Tema 5.

Muestreo Sistemático

sistematicaCirc.muestra = function(n, N, inicial = F) {

k = floor(N/n)
if (inicial == F) {
inicial = sample(1:N, 1)
}
cat("Intervalo=", k, " Valor de inicio=", inicial, "\n")
# Pone el origen de la muestra en el valor inicial
intervalo = (1:N) - inicial
# Busco valores que son multiplos del numero k (es equivalente a
# calcular el resto de a%%b=0)
cosa = (1:N)[(intervalo%%k) == 0]
return(cosa)
}

sistematicaCirc.muestra(20, 500)

Intervalo= 25 Valor de inicio= 6

[1] 6 31 56 81 106 131 156 181 206 231 256 281 306 331 356 381 406 431 456
[20] 481

library(TeachingSampling)
data(BigLucy)
attach(BigLucy)
N = dim(BigLucy)[1]
k = 40

sam = S.SY(N, k)
muestra = BigLucy[sam, ]
attach(muestra)
head(muestra)

ID Ubication Level Zone Income Employees Taxes SPAM ISO

15 AB0000000015 C0020702K0281195 Small County1 411 36 7.0 no no
55 AB0000000055 C0068951K0232946 Small County1 345 76 5.0 yes no
95 AB0000000095 C0052697K0249200 Small County1 490 98 10.5 yes no
135 AB0000000135 C0100682K0201215 Small County1 320 55 4.0 no no

1
175 AB0000000175 C0205151K0096746 Small County1 301 14 4.0 yes no
215 AB0000000215 C0236850K0065047 Small County1 310 18 4.0 yes no
Years Segments
15 48.7 County1 2
55 32.7 County1 6
95 25.4 County1 10
135 37.0 County1 14
175 2.6 County1 18
215 1.0 County1 22

n = dim(muestra)[1]

estima = data.frame(Income, Employees, Taxes)

E.SY(N, k, estima)

N Income Employees Taxes

Estimation 85320 3.680912e+07 5.355320e+06 1.008680e+06
Standard Error 0 4.813317e+05 5.722469e+04 2.913369e+04
CVE 0 1.307642e+00 1.068558e+00 2.888299e+00
DEFF NaN 1.000000e+00 1.000000e+00 1.000000e+00

Donde DEFF es el llamado efecto de diseño que muestra la ganancia o pérdida, de precisión, al utilizar
una estrategia de muestreo más compleja que un diseño aleatorio simple sin reemplazamiento junto con el
estimador de Horvitz-Thompson.