U2A8

Ismael lopez barra

02/12/2020

U2A8 MUESTREO
- Muestreo Aleatorio Simple (M.A.S.)
- muestreo ponderado (pesos)
Muestreo de datos demográficos

library(prettydoc)

U2A8 MUESTREO

Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzarían si se realizase un estudio de toda la población. En las investigaciones llevadas por empresarios y de la medicina se usa muestreo extensivamente en recoger información sobre poblaciones.

Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la población sino estimar también los márgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero sí podemos actuar de manera que esta condición se alcance con una probabilidad alta.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población, se puede extraer dos o más muestras de la misma población. Al conjunto de muestras que se pueden obtener de la población se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extracción, sigue la llamada distribución muestral.

Muestreo Aleatorio Simple (M.A.S.)

-> Para esto vamos a usar datos de crímenes de reino unido

Student’s 3000 Criminals Data Data of 3000 male criminals over 20 years old undergoing their sentences in the chief prisons of England and Wales.

Conocer las dimensiones de los datos a usar:

crime <- data.frame(crimtab)
dim(crime)

## [1] 924   3

Se seleccionaran 30 elementos al azar

set.seed(1)
n <- 100
muestramia <- sample(1:nrow(crime), size=n,replace = FALSE )
muestramia

##   [1] 836 679 129 509 471 299 270 187 307 597 277 874 494 330 775 841 591 725
##  [19]  37 105 729 878 485 677 802 913 382 601 801 852 326 911 554 422 111 404
##  [37] 532 506 556 343 582 121  40 684 537 375 248 198 378  39 435 810 390 280
##  [55] 672 526 642  45 402  22 718 742 193 371 499 104 894 767 492 838 616 615
##  [73] 843 465 525 808 904 176 345 791 110  84  29 141 252 733 620 304 545 557
##  [91] 661 287 614 145 329 487 630 498 816 619

Asignar los elementos de la muestra al marco de datos

crimemuestramia <- crime[muestramia,]
head(crimemuestramia)

##     Var1   Var2 Freq
## 836 13.1  190.5    0
## 679   10 182.88    0
## 129  9.6 149.86    0
## 509  9.8 172.72    0
## 471 10.2 170.18    0
## 299  9.8 160.02    0

Ahora usamos tidyverse dplyr

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

set.seed(1)
crimemuestramia2 <- crime %>%
  sample_n(size=n, replace=FALSE)
head(crimemuestramia2)

##   Var1   Var2 Freq
## 1 13.1  190.5    0
## 2   10 182.88    0
## 3  9.6 149.86    0
## 4  9.8 172.72    0
## 5 10.2 170.18    0
## 6  9.8 160.02    0

muestreo ponderado (pesos)

Con frecuencia

crimemuestramia3 <- crime %>% #pipe 
  sample_n(size=n, weight=Freq)
head(crimemuestramia3)

##   Var1   Var2 Freq
## 1 11.3 167.64   26
## 2 12.2 170.18   17
## 3 10.1 154.94    1
## 4 11.3 160.02   24
## 5 11.1  165.1   26
## 6 11.3  165.1   39

Con fracción (ponderación)

crimd <- data.frame(crimtab)
n <- 50
crimen <- sample(1:nrow(crimd), size = n, replace = FALSE)
crimen

##  [1]  40 777 818 604 634 664 138 719 500 761 672 229 423 421 140 126 526 508 628
## [20]  16 271 130 577 512 451 504 457 358 785 724 127 645  41 876 885 840 548 305
## [39] 809 413 576 129 309 895 874 441 856 117 882 470

Extracción (subconjunto)

crimemuestramia <- crime[muestramia,]
head(crimemuestramia)

##     Var1   Var2 Freq
## 836 13.1  190.5    0
## 679   10 182.88    0
## 129  9.6 149.86    0
## 509  9.8 172.72    0
## 471 10.2 170.18    0
## 299  9.8 160.02    0

Uso de la fración

library(dplyr)
crimpeso <- crimd %>%
  sample_frac(0.04)
head(crimpeso); dim(crimpeso)

##   Var1   Var2 Freq
## 1 11.9  177.8    9
## 2 10.9 175.26    0
## 3 13.5 160.02    0
## 4 13.5 187.96    0
## 5 10.3 187.96    0
## 6 10.6 162.56    6

## [1] 37  3

Muestreo de datos demográficos

Población por estado en México en el año 2010

*Leer datos y asignar carpeta de trabajo

setwd("~/1 EA1011/unidad II")
library(readr)
demografiamx <-read.csv("demografiapestado.csv")

Primeros datos

head(demografiamx)

##                Estado   Poblacion
## 1      Aguascalientes  1,184,924 
## 2     Baja California  3,154,174 
## 3 Baja California Sur    637,065 
## 4            Campeche    822,001 
## 5            Coahuila  2,748,366 
## 6              Colima    650,129

Dimensiones de datos

Estado <- demografiamx$Estado
Poblacion <- demografiamx$Poblacion
dfc <- data.frame(Estado,Poblacion)

dim(dfc)

## [1] 32  2

—-> 3 filas y 2 columnas (población para c/estado)

Muestreo simple aleatorio

Seleccionamos la población de 8 estados en total de manera aleatoria:

set.seed(1)
n <- 8
muestrap <- sample(Poblacion, size=n,replace = FALSE )
muestrap

## [1]  2,767,552   822,001     4,793,406   1,184,924   3,154,174   1,324,257 
## [7]  5,485,971   7,350,355 
## 32 Levels:  1,084,957   1,169,825   1,184,924   1,324,257  ...  822,001

Marco de datos para la muestra

poblamd <- dfc[muestrap,]
head(poblamd)

##                 Estado   Poblacion
## 16           Michoacán  4,348,485 
## 32           Zacatecas  1,490,550 
## 24     San Luis Potosí  2,585,942 
## 3  Baja California Sur    637,065 
## 17             Morelos  1,776,727 
## 4             Campeche    822,001

Usando tydiverse dplyr (no remplazo en la amuestra)

library(dplyr)
set.seed(1)
poblamx <- dfc %>%
  sample_n(size=n, replace=FALSE)
head(poblamx)

##            Estado   Poblacion
## 1         Sinaloa  2,767,552 
## 2        Campeche    822,001 
## 3         Chiapas  4,793,406 
## 4  Aguascalientes  1,184,924 
## 5 Baja California  3,154,174 
## 6    Quintana Roo  1,324,257

Muestreo de tipo ponderado

poblam <- dfc %>%
  sample_n(size=8, weight=Poblacion)
head(poblam)

##             Estado   Poblacion
## 1 Distrito Federal  8,873,017 
## 2           Colima    650,129 
## 3          Jalisco  7,350,355 
## 4  Baja California  3,154,174 
## 5          Chiapas  4,793,406 
## 6          Hidalgo  2,664,969

C/fracción

pp <- dfc
n <- 50
pp1 <- sample(Poblacion, size = 8, replace = FALSE)
pp1

## [1]  7,350,355    1,632,860    4,793,406    8,873,017    15,174,272 
## [6]  5,779,007    2,748,366    1,169,825  
## 32 Levels:  1,084,957   1,169,825   1,184,924   1,324,257  ...  822,001

Extracción

pp3 <- dfc[pp1,]
head(pp3)

##             Estado   Poblacion
## 29        Tlaxcala  1,169,825 
## 6           Colima    650,129 
## 24 San Luis Potosí  2,585,942 
## 31         Yucatán  1,953,027 
## 10         Durango  1,632,860 
## 26          Sonora  2,662,432