1 Objetivo

Determinar y simular muestreos

2 Descripción

Con un conjunto de datos utilizar mecanismos de programación para determinar muestreos mediante técnicas de aleatorio simple, aleatorio sistemático, aleatorio estratificado y por conglomerados.

3 Sustento teórico

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.

Por otra parte la importancia del muestreo como lo menciona 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.

3.1 Muestreo aleatorio simple

Una muestra aleatoria simple de tamaño \(n\) de una población finita de tamaño \(N\) es una muestra seleccionada de manera que cada posible muestra de tamaño \(n\) tenga la misma probabilidad de ser seleccionadas.

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.

3.2 Muestreo aleatorio sistemático

Se selecciona un punto aleatorio de inicio y posteriormente se elige cada k-ésimo miembro de la población.

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.

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.

3.3 Muestreo aleatorio estratificado

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.

(Anderson Estadistica 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.

3.4 Muestreo por conglomerados

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.

4 Desarrollo

4.1 Cargar librerías

library(dplyr)
library(mosaic)
library(readr)
library(ggplot2)  # Para gráficos
library(knitr)    # Para formateo de datos
library(fdth)     # Para tablas de frecuencias
library(leaflet)  # Para hacer mapas

4.2 Cargar datos

4.2.1 Cargar datos de nombres de personas

Se 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/Agosto-Diciembre%202022/funciones/construir_datos_y_funciones.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

4.2.2 Cargar datos de alumnos

Se cargan os datos de alumnos inscritos en una Institución de educación superior en en un semestre 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/Agosto-Diciembre%202022/datos/datos_alumnos.csv")
kable(head(alumnos, 10), caption = "Los primeros diez registros de alumnos")

Los primeros diez registros de alumnos
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud
1	11	198	19	80.21	SISTEMAS	Victoria de Durango	24.02399	-104.6702
2	11	235	10	84.33	SISTEMAS	Los Arroyos (Las Colonias)	23.69142	-105.0328
3	9	235	10	95.25	SISTEMAS	Victoria de Durango	24.02399	-104.6702
4	9	226	19	95.00	SISTEMAS	Victoria de Durango	24.02399	-104.6702
5	10	231	14	82.32	SISTEMAS	Victoria de Durango	24.02399	-104.6702
6	9	212	23	95.02	SISTEMAS	Victoria de Durango	24.02399	-104.6702
7	12	221	10	79.06	SISTEMAS	La Criba (Don Toño)	24.18015	-104.5482
8	9	226	9	92.47	SISTEMAS	Victoria de Durango	24.02399	-104.6702
9	9	231	4	91.08	SISTEMAS	Los Arroyos (Las Colonias)	23.69142	-105.0328
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
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud
5920	7	169	23	89.14	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5921	5	109	26	87.83	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5922	3	55	29	92.83	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5923	2	23	23	88.60	ADMINISTRACION	Los Arroyos (Las Colonias)	23.69142	-105.0328
5924	2	27	28	92.83	ADMINISTRACION	La Esperanza	23.92139	-105.2973
5925	7	94	13	80.95	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5926	5	103	32	92.68	ADMINISTRACION	La Esperanza	23.92139	-105.2973
5927	4	79	34	86.18	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5928	5	108	32	90.48	ADMINISTRACION	La Criba (Don Toño)	24.18015	-104.5482
5929	7	169	32	92.33	ADMINISTRACION	La Criba (Don Toño)	24.18015	-104.5482

4.2.3 Sembrar una semilla

set.seed(2022)

4.2.4 Simular muestreos

4.2.4.1 Muestreo aleatorio simple

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(). Con el argumento replace=FALSE significa que no se repita el elemento seleccionado en la muestra.

N <- nrow(personas)
n <- 10
muestra <- sample(x = personas$nombres, size = n, replace = FALSE)
kable(muestra, caption = "La muestra de personas")

La muestra de personas
x
GUSTAVO
LUIS
RUBEN
SANTIAGO
RAMÓN
MARÍA DE GUADALUPE
GUADALUPE
ÁNGEL
AGUSTÍN
MANUEL

Con el conjunto de datos alumnos, hay que encontrar a 100 alumnos, ¿A cuáles?

N <- nrow(alumnos)
n <- 100
registros <- sample(x = 1:N, size = n, replace = FALSE) # Genera los números
muestra <- alumnos[registros, ]
kable(muestra, caption = "La muestra de alumnos")

La muestra de alumnos
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud
1272	4	82	28	89.11	BIOQUIMICA	Los Caballos de Don Cruz	23.95737	-104.5519
1522	5	84	34	80.16	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
951	4	52	18	80.17	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
4609	1	NA	25	0.00	QUIMICA	La Esperanza	23.92139	-105.2973
3379	11	163	18	79.08	MECANICA	La Criba (Don Toño)	24.18015	-104.5482
800	8	173	25	82.58	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
2497	11	225	10	81.98	ELECTRONICA	Victoria de Durango	24.02399	-104.6702
3938	7	170	25	82.11	MECATRONICA	Las Curras	24.01172	-104.4686
2426	5	65	21	77.75	ELECTRICA	Victoria de Durango	24.02399	-104.6702
1548	6	140	30	84.27	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
828	1	NA	26	0.00	ARQUITECTURA	Las Curras	24.01172	-104.4686
428	6	132	33	85.69	SISTEMAS	Victoria de Durango	24.02399	-104.6702
1990	2	27	30	87.83	CIVIL	Victoria de Durango	24.02399	-104.6702
3007	6	142	25	83.56	INDUSTRIAL	La Criba (Don Toño)	24.18015	-104.5482
4455	5	66	25	86.57	QUIMICA	Victoria de Durango	24.02399	-104.6702
3269	6	94	32	82.95	INDUSTRIAL	La Esperanza	23.92139	-105.2973
3595	5	48	20	80.73	MECANICA	La Criba (Don Toño)	24.18015	-104.5482
988	7	158	36	84.97	ARQUITECTURA	Los Arroyos (Las Colonias)	23.69142	-105.0328
1131	12	244	15	78.49	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
4372	3	41	30	83.67	QUIMICA	Victoria de Durango	24.02399	-104.6702
1598	12	219	11	78.43	CIVIL	Los Arroyos (Las Colonias)	23.69142	-105.0328
1608	9	235	10	79.27	CIVIL	Victoria de Durango	24.02399	-104.6702
797	2	12	22	91.67	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482
194	8	184	32	88.55	SISTEMAS	Victoria de Durango	24.02399	-104.6702
4589	1	NA	25	0.00	QUIMICA	Victoria de Durango	24.02399	-104.6702
2304	1	NA	24	0.00	ELECTRICA	Los Caballos de Don Cruz	23.95737	-104.5519
234	7	105	22	84.00	SISTEMAS	La Criba (Don Toño)	24.18015	-104.5482
5031	8	210	25	92.36	GESTION EMPRESARIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328
3425	8	205	20	88.60	MECANICA	La Esperanza	23.92139	-105.2973
3359	3	27	13	81.71	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2003	8	178	28	82.76	CIVIL	La Esperanza	23.92139	-105.2973
1080	2	4	22	90.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
3073	6	125	22	87.36	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2430	3	42	28	82.40	ELECTRICA	Victoria de Durango	24.02399	-104.6702
3091	4	69	24	80.75	INDUSTRIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328
4597	10	200	24	83.39	QUIMICA	Victoria de Durango	24.02399	-104.6702
3900	7	194	21	95.12	MECATRONICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
5426	7	156	33	90.29	INFORMATICA	Victoria de Durango	24.02399	-104.6702
2473	1	NA	24	0.00	ELECTRICA	Victoria de Durango	24.02399	-104.6702
5481	9	247	10	90.69	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5368	1	NA	27	0.00	INFORMATICA	Victoria de Durango	24.02399	-104.6702
1994	2	27	27	87.00	CIVIL	Los Arroyos (Las Colonias)	23.69142	-105.0328
3704	9	225	10	85.19	MECATRONICA	Victoria de Durango	24.02399	-104.6702
4513	3	56	30	89.25	QUIMICA	La Criba (Don Toño)	24.18015	-104.5482
4088	4	76	20	90.06	MECATRONICA	Las Curras	24.01172	-104.4686
3802	5	79	24	87.78	MECATRONICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
1242	6	124	30	83.52	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1936	5	103	33	85.86	CIVIL	Victoria de Durango	24.02399	-104.6702
2647	1	NA	25	0.00	ELECTRONICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
351	3	54	29	85.92	SISTEMAS	La Esperanza	23.92139	-105.2973
1516	4	79	26	88.22	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482
4997	5	123	34	94.27	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
1578	10	205	25	81.95	CIVIL	Las Curras	24.01172	-104.4686
3827	3	53	27	84.92	MECATRONICA	Victoria de Durango	24.02399	-104.6702
5826	1	NA	27	0.00	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
2392	5	70	20	79.88	ELECTRICA	Victoria de Durango	24.02399	-104.6702
536	11	174	17	82.68	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482
5585	1	NA	27	0.00	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
1484	3	52	30	93.50	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1871	6	97	28	78.81	CIVIL	La Esperanza	23.92139	-105.2973
1221	7	170	31	90.08	BIOQUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
5230	3	53	29	86.83	GESTION EMPRESARIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328
5126	6	131	35	86.39	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4010	1	NA	25	0.00	MECATRONICA	Victoria de Durango	24.02399	-104.6702
4855	5	108	33	88.83	GESTION EMPRESARIAL	Las Curras	24.01172	-104.4686
5399	7	160	29	87.26	INFORMATICA	La Esperanza	23.92139	-105.2973
1128	11	164	32	78.83	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
5544	5	89	28	85.63	ADMINISTRACION	La Esperanza	23.92139	-105.2973
1569	10	152	27	76.81	CIVIL	Victoria de Durango	24.02399	-104.6702
607	5	110	32	90.58	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482
3724	7	155	34	87.52	MECATRONICA	La Criba (Don Toño)	24.18015	-104.5482
366	5	103	25	86.91	SISTEMAS	Victoria de Durango	24.02399	-104.6702
4055	3	43	14	81.10	MECATRONICA	La Esperanza	23.92139	-105.2973
4921	5	117	31	92.92	GESTION EMPRESARIAL	La Criba (Don Toño)	24.18015	-104.5482
2377	7	120	21	82.56	ELECTRICA	Victoria de Durango	24.02399	-104.6702
5155	6	137	33	90.10	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
404	4	73	34	83.50	SISTEMAS	Los Arroyos (Las Colonias)	23.69142	-105.0328
736	5	60	29	80.31	ARQUITECTURA	La Esperanza	23.92139	-105.2973
239	6	129	31	83.89	SISTEMAS	Victoria de Durango	24.02399	-104.6702
4076	7	144	32	88.52	MECATRONICA	Victoria de Durango	24.02399	-104.6702
5058	6	142	29	85.13	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
5173	2	37	30	93.25	GESTION EMPRESARIAL	La Esperanza	23.92139	-105.2973
3514	1	NA	26	0.00	MECANICA	Victoria de Durango	24.02399	-104.6702
177	1	NA	27	0.00	SISTEMAS	La Criba (Don Toño)	24.18015	-104.5482
584	5	34	23	88.38	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
3409	10	163	28	79.50	MECANICA	La Criba (Don Toño)	24.18015	-104.5482
4560	5	99	30	88.90	QUIMICA	Victoria de Durango	24.02399	-104.6702
2546	1	NA	25	0.00	ELECTRONICA	Victoria de Durango	24.02399	-104.6702
1397	4	77	28	85.71	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
4623	3	56	30	94.75	QUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
5025	6	53	18	80.08	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
2162	3	57	29	85.17	CIVIL	Los Arroyos (Las Colonias)	23.69142	-105.0328
1211	1	NA	23	0.00	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
2869	8	207	33	85.57	INDUSTRIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328
1245	3	39	25	83.89	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1736	3	47	33	87.80	CIVIL	Victoria de Durango	24.02399	-104.6702
5713	5	113	27	93.29	ADMINISTRACION	Los Arroyos (Las Colonias)	23.69142	-105.0328
1901	5	117	31	87.08	CIVIL	La Criba (Don Toño)	24.18015	-104.5482
3195	7	72	32	87.82	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2761	2	21	30	81.80	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702

4.2.4.2 3.2. Muestreo aleatorio sistemático

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
4	MARÍA GUADALUPE	F	NO	SI	NO	NO	NO	NO	NO	NO	NO	NO	SI	SI
14	MANUEL	M	NO	NO	NO	NO	NO	NO	SI	NO	NO	NO	NO	NO
24	MIGUEL	M	NO	NO	NO	SI	NO	NO	NO	NO	NO	NO	NO	NO
34	MARCO ANTONIO	M	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO
44	FRANCISCA	F	NO	NO	SI	NO	NO	NO	SI	NO	NO	NO	NO	NO
54	MARTHA	F	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	SI	NO
64	GABRIELA	F	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO
74	ANA MARÍA	F	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	SI	NO
84	JORGE JESÚS	M	NO	SI	NO	NO	NO	NO	SI	NO	NO	NO	NO	NO
94	IRMA	F	SI	SI	NO	NO	NO	NO	NO	NO	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
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud
25	11	230	15	84.02	SISTEMAS	Victoria de Durango	24.02399	-104.6702
84	7	165	34	82.50	SISTEMAS	Victoria de Durango	24.02399	-104.6702
143	7	192	29	91.93	SISTEMAS	Victoria de Durango	24.02399	-104.6702
202	3	50	28	80.73	SISTEMAS	Victoria de Durango	24.02399	-104.6702
261	4	78	29	81.18	SISTEMAS	Victoria de Durango	24.02399	-104.6702
320	7	165	34	88.31	SISTEMAS	Victoria de Durango	24.02399	-104.6702
379	7	87	21	82.58	SISTEMAS	Victoria de Durango	24.02399	-104.6702
438	5	83	30	85.06	SISTEMAS	Los Arroyos (Las Colonias)	23.69142	-105.0328
497	10	227	10	88.70	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
556	1	NA	26	0.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
615	4	60	12	82.62	ARQUITECTURA	Los Caballos de Don Cruz	23.95737	-104.5519
674	1	NA	26	0.00	ARQUITECTURA	Los Caballos de Don Cruz	23.95737	-104.5519
733	4	26	32	80.67	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
792	6	142	24	89.83	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
851	2	22	22	85.40	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
910	5	87	35	84.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
969	1	NA	26	0.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
1028	1	NA	26	0.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
1087	2	26	26	89.00	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702
1146	9	247	11	85.00	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1205	7	193	24	88.65	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1264	1	NA	23	0.00	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482
1323	1	NA	23	0.00	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1382	3	52	30	89.08	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482
1441	3	52	30	79.00	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1500	1	NA	23	0.00	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482
1559	3	49	30	91.18	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702
1618	11	185	30	79.18	CIVIL	Victoria de Durango	24.02399	-104.6702
1677	5	96	30	85.95	CIVIL	Victoria de Durango	24.02399	-104.6702
1736	3	47	33	87.80	CIVIL	Victoria de Durango	24.02399	-104.6702
1795	1	NA	27	0.00	CIVIL	Victoria de Durango	24.02399	-104.6702
1854	4	70	32	81.53	CIVIL	La Esperanza	23.92139	-105.2973
1913	4	65	27	83.14	CIVIL	Los Arroyos (Las Colonias)	23.69142	-105.0328
1972	5	82	31	80.06	CIVIL	Victoria de Durango	24.02399	-104.6702
2031	4	72	27	78.73	CIVIL	Victoria de Durango	24.02399	-104.6702
2090	4	78	33	83.59	CIVIL	Victoria de Durango	24.02399	-104.6702
2149	5	102	33	84.23	CIVIL	Victoria de Durango	24.02399	-104.6702
2208	1	NA	27	0.00	CIVIL	Victoria de Durango	24.02399	-104.6702
2267	9	174	27	82.72	ELECTRICA	Victoria de Durango	24.02399	-104.6702
2326	3	46	28	85.55	ELECTRICA	Victoria de Durango	24.02399	-104.6702
2385	3	56	26	93.08	ELECTRICA	Victoria de Durango	24.02399	-104.6702
2444	5	90	23	82.29	ELECTRICA	Victoria de Durango	24.02399	-104.6702
2503	10	202	23	81.25	ELECTRONICA	Victoria de Durango	24.02399	-104.6702
2562	1	NA	25	0.00	ELECTRONICA	Victoria de Durango	24.02399	-104.6702
2621	1	NA	25	0.00	ELECTRONICA	La Criba (Don Toño)	24.18015	-104.5482
2680	10	218	17	82.43	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2739	14	204	26	80.30	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2798	3	43	34	89.90	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2857	4	84	33	86.32	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2916	5	112	30	91.24	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
2975	4	53	32	79.25	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
3034	5	85	31	88.21	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
3093	5	104	34	84.39	INDUSTRIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328
3152	7	167	29	87.95	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
3211	8	206	29	83.30	INDUSTRIAL	La Criba (Don Toño)	24.18015	-104.5482
3270	7	146	32	85.79	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702
3329	2	27	24	87.33	INDUSTRIAL	La Criba (Don Toño)	24.18015	-104.5482
3388	11	225	10	79.27	MECANICA	Las Curras	24.01172	-104.4686
3447	3	34	28	78.88	MECANICA	Victoria de Durango	24.02399	-104.6702
3506	1	NA	26	0.00	MECANICA	Victoria de Durango	24.02399	-104.6702
3565	3	34	32	75.63	MECANICA	Victoria de Durango	24.02399	-104.6702
3624	1	NA	26	0.00	MECANICA	Los Caballos de Don Cruz	23.95737	-104.5519
3683	9	176	15	81.68	MECATRONICA	Los Caballos de Don Cruz	23.95737	-104.5519
3742	3	58	28	84.38	MECATRONICA	Victoria de Durango	24.02399	-104.6702
3801	5	80	23	85.06	MECATRONICA	Victoria de Durango	24.02399	-104.6702
3860	4	61	4	82.29	MECATRONICA	Victoria de Durango	24.02399	-104.6702
3919	3	53	27	79.92	MECATRONICA	Victoria de Durango	24.02399	-104.6702
3978	7	138	31	81.20	MECATRONICA	Los Caballos de Don Cruz	23.95737	-104.5519
4037	7	164	20	86.77	MECATRONICA	Victoria de Durango	24.02399	-104.6702
4096	7	145	21	80.52	MECATRONICA	La Criba (Don Toño)	24.18015	-104.5482
4155	1	NA	25	0.00	QUIMICA	Victoria de Durango	24.02399	-104.6702
4214	7	172	31	86.94	QUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328
4273	9	214	11	87.95	QUIMICA	Victoria de Durango	24.02399	-104.6702
4332	4	86	28	79.61	QUIMICA	Victoria de Durango	24.02399	-104.6702
4391	5	95	28	82.30	QUIMICA	Victoria de Durango	24.02399	-104.6702
4450	7	142	26	82.17	QUIMICA	Victoria de Durango	24.02399	-104.6702
4509	5	114	25	85.42	QUIMICA	Los Caballos de Don Cruz	23.95737	-104.5519
4568	10	230	5	81.38	QUIMICA	Las Curras	24.01172	-104.4686
4627	11	209	26	81.30	QUIMICA	Las Curras	24.01172	-104.4686
4686	11	200	30	85.86	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4745	9	188	16	89.70	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4804	8	210	25	93.86	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4863	5	118	29	87.28	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4922	6	131	30	85.54	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
4981	6	63	21	77.71	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
5040	6	55	28	82.50	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
5099	3	54	28	92.17	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
5158	4	69	29	81.73	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702
5217	1	NA	27	0.00	GESTION EMPRESARIAL	La Criba (Don Toño)	24.18015	-104.5482
5276	5	106	28	87.09	TIC	La Criba (Don Toño)	24.18015	-104.5482
5335	13	230	5	79.74	INFORMATICA	Victoria de Durango	24.02399	-104.6702
5394	5	109	27	90.71	INFORMATICA	Victoria de Durango	24.02399	-104.6702
5453	9	234	23	92.33	ADMINISTRACION	La Criba (Don Toño)	24.18015	-104.5482
5512	6	52	32	84.73	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5571	5	108	32	92.09	ADMINISTRACION	Los Arroyos (Las Colonias)	23.69142	-105.0328
5630	3	55	29	93.17	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5689	8	219	27	85.93	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5748	4	84	29	89.72	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5807	1	NA	27	0.00	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5866	1	NA	27	0.00	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702
5925	7	94	13	80.95	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702

4.2.4.3 Muestreo aleatorio estratificado

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] 0.43

frmas

## [1] 0.57

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
29	MARÍA DE GUADALUPE	F	NO	NO	NO	NO	SI	NO	NO	SI	NO	SI	NO	NO	29
3	MARÍA	F	NO	SI	NO	NO	SI	NO	NO	NO	NO	NO	NO	NO	3
4	JUANA	F	NO	NO	NO	NO	SI	NO	NO	SI	NO	NO	NO	NO	4
36	ANDREA	F	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	SI	36

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
47	LUIS ÁNGEL	M	NO	NO	NO	NO	NO	NO	SI	NO	SI	NO	NO	NO	47
38	SALVADOR	M	SI	NO	NO	NO	NO	NO	SI	NO	NO	NO	SI	NO	38
5	ANTONIO	M	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	NO	5
45	PABLO	M	NO	NO	SI	NO	NO	NO	SI	SI	NO	NO	NO	NO	45
1	JUAN	M	NO	NO	NO	SI	NO	SI	NO	NO	NO	NO	NO	SI	1

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.
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
46	9	221	14	90.71	SISTEMAS	Victoria de Durango	24.02399	-104.6702	46
20	11	165	33	78.00	SISTEMAS	Las Curras	24.01172	-104.4686	20
410	3	22	22	80.40	SISTEMAS	Victoria de Durango	24.02399	-104.6702	410
77	1	NA	27	0.00	SISTEMAS	Victoria de Durango	24.02399	-104.6702	77
26	11	235	10	83.84	SISTEMAS	Victoria de Durango	24.02399	-104.6702	26
443	7	160	34	90.34	SISTEMAS	La Esperanza	23.92139	-105.2973	443
278	2	27	28	85.33	SISTEMAS	La Criba (Don Toño)	24.18015	-104.5482	278
34	11	177	29	83.92	SISTEMAS	Victoria de Durango	24.02399	-104.6702	34

muestracivil <- sample(civil, round(n * frcivil, 0))
kable(muestracivil, caption = "La muestra de alumnos de Civil")

La muestra de alumnos de Civil
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
1994	2	27	27	87.00	CIVIL	Los Arroyos (Las Colonias)	23.69142	-105.0328	426
1939	1	NA	27	0.00	CIVIL	Victoria de Durango	24.02399	-104.6702	371
2157	3	57	31	86.83	CIVIL	Victoria de Durango	24.02399	-104.6702	589
1869	3	57	24	90.83	CIVIL	Las Curras	24.01172	-104.4686	301
2193	1	NA	27	0.00	CIVIL	Victoria de Durango	24.02399	-104.6702	625
1810	5	109	30	82.48	CIVIL	La Esperanza	23.92139	-105.2973	242
1980	8	189	32	84.21	CIVIL	La Criba (Don Toño)	24.18015	-104.5482	412
1947	6	112	28	80.64	CIVIL	Victoria de Durango	24.02399	-104.6702	379
1929	8	142	24	79.10	CIVIL	La Esperanza	23.92139	-105.2973	361
2085	3	48	29	83.70	CIVIL	Victoria de Durango	24.02399	-104.6702	517
2216	3	52	33	84.45	CIVIL	Victoria de Durango	24.02399	-104.6702	648

4.2.4.4 Muestreo por conglomerados

Mostrar los primeros diez y últimos diez alumnos verificando las tres columnas de localidad, latitud y longitud.

kable(head(alumnos[, c('Alumno', 'localidad', 'latitud', 'longitud')], 10), caption = "Los primeros diez registros de alumnos")

Los primeros diez registros de alumnos
Alumno	localidad	latitud	longitud
1	Victoria de Durango	24.02399	-104.6702
2	Los Arroyos (Las Colonias)	23.69142	-105.0328
3	Victoria de Durango	24.02399	-104.6702
4	Victoria de Durango	24.02399	-104.6702
5	Victoria de Durango	24.02399	-104.6702
6	Victoria de Durango	24.02399	-104.6702
7	La Criba (Don Toño)	24.18015	-104.5482
8	Victoria de Durango	24.02399	-104.6702
9	Los Arroyos (Las Colonias)	23.69142	-105.0328
10	Victoria de Durango	24.02399	-104.6702

kable(tail(alumnos[, c('Alumno', 'localidad', 'latitud', 'longitud')], 10), caption = "Las útimos diez registros de alumnos")

Las útimos diez registros de alumnos
Alumno	localidad	latitud	longitud
5920	Victoria de Durango	24.02399	-104.6702
5921	Victoria de Durango	24.02399	-104.6702
5922	Victoria de Durango	24.02399	-104.6702
5923	Los Arroyos (Las Colonias)	23.69142	-105.0328
5924	La Esperanza	23.92139	-105.2973
5925	Victoria de Durango	24.02399	-104.6702
5926	La Esperanza	23.92139	-105.2973
5927	Victoria de Durango	24.02399	-104.6702
5928	La Criba (Don Toño)	24.18015	-104.5482
5929	La Criba (Don Toño)	24.18015	-104.5482

Determinar la 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	3527	0.5948727	59.487266	3527	59.48727	59
La Criba (Don Toño)	750	0.1264969	12.649688	4277	72.13695	13
Los Arroyos (Las Colonias)	575	0.0969809	9.698094	4852	81.83505	10
La Esperanza	419	0.0706696	7.066959	5271	88.90201	7
Los Caballos de Don Cruz	355	0.0598752	5.987519	5626	94.88953	6
Las Curras	303	0.0511047	5.110474	5929	100.00000	5

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

localidades <- tabla_frec$Category
localidades

## [1] "Victoria de Durango"        "La Criba (Don Toño)"       
## [3] "Los Arroyos (Las Colonias)" "La Esperanza"              
## [5] "Los Caballos de Don Cruz"   "Las Curras"

N <- nrow(alumnos)
n <- 100
# Determinar cada conglomerado
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])
# Determinar frecuencias de cada conglomerado similiar a la tabla tabla_frec
frloc1 <- nrow(loc1) / N
frloc2 <- nrow(loc2) / N
frloc3 <- nrow(loc3) / N
frloc4 <- nrow(loc4) / N
frloc5 <- nrow(loc5) / N
frloc6 <- nrow(loc6) / N
# Crear muestras
muestraloc1 <- sample(x = loc1, size = round(n * frloc1, 0), replace = FALSE)
kable(muestraloc1, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[1] ))

La muestra de alumnos de Localidad Victoria de Durango
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
4286	7	167	32	88.51	QUIMICA	Victoria de Durango	24.02399	-104.6702	2541
5461	11	212	28	85.98	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3223
540	9	223	12	85.72	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	305
4194	5	109	30	78.35	QUIMICA	Victoria de Durango	24.02399	-104.6702	2484
1868	4	75	29	80.50	CIVIL	Victoria de Durango	24.02399	-104.6702	1103
1477	5	94	29	82.00	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702	874
852	2	20	20	90.40	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	495
4439	6	133	23	82.86	QUIMICA	Victoria de Durango	24.02399	-104.6702	2623
4240	3	56	30	90.50	QUIMICA	Victoria de Durango	24.02399	-104.6702	2515
5507	9	262	10	93.96	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3251
744	8	182	21	89.67	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	434
4294	4	81	28	86.24	QUIMICA	Victoria de Durango	24.02399	-104.6702	2547
5550	5	98	28	84.14	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3278
5747	2	23	23	89.00	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3403
4620	2	22	31	86.60	QUIMICA	Victoria de Durango	24.02399	-104.6702	2728
2132	3	57	29	89.58	CIVIL	Victoria de Durango	24.02399	-104.6702	1254
1978	5	109	34	86.52	CIVIL	Victoria de Durango	24.02399	-104.6702	1163
1944	5	118	23	94.08	CIVIL	Victoria de Durango	24.02399	-104.6702	1146
5797	3	55	29	97.25	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3440
4633	4	86	28	81.56	QUIMICA	Victoria de Durango	24.02399	-104.6702	2733
3810	3	49	27	83.45	MECATRONICA	Victoria de Durango	24.02399	-104.6702	2258
2516	9	155	14	80.32	ELECTRONICA	Victoria de Durango	24.02399	-104.6702	1483
3598	1	NA	26	0.00	MECANICA	Victoria de Durango	24.02399	-104.6702	2126
535	9	198	29	88.31	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	302
5476	11	166	29	80.11	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3235
1963	7	167	36	85.60	CIVIL	Victoria de Durango	24.02399	-104.6702	1155
414	6	137	28	84.87	SISTEMAS	Victoria de Durango	24.02399	-104.6702	247
2356	1	NA	24	0.00	ELECTRICA	Victoria de Durango	24.02399	-104.6702	1385
3785	7	154	27	83.88	MECATRONICA	Victoria de Durango	24.02399	-104.6702	2245
3905	8	174	16	82.73	MECATRONICA	Victoria de Durango	24.02399	-104.6702	2310
4199	1	NA	25	0.00	QUIMICA	Victoria de Durango	24.02399	-104.6702	2488
2933	5	112	30	95.16	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702	1717
1608	9	235	10	79.27	CIVIL	Victoria de Durango	24.02399	-104.6702	946
3688	10	168	16	78.91	MECATRONICA	Victoria de Durango	24.02399	-104.6702	2181
5754	3	55	29	87.75	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3410
5401	3	55	27	93.42	INFORMATICA	Victoria de Durango	24.02399	-104.6702	3185
1072	3	24	28	87.33	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	635
4472	1	NA	25	0.00	QUIMICA	Victoria de Durango	24.02399	-104.6702	2643
5757	8	166	14	85.28	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3411
3231	3	27	20	82.67	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702	1903
4233	2	25	31	92.50	QUIMICA	Victoria de Durango	24.02399	-104.6702	2510
113	5	79	23	81.06	SISTEMAS	Victoria de Durango	24.02399	-104.6702	67
1990	2	27	30	87.83	CIVIL	Victoria de Durango	24.02399	-104.6702	1169
4356	1	NA	25	0.00	QUIMICA	Victoria de Durango	24.02399	-104.6702	2579
1890	6	94	28	80.70	CIVIL	Victoria de Durango	24.02399	-104.6702	1115
3863	1	NA	25	0.00	MECATRONICA	Victoria de Durango	24.02399	-104.6702	2284
5341	9	170	30	87.18	INFORMATICA	Victoria de Durango	24.02399	-104.6702	3150
5911	8	121	22	84.54	ADMINISTRACION	Victoria de Durango	24.02399	-104.6702	3517
3433	1	NA	26	0.00	MECANICA	Victoria de Durango	24.02399	-104.6702	2016
1095	5	54	12	84.50	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	648
4719	9	235	10	87.49	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702	2784
4731	12	226	9	87.36	GESTION EMPRESARIAL	Victoria de Durango	24.02399	-104.6702	2791
1656	12	179	33	77.27	CIVIL	Victoria de Durango	24.02399	-104.6702	975
568	5	106	36	89.87	ARQUITECTURA	Victoria de Durango	24.02399	-104.6702	322
218	1	NA	27	0.00	SISTEMAS	Victoria de Durango	24.02399	-104.6702	121
3440	1	NA	26	0.00	MECANICA	Victoria de Durango	24.02399	-104.6702	2022
2906	6	91	28	76.67	INDUSTRIAL	Victoria de Durango	24.02399	-104.6702	1702
3391	10	230	5	81.50	MECANICA	Victoria de Durango	24.02399	-104.6702	1993
1458	7	157	33	84.56	BIOQUIMICA	Victoria de Durango	24.02399	-104.6702	863

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 La Criba (Don Toño)
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
797	2	12	22	91.67	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482	111
4345	6	90	33	79.47	QUIMICA	La Criba (Don Toño)	24.18015	-104.5482	560
953	6	138	24	90.00	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482	139
2566	5	105	28	88.13	ELECTRONICA	La Criba (Don Toño)	24.18015	-104.5482	350
3997	6	125	23	85.78	MECATRONICA	La Criba (Don Toño)	24.18015	-104.5482	530
1192	1	NA	23	0.00	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482	175
2551	3	47	25	87.55	ELECTRONICA	La Criba (Don Toño)	24.18015	-104.5482	347
587	6	142	24	94.80	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482	79
1256	6	92	33	81.19	BIOQUIMICA	La Criba (Don Toño)	24.18015	-104.5482	189
924	2	20	20	87.00	ARQUITECTURA	La Criba (Don Toño)	24.18015	-104.5482	132
5628	3	19	29	87.00	ADMINISTRACION	La Criba (Don Toño)	24.18015	-104.5482	717
4961	7	162	33	86.76	GESTION EMPRESARIAL	La Criba (Don Toño)	24.18015	-104.5482	633
3773	5	61	17	81.79	MECATRONICA	La Criba (Don Toño)	24.18015	-104.5482	501

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 Los Arroyos (Las Colonias)
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
554	1	NA	26	0.00	ARQUITECTURA	Los Arroyos (Las Colonias)	23.69142	-105.0328	55
5351	5	41	21	81.78	INFORMATICA	Los Arroyos (Las Colonias)	23.69142	-105.0328	528
1498	4	57	20	85.92	BIOQUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328	134
698	4	80	30	91.11	ARQUITECTURA	Los Arroyos (Las Colonias)	23.69142	-105.0328	61
5887	9	237	14	87.58	ADMINISTRACION	Los Arroyos (Las Colonias)	23.69142	-105.0328	570
4324	1	NA	25	0.00	QUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328	424
4067	5	105	33	88.96	MECATRONICA	Los Arroyos (Las Colonias)	23.69142	-105.0328	398
2742	1	NA	27	0.00	INDUSTRIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328	273
1407	1	NA	23	0.00	BIOQUIMICA	Los Arroyos (Las Colonias)	23.69142	-105.0328	120
2852	2	27	24	82.33	INDUSTRIAL	Los Arroyos (Las Colonias)	23.69142	-105.0328	286

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 La Esperanza
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
1429	1	NA	23	0.00	BIOQUIMICA	La Esperanza	23.92139	-105.2973	105
2944	5	112	30	83.08	INDUSTRIAL	La Esperanza	23.92139	-105.2973	205
1368	2	23	29	80.33	BIOQUIMICA	La Esperanza	23.92139	-105.2973	102
1897	4	75	34	82.81	CIVIL	La Esperanza	23.92139	-105.2973	138
1125	3	56	28	89.15	ARQUITECTURA	La Esperanza	23.92139	-105.2973	92
2977	8	201	28	83.67	INDUSTRIAL	La Esperanza	23.92139	-105.2973	208
516	11	186	16	78.92	ARQUITECTURA	La Esperanza	23.92139	-105.2973	53

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 Los Caballos de Don Cruz
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
3083	6	137	29	84.52	INDUSTRIAL	Los Caballos de Don Cruz	23.95737	-104.5519	188
561	6	142	24	89.27	ARQUITECTURA	Los Caballos de Don Cruz	23.95737	-104.5519	37
3680	9	220	15	85.78	MECATRONICA	Los Caballos de Don Cruz	23.95737	-104.5519	218
5488	9	262	10	94.29	ADMINISTRACION	Los Caballos de Don Cruz	23.95737	-104.5519	330
1123	6	93	17	85.10	ARQUITECTURA	Los Caballos de Don Cruz	23.95737	-104.5519	59
1191	3	52	30	90.75	BIOQUIMICA	Los Caballos de Don Cruz	23.95737	-104.5519	67

muestraloc6 <- sample(loc6, round(n * frloc6, 0))
kable(muestraloc6, caption = paste("La muestra de alumnos de Localidad ",tabla_frec$Category[6] ))

La muestra de alumnos de Localidad Las Curras
Alumno	Semestre	Cr. Apr.	Carga	Promedio	Carrera	localidad	latitud	longitud	orig.id
4735	11	206	19	84.07	GESTION EMPRESARIAL	Las Curras	24.01172	-104.4686	238
2775	8	194	20	85.25	INDUSTRIAL	Las Curras	24.01172	-104.4686	127
3229	6	104	33	85.29	INDUSTRIAL	Las Curras	24.01172	-104.4686	157
4203	3	56	30	88.67	QUIMICA	Las Curras	24.01172	-104.4686	206
3484	5	108	29	82.50	MECANICA	Las Curras	24.01172	-104.4686	172

4.2.4.4.1 Visualizar con mapas

Cargar la librerías para mapas previamente
Usando los valores de latitud y longitud

map<-leaflet() %>%
  addTiles() %>%
  addMarkers(lat = unique(muestraloc1$latitud ), lng = unique(muestraloc1$longitud), popup = paste(unique(muestraloc1$localidad), "Muestra de:", nrow(muestraloc1), "alumnos"))  %>%
  addMarkers(lat = unique(muestraloc2$latitud ), lng = unique(muestraloc2$longitud), popup = paste(unique(muestraloc2$localidad), "Muestra de:", nrow(muestraloc2), "alumnos")) %>%
addMarkers(lat = unique(muestraloc3$latitud ), lng = unique(muestraloc3$longitud), popup = paste(unique(muestraloc3$localidad), "Muestra de:", nrow(muestraloc3), "alumnos")) %>% 
    addMarkers(lat = unique(muestraloc4$latitud ), lng = unique(muestraloc4$longitud), popup = paste(unique(muestraloc4$localidad), "Muestra de:", nrow(muestraloc4), "alumnos")) %>%
addMarkers(lat = unique(muestraloc5$latitud ), lng = unique(muestraloc5$longitud), popup = paste(unique(muestraloc5$localidad), "Muestra de:", nrow(muestraloc5), "alumnos")) %>%
  addMarkers(lat = unique(muestraloc6$latitud ), lng = unique(muestraloc6$longitud), popup = paste(unique(muestraloc6$localidad), "Muestra de:", nrow(muestraloc6), "alumnos"))
  
  
  
  
  
# Mostrar el mapa 
map

4.2.5 Interpretación de tipos de muestreo

Los distintos tipos de muestreo que encontramos en el caso son interesantes, ya que todos hacen la función de seleccionar de un conjunto de personas o cosas que se consideran representativos de los distintos grupos al que pertenecen, con la finalidad de estudiar o determinar las características del grupo en el que se encuentran.

De igual manera, se enfocan en dar un dato aleatorio, pero representativo, para que el grupo se defina de manera correcta y un poco más factible que estar buscando cada valor en el grupo.

5 Referencias Bibliográficas

Muestreo y Tipos de Muestreo

Christian Michelle Martínez Cisneros

2022-12-02