Cómo están? Es mi primera consulta por aquí así que desde ya gracias!
Estoy intentando realizar una muestra aleatoria de un DF. En el mismo tengo 286 filas, y para cada DEPARTAMENTO (28 DEPARTAMENTO únicos) tengo que extraer una muestra según mi columna mh. La suma de los valores de mi columna mh por departamento da un total de 250. Por lo que debería tener una muestra de 250 filas, pero respetando los tamaños de muestra según mh por departamento. Escribí este código y una función que itere para hacerlo.
Sin embargo, por algún motivo, me devuelve una muestra de 248! Y no sé a qué se debe. Copio todo:
library(SamplingUtil)
urlfile = 'https://raw.githubusercontent.com/oblitterator/tecnicas_muestreo/main/segunda_muestra.csv'
segunda_muestra = read_csv(url(urlfile))
conglomerados = unique(segunda_muestra$DEPARTAMENTO)
sample<- list()
idcolnum <- which(colnames(segunda_muestra)=="CUIE")
for(i in 1:length(conglomerados)){
subsample<-data.frame(segunda_muestra[which(segunda_muestra$DEPARTAMENTO==conglomerados[i]),])
sample[[i]]<-sys.sample(nrow(subsample), as.numeric(unique(subset(segunda_muestra, DEPARTAMENTO == conglomerados[i])[13])))
sample[[i]]<-subsample[unlist(sample[[i]]),idcolnum]
}
#Genera el data frame de ids seleccionados(ya que estaban en una lista)
sampledf<-data.frame(id=unlist(sample))
#Uniendo el data frame de datos con la muestra seleccionada mendiante la llave creada
muestrappt <-inner_join(unique(sampledf),
unique(segunda_muestra),
by = c("id" ="CUIE"))
muestrappt
sys.sample()
. ¿Pertenece a una librería? ¿La desarrollaste tú mismo?segunda_muestra %>% count(DEPARTAMENTO, CUIE, sort = T)
. Seguramente algúnunique
los elimine en el camino y por eso obtienes 248 o 249 al final. Pude reproducir el código reemplazando la funciónsys.sample()
porsample()
, por favor mira mi comentario anterior.