OBSERVACION 1: La instruccion que vamos a colocar a continuacion SIEMPRE se debe incluir en cualquier documento tipo Markdowm que se elabore.
OBSERVACION 2: Esta instruccion debe modificarse si cambia de computador.
library(readxl)
Base_problema_1 <- read_excel("C:/Users/nsuarez65/Downloads/Base problema 1.xlsx")
## New names:
## • `EVM` -> `EVM...2`
## • `EVM` -> `EVM...7`
head(Base_problema_1) #Muestra los 6 primeros registros
## # A tibble: 6 × 10
## Country EVM...2 `TMM(000000)` `TMN(000)` Prev_Diabetes EVH EVM...7
## <chr> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 AGO 70.7 222 26.6 0_Baja 59.0 64.3
## 2 ALB 49.9 8 7.1 1_Media 74.1 79.2
## 3 ARG 24.9 45 5.1 0_Baja 72.2 78.6
## 4 ARM 24.6 27 5.6 0_Baja 66.6 77.4
## 5 AZE 64.7 41 9.5 0_Baja 65.6 73.3
## 6 BDI 91.5 494 20.4 0_Baja 59.7 63.6
## # ℹ 3 more variables: Prev_anem_inf <chr>, Region <chr>, Income_Group <chr>
| Variable | Tipo | Escala de medición |
|---|---|---|
| EVM - Tasa de empleabilidad en mujeres | Cuantitativa continua | Razón |
Son caracteristicas de un individuo u objeto, que se pueden expresar con palabras.
Las variables cualitativas nominales son categorias que no se pueden clasificar.
Variable: Clasificacion por nivel de ingreso
Grafico a utilizar: De barras
barplot(table(Base_problema_1$Income_Group),ylab = "Países",xlab = "Grupo de Ingreso",main = "Distribucion de paises por grupo de ingreso", col =c ("red","salmon ","blue"))
##Conclusiones## Se puede deducir que el grupo de paises que ingleso en de una tasa media, esto permitiendo saber en comparacion cuales son los resultados de los paises que fueron utilizados para analisar este estudio.
Variable: Prevalencia de anemia infantil
Grafico a utilizar: De barras
barplot(table(Base_problema_1$Prev_anem_inf),ylab = "Paises",xlab = "Nivel de prevalencia", main = "Prevalencia de anemia infantil", col = c("purple","yellow","green") )
##Conclusion## Estadisticamente podemos deducir que la prevalencia de diabetes infantil en la mayoria de los paises, el nivel de prevalencia es media.
Variable: Prevalencia de diabetes en adultos, mayores de 14 años
Grafico a utilizar: De barras
#Uso de la Libreria ggplot2/ esquisse
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.2.3
ggplot(Base_problema_1) +
aes(x = Prev_Diabetes) +
geom_bar(fill = "#62033D") +
labs(x = "Nivel de prevalencia ",
y = "Cantidad de paises", title = "Distribucion de prevalencia de diabetes ") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5))
##conclusion## En esta se evidencia que especificamente el nivel de
prevalencia de diabetes es baja en los paises que fueron estudiados.
Variable: Region
Grafico a utilizar: Circular
pie(table(Base_problema_1$Region), main ="Distribucion de paises por region",col=c("salmon"," blue","green","red","yellow"))
##conclusion## En el grafico se evidencia la districucion de lo paises
por region.
Variable: Grupo de ingreso Tipo de grafico: Barras
barplot(table(Base_problema_1$Income_Group),ylab = "Cantidad de paises",xlab = "Grupo de ingreso",main ="Distribucion de paises por grupo de ingreso",col="pink")
##conclusion##Se puede certificar el nivel de ingreso de los paises de
bajo, mediano bajo y mediano alto.
hist((Base_problema_1$EVM...2),main="Distribucion EVM",ylab="Cantidad Paises",xlab="Porcentaje EVM",col="blue")
##conclusion## La tasa de empleo vulnerable para las mujeres varia segun
el pais donde el estudio fue realizado
hist(Base_problema_1$`TMN(000)`, main = "Distribucion TMN",ylab = "Cantidad de paises",xlab = "Tasa(000) MN",col ="red")
##Conclusion## La tase de mortalidad neonatal en alguno de los paises en
mas alta mientras que en otros se evidencia que es media.
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = `TMM(000000)`) +
geom_histogram(bins = 30L, fill = "#A3E4A3") +
labs(y = "Cantidad de paises",
title = "Distribucion TMM") +
theme_light() +
theme(axis.title.y = element_text(size = 15L, face = "bold.italic"),
axis.title.x = element_text(size = 15L, face = "bold.italic"))
##conclusiones##La tasa de mortalidad materna en algunos paises es muy
alta, miestras que en otros es baja, o no se tiene registro
library(summarytools) #Activar la libreria
descr(Base_problema_1$EVM...2) #Muestra todas las medidas
## Descriptive Statistics
## Base_problema_1$EVM...2
## N: 122
##
## EVM...2
## ----------------- ---------
## Mean 53.38
## Std.Dev 29.79
## Min 1.80
## Q1 26.11
## Median 53.26
## Q3 82.49
## Max 97.93
## MAD 41.74
## IQR 56.06
## CV 0.56
## Skewness -0.09
## SE.Skewness 0.22
## Kurtosis -1.44
## N.Valid 122.00
## Pct.Valid 100.00
boxplot(Base_problema_1$EVM...2,horizontal = T)
## Diagrama de barras nivel de prevalencia de diabetes
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = Prev_Diabetes) +
geom_bar(fill = "#FFB3D9") +
labs(x = "Nivel de prevalencia",
y = "Cantidad de paises", title = "Prevalencia de diabetes") +
theme_light() +
theme(plot.title = element_text(size = 20L,
hjust = 0.5), axis.title.y = element_text(size = 15L, face = "bold.italic"), axis.title.x = element_text(size = 16L,
face = "bold.italic"))
## Medidas y boxplot por variable
ggplot(Base_problema_1) +
geom_boxplot() +
aes(x = "", y = `TMN(000)`, fill = Income_Group) +
scale_fill_hue(direction = 1) +
labs(x = "Nivel de prevalencia", y = "Cantidad de paises", title = "Prevalencia de diabetes") +
theme_light() +
theme(plot.title = element_text(size = 20L, hjust = 0.5), axis.title.y = element_text(size = 15L,
face = "bold.italic"), axis.title.x = element_text(size = 16L, face = "bold.italic"))
## Medidas y boxplot comparativos por Grupo de ingreso.
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = "", y = `TMN(000)`, fill = Income_Group) +
geom_boxplot() +
scale_fill_hue(direction = 1) +
theme_minimal() +
facet_wrap(vars(Region))
Las variables continuas son aquellas características que son medidas dentro de un rango continuo infinito de valores numéricos y se registran con números reales
Variable: Tasa de mortalidad neonatal
Gráfico a utilizar: Boxplot
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = "", y = `TMN(000)`, fill = Income_Group) +
geom_boxplot() +
scale_fill_brewer(palette = "PiYG",
direction = 1) +
labs(x = "Tasa de mortalidad neonatal", title = "Distribucion de la tasa de mortalidad neonatal") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5)) +
facet_wrap(vars(Region))
##Conclusion##La tasa de mortalidad deonatal, en este grafico se puede
analisar mas especificamente por region.
Variable: Empleo vulnerable mujeres (EVM)
Grafico a utilizar: Histograma
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = EVM...2) +
geom_histogram(bins = 30L, fill = "#CCC4D2") +
labs(title = "Tasa de empleabilidad vulnerable e mujeres") +
theme_minimal()
##conclusion## La tasa de empleo vulnerable en mujeres se puede ver que
no tiene medidas similares.
*Variable:* Tasa de mortalidad neonatal
Grafico a utilizar: Histograma
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = `TMN(000)`) +
geom_histogram(bins = 30L, fill = "#BBB1E2") +
labs(title = "Tasa de mortalidad neonatal") +
theme_minimal()
##conclusion##En algunas regiones la tasa de mortalidad neonatal es mas
notoria que en otras, incluso se evidencias medias altas, medias y
medias bajas.
Variables a comparar: Tasa de empleabilidad vulnerable en hombres y Calificación por nivel de ingreso
library(ggplot2)
ggplot(Base_problema_1) +
aes(x = Income_Group, y = EVH) +
geom_col(fill = "#DAE285") +
labs(x = "Nivel de ingreso",
title = "Tasa comparativa de empleabilidad vulnerable en hombres y clasificacion por nivel de ingreso") +
theme_minimal() +
theme(plot.title = element_text(size = 10L, face = "bold.italic", hjust = 0.5))
##conclusion## La tasa comparativa de empleavilidad vulnerable en
hombres se evidencia por la clasificacion por nivel de ingreso bajo,
mediano bajo y mediano alto.
library(summarytools)
with(Base_problema_1,stby(EVH,Income_Group,descr))
## Descriptive Statistics
## EVH by Income_Group
## Data Frame: Base_problema_1
## N: 25
##
## 1_Bajo 2_ Mediano_Bajo 3_Mediano_Alto
## ----------------- -------- ----------------- ----------------
## Mean 59.60 64.84 68.07
## Std.Dev 4.72 5.77 4.51
## Min 50.84 50.37 55.72
## Q1 57.39 60.40 66.00
## Median 59.71 66.10 67.97
## Q3 61.91 69.57 70.29
## Max 70.83 74.88 79.08
## MAD 3.44 6.24 3.29
## IQR 4.52 8.70 4.26
## CV 0.08 0.09 0.07
## Skewness 0.29 -0.50 -0.35
## SE.Skewness 0.46 0.33 0.35
## Kurtosis 0.08 -0.53 0.64
## N.Valid 25.00 51.00 46.00
## Pct.Valid 100.00 100.00 100.00