lupa no estima: eso necesita un diseño muestral, estimación de varianza
y otra disciplina. Lo que sabe hacer es evaluar contra un marco declarado.
Esta función recibe estimaciones calculadas por otra herramienta —survey,
el paquete calidad del INE de Chile,
o cualquier otra— y las convierte en una medición que evaluar() entiende.
medicion_desde_estimaciones(
estimaciones,
entidad,
fuente,
atributo = NULL,
columnas = NULL,
fecha = Sys.time()
)Data frame de clase medicion_calidad y medicion con el contrato
de medir(), más las columnas fuente y unidad: se acumula con
historico_calidad() y se une con rbind() como cualquier medición. Su
id_medida nombra la métrica y la celda estimada —objeto_medible— y no el
número de fila, así que dos tabulados de la misma entidad y la misma fecha
se pueden unir y evaluar juntos; la misma celda medida dos veces sí repite
su identificador, y evaluar() lo rechaza.
Data frame con una fila por estimación y una columna por
estadístico. Los nombres reconocidos son los de
estadisticos_estimacion(); se puede renombrar con columnas.
Nombre de la entidad estimada, por ejemplo el tabulado o la población de referencia.
Texto que declara quién calculó las estimaciones. Es obligatorio: sin él, el resultado no dice de dónde viene.
Columna opcional de estimaciones que nombra el atributo o
la celda estimada. Cuando falta, se numeran las filas.
Vector con nombres para traducir columnas de estimaciones a
estadísticos reconocidos, en la forma c(cv = "coef_var").
Fecha y hora de la medición. Se lee como en medir(): se
guarda en UTC y un texto —"2026-03-01"— se lee en UTC, no en el huso de
la sesión, así que la misma llamada registra el mismo instante —y el mismo
id_medicion— en cualquier máquina. Una sola fecha: NA, NULL, dos
fechas o un texto que no se puede leer entero se rechazan.
Cada estadístico se convierte en una medida canónica propia, con su
métrica, su tipo y su orientación, porque los siete tienen unidades y
dominios distintos: un coeficiente de variación y un tamaño de muestra no se
evalúan con la misma regla. Los reconocidos están en
estadisticos_estimacion().
Cada medida declara su procedencia en fuente, de modo que nadie lea el
resultado como si lupa lo hubiera calculado. Los estadísticos que la tabla
no traiga simplemente no producen medidas: no se rellenan con ceros ni se
estiman.
Una columna vacía tampoco produce medidas. Un estadístico cuya columna
está presente pero no trae ningún valor utilizable no es una estimación: no
se publica con resultado = NA, porque eso sería informar como medido lo que
nadie midió —y además deja la medición inservible, porque evaluar() la
rechaza entera—. Esos estadísticos se declaran en el atributo
estadisticos_sin_valores, separados de estadisticos_ausentes: no es lo
mismo no mandar la columna que mandarla sin datos, y la acción de quien la
preparó es distinta en cada caso. Dentro de una columna que sí trae datos, la
celda vacía se descarta por la misma razón, y el resto de las estimaciones se
publica.
Una celda que no es una estimación también se descarta, y se declara. Un
texto que no es un número, o un número fuera del dominio de su estadístico
—un infinito, en cualquiera; un tamaño de muestra que no es un entero no
negativo; un error estándar, un
coeficiente de variación, unos grados de libertad, un efecto de diseño o un
tamaño efectivo negativos— no se publica: se avisa y queda en el atributo
celdas_descartadas, con la métrica, la celda, el valor recibido y el motivo
(no_numerica o fuera_de_dominio). Una columna factor se lee por el texto
de sus niveles, no por sus códigos.
estadisticos_estimacion(), evaluar(), marco_cepal()
estimaciones <- data.frame(
celda = c("Montevideo", "Interior"),
stat = c(0.42, 0.38),
cv = c(0.08, 0.34),
n = c(1200L, 90L)
)
medicion_desde_estimaciones(
estimaciones, entidad = "ech2024", atributo = "celda",
fuente = "survey 4.4, diseno complejo declarado por el equipo"
)
Run the code above in your browser using DataLab