“Indicadores de Salud, Desarrollo Infantil Temprano y Nutrición para la Primera Infancia”

Reto 3A

Diseñar un programa de educación parental a partir de evaluar las consecuencias que tienen en el desarrollo cognitivo de las niñas y niños, las acciones de crianza respetuosa en Nuevo León.

bdsucia <- read.csv("/Users/araquezada/Documents/Tec/7mo Semestre/Analítica para Negocios/Modulo 2/Encuesta.csv")

Contexto

La secretaría de Igualdad e Inclusión, fundada el 04 de octubre del 2021, es la dependencia, responsable de coordinar, conducir e implementar la política social en el Estado, teniendo como objetivo garantizar el cumplimiento de los derechos sociales de todas las personas, como eje de igualdad e inclusión, a través de las condiciones necesarias para el entorno y el desarrollo de las capacidades de los sectores en condiciones de vulnerabilidad.

Uno de los proyectos de la Secretaría son los programas parentales, en este reto, se pretende diseñar un programa de educación parental a partir de evaluar las consecuencias que tienen en el desarrollo de las infancias las acciones de crianza respetuosa en Nuevo León.

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
library("RColorBrewer")
library("wordcloud")
library("wordcloud2")
library("NLP")
## 
## Attaching package: 'NLP'
## The following object is masked from 'package:ggplot2':
## 
##     annotate
library("tm")
library(patchwork)
bd <-select(bdsucia,"desc_mun","edad","sexo","meses","m0102","m0107c","m0108","m0110","m0111a","m0112b","m0112e","m0112f","m0112h","m0112i","m0112j","m0112k","m0113","m0115","m0116","m0117","m0201","M0203A","M0203B","m0203esp","m0319","m0403a","m0403b","m0405a","m0405b","m0405c","m0405d","m0405e","m0405f","m0405g" ,"m0405h","m0405i","m0405j","m0405k","m0406","m0501","m0535","m0801","m0808","m0916")
summary(bd)
##    desc_mun              edad           sexo               meses       
##  Length:841         Min.   :0.000   Length:841         Min.   : 0.000  
##  Class :character   1st Qu.:1.000   Class :character   1st Qu.: 2.000  
##  Mode  :character   Median :2.000   Mode  :character   Median : 6.000  
##                     Mean   :2.136                      Mean   : 5.585  
##                     3rd Qu.:3.000                      3rd Qu.: 9.000  
##                     Max.   :4.000                      Max.   :11.000  
##                                                                        
##     m0102              m0107c             m0108               m0110      
##  Length:841         Length:841         Length:841         Min.   : 0.00  
##  Class :character   Class :character   Class :character   1st Qu.: 3.00  
##  Mode  :character   Mode  :character   Mode  :character   Median : 5.00  
##                                                           Mean   :15.73  
##                                                           3rd Qu.:12.00  
##                                                           Max.   :99.00  
##                                                                          
##     m0111a             m0112b             m0112e             m0112f         
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0112h             m0112i             m0112j             m0112k         
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0113              m0115              m0116              m0117          
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0201              M0203A             M0203B            m0203esp        
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0319               m0403a           m0403b          m0405a         
##  Length:841         Min.   :0.0000   Min.   :0.0000   Length:841        
##  Class :character   1st Qu.:0.0000   1st Qu.:0.0000   Class :character  
##  Mode  :character   Median :0.0000   Median :0.0000   Mode  :character  
##                     Mean   :0.3674   Mean   :0.6278                     
##                     3rd Qu.:0.0000   3rd Qu.:0.0000                     
##                     Max.   :8.0000   Max.   :8.0000                     
##                                                                         
##     m0405b             m0405c             m0405d             m0405e         
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0405f             m0405g             m0405h             m0405i         
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##     m0405j             m0405k             m0406              m0501          
##  Length:841         Length:841         Length:841         Length:841        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##      m0535           m0801              m0808              m0916          
##  Min.   :0.0000   Length:841         Length:841         Length:841        
##  1st Qu.:0.0000   Class :character   Class :character   Class :character  
##  Median :0.0000   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :0.4244                                                           
##  3rd Qu.:1.0000                                                           
##  Max.   :9.0000                                                           
##  NA's   :636
count(bd, desc_mun,sort = TRUE)
##                        desc_mun   n
## 1                 039 MONTERREY 154
## 2                    018 GARCÍA 134
## 3                    031 JUÁREZ 103
## 4          021 GENERAL ESCOBEDO  86
## 5            048 SANTA CATARINA  71
## 6                   006 APODACA  66
## 7                 026 GUADALUPE  51
## 8                 041 PESQUERÍA  50
## 9         012 CIÉNEGA DE FLORES  25
## 10 046 SAN NICOLÁS DE LOS GARZA  23
## 11           025 GENERAL ZUAZUA  22
## 12             038 MONTEMORELOS  22
## 13          044 SABINAS HIDALGO   8
## 14        009 CADEREYTA JIMÉNEZ   7
## 15                  047 HIDALGO   5
## 16                007 ARAMBERRI   4
## 17      032 LAMPAZOS DE NARANJO   4
## 18                 049 SANTIAGO   4
## 19          016 DOCTOR GONZÁLEZ   2
count(bd, edad,sort = TRUE)
##   edad   n
## 1    3 199
## 2    2 180
## 3    4 177
## 4    0 154
## 5    1 131
count(bd, sexo,sort = TRUE)
##     sexo   n
## 1  Mujer 433
## 2 Hombre 408
count(bd, meses,sort = TRUE)
##    meses  n
## 1     11 83
## 2      1 80
## 3      8 78
## 4      6 76
## 5      0 71
## 6      9 70
## 7     10 69
## 8      2 67
## 9      4 65
## 10     3 63
## 11     7 63
## 12     5 56
count(bd, m0102,sort = TRUE)
##           m0102   n
## 1    Secundaria 403
## 2  Preparatoria 204
## 3  Licenciatura  86
## 4      Primaria  84
## 5   Estudios té  27
## 6       Ninguno  21
## 7                 6
## 8    Preescolar   5
## 9      Maestría   3
## 10      No sabe   1
## 11 Normal de li   1
count(bd, m0107c,sort = TRUE)
##   m0107c   n
## 1        556
## 2     Sí 180
## 3     No 103
## 4    N/S   2
count(bd, m0108,sort = TRUE)
##   m0108   n
## 1       556
## 2    Sí 258
## 3    No  27
count(bd, m0110,sort = TRUE)
##    m0110   n
## 1     66 128
## 2      3 126
## 3     12 119
## 4      2  88
## 5      4  63
## 6      1  57
## 7      6  49
## 8      0  48
## 9      5  40
## 10     9  39
## 11     8  25
## 12     7  24
## 13    10  15
## 14    99   8
## 15    11   3
## 16    15   2
## 17    20   2
## 18    88   2
## 19    13   1
## 20    16   1
## 21    24   1
count(bd, m0111a,sort = TRUE)
##        m0111a   n
## 1        2022 303
## 2             179
## 3        2021 135
## 4     No sabe 109
## 5        2020  50
## 6        2019  29
## 7 No responde  24
## 8        2018   9
## 9 Nunca fue a   3
count(bd, m0112b,sort = TRUE)
##        m0112b   n
## 1          Sí 552
## 2          No 277
## 3     No sabe  11
## 4 No responde   1
count(bd, m0112e,sort = TRUE)
##        m0112e   n
## 1          Sí 557
## 2          No 276
## 3     No sabe   7
## 4 No responde   1
count(bd, m0112f,sort = TRUE)
##        m0112f   n
## 1          Sí 515
## 2          No 320
## 3     No sabe   5
## 4 No responde   1
count(bd, m0112h,sort = TRUE)
##        m0112h   n
## 1          Sí 591
## 2          No 247
## 3     No sabe   2
## 4 No responde   1
count(bd, m0112i,sort = TRUE)
##        m0112i   n
## 1          Sí 534
## 2          No 297
## 3     No sabe   8
## 4 No responde   2
count(bd, m0112j,sort = TRUE)
##        m0112j   n
## 1          Sí 429
## 2          No 404
## 3     No sabe   7
## 4 No responde   1
count(bd, m0112k,sort = TRUE)
##        m0112k   n
## 1          Sí 430
## 2          No 409
## 3 No responde   1
## 4     No sabe   1
count(bd, m0113,sort = TRUE)
##         m0113   n
## 1          Sí 448
## 2          No 385
## 3     No sabe   5
## 4 No responde   3
count(bd, m0115,sort = TRUE)
##         m0115   n
## 1          No 667
## 2          Sí 168
## 3 No responde   6
count(bd, m0116,sort = TRUE)
##         m0116   n
## 1             673
## 2          Sí 109
## 3          No  57
## 4 No responde   2
count(bd, m0117,sort = TRUE)
##          m0117   n
## 1              732
## 2 Sin problema  99
## 3  Algún probl   8
## 4 Problemas im   2
count(bd, m0201,sort = TRUE)
##         m0201   n
## 1          No 441
## 2             376
## 3          Sí  22
## 4 No responde   2
count(bd, M0203A,sort = TRUE)
##         M0203A   n
## 1              398
## 2  Está muy pe 209
## 3   Está mejor 145
## 4  No lo puedo  41
## 5 Otro (especi  29
## 6 No tengo tie   9
## 7  Está muy le   8
## 8  No responde   2
count(bd, M0203B,sort = TRUE)
##         M0203B   n
## 1              804
## 2  Está muy pe  31
## 3   Está mejor   2
## 4 Otro (especi   2
## 5  Está muy le   1
## 6 No tengo tie   1
count(bd, m0203esp,sort = TRUE)
##                                             m0203esp   n
## 1                                                    810
## 2                        A0ENAS LLEGARON A LA CIUDAD   1
## 3                 ACABAN DE LLEGAR Y NO HAN REVISADO   1
## 4              APENAS LLEGARON Y NO CONOCEN EL LUGAR   1
## 5                               CAMBIO DE RESIDENCIA   1
## 6         DESCONFIANA DE PAPÁ ACERCA DE LA GUARDERÍA   1
## 7                                       DESCONFIANZA   1
## 8                                  DESCONOCE DE ELLO   1
## 9                EL ESPOSO NO QUIERE PERO LA MAMÁ SI   1
## 10                                     ELLA LO CUIDA   1
## 11     ELLA LO CUIDA Y REALIZA ESTIMULACION TEMPRANA   1
## 12                          EN PROCESO DE INSCRPCION   1
## 13                          ES MUY APEGADO A LA MAMÁ   1
## 14                                FALTA DE CONFIANZA   1
## 15               LA ESCUELA NO LA ADMITE POR LA EDAD   1
## 16                                  LA MAMA LA CUIDA   1
## 17 LE PISEN QUE VAYA AL BAÑO SOLO Y TODAVIA NO PUEDE   1
## 18                             NO CUENTA CON LA EDAD   1
## 19                                  NO HABIA LUGARES   1
## 20                                    NO HAY NINGUNO   1
## 21                            NO LE INFORMES DE ELLO   1
## 22                                       NO LO OCUPA   1
## 23                          NO PUEDE IR SOLO AL BAÑO   1
## 24                          NO SABE A DONDE LLEVARLO   1
## 25                       NO SABE SI LO VAN A ACEPTAR   1
## 26     NO SABIA QUE EXISTEN LAS ESTANCIAS INFANTILES   1
## 27                             NO TIENE CONOCIMIENTO   1
## 28                     POR PROBLEMAS DE LA GUARDERÍA   1
## 29                                      PORQUE LLORA   1
## 30                         PORQUE NO VA AL BAÑO SOLO   1
## 31                                        SE ENFERMO   1
## 32                      TIENE A ALGUIEN QUE LA CUIDE   1
count(bd, m0319,sort = TRUE)
##          m0319   n
## 1        Nunca 345
## 2              285
## 3 Algunas vece 153
## 4 Semanalmente  30
## 5  Diariamente  13
## 6 Mensualmente  13
## 7      No sabe   2
count(bd, m0403a,sort = TRUE)
##   m0403a   n
## 1      0 782
## 2      8  26
## 3      1  12
## 4      5  10
## 5      2   5
## 6      3   2
## 7      6   2
## 8      4   1
## 9      7   1
count(bd, m0403b,sort = TRUE)
##   m0403b   n
## 1      0 746
## 2      8  54
## 3      1  19
## 4      2   8
## 5      5   8
## 6      3   5
## 7      6   1
count(bd, m0405a,sort = TRUE)
##   m0405a   n
## 1     Sí 389
## 2     No 298
## 3        154
count(bd, m0405b,sort = TRUE)
##        m0405b   n
## 1          Sí 554
## 2             154
## 3          No 131
## 4 No responde   2
count(bd, m0405c,sort = TRUE)
##        m0405c   n
## 1          No 644
## 2             154
## 3          Sí  42
## 4 No responde   1
count(bd, m0405d,sort = TRUE)
##   m0405d   n
## 1     No 485
## 2     Sí 202
## 3        154
count(bd, m0405e,sort = TRUE)
##   m0405e   n
## 1     No 398
## 2     Sí 289
## 3        154
count(bd, m0405f,sort = TRUE)
##   m0405f   n
## 1     No 573
## 2        154
## 3     Sí 114
count(bd, m0405g,sort = TRUE)
##        m0405g   n
## 1          No 662
## 2             154
## 3          Sí  23
## 4 No responde   2
count(bd, m0405h,sort = TRUE)
##        m0405h   n
## 1          No 662
## 2             154
## 3          Sí  24
## 4 No responde   1
count(bd, m0405i,sort = TRUE)
##   m0405i   n
## 1     No 675
## 2        154
## 3     Sí  12
count(bd, m0405j,sort = TRUE)
##   m0405j   n
## 1     No 641
## 2        154
## 3     Sí  46
count(bd, m0405k,sort = TRUE)
##        m0405k   n
## 1          No 681
## 2             154
## 3          Sí   5
## 4 No responde   1
count(bd, m0406,sort = TRUE)
##          m0406   n
## 1           No 627
## 2              154
## 3           Sí  54
## 4  No responde   3
## 5 No sabe/No o   3
count(bd, m0501,sort = TRUE)
##          m0501   n
## 1              636
## 2 Instituto Me  86
## 3 Centro de Sa  71
## 4  Consultorio  21
## 5 Otros privad  12
## 6 Otro (especi   6
## 7 IMSS Bienest   5
## 8 ISSSTE/ISSST   3
## 9  Otros públi   1
count(bd, m0535,sort = TRUE)
##   m0535   n
## 1    NA 636
## 2     0 148
## 3     1  48
## 4     2   4
## 5     3   2
## 6     9   2
## 7     7   1
count(bd, m0801,sort = TRUE)
##   m0801   n
## 1       636
## 2    No 193
## 3    Sí  12
count(bd, m0808,sort = TRUE)
##          m0808   n
## 1              829
## 2  Ningún prob  10
## 3 Otra limitac   2
count(bd, m0916,sort = TRUE)
##          m0916   n
## 1        NUNCA 348
## 2              285
## 3 CON LA MISMA 169
## 4  MÁS FRECUEN  29
## 5  MUCHA MÁS F  10
bd[bd==""] <- NA
sum(is.na(bd))
## [1] 10245
sapply(bd, function(x) sum(is.na(x)))
## desc_mun     edad     sexo    meses    m0102   m0107c    m0108    m0110 
##        0        0        0        0        6      556      556        0 
##   m0111a   m0112b   m0112e   m0112f   m0112h   m0112i   m0112j   m0112k 
##      179        0        0        0        0        0        0        0 
##    m0113    m0115    m0116    m0117    m0201   M0203A   M0203B m0203esp 
##        0        0      673      732      376      398      804      810 
##    m0319   m0403a   m0403b   m0405a   m0405b   m0405c   m0405d   m0405e 
##      285        0        0      154      154      154      154      154 
##   m0405f   m0405g   m0405h   m0405i   m0405j   m0405k    m0406    m0501 
##      154      154      154      154      154      154      154      636 
##    m0535    m0801    m0808    m0916 
##      636      636      829      285
write.csv(bd, file="bdretolimpia.csv", row.names = FALSE)
bd %>%                       
  group_by(desc_mun) %>%
  tally()
## # A tibble: 19 × 2
##    desc_mun                         n
##    <chr>                        <int>
##  1 006 APODACA                     66
##  2 007 ARAMBERRI                    4
##  3 009 CADEREYTA JIMÉNEZ            7
##  4 012 CIÉNEGA DE FLORES           25
##  5 016 DOCTOR GONZÁLEZ              2
##  6 018 GARCÍA                     134
##  7 021 GENERAL ESCOBEDO            86
##  8 025 GENERAL ZUAZUA              22
##  9 026 GUADALUPE                   51
## 10 031 JUÁREZ                     103
## 11 032 LAMPAZOS DE NARANJO          4
## 12 038 MONTEMORELOS                22
## 13 039 MONTERREY                  154
## 14 041 PESQUERÍA                   50
## 15 044 SABINAS HIDALGO              8
## 16 046 SAN NICOLÁS DE LOS GARZA    23
## 17 047 HIDALGO                      5
## 18 048 SANTA CATARINA              71
## 19 049 SANTIAGO                     4
bd %>%                       
  group_by(sexo) %>%        
  tally()
## # A tibble: 2 × 2
##   sexo       n
##   <chr>  <int>
## 1 Hombre   408
## 2 Mujer    433
bd %>%                       
  group_by(edad) %>%        
  tally()
## # A tibble: 5 × 2
##    edad     n
##   <int> <int>
## 1     0   154
## 2     1   131
## 3     2   180
## 4     3   199
## 5     4   177

Estadística Descriptiva

Gráfica 1 - Edad en Años por Municipio & Sexo

ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = desc_mun), color = "black") + 
  facet_grid(sexo~., scales = 'free') +
  xlab("Edad") + 
  ylab("Frecuencia") +
  ggtitle("Edad en Años por Municipio") +
  theme_minimal()

Gráfica 2 - Nivel de Estudios por Municipio

ggplot(bd, aes(m0102, fill=desc_mun)) +
  geom_bar()+
  labs(x="Nivel de estudios", y="Frecuencia")

Gráficas 3 - Información Médica Post-Parto & Estimulación de Desarrollo

ggplot(bd) + 
  geom_density(aes(x = edad, fill = m0107c), position = 'stack') + 
  facet_grid(m0113~., scales = 'free') +
  scale_fill_manual(values=c("royalblue4", "powderblue", "royalblue")) +
  xlab("Años") + 
  ylab("Información sobre Estimulación de Desarrollo") + 
  ggtitle("Información Médica Post-Parto & Estimulación de Desarrollo
Signos o síntomas de Depresión o Ansiedad Postparto") +
  theme_minimal()
## Warning: Groups with fewer than two data points have been dropped.
## Groups with fewer than two data points have been dropped.
## Groups with fewer than two data points have been dropped.
## Warning: Removed 3 rows containing missing values (`position_stack()`).

ggplot(bd, aes(m0113, fill=sexo)) +
  geom_bar()+
  labs(x= "Recibieron información sobre la estimulación del desarrollo", y="Frecuencia")

Gráficas 4 - Signos de Violencia

bdb <- ggplot(bd, aes(m0405b,)) +
  geom_bar(color = 'darkslategray', fill = 'palevioletred3') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le explicaron al niño o niña por qué su comportamiento estuvo mal?") +
  theme_minimal()

bdc<- ggplot(bd, aes(m0405c,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue1') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Lo/la zarandearon o sacudieron?") +
  theme_minimal()

bdd <- ggplot(bd, aes(m0405d,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue3') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le gritaron?") +
  theme_minimal()

bdj<- ggplot(bd, aes(m0405j,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue4') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le pegaron con la mano en el brazo, en la pierna o en la mano?") +
  theme_minimal()

bdb + bdc + bdd + bdj & theme_classic()

ggplot(bd, aes(m0406,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue2') + 
    labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Para criar o educar correctamente debe ser castigado/a físicamente?") +
  theme_minimal()

Gráfica 5 - Ausencia Parental

ggplot(bd,bins = 10,  aes(x=edad, y=m0403a, color = m0403b)) + geom_bar(stat="identity") +
  facet_wrap(~m0403b)+
  xlab("Años") + 
  ylab("Días que Estuvo Solo más de 1 Hora") + 
  ggtitle("Ausencia Parental") +
  theme_minimal()

Gráficas 6 - Consulta Médica Estando Sano

m8 <- ggplot(bd, aes(edad, fill=m0108)) + geom_bar(fill = "lightblue2") + xlab(NULL) +
  xlab("Edad") + 
  ylab("") +
  ggtitle("Visitas al Médico el Primer Año") + theme_bw()
m10 <- ggplot(data=bd, aes(edad, m0110)) + geom_point() + stat_smooth()+
  xlab("Edad")+
  ylab("Frecuencia") + 
  ggtitle("Visitas al Médico Estando Sano
          Checar Desarrollo y Crecimiento") + theme_bw()
m111a <- ggplot(bd, aes(x= edad, y=m0111a)) + geom_bar(stat="identity", fill = "lightsteelblue3")+
  xlab("Edad") + 
  ylab("") +
  ggtitle("Año de Última Consulata Niño Sano") + theme_bw()

m8 + m10 + m111a
## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'

Gráfica 7 - Semana Nacional de Salud (Vitamina A)

ggplot(bd,bins = 10,  aes(x=edad, y=m0535, color = desc_mun)) + geom_bar(stat="identity") +
  facet_wrap(~desc_mun)+
  xlab("Años") + 
  ylab("Vitamina A en alguna Semana Nacional de Salud") + 
  ggtitle("Semana Nacional de Salud") +
  theme_minimal()
## Warning: Removed 636 rows containing missing values (`position_stack()`).

count(bd, m0535,sort = TRUE)
##   m0535   n
## 1    NA 636
## 2     0 148
## 3     1  48
## 4     2   4
## 5     3   2
## 6     9   2
## 7     7   1

Gráfica 8 - Relación Estado de Ánimo con Signos de Desarrollo de Violencia

ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0319), color = "black") + 
  facet_grid(m0916~., scales = 'free') +
  xlab("Edad") + 
  ylab("Signos de Desarrollo de Violencia en el Niño") +
  ggtitle("Relación Estádo de Ánimo con Signos de Desarrollo de Violencia") +
  theme_minimal()

Gráfica 9 - Accidentes

ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0801)) + 
  facet_grid(m0808~., scales = 'free') +
  xlab("Edad") + 
  ylab("Probelmas de Salud Permanentes") +
  ggtitle("Accidentes") +
  theme_minimal()

Gráficas 10 - Pruebas de Desarrollo Cognitivo, Motor y Emocional

md<- ggplot(data = bd, aes(x = m0115, y = edad)) +
  geom_boxplot(fill = "olivedrab3", color = "black") +
  labs(title = "Se le Realizaron Pruebas de Desarrollo Cognitivo, Motor y Emocional",
       x = "Frecuencia",
       y = "Edad")+
  theme_minimal()


otro <- ggplot(bd, aes(m0117,)) +
  geom_bar(color = 'darkslategray', fill = 'olivedrab4') + 
    labs(x="") +
  ylab("Frecuencia") +
  ggtitle("¿Cuál fue el resultado?") +
  theme_minimal()

md + otro

Gráficas 11 - Asiste a Algún Programa de Educación para la Primera Infancia

ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0201), color = "black") + 
   facet_wrap(~desc_mun, scales = 'free') +
  xlab("Edad") + 
  ylab("Asiste a Algún Programa de Educación para la Primera Infancia") +
  ggtitle("Asiste a Algún Programa de Educación para la Primera Infancia") +
  theme_minimal()

Razones
count(bd, m0203esp,sort = TRUE)
##                                             m0203esp   n
## 1                                               <NA> 810
## 2                        A0ENAS LLEGARON A LA CIUDAD   1
## 3                 ACABAN DE LLEGAR Y NO HAN REVISADO   1
## 4              APENAS LLEGARON Y NO CONOCEN EL LUGAR   1
## 5                               CAMBIO DE RESIDENCIA   1
## 6         DESCONFIANA DE PAPÁ ACERCA DE LA GUARDERÍA   1
## 7                                       DESCONFIANZA   1
## 8                                  DESCONOCE DE ELLO   1
## 9                EL ESPOSO NO QUIERE PERO LA MAMÁ SI   1
## 10                                     ELLA LO CUIDA   1
## 11     ELLA LO CUIDA Y REALIZA ESTIMULACION TEMPRANA   1
## 12                          EN PROCESO DE INSCRPCION   1
## 13                          ES MUY APEGADO A LA MAMÁ   1
## 14                                FALTA DE CONFIANZA   1
## 15               LA ESCUELA NO LA ADMITE POR LA EDAD   1
## 16                                  LA MAMA LA CUIDA   1
## 17 LE PISEN QUE VAYA AL BAÑO SOLO Y TODAVIA NO PUEDE   1
## 18                             NO CUENTA CON LA EDAD   1
## 19                                  NO HABIA LUGARES   1
## 20                                    NO HAY NINGUNO   1
## 21                            NO LE INFORMES DE ELLO   1
## 22                                       NO LO OCUPA   1
## 23                          NO PUEDE IR SOLO AL BAÑO   1
## 24                          NO SABE A DONDE LLEVARLO   1
## 25                       NO SABE SI LO VAN A ACEPTAR   1
## 26     NO SABIA QUE EXISTEN LAS ESTANCIAS INFANTILES   1
## 27                             NO TIENE CONOCIMIENTO   1
## 28                     POR PROBLEMAS DE LA GUARDERÍA   1
## 29                                      PORQUE LLORA   1
## 30                         PORQUE NO VA AL BAÑO SOLO   1
## 31                                        SE ENFERMO   1
## 32                      TIENE A ALGUIEN QUE LA CUIDE   1
---
title: "Reto Ensanut"
author: "Reto 3A"
date: "2023-09-08"
output: 
 html_document:
    toc: TRUE
    toc_float: TRUE
    code_download: TRUE
---


##### "Indicadores de Salud, Desarrollo Infantil Temprano y Nutrición para la Primera Infancia"

## Reto 3A
#### Diseñar un programa de educación parental a partir de evaluar las consecuencias que tienen en el desarrollo cognitivo de las niñas y niños, las acciones de crianza respetuosa en Nuevo León.


```{r}
bdsucia <- read.csv("/Users/araquezada/Documents/Tec/7mo Semestre/Analítica para Negocios/Modulo 2/Encuesta.csv")
```

## Contexto
La secretaría de Igualdad e Inclusión, fundada el 04 de octubre del 2021, es la dependencia, responsable de coordinar, conducir e implementar la política social en el Estado, teniendo como objetivo garantizar el cumplimiento de los derechos sociales de todas las personas, como eje de igualdad e inclusión, a través de las condiciones necesarias para el entorno y el desarrollo de las capacidades de los sectores en condiciones de vulnerabilidad. 

Uno de los proyectos de la Secretaría son los programas parentales, en este reto, se pretende diseñar un programa de educación parental a partir de evaluar las consecuencias que tienen en el desarrollo de las infancias las acciones de crianza respetuosa en Nuevo León.


```{r}
library(dplyr)
library(ggplot2)
library("RColorBrewer")
library("wordcloud")
library("wordcloud2")
library("NLP")
library("tm")
library(patchwork)
```


```{r}
bd <-select(bdsucia,"desc_mun","edad","sexo","meses","m0102","m0107c","m0108","m0110","m0111a","m0112b","m0112e","m0112f","m0112h","m0112i","m0112j","m0112k","m0113","m0115","m0116","m0117","m0201","M0203A","M0203B","m0203esp","m0319","m0403a","m0403b","m0405a","m0405b","m0405c","m0405d","m0405e","m0405f","m0405g"	,"m0405h","m0405i","m0405j","m0405k","m0406","m0501","m0535","m0801","m0808","m0916")
summary(bd)
```

```{r}
count(bd, desc_mun,sort = TRUE)
count(bd, edad,sort = TRUE)
count(bd, sexo,sort = TRUE)
count(bd, meses,sort = TRUE)
count(bd, m0102,sort = TRUE)
count(bd, m0107c,sort = TRUE)
count(bd, m0108,sort = TRUE)
count(bd, m0110,sort = TRUE)
count(bd, m0111a,sort = TRUE)
count(bd, m0112b,sort = TRUE)
count(bd, m0112e,sort = TRUE)
count(bd, m0112f,sort = TRUE)
count(bd, m0112h,sort = TRUE)
count(bd, m0112i,sort = TRUE)
count(bd, m0112j,sort = TRUE)
count(bd, m0112k,sort = TRUE)
count(bd, m0113,sort = TRUE)
count(bd, m0115,sort = TRUE)
count(bd, m0116,sort = TRUE)
count(bd, m0117,sort = TRUE)
count(bd, m0201,sort = TRUE)
count(bd, M0203A,sort = TRUE)
count(bd, M0203B,sort = TRUE)
count(bd, m0203esp,sort = TRUE)
count(bd, m0319,sort = TRUE)
count(bd, m0403a,sort = TRUE)
count(bd, m0403b,sort = TRUE)
count(bd, m0405a,sort = TRUE)
count(bd, m0405b,sort = TRUE)
count(bd, m0405c,sort = TRUE)
count(bd, m0405d,sort = TRUE)
count(bd, m0405e,sort = TRUE)
count(bd, m0405f,sort = TRUE)
count(bd, m0405g,sort = TRUE)
count(bd, m0405h,sort = TRUE)
count(bd, m0405i,sort = TRUE)
count(bd, m0405j,sort = TRUE)
count(bd, m0405k,sort = TRUE)
count(bd, m0406,sort = TRUE)
count(bd, m0501,sort = TRUE)
count(bd, m0535,sort = TRUE)
count(bd, m0801,sort = TRUE)
count(bd, m0808,sort = TRUE)
count(bd, m0916,sort = TRUE)
```
```{r}
bd[bd==""] <- NA
sum(is.na(bd))
sapply(bd, function(x) sum(is.na(x)))

write.csv(bd, file="bdretolimpia.csv", row.names = FALSE)
```
```{r}
bd %>%                       
  group_by(desc_mun) %>%
  tally()
```


```{r}
bd %>%                       
  group_by(sexo) %>%        
  tally()
```

```{r}
bd %>%                       
  group_by(edad) %>%        
  tally()
```

## Estadística Descriptiva 

### Gráfica 1 - Edad en Años por Municipio & Sexo
```{r,fig.width=10, fig.height=7}
ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = desc_mun), color = "black") + 
  facet_grid(sexo~., scales = 'free') +
  xlab("Edad") + 
  ylab("Frecuencia") +
  ggtitle("Edad en Años por Municipio") +
  theme_minimal()
```

### Gráfica 2 - Nivel de Estudios por Municipio
```{r, fig.width=15, fig.height=7}
ggplot(bd, aes(m0102, fill=desc_mun)) +
  geom_bar()+
  labs(x="Nivel de estudios", y="Frecuencia")
```


### Gráficas 3 - Información Médica Post-Parto & Estimulación de Desarrollo

```{r}
ggplot(bd) + 
  geom_density(aes(x = edad, fill = m0107c), position = 'stack') + 
  facet_grid(m0113~., scales = 'free') +
  scale_fill_manual(values=c("royalblue4", "powderblue", "royalblue")) +
  xlab("Años") + 
  ylab("Información sobre Estimulación de Desarrollo") + 
  ggtitle("Información Médica Post-Parto & Estimulación de Desarrollo
Signos o síntomas de Depresión o Ansiedad Postparto") +
  theme_minimal()
```

```{r}
ggplot(bd, aes(m0113, fill=sexo)) +
  geom_bar()+
  labs(x= "Recibieron información sobre la estimulación del desarrollo", y="Frecuencia")
```

### Gráficas 4 - Signos de Violencia

```{r, fig.width=14, fig.height=7}
bdb <- ggplot(bd, aes(m0405b,)) +
  geom_bar(color = 'darkslategray', fill = 'palevioletred3') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le explicaron al niño o niña por qué su comportamiento estuvo mal?") +
  theme_minimal()

bdc<- ggplot(bd, aes(m0405c,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue1') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Lo/la zarandearon o sacudieron?") +
  theme_minimal()

bdd <- ggplot(bd, aes(m0405d,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue3') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le gritaron?") +
  theme_minimal()

bdj<- ggplot(bd, aes(m0405j,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue4') + 
  labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Le pegaron con la mano en el brazo, en la pierna o en la mano?") +
  theme_minimal()

bdb + bdc + bdd + bdj & theme_classic()
```

```{r}
ggplot(bd, aes(m0406,)) +
  geom_bar(color = 'darkslategray', fill = 'slateblue2') + 
    labs(x="Respuestas") +
  ylab("Cantidades") +
  ggtitle("¿Para criar o educar correctamente debe ser castigado/a físicamente?") +
  theme_minimal()
```


### Gráfica 5 - Ausencia Parental

```{r, fig.width=10, fig.height=7}
ggplot(bd,bins = 10,  aes(x=edad, y=m0403a, color = m0403b)) + geom_bar(stat="identity") +
  facet_wrap(~m0403b)+
  xlab("Años") + 
  ylab("Días que Estuvo Solo más de 1 Hora") + 
  ggtitle("Ausencia Parental") +
  theme_minimal()
```

### Gráficas 6 - Consulta Médica Estando Sano

```{r, fig.width=15, fig.height=10}
m8 <- ggplot(bd, aes(edad, fill=m0108)) + geom_bar(fill = "lightblue2") + xlab(NULL) +
  xlab("Edad") + 
  ylab("") +
  ggtitle("Visitas al Médico el Primer Año") + theme_bw()
m10 <- ggplot(data=bd, aes(edad, m0110)) + geom_point() + stat_smooth()+
  xlab("Edad")+
  ylab("Frecuencia") + 
  ggtitle("Visitas al Médico Estando Sano
          Checar Desarrollo y Crecimiento") + theme_bw()
m111a <- ggplot(bd, aes(x= edad, y=m0111a)) + geom_bar(stat="identity", fill = "lightsteelblue3")+
  xlab("Edad") + 
  ylab("") +
  ggtitle("Año de Última Consulata Niño Sano") + theme_bw()

m8 + m10 + m111a
```


### Gráfica 7 - Semana Nacional de Salud (Vitamina A)
```{r, fig.width=15, fig.height=10}
ggplot(bd,bins = 10,  aes(x=edad, y=m0535, color = desc_mun)) + geom_bar(stat="identity") +
  facet_wrap(~desc_mun)+
  xlab("Años") + 
  ylab("Vitamina A en alguna Semana Nacional de Salud") + 
  ggtitle("Semana Nacional de Salud") +
  theme_minimal()
```

```{r}
count(bd, m0535,sort = TRUE)
```

### Gráfica 8 - Relación Estado de Ánimo con Signos de Desarrollo de Violencia

```{r, fig.width=10, fig.height=8}
ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0319), color = "black") + 
  facet_grid(m0916~., scales = 'free') +
  xlab("Edad") + 
  ylab("Signos de Desarrollo de Violencia en el Niño") +
  ggtitle("Relación Estádo de Ánimo con Signos de Desarrollo de Violencia") +
  theme_minimal()
```

### Gráfica 9 - Accidentes
```{r}
ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0801)) + 
  facet_grid(m0808~., scales = 'free') +
  xlab("Edad") + 
  ylab("Probelmas de Salud Permanentes") +
  ggtitle("Accidentes") +
  theme_minimal()
```

### Gráficas 10 - Pruebas de Desarrollo Cognitivo, Motor y Emocional

```{r, fig.width=12, fig.height=8}
md<- ggplot(data = bd, aes(x = m0115, y = edad)) +
  geom_boxplot(fill = "olivedrab3", color = "black") +
  labs(title = "Se le Realizaron Pruebas de Desarrollo Cognitivo, Motor y Emocional",
       x = "Frecuencia",
       y = "Edad")+
  theme_minimal()


otro <- ggplot(bd, aes(m0117,)) +
  geom_bar(color = 'darkslategray', fill = 'olivedrab4') + 
    labs(x="") +
  ylab("Frecuencia") +
  ggtitle("¿Cuál fue el resultado?") +
  theme_minimal()

md + otro
```

### Gráficas 11 - Asiste a Algún Programa de Educación para la Primera Infancia

```{r, fig.width=15, fig.height=8}
ggplot(bd) +
  geom_histogram (bins = 15,aes (x = edad, fill = m0201), color = "black") + 
   facet_wrap(~desc_mun, scales = 'free') +
  xlab("Edad") + 
  ylab("Asiste a Algún Programa de Educación para la Primera Infancia") +
  ggtitle("Asiste a Algún Programa de Educación para la Primera Infancia") +
  theme_minimal()
```

##### Razones 
```{r}
count(bd, m0203esp,sort = TRUE)
```

