Lab4.R

## @knitr simula
library(survey)
# carrega dados
library(anamco)
popul_dat <- popul
N<-nrow(popul_dat)
n1<-30; n2<-30
nh=c(n1,n2)
n<-sum(nh)
Nh<-table(popul_dat$estrat)
fh<-nh/Nh ; Wh<-Nh/N ; f<- n/N
popul_dat$sal <- popul_dat$sal/1000
popul_dat$rec <- popul_dat$rec/1000000
library(sampling)
# define espaços para salvar resultados
est_aas <- c(0,0)
est_aes <- c(0,0)
cov_mat_aas_est <- matrix(0,2,2)
cov_mat_aes_est <- matrix(0,2,2)
set.seed(123)
# gera amostras com dois estratos de tamanho 30
for(i in 1:500){
  s<-strata(popul_dat, "estrat",c(30,30),method= "srswor")
  dados<-getdata(popul_dat,s)
  # média amostral de salário e de receita
  est_aas <- est_aas+c(mean(dados$sal), mean(dados$rec))
  # estimador v0
  cov_mat_aas_est <- cov_mat_aas_est + (1-f)*cov(cbind(dados$sal, dados$rec))/n

  # vhat_aes estimador não-viciado
  popul_plan<-svydesign(~1,strata=~estrat,data=dados,fpc=~Prob)
  # estimador não-viciado da média de  salario e receita
  sal_rec_aes_est <- svymean(~sal+rec,popul_plan)
  est_aes <- est_aes + coef(sal_rec_aes_est)
  cov_mat_aes_est <- cov_mat_aes_est+ attr(sal_rec_aes_est,'var')
}
# Calcula médias das estimativas na simulação

## @knitr estaas
mean_est_aas <- est_aas/500
mean_est_aas

## @knitr estaes
mean_est_aes <- est_aes/500
mean_est_aes

## @knitr estcovaas
mean_cov_mat_aas_est <- cov_mat_aas_est/500
mean_cov_mat_aas_est

## @knitr estcovaes
mean_cov_mat_aes_est <- cov_mat_aes_est/500
mean_cov_mat_aes_est

## @knitr matcovpop
mat_cov_pop <- by(popul_dat, popul_dat$estrat, function(t)var(cbind(t$sal,t$rec)) )

mat_cov_pop

## @knitr matcovverd

mat_cov_aleat_verd <-(Wh[1]^2*(1-fh[1])/nh[1])*mat_cov_pop[[1]]+(Wh[2]^2*(1-fh[2])/nh[2])*mat_cov_pop[[2]]

mat_cov_aleat_verd

## @knitr epamult
DELTA = solve(mean_cov_mat_aas_est)%*% mean_cov_mat_aes_est
eigen(DELTA)$values