PRACTICA6
SRRN-CDAJ
2023-06-16
#PRACTICA 6
##TAREAS INICIALES
chooseCRANmirror(ind=1) # Esto abrirá un menú de selección de espejo de CRANinstall.packages("moderndive")## Installing package into 'C:/Users/USUARIO/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)## package 'moderndive' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\USUARIO\AppData\Local\Temp\RtmpYFEB7V\downloaded_packageslibrary(moderndive)install.packages("openxlsx")## Installing package into 'C:/Users/USUARIO/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)## package 'openxlsx' successfully unpacked and MD5 sums checked## Warning: cannot remove prior installation of package 'openxlsx'## Warning in file.copy(savedcopy, lib, recursive = TRUE): problema al copiar
## C:\Users\USUARIO\AppData\Local\R\win-library\4.3\00LOCK\openxlsx\libs\x64\openxlsx.dll
## a
## C:\Users\USUARIO\AppData\Local\R\win-library\4.3\openxlsx\libs\x64\openxlsx.dll:
## Permission denied## Warning: restored 'openxlsx'##
## The downloaded binary packages are in
## C:\Users\USUARIO\AppData\Local\Temp\RtmpYFEB7V\downloaded_packages#install.packages("moderndive")
library(moderndive)
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(openxlsx)###Subiendo datos
datosbol <- read.xlsx("C:/CIENCIA DE DATOS/Sergio R/CLASES/CLASE 6/DATOS BOL.xlsx", colNames = T)
summary(datosbol)## DEPARTAMENTO.Y.MUNICIPIO 2012 2013 2014
## Length:460 Min. : 399 Min. : 398 Min. : 397
## Class :character 1st Qu.: 5490 1st Qu.: 5591 1st Qu.: 5679
## Mode :character Median : 10173 Median : 10153 Median : 10176
## Mean : 57974 Mean : 58905 Mean : 59837
## 3rd Qu.: 20242 3rd Qu.: 20670 3rd Qu.: 20764
## Max. :2779271 Max. :2845628 Max. :2911845
## NA's :113 NA's :113 NA's :113
## 2015 2016 2017 2018
## Min. : 396 Min. : 395 Min. : 392 Min. : 391
## 1st Qu.: 5762 1st Qu.: 5760 1st Qu.: 5746 1st Qu.: 5742
## Median : 10121 Median : 10186 Median : 10120 Median : 10192
## Mean : 60771 Mean : 61707 Mean : 62642 Mean : 63576
## 3rd Qu.: 20834 3rd Qu.: 20991 3rd Qu.: 21109 3rd Qu.: 21142
## Max. :2977758 Max. :3043354 Max. :3108498 Max. :3173151
## NA's :113 NA's :113 NA's :113 NA's :113
## 2019 2020 2021 2022
## Min. : 388 Min. : 386 Min. : 383 Min. : 381
## 1st Qu.: 5696 1st Qu.: 5704 1st Qu.: 5710 1st Qu.: 5702
## Median : 10156 Median : 10171 Median : 10102 Median : 10146
## Mean : 64509 Mean : 65440 Mean : 66369 Mean : 67294
## 3rd Qu.: 21168 3rd Qu.: 21084 3rd Qu.: 21193 3rd Qu.: 21196
## Max. :3237223 Max. :3300603 Max. :3363377 Max. :3425399
## NA's :113 NA's :113 NA's :113 NA's :113names(datosbol)## [1] "DEPARTAMENTO.Y.MUNICIPIO" "2012"
## [3] "2013" "2014"
## [5] "2015" "2016"
## [7] "2017" "2018"
## [9] "2019" "2020"
## [11] "2021" "2022"filtraremos los que tienen NA
datosbol <- datosbol[complete.cases(datosbol), ]
# Imprimir el data frame filtrado
print(datosbol)## DEPARTAMENTO.Y.MUNICIPIO 2012 2013 2014 2015 2016 2017
## 1 Sucre 300783 306146 311683 317345 323135 329049
## 2 Yotala 8575 8670 8713 8756 8801 8846
## 3 Poroma 15976 15951 15928 15906 15885 15866
## 4 Azurduy 10479 10542 10607 10673 10741 10809
## 5 Tarvita 13841 13840 13840 13842 13845 13849
## 6 Zudañez 8090 8041 7993 7947 7901 7856
## 7 Presto 10677 10609 10542 10476 10411 10347
## 8 Mojocoya 7429 7464 7500 7536 7572 7610
## 9 Icla 7792 7813 7834 7856 7879 7902
## 11 Padilla 10045 10058 10072 10088 10103 10120
## 12 Tomina 8419 8474 8530 8586 8643 8701
## 13 Sopachuy 6180 6167 6155 6142 6131 6119
## 14 Villa Alcalá 2750 2737 2725 2712 2701 2689
## 15 El Villar 4331 4294 4259 4224 4189 4156
## 17 Monteagudo 23202 23381 23562 23746 23934 24126
## 18 Huacareta 8011 8032 8053 8075 8097 8121
## 20 Tarabuco 16188 16097 16007 15919 15832 15748
## 21 Yamparáez 8772 8741 8710 8680 8650 8622
## 23 Camargo 14795 14862 14930 15000 15071 15144
## 24 San Lucas 30794 30844 30897 30951 31009 31069
## 25 Incahuasi 12133 12174 12217 12259 12304 12349
## 26 Villa Charcas 15104 15148 15193 15239 15287 15335
## 28 Villa Serrano 10398 10378 10359 10340 10322 10306
## 30 Villa Abecia 2814 2858 2903 2948 2996 3044
## 31 Culpina 17180 17187 17196 17205 17217 17229
## 32 Las Carreras 3280 3255 3232 3210 3186 3165
## 34 Muyupampa 9328 9338 9348 9358 9370 9382
## 35 Huacaya 2486 2486 2487 2488 2488 2490
## 36 Macharetí 6973 6987 7002 7017 7033 7049
## 37 LA PAZ 2767504 2796021 2824587 2853147 2881717 2910267
## 39 La Paz 845719 856991 868256 879487 890694 901852
## 40 Palca 14897 14987 15075 15161 15245 15326
## 41 Mecapaca 13519 13499 13478 13453 13425 13395
## 42 Achocalla 17869 18088 18306 18522 18737 18951
## 43 El Alto 916434 934942 953641 972514 991566 1010785
## 45 Achacachi 39763 39402 39036 38667 38292 37915
## 46 Ancoraimes 9282 9307 9331 9353 9372 9391
## 47 Chua Cocani 4965 5022 5077 5133 5187 5241
## 48 Huarina 7013 7071 7126 7181 7235 7288
## 49 Santiago de Huata 8171 8153 8134 8113 8091 8066
## 50 Huatajata 4001 4059 4117 4175 4233 4291
## 52 Coro Coro 9385 9403 9419 9434 9447 9457
## 53 Caquiaviri 11877 11773 11667 11559 11450 11340
## 54 Calacoto 8375 8335 8292 8248 8204 8157
## 55 Comanche 5001 5045 5089 5132 5174 5216
## 56 Charaña 4358 4398 4438 4478 4516 4554
## 57 Waldo Ballivian 4749 4541 4341 4149 3965 3788
## 58 Nazacara de Pacajes 817 795 774 753 732 712
## 59 Callapa 6626 6631 6634 6636 6636 6636
## 61 Puerto Acosta 10913 10866 10816 10765 10711 10655
## 62 Mocomoco 13659 13569 13475 13380 13283 13183
## 63 Pto. Carabuco 10170 10138 10102 10066 10028 9987
## 64 Humanata 5499 5545 5591 5637 5681 5725
## 65 Escoma 7204 7230 7257 7281 7304 7326
## 67 Chuma 10173 10153 10132 10109 10083 10055
## 68 Ayata 8356 8373 8389 8403 8416 8427
## 69 Aucapata 6643 6658 6672 6686 6697 6707
## 71 Sorata 19569 19429 19286 19140 18991 18840
## 72 Guanay 13703 13716 13727 13735 13740 13742
## 73 Tacacoma 7728 7773 7818 7861 7902 7943
## 74 Quiabaya 2685 2665 2645 2624 2602 2581
## 75 Combaya 1807 1790 1771 1752 1734 1715
## 76 Tipuani 9112 9023 8932 8841 8749 8657
## 77 Mapiri 13665 13782 13897 14009 14121 14229
## 78 Teoponte 9265 9206 9146 9085 9022 8959
## 80 Apolo 18451 18362 18270 18175 18077 17976
## 81 Pelechuco 6784 6854 6923 6991 7058 7126
## 83 Viacha 89772 89382 88978 88558 88122 87670
## 84 Guaqui 7113 7179 7244 7308 7371 7434
## 85 Tiahuanacu 10728 10641 10554 10466 10376 10284
## 86 Desaguadero 6768 6841 6912 6983 7054 7124
## 87 San Andrés de Machaca 5756 5783 5810 5836 5860 5884
## 88 Jesús de Machaca 13270 13141 13011 12879 12746 12613
## 89 Taraco 6336 6359 6380 6399 6418 6435
## 91 Luribay 9987 10017 10045 10072 10095 10118
## 92 Sapahaqui 10940 10872 10802 10731 10658 10583
## 93 Yaco 7531 7553 7574 7592 7609 7625
## 94 Malla 3349 3324 3298 3272 3245 3218
## 95 Cairoma 10494 10420 10343 10265 10186 10105
## 97 Inquisivi 13029 12977 12922 12865 12805 12744
## 98 Quime 8062 8113 8162 8210 8256 8302
## 99 Cajuata 9889 9968 10045 10121 10195 10268
## 100 Colquiri 18076 18003 17928 17848 17766 17680
## 101 Ichoca 6944 6938 6932 6924 6914 6903
## 102 Villa Libertad Licoma 3441 3419 3397 3374 3351 3327
## 104 Chulumani 17259 17299 17335 17369 17399 17425
## 105 Irupana 14681 14717 14750 14780 14807 14832
## 106 Yanacachi 5996 6045 6093 6141 6188 6233
## 107 Palos Blancos 23291 23389 23483 23573 23659 23740
## 108 La Asunta 35646 36058 36466 36872 37276 37677
## 110 Pucarani 24679 24713 24743 24768 24787 24802
## 111 Laja 19343 19186 19028 18866 18703 18536
## 112 Batallas 15952 15857 15760 15660 15558 15453
## 113 Puerto Pérez 7509 7532 7553 7573 7592 7609
## 115 Sica Sica 23112 22869 22624 22376 22127 21876
## 116 Umala 8488 8505 8522 8535 8548 8559
## 117 Ayo Ayo 7914 7964 8014 8062 8109 8154
## 118 Calamarca 11599 11530 11460 11389 11315 11240
## 119 Patacamaya 21566 21658 21748 21832 21912 21989
## 120 Colquencha 8999 8920 8839 8757 8674 8590
## 121 Collana 4373 4328 4282 4235 4188 4141
## 123 Coroico 17337 17279 17216 17149 17081 17009
## 124 Coripata 14912 15001 15087 15171 15252 15331
## 126 Ixiamas 9067 9136 9203 9269 9334 9398
## 127 San Buenaventura 9372 9414 9453 9492 9529 9563
## 129 Charazani 10401 10291 10180 10069 9957 9843
## 130 Curva 3820 3774 3728 3681 3634 3587
## 132 Copacabana 13462 13382 13301 13218 13132 13045
## 133 San Pedro de Tiquina 5924 5946 5968 5989 6009 6026
## 134 Tito Yupanqui 2740 2644 2552 2462 2376 2292
## 136 San Pedro Cuarahuara 7744 7699 7654 7607 7559 7510
## 137 Papel Pampa 6655 6638 6622 6603 6583 6562
## 138 Chacarilla 2634 2591 2549 2506 2465 2423
## 140 Santiago de Machaca 4774 4796 4817 4839 4858 4876
## 141 Catacora 2113 2074 2035 1996 1958 1920
## 143 Caranavi 46362 46317 46264 46201 46129 46048
## 144 Alto Beni 10088 9965 9841 9716 9592 9467
## 145 COCHABAMBA 1816452 1846085 1875874 1905811 1935873 1966018
## 147 Cochabamba 707260 721941 736704 751542 766440 781385
## 149 Aiquile 22447 22350 22247 22138 22022 21899
## 150 Pasorapa 3127 3095 3063 3029 2996 2962
## 151 Omereque 4739 4724 4708 4691 4673 4653
## 153 Independencia 23359 23305 23243 23174 23099 23017
## 154 Morochata 11928 11800 11670 11537 11403 11267
## 155 Cocapata 18125 18103 18075 18042 18002 17957
## 157 Tarata 9330 9411 9491 9568 9643 9715
## 158 Anzaldo 5861 5798 5732 5667 5601 5534
## 159 Arbieto 16761 16897 17029 17157 17281 17400
## 160 Sacabamba 3410 3390 3369 3346 3324 3300
## 162 Arani 8925 8975 9021 9065 9107 9146
## 163 Vacas 8620 8582 8542 8500 8455 8408
## 165 Arque 10806 10737 10664 10590 10512 10432
## 166 Tacopaya 8179 8123 8065 8004 7941 7876
## 168 Capinota 19894 20055 20210 20361 20507 20646
## 169 Santivañez 6255 6308 6361 6413 6462 6511
## 170 Sicaya 3894 3899 3905 3907 3909 3911
## 172 Cliza 20854 21033 21209 21379 21544 21702
## 173 Toko 5739 5737 5733 5728 5720 5712
## 174 Tolata 4805 4917 5031 5146 5261 5377
## 176 Quillacollo 127902 132911 138075 143396 148878 154518
## 177 Sipe Sipe 41659 42339 43017 43692 44364 45030
## 178 Tiquipaya 56652 57435 58211 58981 59741 60492
## 179 Vinto 52397 53209 54017 54821 55621 56413
## 180 Colcapirhua 51194 51440 51673 51890 52092 52277
## 182 Sacaba 163822 166027 168211 170372 172509 174616
## 183 Colomi 18806 19054 19300 19542 19781 20017
## 184 Villa Tunari 76799 77824 78839 79843 80835 81813
## 186 Tapacarí 24661 24500 24333 24159 23980 23794
## 188 Totora 15670 15724 15773 15818 15858 15894
## 189 Pojo 10493 10473 10449 10423 10394 10361
## 190 Pocona 9924 9881 9834 9786 9735 9680
## 191 Chimoré 20920 21378 21840 22306 22774 23245
## 192 Puerto Villarroel 52171 53226 54287 55352 56420 57490
## 193 Entre Rios 31747 32401 33059 33721 34385 35052
## 195 Mizque 27988 28070 28145 28212 28270 28318
## 196 Vila Vila 4860 4826 4790 4752 4714 4675
## 197 Alalay 2888 2850 2812 2774 2736 2697
## 199 Punata 29428 30877 32387 33960 35599 37304
## 200 Villa Rivero 7497 7515 7531 7545 7557 7565
## 201 San Benito 11538 11471 11401 11329 11253 11174
## 202 Tacachi 573 579 587 593 600 606
## 203 Cuchumuela 1722 1709 1695 1681 1666 1651
## 205 Bolívar 7163 7096 7026 6956 6884 6810
## 207 Tiraque 20198 20326 20447 20564 20675 20780
## 208 Shinahota 23462 23764 24063 24359 24650 24936
## 209 ORURO 502048 507698 513212 518639 523934 529115
## 211 Oruro 289523 295939 302310 308670 314981 321255
## 212 Caracollo 21418 21445 21461 21466 21458 21438
## 213 El Choro 3893 3860 3825 3787 3748 3708
## 214 Soracachi 12380 12373 12359 12338 12310 12275
## 216 Challapata 29857 30234 30596 30947 31284 31608
## 217 Quillacas 4334 4296 4256 4214 4170 4124
## 219 Corque 8252 8217 8176 8131 8081 8028
## 220 Choque Cota 1083 1074 1065 1056 1047 1037
## 222 Curahuara de Carangas 4716 4680 4641 4599 4555 4509
## 223 Turco 3604 3580 3554 3525 3496 3465
## 225 Huachacalla 1713 1691 1668 1644 1620 1596
## 226 Escara 2220 2121 2026 1934 1845 1759
## 227 Cruz de Machacamarca 596 591 585 579 573 566
## 228 Yunguyo de Litoral 1004 923 847 777 713 654
## 229 Esmeralda 1944 1826 1715 1609 1510 1415
## 231 Poopó 7536 7495 7449 7400 7347 7290
## 232 Pazña 6198 6130 6058 5985 5909 5831
## 233 Antequera 3898 3842 3785 3727 3668 3608
## 235 Huanuni 25602 25668 25719 25757 25779 25788
## 236 Machacamarca 5189 5253 5315 5375 5433 5489
## 238 Salinas de García Mendoza 11116 11001 10881 10757 10628 10495
## 239 Pampa Aullagas 3539 3489 3440 3390 3337 3284
## 241 Sabaya 6767 6743 6714 6682 6646 6607
## 242 Coipasa 760 753 747 740 734 727
## 243 Chipaya 1967 1956 1944 1932 1918 1903
## 245 Toledo 7400 7300 7198 7094 6986 6878
## 247 Eucaliptus 5735 5682 5626 5568 5507 5445
## 249 Santiago de Andamarca 5048 4978 4904 4830 4755 4678
## 250 Belén de Andamarca 1725 1706 1685 1665 1642 1621
## 252 San Pedro de Totora 5481 5403 5324 5242 5159 5074
## 254 Huari 11517 11373 11224 11070 10912 10751
## 256 La Rivera 399 398 397 396 395 392
## 257 Todos Santos 520 524 526 528 530 531
## 258 Carangas 604 601 598 593 589 585
## 260 Huayllamarca 4510 4553 4594 4632 4669 4701
## 261 POTOSÍ 846017 851668 857562 863776 870285 877120
## 263 Potosí 226877 230582 234396 238321 242355 246515
## 264 Tinguipaya 24024 23900 23780 23666 23557 23453
## 265 Yocalla 7458 7475 7495 7516 7540 7564
## 266 Urmiri 2270 2246 2220 2196 2173 2151
## 268 Uncía 20286 20531 20782 21041 21307 21580
## 269 Chayanta 16188 16183 16181 16182 16186 16194
## 270 Llallagua 43505 44157 44825 45514 46222 46951
## 271 Chuquihuta 8291 8284 8278 8273 8270 8269
## 273 Betanzos 32128 32161 32198 32243 32293 32351
## 274 Chaquí 8817 8805 8794 8785 8778 8773
## 275 Tacobamba 9779 9731 9684 9640 9597 9556
## 277 Colquechaca 34722 34828 34939 35059 35185 35320
## 278 Ravelo 19673 19521 19373 19230 19092 18960
## 279 Pocoata 26314 26213 26114 26023 25936 25856
## 280 Ocurí 17509 17267 17031 16801 16579 16362
## 282 S.P. De Buena Vista 24917 25445 25986 26544 27121 27716
## 283 Toro Toro 11278 11384 11492 11603 11718 11836
## 285 Cotagaita 27312 27137 26965 26802 26644 26493
## 286 Vitichi 9694 9629 9568 9508 9450 9395
## 288 Villa deSacaca 18562 18702 18845 18993 19146 19304
## 289 Caripuyo 9868 9784 9700 9621 9543 9468
## 291 Tupiza 46279 46773 47278 47799 48336 48889
## 292 Atocha 11624 11730 11840 11953 12071 12191
## 294 Colcha K 11818 11947 12079 12216 12356 12501
## 295 San Pedro de Quemes 845 834 824 814 804 795
## 297 San Pablo de Lipez 3609 3579 3550 3523 3496 3469
## 298 Mojinete 999 983 965 949 934 918
## 299 San Antonio de Esmoruco 2709 2650 2592 2535 2481 2429
## 301 Puna 20996 20869 20745 20627 20513 20405
## 302 Caiza D 10631 10617 10603 10591 10581 10574
## 303 Ckochas 17058 16948 16840 16737 16637 16543
## 305 Uyuni 33144 33544 33955 34378 34813 35261
## 306 Tomave 13600 13554 13509 13468 13429 13393
## 307 Porco 10691 10921 11157 11401 11652 11911
## 309 Arampampa 5037 5003 4970 4937 4907 4877
## 310 Acasio 5949 5909 5872 5836 5801 5767
## 312 Llica 4750 4680 4612 4547 4482 4420
## 313 Tahua 1940 1914 1888 1863 1840 1816
## 315 Villazón 42593 43005 43425 43859 44306 44768
## 317 San Agustín 2273 2243 2212 2182 2154 2126
## 318 TARIJA 503886 513923 523910 533840 543689 553471
## 320 Tarija 219263 224606 229959 235319 240670 246025
## 322 Padcaya 17716 17895 18066 18230 18385 18532
## 323 Bermejo 35971 36792 37612 38430 39245 40057
## 325 Yacuiba 98647 99907 101131 102316 103459 104563
## 326 Caraparí 14637 14850 15059 15262 15461 15653
## 327 Villamontes 42347 43624 44915 46220 47538 48869
## 329 Uriondo 13889 14150 14408 14664 14917 15166
## 330 Yunchará 6178 6140 6099 6055 6007 5957
## 332 Villa San Lorenzo 21706 22144 22578 23010 23436 23859
## 333 El Puente 11422 11484 11540 11590 11636 11674
## 335 Entre Ríos 22110 22331 22543 22744 22935 23116
## 336 SANTA CRUZ 2779271 2845628 2911845 2977758 3043354 3108498
## 338 Santa Cruz de la Sierra 1528826 1567432 1605925 1644241 1682354 1720168
## 339 Cotoca 52321 54757 57269 59853 62514 65248
## 340 Porongo 13179 13345 13505 13656 13801 13937
## 341 La Guardia 86665 89367 92093 94837 97597 100369
## 342 El Torno 51134 53066 55033 57035 59069 61136
## 344 Warnes 99101 103199 107395 111685 116068 120542
## 345 Okinawa Uno 12608 12779 12945 13102 13254 13398
## 347 San Ignacio de Velasco 57645 58831 60003 61155 62289 63399
## 348 San Miguel de Velasco 11856 12007 12153 12291 12423 12548
## 349 San Rafael 6082 6142 6199 6252 6301 6346
## 351 Buena Vista 12966 13190 13409 13622 13829 14029
## 352 San Carlos 22261 22552 22832 23100 23355 23597
## 353 Yapacaní 52616 53541 54448 55331 56191 57027
## 354 San Juan de Yapacani 9262 9375 9483 9586 9685 9777
## 356 San Joséde Chiquitos 27652 28184 28707 29220 29722 30213
## 357 Pailón 39400 39980 40543 41084 41605 42104
## 358 Roboré 16049 16390 16728 17061 17390 17711
## 360 Portachuelo 19735 21122 22595 24151 25798 27539
## 361 Santa Rosa del Sara 18437 18565 18683 18789 18882 18963
## 362 Colpa Belgica 6118 6215 6309 6401 6489 6574
## 364 Lagunillas 5594 5700 5807 5910 6011 6110
## 365 Charagua 34218 34573 34909 35223 35516 35788
## 366 Cabezas 27074 27422 27755 28073 28376 28662
## 367 Cuevo 4806 4841 4875 4904 4930 4953
## 368 Gutiérrez 13957 14184 14406 14622 14830 15031
## 369 Camiri 37205 37828 38435 39025 39598 40151
## 370 Boyuibe 4698 4771 4843 4912 4979 5043
## 372 Vallegrande 17103 17291 17469 17638 17795 17942
## 373 Trigal 1722 1712 1701 1689 1675 1660
## 374 Moro Moro 2664 2664 2662 2658 2652 2646
## 375 Postrer Valle 2159 2156 2152 2147 2141 2133
## 376 Pucara 1762 1765 1768 1769 1770 1769
## 378 Samaipata 9993 10087 10176 10258 10334 10405
## 379 Pampa Grande 8863 8987 9108 9224 9335 9441
## 380 Mairana 10958 11181 11402 11617 11830 12038
## 381 Quirusillas 2278 2272 2266 2257 2246 2236
## 383 Montero 120639 123426 126193 128932 131644 134321
## 384 Gral. Saavedra 15346 15602 15849 16091 16325 16551
## 385 Mineros 24170 24645 25112 25570 26020 26458
## 386 Fernández Alonso 14352 14434 14506 14569 14623 14667
## 387 San Pedro 17571 17610 17639 17655 17659 17652
## 389 Concepción 20599 21183 21770 22357 22945 23533
## 390 San Javier 15289 15552 15810 16061 16305 16542
## 391 San Ramón 8318 8481 8642 8800 8954 9105
## 392 San Julián 50490 51089 51662 52206 52721 53203
## 393 San Antonio de Lomerío 6540 6605 6666 6724 6776 6825
## 394 Cuatro Cañadas 22859 23248 23628 23997 24356 24704
## 396 San Matías 15275 15569 15857 16141 16417 16688
## 398 Comarapa 17216 17527 17832 18130 18420 18702
## 399 Saipina 7156 7192 7225 7253 7275 7293
## 401 Puerto Suarez 20499 20809 21110 21401 21680 21949
## 402 Puerto Quijarro 17530 17755 17971 18178 18375 18561
## 403 Carmen Rivero Torrez 6241 6338 6432 6525 6612 6698
## 405 Ascensión de Guarayos 29210 29895 30577 31252 31921 32582
## 406 Urubichá 7364 7459 7550 7637 7720 7799
## 407 El Puente 13640 13736 13823 13901 13972 14032
## 408 BENI 430812 438679 446693 454878 463183 471641
## 410 Trinidad 133458 136464 139531 142661 145844 149089
## 411 San Javier 3816 3840 3863 3886 3909 3931
## 413 Riberalta 98031 99627 101243 102883 104537 106210
## 414 Guayaramerín 42715 43507 44313 45131 45960 46801
## 416 Reyes 11173 11238 11304 11370 11434 11498
## 417 San Borja 34274 35010 35760 36525 37302 38092
## 418 Santa Rosa 8605 8772 8941 9114 9288 9466
## 419 Rurrenabaque 18359 18664 18972 19286 19602 19922
## 421 Santa Ana de Yacuma 18073 18120 18167 18214 18258 18302
## 422 Exaltación 4806 4730 4654 4581 4507 4435
## 424 San Ignacio 16844 17239 17644 18058 18478 18908
## 426 Loreto 2475 2518 2561 2605 2649 2694
## 427 San Andrés 7517 7952 8409 8894 9406 9945
## 429 San Joaquín 5882 5902 5922 5943 5961 5980
## 430 San Ramón 4545 4617 4689 4762 4836 4910
## 431 Puerto Siles 1062 1068 1074 1079 1085 1089
## 433 Magdalena 10748 10887 11026 11167 11309 11452
## 434 Baures 5135 5159 5183 5207 5230 5253
## 435 Huacaraje 3294 3365 3437 3512 3588 3664
## 436 PANDO 114163 118971 123834 128730 133670 138633
## 438 Cobija 66767 69211 71648 74068 76475 78852
## 439 Porvenir 4895 5186 5488 5800 6121 6451
## 440 Bolpebra 968 1074 1189 1315 1453 1603
## 441 Bella Flor 1955 2122 2301 2491 2694 2909
## 443 Puerto Rico 7843 8142 8441 8739 9035 9331
## 444 San Pedro 1267 1315 1366 1415 1465 1516
## 445 Filadelfia 5378 5637 5900 6168 6440 6713
## 447 Puerto Gonzales Moreno 5169 5378 5586 5795 6005 6213
## 448 San Lorenzo 6124 6426 6735 7047 7365 7688
## 449 Sena 5268 5539 5817 6099 6387 6681
## 451 Santa Rosa 1866 1950 2036 2122 2209 2297
## 452 Ingavi 1429 1521 1618 1719 1825 1934
## 454 Nueva Esperanza 1052 1118 1188 1260 1335 1413
## 455 Villa Nueva - Loma Alta 2329 2417 2504 2591 2677 2763
## 456 Santos Mercado 1853 1935 2017 2101 2184 2269
## 2018 2019 2020 2021 2022
## 1 335095 341258 347568 353996 360544
## 2 8891 8938 8985 9033 9081
## 3 15846 15828 15811 15793 15777
## 4 10879 10950 11021 11093 11166
## 5 13853 13858 13865 13870 13876
## 6 7811 7768 7725 7682 7640
## 7 10285 10223 10162 10102 10042
## 8 7648 7687 7726 7765 7805
## 9 7926 7951 7976 8001 8026
## 11 10138 10156 10174 10192 10212
## 12 8761 8821 8882 8944 9006
## 13 6108 6098 6087 6077 6067
## 14 2677 2665 2655 2644 2632
## 15 4123 4090 4058 4026 3994
## 17 24319 24515 24715 24916 25120
## 18 8145 8169 8194 8218 8244
## 20 15664 15582 15502 15421 15342
## 21 8594 8566 8539 8513 8486
## 23 15217 15292 15368 15445 15522
## 24 31130 31193 31259 31324 31389
## 25 12396 12442 12489 12538 12587
## 26 15386 15436 15487 15539 15592
## 28 10289 10273 10258 10242 10227
## 30 3093 3143 3194 3245 3298
## 31 17243 17257 17273 17288 17303
## 32 3143 3121 3100 3078 3058
## 34 9395 9407 9421 9435 9448
## 35 2491 2493 2494 2496 2498
## 36 7066 7084 7101 7119 7137
## 37 2938746 2967180 2995530 3023791 3051947
## 39 912960 923997 934981 945889 956732
## 40 15403 15477 15550 15619 15684
## 41 13362 13327 13289 13248 13204
## 42 19164 19374 19583 19790 19995
## 43 1030151 1049671 1069331 1089126 1109048
## 45 37532 37146 36755 36361 35964
## 46 9406 9420 9433 9442 9451
## 47 5295 5348 5400 5452 5503
## 48 7339 7389 7438 7485 7532
## 49 8041 8013 7984 7954 7921
## 50 4350 4408 4465 4522 4579
## 52 9466 9473 9478 9481 9481
## 53 11229 11117 11002 10888 10772
## 54 8109 8061 8010 7958 7904
## 55 5258 5298 5337 5376 5413
## 56 4592 4629 4665 4701 4735
## 57 3619 3457 3301 3151 3007
## 58 692 673 653 635 616
## 59 6633 6630 6625 6618 6610
## 61 10598 10539 10477 10415 10350
## 62 13082 12978 12873 12766 12658
## 63 9945 9900 9854 9806 9756
## 64 5768 5810 5850 5891 5929
## 65 7346 7365 7382 7398 7412
## 67 10026 9995 9962 9926 9888
## 68 8436 8443 8449 8452 8455
## 69 6716 6724 6730 6734 6737
## 71 18686 18529 18369 18208 18043
## 72 13742 13739 13733 13723 13711
## 73 7980 8018 8053 8088 8120
## 74 2559 2537 2514 2491 2468
## 75 1696 1677 1658 1637 1618
## 76 8562 8469 8373 8278 8182
## 77 14337 14441 14543 14643 14741
## 78 8892 8825 8757 8688 8617
## 80 17871 17764 17653 17539 17423
## 81 7191 7256 7320 7383 7444
## 83 87201 86718 86218 85703 85172
## 84 7494 7555 7614 7672 7728
## 85 10192 10099 10004 9908 9809
## 86 7192 7261 7328 7394 7459
## 87 5906 5927 5947 5965 5983
## 88 12478 12342 12205 12067 11926
## 89 6452 6466 6479 6491 6502
## 91 10137 10156 10171 10185 10196
## 92 10506 10429 10350 10267 10185
## 93 7639 7651 7663 7671 7679
## 94 3190 3162 3134 3105 3075
## 95 10022 9939 9853 9768 9680
## 97 12680 12614 12546 12475 12401
## 98 8345 8388 8428 8467 8504
## 99 10339 10408 10476 10541 10606
## 100 17591 17498 17403 17305 17202
## 101 6890 6876 6861 6844 6825
## 102 3304 3278 3253 3227 3201
## 104 17448 17466 17482 17494 17501
## 105 14852 14870 14885 14897 14906
## 106 6278 6322 6365 6406 6446
## 107 23816 23888 23955 24017 24074
## 108 38072 38465 38853 39237 39616
## 110 24811 24815 24814 24807 24795
## 111 18368 18197 18023 17848 17670
## 112 15345 15236 15124 15009 14892
## 113 7624 7638 7650 7661 7670
## 115 21624 21370 21114 20857 20598
## 116 8568 8575 8580 8584 8585
## 117 8198 8241 8282 8321 8359
## 118 11162 11084 11003 10921 10836
## 119 22060 22128 22191 22249 22303
## 120 8505 8419 8333 8245 8157
## 121 4094 4046 3998 3949 3900
## 123 16934 16855 16773 16688 16599
## 124 15407 15480 15549 15616 15679
## 126 9459 9519 9578 9635 9690
## 127 9596 9627 9656 9683 9708
## 129 9730 9615 9500 9383 9267
## 130 3540 3493 3446 3398 3351
## 132 12955 12863 12770 12673 12575
## 133 6043 6060 6074 6088 6099
## 134 2210 2131 2054 1980 1908
## 136 7459 7407 7354 7300 7245
## 137 6540 6516 6491 6464 6437
## 138 2381 2341 2299 2259 2218
## 140 4894 4912 4927 4942 4956
## 141 1882 1844 1807 1771 1734
## 143 45958 45857 45747 45628 45500
## 144 9341 9216 9090 8964 8837
## 145 1996220 2026460 2056710 2086930 2117112
## 147 796360 811338 826316 841276 856198
## 149 21771 21636 21494 21345 21190
## 150 2927 2892 2856 2819 2782
## 151 4631 4608 4585 4559 4531
## 153 22926 22829 22725 22612 22493
## 154 11128 10988 10846 10701 10555
## 155 17906 17850 17788 17719 17644
## 157 9784 9852 9915 9976 10033
## 158 5465 5396 5326 5254 5182
## 159 17513 17622 17725 17823 17914
## 160 3274 3250 3222 3194 3166
## 162 9182 9214 9244 9271 9294
## 163 8357 8305 8250 8193 8133
## 165 10348 10262 10173 10082 9987
## 166 7809 7741 7670 7597 7522
## 168 20781 20908 21030 21144 21252
## 169 6557 6601 6644 6683 6722
## 170 3910 3909 3905 3901 3895
## 172 21856 22003 22143 22276 22402
## 173 5701 5688 5674 5656 5638
## 174 5495 5613 5732 5851 5969
## 176 160319 166281 172405 178692 185142
## 177 45693 46350 47000 47641 48275
## 178 61231 61959 62675 63376 64061
## 179 57197 57974 58739 59495 60239
## 180 52446 52598 52732 52847 52945
## 182 176689 178727 180726 182682 184593
## 183 20250 20477 20700 20918 21131
## 184 82774 83719 84645 85552 86437
## 186 23602 23403 23198 22986 22769
## 188 15924 15948 15967 15980 15988
## 189 10324 10285 10242 10195 10146
## 190 9623 9563 9499 9433 9365
## 191 23717 24191 24666 25141 25616
## 192 58561 59632 60702 61769 62832
## 193 35718 36385 37052 37718 38381
## 195 28358 28387 28408 28417 28417
## 196 4634 4592 4549 4505 4459
## 197 2658 2618 2579 2538 2499
## 199 39080 40925 42843 44834 46901
## 200 7571 7575 7576 7575 7570
## 201 11092 11007 10918 10827 10733
## 202 612 617 623 629 634
## 203 1636 1620 1605 1588 1571
## 205 6736 6660 6582 6503 6422
## 207 20877 20969 21053 21131 21201
## 208 25217 25493 25763 26026 26283
## 209 534174 539089 543880 548537 553088
## 211 327483 333651 339760 345802 351802
## 212 21408 21367 21314 21251 21177
## 213 3666 3624 3579 3534 3487
## 214 12235 12187 12134 12074 12010
## 216 31918 32213 32494 32762 33015
## 217 4076 4027 3977 3925 3871
## 219 7971 7909 7844 7776 7704
## 220 1026 1015 1004 991 980
## 222 4460 4410 4359 4307 4252
## 223 3433 3398 3362 3325 3287
## 225 1570 1545 1518 1492 1465
## 226 1676 1596 1519 1446 1375
## 227 559 552 545 538 530
## 228 599 548 502 459 419
## 229 1327 1243 1163 1088 1017
## 231 7231 7168 7101 7032 6959
## 232 5751 5668 5585 5499 5412
## 233 3547 3485 3422 3358 3295
## 235 25783 25762 25730 25683 25625
## 236 5541 5591 5640 5685 5728
## 238 10357 10216 10072 9925 9776
## 239 3230 3176 3120 3064 3007
## 241 6565 6519 6470 6419 6365
## 242 718 710 702 694 684
## 243 1889 1872 1854 1837 1818
## 245 6767 6654 6540 6424 6308
## 247 5379 5312 5243 5172 5100
## 249 4600 4520 4440 4358 4277
## 250 1597 1575 1550 1526 1501
## 252 4989 4901 4813 4724 4635
## 254 10586 10417 10246 10073 9899
## 256 391 388 386 383 381
## 257 533 534 535 535 535
## 258 580 574 568 563 557
## 260 4733 4762 4789 4813 4835
## 261 884273 891761 899575 907686 916087
## 263 250794 255200 259737 264402 269180
## 264 23354 23261 23173 23088 23008
## 265 7590 7617 7647 7677 7708
## 266 2129 2107 2087 2066 2046
## 268 21863 22153 22452 22758 23072
## 269 16205 16219 16236 16256 16280
## 270 47701 48474 49268 50085 50922
## 271 8270 8272 8276 8281 8287
## 273 32415 32487 32564 32648 32736
## 274 8770 8768 8769 8770 8773
## 275 9518 9483 9449 9416 9384
## 277 35463 35614 35771 35935 36106
## 278 18831 18709 18590 18474 18362
## 279 25781 25711 25648 25587 25531
## 280 16152 15948 15749 15555 15366
## 282 28329 28962 29616 30288 30981
## 283 11959 12084 12214 12347 12484
## 285 26349 26211 26078 25950 25826
## 286 9342 9291 9243 9195 9151
## 288 19468 19637 19812 19991 20175
## 289 9396 9326 9258 9193 9128
## 291 49458 50045 50649 51269 51903
## 292 12315 12444 12575 12710 12849
## 294 12650 12803 12961 13122 13288
## 295 785 776 768 759 750
## 297 3444 3419 3396 3373 3351
## 298 903 889 875 861 848
## 299 2377 2328 2280 2233 2188
## 301 20301 20203 20108 20017 19930
## 302 10570 10567 10566 10567 10570
## 303 16450 16363 16279 16199 16121
## 305 35722 36198 36687 37188 37700
## 306 13360 13331 13303 13278 13255
## 307 12180 12456 12741 13034 13337
## 309 4849 4821 4795 4771 4746
## 310 5734 5704 5675 5646 5618
## 312 4360 4301 4243 4188 4133
## 313 1794 1773 1752 1730 1710
## 315 45243 45734 46239 46757 47287
## 317 2099 2072 2046 2022 1997
## 318 563182 572823 582376 591828 601214
## 320 251375 256723 262062 267378 272692
## 322 18671 18803 18925 19040 19148
## 323 40867 41673 42473 43269 44062
## 325 105628 106653 107638 108578 109481
## 326 15840 16022 16198 16367 16532
## 327 50212 51569 52935 54314 55704
## 329 15411 15654 15892 16127 16359
## 330 5906 5851 5794 5736 5675
## 332 24277 24691 25101 25504 25904
## 333 11708 11735 11758 11774 11786
## 335 23287 23449 23600 23741 23871
## 336 3173151 3237223 3300603 3363377 3425399
## 338 1757663 1794779 1831434 1867673 1903398
## 339 68057 70939 73893 76922 80023
## 340 14066 14186 14298 14401 14496
## 341 103152 105940 108731 111525 114318
## 342 63232 65355 67506 69682 71884
## 344 125104 129752 134482 139297 144193
## 345 13534 13663 13784 13896 14001
## 347 64488 65550 66585 67594 68575
## 348 12665 12776 12877 12973 13060
## 349 6387 6425 6457 6487 6512
## 351 14224 14411 14591 14764 14929
## 352 23825 24040 24240 24426 24598
## 353 57835 58616 59367 60091 60784
## 354 9864 9945 10019 10089 10152
## 356 30691 31156 31607 32043 32465
## 357 42581 43033 43461 43867 44248
## 358 18028 18338 18639 18936 19224
## 360 29377 31317 33363 35521 37793
## 361 19031 19088 19131 19163 19182
## 362 6656 6733 6808 6880 6947
## 364 6206 6300 6391 6478 6563
## 365 36037 36265 36469 36651 36810
## 366 28933 29186 29422 29641 29843
## 367 4974 4990 5004 5015 5022
## 368 15225 15411 15589 15759 15921
## 369 40686 41199 41692 42164 42613
## 370 5105 5164 5220 5273 5324
## 372 18078 18202 18316 18418 18510
## 373 1645 1628 1611 1593 1575
## 374 2636 2625 2613 2599 2583
## 375 2123 2112 2100 2086 2071
## 376 1767 1763 1758 1753 1747
## 378 10467 10524 10573 10616 10653
## 379 9541 9636 9726 9811 9889
## 380 12242 12440 12635 12823 13006
## 381 2222 2208 2192 2176 2158
## 383 136961 139560 142112 144620 147078
## 384 16769 16979 17180 17372 17556
## 385 26887 27304 27710 28103 28483
## 386 14701 14726 14740 14745 14742
## 387 17633 17602 17559 17505 17441
## 389 24119 24703 25284 25863 26438
## 390 16770 16990 17202 17406 17600
## 391 9253 9397 9536 9671 9803
## 392 53655 54074 54460 54814 55136
## 393 6869 6910 6945 6976 7004
## 394 25039 25363 25673 25971 26256
## 396 16951 17208 17456 17697 17929
## 398 18977 19242 19498 19745 19982
## 399 7307 7315 7318 7317 7310
## 401 22206 22451 22685 22906 23113
## 402 18737 18901 19054 19197 19328
## 403 6779 6857 6932 7002 7069
## 405 33235 33878 34510 35132 35743
## 406 7873 7943 8007 8068 8122
## 407 14083 14125 14158 14181 14196
## 408 480270 489056 498004 507095 516338
## 410 152401 155774 159213 162710 166262
## 411 3954 3977 3999 4022 4043
## 413 107906 109620 111354 113104 114869
## 414 47655 48521 49400 50288 51188
## 416 11561 11625 11688 11750 11811
## 417 38898 39719 40553 41400 42262
## 418 9646 9829 10015 10204 10395
## 419 20247 20574 20907 21242 21580
## 421 18345 18386 18427 18465 18502
## 422 4362 4292 4222 4152 4085
## 424 19347 19794 20250 20715 21188
## 426 2739 2786 2832 2878 2926
## 427 10516 11119 11755 12426 13134
## 429 5999 6017 6034 6051 6069
## 430 4986 5062 5139 5217 5294
## 431 1095 1100 1105 1110 1116
## 433 11595 11740 11886 12033 12180
## 434 5276 5299 5322 5343 5365
## 435 3742 3822 3903 3985 4069
## 436 143613 148612 153639 158676 163727
## 438 81202 83518 85809 88064 90277
## 439 6791 7140 7498 7866 8243
## 440 1766 1944 2137 2347 2574
## 441 3137 3379 3636 3907 4195
## 443 9623 9912 10198 10480 10759
## 444 1565 1614 1662 1710 1757
## 445 6990 7269 7553 7837 8123
## 447 6421 6628 6834 7038 7240
## 448 8015 8345 8680 9016 9358
## 449 6978 7281 7588 7899 8213
## 451 2385 2473 2562 2651 2741
## 452 2046 2162 2283 2408 2537
## 454 1493 1576 1661 1749 1840
## 455 2847 2932 3015 3096 3177
## 456 2354 2439 2523 2608 2693ggplot(data = datosbol) +
geom_point(aes(x = 2012, y = 2021)) +
labs(title = "RELACION DE LAS PROYECCIONES DE POBLACIÓN, SEGÚN DEPARTAMENTO Y MUNICIPIO ENTRE 2012-2021",
subtitle = "EN BOLIVIA",
x = "2012",
y = "2021")
#####OBSERVACIONES:
Si al crear un gráfico de dispersión usando geom_point()
en R, obtienes solo un punto en la gráfica, esto puede tener varias
interpretaciones posibles:
Error de código: Es posible que haya un error en el código que estás utilizando para crear el gráfico. Verifica que estés especificando correctamente las variables que deseas graficar y que estén presentes en el conjunto de datos que estás utilizando.
Datos incompletos: Si solo tienes un punto en la gráfica, podría indicar que hay muy pocos datos o que la relación entre las variables que estás graficando es muy limitada. Verifica la cantidad y la calidad de los datos que estás utilizando para generar el gráfico.
Relación lineal perfecta: Si solo hay un punto en la gráfica y está en una posición específica, podría indicar una relación lineal perfecta entre las variables. Por ejemplo, si estás graficando la variable X en función de la variable Y, y solo hay un punto en la coordenada (x, y), esto podría significar que todos los demás puntos en los datos tienen las mismas coordenadas (x, y). Esto puede ocurrir cuando las dos variables son idénticas o están directamente relacionadas.
Para comprender mejor la situación, te recomendaría revisar el conjunto de datos que estás utilizando, verificar la correcta especificación de las variables y explorar más a fondo la relación entre ellas. Además, puedes ajustar los parámetros del gráfico, como los límites de los ejes, para asegurarte de que se muestren todos los puntos de manera adecuada.
#####CAMBIO DE BASE DE DATOS
##I. En base a un dataset de nuestra preferencia, mostremos la relación entre dos variables continuas o numéricas usando un gráfico de dispersión (vía geom_point()) y expliquemos lo que muestra el gráfico. Vale usar el dataset que hemos presentado en este capítulo, pero tendrá mucha más gracia jugar con algún otro. (quiero ser agraciado)
“bolivia-temperatura-media-por-principales-ciudades-1990-2022”
data <- read.csv("C:/CIENCIA DE DATOS/Sergio R/CLASES/bolivia-temperatura-media-por-principales-ciudades-1990-2022.csv")
summary(data)## AÑO MES SUCRE LA.PAZ
## Min. :1990 Length:396 Min. :10.90 Min. : 7.0
## 1st Qu.:1998 Class :character 1st Qu.:13.41 1st Qu.:11.6
## Median :2006 Mode :character Median :14.70 Median :12.6
## Mean :2006 Mean :14.60 Mean :12.5
## 3rd Qu.:2014 3rd Qu.:15.70 3rd Qu.:13.6
## Max. :2022 Max. :18.40 Max. :15.8
## NA's :6 NA's :2
## COCHABAMBA ORURO POTOSÍ TARIJA
## Min. :13.00 Min. : 2.000 Min. : 0.900 Min. :10.60
## 1st Qu.:16.32 1st Qu.: 6.500 1st Qu.: 6.600 1st Qu.:15.70
## Median :18.50 Median :10.400 Median : 8.600 Median :19.20
## Mean :18.03 Mean : 9.346 Mean : 8.142 Mean :18.22
## 3rd Qu.:19.70 3rd Qu.:12.074 3rd Qu.: 9.700 3rd Qu.:20.60
## Max. :22.30 Max. :13.900 Max. :13.100 Max. :24.00
## NA's :1 NA's :3 NA's :23 NA's :7
## SANTA.CRUZ TRINIDAD COBIJA EL.ALTO
## Min. :16.75 Min. :19.30 Min. :21.15 Min. : 3.300
## 1st Qu.:22.59 1st Qu.:24.50 1st Qu.:25.40 1st Qu.: 6.200
## Median :25.40 Median :26.50 Median :26.20 Median : 8.300
## Mean :24.51 Mean :25.82 Mean :25.97 Mean : 7.762
## 3rd Qu.:26.40 3rd Qu.:27.10 3rd Qu.:26.80 3rd Qu.: 9.162
## Max. :29.00 Max. :29.40 Max. :29.00 Max. :11.200
## NA's :2 NA's :1names(data)## [1] "AÑO" "MES" "SUCRE" "LA.PAZ" "COCHABAMBA"
## [6] "ORURO" "POTOSÍ" "TARIJA" "SANTA.CRUZ" "TRINIDAD"
## [11] "COBIJA" "EL.ALTO"##I. En base a un dataset de nuestra preferencia, mostremos la relación entre dos variables continuas o numéricas usando un gráfico de dispersión (vía geom_point()) y expliquemos lo que muestra el gráfico. Vale usar el dataset que hemos presentado en este capítulo, pero tendrá mucha más gracia jugar con algún otro. (quiero ser agraciado)
ggplot(data = data) +
geom_point(aes(x = POTOSÍ, y = EL.ALTO)) +
labs(title = "Bolivia-temperatura-media-por-principales-ciudades-1990-2022",
subtitle = "EN BOLIVIA",
x = "POTOSÍ",
y = "EL.ALTO")## Warning: Removed 23 rows containing missing values (`geom_point()`).
data %>%
get_correlation(POTOSÍ ~ EL.ALTO,
na.rm = TRUE)## cor
## 1 0.8588949###Segun esta tabla:
- de 0,7 a 1: de fuerte a total
- de 0,5 a 0,7: de moderada a fuerte
- de 0,3 a 0,5: de débil a moderada
- menor a 0,3: de nula a débil
“Tenemos una correlacion fuerte”
##II.Realicemos un modelo de regresión lineal para esas dos variables. Describamos los resultados, ofreciendo una interpretación.
modelo <- lm( POTOSÍ ~ EL.ALTO,
data = data)
modelo##
## Call:
## lm(formula = POTOSÍ ~ EL.ALTO, data = data)
##
## Coefficients:
## (Intercept) EL.ALTO
## -0.05562 1.05987get_regression_table(modelo)## # A tibble: 2 × 7
## term estimate std_error statistic p_value lower_ci upper_ci
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 intercept -0.056 0.261 -0.214 0.831 -0.568 0.457
## 2 EL.ALTO 1.06 0.033 32.3 0 0.995 1.12Ahí está. En nuestro modelo, el efecto estimado de la variable EL.ALTO es de 1.060. Significado: incrementando en una unidad la variable predictora, la variable a predecir se incrementa en 1.060. Dicho de otra manera, y expresándolo en las unidades de nuestras variables: por cada unidad de temperatura de incremento en el alto en la mediana de temperatura en el alto, la temperatura en Potosi se incrementa en 1.060.
###Grafica 1
ggplot(data = data) +
geom_point(aes(x = POTOSÍ, y = EL.ALTO)) +
labs(title = "Correlación de -temperatura-media-por-principales-ciudades-1990-2022-Bolivia",
subtitle = "Correlacion entre POTOSÍ y EL.ALTO",
x = "POTOSÍ",
y = "EL.ALTO",
caption = "con línea de regresión") +
geom_abline(aes(intercept = -0.056, slope = 1.060), color = "blue")## Warning: Removed 23 rows containing missing values (`geom_point()`).
###Grafica 2
ggplot(data = data) +
geom_point(aes(x = POTOSÍ, y = EL.ALTO)) +
labs(title = "Correlación de -temperatura-media-por-principales-ciudades-1990-2022-Bolivia",
subtitle = "Correlacion entre POTOSÍ y EL.ALTO",
x = "POTOSÍ",
y = "EL.ALTO",
caption = "con línea de regresión vía geom_smooth()") +
geom_smooth(aes(x = POTOSÍ, y = EL.ALTO),
method = "lm")## `geom_smooth()` using formula = 'y ~ x'## Warning: Removed 23 rows containing non-finite values (`stat_smooth()`).## Warning: Removed 23 rows containing missing values (`geom_point()`).
###Resolviendo residuos
residuos_regresion <- get_regression_points(modelo)
residuos_regresion## # A tibble: 373 × 5
## ID POTOSÍ EL.ALTO POTOSÍ_hat residual
## <int> <dbl> <dbl> <dbl> <dbl>
## 1 1 8 8.01 8.43 -0.432
## 2 2 7.4 8.31 8.75 -1.35
## 3 3 7.8 8.76 9.23 -1.43
## 4 4 8 8.52 8.97 -0.974
## 5 5 5.8 7.11 7.48 -1.68
## 6 6 3.6 4.49 4.7 -1.1
## 7 7 2.8 4.34 4.54 -1.74
## 8 8 5.1 5.68 5.97 -0.868
## 9 9 6.6 7.46 7.86 -1.26
## 10 10 8.8 8.56 9.02 -0.222
## # ℹ 363 more rowsoptions(scipen = 999)mean(residuos_regresion$residual)## [1] 0.00003485255ggplot(residuos_regresion) +
geom_point(aes(x = EL.ALTO, y = residual)) +
labs(x = "EL.ALTO", y = "residuo del modelo lineal")
###EVALUANDO CERTEZA
get_regression_table(modelo)## # A tibble: 2 × 7
## term estimate std_error statistic p_value lower_ci upper_ci
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 intercept -0.056 0.261 -0.214 0.831 -0.568 0.457
## 2 EL.ALTO 1.06 0.033 32.3 0 0.995 1.12####vemos en las columnas lower_ci y upper_ci nos indica que nuestro modelo es estadísticamente significativo
III.Mostremos la relación entre una variables categórica y otra continua/numérica, con un gráfico boxplot (mediante geom_boxplot()) o un gráfico de puntos “sacudidos” (mediante geom_jitter()). Expliquemos lo que muestra el gráfico.
library(ggplot2)gráfico boxplot
ggplot(data = data, aes(x = MES, y = SANTA.CRUZ)) +
geom_boxplot() +
labs(title = "Relación entre los meses MES del año y las temperaturas de SANTA.CRUZ",
x = "MES",
y = "SANTA.CRUZ")
###gráfico de puntos
ggplot(data = data, aes(x = MES, y = SANTA.CRUZ)) +
geom_jitter() +
labs(title = "Relación entre los meses MES del año y las temperaturas de SANTA.CRUZ",
x = "MES",
y = "SANTA.CRUZ")
####En el segundo grafico se not mas que las temperaturas alta se dan en los meses de OCTUBE Y FEBRERO y las temperaturas mas bajas se dan en Julio
provare con los graficos sugeridos en clase
ggplot(data = data) +
geom_point(aes(x = MES,
y = SANTA.CRUZ,
color = MES)) 
ggplot(data = data) +
geom_jitter(aes(x = MES,
y = SANTA.CRUZ,
color = MES))
ggplot(data) +
geom_histogram(aes(SANTA.CRUZ, fill = MES)) +
facet_wrap(~ MES)## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
##IV.Realicemos un modelo de regresión lineal para esas dos variables, describiendo los resultados sin olvidar interpretarlos.
modelo1 <- lm(SANTA.CRUZ~ MES, data = data)
get_regression_table(modelo1)## # A tibble: 12 × 7
## term estimate std_error statistic p_value lower_ci upper_ci
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 intercept 24.7 0.188 131. 0 24.3 25.1
## 2 MES: Agosto -1.84 0.266 -6.92 0 -2.36 -1.32
## 3 MES: Diciembre 1.84 0.266 6.94 0 1.32 2.37
## 4 MES: Enero 2.10 0.266 7.91 0 1.58 2.63
## 5 MES: Febrero 1.64 0.266 6.19 0 1.12 2.17
## 6 MES: Julio -4.02 0.266 -15.1 0 -4.54 -3.50
## 7 MES: Junio -4.04 0.266 -15.2 0 -4.56 -3.52
## 8 MES: Marzo 1.44 0.266 5.40 0 0.913 1.96
## 9 MES: Mayo -2.71 0.266 -10.2 0 -3.23 -2.18
## 10 MES: Noviembre 1.79 0.266 6.74 0 1.27 2.31
## 11 MES: Octubre 1.54 0.266 5.78 0 1.01 2.06
## 12 MES: Septiembre 0.121 0.266 0.454 0.65 -0.402 0.643###Grafico
# Crear el gráfico de dispersión con la línea de regresión
ggplot(data, aes(x = MES, y = SANTA.CRUZ)) +
geom_point() + # Puntos del gráfico de dispersión
geom_smooth(method = "lm", se = FALSE) + # Línea de regresión
labs(title = "Gráfico de Dispersión con Línea de Regresión",
x = "MES",
y = "SANTA.CRUZ")## `geom_smooth()` using formula = 'y ~ x'
###Grafico2
# Coeficientes de la línea de regresión
intercept <- coef(modelo1)["(Intercept)"]
slope <- coef(modelo1)["MESAgosto"]
# Crear el gráfico de dispersión con la línea de regresión
ggplot(data, aes(x = MES, y = SANTA.CRUZ)) +
geom_point() + # Puntos del gráfico de dispersión
geom_abline(intercept = intercept, slope = slope, color = "red") + # Línea de regresión
labs(title = "Gráfico de Dispersión con Línea de Regresión",
x = "MES",
y = "SANTA.CRUZ")
###Grafico3
aqui tome como slope el dato del mes de Septiembre
ggplot(data = data) +
geom_point(aes(x = MES, y = SANTA.CRUZ)) +
labs(title = "Relación entre los meses MES del año y las temperaturas de SANTA.CRUZ",
subtitle = "Bolivia",
x = "MES",
y = "SANTA.CRUZ",
caption = "con línea de regresión") +
geom_abline(aes(intercept = 24.689, slope = 0.121), color = "blue")
###Grafico4
# Crear el gráfico de dispersión con la línea de regresión
ggplot(data, aes(x = MES, y = SANTA.CRUZ)) +
geom_point() + # Puntos del gráfico de dispersión
geom_smooth(method = "lm", se = FALSE, color = "red") + # Línea de regresión
labs(title = "Gráfico de Dispersión con Línea de Regresión",
x = "MES",
y = "SANTA.CRUZ")## `geom_smooth()` using formula = 'y ~ x'
no genero ninguna diferencia
residuos_modelo1 <- get_regression_points(modelo1)
residuos_modelo1## # A tibble: 396 × 5
## ID SANTA.CRUZ MES SANTA.CRUZ_hat residual
## <int> <dbl> <chr> <dbl> <dbl>
## 1 1 25.8 Enero 26.8 -0.942
## 2 2 26.4 Febrero 26.3 0.066
## 3 3 26.8 Marzo 26.1 0.625
## 4 4 25.6 Abril 24.7 0.861
## 5 5 21.4 Mayo 22.0 -0.532
## 6 6 19.4 Junio 20.6 -1.30
## 7 7 18.4 Julio 20.7 -2.27
## 8 8 22.6 Agosto 22.8 -0.199
## 9 9 22.6 Septiembre 24.8 -2.21
## 10 10 26.6 Octubre 26.2 0.326
## # ℹ 386 more rowsmean(residuos_modelo1$residual)## [1] -0.0001287879Si el resultado de mean(residuos_modelo_eleccion$residual) es negativo, significa que, en promedio, los residuos del modelo de elección son menores que cero. Los residuos representan las diferencias entre los valores observados y los valores predichos por el modelo.
Un resultado negativo en el promedio de los residuos indica que, en general, los valores observados tienden a ser menores que los valores predichos por el modelo. Esto podría indicar una tendencia sistemática en la subestimación de los valores por parte del modelo.
Es importante tener en cuenta que un promedio negativo de los residuos por sí solo no indica necesariamente un problema con el modelo. Es posible que el modelo esté capturando ciertos patrones o tendencias en los datos que llevan a una subestimación sistemática. Sin embargo, es recomendable evaluar más a fondo el desempeño del modelo, considerando otras métricas de evaluación y realizando un análisis exhaustivo de los residuos para verificar si existen patrones no deseados o errores sistemáticos en las predicciones.
###rafiquemos su dispersión de acuerdo a la categoría que les toca
ggplot(residuos_modelo1) +
geom_jitter(aes(x = MES, y = residual, color = MES)) +
labs(x = "MES", y = "residuo del modelo lineal")
get_regression_table(modelo1)## # A tibble: 12 × 7
## term estimate std_error statistic p_value lower_ci upper_ci
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 intercept 24.7 0.188 131. 0 24.3 25.1
## 2 MES: Agosto -1.84 0.266 -6.92 0 -2.36 -1.32
## 3 MES: Diciembre 1.84 0.266 6.94 0 1.32 2.37
## 4 MES: Enero 2.10 0.266 7.91 0 1.58 2.63
## 5 MES: Febrero 1.64 0.266 6.19 0 1.12 2.17
## 6 MES: Julio -4.02 0.266 -15.1 0 -4.54 -3.50
## 7 MES: Junio -4.04 0.266 -15.2 0 -4.56 -3.52
## 8 MES: Marzo 1.44 0.266 5.40 0 0.913 1.96
## 9 MES: Mayo -2.71 0.266 -10.2 0 -3.23 -2.18
## 10 MES: Noviembre 1.79 0.266 6.74 0 1.27 2.31
## 11 MES: Octubre 1.54 0.266 5.78 0 1.01 2.06
## 12 MES: Septiembre 0.121 0.266 0.454 0.65 -0.402 0.643Los valores lower_ci y upper_ci representan los límites inferior y superior, respectivamente, de los intervalos de confianza asociados con cada coeficiente del modelo. Aquí está el significado de estos valores en relación con los coeficientes específicos que mencionaste:
Para el intercepto: El intervalo de confianza va desde 24.320 hasta 25.059. Esto significa que con un nivel de confianza determinado (generalmente indicado por defecto, como el 95%), se espera que el valor real del intercepto esté dentro de ese rango. Es decir, se espera que el valor del intercepto esté entre 24.320 y 25.059.
Para el coeficiente asociado con el mes de Agosto: El intervalo de confianza va desde -2.363 hasta -1.318. Esto indica que con un nivel de confianza dado, se espera que el valor real del coeficiente del mes de Agosto esté entre -2.363 y -1.318.
De manera similar, para cada uno de los otros coeficientes (correspondientes a los meses), los intervalos de confianza proporcionan el rango dentro del cual se espera que se encuentren los valores reales de los coeficientes.
En términos generales, si un intervalo de confianza no incluye el valor cero, se considera que el coeficiente asociado es estadísticamente significativo. Esto significa que hay evidencia suficiente para afirmar que el coeficiente es diferente de cero. Por otro lado, si el intervalo de confianza incluye el valor cero, esto sugiere que no hay suficiente evidencia para afirmar que el coeficiente es diferente de cero, y se considera no significativo.
Es importante tener en cuenta el nivel de confianza especificado para interpretar correctamente los intervalos de confianza. Por lo general, se utiliza un nivel de confianza del 95%, lo que implica que hay un 95% de probabilidad de que el valor real del coeficiente esté dentro del intervalo proporcionado.
V. Realicemos una regresión lineal con la variable a predecir de I o III, junto con otras adicionales. Es decir, realizar una regresión con múltiples variables predictoras. Describamos los resultados, interpretándolos. ¿En qué cambian respecto al modelo que usa sólo un predictor?
modelo_mult <- lm( AÑO~
SUCRE + LA.PAZ +
COCHABAMBA + ORURO + POTOSÍ +
TARIJA + SANTA.CRUZ + TRINIDAD + COBIJA + EL.ALTO,
data = data)get_regression_table(modelo_mult)## # A tibble: 11 × 7
## term estimate std_error statistic p_value lower_ci upper_ci
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 intercept 1954. 8.82 222. 0 1936. 1971.
## 2 SUCRE -1.96 0.488 -4.00 0 -2.92 -0.995
## 3 LA.PAZ 3.56 0.437 8.13 0 2.70 4.42
## 4 COCHABAMBA -2.68 0.576 -4.66 0 -3.81 -1.55
## 5 ORURO 2.52 0.381 6.61 0 1.77 3.27
## 6 POTOSÍ 2.24 0.298 7.51 0 1.65 2.82
## 7 TARIJA -1.15 0.428 -2.70 0.007 -2.00 -0.312
## 8 SANTA.CRUZ -1.88 0.378 -4.96 0 -2.62 -1.13
## 9 TRINIDAD 0.101 0.349 0.29 0.772 -0.584 0.787
## 10 COBIJA 4.89 0.42 11.6 0 4.07 5.72
## 11 EL.ALTO -2.52 0.753 -3.35 0.001 -4.00 -1.04# Crear un data frame con los datos de los coeficientes y los intervalos de confianza
data_regresion <- data.frame(
term = c("intercept", "SUCRE", "LA.PAZ", "COCHABAMBA", "ORURO", "POTOSÍ", "TARIJA", "SANTA.CRUZ", "TRINIDAD", "COBIJA", "EL.ALTO"),
estimate = c(1953.556, -1.956, 3.558, -2.681, 2.521, 2.235, -1.154, -1.875, 0.101, 4.891, -2.519),
lower_ci = c(1936.215, -2.916, 2.698, -3.813, 1.771, 1.650, -1.995, -2.618, -0.584, 4.065, -3.999),
upper_ci = c(1970.896, -0.995, 4.418, -1.549, 3.271, 2.820, -0.312, -1.132, 0.787, 5.717, -1.039)
)# Crear el gráfico de barras con los intervalos de confianza
ggplot(data_regresion, aes(x = term, y = estimate, fill = term)) +
geom_bar(stat = "identity") +
geom_errorbar(aes(ymin = lower_ci, ymax = upper_ci), width = 0.2) +
labs(title = "Coeficientes de Regresión y Intervalos de Confianza",
x = "Variable",
y = "Coeficiente de Regresión") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
Crear el gráfico de barras con los intervalos de confianza
ggplot(data_regresion, aes(x = term, y = upper_ci - lower_ci, fill = term)) +
geom_bar(stat = "identity") +
geom_errorbar(aes(ymin = lower_ci, ymax = upper_ci), width = 0.2) +
labs(title = "Intervalos de Confianza para los Coeficientes de Regresión",
x = "Variable",
y = "Intervalo de Confianza") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Crear el gráfico de puntos dispersos con los intervalos de confianza
ggplot(data_regresion, aes(x = term, y = estimate)) +
geom_jitter(width = 0.2, height = 0, size = 3) +
geom_errorbar(aes(ymin = lower_ci, ymax = upper_ci), width = 0.2) +
labs(title = "Coeficientes de Regresión y Intervalos de Confianza",
x = "Variable",
y = "Coeficiente de Regresión") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Crear el gráfico más vistoso de puntos dispersos con los intervalos de confianza
ggplot(data_regresion, aes(x = term, y = estimate)) +
geom_jitter(width = 0.2, height = 0, size = 3, color = "steelblue", fill = "white") +
geom_errorbar(aes(ymin = lower_ci, ymax = upper_ci), width = 0.2, color = "steelblue") +
labs(title = "Coeficientes de Regresión y Intervalos de Confianza",
x = "Variable",
y = "Coeficiente de Regresión") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(size = 14, face = "bold"),
axis.title = element_text(size = 12),
axis.text = element_text(size = 10),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()) +
coord_flip()
#####La tabla de regresión proporciona información sobre los coeficientes estimados, errores estándar, estadísticas de prueba, valores p y los intervalos de confianza para cada una de las variables predictoras en el modelo.
El coeficiente “intercept” representa el valor esperado de la variable de respuesta cuando todas las variables predictoras son iguales a cero. En este caso, el valor estimado es 1906.082.
Para las variables predictoras de “MES” (Agosto, Diciembre, Enero, Febrero, Julio, Junio, Marzo, Mayo, Noviembre, Octubre, Septiembre), cada uno de los coeficientes estimados representa el cambio promedio esperado en la variable de respuesta (con respecto al valor de referencia) cuando esa variable cambia en una unidad, mientras se mantienen las demás variables constantes. Por ejemplo, para “MES: Agosto”, el valor estimado es 11.733, lo que significa que se espera un aumento promedio de 11.733 en la variable de respuesta cuando el mes es Agosto en comparación con el mes de referencia.
Las variables adicionales (SUCRE, LA.PAZ, COCHABAMBA, ORURO, POTOSÍ, TARIJA, SANTA.CRUZ, TRINIDAD, COBIJA, EL.ALTO) representan el cambio promedio esperado en la variable de respuesta cuando se compara con la categoría de referencia correspondiente.
El valor de “lower_ci” representa el límite inferior del intervalo de confianza para el coeficiente estimado, mientras que “upper_ci” representa el límite superior del intervalo de confianza. Estos intervalos de confianza indican el rango en el que se espera que se encuentre el verdadero valor del coeficiente con cierto nivel de confianza.
Además, los valores de p indican la significancia estadística de cada coeficiente estimado. Un valor de p menor que el umbral de significancia (generalmente 0.05) indica que el coeficiente es estadísticamente significativo, lo que implica que hay evidencia suficiente para afirmar que hay una relación significativa entre la variable predictora y la variable de respuesta.
Es importante interpretar estos resultados en el contexto del problema y considerar otros aspectos del modelo, como el ajuste general, la interpretación conjunta de las variables predictoras y el conocimiento del dominio.
####GRACIAS####