Determinar y simular muestreos
Con un conjunto de datos utilizar mecanismos de programación para determinar muestreos mediante técnicas de aleatorio simple, aleatorio sistemático, aleatorio estratificado y por conglomerados.
El propósito de la estadística inferencial consiste en determinar y conocer el comportamiento sobre una población a partir de una muestra.
Una muestra es una porción, una proporción o parte de la población de interés. En muchos casos, el muestreo resulta más accesible y sencillo que el estudio de toda la población. (Lind et al., 2015).
Por otra parte la importancia del muestreo como lo menciona (Anderson et al., 2008) es cuestión de minimizar costo de trabajo, recopilar información de una muestra es sustancialmente menor, que hacerlo de una población completa; especialmente cuando se deben realizar entrevistas personales para recopilar la información.
Finamente, los métodos de muestreo aleatorio y sin sesgos son muy importantes para realizar inferencias estadísticas válidas (Lind et al., 2015). #### Descripcion La disposición de información a nivel del total de las unidades de análisis conocidas como población, requiere de una gran inversión de recursos, generalmente limitados en el área de la investigación. La necesidad de delimitar los grupos de estudio a través de la selección de una muestra, conocida como el subconjunto del universo o una parte representativa de la población, conformada a su vez por unidades muestrales que son los elementos objetos de estudio, se apoya del muestreo como herramienta de la investigación científica que tiene como principal propósito determinar la parte de la población que se debe estudiar. #### Muestreo aleatorio simple Una muestra aleatoria simple de tamaño n de una población finita de tamaño N es una muestra seleccionada de manera que cada posible muestra de tamaño n tenga la misma probabilidad de ser seleccionada (Anderson et al., 2008).
De un cojunto de N elementos de una población, un muestreo aleatorio simple sería una especíe de rifa o tómbola para elegir de de entre los N total de población una cantidad de n número de la muestra.
Se selecciona un punto aleatorio de inicio y posteriormente se elige cada k-ésimo miembro de la población (Lind et al., 2015).
Suele emplearse como alternativa al muestreo aleatorio simple, en especial cuando las poblaciones son grandes se lleva mucho tiempo tomar una muestra aleatoria simple en la que primero hay que hallar un número aleatorio y después contar o buscar en el marco el elemento correspondiente (Anderson et al., 2008).
El primer elemento se elige aleatoriamente, lo que permite suponer que una muestra sistemática tiene las propiedades de una muestra aleatoria simple. Esta suposición suele ser correcta cuando el marco es un ordenamiento aleatorio de los elementos de la población (Anderson et al., 2008)
Cuando una población se divide en grupos a partir de ciertas características, el muestreo aleatorio estratificado garantiza que cada grupo o estrato se encuentre representado en la muestra (Lind et al., 2015).
(Anderson et al., 2008) describe el muestreo aleatorio estratificado en donde los elementos de la población primero se dividen en grupos, a los que se les llama estratos, de manera que cada elemento pertenezca a uno y sólo un estrato. La base para la formación de los estratos, que puede ser departamento, edad, tipo de industria, enre otros, está a discreción de la persona que diseña la muestra.
Por otra parte, para asegurar que la muestra sea una representación imparcial de las N observaciones, se debe determinar la frecuencia relativa y a partir de ahí generar las cantidad de muestra de cada estrato. (Lind et al., 2015).
La población se divide en conglomerados a partir de los límites naturales geográficos u otra clase. A continuación, estos se seleccionan al azar y se toma una muestra de forma aleatoria con elementos de cada grupo (Lind et al., 2015). #### 1. Cargar librerías
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, unionlibrary(mosaic)## Registered S3 method overwritten by 'mosaic':
## method from
## fortify.SpatialPolygonsDataFrame ggplot2##
## The 'mosaic' package masks several functions from core packages in order to add
## additional features. The original behavior of these functions should not be affected by this.##
## Attaching package: 'mosaic'## The following object is masked from 'package:Matrix':
##
## mean## The following object is masked from 'package:ggplot2':
##
## stat## The following objects are masked from 'package:dplyr':
##
## count, do, tally## The following objects are masked from 'package:stats':
##
## binom.test, cor, cor.test, cov, fivenum, IQR, median, prop.test,
## quantile, sd, t.test, var## The following objects are masked from 'package:base':
##
## max, mean, min, prod, range, sample, sumlibrary(readr)
library(ggplot2) # Para gráficos
library(knitr) # Para formateo de datos
library(fdth) # Para tablas de frecuencias##
## Attaching package: 'fdth'## The following objects are masked from 'package:mosaic':
##
## sd, var## The following objects are masked from 'package:stats':
##
## sd, varSe carga un conjunto de 100 nombres de personas con sus atributo de género y la actividad deportiva o cultura que practican, Cargando un datos llamando a una función que construye los datos. El argumento encoding significa que acepte acentos en los datos.
source("https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/construir%20datos%20y%20funciones%20caso%209.r", encoding = "UTF-8")
kable(head(personas, 10), caption = "Los primeros diez registros de nombres en el conjunto dedatos")| nombres | generos | ajedrez | beisbol | tiro.arco | pesas | futbol | softbol | atletismo | folklorico | tahitiano | teatro | rondalla | pantomima |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| JUAN | M | NO | NO | NO | SI | NO | SI | NO | NO | NO | NO | NO | SI |
| JOSÉ LUIS | M | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO |
| JOSÉ | M | NO | SI | NO | SI | NO | NO | NO | NO | NO | NO | SI | SI |
| MARÍA GUADALUPE | F | NO | SI | NO | NO | NO | NO | NO | NO | NO | NO | SI | SI |
| FRANCISCO | M | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO |
| GUADALUPE | F | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| MARÍA | F | NO | SI | NO | NO | SI | NO | NO | NO | NO | NO | NO | NO |
| JUANA | F | NO | NO | NO | NO | SI | NO | NO | SI | NO | NO | NO | NO |
| ANTONIO | M | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| JESÚS | M | NO | NO | SI | NO | NO | SI | NO | NO | SI | NO | NO | NO |
kable(tail(personas, 10), caption = "Las útimos diez registros de nombres en el conjunto de datos")| nombres | generos | ajedrez | beisbol | tiro.arco | pesas | futbol | softbol | atletismo | folklorico | tahitiano | teatro | rondalla | pantomima | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 91 | ANDREA | F | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | SI |
| 92 | ISABEL | F | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| 93 | MARÍA TERESA | F | NO | SI | NO | NO | SI | NO | NO | SI | NO | NO | NO | NO |
| 94 | IRMA | F | SI | SI | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| 95 | CARMEN | F | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| 96 | LUCÍA | F | NO | SI | NO | SI | NO | NO | NO | SI | NO | NO | SI | SI |
| 97 | ADRIANA | F | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO |
| 98 | AGUSTÍN | M | NO | SI | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO |
| 99 | MARÍA DE LA LUZ | F | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO |
| 100 | GUSTAVO | M | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO |
a.Se cargan os datos de alumnos inscritos en una Institución de educación superior en el semetre septiembre 2020 a enero 2021, con los atributos siguientes: ºNo de control (modificado y no real), ºNúmero Conesucutivo de alumno ºSemestre que cursa ºCréditos aprobados ºCarga académica que cursa ºPromedio aritmético ºCarrera
alumnos <- alumnos <- read_csv("https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/datos/promedios%20alumnos/datos%20alumnos%20promedios%20SEP%202020.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## `No. Control` = col_double(),
## Alumno = col_double(),
## Semestre = col_double(),
## `Cr. Apr.` = col_double(),
## Carga = col_double(),
## Promedio = col_double(),
## Carrera = col_character()
## )kable(head(alumnos, 10), caption = "Los primeros diez registros de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera |
|---|---|---|---|---|---|---|
| 20190001 | 1 | 11 | 198 | 19 | 80.21 | SISTEMAS |
| 20190002 | 2 | 11 | 235 | 10 | 84.33 | SISTEMAS |
| 20190003 | 3 | 9 | 235 | 10 | 95.25 | SISTEMAS |
| 20190004 | 4 | 9 | 226 | 19 | 95.00 | SISTEMAS |
| 20190005 | 5 | 10 | 231 | 14 | 82.32 | SISTEMAS |
| 20190006 | 6 | 9 | 212 | 23 | 95.02 | SISTEMAS |
| 20190007 | 7 | 12 | 221 | 10 | 79.06 | SISTEMAS |
| 20190008 | 8 | 9 | 226 | 9 | 92.47 | SISTEMAS |
| 20190009 | 9 | 9 | 231 | 4 | 91.08 | SISTEMAS |
| 20190010 | 10 | 11 | 222 | 13 | 80.42 | SISTEMAS |
kable(tail(alumnos, 10), caption = "Las útimos diez registros de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera |
|---|---|---|---|---|---|---|
| 20195920 | 5920 | 7 | 169 | 23 | 89.14 | ADMINISTRACION |
| 20195921 | 5921 | 5 | 109 | 26 | 87.83 | ADMINISTRACION |
| 20195922 | 5922 | 3 | 55 | 29 | 92.83 | ADMINISTRACION |
| 20195923 | 5923 | 2 | 23 | 23 | 88.60 | ADMINISTRACION |
| 20195924 | 5924 | 2 | 27 | 28 | 92.83 | ADMINISTRACION |
| 20195925 | 5925 | 7 | 94 | 13 | 80.95 | ADMINISTRACION |
| 20195926 | 5926 | 5 | 103 | 32 | 92.68 | ADMINISTRACION |
| 20195927 | 5927 | 4 | 79 | 34 | 86.18 | ADMINISTRACION |
| 20195928 | 5928 | 5 | 108 | 32 | 90.48 | ADMINISTRACION |
| 20195929 | 5929 | 7 | 169 | 32 | 92.33 | ADMINISTRACION |
ºHay que encuestar a diez personas de 100 para hacerles alguna entrevista, ¿a quienes? ºCon el conjunto de datos seleccionar 10 personas aleatoriamente con la función sample()
N <- nrow(personas)
n <- 10
muestra <- sample(personas$nombres, n)
kable(muestra, caption = "La muestra de personas")| x |
|---|
| FRANCISCA |
| GUSTAVO |
| JORGE |
| PATRICIA |
| PEDRO |
| LUCÍA |
| ELIZABETH |
| JESÚS |
| ALEJANDRO |
| RAFAEL |
ºCon el conjunto de datos alumnos, hay que encontrar a 100 alumnos, ¿A cuáles?
N <- nrow(alumnos)
n <- 100
muestra <- sample(N, n) # Genera los números
kable(alumnos[muestra, ], caption = "La muestra de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera |
|---|---|---|---|---|---|---|
| 20194973 | 4973 | 6 | 133 | 33 | 85.54 | GESTION EMPRESARIAL |
| 20195866 | 5866 | 1 | NA | 27 | 0.00 | ADMINISTRACION |
| 20191513 | 1513 | 6 | 67 | 34 | 78.60 | BIOQUIMICA |
| 20194076 | 4076 | 7 | 144 | 32 | 88.52 | MECATRONICA |
| 20192521 | 2521 | 9 | 222 | 23 | 86.40 | ELECTRONICA |
| 20195624 | 5624 | 3 | 55 | 29 | 96.67 | ADMINISTRACION |
| 20194985 | 4985 | 4 | 55 | 29 | 80.42 | GESTION EMPRESARIAL |
| 20195075 | 5075 | 5 | 116 | 32 | 87.71 | GESTION EMPRESARIAL |
| 20195041 | 5041 | 7 | 140 | 35 | 82.27 | GESTION EMPRESARIAL |
| 20190395 | 395 | 1 | NA | 27 | 0.00 | SISTEMAS |
| 20193795 | 3795 | 4 | 66 | 29 | 86.47 | MECATRONICA |
| 20195683 | 5683 | 1 | NA | 27 | 0.00 | ADMINISTRACION |
| 20191577 | 1577 | 9 | 165 | 16 | 78.86 | CIVIL |
| 20192306 | 2306 | 5 | 89 | 27 | 86.33 | ELECTRICA |
| 20193510 | 3510 | 3 | 41 | 24 | 76.80 | MECANICA |
| 20191415 | 1415 | 6 | 123 | 29 | 82.48 | BIOQUIMICA |
| 20190830 | 830 | 5 | 97 | 26 | 93.50 | ARQUITECTURA |
| 20190200 | 200 | 7 | 107 | 17 | 79.26 | SISTEMAS |
| 20195484 | 5484 | 11 | 257 | 5 | 87.44 | ADMINISTRACION |
| 20190025 | 25 | 11 | 230 | 15 | 84.02 | SISTEMAS |
| 20192596 | 2596 | 3 | 52 | 25 | 92.67 | ELECTRONICA |
| 20193863 | 3863 | 1 | NA | 25 | 0.00 | MECATRONICA |
| 20190074 | 74 | 10 | 230 | 15 | 83.94 | SISTEMAS |
| 20191933 | 1933 | 1 | NA | 27 | 0.00 | CIVIL |
| 20191691 | 1691 | 4 | 75 | 32 | 84.19 | CIVIL |
| 20192587 | 2587 | 5 | 90 | 20 | 83.50 | ELECTRONICA |
| 20190886 | 886 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20194827 | 4827 | 7 | 150 | 25 | 88.75 | GESTION EMPRESARIAL |
| 20194756 | 4756 | 9 | 230 | 15 | 91.77 | GESTION EMPRESARIAL |
| 20190663 | 663 | 7 | 151 | 23 | 85.22 | ARQUITECTURA |
| 20192503 | 2503 | 10 | 202 | 23 | 81.25 | ELECTRONICA |
| 20194892 | 4892 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL |
| 20194549 | 4549 | 6 | 133 | 23 | 83.25 | QUIMICA |
| 20190308 | 308 | 4 | 83 | 29 | 91.00 | SISTEMAS |
| 20192139 | 2139 | 6 | 143 | 30 | 84.77 | CIVIL |
| 20191319 | 1319 | 7 | 124 | 34 | 83.15 | BIOQUIMICA |
| 20195755 | 5755 | 4 | 84 | 29 | 87.44 | ADMINISTRACION |
| 20195925 | 5925 | 7 | 94 | 13 | 80.95 | ADMINISTRACION |
| 20193632 | 3632 | 1 | NA | 26 | 0.00 | MECANICA |
| 20193546 | 3546 | 3 | 48 | 22 | 78.64 | MECANICA |
| 20191619 | 1619 | 9 | 225 | 10 | 84.85 | CIVIL |
| 20191632 | 1632 | 9 | 159 | 15 | 80.15 | CIVIL |
| 20194890 | 4890 | 7 | 170 | 35 | 87.44 | GESTION EMPRESARIAL |
| 20192090 | 2090 | 4 | 78 | 33 | 83.59 | CIVIL |
| 20191764 | 1764 | 1 | NA | 27 | 0.00 | CIVIL |
| 20190612 | 612 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20191097 | 1097 | 7 | 139 | 24 | 84.62 | ARQUITECTURA |
| 20190796 | 796 | 7 | 116 | 34 | 81.12 | ARQUITECTURA |
| 20190240 | 240 | 2 | 27 | 28 | 92.33 | SISTEMAS |
| 20191202 | 1202 | 1 | NA | 23 | 0.00 | BIOQUIMICA |
| 20194673 | 4673 | 12 | 219 | 16 | 89.93 | GESTION EMPRESARIAL |
| 20195370 | 5370 | 5 | 41 | 4 | 81.44 | INFORMATICA |
| 20191901 | 1901 | 5 | 117 | 31 | 87.08 | CIVIL |
| 20193696 | 3696 | 11 | 231 | 4 | 83.33 | MECATRONICA |
| 20193370 | 3370 | 11 | 225 | 10 | 81.86 | MECANICA |
| 20191197 | 1197 | 3 | 57 | 27 | 82.54 | BIOQUIMICA |
| 20193032 | 3032 | 3 | 55 | 29 | 89.00 | INDUSTRIAL |
| 20194867 | 4867 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL |
| 20191967 | 1967 | 1 | NA | 27 | 0.00 | CIVIL |
| 20193638 | 3638 | 7 | 170 | 27 | 86.59 | MECANICA |
| 20190934 | 934 | 7 | 170 | 28 | 88.58 | ARQUITECTURA |
| 20194100 | 4100 | 9 | 225 | 5 | 87.96 | QUIMICA |
| 20195193 | 5193 | 6 | 138 | 33 | 86.21 | GESTION EMPRESARIAL |
| 20195450 | 5450 | 10 | 262 | 10 | 88.60 | ADMINISTRACION |
| 20191067 | 1067 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20193404 | 3404 | 10 | 172 | 18 | 81.13 | MECANICA |
| 20194217 | 4217 | 12 | 225 | 10 | 78.46 | QUIMICA |
| 20191449 | 1449 | 1 | NA | 23 | 0.00 | BIOQUIMICA |
| 20192720 | 2720 | 9 | 202 | 24 | 82.28 | INDUSTRIAL |
| 20195151 | 5151 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL |
| 20193110 | 3110 | 1 | NA | 27 | 0.00 | INDUSTRIAL |
| 20191051 | 1051 | 6 | 127 | 24 | 88.19 | ARQUITECTURA |
| 20194783 | 4783 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL |
| 20195643 | 5643 | 2 | 27 | 28 | 92.67 | ADMINISTRACION |
| 20194482 | 4482 | 2 | 25 | 30 | 82.00 | QUIMICA |
| 20194046 | 4046 | 1 | NA | 25 | 0.00 | MECATRONICA |
| 20192183 | 2183 | 2 | 27 | 30 | 83.50 | CIVIL |
| 20190659 | 659 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20195318 | 5318 | 1 | NA | 26 | 0.00 | TIC |
| 20192101 | 2101 | 2 | 23 | 25 | 80.80 | CIVIL |
| 20191758 | 1758 | 4 | 80 | 34 | 85.94 | CIVIL |
| 20192297 | 2297 | 5 | 94 | 33 | 84.77 | ELECTRICA |
| 20193793 | 3793 | 7 | 128 | 31 | 84.46 | MECATRONICA |
| 20190822 | 822 | 3 | 48 | 32 | 90.45 | ARQUITECTURA |
| 20190352 | 352 | 8 | 176 | 32 | 80.47 | SISTEMAS |
| 20193467 | 3467 | 3 | 42 | 32 | 82.30 | MECANICA |
| 20190443 | 443 | 7 | 160 | 34 | 90.34 | SISTEMAS |
| 20190241 | 241 | 5 | 112 | 25 | 91.63 | SISTEMAS |
| 20194569 | 4569 | 3 | 51 | 30 | 88.64 | QUIMICA |
| 20193456 | 3456 | 6 | 89 | 32 | 78.30 | MECANICA |
| 20195534 | 5534 | 8 | 177 | 34 | 86.89 | ADMINISTRACION |
| 20193666 | 3666 | 12 | 190 | 5 | 78.35 | MECATRONICA |
| 20192155 | 2155 | 2 | 22 | 26 | 93.40 | CIVIL |
| 20193527 | 3527 | 1 | NA | 26 | 0.00 | MECANICA |
| 20191607 | 1607 | 10 | 231 | 4 | 83.15 | CIVIL |
| 20194038 | 4038 | 5 | 105 | 24 | 88.57 | MECATRONICA |
| 20190090 | 90 | 4 | 49 | 32 | 82.64 | SISTEMAS |
| 20195706 | 5706 | 4 | 84 | 30 | 86.94 | ADMINISTRACION |
| 20190058 | 58 | 9 | 200 | 25 | 83.66 | SISTEMAS |
| 20190724 | 724 | 4 | 70 | 28 | 87.56 | ARQUITECTURA |
ºCon el conjunto de datos personas, iniciar en un valor aletorio e identificar los siguientes de 10 en 10 hasta tener diez personas.
N <- nrow(personas)
n = 10
saltos <- round(N / n, 0)
inicio <- round(sample(N, 1) / n, 0)
#inicio
cuales <- seq(from = inicio, to =N, by= saltos)
kable(personas[cuales, ], caption = "La muestra sistematizada de personas")| nombres | generos | ajedrez | beisbol | tiro.arco | pesas | futbol | softbol | atletismo | folklorico | tahitiano | teatro | rondalla | pantomima | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10 | JESÚS | M | NO | NO | SI | NO | NO | SI | NO | NO | SI | NO | NO | NO |
| 20 | DANIEL | M | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO |
| 30 | DAVID | M | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| 40 | MARÍA ELENA | M | NO | NO | NO | NO | NO | NO | SI | SI | NO | NO | NO | NO |
| 50 | ALBERTO | M | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO |
| 60 | ROSA MARÍA | F | NO | NO | NO | NO | NO | SI | NO | SI | NO | NO | NO | NO |
| 70 | GABRIEL | M | SI | NO | SI | NO | NO | SI | NO | NO | NO | NO | NO | NO |
| 80 | MARÍA LUISA | F | SI | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO |
| 90 | ARACELI | M | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | SI | NO |
| 100 | GUSTAVO | M | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO |
ºCon el conjunto de datos alumnos, hay que encontrar a 100 alumnos, ¿A cuáles?, bajo el muetreo sistematizado
N <- nrow(alumnos)
n = 100
saltos <- round(N / n, 0)
inicio <- round(sample(N, 1) / n, 0)
cuales <- seq(from = inicio, to =N, by= saltos)
kable(alumnos[cuales, ], caption = "La muestra de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera |
|---|---|---|---|---|---|---|
| 20190057 | 57 | 9 | 226 | 4 | 89.10 | SISTEMAS |
| 20190116 | 116 | 7 | 165 | 34 | 93.67 | SISTEMAS |
| 20190175 | 175 | 3 | 50 | 33 | 90.91 | SISTEMAS |
| 20190234 | 234 | 7 | 105 | 22 | 84.00 | SISTEMAS |
| 20190293 | 293 | 4 | 83 | 33 | 86.28 | SISTEMAS |
| 20190352 | 352 | 8 | 176 | 32 | 80.47 | SISTEMAS |
| 20190411 | 411 | 7 | 165 | 34 | 82.78 | SISTEMAS |
| 20190470 | 470 | 9 | 198 | 29 | 83.33 | ARQUITECTURA |
| 20190529 | 529 | 10 | 172 | 12 | 79.97 | ARQUITECTURA |
| 20190588 | 588 | 4 | 80 | 30 | 90.28 | ARQUITECTURA |
| 20190647 | 647 | 6 | 124 | 26 | 83.85 | ARQUITECTURA |
| 20190706 | 706 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20190765 | 765 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20190824 | 824 | 6 | 132 | 30 | 82.96 | ARQUITECTURA |
| 20190883 | 883 | 6 | 91 | 30 | 85.53 | ARQUITECTURA |
| 20190942 | 942 | 5 | 88 | 30 | 83.32 | ARQUITECTURA |
| 20191001 | 1001 | 3 | 52 | 24 | 90.50 | ARQUITECTURA |
| 20191060 | 1060 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20191119 | 1119 | 1 | NA | 26 | 0.00 | ARQUITECTURA |
| 20191178 | 1178 | 9 | 140 | 23 | 82.81 | BIOQUIMICA |
| 20191237 | 1237 | 5 | 79 | 31 | 81.78 | BIOQUIMICA |
| 20191296 | 1296 | 8 | 95 | 28 | 76.81 | BIOQUIMICA |
| 20191355 | 1355 | 1 | NA | 23 | 0.00 | BIOQUIMICA |
| 20191414 | 1414 | 1 | NA | 23 | 0.00 | BIOQUIMICA |
| 20191473 | 1473 | 2 | 18 | 29 | 82.60 | BIOQUIMICA |
| 20191532 | 1532 | 3 | 47 | 25 | 87.09 | BIOQUIMICA |
| 20191591 | 1591 | 10 | 225 | 15 | 80.28 | CIVIL |
| 20191650 | 1650 | 9 | 235 | 10 | 91.00 | CIVIL |
| 20191709 | 1709 | 5 | 67 | 8 | 82.71 | CIVIL |
| 20191768 | 1768 | 6 | 139 | 30 | 85.21 | CIVIL |
| 20191827 | 1827 | 1 | NA | 27 | 0.00 | CIVIL |
| 20191886 | 1886 | 4 | 51 | 31 | 78.83 | CIVIL |
| 20191945 | 1945 | 3 | 55 | 30 | 87.33 | CIVIL |
| 20192004 | 2004 | 4 | 78 | 18 | 81.06 | CIVIL |
| 20192063 | 2063 | 5 | 121 | 31 | 87.12 | CIVIL |
| 20192122 | 2122 | 2 | 27 | 26 | 80.17 | CIVIL |
| 20192181 | 2181 | 1 | NA | 27 | 0.00 | CIVIL |
| 20192240 | 2240 | 9 | 221 | 14 | 92.94 | ELECTRICA |
| 20192299 | 2299 | 7 | 160 | 31 | 88.08 | ELECTRICA |
| 20192358 | 2358 | 7 | 98 | 9 | 81.04 | ELECTRICA |
| 20192417 | 2417 | 3 | 56 | 26 | 92.00 | ELECTRICA |
| 20192476 | 2476 | 3 | 51 | 28 | 85.92 | ELECTRICA |
| 20192535 | 2535 | 6 | 104 | 24 | 82.96 | ELECTRONICA |
| 20192594 | 2594 | 1 | NA | 25 | 0.00 | ELECTRONICA |
| 20192653 | 2653 | 5 | 105 | 28 | 95.17 | ELECTRONICA |
| 20192712 | 2712 | 11 | 235 | 10 | 80.68 | INDUSTRIAL |
| 20192771 | 2771 | 4 | 75 | 32 | 80.59 | INDUSTRIAL |
| 20192830 | 2830 | 8 | 174 | 36 | 81.22 | INDUSTRIAL |
| 20192889 | 2889 | 5 | 112 | 30 | 90.72 | INDUSTRIAL |
| 20192948 | 2948 | 6 | 120 | 26 | 79.30 | INDUSTRIAL |
| 20193007 | 3007 | 6 | 142 | 25 | 83.56 | INDUSTRIAL |
| 20193066 | 3066 | 7 | 149 | 25 | 87.74 | INDUSTRIAL |
| 20193125 | 3125 | 3 | 55 | 27 | 84.08 | INDUSTRIAL |
| 20193184 | 3184 | 6 | 139 | 28 | 84.48 | INDUSTRIAL |
| 20193243 | 3243 | 3 | 51 | 29 | 86.83 | INDUSTRIAL |
| 20193302 | 3302 | 5 | 95 | 27 | 81.18 | INDUSTRIAL |
| 20193361 | 3361 | 5 | 87 | 31 | 84.70 | INDUSTRIAL |
| 20193420 | 3420 | 7 | 132 | 27 | 83.52 | MECANICA |
| 20193479 | 3479 | 7 | 142 | 35 | 80.45 | MECANICA |
| 20193538 | 3538 | 5 | 108 | 29 | 84.88 | MECANICA |
| 20193597 | 3597 | 5 | 103 | 34 | 81.17 | MECANICA |
| 20193656 | 3656 | 6 | 113 | 29 | 79.72 | MECANICA |
| 20193715 | 3715 | 10 | 178 | 8 | 79.81 | MECATRONICA |
| 20193774 | 3774 | 7 | 159 | 30 | 87.76 | MECATRONICA |
| 20193833 | 3833 | 7 | 151 | 31 | 82.44 | MECATRONICA |
| 20193892 | 3892 | 6 | 76 | 20 | 81.18 | MECATRONICA |
| 20193951 | 3951 | 6 | 47 | 4 | 82.09 | MECATRONICA |
| 20194010 | 4010 | 1 | NA | 25 | 0.00 | MECATRONICA |
| 20194069 | 4069 | 5 | 105 | 24 | 86.74 | MECATRONICA |
| 20194128 | 4128 | 11 | 161 | 32 | 81.21 | QUIMICA |
| 20194187 | 4187 | 5 | 109 | 25 | 87.22 | QUIMICA |
| 20194246 | 4246 | 9 | 230 | 5 | 85.70 | QUIMICA |
| 20194305 | 4305 | 2 | 11 | 25 | 91.67 | QUIMICA |
| 20194364 | 4364 | 4 | 86 | 28 | 88.50 | QUIMICA |
| 20194423 | 4423 | 9 | 215 | 20 | 83.36 | QUIMICA |
| 20194482 | 4482 | 2 | 25 | 30 | 82.00 | QUIMICA |
| 20194541 | 4541 | 5 | 88 | 29 | 84.84 | QUIMICA |
| 20194600 | 4600 | 9 | 204 | 20 | 82.31 | QUIMICA |
| 20194659 | 4659 | 7 | 162 | 30 | 88.71 | QUIMICA |
| 20194718 | 4718 | 10 | 225 | 10 | 85.17 | GESTION EMPRESARIAL |
| 20194777 | 4777 | 5 | 107 | 33 | 87.87 | GESTION EMPRESARIAL |
| 20194836 | 4836 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL |
| 20194895 | 4895 | 3 | 53 | 29 | 87.92 | GESTION EMPRESARIAL |
| 20194954 | 4954 | 2 | 22 | 26 | 91.20 | GESTION EMPRESARIAL |
| 20195013 | 5013 | 2 | 27 | 27 | 84.50 | GESTION EMPRESARIAL |
| 20195072 | 5072 | 3 | 54 | 28 | 93.08 | GESTION EMPRESARIAL |
| 20195131 | 5131 | 3 | 54 | 28 | 90.75 | GESTION EMPRESARIAL |
| 20195190 | 5190 | 3 | 45 | 33 | 85.10 | GESTION EMPRESARIAL |
| 20195249 | 5249 | 2 | 22 | 27 | 92.40 | GESTION EMPRESARIAL |
| 20195308 | 5308 | 1 | NA | 26 | 0.00 | TIC |
| 20195367 | 5367 | 7 | 85 | 18 | 82.58 | INFORMATICA |
| 20195426 | 5426 | 7 | 156 | 33 | 90.29 | INFORMATICA |
| 20195485 | 5485 | 9 | 262 | 10 | 92.09 | ADMINISTRACION |
| 20195544 | 5544 | 5 | 89 | 28 | 85.63 | ADMINISTRACION |
| 20195603 | 5603 | 1 | NA | 27 | 0.00 | ADMINISTRACION |
| 20195662 | 5662 | 1 | NA | 27 | 0.00 | ADMINISTRACION |
| 20195721 | 5721 | 8 | 180 | 34 | 85.00 | ADMINISTRACION |
| 20195780 | 5780 | 4 | 84 | 33 | 89.94 | ADMINISTRACION |
| 20195839 | 5839 | 6 | 140 | 28 | 91.93 | ADMINISTRACION |
| 20195898 | 5898 | 2 | 23 | 28 | 87.80 | ADMINISTRACION |
ºCon el conjunto de datos de personas se trata de encontrar 10 , pero que sea representativa de acuerdo y conforme al género femenino y masculino. º¿Cuál es la frecuencia relativa del género femenino? º¿Cuál es la frecuencia relativa del género masculino? ºAmbas frecuencias multiplicar por el tamaño de la muestra para garantizar imparcialidad en la muestra.
N <- nrow(personas)
n <- 10
femeninos <- filter(personas, generos=='F')
masculinos <- filter(personas, generos=='M')
frfem <- nrow(femeninos) / N
frmas <- nrow(masculinos) / N
frfem ## [1] 0.42frmas ## [1] 0.58muestraFem <- sample(femeninos, n * frfem)
kable(muestraFem, caption = "La muestra de personas Femenino")| nombres | generos | ajedrez | beisbol | tiro.arco | pesas | futbol | softbol | atletismo | folklorico | tahitiano | teatro | rondalla | pantomima | orig.id | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2 | GUADALUPE | F | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | NO | 2 |
| 15 | TERESA | F | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | 15 |
| 14 | FRANCISCA | F | NO | NO | SI | NO | NO | NO | SI | NO | NO | NO | NO | NO | 14 |
| 7 | JAVIER | F | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | SI | NO | 7 |
muestraMas <- sample(masculinos, n * frmas)
kable(muestraMas, caption = "La muestra de personas Masculino")| nombres | generos | ajedrez | beisbol | tiro.arco | pesas | futbol | softbol | atletismo | folklorico | tahitiano | teatro | rondalla | pantomima | orig.id | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30 | MARIO | M | NO | NO | SI | SI | NO | NO | NO | NO | NO | NO | NO | NO | 30 |
| 52 | JOSÉ GUADALUPE | M | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | NO | SI | 52 |
| 7 | MIGUEL ÁNGEL | M | NO | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | 7 |
| 58 | GUSTAVO | M | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | NO | NO | 58 |
| 34 | LUIS | M | NO | NO | NO | NO | NO | NO | NO | NO | SI | NO | NO | SI | 34 |
ºSimular muestreo estratificado por carreas de alumnos determinando las frecuencias relativas por medio de la función fdt_cat()
N <- nrow(alumnos)
n <- 100
tabla_frec <- data.frame(fdt_cat(alumnos$Carrera))
tabla_frec$muestra <- round(tabla_frec$rf * n, 0)
kable(tabla_frec, caption = "Tabla de frecuencia de alumnos")| Category | f | rf | rf… | cf | cf… | muestra |
|---|---|---|---|---|---|---|
| INDUSTRIAL | 707 | 0.1192444 | 11.924439 | 707 | 11.92444 | 12 |
| ARQUITECTURA | 675 | 0.1138472 | 11.384719 | 1382 | 23.30916 | 11 |
| CIVIL | 648 | 0.1092933 | 10.929330 | 2030 | 34.23849 | 11 |
| GESTION EMPRESARIAL | 585 | 0.0986676 | 9.866757 | 2615 | 44.10525 | 10 |
| QUIMICA | 568 | 0.0958003 | 9.580030 | 3183 | 53.68528 | 10 |
| ADMINISTRACION | 497 | 0.0838253 | 8.382527 | 3680 | 62.06780 | 8 |
| SISTEMAS | 452 | 0.0762355 | 7.623545 | 4132 | 69.69135 | 8 |
| BIOQUIMICA | 441 | 0.0743802 | 7.438016 | 4573 | 77.12936 | 7 |
| MECATRONICA | 432 | 0.0728622 | 7.286220 | 5005 | 84.41558 | 7 |
| MECANICA | 301 | 0.0507674 | 5.076741 | 5306 | 89.49233 | 5 |
| ELECTRICA | 280 | 0.0472255 | 4.722550 | 5586 | 94.21488 | 5 |
| ELECTRONICA | 161 | 0.0271547 | 2.715466 | 5747 | 96.93034 | 3 |
| INFORMATICA | 101 | 0.0170349 | 1.703491 | 5848 | 98.63383 | 2 |
| TIC | 81 | 0.0136617 | 1.366166 | 5929 | 100.00000 | 1 |
º¿Cuáles alumnos? ºSólo simular carreras de SISTEMAS Y CIVIL
N <- nrow(alumnos)
n <- 100
sistemas <- filter(alumnos, Carrera =='SISTEMAS')
civil <- filter(alumnos, Carrera == 'CIVIL')
frsistemas <- nrow(sistemas) / N
frcivil <- nrow(civil) / N
frsistemas## [1] 0.07623545frcivil ## [1] 0.1092933muestrasistemas <- sample(sistemas, round(n * frsistemas, 0))
kable(muestrasistemas, caption = "La muestra de alumnos de Sistemas")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | orig.id |
|---|---|---|---|---|---|---|---|
| 20190279 | 279 | 8 | 177 | 31 | 88.82 | SISTEMAS | 279 |
| 20190127 | 127 | 4 | 68 | 34 | 80.53 | SISTEMAS | 127 |
| 20190048 | 48 | 9 | 212 | 4 | 91.28 | SISTEMAS | 48 |
| 20190104 | 104 | 3 | 50 | 33 | 86.55 | SISTEMAS | 104 |
| 20190452 | 452 | 2 | 27 | 28 | 84.50 | SISTEMAS | 452 |
| 20190226 | 226 | 6 | 128 | 32 | 83.18 | SISTEMAS | 226 |
| 20190184 | 184 | 5 | 116 | 26 | 92.64 | SISTEMAS | 184 |
| 20190356 | 356 | 3 | 55 | 28 | 91.67 | SISTEMAS | 356 |
muestracivil <- sample(civil, round(n * frcivil, 0))
kable(muestracivil, caption = "La muestra de alumnos de Civil")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | orig.id |
|---|---|---|---|---|---|---|---|
| 20191740 | 1740 | 5 | 113 | 30 | 88.63 | CIVIL | 172 |
| 20192009 | 2009 | 4 | 82 | 31 | 82.71 | CIVIL | 441 |
| 20191578 | 1578 | 10 | 205 | 25 | 81.95 | CIVIL | 10 |
| 20191905 | 1905 | 7 | 154 | 32 | 82.64 | CIVIL | 337 |
| 20191984 | 1984 | 6 | 133 | 30 | 86.79 | CIVIL | 416 |
| 20191731 | 1731 | 8 | 187 | 25 | 86.03 | CIVIL | 163 |
| 20191798 | 1798 | 6 | 116 | 34 | 84.04 | CIVIL | 230 |
| 20191829 | 1829 | 6 | 97 | 28 | 79.57 | CIVIL | 261 |
| 20192158 | 2158 | 2 | 27 | 30 | 93.17 | CIVIL | 590 |
| 20192056 | 2056 | 8 | 172 | 21 | 88.53 | CIVIL | 488 |
| 20191587 | 1587 | 10 | 216 | 14 | 78.87 | CIVIL | 19 |
ºEn un proceso de simulación, al conjunto de datos alumnos agregar tres columnas: la localidad, latitud y longitud ºPrimero cargar datos de localidades de Durango.
N <- nrow(alumnos)
n <- 100
locdurangomx <- read.csv("https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/datos/locdurangomx.csv", encoding = "UTF-8")Segundo por medio de función sample() generar cinco registros aleatorios de localidades y agregar un sexto registro de Victoria de Durango.
set.seed(1000)
localidades6 <- locdurangomx[sample(nrow(locdurangomx), 5), ]
localidades6 <- rbind(localidades6, locdurangomx[1,])ºTercero agregar las columnas: nombre de localidad, latitud y longitud al conjunto de datos alumnos con una probabilidad de que sean de Victoria de Durango del 60%. ºMostrar los primeros diez y últimos diez alumnos verificando las tres nuevas columnas.
registros <- locdurangomx[sample(localidades6$X, N, replace = TRUE, prob = c(.10, 0.12, 0.05, 0.07, 0.06, 0.60)),c("Nom_Loc", "Lat_Decimal", "Lon_Decimal")]
alumnos$localidad <- registros$Nom_Loc
alumnos$latitud <- registros$Lat_Decimal
alumnos$longitud <- registros$Lon_Decimal
kable(head(alumnos, 10), caption = "Los primeros diez registros de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud |
|---|---|---|---|---|---|---|---|---|---|
| 20190001 | 1 | 11 | 198 | 19 | 80.21 | SISTEMAS | Las Aves | 23.94883 | -104.5715 |
| 20190002 | 2 | 11 | 235 | 10 | 84.33 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
| 20190003 | 3 | 9 | 235 | 10 | 95.25 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
| 20190004 | 4 | 9 | 226 | 19 | 95.00 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
| 20190005 | 5 | 10 | 231 | 14 | 82.32 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
| 20190006 | 6 | 9 | 212 | 23 | 95.02 | SISTEMAS | Las Aves | 23.94883 | -104.5715 |
| 20190007 | 7 | 12 | 221 | 10 | 79.06 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
| 20190008 | 8 | 9 | 226 | 9 | 92.47 | SISTEMAS | Los Fresnos | 24.08339 | -104.6095 |
| 20190009 | 9 | 9 | 231 | 4 | 91.08 | SISTEMAS | Las Aves | 23.94883 | -104.5715 |
| 20190010 | 10 | 11 | 222 | 13 | 80.42 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 |
kable(tail(alumnos, 10), caption = "Las útimos diez registros de alumnos")| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud |
|---|---|---|---|---|---|---|---|---|---|
| 20195920 | 5920 | 7 | 169 | 23 | 89.14 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 |
| 20195921 | 5921 | 5 | 109 | 26 | 87.83 | ADMINISTRACION | Los Fresnos | 24.08339 | -104.6095 |
| 20195922 | 5922 | 3 | 55 | 29 | 92.83 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 |
| 20195923 | 5923 | 2 | 23 | 23 | 88.60 | ADMINISTRACION | Michel [Granja] | 24.00545 | -104.7152 |
| 20195924 | 5924 | 2 | 27 | 28 | 92.83 | ADMINISTRACION | Las Brisas | 23.97352 | -104.5800 |
| 20195925 | 5925 | 7 | 94 | 13 | 80.95 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 |
| 20195926 | 5926 | 5 | 103 | 32 | 92.68 | ADMINISTRACION | Las Aves | 23.94883 | -104.5715 |
| 20195927 | 5927 | 4 | 79 | 34 | 86.18 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 |
| 20195928 | 5928 | 5 | 108 | 32 | 90.48 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 |
| 20195929 | 5929 | 7 | 169 | 32 | 92.33 | ADMINISTRACION | Microondas el Tecolote | 24.05248 | -104.8519 |
ºCuarto encontrar frecuencias por localidad
N <- nrow(alumnos)
n <- 100
tabla_frec <- data.frame(fdt_cat(alumnos$localidad))
tabla_frec$muestra <- round(tabla_frec$rf * n, 0)
kable(tabla_frec, caption = "Tabla de frecuencia de alumnos por localidad")| Category | f | rf | rf… | cf | cf… | muestra |
|---|---|---|---|---|---|---|
| Victoria de Durango | 3564 | 0.6011132 | 60.111317 | 3564 | 60.11132 | 60 |
| Las Brisas | 691 | 0.1165458 | 11.654579 | 4255 | 71.76590 | 12 |
| Las Aves | 626 | 0.1055827 | 10.558273 | 4881 | 82.32417 | 11 |
| Los Fresnos | 431 | 0.0726935 | 7.269354 | 5312 | 89.59352 | 7 |
| Microondas el Tecolote | 329 | 0.0554900 | 5.548997 | 5641 | 95.14252 | 6 |
| Michel [Granja] | 288 | 0.0485748 | 4.857480 | 5929 | 100.00000 | 5 |
ºQuinto Determinar el porcentaje que le corresponde a cada conglomerado conforme a la frecuencia relativa.
º¿Cuáles alumnos?, de acuerdo al conglomerado o la localidad
ºSimular por las seis localidades
N <- nrow(alumnos)
n <- 100
loc1 <- filter(alumnos, localidad == tabla_frec$Category[1])
loc2 <- filter(alumnos, localidad == tabla_frec$Category[2])
loc3 <- filter(alumnos, localidad == tabla_frec$Category[3])
loc4 <- filter(alumnos, localidad == tabla_frec$Category[4])
loc5 <- filter(alumnos, localidad == tabla_frec$Category[5])
loc6 <- filter(alumnos, localidad == tabla_frec$Category[6])
frloc1 <- nrow(loc1) / N
frloc2 <- nrow(loc2) / N
frloc3 <- nrow(loc3) / N
frloc4 <- nrow(loc4) / N
frloc5 <- nrow(loc5) / N
frloc6 <- nrow(loc6) / N
muestraloc1 <- sample(loc1, round(n * frloc1, 0))
kable(muestraloc1, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[1] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20195752 | 5752 | 3 | 55 | 29 | 95.67 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3462 |
| 20191354 | 1354 | 7 | 167 | 34 | 86.40 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 809 |
| 20195197 | 5197 | 8 | 195 | 25 | 87.88 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 3142 |
| 20194694 | 4694 | 9 | 230 | 15 | 92.17 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 2835 |
| 20191656 | 1656 | 12 | 179 | 33 | 77.27 | CIVIL | Victoria de Durango | 24.02399 | -104.6702 | 995 |
| 20193520 | 3520 | 1 | NA | 26 | 0.00 | MECANICA | Victoria de Durango | 24.02399 | -104.6702 | 2155 |
| 20191220 | 1220 | 5 | 81 | 34 | 85.44 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 728 |
| 20191366 | 1366 | 2 | 23 | 29 | 90.17 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 818 |
| 20190579 | 579 | 4 | 80 | 30 | 89.11 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 331 |
| 20192440 | 2440 | 1 | NA | 24 | 0.00 | ELECTRICA | Victoria de Durango | 24.02399 | -104.6702 | 1484 |
| 20195184 | 5184 | 3 | 60 | 29 | 84.85 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 3132 |
| 20191337 | 1337 | 8 | 186 | 24 | 84.36 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 798 |
| 20190945 | 945 | 6 | 134 | 24 | 87.86 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 563 |
| 20194561 | 4561 | 1 | NA | 25 | 0.00 | QUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 2751 |
| 20190949 | 949 | 2 | 26 | 26 | 87.67 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 565 |
| 20190853 | 853 | 2 | 24 | 22 | 87.00 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 511 |
| 20194009 | 4009 | 2 | 25 | 28 | 80.67 | MECATRONICA | Victoria de Durango | 24.02399 | -104.6702 | 2423 |
| 20190981 | 981 | 5 | 110 | 32 | 89.50 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 587 |
| 20193423 | 3423 | 7 | 102 | 30 | 80.91 | MECANICA | Victoria de Durango | 24.02399 | -104.6702 | 2093 |
| 20195597 | 5597 | 8 | 207 | 27 | 93.09 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3369 |
| 20192461 | 2461 | 7 | 150 | 28 | 82.79 | ELECTRICA | Victoria de Durango | 24.02399 | -104.6702 | 1496 |
| 20191351 | 1351 | 3 | 52 | 30 | 85.75 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 807 |
| 20190343 | 343 | 8 | 165 | 28 | 81.31 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 | 201 |
| 20194890 | 4890 | 7 | 170 | 35 | 87.44 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 2947 |
| 20191348 | 1348 | 7 | 164 | 32 | 91.03 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 806 |
| 20190739 | 739 | 1 | NA | 26 | 0.00 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 433 |
| 20191212 | 1212 | 7 | 165 | 36 | 86.37 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 723 |
| 20193020 | 3020 | 3 | 55 | 29 | 92.15 | INDUSTRIAL | Victoria de Durango | 24.02399 | -104.6702 | 1848 |
| 20191394 | 1394 | 2 | 23 | 29 | 86.83 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 836 |
| 20194023 | 4023 | 1 | NA | 25 | 0.00 | MECATRONICA | Victoria de Durango | 24.02399 | -104.6702 | 2434 |
| 20192358 | 2358 | 7 | 98 | 9 | 81.04 | ELECTRICA | Victoria de Durango | 24.02399 | -104.6702 | 1435 |
| 20194165 | 4165 | 4 | 53 | 20 | 77.91 | QUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 2522 |
| 20194937 | 4937 | 7 | 167 | 33 | 88.00 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 2978 |
| 20192500 | 2500 | 9 | 197 | 20 | 84.05 | ELECTRONICA | Victoria de Durango | 24.02399 | -104.6702 | 1518 |
| 20190866 | 866 | 6 | 142 | 28 | 88.53 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 518 |
| 20190307 | 307 | 2 | 27 | 28 | 77.00 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 | 180 |
| 20195480 | 5480 | 9 | 228 | 24 | 86.23 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3304 |
| 20195413 | 5413 | 1 | NA | 27 | 0.00 | INFORMATICA | Victoria de Durango | 24.02399 | -104.6702 | 3267 |
| 20195861 | 5861 | 7 | 169 | 32 | 93.89 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3521 |
| 20190661 | 661 | 3 | 52 | 28 | 83.42 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 384 |
| 20191654 | 1654 | 10 | 171 | 32 | 78.42 | CIVIL | Victoria de Durango | 24.02399 | -104.6702 | 994 |
| 20194474 | 4474 | 8 | 205 | 20 | 83.76 | QUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 2699 |
| 20194055 | 4055 | 3 | 43 | 14 | 81.10 | MECATRONICA | Victoria de Durango | 24.02399 | -104.6702 | 2453 |
| 20190746 | 746 | 4 | 76 | 28 | 89.29 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 436 |
| 20193336 | 3336 | 7 | 179 | 26 | 89.12 | INDUSTRIAL | Victoria de Durango | 24.02399 | -104.6702 | 2038 |
| 20195409 | 5409 | 3 | 55 | 27 | 87.92 | INFORMATICA | Victoria de Durango | 24.02399 | -104.6702 | 3266 |
| 20195033 | 5033 | 3 | 50 | 28 | 94.45 | GESTION EMPRESARIAL | Victoria de Durango | 24.02399 | -104.6702 | 3034 |
| 20190549 | 549 | 9 | 218 | 17 | 88.69 | ARQUITECTURA | Victoria de Durango | 24.02399 | -104.6702 | 313 |
| 20192620 | 2620 | 3 | 47 | 23 | 86.91 | ELECTRONICA | Victoria de Durango | 24.02399 | -104.6702 | 1591 |
| 20190186 | 186 | 3 | 41 | 28 | 83.89 | SISTEMAS | Victoria de Durango | 24.02399 | -104.6702 | 110 |
| 20191297 | 1297 | 3 | 52 | 30 | 87.00 | BIOQUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 775 |
| 20193034 | 3034 | 5 | 85 | 31 | 88.21 | INDUSTRIAL | Victoria de Durango | 24.02399 | -104.6702 | 1858 |
| 20194007 | 4007 | 7 | 115 | 27 | 82.96 | MECATRONICA | Victoria de Durango | 24.02399 | -104.6702 | 2421 |
| 20195690 | 5690 | 4 | 79 | 29 | 88.53 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3421 |
| 20194231 | 4231 | 7 | 172 | 32 | 88.94 | QUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 2561 |
| 20193544 | 3544 | 3 | 48 | 27 | 82.82 | MECANICA | Victoria de Durango | 24.02399 | -104.6702 | 2165 |
| 20192218 | 2218 | 11 | 235 | 10 | 84.19 | ELECTRICA | Victoria de Durango | 24.02399 | -104.6702 | 1345 |
| 20195545 | 5545 | 7 | 145 | 29 | 85.77 | ADMINISTRACION | Victoria de Durango | 24.02399 | -104.6702 | 3341 |
| 20194135 | 4135 | 7 | 172 | 26 | 85.39 | QUIMICA | Victoria de Durango | 24.02399 | -104.6702 | 2500 |
| 20193613 | 3613 | 3 | 52 | 24 | 85.50 | MECANICA | Victoria de Durango | 24.02399 | -104.6702 | 2207 |
muestraloc2 <- sample(loc2, round(n * frloc2, 0))
kable(muestraloc2, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[2] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20192268 | 2268 | 10 | 216 | 14 | 83.80 | ELECTRICA | Las Brisas | 23.97352 | -104.58 | 262 |
| 20195323 | 5323 | 1 | NA | 26 | 0.00 | TIC | Las Brisas | 23.97352 | -104.58 | 631 |
| 20192994 | 2994 | 7 | 172 | 33 | 86.44 | INDUSTRIAL | Las Brisas | 23.97352 | -104.58 | 344 |
| 20194348 | 4348 | 5 | 114 | 30 | 89.92 | QUIMICA | Las Brisas | 23.97352 | -104.58 | 515 |
| 20193182 | 3182 | 2 | 27 | 24 | 83.00 | INDUSTRIAL | Las Brisas | 23.97352 | -104.58 | 375 |
| 20192346 | 2346 | 5 | 99 | 28 | 84.35 | ELECTRICA | Las Brisas | 23.97352 | -104.58 | 271 |
| 20192814 | 2814 | 7 | 163 | 35 | 84.35 | INDUSTRIAL | Las Brisas | 23.97352 | -104.58 | 326 |
| 20195766 | 5766 | 1 | NA | 27 | 0.00 | ADMINISTRACION | Las Brisas | 23.97352 | -104.58 | 678 |
| 20192753 | 2753 | 6 | 158 | 26 | 88.00 | INDUSTRIAL | Las Brisas | 23.97352 | -104.58 | 321 |
| 20194882 | 4882 | 3 | 32 | 31 | 84.43 | GESTION EMPRESARIAL | Las Brisas | 23.97352 | -104.58 | 577 |
| 20193378 | 3378 | 10 | 225 | 10 | 82.12 | MECANICA | Las Brisas | 23.97352 | -104.58 | 391 |
| 20191305 | 1305 | 1 | NA | 23 | 0.00 | BIOQUIMICA | Las Brisas | 23.97352 | -104.58 | 161 |
muestraloc3 <- sample(loc3, round(n * frloc3, 0))
kable(muestraloc3, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[3] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20193085 | 3085 | 5 | NA | 26 | 0.00 | INDUSTRIAL | Las Aves | 23.94883 | -104.5715 | 320 |
| 20190244 | 244 | 5 | 112 | 25 | 87.54 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 23 |
| 20191061 | 1061 | 8 | 168 | 32 | 82.86 | ARQUITECTURA | Las Aves | 23.94883 | -104.5715 | 121 |
| 20190039 | 39 | 9 | 222 | 13 | 92.21 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 6 |
| 20194015 | 4015 | 4 | 62 | 26 | 85.00 | MECATRONICA | Las Aves | 23.94883 | -104.5715 | 439 |
| 20191448 | 1448 | 7 | 174 | 27 | 87.08 | BIOQUIMICA | Las Aves | 23.94883 | -104.5715 | 165 |
| 20194301 | 4301 | 6 | 129 | 26 | 84.96 | QUIMICA | Las Aves | 23.94883 | -104.5715 | 462 |
| 20190390 | 390 | 5 | 107 | 30 | 80.26 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 41 |
| 20193641 | 3641 | 5 | 57 | 23 | 78.85 | MECANICA | Las Aves | 23.94883 | -104.5715 | 387 |
| 20193522 | 3522 | 1 | NA | 26 | 0.00 | MECANICA | Las Aves | 23.94883 | -104.5715 | 366 |
| 20190306 | 306 | 4 | 87 | 33 | 93.26 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 34 |
muestraloc4 <- sample(loc4, round(n * frloc4, 0))
kable(muestraloc4, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[4] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20194732 | 4732 | 12 | 225 | 10 | 86.83 | GESTION EMPRESARIAL | Los Fresnos | 24.08339 | -104.6095 | 310 |
| 20194974 | 4974 | 8 | 205 | 30 | 88.56 | GESTION EMPRESARIAL | Los Fresnos | 24.08339 | -104.6095 | 332 |
| 20195248 | 5248 | 1 | NA | 27 | 0.00 | GESTION EMPRESARIAL | Los Fresnos | 24.08339 | -104.6095 | 356 |
| 20194853 | 4853 | 2 | 32 | 27 | 94.57 | GESTION EMPRESARIAL | Los Fresnos | 24.08339 | -104.6095 | 325 |
| 20192243 | 2243 | 10 | 226 | 9 | 82.25 | ELECTRICA | Los Fresnos | 24.08339 | -104.6095 | 154 |
| 20195503 | 5503 | 10 | 262 | 10 | 93.87 | ADMINISTRACION | Los Fresnos | 24.08339 | -104.6095 | 388 |
| 20191152 | 1152 | 11 | 108 | 17 | 78.00 | BIOQUIMICA | Los Fresnos | 24.08339 | -104.6095 | 72 |
muestraloc5 <- sample(loc5, round(n * frloc5, 0))
kable(muestraloc5, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[5] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20192935 | 2935 | 5 | 104 | 34 | 86.39 | INDUSTRIAL | Microondas el Tecolote | 24.05248 | -104.8519 | 168 |
| 20192340 | 2340 | 1 | NA | 24 | 0.00 | ELECTRICA | Microondas el Tecolote | 24.05248 | -104.8519 | 133 |
| 20191209 | 1209 | 5 | 104 | 30 | 82.91 | BIOQUIMICA | Microondas el Tecolote | 24.05248 | -104.8519 | 62 |
| 20190236 | 236 | 1 | NA | 27 | 0.00 | SISTEMAS | Microondas el Tecolote | 24.05248 | -104.8519 | 15 |
| 20195268 | 5268 | 5 | 101 | 28 | 82.55 | TIC | Microondas el Tecolote | 24.05248 | -104.8519 | 294 |
| 20192138 | 2138 | 5 | 99 | 33 | 84.43 | CIVIL | Microondas el Tecolote | 24.05248 | -104.8519 | 116 |
muestraloc6 <- sample(loc6, round(n * frloc6, 0))
kable(muestraloc6, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[6] ))| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
|---|---|---|---|---|---|---|---|---|---|---|
| 20193554 | 3554 | 3 | 52 | 31 | 86.33 | MECANICA | Michel [Granja] | 24.00545 | -104.7152 | 175 |
| 20194555 | 4555 | 6 | 133 | 23 | 83.14 | QUIMICA | Michel [Granja] | 24.00545 | -104.7152 | 223 |
| 20192499 | 2499 | 11 | 205 | 15 | 79.93 | ELECTRONICA | Michel [Granja] | 24.00545 | -104.7152 | 119 |
| 20192495 | 2495 | 3 | 51 | 28 | 92.50 | ELECTRICA | Michel [Granja] | 24.00545 | -104.7152 | 118 |
| 20192977 | 2977 | 8 | 201 | 28 | 83.67 | INDUSTRIAL | Michel [Granja] | 24.00545 | -104.7152 | 143 |
ºCargar la librerías para mapas
#install.packages("leaflet")
library(leaflet)ºUsando los valores de latitud y longitud
map<-leaflet() %>%
addTiles() %>%
addMarkers(lat=localidades6$Lat_Decimal[1],lng=localidades6$Lon_Decimal[1] ,popup=localidades6$Nom_Loc[1]) %>%
addMarkers(lat=localidades6$Lat_Decimal[2],lng=localidades6$Lon_Decimal[2] ,popup=localidades6$Nom_Loc[2]) %>%
addMarkers(lat=localidades6$Lat_Decimal[3],lng=localidades6$Lon_Decimal[3] ,popup=localidades6$Nom_Loc[3]) %>%
addMarkers(lat=localidades6$Lat_Decimal[4],lng=localidades6$Lon_Decimal[4] ,popup=localidades6$Nom_Loc[4]) %>%
addMarkers (lat=localidades6$Lat_Decimal[5],lng=localidades6$Lon_Decimal[5] ,popup=localidades6$Nom_Loc[5]) %>%
addMarkers (lat=localidades6$Lat_Decimal[6],lng=localidades6$Lon_Decimal[6] ,popup=localidades6$Nom_Loc[6])
# Mostrar el mapa
mapes una técnica en la cual las muestras son recogidas mediante un proceso que le brinda a todos los individuos de la población la misma oportunidad de ser seleccionados.
Muchos consideran que este es metodológicamente el enfoque más riguroso para el muestreo, ya que elimina los sesgos sociales que podrían moldear la muestra de investigación. Sin embargo, en última instancia la técnica de muestreo que elijas debe ser la que te permita responder mejor a tu pregunta de investigación.
Vamos a analizar los cuatro tipos de muestreo probabilístico.
Muestreo Aleatorio Simple. La muestra aleatoria simple es el método de muestreo básico utilizado en métodos estadísticos y cálculos. Para recopilar una muestra aleatoria simple, a cada unidad de la población objetivo se le asigna un número. Luego se genera un conjunto de números aleatorios y las unidades que tienen esos números son incluidas en la muestra.
Por ejemplo, supongamos que tienes una población de 1,000 personas y quieres seleccionar una muestra aleatoria simple de 50 personas. Primero, cada persona está numerada del 1 al 1,000. Luego, generas una lista de 50 números aleatorios, generalmente con un programa informático, y los individuos que tienen asignados estos números son los que vas a incluir en la muestra.
Cuando se estudia a las personas, está técnica funciona mejor con una población homogénea, que no sean muy diferentes en edad, raza, escolaridad o clase, ya que con una población heterogénea se corre el riesgo de crear una muestra sesgada si no se toman en cuenta las diferencias demográficas. #### Referencias Bibliográficas Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2008). Estadística para administración y economía (10th ed.). Cengage Learning,
Lind, D., Marchal, W., & Wathen, S. (2015). Estadística aplicada a los negocios y la economía (Decimo Sexta). McGraw-Hill.