Diseño muestral
Jonathan Rougier, Lorena Bazán
Diciembre 2021
Trabajo Final de Teoría y técnicas de Muestreo
Consigna
La Municipalidad de Almirante Brown, de + de 100.000 habitantes, desea realizar en su ámbito, una réplica de la EPH a ese nivel, con la finalidad de tener una estimación de la Tasa de Ocupación de la población. Para ello deben desarrollar el diseño de muestra que piensan puede servir de base para el estudio y extraer la muestra correspondiente. Para el desarrollo del diseño correspondiente, deben analizar en primera instancia qué información tienen disponible, de acuerdo al caso o tema seleccionado. No se puede asumir que se tiene cierta información que no esté realmente disponible. Se les enviará las respuestas de las encuestas para que procesen el resultado final con la finalidad de estimar el parámetro correspondiente y sus errores de muestreo. Se impone como condición, realizar la estimación con un error de muestreo del 5 % y un Nivel de Confianza del 95 %.
Propuesta
Para poder estimar la tasa de ocupación de la población de Almirante Brown se procederá a realizar un muestreo probabilístico bietápico.
1er Etapa MAE: de acuerdo con los datos obtenidos se segmentará la población total en 6 estratos. Los estratos serán construidos a través del porcentaje de hogares con nbi por radio, a partir de identificar la mínima variabilidad posible entre los estratos.
A través del cálculo del tamaño de la muestra se procederá a asignar proporcionalmente la cantidad de radios que deberían componer cada estrato de la muestra.
2da Etapa MS: seleccionados la cantidad de hogares por estratos se procederá a realizar un muestreo sistemático por radio censal. Teniendo como última unidad muestral los hogares de las viviendas seleccionadas.
En relación a este diseño se calcularán las probabilidades final de selección de las distintas unidades muestrales y el factor de expansión para cada radio censal.
A CONTINUACION SE DETALLA EL PROCESAMIENTO Y ASIGNACION DE CASOS A LA MUESTRA
En primer lugar, cargamos las librerias que vamos a necesitar:
library(tidyverse)
library(ggpubr)
library(rstatix)
library(plyr)
library(dplyr)
library(descr)
library(openxlsx)
library(sampling)
library(samplingbook)
library(readxl)
library(stratification)
library(VIM)
library(BAMMtools)
library(kableExtra)
library(knitr)
library(haven)
library(eph)
library(data.table)DATOS DE LA POBLACIÓN Según censo 2010 Almirante Brown tiene:
Radios censales = 484 Viviendas = 142.614 Hogares = 156.918 Población = 552.902
En el siguiente mapa podemos visualizar los radios censales de Almirante Brown en mapa de color de Hogares con al menos un indicador de Necesidades Basicas Insatisfechas (Censo 2010)
La información la obtuvimos de: Pablo De Grande y Agustín Salvia (2019). Indicadores del Censo Nacional de Población, Hogares y Viviendas, 2010. Recuperado el 8 de diciembre, 2021, de https://mapa.poblaciones.org/map/3701
TAMAÑO DE LA MUESTRA Para calcular el tamaño de la muestra recurrimos a los datos de la eph. Obtenemos la tasa de ocupación para los partidos de Buenos Aires según la eph para el tercer trimestre de 2020 para la población mayor de 16 años
EPH<- get_microdata(year=2020, trimester = 3, type="individual") %>% filter(AGLOMERADO==15 & CH06 > 16)
EPH## # A tibble: 1,096 x 177
## CODUSU ANO4 TRIMESTRE NRO_HOGAR COMPONENTE H15 REGION MAS_500 AGLOMERADO
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
## 1 TQRMNOP~ 2020 3 1 1 1 41 N 15
## 2 TQRMNOP~ 2020 3 1 3 1 41 N 15
## 3 TQRMNOP~ 2020 3 1 4 1 41 N 15
## 4 TQRMNOP~ 2020 3 1 5 1 41 N 15
## 5 TQRMNOQ~ 2020 3 2 1 1 41 N 15
## 6 TQRMNOQ~ 2020 3 2 2 1 41 N 15
## 7 TQRMNOQ~ 2020 3 1 1 1 41 N 15
## 8 TQRMNOQ~ 2020 3 1 2 1 41 N 15
## 9 TQRMNOQ~ 2020 3 1 3 1 41 N 15
## 10 TQRMNOQ~ 2020 3 1 4 1 41 N 15
## # ... with 1,086 more rows, and 168 more variables: PONDERA <dbl>, CH03 <dbl>,
## # CH04 <dbl>, CH05 <chr>, CH06 <dbl>, CH07 <dbl>, CH08 <dbl>, CH09 <dbl>,
## # CH10 <dbl>, CH11 <dbl>, CH12 <dbl>, CH13 <dbl>, CH14 <chr>, CH15 <dbl>,
## # CH15_COD <dbl>, CH16 <dbl>, CH16_COD <dbl>, NIVEL_ED <dbl>, ESTADO <dbl>,
## # CAT_OCUP <dbl>, CAT_INAC <dbl>, IMPUTA <dbl>, PP02C1 <dbl>, PP02C2 <dbl>,
## # PP02C3 <dbl>, PP02C4 <dbl>, PP02C5 <dbl>, PP02C6 <dbl>, PP02C7 <dbl>,
## # PP02C8 <dbl>, PP02E <dbl>, PP02H <dbl>, PP02I <dbl>, PP03C <dbl>,
## # PP03D <dbl>, PP3E_TOT <int>, PP3F_TOT <int>, PP03G <dbl>, PP03H <dbl>,
## # PP03I <dbl>, PP03J <dbl>, INTENSI <dbl>, PP04A <dbl>, PP04B_COD <chr>,
## # PP04B1 <dbl>, PP04B2 <dbl>, PP04B3_MES <dbl>, PP04B3_ANO <dbl>,
## # PP04B3_DIA <dbl>, PP04C <dbl>, PP04C99 <dbl>, PP04D_COD <chr>, PP04G <dbl>,
## # PP05B2_MES <dbl>, PP05B2_ANO <dbl>, PP05B2_DIA <dbl>, PP05C_1 <dbl>,
## # PP05C_2 <dbl>, PP05C_3 <dbl>, PP05E <dbl>, PP05F <dbl>, PP05H <dbl>,
## # PP06A <dbl>, PP06C <dbl>, PP06D <dbl>, PP06E <dbl>, PP06H <dbl>,
## # PP07A <dbl>, PP07C <dbl>, PP07D <dbl>, PP07E <dbl>, PP07F1 <dbl>,
## # PP07F2 <dbl>, PP07F3 <dbl>, PP07F4 <dbl>, PP07F5 <dbl>, PP07G1 <dbl>,
## # PP07G2 <dbl>, PP07G3 <dbl>, PP07G4 <dbl>, PP07G_59 <dbl>, PP07H <dbl>,
## # PP07I <dbl>, PP07J <dbl>, PP07K <dbl>, PP08D1 <dbl>, PP08D4 <dbl>,
## # PP08F1 <dbl>, PP08F2 <dbl>, PP08J1 <dbl>, PP08J2 <dbl>, PP08J3 <dbl>,
## # PP09A <dbl>, PP09A_ESP <lgl>, PP09B <dbl>, PP09C <dbl>, PP09C_ESP <lgl>,
## # PP10A <dbl>, PP10C <dbl>, PP10D <dbl>, ...Con la base filtrada de la EPH, preparamos la variable “Estado” como una variable factor de 3 niveles. Calculamos la frecuencia para cada uno de los estados en situación ocupacional.
EPH$ESTADO<- factor(EPH$ESTADO, levels = c(1:3), labels = c("OCUPADO","DESOCUPADO","INACTiVO"))
ResumenEStado<- count(EPH$ESTADO)
ResumenEStado## x freq
## 1 OCUPADO 442
## 2 DESOCUPADO 20
## 3 INACTiVO 634Con estos datos podemos calcular la tasa de ocupación de la provincia de buenos aires para el tercer trimestre del 2020.
TasaOcupacion<- ResumenEStado[1,2]/(ResumenEStado[1,2]+ResumenEStado[2,2]+ResumenEStado[3,2])
TasaOcupacion## [1] 0.4032847Obtenemos la proporción de personas ocupadas o inactivas, dato que usaremos para fijar la proporción de la población total y calcular el tamaño de la muestra. Para ello, vamos a importar los datos de la base total de la población de Almirante Brown:
muestrahogares<-read_xlsx("Indicadores Almirante Brown.xlsx")## New names:
## * `Total de hogares` -> `Total de hogares...2`
## * `Total de hogares` -> `Total de hogares...35`Dejamos solo las variables con las que vamos a trabajar
muestrahogares<- muestrahogares[, c(1:3)]
#Renombramos las variables
colnames(muestrahogares)[1] <- c("codigoradio")
colnames(muestrahogares)[3] <- c("CANTIDAD_NBI_HOGARES")
colnames(muestrahogares)[2] <- c("TOTAL_HOGARES_RADIO")
muestrahogares## # A tibble: 484 x 3
## codigoradio TOTAL_HOGARES_RADIO CANTIDAD_NBI_HOGARES
## <chr> <dbl> <dbl>
## 1 060280615 1032 218
## 2 060280604 1165 166
## 3 060280305 406 164
## 4 060280610 1001 163
## 5 060280303 496 137
## 6 060280307 346 137
## 7 060280614 762 131
## 8 060280701 608 131
## 9 060280409 445 103
## 10 060280702 546 103
## # ... with 474 more rowsCalculamos el porcentaje de hogares con al menos una NBI por radio. Este porcentaje por radio de hogares con nbi, nos permitirá posteriormente crear los estratos por radio.
muestrahogares<- muestrahogares%>% mutate(PORC_HOG_X_NBI_RADIO = round((CANTIDAD_NBI_HOGARES/ TOTAL_HOGARES_RADIO)*100),2)
muestrahogares## # A tibble: 484 x 4
## codigoradio TOTAL_HOGARES_RADIO CANTIDAD_NBI_HOGARES PORC_HOG_X_NBI_RADIO
## <chr> <dbl> <dbl> <dbl>
## 1 060280615 1032 218 21
## 2 060280604 1165 166 14
## 3 060280305 406 164 40
## 4 060280610 1001 163 16
## 5 060280303 496 137 28
## 6 060280307 346 137 40
## 7 060280614 762 131 17
## 8 060280701 608 131 22
## 9 060280409 445 103 23
## 10 060280702 546 103 19
## # ... with 474 more rows#Eliminamos casos atípicos tomamos un hogar por radio como referencia
muestrahogares<- filter(muestrahogares, TOTAL_HOGARES_RADIO >= 1 )
muestrahogares## # A tibble: 484 x 4
## codigoradio TOTAL_HOGARES_RADIO CANTIDAD_NBI_HOGARES PORC_HOG_X_NBI_RADIO
## <chr> <dbl> <dbl> <dbl>
## 1 060280615 1032 218 21
## 2 060280604 1165 166 14
## 3 060280305 406 164 40
## 4 060280610 1001 163 16
## 5 060280303 496 137 28
## 6 060280307 346 137 40
## 7 060280614 762 131 17
## 8 060280701 608 131 22
## 9 060280409 445 103 23
## 10 060280702 546 103 19
## # ... with 474 more rowsObtenemos la cantidad de hogares totales para el partido de Almirante Brown
hogarestotales<- muestrahogares %>% summarise(Total_hogares =sum(TOTAL_HOGARES_RADIO))
ht<- as.vector(hogarestotales)
ht## Total_hogares
## 1 156918Ahora tomando el dato de tasa de ocupación del tercer trimestre del 2020 para la prov. de Buenos Aires, calcumos el tamaño de la muestra de Almirante Brown
#A través de la fórmula:
#n0=(k2*p*q)/(d2+((k2*p*q)/N))
n0 <- ((1.96^2)*0.40*0.60)/(((0.05*0.40)^2)+(((1.96^2)*0.40*0.60)/hogarestotales))
n0 ## Total_hogares
## 1 2271.593Primera Etapa MAE
Observamos la distribución de la variable NBI de porcentaje de hogares con nbi por radio creada anteriormente
histNBI<- muestrahogares$PORC_HOG_X_NBI_RADIO
hist(histNBI, breaks = 100)
Calculamos los estratos a partir del método de Daleniu Hodges, fijando 6 estratos para controlar la variabilidad de la variable que estratifica la población en la muestra que seleccionaremos posteriormente
set.seed(300)
strata.cumrootf(muestrahogares$PORC_HOG_X_NBI_RADIO, CV= 0.05, Ls=6)## Warning: 'nclass' value has been chosen arbitrarily## Given arguments:
## x = muestrahogares$PORC_HOG_X_NBI_RADIO
## nclass = 40, CV = 0.05, Ls = 6
## allocation: q1 = 0.5, q2 = 0, q3 = 0.5
## model = none
##
## Strata information:
## | type rh | bh E(Y) Var(Y) Nh nh fh
## stratum 1 | take-some 1 | 2.5 0.99 0.56 106 2 0.02
## stratum 2 | take-some 1 | 7.5 4.83 2.07 103 3 0.03
## stratum 3 | take-some 1 | 12.5 10.11 1.89 125 3 0.02
## stratum 4 | take-some 1 | 17.5 14.76 1.73 80 2 0.03
## stratum 5 | take-some 1 | 27.5 21.36 5.75 50 2 0.04
## stratum 6 | take-some 1 | 101.0 42.85 409.43 20 6 0.30
## Total 484 18 0.04
##
## Total sample size: 18
## Anticipated population mean: 10.27273
## Anticipated CV: 0.04550332Asignamos a cada radio censal un estrato en función de los resultados de corte del cálculo anterior de la siguiente manera:
muestrahogares<- muestrahogares %>% mutate(ESTRATOS_NBI = case_when( PORC_HOG_X_NBI_RADIO < 3 ~ 'ESTRATO 1' , PORC_HOG_X_NBI_RADIO < 8 ~ 'ESTRATO 2', PORC_HOG_X_NBI_RADIO < 13 ~ 'ESTRATO 3', PORC_HOG_X_NBI_RADIO < 18 ~ 'ESTRATO 4', PORC_HOG_X_NBI_RADIO < 28 ~ 'ESTRATO 5', PORC_HOG_X_NBI_RADIO < 101 ~ 'ESTRATO 6') )
muestrahogares## # A tibble: 484 x 5
## codigoradio TOTAL_HOGARES_RA~ CANTIDAD_NBI_HOG~ PORC_HOG_X_NBI_~ ESTRATOS_NBI
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 060280615 1032 218 21 ESTRATO 5
## 2 060280604 1165 166 14 ESTRATO 4
## 3 060280305 406 164 40 ESTRATO 6
## 4 060280610 1001 163 16 ESTRATO 4
## 5 060280303 496 137 28 ESTRATO 6
## 6 060280307 346 137 40 ESTRATO 6
## 7 060280614 762 131 17 ESTRATO 4
## 8 060280701 608 131 22 ESTRATO 5
## 9 060280409 445 103 23 ESTRATO 5
## 10 060280702 546 103 19 ESTRATO 5
## # ... with 474 more rowsObservamos cantidad de radios, desvios de porcentaje de hogares por nbi, variancia de porcentaje de hogares por nbi y totales de hogares para los estratos creados.
resumen_NBI <- muestrahogares %>% group_by(ESTRATOS_NBI) %>% dplyr::summarise(cantidad = n(), desvio= sd(PORC_HOG_X_NBI_RADIO), variancia= (desvio^2), total_nbi_hogares = sum(CANTIDAD_NBI_HOGARES),total_hogares =sum(TOTAL_HOGARES_RADIO), media_hogaresconnbi = ((total_nbi_hogares/total_hogares)*100) )
resumen_NBI## # A tibble: 6 x 7
## ESTRATOS_NBI cantidad desvio variancia total_nbi_hogares total_hogares
## <chr> <int> <dbl> <dbl> <dbl> <dbl>
## 1 ESTRATO 1 106 0.750 0.562 326 30965
## 2 ESTRATO 2 103 1.44 2.09 1611 33409
## 3 ESTRATO 3 125 1.38 1.91 4132 40680
## 4 ESTRATO 4 80 1.32 1.75 4236 28535
## 5 ESTRATO 5 50 2.42 5.87 3663 17104
## 6 ESTRATO 6 20 20.8 431. 2455 6225
## # ... with 1 more variable: media_hogaresconnbi <dbl>Observamos que el último estrato tiene una variancia muy elevada y un número pequeño de radios censales en los que se ubica.
Importamos la base con la cantidad de viviendas totales por radio.
**___STOP**
Viviendas_por_radio <- read_excel("Viviendas por radio.xlsx")
Viviendas_por_radio## # A tibble: 484 x 5
## codigoradio basico insuficiente satisfactoria total
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 060280101 97 80 129 306
## 2 060280102 67 97 76 240
## 3 060280103 114 71 127 312
## 4 060280104 84 23 186 293
## 5 060280105 24 2 170 196
## 6 060280106 57 28 156 241
## 7 060280107 115 64 127 306
## 8 060280108 144 77 133 354
## 9 060280109 126 51 269 446
## 10 060280110 59 20 139 218
## # ... with 474 more rowsObtenemos el total de hogares
hogarestotales<- muestrahogares %>% summarise(Total_hogares =sum(TOTAL_HOGARES_RADIO))
hogarestotales## Total_hogares
## 1 156918Obtenemos el total de viviendas de la base de viviendas por radio
ViviendaTotal<- sum(Viviendas_por_radio$total)
ViviendaTotal## [1] 142614Calculamos el promedio de hogares por vivienda
hogXviv<- hogarestotales/ViviendaTotal
hogXviv## Total_hogares
## 1 1.100299Calculamos la cantidad de viviendas que van a componer la muestra
SegSamplUn<- round((n0/hogXviv), 0)
colnames(SegSamplUn) <- "SSU"
SegSamplUn## SSU
## 1 2065Calculamos ahora la cantidad de radios a relevar con un salto sistmético de cada 25 viviendas
RadiosRelevar<- SegSamplUn/25
RadiosRelevar## SSU
## 1 82.6Consideramos los 82 radios que van a componer la muestra para calcular el tamaño de cada uno de los estratos para que la proporción de los estratos de la muestra sean iguales a las proporciones de los estratos de la población total.
stratasamp(n=82, Nh=c(106,103,125,80,50,20))##
## Stratum 1 2 3 4 5 6
## Size 18 17 21 14 8 3Entonces asignamos la muestra de manera proporcional a lo obtenido en el punto visto arriba
strata1v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 1") %>% sample_n( size = 18)
strata2v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 2") %>% sample_n( size = 17)
strata3v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 3") %>% sample_n( size = 21)
strata4v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 4") %>% sample_n( size = 14)
strata5v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 5") %>% sample_n( size = 8)
strata6v1<- filter(muestrahogares, ESTRATOS_NBI== "ESTRATO 6") %>% sample_n( size = 3)Nos quedamos con la muestra final de la cual extraeremos los radios censales para el recorrido de campo
muestrafinal<- bind_rows(strata1v1,strata2v1,strata3v1, strata4v1, strata5v1, strata6v1,)
muestrafinal## # A tibble: 81 x 5
## codigoradio TOTAL_HOGARES_RA~ CANTIDAD_NBI_HOG~ PORC_HOG_X_NBI_~ ESTRATOS_NBI
## <chr> <dbl> <dbl> <dbl> <chr>
## 1 060282704 316 5 2 ESTRATO 1
## 2 060282510 376 6 2 ESTRATO 1
## 3 060283106 407 4 1 ESTRATO 1
## 4 060281704 246 5 2 ESTRATO 1
## 5 060281211 372 0 0 ESTRATO 1
## 6 060282305 241 2 1 ESTRATO 1
## 7 060282504 183 1 1 ESTRATO 1
## 8 060282713 344 3 1 ESTRATO 1
## 9 060283408 335 2 1 ESTRATO 1
## 10 060280503 11 0 0 ESTRATO 1
## # ... with 71 more rowsCalculamos las probabilidades para etapa de estatificación
Prob2<- muestrafinal %>% dplyr::group_by(ESTRATOS_NBI) %>% dplyr::summarise(casos=n())
Prob2 <- join(Prob2,resumen_NBI) ## Joining by: ESTRATOS_NBIProb2 <- Prob2[,c(1:3)]
#Calculamos la probabilidad de selección W(N/n) y el factor de expansión 1/w
Prob2<- Prob2 %>% mutate("W(N/n)" = Prob2[,3]/Prob2[,2])
Prob2<- Prob2 %>% mutate("1/w"= 1/Prob2[,4])
#Asignamos las probabilidades a la muestra final
muestrafinal<- join(Prob2,muestrafinal) %>% select(codigoradio, TOTAL_HOGARES_RADIO,PORC_HOG_X_NBI_RADIO,ESTRATOS_NBI,"W(N/n)"
,"1/w")## Joining by: ESTRATOS_NBImuestrafinal## codigoradio TOTAL_HOGARES_RADIO PORC_HOG_X_NBI_RADIO ESTRATOS_NBI W(N/n)
## 1 060282704 316 2 ESTRATO 1 5.888889
## 2 060282510 376 2 ESTRATO 1 5.888889
## 3 060283106 407 1 ESTRATO 1 5.888889
## 4 060281704 246 2 ESTRATO 1 5.888889
## 5 060281211 372 0 ESTRATO 1 5.888889
## 6 060282305 241 1 ESTRATO 1 5.888889
## 7 060282504 183 1 ESTRATO 1 5.888889
## 8 060282713 344 1 ESTRATO 1 5.888889
## 9 060283408 335 1 ESTRATO 1 5.888889
## 10 060280503 11 0 ESTRATO 1 5.888889
## 11 060282701 210 0 ESTRATO 1 5.888889
## 12 060281106 215 0 ESTRATO 1 5.888889
## 13 060282609 280 0 ESTRATO 1 5.888889
## 14 060283311 354 2 ESTRATO 1 5.888889
## 15 060282308 213 1 ESTRATO 1 5.888889
## 16 060283205 225 2 ESTRATO 1 5.888889
## 17 060281109 472 1 ESTRATO 1 5.888889
## 18 060281210 429 2 ESTRATO 1 5.888889
## 19 060281301 434 3 ESTRATO 2 6.058824
## 20 060282807 374 4 ESTRATO 2 6.058824
## 21 060281113 227 4 ESTRATO 2 6.058824
## 22 060280811 464 4 ESTRATO 2 6.058824
## 23 060281112 254 4 ESTRATO 2 6.058824
## 24 060283005 284 7 ESTRATO 2 6.058824
## 25 060281604 309 3 ESTRATO 2 6.058824
## 26 060281017 245 4 ESTRATO 2 6.058824
## 27 060282903 302 6 ESTRATO 2 6.058824
## 28 060283702 276 7 ESTRATO 2 6.058824
## 29 060281607 234 3 ESTRATO 2 6.058824
## 30 060283805 392 3 ESTRATO 2 6.058824
## 31 060283609 268 7 ESTRATO 2 6.058824
## 32 060282611 149 6 ESTRATO 2 6.058824
## 33 060281016 309 4 ESTRATO 2 6.058824
## 34 060283209 453 3 ESTRATO 2 6.058824
## 35 060281111 526 7 ESTRATO 2 6.058824
## 36 060282209 385 10 ESTRATO 3 5.952381
## 37 060281408 306 8 ESTRATO 3 5.952381
## 38 060282108 306 10 ESTRATO 3 5.952381
## 39 060281012 320 11 ESTRATO 3 5.952381
## 40 060280711 433 11 ESTRATO 3 5.952381
## 41 060281401 410 11 ESTRATO 3 5.952381
## 42 060281006 281 10 ESTRATO 3 5.952381
## 43 060281707 332 12 ESTRATO 3 5.952381
## 44 060283303 250 12 ESTRATO 3 5.952381
## 45 060282210 495 8 ESTRATO 3 5.952381
## 46 060282907 303 10 ESTRATO 3 5.952381
## 47 060280106 266 8 ESTRATO 3 5.952381
## 48 060281407 454 12 ESTRATO 3 5.952381
## 49 060282113 254 8 ESTRATO 3 5.952381
## 50 060283109 279 12 ESTRATO 3 5.952381
## 51 060283013 237 10 ESTRATO 3 5.952381
## 52 060283012 244 8 ESTRATO 3 5.952381
## 53 060283506 373 12 ESTRATO 3 5.952381
## 54 060280908 364 9 ESTRATO 3 5.952381
## 55 060282805 441 12 ESTRATO 3 5.952381
## 56 060283308 405 10 ESTRATO 3 5.952381
## 57 060283901 317 17 ESTRATO 4 5.714286
## 58 060283611 304 16 ESTRATO 4 5.714286
## 59 060283003 236 17 ESTRATO 4 5.714286
## 60 060283802 347 17 ESTRATO 4 5.714286
## 61 060280311 251 13 ESTRATO 4 5.714286
## 62 060283909 454 15 ESTRATO 4 5.714286
## 63 060282205 438 17 ESTRATO 4 5.714286
## 64 060280203 437 16 ESTRATO 4 5.714286
## 65 060283509 415 15 ESTRATO 4 5.714286
## 66 060280511 324 14 ESTRATO 4 5.714286
## 67 060283708 259 14 ESTRATO 4 5.714286
## 68 060281908 361 13 ESTRATO 4 5.714286
## 69 060282910 246 15 ESTRATO 4 5.714286
## 70 060282606 227 13 ESTRATO 4 5.714286
## 71 060280208 324 18 ESTRATO 5 6.250000
## 72 060280701 608 22 ESTRATO 5 6.250000
## 73 060282005 418 25 ESTRATO 5 6.250000
## 74 060280204 429 19 ESTRATO 5 6.250000
## 75 060283801 514 22 ESTRATO 5 6.250000
## 76 060283912 422 19 ESTRATO 5 6.250000
## 77 060280401 459 19 ESTRATO 5 6.250000
## 78 060283903 299 19 ESTRATO 5 6.250000
## 79 060280304 216 33 ESTRATO 6 6.666667
## 80 060282011 262 28 ESTRATO 6 6.666667
## 81 060283613 364 87 ESTRATO 6 6.666667
## 1/w
## 1 0.1698113
## 2 0.1698113
## 3 0.1698113
## 4 0.1698113
## 5 0.1698113
## 6 0.1698113
## 7 0.1698113
## 8 0.1698113
## 9 0.1698113
## 10 0.1698113
## 11 0.1698113
## 12 0.1698113
## 13 0.1698113
## 14 0.1698113
## 15 0.1698113
## 16 0.1698113
## 17 0.1698113
## 18 0.1698113
## 19 0.1650485
## 20 0.1650485
## 21 0.1650485
## 22 0.1650485
## 23 0.1650485
## 24 0.1650485
## 25 0.1650485
## 26 0.1650485
## 27 0.1650485
## 28 0.1650485
## 29 0.1650485
## 30 0.1650485
## 31 0.1650485
## 32 0.1650485
## 33 0.1650485
## 34 0.1650485
## 35 0.1650485
## 36 0.1680000
## 37 0.1680000
## 38 0.1680000
## 39 0.1680000
## 40 0.1680000
## 41 0.1680000
## 42 0.1680000
## 43 0.1680000
## 44 0.1680000
## 45 0.1680000
## 46 0.1680000
## 47 0.1680000
## 48 0.1680000
## 49 0.1680000
## 50 0.1680000
## 51 0.1680000
## 52 0.1680000
## 53 0.1680000
## 54 0.1680000
## 55 0.1680000
## 56 0.1680000
## 57 0.1750000
## 58 0.1750000
## 59 0.1750000
## 60 0.1750000
## 61 0.1750000
## 62 0.1750000
## 63 0.1750000
## 64 0.1750000
## 65 0.1750000
## 66 0.1750000
## 67 0.1750000
## 68 0.1750000
## 69 0.1750000
## 70 0.1750000
## 71 0.1600000
## 72 0.1600000
## 73 0.1600000
## 74 0.1600000
## 75 0.1600000
## 76 0.1600000
## 77 0.1600000
## 78 0.1600000
## 79 0.1500000
## 80 0.1500000
## 81 0.1500000Asignamos la probabilidad de selección de la vivienda como última etapa a través de la técnica de selección sistemática.
Agregamos a la base final la cantidad de viviendas por radio censal desde la tabla vivienda
muestrafinal2<- join(muestrafinal,Viviendas_por_radio) ## Joining by: codigoradiomuestrafinal2## codigoradio TOTAL_HOGARES_RADIO PORC_HOG_X_NBI_RADIO ESTRATOS_NBI W(N/n)
## 1 060282704 316 2 ESTRATO 1 5.888889
## 2 060282510 376 2 ESTRATO 1 5.888889
## 3 060283106 407 1 ESTRATO 1 5.888889
## 4 060281704 246 2 ESTRATO 1 5.888889
## 5 060281211 372 0 ESTRATO 1 5.888889
## 6 060282305 241 1 ESTRATO 1 5.888889
## 7 060282504 183 1 ESTRATO 1 5.888889
## 8 060282713 344 1 ESTRATO 1 5.888889
## 9 060283408 335 1 ESTRATO 1 5.888889
## 10 060280503 11 0 ESTRATO 1 5.888889
## 11 060282701 210 0 ESTRATO 1 5.888889
## 12 060281106 215 0 ESTRATO 1 5.888889
## 13 060282609 280 0 ESTRATO 1 5.888889
## 14 060283311 354 2 ESTRATO 1 5.888889
## 15 060282308 213 1 ESTRATO 1 5.888889
## 16 060283205 225 2 ESTRATO 1 5.888889
## 17 060281109 472 1 ESTRATO 1 5.888889
## 18 060281210 429 2 ESTRATO 1 5.888889
## 19 060281301 434 3 ESTRATO 2 6.058824
## 20 060282807 374 4 ESTRATO 2 6.058824
## 21 060281113 227 4 ESTRATO 2 6.058824
## 22 060280811 464 4 ESTRATO 2 6.058824
## 23 060281112 254 4 ESTRATO 2 6.058824
## 24 060283005 284 7 ESTRATO 2 6.058824
## 25 060281604 309 3 ESTRATO 2 6.058824
## 26 060281017 245 4 ESTRATO 2 6.058824
## 27 060282903 302 6 ESTRATO 2 6.058824
## 28 060283702 276 7 ESTRATO 2 6.058824
## 29 060281607 234 3 ESTRATO 2 6.058824
## 30 060283805 392 3 ESTRATO 2 6.058824
## 31 060283609 268 7 ESTRATO 2 6.058824
## 32 060282611 149 6 ESTRATO 2 6.058824
## 33 060281016 309 4 ESTRATO 2 6.058824
## 34 060283209 453 3 ESTRATO 2 6.058824
## 35 060281111 526 7 ESTRATO 2 6.058824
## 36 060282209 385 10 ESTRATO 3 5.952381
## 37 060281408 306 8 ESTRATO 3 5.952381
## 38 060282108 306 10 ESTRATO 3 5.952381
## 39 060281012 320 11 ESTRATO 3 5.952381
## 40 060280711 433 11 ESTRATO 3 5.952381
## 41 060281401 410 11 ESTRATO 3 5.952381
## 42 060281006 281 10 ESTRATO 3 5.952381
## 43 060281707 332 12 ESTRATO 3 5.952381
## 44 060283303 250 12 ESTRATO 3 5.952381
## 45 060282210 495 8 ESTRATO 3 5.952381
## 46 060282907 303 10 ESTRATO 3 5.952381
## 47 060280106 266 8 ESTRATO 3 5.952381
## 48 060281407 454 12 ESTRATO 3 5.952381
## 49 060282113 254 8 ESTRATO 3 5.952381
## 50 060283109 279 12 ESTRATO 3 5.952381
## 51 060283013 237 10 ESTRATO 3 5.952381
## 52 060283012 244 8 ESTRATO 3 5.952381
## 53 060283506 373 12 ESTRATO 3 5.952381
## 54 060280908 364 9 ESTRATO 3 5.952381
## 55 060282805 441 12 ESTRATO 3 5.952381
## 56 060283308 405 10 ESTRATO 3 5.952381
## 57 060283901 317 17 ESTRATO 4 5.714286
## 58 060283611 304 16 ESTRATO 4 5.714286
## 59 060283003 236 17 ESTRATO 4 5.714286
## 60 060283802 347 17 ESTRATO 4 5.714286
## 61 060280311 251 13 ESTRATO 4 5.714286
## 62 060283909 454 15 ESTRATO 4 5.714286
## 63 060282205 438 17 ESTRATO 4 5.714286
## 64 060280203 437 16 ESTRATO 4 5.714286
## 65 060283509 415 15 ESTRATO 4 5.714286
## 66 060280511 324 14 ESTRATO 4 5.714286
## 67 060283708 259 14 ESTRATO 4 5.714286
## 68 060281908 361 13 ESTRATO 4 5.714286
## 69 060282910 246 15 ESTRATO 4 5.714286
## 70 060282606 227 13 ESTRATO 4 5.714286
## 71 060280208 324 18 ESTRATO 5 6.250000
## 72 060280701 608 22 ESTRATO 5 6.250000
## 73 060282005 418 25 ESTRATO 5 6.250000
## 74 060280204 429 19 ESTRATO 5 6.250000
## 75 060283801 514 22 ESTRATO 5 6.250000
## 76 060283912 422 19 ESTRATO 5 6.250000
## 77 060280401 459 19 ESTRATO 5 6.250000
## 78 060283903 299 19 ESTRATO 5 6.250000
## 79 060280304 216 33 ESTRATO 6 6.666667
## 80 060282011 262 28 ESTRATO 6 6.666667
## 81 060283613 364 87 ESTRATO 6 6.666667
## 1/w basico insuficiente satisfactoria total
## 1 0.1698113 50 9 237 296
## 2 0.1698113 35 8 321 364
## 3 0.1698113 47 11 336 394
## 4 0.1698113 67 1 174 242
## 5 0.1698113 35 3 320 358
## 6 0.1698113 18 3 210 231
## 7 0.1698113 3 0 175 178
## 8 0.1698113 43 8 273 324
## 9 0.1698113 117 0 206 323
## 10 0.1698113 2 6 3 11
## 11 0.1698113 27 3 176 206
## 12 0.1698113 30 5 164 199
## 13 0.1698113 11 0 269 280
## 14 0.1698113 58 11 265 334
## 15 0.1698113 26 4 165 195
## 16 0.1698113 24 3 193 220
## 17 0.1698113 52 6 385 443
## 18 0.1698113 80 16 286 382
## 19 0.1650485 74 19 292 385
## 20 0.1650485 88 27 245 360
## 21 0.1650485 30 3 179 212
## 22 0.1650485 80 17 329 426
## 23 0.1650485 32 12 194 238
## 24 0.1650485 72 36 128 236
## 25 0.1650485 33 0 257 290
## 26 0.1650485 70 16 147 233
## 27 0.1650485 50 38 208 296
## 28 0.1650485 58 41 169 268
## 29 0.1650485 78 0 139 217
## 30 0.1650485 56 16 300 372
## 31 0.1650485 48 66 144 258
## 32 0.1650485 23 19 102 144
## 33 0.1650485 79 14 210 303
## 34 0.1650485 80 23 320 423
## 35 0.1650485 87 38 362 487
## 36 0.1680000 99 51 194 344
## 37 0.1680000 72 61 112 245
## 38 0.1680000 74 37 178 289
## 39 0.1680000 81 65 107 253
## 40 0.1680000 102 79 222 403
## 41 0.1680000 85 109 160 354
## 42 0.1680000 62 47 110 219
## 43 0.1680000 99 31 197 327
## 44 0.1680000 19 40 167 226
## 45 0.1680000 124 48 278 450
## 46 0.1680000 95 59 94 248
## 47 0.1680000 57 28 156 241
## 48 0.1680000 111 75 193 379
## 49 0.1680000 63 22 160 245
## 50 0.1680000 53 71 104 228
## 51 0.1680000 86 37 90 213
## 52 0.1680000 52 75 65 192
## 53 0.1680000 96 112 133 341
## 54 0.1680000 109 67 156 332
## 55 0.1680000 134 88 189 411
## 56 0.1680000 86 98 186 370
## 57 0.1750000 67 94 76 237
## 58 0.1750000 81 129 86 296
## 59 0.1750000 64 50 77 191
## 60 0.1750000 82 146 116 344
## 61 0.1750000 65 45 126 236
## 62 0.1750000 134 176 105 415
## 63 0.1750000 127 95 170 392
## 64 0.1750000 131 85 154 370
## 65 0.1750000 103 203 88 394
## 66 0.1750000 61 86 99 246
## 67 0.1750000 59 55 141 255
## 68 0.1750000 39 64 224 327
## 69 0.1750000 51 51 118 220
## 70 0.1750000 34 41 124 199
## 71 0.1600000 101 88 73 262
## 72 0.1600000 134 254 133 521
## 73 0.1600000 64 155 57 276
## 74 0.1600000 96 170 116 382
## 75 0.1600000 123 224 131 478
## 76 0.1600000 128 182 108 418
## 77 0.1600000 129 147 81 357
## 78 0.1600000 71 87 97 255
## 79 0.1500000 66 116 30 212
## 80 0.1500000 51 170 37 258
## 81 0.1500000 1 350 3 354Dejamos solamente la variable “total” que corresponde al total de viviendas por radio
muestrafinal2<- muestrafinal2 %>% select(codigoradio,TOTAL_HOGARES_RADIO,PORC_HOG_X_NBI_RADIO,ESTRATOS_NBI,"W(N/n)","1/w" ,total)
muestrafinal2## codigoradio TOTAL_HOGARES_RADIO PORC_HOG_X_NBI_RADIO ESTRATOS_NBI W(N/n)
## 1 060282704 316 2 ESTRATO 1 5.888889
## 2 060282510 376 2 ESTRATO 1 5.888889
## 3 060283106 407 1 ESTRATO 1 5.888889
## 4 060281704 246 2 ESTRATO 1 5.888889
## 5 060281211 372 0 ESTRATO 1 5.888889
## 6 060282305 241 1 ESTRATO 1 5.888889
## 7 060282504 183 1 ESTRATO 1 5.888889
## 8 060282713 344 1 ESTRATO 1 5.888889
## 9 060283408 335 1 ESTRATO 1 5.888889
## 10 060280503 11 0 ESTRATO 1 5.888889
## 11 060282701 210 0 ESTRATO 1 5.888889
## 12 060281106 215 0 ESTRATO 1 5.888889
## 13 060282609 280 0 ESTRATO 1 5.888889
## 14 060283311 354 2 ESTRATO 1 5.888889
## 15 060282308 213 1 ESTRATO 1 5.888889
## 16 060283205 225 2 ESTRATO 1 5.888889
## 17 060281109 472 1 ESTRATO 1 5.888889
## 18 060281210 429 2 ESTRATO 1 5.888889
## 19 060281301 434 3 ESTRATO 2 6.058824
## 20 060282807 374 4 ESTRATO 2 6.058824
## 21 060281113 227 4 ESTRATO 2 6.058824
## 22 060280811 464 4 ESTRATO 2 6.058824
## 23 060281112 254 4 ESTRATO 2 6.058824
## 24 060283005 284 7 ESTRATO 2 6.058824
## 25 060281604 309 3 ESTRATO 2 6.058824
## 26 060281017 245 4 ESTRATO 2 6.058824
## 27 060282903 302 6 ESTRATO 2 6.058824
## 28 060283702 276 7 ESTRATO 2 6.058824
## 29 060281607 234 3 ESTRATO 2 6.058824
## 30 060283805 392 3 ESTRATO 2 6.058824
## 31 060283609 268 7 ESTRATO 2 6.058824
## 32 060282611 149 6 ESTRATO 2 6.058824
## 33 060281016 309 4 ESTRATO 2 6.058824
## 34 060283209 453 3 ESTRATO 2 6.058824
## 35 060281111 526 7 ESTRATO 2 6.058824
## 36 060282209 385 10 ESTRATO 3 5.952381
## 37 060281408 306 8 ESTRATO 3 5.952381
## 38 060282108 306 10 ESTRATO 3 5.952381
## 39 060281012 320 11 ESTRATO 3 5.952381
## 40 060280711 433 11 ESTRATO 3 5.952381
## 41 060281401 410 11 ESTRATO 3 5.952381
## 42 060281006 281 10 ESTRATO 3 5.952381
## 43 060281707 332 12 ESTRATO 3 5.952381
## 44 060283303 250 12 ESTRATO 3 5.952381
## 45 060282210 495 8 ESTRATO 3 5.952381
## 46 060282907 303 10 ESTRATO 3 5.952381
## 47 060280106 266 8 ESTRATO 3 5.952381
## 48 060281407 454 12 ESTRATO 3 5.952381
## 49 060282113 254 8 ESTRATO 3 5.952381
## 50 060283109 279 12 ESTRATO 3 5.952381
## 51 060283013 237 10 ESTRATO 3 5.952381
## 52 060283012 244 8 ESTRATO 3 5.952381
## 53 060283506 373 12 ESTRATO 3 5.952381
## 54 060280908 364 9 ESTRATO 3 5.952381
## 55 060282805 441 12 ESTRATO 3 5.952381
## 56 060283308 405 10 ESTRATO 3 5.952381
## 57 060283901 317 17 ESTRATO 4 5.714286
## 58 060283611 304 16 ESTRATO 4 5.714286
## 59 060283003 236 17 ESTRATO 4 5.714286
## 60 060283802 347 17 ESTRATO 4 5.714286
## 61 060280311 251 13 ESTRATO 4 5.714286
## 62 060283909 454 15 ESTRATO 4 5.714286
## 63 060282205 438 17 ESTRATO 4 5.714286
## 64 060280203 437 16 ESTRATO 4 5.714286
## 65 060283509 415 15 ESTRATO 4 5.714286
## 66 060280511 324 14 ESTRATO 4 5.714286
## 67 060283708 259 14 ESTRATO 4 5.714286
## 68 060281908 361 13 ESTRATO 4 5.714286
## 69 060282910 246 15 ESTRATO 4 5.714286
## 70 060282606 227 13 ESTRATO 4 5.714286
## 71 060280208 324 18 ESTRATO 5 6.250000
## 72 060280701 608 22 ESTRATO 5 6.250000
## 73 060282005 418 25 ESTRATO 5 6.250000
## 74 060280204 429 19 ESTRATO 5 6.250000
## 75 060283801 514 22 ESTRATO 5 6.250000
## 76 060283912 422 19 ESTRATO 5 6.250000
## 77 060280401 459 19 ESTRATO 5 6.250000
## 78 060283903 299 19 ESTRATO 5 6.250000
## 79 060280304 216 33 ESTRATO 6 6.666667
## 80 060282011 262 28 ESTRATO 6 6.666667
## 81 060283613 364 87 ESTRATO 6 6.666667
## 1/w total
## 1 0.1698113 296
## 2 0.1698113 364
## 3 0.1698113 394
## 4 0.1698113 242
## 5 0.1698113 358
## 6 0.1698113 231
## 7 0.1698113 178
## 8 0.1698113 324
## 9 0.1698113 323
## 10 0.1698113 11
## 11 0.1698113 206
## 12 0.1698113 199
## 13 0.1698113 280
## 14 0.1698113 334
## 15 0.1698113 195
## 16 0.1698113 220
## 17 0.1698113 443
## 18 0.1698113 382
## 19 0.1650485 385
## 20 0.1650485 360
## 21 0.1650485 212
## 22 0.1650485 426
## 23 0.1650485 238
## 24 0.1650485 236
## 25 0.1650485 290
## 26 0.1650485 233
## 27 0.1650485 296
## 28 0.1650485 268
## 29 0.1650485 217
## 30 0.1650485 372
## 31 0.1650485 258
## 32 0.1650485 144
## 33 0.1650485 303
## 34 0.1650485 423
## 35 0.1650485 487
## 36 0.1680000 344
## 37 0.1680000 245
## 38 0.1680000 289
## 39 0.1680000 253
## 40 0.1680000 403
## 41 0.1680000 354
## 42 0.1680000 219
## 43 0.1680000 327
## 44 0.1680000 226
## 45 0.1680000 450
## 46 0.1680000 248
## 47 0.1680000 241
## 48 0.1680000 379
## 49 0.1680000 245
## 50 0.1680000 228
## 51 0.1680000 213
## 52 0.1680000 192
## 53 0.1680000 341
## 54 0.1680000 332
## 55 0.1680000 411
## 56 0.1680000 370
## 57 0.1750000 237
## 58 0.1750000 296
## 59 0.1750000 191
## 60 0.1750000 344
## 61 0.1750000 236
## 62 0.1750000 415
## 63 0.1750000 392
## 64 0.1750000 370
## 65 0.1750000 394
## 66 0.1750000 246
## 67 0.1750000 255
## 68 0.1750000 327
## 69 0.1750000 220
## 70 0.1750000 199
## 71 0.1600000 262
## 72 0.1600000 521
## 73 0.1600000 276
## 74 0.1600000 382
## 75 0.1600000 478
## 76 0.1600000 418
## 77 0.1600000 357
## 78 0.1600000 255
## 79 0.1500000 212
## 80 0.1500000 258
## 81 0.1500000 354Tomando el salto de 25 vivienda como establecimos mas arriba, calcularemos la probabilidad de selección para cada vivienda por radio censal
Prob3<- muestrafinal2 %>% mutate("Wi(Mi/mi)"= muestrafinal2[,7]/25)
Prob3 <-muestrafinal2 %>% mutate("1/Wi"=1/Prob3[,8])
Prob3## codigoradio TOTAL_HOGARES_RADIO PORC_HOG_X_NBI_RADIO ESTRATOS_NBI W(N/n)
## 1 060282704 316 2 ESTRATO 1 5.888889
## 2 060282510 376 2 ESTRATO 1 5.888889
## 3 060283106 407 1 ESTRATO 1 5.888889
## 4 060281704 246 2 ESTRATO 1 5.888889
## 5 060281211 372 0 ESTRATO 1 5.888889
## 6 060282305 241 1 ESTRATO 1 5.888889
## 7 060282504 183 1 ESTRATO 1 5.888889
## 8 060282713 344 1 ESTRATO 1 5.888889
## 9 060283408 335 1 ESTRATO 1 5.888889
## 10 060280503 11 0 ESTRATO 1 5.888889
## 11 060282701 210 0 ESTRATO 1 5.888889
## 12 060281106 215 0 ESTRATO 1 5.888889
## 13 060282609 280 0 ESTRATO 1 5.888889
## 14 060283311 354 2 ESTRATO 1 5.888889
## 15 060282308 213 1 ESTRATO 1 5.888889
## 16 060283205 225 2 ESTRATO 1 5.888889
## 17 060281109 472 1 ESTRATO 1 5.888889
## 18 060281210 429 2 ESTRATO 1 5.888889
## 19 060281301 434 3 ESTRATO 2 6.058824
## 20 060282807 374 4 ESTRATO 2 6.058824
## 21 060281113 227 4 ESTRATO 2 6.058824
## 22 060280811 464 4 ESTRATO 2 6.058824
## 23 060281112 254 4 ESTRATO 2 6.058824
## 24 060283005 284 7 ESTRATO 2 6.058824
## 25 060281604 309 3 ESTRATO 2 6.058824
## 26 060281017 245 4 ESTRATO 2 6.058824
## 27 060282903 302 6 ESTRATO 2 6.058824
## 28 060283702 276 7 ESTRATO 2 6.058824
## 29 060281607 234 3 ESTRATO 2 6.058824
## 30 060283805 392 3 ESTRATO 2 6.058824
## 31 060283609 268 7 ESTRATO 2 6.058824
## 32 060282611 149 6 ESTRATO 2 6.058824
## 33 060281016 309 4 ESTRATO 2 6.058824
## 34 060283209 453 3 ESTRATO 2 6.058824
## 35 060281111 526 7 ESTRATO 2 6.058824
## 36 060282209 385 10 ESTRATO 3 5.952381
## 37 060281408 306 8 ESTRATO 3 5.952381
## 38 060282108 306 10 ESTRATO 3 5.952381
## 39 060281012 320 11 ESTRATO 3 5.952381
## 40 060280711 433 11 ESTRATO 3 5.952381
## 41 060281401 410 11 ESTRATO 3 5.952381
## 42 060281006 281 10 ESTRATO 3 5.952381
## 43 060281707 332 12 ESTRATO 3 5.952381
## 44 060283303 250 12 ESTRATO 3 5.952381
## 45 060282210 495 8 ESTRATO 3 5.952381
## 46 060282907 303 10 ESTRATO 3 5.952381
## 47 060280106 266 8 ESTRATO 3 5.952381
## 48 060281407 454 12 ESTRATO 3 5.952381
## 49 060282113 254 8 ESTRATO 3 5.952381
## 50 060283109 279 12 ESTRATO 3 5.952381
## 51 060283013 237 10 ESTRATO 3 5.952381
## 52 060283012 244 8 ESTRATO 3 5.952381
## 53 060283506 373 12 ESTRATO 3 5.952381
## 54 060280908 364 9 ESTRATO 3 5.952381
## 55 060282805 441 12 ESTRATO 3 5.952381
## 56 060283308 405 10 ESTRATO 3 5.952381
## 57 060283901 317 17 ESTRATO 4 5.714286
## 58 060283611 304 16 ESTRATO 4 5.714286
## 59 060283003 236 17 ESTRATO 4 5.714286
## 60 060283802 347 17 ESTRATO 4 5.714286
## 61 060280311 251 13 ESTRATO 4 5.714286
## 62 060283909 454 15 ESTRATO 4 5.714286
## 63 060282205 438 17 ESTRATO 4 5.714286
## 64 060280203 437 16 ESTRATO 4 5.714286
## 65 060283509 415 15 ESTRATO 4 5.714286
## 66 060280511 324 14 ESTRATO 4 5.714286
## 67 060283708 259 14 ESTRATO 4 5.714286
## 68 060281908 361 13 ESTRATO 4 5.714286
## 69 060282910 246 15 ESTRATO 4 5.714286
## 70 060282606 227 13 ESTRATO 4 5.714286
## 71 060280208 324 18 ESTRATO 5 6.250000
## 72 060280701 608 22 ESTRATO 5 6.250000
## 73 060282005 418 25 ESTRATO 5 6.250000
## 74 060280204 429 19 ESTRATO 5 6.250000
## 75 060283801 514 22 ESTRATO 5 6.250000
## 76 060283912 422 19 ESTRATO 5 6.250000
## 77 060280401 459 19 ESTRATO 5 6.250000
## 78 060283903 299 19 ESTRATO 5 6.250000
## 79 060280304 216 33 ESTRATO 6 6.666667
## 80 060282011 262 28 ESTRATO 6 6.666667
## 81 060283613 364 87 ESTRATO 6 6.666667
## 1/w total 1/Wi
## 1 0.1698113 296 0.08445946
## 2 0.1698113 364 0.06868132
## 3 0.1698113 394 0.06345178
## 4 0.1698113 242 0.10330579
## 5 0.1698113 358 0.06983240
## 6 0.1698113 231 0.10822511
## 7 0.1698113 178 0.14044944
## 8 0.1698113 324 0.07716049
## 9 0.1698113 323 0.07739938
## 10 0.1698113 11 2.27272727
## 11 0.1698113 206 0.12135922
## 12 0.1698113 199 0.12562814
## 13 0.1698113 280 0.08928571
## 14 0.1698113 334 0.07485030
## 15 0.1698113 195 0.12820513
## 16 0.1698113 220 0.11363636
## 17 0.1698113 443 0.05643341
## 18 0.1698113 382 0.06544503
## 19 0.1650485 385 0.06493506
## 20 0.1650485 360 0.06944444
## 21 0.1650485 212 0.11792453
## 22 0.1650485 426 0.05868545
## 23 0.1650485 238 0.10504202
## 24 0.1650485 236 0.10593220
## 25 0.1650485 290 0.08620690
## 26 0.1650485 233 0.10729614
## 27 0.1650485 296 0.08445946
## 28 0.1650485 268 0.09328358
## 29 0.1650485 217 0.11520737
## 30 0.1650485 372 0.06720430
## 31 0.1650485 258 0.09689922
## 32 0.1650485 144 0.17361111
## 33 0.1650485 303 0.08250825
## 34 0.1650485 423 0.05910165
## 35 0.1650485 487 0.05133470
## 36 0.1680000 344 0.07267442
## 37 0.1680000 245 0.10204082
## 38 0.1680000 289 0.08650519
## 39 0.1680000 253 0.09881423
## 40 0.1680000 403 0.06203474
## 41 0.1680000 354 0.07062147
## 42 0.1680000 219 0.11415525
## 43 0.1680000 327 0.07645260
## 44 0.1680000 226 0.11061947
## 45 0.1680000 450 0.05555556
## 46 0.1680000 248 0.10080645
## 47 0.1680000 241 0.10373444
## 48 0.1680000 379 0.06596306
## 49 0.1680000 245 0.10204082
## 50 0.1680000 228 0.10964912
## 51 0.1680000 213 0.11737089
## 52 0.1680000 192 0.13020833
## 53 0.1680000 341 0.07331378
## 54 0.1680000 332 0.07530120
## 55 0.1680000 411 0.06082725
## 56 0.1680000 370 0.06756757
## 57 0.1750000 237 0.10548523
## 58 0.1750000 296 0.08445946
## 59 0.1750000 191 0.13089005
## 60 0.1750000 344 0.07267442
## 61 0.1750000 236 0.10593220
## 62 0.1750000 415 0.06024096
## 63 0.1750000 392 0.06377551
## 64 0.1750000 370 0.06756757
## 65 0.1750000 394 0.06345178
## 66 0.1750000 246 0.10162602
## 67 0.1750000 255 0.09803922
## 68 0.1750000 327 0.07645260
## 69 0.1750000 220 0.11363636
## 70 0.1750000 199 0.12562814
## 71 0.1600000 262 0.09541985
## 72 0.1600000 521 0.04798464
## 73 0.1600000 276 0.09057971
## 74 0.1600000 382 0.06544503
## 75 0.1600000 478 0.05230126
## 76 0.1600000 418 0.05980861
## 77 0.1600000 357 0.07002801
## 78 0.1600000 255 0.09803922
## 79 0.1500000 212 0.11792453
## 80 0.1500000 258 0.09689922
## 81 0.1500000 354 0.07062147Calculamos la probabilidad final y el factor de expansión
MuestraFactorExp<- Prob3 %>% mutate("Prob_final"= `1/w` *`1/Wi`, "Factor_expansion"= 1/(`1/w` *`1/Wi`))Entonces nuestra muestra a seleccionar será:
MuestraFactorExp## codigoradio TOTAL_HOGARES_RADIO PORC_HOG_X_NBI_RADIO ESTRATOS_NBI W(N/n)
## 1 060282704 316 2 ESTRATO 1 5.888889
## 2 060282510 376 2 ESTRATO 1 5.888889
## 3 060283106 407 1 ESTRATO 1 5.888889
## 4 060281704 246 2 ESTRATO 1 5.888889
## 5 060281211 372 0 ESTRATO 1 5.888889
## 6 060282305 241 1 ESTRATO 1 5.888889
## 7 060282504 183 1 ESTRATO 1 5.888889
## 8 060282713 344 1 ESTRATO 1 5.888889
## 9 060283408 335 1 ESTRATO 1 5.888889
## 10 060280503 11 0 ESTRATO 1 5.888889
## 11 060282701 210 0 ESTRATO 1 5.888889
## 12 060281106 215 0 ESTRATO 1 5.888889
## 13 060282609 280 0 ESTRATO 1 5.888889
## 14 060283311 354 2 ESTRATO 1 5.888889
## 15 060282308 213 1 ESTRATO 1 5.888889
## 16 060283205 225 2 ESTRATO 1 5.888889
## 17 060281109 472 1 ESTRATO 1 5.888889
## 18 060281210 429 2 ESTRATO 1 5.888889
## 19 060281301 434 3 ESTRATO 2 6.058824
## 20 060282807 374 4 ESTRATO 2 6.058824
## 21 060281113 227 4 ESTRATO 2 6.058824
## 22 060280811 464 4 ESTRATO 2 6.058824
## 23 060281112 254 4 ESTRATO 2 6.058824
## 24 060283005 284 7 ESTRATO 2 6.058824
## 25 060281604 309 3 ESTRATO 2 6.058824
## 26 060281017 245 4 ESTRATO 2 6.058824
## 27 060282903 302 6 ESTRATO 2 6.058824
## 28 060283702 276 7 ESTRATO 2 6.058824
## 29 060281607 234 3 ESTRATO 2 6.058824
## 30 060283805 392 3 ESTRATO 2 6.058824
## 31 060283609 268 7 ESTRATO 2 6.058824
## 32 060282611 149 6 ESTRATO 2 6.058824
## 33 060281016 309 4 ESTRATO 2 6.058824
## 34 060283209 453 3 ESTRATO 2 6.058824
## 35 060281111 526 7 ESTRATO 2 6.058824
## 36 060282209 385 10 ESTRATO 3 5.952381
## 37 060281408 306 8 ESTRATO 3 5.952381
## 38 060282108 306 10 ESTRATO 3 5.952381
## 39 060281012 320 11 ESTRATO 3 5.952381
## 40 060280711 433 11 ESTRATO 3 5.952381
## 41 060281401 410 11 ESTRATO 3 5.952381
## 42 060281006 281 10 ESTRATO 3 5.952381
## 43 060281707 332 12 ESTRATO 3 5.952381
## 44 060283303 250 12 ESTRATO 3 5.952381
## 45 060282210 495 8 ESTRATO 3 5.952381
## 46 060282907 303 10 ESTRATO 3 5.952381
## 47 060280106 266 8 ESTRATO 3 5.952381
## 48 060281407 454 12 ESTRATO 3 5.952381
## 49 060282113 254 8 ESTRATO 3 5.952381
## 50 060283109 279 12 ESTRATO 3 5.952381
## 51 060283013 237 10 ESTRATO 3 5.952381
## 52 060283012 244 8 ESTRATO 3 5.952381
## 53 060283506 373 12 ESTRATO 3 5.952381
## 54 060280908 364 9 ESTRATO 3 5.952381
## 55 060282805 441 12 ESTRATO 3 5.952381
## 56 060283308 405 10 ESTRATO 3 5.952381
## 57 060283901 317 17 ESTRATO 4 5.714286
## 58 060283611 304 16 ESTRATO 4 5.714286
## 59 060283003 236 17 ESTRATO 4 5.714286
## 60 060283802 347 17 ESTRATO 4 5.714286
## 61 060280311 251 13 ESTRATO 4 5.714286
## 62 060283909 454 15 ESTRATO 4 5.714286
## 63 060282205 438 17 ESTRATO 4 5.714286
## 64 060280203 437 16 ESTRATO 4 5.714286
## 65 060283509 415 15 ESTRATO 4 5.714286
## 66 060280511 324 14 ESTRATO 4 5.714286
## 67 060283708 259 14 ESTRATO 4 5.714286
## 68 060281908 361 13 ESTRATO 4 5.714286
## 69 060282910 246 15 ESTRATO 4 5.714286
## 70 060282606 227 13 ESTRATO 4 5.714286
## 71 060280208 324 18 ESTRATO 5 6.250000
## 72 060280701 608 22 ESTRATO 5 6.250000
## 73 060282005 418 25 ESTRATO 5 6.250000
## 74 060280204 429 19 ESTRATO 5 6.250000
## 75 060283801 514 22 ESTRATO 5 6.250000
## 76 060283912 422 19 ESTRATO 5 6.250000
## 77 060280401 459 19 ESTRATO 5 6.250000
## 78 060283903 299 19 ESTRATO 5 6.250000
## 79 060280304 216 33 ESTRATO 6 6.666667
## 80 060282011 262 28 ESTRATO 6 6.666667
## 81 060283613 364 87 ESTRATO 6 6.666667
## 1/w total 1/Wi Prob_final Factor_expansion
## 1 0.1698113 296 0.08445946 0.014342172 69.724444
## 2 0.1698113 364 0.06868132 0.011662865 85.742222
## 3 0.1698113 394 0.06345178 0.010774830 92.808889
## 4 0.1698113 242 0.10330579 0.017542492 57.004444
## 5 0.1698113 358 0.06983240 0.011858332 84.328889
## 6 0.1698113 231 0.10822511 0.018377849 54.413333
## 7 0.1698113 178 0.14044944 0.023849905 41.928889
## 8 0.1698113 324 0.07716049 0.013102725 76.320000
## 9 0.1698113 323 0.07739938 0.013143291 76.084444
## 10 0.1698113 11 2.27272727 0.385934820 2.591111
## 11 0.1698113 206 0.12135922 0.020608170 48.524444
## 12 0.1698113 199 0.12562814 0.021333080 46.875556
## 13 0.1698113 280 0.08928571 0.015161725 65.955556
## 14 0.1698113 334 0.07485030 0.012710428 78.675556
## 15 0.1698113 195 0.12820513 0.021770682 45.933333
## 16 0.1698113 220 0.11363636 0.019296741 51.822222
## 17 0.1698113 443 0.05643341 0.009583032 104.351111
## 18 0.1698113 382 0.06544503 0.011113306 89.982222
## 19 0.1650485 385 0.06493506 0.010717438 93.305882
## 20 0.1650485 360 0.06944444 0.011461704 87.247059
## 21 0.1650485 212 0.11792453 0.019463272 51.378824
## 22 0.1650485 426 0.05868545 0.009685947 103.242353
## 23 0.1650485 238 0.10504202 0.017337032 57.680000
## 24 0.1650485 236 0.10593220 0.017483956 57.195294
## 25 0.1650485 290 0.08620690 0.014228323 70.282353
## 26 0.1650485 233 0.10729614 0.017709071 56.468235
## 27 0.1650485 296 0.08445946 0.013939911 71.736471
## 28 0.1650485 268 0.09328358 0.015396319 64.950588
## 29 0.1650485 217 0.11520737 0.019014809 52.590588
## 30 0.1650485 372 0.06720430 0.011091972 90.155294
## 31 0.1650485 258 0.09689922 0.015993076 62.527059
## 32 0.1650485 144 0.17361111 0.028654261 34.898824
## 33 0.1650485 303 0.08250825 0.013617867 73.432941
## 34 0.1650485 423 0.05910165 0.009754642 102.515294
## 35 0.1650485 487 0.05133470 0.008472718 118.025882
## 36 0.1680000 344 0.07267442 0.012209302 81.904762
## 37 0.1680000 245 0.10204082 0.017142857 58.333333
## 38 0.1680000 289 0.08650519 0.014532872 68.809524
## 39 0.1680000 253 0.09881423 0.016600791 60.238095
## 40 0.1680000 403 0.06203474 0.010421836 95.952381
## 41 0.1680000 354 0.07062147 0.011864407 84.285714
## 42 0.1680000 219 0.11415525 0.019178082 52.142857
## 43 0.1680000 327 0.07645260 0.012844037 77.857143
## 44 0.1680000 226 0.11061947 0.018584071 53.809524
## 45 0.1680000 450 0.05555556 0.009333333 107.142857
## 46 0.1680000 248 0.10080645 0.016935484 59.047619
## 47 0.1680000 241 0.10373444 0.017427386 57.380952
## 48 0.1680000 379 0.06596306 0.011081794 90.238095
## 49 0.1680000 245 0.10204082 0.017142857 58.333333
## 50 0.1680000 228 0.10964912 0.018421053 54.285714
## 51 0.1680000 213 0.11737089 0.019718310 50.714286
## 52 0.1680000 192 0.13020833 0.021875000 45.714286
## 53 0.1680000 341 0.07331378 0.012316716 81.190476
## 54 0.1680000 332 0.07530120 0.012650602 79.047619
## 55 0.1680000 411 0.06082725 0.010218978 97.857143
## 56 0.1680000 370 0.06756757 0.011351351 88.095238
## 57 0.1750000 237 0.10548523 0.018459916 54.171429
## 58 0.1750000 296 0.08445946 0.014780405 67.657143
## 59 0.1750000 191 0.13089005 0.022905759 43.657143
## 60 0.1750000 344 0.07267442 0.012718023 78.628571
## 61 0.1750000 236 0.10593220 0.018538136 53.942857
## 62 0.1750000 415 0.06024096 0.010542169 94.857143
## 63 0.1750000 392 0.06377551 0.011160714 89.600000
## 64 0.1750000 370 0.06756757 0.011824324 84.571429
## 65 0.1750000 394 0.06345178 0.011104061 90.057143
## 66 0.1750000 246 0.10162602 0.017784553 56.228571
## 67 0.1750000 255 0.09803922 0.017156863 58.285714
## 68 0.1750000 327 0.07645260 0.013379205 74.742857
## 69 0.1750000 220 0.11363636 0.019886364 50.285714
## 70 0.1750000 199 0.12562814 0.021984925 45.485714
## 71 0.1600000 262 0.09541985 0.015267176 65.500000
## 72 0.1600000 521 0.04798464 0.007677543 130.250000
## 73 0.1600000 276 0.09057971 0.014492754 69.000000
## 74 0.1600000 382 0.06544503 0.010471204 95.500000
## 75 0.1600000 478 0.05230126 0.008368201 119.500000
## 76 0.1600000 418 0.05980861 0.009569378 104.500000
## 77 0.1600000 357 0.07002801 0.011204482 89.250000
## 78 0.1600000 255 0.09803922 0.015686275 63.750000
## 79 0.1500000 212 0.11792453 0.017688679 56.533333
## 80 0.1500000 258 0.09689922 0.014534884 68.800000
## 81 0.1500000 354 0.07062147 0.010593220 94.400000"Una muestra probabilística tiene las siguientes propiedades matemáticas:
1- Podemos definir un conjunto de muestras distintas. Esto significa que podemos decir con precisión cuáles son las unidades de muestreo que pertenecen a las distinas muestras.
2- Cada muestra posible tiene asignada una probabilidad de selección
3- Se selecciona una de las muestras mediante un proceso aleatorio, en el que cada unidad de muestreo tiene una probabilidad de ser elegida
4- El método para calcular la estimación a partir de la muestra debe ser definido y debe conducir a una estimación única para cualquier muestra específica. Podemos decir, que la estimación es el promedio de las mediciones correspondientes a las unidades individuales de la muestra." (Técnicas de muestreo W. Cochran pag. 30)