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, Marchal, and Wathen 2015).
Por otra parte la importancia del muestreo como lo menciona (Anderson, Sweeney, and Williams 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, Marchal, and Wathen 2015).
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, Sweeney, and Williams 2008).
De un conjunto de N elementos de una población, un muestreo aleatorio simple sería una especie 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, Marchal, and Wathen 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, Sweeney, and Williams 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, Sweeney, and Williams 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, Marchal, and Wathen 2015).
(Anderson, Sweeney, and Williams 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, entre 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, Marchal, and Wathen 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, Marchal, and Wathen 2015).
Ahora bien, la pregunta es ¿cómo se calcula el tamaño de una muestra?,
n=Z2α/2Npqe2(N−1)+Z2α/2pq
En la ecuación N es la población o universo,
Zα/2 es el valor tabulado del coeficiente de confianza, el coeficiente de confianza es la probabilidad que los resultados del estudio sean ciertos. El valor es una constante que depende del coeficiente de confianza elegido, la tabla siguiente muestra los valores de Zα/2 asociados a los niveles de confianza que se pueden elegir
Valores de Z por nivel de confianza Z 1 .195 1 .645 1 .755 1 .885 1 .960 2 .179 2 .325 2 .575 Con fianza 89% 90% 92% 94% 95% 97% 98% 99% El producto pq es la varianza de las proporciones, donde p es la proporción que presenta el atributo y q su complementario. En otras palabras, p es la proporción de individuos que poseen en la población la característica de estudio y q es la proporción de individuos que no poseen en la población las características de estudio, es decir, q=1−p. Normalmente el valor de la varianza (producto pq) es desconocido asignado p=q=0.5 que garantiza la varianza máxima y por ende maximiza el valor de n.
Por último, e2 es el error máximo admisible, en tanto por ciento, cuando se desconoce su valor, entonces el investigador fija un criterio que puede variar entre el 1% (0.01) y 9% (0.09).
Ejemplo de cálculo de muestra: calcular el tamaño n de una muestra aleatoria simple de una población N=10000 habitantes de una comunidad, fijando un error máximo admisible del 4, un nivel de confianza del 90 y varianza máxima de pq=0.25.
Solución: La varianza es máxima, por tanto, p=q=0.5, el nivel de confianza es del 90, entonces α=10 y Zα/2=Z0.10/2=Z0.05=1.645, la muestra es:
n=(1.645)2(10,000)(0.25)(0.04)2(10,000−1)+(1.645)2(0.25)=(2.706025)(10,000)(0.25)(0.0016)(9,999)+(2.706025)(0.25)=≈406
En R desarrollando la fórmula sería:
Z=1.645
p=0.5
q=1-p
N=10000
e=0.04
n=(Z^2*N*p*q)/(e^2*(N-1)+Z^2*p*q)
n = round(n,0)
n
## [1] 406library(dplyr)
## Warning: package 'dplyr' was built under R version 4.0.4
##
## 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
library(mosaic)
## Warning: package 'mosaic' was built under R version 4.0.5
## 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, sum
library(readr)
library(ggplot2) # Para gráficos
library(knitr) # Para formateo de datos
## Warning: package 'knitr' was built under R version 4.0.5
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")| 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")| 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 |
Se cargan os datos de alumnos inscritos en una Institución de educación superior en el semestre septiembre 2020 a enero 2021, con los atributos siguientes:
No de control (modificado y no real), Número consecutivo de alumno Semestre que cursa Créditos aprobados Carga académica que cursa Promedio aritmético Carrera
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")| 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")| 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 |
Se muestran presentan los cuatro tipos de muestreo, aleatorio simple, sistematizado, por estrato y conglomerados.
Hay que encuestar a diez personas de 100 para hacerles alguna entrevista, ¿a quienes? Con 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")| La muestra de personas |
|---|
| x |
| FRANCISCA |
| GUSTAVO |
| JORGE |
| PATRICIA |
| PEDRO |
| LUCÍA |
| ELIZABETH |
| JESÚS |
| ALEJANDRO |
| RAFAEL |
Con 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")| 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 |
Con el conjunto de datos personas, iniciar en un valor aleatorio 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")| 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 |
Con el conjunto de datos alumnos, hay que encontrar a 100 alumnos, ¿A cuáles?, bajo el muestreo 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")| 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 |
Con el conjunto de datos de personas se trata de encontrar 10 , pero que sea representativa de acuerdo y conforme al género femenino y masculino. ¿Cuál es la frecuencia relativa del género femenino? ¿Cuál es la frecuencia relativa del género masculino? Ambas 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] 0.42
frmas
## [1] 0.58
muestraFem <- sample(femeninos, n * frfem)
kable(muestraFem, caption = "La muestra de personas Femenino")| 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")| 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 |
Simular muestreo estratificado por carreras 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")| 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 |
¿Cuáles alumnos? Sólo 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] 0.07623545
frcivil
## [1] 0.1092933
muestrasistemas <- sample(sistemas, round(n * frsistemas, 0))
kable(muestrasistemas, caption = "La muestra de alumnos de Sistemas")| 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")| 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 |
En un proceso de simulación, al conjunto de datos alumnos agregar tres columnas: la localidad, latitud y longitud Primero 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")
set.seed(1000)
localidades6 <- locdurangomx[sample(nrow(locdurangomx), 5), ]
localidades6 <- rbind(localidades6, locdurangomx[1,])Tercero 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%. Mostrar 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")| 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")| 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 |
Cuarto 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")| 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 |
Quinto Determinar el porcentaje que le corresponde a cada conglomerado conforme a la frecuencia relativa.
¿Cuáles alumnos?, de acuerdo al conglomerado o la localidad
Simular 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] ))| La muestra de alumnos de Localidad Victoria de Durango | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 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] ))| La muestra de alumnos de Localidad Las Brisas | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 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$Category[3] ))| La muestra de alumnos de Localidad Las Aves | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
| 20193085 | 3085 | 5 | NA | 26 | 0.00 | INDUSTRIAL | Las Aves | 23.94883 | -104.5715 | 320 |
| 20190244 | 244 | 5 | 112 | 25 | 87.54 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 23 |
| 20191061 | 1061 | 8 | 168 | 32 | 82.86 | ARQUITECTURA | Las Aves | 23.94883 | -104.5715 | 121 |
| 20190039 | 39 | 9 | 222 | 13 | 92.21 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 6 |
| 20194015 | 4015 | 4 | 62 | 26 | 85.00 | MECATRONICA | Las Aves | 23.94883 | -104.5715 | 439 |
| 20191448 | 1448 | 7 | 174 | 27 | 87.08 | BIOQUIMICA | Las Aves | 23.94883 | -104.5715 | 165 |
| 20194301 | 4301 | 6 | 129 | 26 | 84.96 | QUIMICA | Las Aves | 23.94883 | -104.5715 | 462 |
| 20190390 | 390 | 5 | 107 | 30 | 80.26 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 41 |
| 20193641 | 3641 | 5 | 57 | 23 | 78.85 | MECANICA | Las Aves | 23.94883 | -104.5715 | 387 |
| 20193522 | 3522 | 1 | NA | 26 | 0.00 | MECANICA | Las Aves | 23.94883 | -104.5715 | 366 |
| 20190306 | 306 | 4 | 87 | 33 | 93.26 | SISTEMAS | Las Aves | 23.94883 | -104.5715 | 34 |
muestraloc4 <- sample(loc4, round(n * frloc4, 0))
kable(muestraloc4, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[4] ))| La muestra de alumnos de Localidad Los Fresnos | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 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$Category[5] ))| La muestra de alumnos de Localidad Microondas el Tecolote | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| No. Control | Alumno | Semestre | Cr. Apr. | Carga | Promedio | Carrera | localidad | latitud | longitud | orig.id |
| 20192935 | 2935 | 5 | 104 | 34 | 86.39 | INDUSTRIAL | Microondas el Tecolote | 24.05248 | -104.8519 | 168 |
| 20192340 | 2340 | 1 | NA | 24 | 0.00 | ELECTRICA | Microondas el Tecolote | 24.05248 | -104.8519 | 133 |
| 20191209 | 1209 | 5 | 104 | 30 | 82.91 | BIOQUIMICA | Microondas el Tecolote | 24.05248 | -104.8519 | 62 |
| 20190236 | 236 | 1 | NA | 27 | 0.00 | SISTEMAS | Microondas el Tecolote | 24.05248 | -104.8519 | 15 |
| 20195268 | 5268 | 5 | 101 | 28 | 82.55 | TIC | Microondas el Tecolote | 24.05248 | -104.8519 | 294 |
| 20192138 | 2138 | 5 | 99 | 33 | 84.43 | CIVIL | Microondas el Tecolote | 24.05248 | -104.8519 | 116 |
Cargar la librerías para mapas
#install.packages("leaflet")
library(leaflet)
## Warning: package 'leaflet' was built under R version 4.0.5Usando los valores de latitud y longitud
map<-leaflet() %>%
addTiles() %>%
addMarkers(lat=localidades6$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
map4.3 Empresas en Durango
Cargar los datos de empresas de Durango y realizar muestreo aleatorios simple, sistematizado, estratificado y por conglomerado.
La lectura de los datos como son cerca de 66740 observaciones, puede hacerse de manera más práctica, descargando los datos de https://raw.githubusercontent.com/rpizarrog/probabilidad-y-estad-stica/master/datos/denue_inegi_10_.csv y recuperando de directorio local de su computadora.
Los datos son registros y observaciones de empresas de Durango, se utiliza la acostumbrada función read.csv() solo que ahora se modifica el atributo encoding = ‘latin-1’ por el tipo de codificación que traen los datos; stringsAsFactors = TRUE significa que convierte directamente a factor los valores de tipo char.
Primeros reistros de empresas
id nom_estab raz_social codigo_act nombre_act per_ocu tipo_vial nom_vial tipo_v_e_1 nom_v_e_1 tipo_v_e_2 nom_v_e_2 tipo_v_e_3 nom_v_e_3 numero_ext letra_ext edificio edificio_e numero_int letra_int tipo_asent nomb_asent tipoCenCom nom_CenCom num_local cod_postal cve_ent entidad cve_mun municipio cve_loc localidad ageb manzana telefono correoelec www tipoUniEco latitud longitud fecha_alta 8658848 ACOPIADORA DE GRANOS 115119 Otros servicios relacionados con la agricultura 0 a 5 personas CALLE INDEPENDENCIA OTRO (ESPECIFIQUE) NINGUNO OTRO (ESPECIFIQUE) NINGUNO OTRO (ESPECIFIQUE) NINGUNO NA SN NA COLONIA EL REFUGIO 34800 10 DURANGO 22 Poanas 1 Villa Unión 552 1 NA Fijo 23.96195 -104.0494 2019-11 6259842 ALDAJUCE SEMILLAS Y CEREALES GUTIERREZ REYES SPR DE RL 115113 Beneficio de productos agrícolas 0 a 5 personas CALLE INDEPENDENCIA OTRO (ESPECIFIQUE) NINGUNO OTRO (ESPECIFIQUE) NINGUNO OTRO (ESPECIFIQUE) NINGUNO NA SN NA COLONIA EL REFUGIO 34800 10 DURANGO 22 Poanas 1 Villa Unión 552 1 6758672258 Fijo 23.96097 -104.0494 2010-07 6168992 ASOCIACIÓN DE PESCADORES DEL NAZAS EMILIO CARRANZA ASOCIACIÓN DE PESCADORES DEL NAZAS EMILIO CARRANZA 114119 Pesca y captura de peces, crustáceos, moluscos y otras especies 11 a 30 personas CARRETERA NINGUNO CALLE NINGUNO CALLE NINGUNO CALLE NINGUNO 2 0 EJIDO EMILIO CARRANZA 34000 10 DURANGO 15 Nazas 11 Emilio Carranza 350 7 NA Fijo 25.26136 -103.9458 2010-07 1072965 BODEGA BENEFICIADORA DE FRIJOL 115113 Beneficio de productos agrícolas 6 a 10 personas CALLE JUAN ALDAMA AVENIDA BENITO JUAREZ AVENIDA IGNACIO MANUEL ALTAMIRANO CALLE GUADALUPE VICTORIA NA SN NA LOCALIDAD ANTONIO AMARO 34730 10 DURANGO 8 Guadalupe Victoria 2 Antonio Amaro (Saucillo) 500 8 NA Fijo 24.27781 -104.0162 2010-07 6169001 CENTRO ECOTURISTICO PARAISO DE SAN DIEGO CENTRO ECOTURISTICO PARAISO DE SAN DIEGO EJIDO 112512 Piscicultura y otra acuicultura, excepto camaronicultura 11 a 30 personas CALLE NINGUNO CALLE SIN NOMBRE CALLE NINGUNO CALLE SIN NOMBRE 1 NA EJIDO SAN DIEGO DE TENZAENS 34625 10 DURANGO 32 Santiago Papasquiaro 208 Nuevo San Diego (El Caballo) 092A 1 NA Fijo 24.95397 -105.9733 2010-07 8605618 COMITE ESTATAL DE SANIDAD VEGETAL DEL ESTADO DE DURANGO CESAVEDAC COMITE ESTATAL DE SANIDAD VEGETAL DEL ESTADO DE DURANGO CESAVEDAC AC 115111 Servicios de fumigación agrícola 51 a 100 personas BOULEVARD FRANCISCO VILLA AVENIDA ESTRONCIO CALLE MANGANESO CALLE SELENIO NA SN NA FRACCIONAMIENTO CIUDAD INDUSTRIAL 34208 10 DURANGO 5 Durango 1 Victoria de Durango 1704 21 NA Fijo 24.06082 -104.6086 2019-11
Ultimos registros de empresas id nom_estab raz_social codigo_act nombre_act per_ocu tipo_vial nom_vial tipo_v_e_1 nom_v_e_1 tipo_v_e_2 nom_v_e_2 tipo_v_e_3 nom_v_e_3 numero_ext letra_ext edificio edificio_e numero_int letra_int tipo_asent nomb_asent tipoCenCom nom_CenCom num_local cod_postal cve_ent entidad cve_mun municipio cve_loc localidad ageb manzana telefono correoelec www tipoUniEco latitud longitud fecha_alta 66743 1095866 VENTANILLA DE APOYO SINIIGA VENTANILLA DE APOYO SINIIGA 931610 Actividades administrativas de instituciones de bienestar social 0 a 5 personas CALLE NINGUNO CALLE NINGUNO PRIVADA NINGUNO OTRO (ESPECIFIQUE) MONTE NA SN NA BARRIO DE LA ENTRADA 34500 10 DURANGO 9 Guanaceví 1 Guanaceví 1031 14 6748612593 Fijo 25.93586 -105.9495 2014-12 66744 1074076 VENTANILLA DE RECAUDACION DE RENTAS SANTA CLARA SECRETARÍA DE FINANZAS DEL ESTADO 931210 Administración pública en general 0 a 5 personas CALLE CONSTITUCION AVENIDA GUATEMALA CALLE JUAREZ CALLE JUÁREZ NA SN NA COLONIA ZONA CENTRO 35890 10 DURANGO 31 Santa Clara 1 Santa Clara 265 25 6717643488 Fijo 24.47567 -103.3571 2010-07 66745 1067716 VICEFISCALÍA ZONA 1 REGION LAGUNA GOBIERNO DEL ESTADO DE DURANGO 931410 Impartición de justicia y mantenimiento de la seguridad y el orden público 51 a 100 personas CALLE LIBRAMIENTO PERIFERICO CALZADA JOSE SANTOS VALDEZ CALZADA CASTILAGUA PRIVADA NINGUNO NA SN NA COLONIA SERGIO MENDEZ 35158 10 DURANGO 12 Lerdo 1 Lerdo 1588 1 8711750700 VICELAGUNA@HOTMAIL.COM Fijo 25.56473 -103.5220 2010-07 66746 1076947 VIVIENDA CATASTRO GOBIERNO MUNICIPAL PRESIDENCIA 931610 Actividades administrativas de instituciones de bienestar social 0 a 5 personas AVENIDA JOSE RAMON VALDEZ CALLE GUADALUPE VICTORIA CALLE 20 DE NOVIEMBRE AVENIDA ISABEL LA CATÓLICA 503 OTRO CONGLOMERADO PISO 1 24 COLONIA AMPL NUEVO IDEAL EDIFICIO COMERCIAL Y DE SERVICIOS PRESIDENCIA MUNICIPAL 24 34420 10 DURANGO 39 Nuevo Ideal 1 Nuevo Ideal 28 2 6778731011 Fijo 24.88838 -105.0743 2010-07 66747 1109104 ZONA ESCOLAR 24 SETEL 931610 Actividades administrativas de instituciones de bienestar social 0 a 5 personas CALLE FELIPE ANGELES AVENIDA LUIS DONALDO COLOSIO CALLE ARROYO DE LA POLVORA CALLE ALDAMA 401 0 401 COLONIA LA ESPERANZA 35805 10 DURANGO 4 Cuencamé 1 Cuencamé de Ceniceros 696 16 6717630460 ZONAVEINCUATROCUENCAME@HOTMAIL.COM Fijo 24.87184 -103.7009 2014-12 66748 1085549 ZONA ESCOLAR NUMERO NUEVE DE TELESECUNDARIAS SECRETARÍA DE EDUCACIÓN PÚBLICA 931610 Actividades administrativas de instituciones de bienestar social 0 a 5 personas CALLE DOCTOR ISAURO VENZOR CALLE LICENCIADO ALBERTO TERRONES BENITEZ AVENIDA GENERAL LAZARO CARDENAS CALLE CARLOS SANTAMARÍA 1223 NA COLONIA CENTRO 34000 10 DURANGO 5 Durango 1 Victoria de Durango 320 38 6188103730 Fijo 24.02197 -104.6526 2014-12 Análisis descriptivo de empresas y los tipos de variables.
¿Cuáles son los tipos de muestreos vistos? ¿A qué se refiere cada uno de ellos? ¿Cual función en R permite generar muestreos Resp. sample()
Si se tuviera que encontrar una muestra de 350 alumnos del conjunto de datos alumnos a quienes se les preguntaría por el método de muestreo aleatorio simple.
No. Control Alumno Semestre Cr. Apr. Carga Promedio Carrera localidadSi se tuviera que encontrar una muestra de 600 empresas del conjunto de datos empresas a quienes se les preguntaría por el método de muestreo aleatorio simple.
Anderson, David R., Dennis J. Sweeney, and Thomas A. Williams. 2008. Estadística Para Administración y Economía. 10th ed. Australia • Brasil • Corea • España • Estados Unidos • Japón • México • Reino Unido • Singapur: Cengage Learning,. Lind, Douglas, William Marchal, and Samuel Wathen. 2015. Estadística Aplicada a Los Negocios y La Economía. Decimo Sexta. México, D.F.: McGraw-Hill.