########################################################## # Diseño experimento Baru # Taller Haciendo Ciencia Abierta # autor: Ignacio Sarmiento-Barbieri ########################################################## # Algunos datos interesantes #Población de cartagena en2020 pob<- 1028736 #De las cuales el 16% son niñas entre 10 y 19 años, para ser conservador voy a tomar que es el 15% hasta los 18 porc<-.15 #Es decir hay casi 154.311 niñas en Cartagena ceiling(pob*porc) #El ministerio de educacion busca que haya 180 dias de clases library(tidyverse) library(DeclareDesign) set.seed(1010101) efect_mc<- -0.003 modelo<-declare_model( nina = add_level( N = 1000 ), dias_clase = add_level( N = 180, U=rnorm(N,sd=0.001), periodo= rbinom(N, size = 1, prob = 0.08), Y_Z_0 = rbinom(N, size = 1, prob = 0.85-0.025*periodo+U), Y_Z_1 = rbinom(N, size = 1, prob = 0.85-(0.025+efect_mc)*periodo+U) ) ) m<-modelo() inquiry<-declare_inquiry(PATE = mean(Y_Z_1 - Y_Z_0)) #Experimento #sampling sampling<-declare_sampling(S = complete_rs(N, n = 50)) #assignment assignment<-declare_assignment(Z = complete_ra(N, prob = 0.5)) # measurement measurement <- declare_measurement(Y = reveal_outcomes(Y ~ Z)) #estimator estimator <- declare_estimator( Y ~ Z, model = difference_in_means, estimand = "PATE" ) design <- modelo + inquiry + sampling + assignment + measurement + estimator simulation_df <- simulate_design(design) study_diagnosands <- declare_diagnosands( bias = mean(estimate - estimand), power = mean(p.value <= 0.05) ) diagnose_design(simulation_df, diagnosands = study_diagnosands)