables
library(fdth) # Crear tablas de distribucion
library(dplyr) # Select, filter, mutate, group

Cargar datos

La variable datos es una población Se requiere una muestra que es una parte proporcional y que representa a la población

datos <- read.csv("../Datos/personas.csv")
kable(head(datos))

X	nombre	paterno	materno	genero	edad	entidad
1	ALFONSO ALBERTO	Y ALONZO	TEXON	M	48	Puebla
2	ANGEL ARMANDO	TEPATO	VEYNA	M	49	Chihuahua
3	J. MATILDE	ZAMORANO	MADUEÑO	M	28	Aguascalientes
4	OSCAR GABRIEL	MACEGOZA	GERMES	M	40	Zacatecas
5	PEDRO ROBERTO	ARELLANES	GURRION	M	31	Colima
6	ISRAEL ANTONIO	BUENAVENTURA	PALOMO	M	42	Colima

kable(tail(datos))

	X	nombre	paterno	materno	genero	edad	entidad
9995	9995	GLORIA DE LOS ANGELES	TORREJON	FERRARA	F	52	Chiapas
9996	9996	MARIA CONCEPCIO	PEÐALOZA	CORIA	F	56	Quintana Roo
9997	9997	EUDELIA	SANDRA	ALTUZAR	F	43	Chiapas
9998	9998	LETICIA MAGDALENA	TAGLE	RIESTRA	F	58	México
9999	9999	MARTHA SOCORRO	LULE	RODRÍGUEZ	F	55	Quintana Roo
10000	10000	FRANCISCA GUADALUPE	DE LA PARRA	SANMARTIN	F	57	Querétaro

Estadisticos descriptivos

summary(datos)

##        X            nombre            paterno            materno         
##  Min.   :    1   Length:10000       Length:10000       Length:10000      
##  1st Qu.: 2501   Class :character   Class :character   Class :character  
##  Median : 5000   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 5000                                                           
##  3rd Qu.: 7500                                                           
##  Max.   :10000                                                           
##     genero               edad         entidad         
##  Length:10000       Min.   :18.00   Length:10000      
##  Class :character   1st Qu.:28.00   Class :character  
##  Mode  :character   Median :39.00   Mode  :character  
##                     Mean   :38.99                     
##                     3rd Qu.:50.00                     
##                     Max.   :60.00

Valor N cantidad de registros de la pobación

N <- nrow(datos) # Cantidad de datos

Muestreo aleatorio simple

Primero una muestra simple a partir de una pobación de $100$, generar una muestra de $15$ registros a partir de datos
Segundo una muestra de los $N=10000$ registros de la población datos
Se muestran los primeros 10 y últimos 10

set.seed(2020)

# Primero
N <- nrow(datos) # La población
n <- 15          # La muestra


muestra <- sample(1:N, n, replace = FALSE)
muestra

##  [1] 9628 9452 7767 8920 4417 8465 9380  170 7878  945 4992 2602 3062 1053 5104

muestra.Simple <- datos[muestra, ]
muestra.Simple

##         X           nombre   paterno    materno genero edad             entidad
## 9628 9628  HAYDE GUADALUPE  MOGOLLAN     FAVILA      F   45            Guerrero
## 9452 9452    ISABEL CRISTI     LINAS    ESTEVES      F   35    Ciudad de México
## 7767 7767        MARIA SOC       XIU    ROBLERO      F   55              Sonora
## 8920 8920   CYNTHIA JUDITH   COLESIO    ARTIGAS      F   33            Guerrero
## 4417 4417        ALEXANDRO   MELCHOR  FELIPILLO      M   41              Oaxaca
## 8465 8465       ALMA JANET EUSTAQUIO    AGUILUZ      F   48             Tabasco
## 9380 9380      DIANA ROCIO       QUI    ZERMENO      F   37           Chihuahua
## 170   170           HERBEY   ESCUTIA REMENTERIA      M   60             Jalisco
## 7878 7878     MARIA AGUEDA  TEPANCAL    TOSTADO      F   57           Zacatecas
## 945   945    ALBERTO JESUS   FLOREAN    CAZARIN      M   22             Durango
## 4992 4992            NEYVI    MARURE   PORTILLO      F   31             Hidalgo
## 2602 2602 FRANCISCO JULIAN  OLIVARES    PLOMOSO      M   50 Michoacán de Ocampo
## 3062 3062          JOSE DE     LUJAN   MANRIQUE      M   52 Baja California Sur
## 1053 1053           FERNEL   Y CANUL      CANAS      M   27             Yucatán
## 5104 5104          YESENIA   AZCORRA    BERMEJO      F   44      Aguascalientes

# Segundo
n <- 625
muestra <- sample(N, n, replace = FALSE)
# Ya no visualizamos muestra, ... son muchos ...
muestra.Simple <- datos[muestra, ]

# Mostramos los primeros y los últimos registros
kable(head(muestra.Simple,10))

	X	nombre	paterno	materno	genero	edad	entidad
4483	4483	BULFRANO	CHARCO	EPITACIO	M	21	Baja California
8797	8797	ROCIO BEATRIZ	CANSECO	ARANZA	F	21	Sonora
6888	6888	LOIDA	VANEGAS	ISORDIA	F	20	Sonora
3662	3662	JESUS HERIBERTO	ARCURI	OLIDEN	M	23	San Luis Potosí
4684	4684	EDGAR AUGUSTO	CHINCHILLAS	CLARO	M	44	Campeche
78	78	JOSE GONZALO	RICARDO	MAGDALENO	M	19	México
7687	7687	MINERVA EDITH	ZEFERINO	VITAL	F	47	Colima
724	724	JESUS ORLANDO	PATINO	ORDU!A	M	45	Guanajuato
1524	1524	LUCIO ARTURO	GURRUSQUIETA	CARPINTEYRO	M	42	Nuevo León
7468	7468	MAYRA CAROLINA	NADAL	SANCEN	F	53	Baja California

kable(tail(muestra.Simple,10))

	X	nombre	paterno	materno	genero	edad	entidad
797	797	FRANCISCO MANUEL	BEAR	VALLESTEROS	M	35	Veracruz de Ignacio de la Llave
5609	5609	ESTANISLADA	BADAL	CHAPULA	F	49	Sinaloa
8295	8295	LOURDES NOEMI	CANCELA	ASTELLO	F	59	Jalisco
2911	2911	ERIK DE JESUS	LIVAS	GANZO	M	26	Nuevo León
5517	5517	ROCIO	BALMACEDA	BUENAVENTURA	F	52	Hidalgo
4600	4600	GUSTAVO ENRIQUE	HUITZIL	COCOLETZI	M	54	Durango
2085	2085	PEDRO PASCUAL	TOVIAS	PERALTA	M	47	Nuevo León
4365	4365	GERARDO ANTONIO	DIONICIO	MIRANDA	M	57	Querétaro
1228	1228	JORGE ERIK	GOCHEZ	URIEGAS	M	36	Guerrero
8302	8302	GINA	LEA%OS	CANIZAL	F	38	Veracruz de Ignacio de la Llave

Muestreo aleatorio sistematizado

Pimero una muestra aleatoria sistematizada a partir de una pobación de 100, generar una muestra que inicie en 5 con saltos de 7 en 7 a partir de datos
Segundo una muestra que inicie en 37 de 60 en 60 de 10000 registros de la población datos
Se muestran los primeros 10 y últimos 10

set.seed(2020)

# Primero
muestra <- seq(from = 5, to = 100, by = 7)
muestra

##  [1]  5 12 19 26 33 40 47 54 61 68 75 82 89 96

muestra.Simple <- datos[muestra, ]
muestra.Simple

##     X         nombre   paterno    materno genero edad
## 5   5  PEDRO ROBERTO ARELLANES    GURRION      M   31
## 12 12        QUINTIN   VICARIO    CANSECO      M   58
## 19 19        RUBICEL     CALAM  GOYCOCHEA      M   43
## 26 26  JESUS ARNULFO   ELGUERA VILLADOBLE      M   46
## 33 33     JESUS MANU   DE ANDA      TAMAY      M   46
## 40 40 SERGIO EDUARDO    CATANO     LLANOS      M   57
## 47 47   JOSE BARTOLO   PENILLA        COY      M   18
## 54 54   LUIS ENRIQUE FLORENCIA   PERFECTO      M   54
## 61 61 ANTONIO CARLOS   CEBRIAN DEL CARMEN      M   47
## 68 68        ISIDORO  QUIRARTE     ARRUEL      M   49
## 75 75 DAVID SALVADOR  HELGUERA    ATRISCO      M   48
## 82 82     EDGAR JOEL    DE PAZ  FRANYUTTI      M   37
## 89 89      DESIDERIO BARTOLOME AZPILCUETA      M   41
## 96 96         J. LUZ     BERRA    CERECER      M   50
##                            entidad
## 5                           Colima
## 12                 San Luis Potosí
## 19 Veracruz de Ignacio de la Llave
## 26                       Querétaro
## 33             Baja California Sur
## 40             Michoacán de Ocampo
## 47                 Baja California
## 54                       Zacatecas
## 61                       Chihuahua
## 68            Coahuila de Zaragoza
## 75                         Nayarit
## 82                         Chiapas
## 89                        Campeche
## 96                         Yucatán

# Segundo
muestra <- seq(from = 37, to = N, by = 60)
# Ya no visualizamos muestra, son muchos ... ...


poblacion <- datos # Sinónimo

muestra.Sistematizada <- datos[muestra, ] # [Filas, Columas]

# Mostramos los primeros y los últimos registros
kable(head(muestra.Sistematizada,10))

	X	nombre	paterno	materno	genero	edad	entidad
37	37	RAUL ROBERTO	TIERRA	RAMÍREZ	M	51	Colima
97	97	ANICETO	AZNAR	GERONIMO	M	29	Sonora
157	157	MARIO GILBERTO	MONTES DE OCA	SOUZA	M	45	Nuevo León
217	217	CARLOS MIGUEL	NOVELO	AVENDAÏ¿½O	M	38	Tlaxcala
277	277	MARCOS JOSE	CITAL	LLERENA	M	33	Chiapas
337	337	ISRAEL	PASILLAS	PE!ALOZA	M	49	Puebla
397	397	FRANCISCO AARON	TEXIS	LAZALDE	M	41	Chihuahua
457	457	GUSTAVO DE JESUS	PAREDEZ	MIGUELES	M	31	Baja California Sur
517	517	HAMLET	TEXIS	DE ELIGIO	M	52	Aguascalientes
577	577	JOSE FRANCISCO	ZI	LESCIEUR	M	32	Oaxaca

kable(tail(muestra.Sistematizada,10))

	X	nombre	paterno	materno	genero	edad	entidad
9457	9457	MARTA OLIVIA	GERVASIO	CAYETANO	F	25	Guanajuato
9517	9517	IRASEMA	AGAPITO	RONDERO	F	18	Aguascalientes
9577	9577	BENIGNA	VITALES	BON	F	38	Tlaxcala
9637	9637	ROSA LILA	HUIPE	SUSUNAGA	F	39	Yucatán
9697	9697	LUCIA MARIBEL	TUZ	GUITRON	F	50	Chihuahua
9757	9757	REYNA DEL CARMEN	VALENCIANA	ALCAUTER	F	25	Quintana Roo
9817	9817	PALOMA	SANZON	PALEMONTE	F	32	Veracruz de Ignacio de la Llave
9877	9877	LAURA DANIELA	BALMES	BREÑA	F	54	Baja California
9937	9937	CLAUDIA IBET	MUÐOZ	ARAGONEZ	F	29	Veracruz de Ignacio de la Llave
9997	9997	EUDELIA	SANDRA	ALTUZAR	F	43	Chiapas

Muestreo Aleatorio Estratificado

Estratos = Entidades
Determinar que % hay de cada entidad en datos
Ya se conocen, en el anterior bloque, las frecuencias por medio de la funcion summary()

tabla.frecuencias <- data.frame(fdt_cat(x = datos$entidad))
tabla.frecuencias  # Sin ordenar por entidad, pero están ordendas por frecuencia f

##                           Category   f     rf rf...    cf  cf...
## 1                           Sonora 342 0.0342  3.42   342   3.42
## 2                           México 333 0.0333  3.33   675   6.75
## 3                     Quintana Roo 333 0.0333  3.33  1008  10.08
## 4                          Chiapas 332 0.0332  3.32  1340  13.40
## 5                  Baja California 331 0.0331  3.31  1671  16.71
## 6                          Jalisco 330 0.0330  3.30  2001  20.01
## 7                 Ciudad de México 328 0.0328  3.28  2329  23.29
## 8              Baja California Sur 327 0.0327  3.27  2656  26.56
## 9                        Zacatecas 326 0.0326  3.26  2982  29.82
## 10                      Nuevo León 325 0.0325  3.25  3307  33.07
## 11                         Sinaloa 325 0.0325  3.25  3632  36.32
## 12                          Oaxaca 323 0.0323  3.23  3955  39.55
## 13                      Guanajuato 319 0.0319  3.19  4274  42.74
## 14                       Querétaro 319 0.0319  3.19  4593  45.93
## 15                         Durango 318 0.0318  3.18  4911  49.11
## 16                        Campeche 317 0.0317  3.17  5228  52.28
## 17                       Chihuahua 314 0.0314  3.14  5542  55.42
## 18                      Tamaulipas 312 0.0312  3.12  5854  58.54
## 19                  Aguascalientes 311 0.0311  3.11  6165  61.65
## 20                         Morelos 311 0.0311  3.11  6476  64.76
## 21                        Tlaxcala 307 0.0307  3.07  6783  67.83
## 22                         Hidalgo 306 0.0306  3.06  7089  70.89
## 23            Coahuila de Zaragoza 303 0.0303  3.03  7392  73.92
## 24                        Guerrero 303 0.0303  3.03  7695  76.95
## 25             Michoacán de Ocampo 300 0.0300  3.00  7995  79.95
## 26                         Nayarit 299 0.0299  2.99  8294  82.94
## 27                         Yucatán 295 0.0295  2.95  8589  85.89
## 28                          Puebla 292 0.0292  2.92  8881  88.81
## 29                          Colima 290 0.0290  2.90  9171  91.71
## 30                 San Luis Potosí 282 0.0282  2.82  9453  94.53
## 31 Veracruz de Ignacio de la Llave 281 0.0281  2.81  9734  97.34
## 32                         Tabasco 266 0.0266  2.66 10000 100.00

colnames(tabla.frecuencias)  <- c("categoria", "frec", "frec.rel", "frec.porc", "frec.acum", "frec.rel.acum") # Los nombres de las columnas

tabla.frecuencias # Ya están ordenadas por categoria, es decir por entidad

##                          categoria frec frec.rel frec.porc frec.acum
## 1                           Sonora  342   0.0342      3.42       342
## 2                           México  333   0.0333      3.33       675
## 3                     Quintana Roo  333   0.0333      3.33      1008
## 4                          Chiapas  332   0.0332      3.32      1340
## 5                  Baja California  331   0.0331      3.31      1671
## 6                          Jalisco  330   0.0330      3.30      2001
## 7                 Ciudad de México  328   0.0328      3.28      2329
## 8              Baja California Sur  327   0.0327      3.27      2656
## 9                        Zacatecas  326   0.0326      3.26      2982
## 10                      Nuevo León  325   0.0325      3.25      3307
## 11                         Sinaloa  325   0.0325      3.25      3632
## 12                          Oaxaca  323   0.0323      3.23      3955
## 13                      Guanajuato  319   0.0319      3.19      4274
## 14                       Querétaro  319   0.0319      3.19      4593
## 15                         Durango  318   0.0318      3.18      4911
## 16                        Campeche  317   0.0317      3.17      5228
## 17                       Chihuahua  314   0.0314      3.14      5542
## 18                      Tamaulipas  312   0.0312      3.12      5854
## 19                  Aguascalientes  311   0.0311      3.11      6165
## 20                         Morelos  311   0.0311      3.11      6476
## 21                        Tlaxcala  307   0.0307      3.07      6783
## 22                         Hidalgo  306   0.0306      3.06      7089
## 23            Coahuila de Zaragoza  303   0.0303      3.03      7392
## 24                        Guerrero  303   0.0303      3.03      7695
## 25             Michoacán de Ocampo  300   0.0300      3.00      7995
## 26                         Nayarit  299   0.0299      2.99      8294
## 27                         Yucatán  295   0.0295      2.95      8589
## 28                          Puebla  292   0.0292      2.92      8881
## 29                          Colima  290   0.0290      2.90      9171
## 30                 San Luis Potosí  282   0.0282      2.82      9453
## 31 Veracruz de Ignacio de la Llave  281   0.0281      2.81      9734
## 32                         Tabasco  266   0.0266      2.66     10000
##    frec.rel.acum
## 1           3.42
## 2           6.75
## 3          10.08
## 4          13.40
## 5          16.71
## 6          20.01
## 7          23.29
## 8          26.56
## 9          29.82
## 10         33.07
## 11         36.32
## 12         39.55
## 13         42.74
## 14         45.93
## 15         49.11
## 16         52.28
## 17         55.42
## 18         58.54
## 19         61.65
## 20         64.76
## 21         67.83
## 22         70.89
## 23         73.92
## 24         76.95
## 25         79.95
## 26         82.94
## 27         85.89
## 28         88.81
## 29         91.71
## 30         94.53
## 31         97.34
## 32        100.00

La variable entidad es el estrato para determinar la muestra
En el valor de la variable tabla.frecuencias$frec.rel y frec.rel.porc, están los porcentajes específicos que le corresponden a cada estrato para determinar la muestra conforme CADA ENTIDAD
categoria frec frec.rel frec.porc
Aguascalientes 323 0.0323 3.23 …
Baja California 295 0.0295 2.95 …
Baja California Sur 327 0.0327 3.27 …
…
…
Durango 332 0.0332 3.32
…
…
Veracruz de … 311 0.0311 3.11
Yucatán 306 0.0306 3.06
Zacatecas 323 0.0323 3.23

Ordenar los datos

Ordenar los datos por estrato, es decir por entidades

Se utiliza la función arrange() de la librería dplyr previamente cargada.

datosOrdenados <- datos %>%
    arrange(entidad)

kable(head(datosOrdenados))

X	nombre	paterno	materno	genero	edad	entidad
3	J. MATILDE	ZAMORANO	MADUEÑO	M	28	Aguascalientes
91	JOEL ARTURO	CHIRINOS	BILBAO	M	30	Aguascalientes
109	GERARDO ALEJANDRO	COPALCUA	SEYNOS	M	54	Aguascalientes
127	JOSE ALFRED	ARROCENA	CAO	M	28	Aguascalientes
169	ERWIN	BAZALDUA	VALLADOLID	M	47	Aguascalientes
197	GUZMAN	FUERTE	BA!UELOS	M	28	Aguascalientes

kable(tail(datosOrdenados))

	X	nombre	paterno	materno	genero	edad	entidad
9995	9855	FLORA MARIA	MINO	CORCHADO	F	49	Zacatecas
9996	9863	DIANA VIANEY	DURANTE	ONOFRE	F	58	Zacatecas
9997	9898	BRENDA LIZZETH	PALAFOX	DEHARA	F	41	Zacatecas
9998	9930	ANA BERTHA	HOYOS	RUBALCABA	F	60	Zacatecas
9999	9938	EVA LILIANA	RODRIGO	FERTO	F	60	Zacatecas
10000	9993	LISSETT	AYIL	IBAÑEZ	F	29	Zacatecas

Determinar una muestra de 10 para tres estratos

Aguascalientes, Baja California y Durango
Se determina una población de cada Estrato: Aguascalientes, Baja California y Durango
Se sacan una muestra de 10 para cada estrato
Se genera la muestra de cada estrato
Se une con rbind() para conformar el muestreo estratificado

# Aguascalientes
Pob.Aguascalientes <- filter(datos, entidad == "Aguascalientes")

N <- nrow(Pob.Aguascalientes)
N

## [1] 311

n <- 10

muestraAguas <- sample(1:N, n, replace = FALSE)
muestraAguas

##  [1] 236  87  22 216 273 164 170 198 109  56

muestreo.Estrati.Agu <- Pob.Aguascalientes[muestraAguas, ]  # solo son de Agauscalientes
muestreo.Estrati.Agu

##        X              nombre  paterno    materno genero edad        entidad
## 236 7322 VERONICA DEL CARMEN   MUGICA    VALSECA      F   55 Aguascalientes
## 87  3107     FRANCISCO JAIME    RGUEZ NAHUATLATO      M   40 Aguascalientes
## 22   671      DAVID SALVADOR RONDEROS    DESALES      M   43 Aguascalientes
## 216 6856        ALMA SOCORRO     MINA   ROMUALDO      F   40 Aguascalientes
## 273 8474      DULCE PATRICIA  SALASAR    LLOVERA      F   32 Aguascalientes
## 164 5379        GLORIA EDITH     PUON    COLUNGA      F   44 Aguascalientes
## 170 5478       BLANCA KARINA SALMERON   DESIRENA      F   52 Aguascalientes
## 198 6481       JUANA IGNACIA  PIÑEIRO       UITZ      F   29 Aguascalientes
## 109 3844      ANTONIO JAVIER      BOA      GUDIN      M   46 Aguascalientes
## 56  2129         JOSE FRANCI   CANTUA MELQUIADES      M   45 Aguascalientes

# Baja California
Pob.BajaCalifornia <-  filter(datos, entidad == "Baja California")

N <- nrow(Pob.BajaCalifornia)
N

## [1] 331

muestraBC <- sample(1:N, 10, replace = FALSE)
muestraBC

##  [1] 200  42  29  98 322  93 120 232  78 206

muestreo.Estrati.BC <- Pob.BajaCalifornia[muestraBC, ]  # solo son de BC
muestreo.Estrati.BC

##        X            nombre      paterno   materno genero edad         entidad
## 200 6218    MINERVA ALICIA        TEXIS TOSCUENTO      F   55 Baja California
## 42  1202   JESUS FRANCISCO      PRIMERO   ALCIVAR      M   28 Baja California
## 29   859     RAUL SANTIAGO     GORGONIO         H      M   25 Baja California
## 98  2830    MARTIN ALFREDO DEL CASTILLO    CARMEN      M   26 Baja California
## 322 9669 BLANCA DEL CARMEN MARINELARENA  INTERIAN      F   27 Baja California
## 93  2588             PABLO      ZENTENO  CALTENCO      M   51 Baja California
## 120 3299     ANDRES MARTIN      SALDA#A  DEL OLMO      M   51 Baja California
## 232 7015        ROSA DALIA        LACES  ELIZALDE      F   41 Baja California
## 78  2082   JOSUE FRANCISCO       PALAPA SARRACINO      M   44 Baja California
## 206 6343     VICTOR MANUEL       CASTOR    NEBUAY      F   43 Baja California

# Durango
Pob.Durango <-  filter(datos, entidad == "Durango")

N <- nrow(Pob.Durango)
N

## [1] 318

muestraDgo <- sample(1:N, 10, replace = FALSE)
muestraDgo

##  [1]  76 176 175  78   7 212 274 213  52 300

muestreo.Estrati.Dgo <- Pob.Durango[muestraDgo, ]  # solo son de Dgo
muestreo.Estrati.Dgo

##        X              nombre  paterno  materno genero edad entidad
## 76  2417        JUAN GUSTAVO   DIRCIO  MODESTO      M   60 Durango
## 176 5615 MARTINA DEL SOCORRO    MINOR     YERA      F   18 Durango
## 175 5602      CARMEN CECILIA  IRABIEN VICTORIA      F   24 Durango
## 78  2507        OSCAR VICTOR  VELUETA VIGUERIA      M   25 Durango
## 7    188             ANCELMO MAYCOTTE   AGUEDA      M   20 Durango
## 212 6887        MARIA OTILIA     MADA  BRETADO      F   31 Durango
## 274 8494         JULIA ELENA  TAFOLLA   TEJERO      F   45 Durango
## 213 6926           CLEMENCIA  CINTORA VICENCIO      F   42 Durango
## 52  1480      VICTOR AURELIO  VIZUETH  AQUILES      M   55 Durango
## 300 9505     LAURA ALEJANDRA        A TLATILPA      F   42 Durango

# Unir las tres muestras en una sola con rbind()

muestraEstratificada <- rbind(muestreo.Estrati.Agu, muestreo.Estrati.BC, muestreo.Estrati.Dgo)

muestraEstratificada # Son 10 + 10 + 10 = 30 registros;10 de cada estrato

##        X              nombre      paterno    materno genero edad
## 236 7322 VERONICA DEL CARMEN       MUGICA    VALSECA      F   55
## 87  3107     FRANCISCO JAIME        RGUEZ NAHUATLATO      M   40
## 22   671      DAVID SALVADOR     RONDEROS    DESALES      M   43
## 216 6856        ALMA SOCORRO         MINA   ROMUALDO      F   40
## 273 8474      DULCE PATRICIA      SALASAR    LLOVERA      F   32
## 164 5379        GLORIA EDITH         PUON    COLUNGA      F   44
## 170 5478       BLANCA KARINA     SALMERON   DESIRENA      F   52
## 198 6481       JUANA IGNACIA      PIÑEIRO       UITZ      F   29
## 109 3844      ANTONIO JAVIER          BOA      GUDIN      M   46
## 56  2129         JOSE FRANCI       CANTUA MELQUIADES      M   45
## 200 6218      MINERVA ALICIA        TEXIS  TOSCUENTO      F   55
## 42  1202     JESUS FRANCISCO      PRIMERO    ALCIVAR      M   28
## 29   859       RAUL SANTIAGO     GORGONIO          H      M   25
## 98  2830      MARTIN ALFREDO DEL CASTILLO     CARMEN      M   26
## 322 9669   BLANCA DEL CARMEN MARINELARENA   INTERIAN      F   27
## 93  2588               PABLO      ZENTENO   CALTENCO      M   51
## 120 3299       ANDRES MARTIN      SALDA#A   DEL OLMO      M   51
## 232 7015          ROSA DALIA        LACES   ELIZALDE      F   41
## 78  2082     JOSUE FRANCISCO       PALAPA  SARRACINO      M   44
## 206 6343       VICTOR MANUEL       CASTOR     NEBUAY      F   43
## 76  2417        JUAN GUSTAVO       DIRCIO    MODESTO      M   60
## 176 5615 MARTINA DEL SOCORRO        MINOR       YERA      F   18
## 175 5602      CARMEN CECILIA      IRABIEN   VICTORIA      F   24
## 781 2507        OSCAR VICTOR      VELUETA   VIGUERIA      M   25
## 7    188             ANCELMO     MAYCOTTE     AGUEDA      M   20
## 212 6887        MARIA OTILIA         MADA    BRETADO      F   31
## 274 8494         JULIA ELENA      TAFOLLA     TEJERO      F   45
## 213 6926           CLEMENCIA      CINTORA   VICENCIO      F   42
## 52  1480      VICTOR AURELIO      VIZUETH    AQUILES      M   55
## 300 9505     LAURA ALEJANDRA            A   TLATILPA      F   42
##             entidad
## 236  Aguascalientes
## 87   Aguascalientes
## 22   Aguascalientes
## 216  Aguascalientes
## 273  Aguascalientes
## 164  Aguascalientes
## 170  Aguascalientes
## 198  Aguascalientes
## 109  Aguascalientes
## 56   Aguascalientes
## 200 Baja California
## 42  Baja California
## 29  Baja California
## 98  Baja California
## 322 Baja California
## 93  Baja California
## 120 Baja California
## 232 Baja California
## 78  Baja California
## 206 Baja California
## 76          Durango
## 176         Durango
## 175         Durango
## 781         Durango
## 7           Durango
## 212         Durango
## 274         Durango
## 213         Durango
## 52          Durango
## 300         Durango

Determinar una muestra de 625 para tres estratos DE ACUERDO A SU REPRESENTATIVIDAD en los datos de toda la Población

Aguascalientes, Baja California y Durango
Se determina una población de cada Estrato: Aguascalientes, Baja California y Durango
Se sacan una muestra de 625 para cada estrato multiplicado por su REPRESENTATIVIDAD DEL TOTAL DE LA POBLACIÓN
categori frec frec.rel frec.porc
Aguascalientes 323 0.0323 3.23 …
Baja California 295 0.0295 2.95 …
Durango 332 0.0332 3.32
Se genera la muestra DE CADA ESTRATO
Se une con rbind() para conformar el muestreo estratificado

# Aguascalientes
Pob.Aguascalientes <- filter(datos, entidad == "Aguascalientes")

N <- nrow(Pob.Aguascalientes)
N     # Tamaño de cada subploblación

## [1] 311

n <- 625 # Tamaño de la muestra

muestraAguas <- sample(1:N, ceiling(625 * 0.0323), replace = FALSE)
muestraAguas

##  [1] 123  82 138  70 111  43 288 141 256  95  77 129 166 259 285  25 171 217 107
## [20] 102 152

# Baja California
Pob.BajaCalifornia <-  filter(datos, entidad == "Baja California")

N <- nrow(Pob.BajaCalifornia)
N

## [1] 331

muestraBC <- sample(1:N, ceiling(n * 0.0295), replace = FALSE)
muestraBC

##  [1]  50 263 136 213  13 197 118 324 254  23  68 244 210  42   1 214  31  60  16

muestreo.Estrati.BC <- Pob.BajaCalifornia[muestraBC, ]  # solo son de BC
muestreo.Estrati.BC

##        X          nombre    paterno     materno genero edad         entidad
## 50  1341   JUAN HUMBERTO ESCARPULLI     ABUNDEZ      M   18 Baja California
## 263 8104    MARIA DEL RO      BAXIN      URESTI      F   47 Baja California
## 136 3814     LUIS ANTONI       ALTO XOCHITIOTZI      M   26 Baja California
## 213 6574       HORTENSIA    ZENTENO     CHOLULA      F   49 Baja California
## 13   401    MARTIN OSCAR CALTZONTZI   ANCHEVIDA      M   57 Baja California
## 197 6033   LUZ GUADALUPE  TISCAREÑO     CAUDANA      F   54 Baja California
## 118 3247      JOSE HIRAM VILLALOBOS   MANDUJANO      M   56 Baja California
## 324 9819  MIRIAM FABIOLA       HOIL     YAÏ¿½EZ      F   56 Baja California
## 254 7806         MARIA S      PINON   SOBERANIS      F   38 Baja California
## 23   770   JUAN VALENTIN       ROEL   BOLAÏ¿½OS      M   43 Baja California
## 68  1781    MANUEL DE JE       SEIS      CECEÑA      M   47 Baja California
## 244 7531         TEODORA    DAVALOS      DEANDA      F   35 Baja California
## 210 6464   DULCE SOLEDAD      IROLA        ITZA      F   37 Baja California
## 42  1202 JESUS FRANCISCO    PRIMERO     ALCIVAR      M   28 Baja California
## 1      9    CRUZ ARMANDO     TIZATL     AHUMADA      M   52 Baja California
## 214 6575  MARIA ALMENDRA     DIRCIO   XOCHICALE      F   45 Baja California
## 31   936   JULIO ENRIQUE      PANDO    ESCAREÑO      M   47 Baja California
## 60  1591        BLADIMIR      BAXIN         MEX      M   28 Baja California
## 16   533             EDU      OLIVE  SANTARROSA      M   26 Baja California

# Durango
Pob.Durango <-  filter(datos, entidad == "Durango")

N <- nrow(Pob.Durango)
N

## [1] 318

muestraDgo <- sample(1:N, ceiling(n * 0.0332), replace = FALSE)
muestraDgo

##  [1] 216 311  26  90 284 296 271 300 178 205  48  20 270 141 209  94 109 103 297
## [20]  40 283

muestreo.Estrati.Dgo <- Pob.Durango[muestraDgo, ]  # solo son de Dgo
muestreo.Estrati.Dgo

##        X            nombre    paterno     materno genero edad entidad
## 216 7145       ANA BEATRIZ      REYEZ ESCOPINICHI      F   20 Durango
## 311 9801       ELBA ESTHER      RETES    CHAGOLLA      F   32 Durango
## 26   586              SEIN         IX      CARLIN      M   20 Durango
## 90  2927 ALEJANDRO ENRIQUE TECOCOATZI    CISNEROS      M   43 Durango
## 284 9014             MAVEL  GERTRUDES     NICANOR      F   36 Durango
## 296 9366           LEONILA    ARZALUZ     ZOLOETA      F   33 Durango
## 271 8429           GRETHEL    CALLEJO      FORNES      F   18 Durango
## 300 9505   LAURA ALEJANDRA          A    TLATILPA      F   42 Durango
## 178 5655        OLGA LIVIA      RILEY     QUIJANO      F   52 Durango
## 205 6503           LIZZETE  MONCIVAIS  CHIRIVISTA      F   19 Durango
## 48  1352           MARCELO      EVANS      RETANO      M   44 Durango
## 20   466            HERVEY     CATAÑO       REGIN      M   48 Durango
## 270 8426            JEMIMA    BETANZO      ALMADA      F   45 Durango
## 141 4615             CELIN   REYNALDO     MONARCA      M   38 Durango
## 209 6634      BRENDA SUJEY      CELIZ  ESCARRAMAN      F   55 Durango
## 94  3010     JESUS HORACIO     ELGUEA   NANGULARI      M   58 Durango
## 109 3333      IVAN ANTONIO     MANILA       KUMAN      M   60 Durango
## 103 3227   ANTONIO ERNESTO     CERDAN    JARALEÑO      M   47 Durango
## 297 9404      BLANCA SONIA    MACUITL   FLORENCIA      F   21 Durango
## 40  1153      SERGIO JESUS     NUNCIO    ESTOPIER      M   44 Durango
## 283 9011            YADIRA   CONSUELO     BRICEÑO      F   41 Durango

# Unir las tres muestras en una sola con rbind()

muestraEstratificada <- rbind(muestreo.Estrati.Agu, muestreo.Estrati.BC, muestreo.Estrati.Dgo)

muestraEstratificada # Son ¿ cuántos registros? .

##         X              nombre    paterno     materno genero edad
## 236  7322 VERONICA DEL CARMEN     MUGICA     VALSECA      F   55
## 87   3107     FRANCISCO JAIME      RGUEZ  NAHUATLATO      M   40
## 22    671      DAVID SALVADOR   RONDEROS     DESALES      M   43
## 216  6856        ALMA SOCORRO       MINA    ROMUALDO      F   40
## 273  8474      DULCE PATRICIA    SALASAR     LLOVERA      F   32
## 164  5379        GLORIA EDITH       PUON     COLUNGA      F   44
## 170  5478       BLANCA KARINA   SALMERON    DESIRENA      F   52
## 198  6481       JUANA IGNACIA    PIÑEIRO        UITZ      F   29
## 109  3844      ANTONIO JAVIER        BOA       GUDIN      M   46
## 56   2129         JOSE FRANCI     CANTUA  MELQUIADES      M   45
## 50   1341       JUAN HUMBERTO ESCARPULLI     ABUNDEZ      M   18
## 263  8104        MARIA DEL RO      BAXIN      URESTI      F   47
## 136  3814         LUIS ANTONI       ALTO XOCHITIOTZI      M   26
## 213  6574           HORTENSIA    ZENTENO     CHOLULA      F   49
## 13    401        MARTIN OSCAR CALTZONTZI   ANCHEVIDA      M   57
## 197  6033       LUZ GUADALUPE  TISCAREÑO     CAUDANA      F   54
## 118  3247          JOSE HIRAM VILLALOBOS   MANDUJANO      M   56
## 324  9819      MIRIAM FABIOLA       HOIL     YAÏ¿½EZ      F   56
## 254  7806             MARIA S      PINON   SOBERANIS      F   38
## 23    770       JUAN VALENTIN       ROEL   BOLAÏ¿½OS      M   43
## 68   1781        MANUEL DE JE       SEIS      CECEÑA      M   47
## 244  7531             TEODORA    DAVALOS      DEANDA      F   35
## 210  6464       DULCE SOLEDAD      IROLA        ITZA      F   37
## 42   1202     JESUS FRANCISCO    PRIMERO     ALCIVAR      M   28
## 1       9        CRUZ ARMANDO     TIZATL     AHUMADA      M   52
## 214  6575      MARIA ALMENDRA     DIRCIO   XOCHICALE      F   45
## 31    936       JULIO ENRIQUE      PANDO    ESCAREÑO      M   47
## 60   1591            BLADIMIR      BAXIN         MEX      M   28
## 16    533                 EDU      OLIVE  SANTARROSA      M   26
## 2161 7145         ANA BEATRIZ      REYEZ ESCOPINICHI      F   20
## 311  9801         ELBA ESTHER      RETES    CHAGOLLA      F   32
## 26    586                SEIN         IX      CARLIN      M   20
## 90   2927   ALEJANDRO ENRIQUE TECOCOATZI    CISNEROS      M   43
## 284  9014               MAVEL  GERTRUDES     NICANOR      F   36
## 296  9366             LEONILA    ARZALUZ     ZOLOETA      F   33
## 271  8429             GRETHEL    CALLEJO      FORNES      F   18
## 300  9505     LAURA ALEJANDRA          A    TLATILPA      F   42
## 178  5655          OLGA LIVIA      RILEY     QUIJANO      F   52
## 205  6503             LIZZETE  MONCIVAIS  CHIRIVISTA      F   19
## 48   1352             MARCELO      EVANS      RETANO      M   44
## 20    466              HERVEY     CATAÑO       REGIN      M   48
## 270  8426              JEMIMA    BETANZO      ALMADA      F   45
## 141  4615               CELIN   REYNALDO     MONARCA      M   38
## 209  6634        BRENDA SUJEY      CELIZ  ESCARRAMAN      F   55
## 94   3010       JESUS HORACIO     ELGUEA   NANGULARI      M   58
## 1091 3333        IVAN ANTONIO     MANILA       KUMAN      M   60
## 103  3227     ANTONIO ERNESTO     CERDAN    JARALEÑO      M   47
## 297  9404        BLANCA SONIA    MACUITL   FLORENCIA      F   21
## 40   1153        SERGIO JESUS     NUNCIO    ESTOPIER      M   44
## 283  9011              YADIRA   CONSUELO     BRICEÑO      F   41
##              entidad
## 236   Aguascalientes
## 87    Aguascalientes
## 22    Aguascalientes
## 216   Aguascalientes
## 273   Aguascalientes
## 164   Aguascalientes
## 170   Aguascalientes
## 198   Aguascalientes
## 109   Aguascalientes
## 56    Aguascalientes
## 50   Baja California
## 263  Baja California
## 136  Baja California
## 213  Baja California
## 13   Baja California
## 197  Baja California
## 118  Baja California
## 324  Baja California
## 254  Baja California
## 23   Baja California
## 68   Baja California
## 244  Baja California
## 210  Baja California
## 42   Baja California
## 1    Baja California
## 214  Baja California
## 31   Baja California
## 60   Baja California
## 16   Baja California
## 2161         Durango
## 311          Durango
## 26           Durango
## 90           Durango
## 284          Durango
## 296          Durango
## 271          Durango
## 300          Durango
## 178          Durango
## 205          Durango
## 48           Durango
## 20           Durango
## 270          Durango
## 141          Durango
## 209          Durango
## 94           Durango
## 1091         Durango
## 103          Durango
## 297          Durango
## 40           Durango
## 283          Durango

summary(muestraEstratificada)

##        X           nombre            paterno            materno         
##  Min.   :   9   Length:50          Length:50          Length:50         
##  1st Qu.:1638   Class :character   Class :character   Class :character  
##  Median :5428   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :4877                                                           
##  3rd Qu.:7479                                                           
##  Max.   :9819                                                           
##     genero               edad         entidad         
##  Length:50          Min.   :18.00   Length:50         
##  Class :character   1st Qu.:32.25   Class :character  
##  Mode  :character   Median :43.00   Mode  :character  
##                     Mean   :40.62                     
##                     3rd Qu.:47.75                     
##                     Max.   :60.00

Tipos muestreos de personas

Manuel Dominguez

9/5/2020

Las librerias

Cargar datos

Estadisticos descriptivos

Valor N cantidad de registros de la pobación

Muestreo aleatorio simple

Muestreo aleatorio sistematizado

Muestreo Aleatorio Estratificado

Ordenar los datos

Determinar una muestra de 10 para tres estratos

Determinar una muestra de 625 para tres estratos DE ACUERDO A SU REPRESENTATIVIDAD en los datos de toda la Población