#librerias
library(summarytools)
library("readxl")
#PREGUNTAS SIN CODIFICACIÓN 

file_path <- "C:/Users/PLOZANO/Desktop/RECURSOS DE SPA 2023 2024/tesis 2024/Tesis de 10 semestre PPA 2024 2024/ELIANA/TABULACION.xlsx"
dataeliana<- read_excel(file_path)
dataeliana
## # A tibble: 61 × 22
##    Locales   `Tiempo de Operación` 3.-¿Su local comerci…¹ 4.-¿En qué medida lo…²
##    <chr>     <chr>                 <chr>                  <chr>                 
##  1 Panadería 6-10 años             Nunca                  En absoluto           
##  2 Panadería 11-15 años            Nunca                  Mínimamente           
##  3 Panadería 6-10 años             Nunca                  En absoluto           
##  4 Panadería 11-15 años            Nunca                  Mínimamente           
##  5 Otro      1-5 años              Nunca                  En absoluto           
##  6 Otro      1-5 años              Nunca                  Mínimamente           
##  7 Otro      11-15 años            Nunca                  Mínimamente           
##  8 Restaura… 1-5 años              Nunca                  Mínimamente           
##  9 Restaura… 1-5 años              Nunca                  Mínimamente           
## 10 Restaura… 1-5 años              Nunca                  Ocasionalmente        
## # ℹ 51 more rows
## # ℹ abbreviated names:
## #   ¹​`3.-¿Su local comercial utiliza tachos de colores para la separación de residuos?`,
## #   ²​`4.-¿En qué medida los empleados de su local comercial están capacitados sobre prácticas de gestión de residuos?`
## # ℹ 18 more variables:
## #   `5.¿Cuáles son los principales desafíos que enfrenta su local comercial en relación con la gestión de residuos?` <chr>,
## #   `6.-¿Su local comercial participa en programas de responsabilidad social relacionados con el medio ambiente?` <chr>, …
#PREGUNTAS CON CODIFICACIÓN solo de la nombre de las preguntas 
file_path1 <- "C:/Users/PLOZANO/Desktop/RECURSOS DE SPA 2023 2024/tesis 2024/Tesis de 10 semestre PPA 2024 2024/ELIANA/TABULACION1.xlsx"
dataeliana1<- read_excel(file_path1)
dataeliana1
## # A tibble: 64 × 48
##    Locales `Tiempo de Operación` P3    P4    P5    P6       P7 P8    P9    P10  
##    <chr>   <chr>                 <chr> <chr> <chr> <chr> <dbl> <chr> <chr> <chr>
##  1 Panade… 6-10 años             Nunca En a… Esca… Rara…     3 Bajo  Plás… Meno…
##  2 Panade… 11-15 años            Nunca Míni… Inad… Ocas…     4 Bajo  Pape… Meno…
##  3 Panade… 6-10 años             Nunca En a… Inad… Nunca     4 Mode… Pape… Meno…
##  4 Panade… 11-15 años            Nunca Míni… Inad… Ocas…     2 Bajo  Plás… Meno…
##  5 Otro    1-5 años              Nunca En a… Esca… Nunca     1 Bajo  Pape… Meno…
##  6 Otro    1-5 años              Nunca Míni… Esca… Rara…     1 Muy … Pape… Meno…
##  7 Otro    11-15 años            Nunca Míni… Esca… Nunca     2 Bajo  Plás… Meno…
##  8 Restau… 1-5 años              Nunca Míni… Esca… Ocas…     3 Muy … Plás… Meno…
##  9 Restau… 1-5 años              Nunca Míni… Esca… Rara…     3 Muy … Pape… Meno…
## 10 Restau… 1-5 años              Nunca Ocas… Falt… Nunca     2 Bajo  Pape… Meno…
## # ℹ 54 more rows
## # ℹ 38 more variables: P11 <chr>, P12 <chr>, P13 <chr>, P14 <chr>, P15 <chr>,
## #   P16 <chr>, P17 <chr>, P18 <chr>, P19 <chr>, P20 <chr>, P21 <chr>,
## #   P22 <chr>, ...23 <lgl>, ...24 <lgl>, ...25 <lgl>, ...26 <lgl>, ...27 <lgl>,
## #   ...28 <lgl>, ...29 <lgl>, ...30 <lgl>, ...31 <lgl>, ...32 <lgl>,
## #   ...33 <lgl>, ...34 <lgl>, ...35 <lgl>, ...36 <lgl>, ...37 <lgl>,
## #   ...38 <lgl>, ...39 <lgl>, ...40 <lgl>, ...41 <lgl>, ...42 <lgl>, …
#preguntas con respuesta  de numeros

file_path2 <- "C:/Users/PLOZANO/Desktop/RECURSOS DE SPA 2023 2024/tesis 2024/Tesis de 10 semestre PPA 2024 2024/ELIANA/estudiantes.xlsx"

dataeliana2<- read_excel(file_path2)
dataeliana2
## # A tibble: 61 × 22
##    Locales `Tiempo de operación`    P3    P4    P5    P6    P7    P8    P9   P10
##    <chr>   <chr>                 <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1 Panade… 6-10 años                 5     5     2     2     3     2     2     1
##  2 Panade… 11-15 años                5     4     4     3     4     2     1     1
##  3 Panade… 6-10 años                 5     5     4     1     4     3     1     1
##  4 Panade… 11-15 años                5     4     4     3     2     2     2     1
##  5 Helados 1-5 años                  5     5     2     1     1     2     1     1
##  6 Helados 1-5 años                  5     4     2     2     1     1     1     1
##  7 Helados 11-15 años                5     4     2     1     2     2     2     1
##  8 Restau… 1-5 años                  5     4     2     3     3     1     2     1
##  9 Restau… 1-5 años                  5     4     2     2     3     1     1     1
## 10 Restau… 1-5 años                  5     3     1     1     2     2     1     1
## # ℹ 51 more rows
## # ℹ 12 more variables: P11 <dbl>, P12 <dbl>, P13 <dbl>, P14 <dbl>, P15 <dbl>,
## #   P16 <dbl>, P17 <dbl>, P18 <dbl>, P19 <dbl>, P20 <dbl>, P21 <dbl>, P22 <dbl>
#proporcion tabla 
ctable(dataeliana1$Locales, dataeliana1$P9, prop="r")
## Cross-Tabulation, Row Proportions  
## Locales * P9  
## Data Frame: dataeliana1  
## 
## ------------- ---- ----------------------------------------------------------------- ----------------------------------------- ------------------------------------------ ------------ -------------
##                 P9   Materia orgánica (restos de alimentos, desechos biodegradables)   Papel/cartón (envases tetra pak, cajas)   Plástico (botellas, envoltorios, fundas)         <NA>         Total
##       Locales                                                                                                                                                                                       
##   Comisariato                                                             0 (  0.0%)                                 1 (25.0%)                                  3 (75.0%)   0 (  0.0%)    4 (100.0%)
##   Legumbrería                                                            14 (100.0%)                                 0 ( 0.0%)                                  0 ( 0.0%)   0 (  0.0%)   14 (100.0%)
##          Otro                                                            21 ( 67.7%)                                 3 ( 9.7%)                                  7 (22.6%)   0 (  0.0%)   31 (100.0%)
##     Panadería                                                             0 (  0.0%)                                 2 (50.0%)                                  2 (50.0%)   0 (  0.0%)    4 (100.0%)
##   Restaurante                                                             2 ( 25.0%)                                 3 (37.5%)                                  3 (37.5%)   0 (  0.0%)    8 (100.0%)
##          <NA>                                                             0 (  0.0%)                                 0 ( 0.0%)                                  0 ( 0.0%)   3 (100.0%)    3 (100.0%)
##         Total                                                            37 ( 57.8%)                                 9 (14.1%)                                 15 (23.4%)   3 (  4.7%)   64 (100.0%)
## ------------- ---- ----------------------------------------------------------------- ----------------------------------------- ------------------------------------------ ------------ -------------
ctable(dataeliana1$Locales, dataeliana1$P3, prop="r")
## Cross-Tabulation, Row Proportions  
## Locales * P3  
## Data Frame: dataeliana1  
## 
## ------------- ---- ------------- ---------------- ----------- ------------ -------------
##                 P3         Nunca   Ocasionalmente   Raramente         <NA>         Total
##       Locales                                                                           
##   Comisariato         3 ( 75.0%)         0 (0.0%)   1 (25.0%)   0 (  0.0%)    4 (100.0%)
##   Legumbrería        14 (100.0%)         0 (0.0%)   0 ( 0.0%)   0 (  0.0%)   14 (100.0%)
##          Otro        28 ( 90.3%)         1 (3.2%)   2 ( 6.5%)   0 (  0.0%)   31 (100.0%)
##     Panadería         4 (100.0%)         0 (0.0%)   0 ( 0.0%)   0 (  0.0%)    4 (100.0%)
##   Restaurante         8 (100.0%)         0 (0.0%)   0 ( 0.0%)   0 (  0.0%)    8 (100.0%)
##          <NA>         0 (  0.0%)         0 (0.0%)   0 ( 0.0%)   3 (100.0%)    3 (100.0%)
##         Total        57 ( 89.1%)         1 (1.6%)   3 ( 4.7%)   3 (  4.7%)   64 (100.0%)
## ------------- ---- ------------- ---------------- ----------- ------------ -------------
ctable(dataeliana1$`Tiempo de Operación`, dataeliana1$P11, prop="r")
## Cross-Tabulation, Row Proportions  
## `Tiempo de Operación` * P11  
## Data Frame: dataeliana1  
## 
## --------------------- ----- ----------------- ----------- ------------------------------------------- ------------ -------------
##                         P11   Botadero ilegal   Reciclaje   Relleno sanitario (entrega al recolector)         <NA>         Total
##   Tiempo de Operación                                                                                                           
##              1-5 años               3 (15.0%)    1 (5.0%)                                 16 ( 80.0%)   0 (  0.0%)   20 (100.0%)
##            11-15 años               1 (33.3%)    0 (0.0%)                                  2 ( 66.7%)   0 (  0.0%)    3 (100.0%)
##             11-15años               0 ( 0.0%)    0 (0.0%)                                  9 (100.0%)   0 (  0.0%)    9 (100.0%)
##             6-10 años               1 ( 5.6%)    1 (5.6%)                                 16 ( 88.9%)   0 (  0.0%)   18 (100.0%)
##        Más de 15 años               0 ( 0.0%)    0 (0.0%)                                 11 (100.0%)   0 (  0.0%)   11 (100.0%)
##                  <NA>               0 ( 0.0%)    0 (0.0%)                                  0 (  0.0%)   3 (100.0%)    3 (100.0%)
##                 Total               5 ( 7.8%)    2 (3.1%)                                 54 ( 84.4%)   3 (  4.7%)   64 (100.0%)
## --------------------- ----- ----------------- ----------- ------------------------------------------- ------------ -------------
ctable(dataeliana1$P3, dataeliana1$P4, prop="r")
## Cross-Tabulation, Row Proportions  
## P3 * P4  
## Data Frame: dataeliana1  
## 
## ---------------- ---- ------------- ------------- ---------------- ------------ -------------
##                    P4   En absoluto   Mínimamente   Ocasionalmente         <NA>         Total
##               P3                                                                             
##            Nunca         14 (24.6%)   30 ( 52.6%)       13 (22.8%)   0 (  0.0%)   57 (100.0%)
##   Ocasionalmente          0 ( 0.0%)    1 (100.0%)        0 ( 0.0%)   0 (  0.0%)    1 (100.0%)
##        Raramente          0 ( 0.0%)    2 ( 66.7%)        1 (33.3%)   0 (  0.0%)    3 (100.0%)
##             <NA>          0 ( 0.0%)    0 (  0.0%)        0 ( 0.0%)   3 (100.0%)    3 (100.0%)
##            Total         14 (21.9%)   33 ( 51.6%)       14 (21.9%)   3 (  4.7%)   64 (100.0%)
## ---------------- ---- ------------- ------------- ---------------- ------------ -------------
ctable(dataeliana1$P4, dataeliana1$P5, prop="r")
## Cross-Tabulation, Row Proportions  
## P4 * P5  
## Data Frame: dataeliana1  
## 
## ---------------- ---- -------------------------------- ----------------------------------- ------------------------------------------------------------- ------------ -------------
##                    P5   Escasa conciencia del personal   Falta de infraestructura adecuada   Inadecuada separación de residuos por parte de los clientes         <NA>         Total
##               P4                                                                                                                                                                   
##      En absoluto                             5 (35.7%)                           1 ( 7.1%)                                                     8 (57.1%)   0 (  0.0%)   14 (100.0%)
##      Mínimamente                            12 (36.4%)                           8 (24.2%)                                                    13 (39.4%)   0 (  0.0%)   33 (100.0%)
##   Ocasionalmente                             3 (21.4%)                           5 (35.7%)                                                     6 (42.9%)   0 (  0.0%)   14 (100.0%)
##             <NA>                             0 ( 0.0%)                           0 ( 0.0%)                                                     0 ( 0.0%)   3 (100.0%)    3 (100.0%)
##            Total                            20 (31.2%)                          14 (21.9%)                                                    27 (42.2%)   3 (  4.7%)   64 (100.0%)
## ---------------- ---- -------------------------------- ----------------------------------- ------------------------------------------------------------- ------------ -------------
ctable(dataeliana1$P5, dataeliana1$P6, prop="r")
## Cross-Tabulation, Row Proportions  
## P5 * P6  
## Data Frame: dataeliana1  
## 
## ------------------------------------------------------------- ---- ------------ ---------------- ----------- -------------- ------------ -------------
##                                                                 P6        Nunca   Ocasionalmente   Raramente   Regularmente         <NA>         Total
##                                                            P5                                                                                         
##                                Escasa conciencia del personal         8 (40.0%)        5 (25.0%)   6 (30.0%)       1 (5.0%)   0 (  0.0%)   20 (100.0%)
##                             Falta de infraestructura adecuada         6 (42.9%)        6 (42.9%)   2 (14.3%)       0 (0.0%)   0 (  0.0%)   14 (100.0%)
##   Inadecuada separación de residuos por parte de los clientes         9 (33.3%)       17 (63.0%)   0 ( 0.0%)       1 (3.7%)   0 (  0.0%)   27 (100.0%)
##                                                          <NA>         0 ( 0.0%)        0 ( 0.0%)   0 ( 0.0%)       0 (0.0%)   3 (100.0%)    3 (100.0%)
##                                                         Total        23 (35.9%)       28 (43.8%)   8 (12.5%)       2 (3.1%)   3 (  4.7%)   64 (100.0%)
## ------------------------------------------------------------- ---- ------------ ---------------- ----------- -------------- ------------ -------------
ctable(dataeliana1$P9, dataeliana1$P11, prop="r")
## Cross-Tabulation, Row Proportions  
## P9 * P11  
## Data Frame: dataeliana1  
## 
## ----------------------------------------------------------------- ----- ----------------- ----------- ------------------------------------------- ------------ -------------
##                                                                     P11   Botadero ilegal   Reciclaje   Relleno sanitario (entrega al recolector)         <NA>         Total
##                                                                P9                                                                                                           
##   Materia orgánica (restos de alimentos, desechos biodegradables)               0 ( 0.0%)   0 ( 0.0%)                                 37 (100.0%)   0 (  0.0%)   37 (100.0%)
##                           Papel/cartón (envases tetra pak, cajas)               3 (33.3%)   0 ( 0.0%)                                  6 ( 66.7%)   0 (  0.0%)    9 (100.0%)
##                          Plástico (botellas, envoltorios, fundas)               2 (13.3%)   2 (13.3%)                                 11 ( 73.3%)   0 (  0.0%)   15 (100.0%)
##                                                              <NA>               0 ( 0.0%)   0 ( 0.0%)                                  0 (  0.0%)   3 (100.0%)    3 (100.0%)
##                                                             Total               5 ( 7.8%)   2 ( 3.1%)                                 54 ( 84.4%)   3 (  4.7%)   64 (100.0%)
## ----------------------------------------------------------------- ----- ----------------- ----------- ------------------------------------------- ------------ -------------
ctable(dataeliana1$P10, dataeliana1$P12, prop="r")
## Cross-Tabulation, Row Proportions  
## P10 * P12  
## Data Frame: dataeliana1  
## 
## ----------------------- ----- ------------ -------------------------- ------------ -------------
##                           P12   Desconozco   No, no existen programas         <NA>         Total
##                     P10                                                                         
##   Entre el 10% y el 20%          0 ( 0.0%)                 4 (100.0%)   0 (  0.0%)    4 (100.0%)
##           Menos del 10%         25 (43.9%)                32 ( 56.1%)   0 (  0.0%)   57 (100.0%)
##                    <NA>          0 ( 0.0%)                 0 (  0.0%)   3 (100.0%)    3 (100.0%)
##                   Total         25 (39.1%)                36 ( 56.2%)   3 (  4.7%)   64 (100.0%)
## ----------------------- ----- ------------ -------------------------- ------------ -------------
#graficos 
library(RColorBrewer)
#prier grafico de propor locales años de fincionamiento 
info2 <- table(dataeliana2$`Tiempo de operación`,
               dataeliana2$Locales)
# Definir colores personalizados
colors <- c("lightblue", "mistyrose", "red", "blue", "yellow")

# Crear un gráfico de barras con colores y etiquetas rotadas
barplot(as.matrix(info2), beside = TRUE, las = 2, 
        xlab = '', ylab = 'Frecuencia', 
        ylim = c(0, 7), 
        main = 'Locales y su Tiempo de funcionamiento', 
        col = colors)


# Añadir una leyenda con colores
legend('topright', legend = rownames(info2), bty = 'n', fill = colors[1:length(rownames(info2))])

# grafico dos de proporcion
#prier grafico de propor locales años de fincionamiento 


info3 <- table(dataeliana1$P3,
               dataeliana1$Locales)


# Definir colores personalizados
colors <- c("lightblue", "mistyrose", "red", "blue", "yellow")

# Crear un gráfico de barras con colores y etiquetas rotadas
barplot(as.matrix(info3), beside = TRUE, las = 2, 
        xlab = '', ylab = 'Frecuencia', 
        ylim = c(0, 26), 
        main = 'Locales y Uso de tachos', 
        col = colors)


# Añadir una leyenda con colores
legend('topright', legend = rownames(info3), bty = 'n', fill = colors[1:length(rownames(info3))])

#prier grafico de propor locales años de fincionamiento 
#descr(dataeliana)
#dfSummary(dataeliana2)

print(dfSummary(dataeliana, graph.magnif = 0.75), method = 'render')

Data Frame Summary

dataeliana

Dimensions: 61 x 22
Duplicates: 0
No Variable Stats / Values Freqs (% of Valid) Graph Valid Missing
1 Locales [character]
1. Comisariato
2. Legumbrería
3. Otro
4. Panadería
5. Restaurante
4(6.6%)
14(23.0%)
31(50.8%)
4(6.6%)
8(13.1%)
 61 (100.0%) 0 (0.0%)
2 Tiempo de Operación [character]
1. 1-5 años
2. 11-15 años
3. 11-15años
4. 6-10 años
5. Más de 15 años
20(32.8%)
3(4.9%)
9(14.8%)
18(29.5%)
11(18.0%)
 61 (100.0%) 0 (0.0%)
3 3.-¿Su local comercial utiliza tachos de colores para la separación de residuos? [character]
1. Nunca
2. Ocasionalmente
3. Raramente
57(93.4%)
1(1.6%)
3(4.9%)
 61 (100.0%) 0 (0.0%)
4 4.-¿En qué medida los empleados de su local comercial están capacitados sobre prácticas de gestión de residuos? [character]
1. En absoluto
2. Mínimamente
3. Ocasionalmente
14(23.0%)
33(54.1%)
14(23.0%)
 61 (100.0%) 0 (0.0%)
5 5.¿Cuáles son los principales desafíos que enfrenta su local comercial en relación con la gestión de residuos? [character]
1. Escasa conciencia del per
2. Falta de infraestructura
3. Inadecuada separación de
20(32.8%)
14(23.0%)
27(44.3%)
 61 (100.0%) 0 (0.0%)
6 6.-¿Su local comercial participa en programas de responsabilidad social relacionados con el medio ambiente? [character]
1. Nunca
2. Ocasionalmente
3. Raramente
4. Regularmente
23(37.7%)
28(45.9%)
8(13.1%)
2(3.3%)
 61 (100.0%) 0 (0.0%)
7 7.-¿Cuántos empleados trabajan actualmente en su local comercial? [numeric]
Mean (sd) : 2.6 (0.8)
min ≤ med ≤ max:
1 ≤ 3 ≤ 4
IQR (CV) : 1 (0.3)
1:5(8.2%)
2:24(39.3%)
3:24(39.3%)
4:8(13.1%)
 61 (100.0%) 0 (0.0%)
8 8.-¿Cómo califica la cantidad promedio de residuos generados diariamente en su establecimiento comercial según su percepción? [character]
1. Alto
2. Bajo
3. Moderado
4. Muy Alto
5. Muy Bajo
14(23.0%)
20(32.8%)
14(23.0%)
6(9.8%)
7(11.5%)
 61 (100.0%) 0 (0.0%)
9 9.-¿Cuál es el principal tipo de residuo generado por su local comercial? [character]
1. Materia orgánica (restos
2. Papel/cartón (envases tet
3. Plástico (botellas, envol
37(60.7%)
9(14.8%)
15(24.6%)
 61 (100.0%) 0 (0.0%)
10 10.-¿Qué porcentaje de comercios en la parroquia La Esperanza implementa actualmente prácticas de separación de residuos? [character]
1. Entre el 10% y el 20%
2. Menos del 10%
4(6.6%)
57(93.4%)
 61 (100.0%) 0 (0.0%)
11 11.- ¿Cuál es el destino más común de los residuos comerciales en la actualidad? [character]
1. Botadero ilegal
2. Reciclaje
3. Relleno sanitario (entreg
5(8.2%)
2(3.3%)
54(88.5%)
 61 (100.0%) 0 (0.0%)
12 12.- ¿Existen programas de sensibilización y educación ambiental dirigidos a los comerciantes de la parroquia La Esperanza por parte del Gad Municipal? [character]
1. Desconozco
2. No, no existen programas
25(41.0%)
36(59.0%)
 61 (100.0%) 0 (0.0%)
13 13.-¿Cuántas recicladoras de residuos crees que existen en la parroquia? [character]
1. Algunas
2. Ninguna
3. Una o dos
13(21.3%)
27(44.3%)
21(34.4%)
 61 (100.0%) 0 (0.0%)
14 14.-¿Con qué frecuencia tienen acceso los comercios locales a servicios de recolección de residuos especializados? [character]
1. Nunca
2. Ocasionalmente
3. Raramente
48(78.7%)
6(9.8%)
7(11.5%)
 61 (100.0%) 0 (0.0%)
15 15.-¿En qué medida existen incentivos o programas de subsidios para fomentar prácticas de gestión de residuos sostenibles en el sector comercial? [character]
1. Existen mìnimamente
2. No existen
9(14.8%)
52(85.2%)
 61 (100.0%) 0 (0.0%)
16 16.-¿Cómo calificaría usted la infraestructura actual de gestión de residuos comerciales en La Esperanza para satisfacer las necesidades del sector? [character]
1. Adecuada
2. Inadecuada
3. Moderadamente adecuada
4. Totalmente inadecuada
4(6.6%)
23(37.7%)
14(23.0%)
20(32.8%)
 61 (100.0%) 0 (0.0%)
17 17.-¿Cómo calificarías la coordinación entre los comercios y las autoridades locales para abordar los problemas de gestión de residuos? [character]
1. Moderadamente efectiva
2. Nada efectiva
3. Poco efectiva
19(31.1%)
20(32.8%)
22(36.1%)
 61 (100.0%) 0 (0.0%)
18 18.-¿Qué tan relevantes crees que han sido los siguientes factores para impedir que la asociación proponga un programa de gestión de residuos? [character]
1. Bastante relevantes
2. Bastantes relevantes
3. Moderadamente relevantes
4. Muy poco relevantes
5. Poco relevantes
25(41.0%)
1(1.6%)
12(19.7%)
4(6.6%)
19(31.1%)
 61 (100.0%) 0 (0.0%)
19 19.-¿Con qué frecuencia los comercios participan en campañas comunitarias de limpieza y gestión de residuos? [character]
1. Nunca
2. Ocasionalmente
3. Raramente
14(23.0%)
15(24.6%)
32(52.5%)
 61 (100.0%) 0 (0.0%)
20 20.-¿Con qué frecuencia se llevan a cabo reuniones periódicas entre representantes comerciales y autoridades para discutir estrategias de gestión de residuos? [character]
1. Nunca
2. Nuncs
3. Raramente
35(57.4%)
1(1.6%)
25(41.0%)
 61 (100.0%) 0 (0.0%)
21 21.-¿Cuál es el nivel de participación de la comunidad en la toma de decisiones sobre la gestión de residuos comerciales? [character]
1. Bastante involucrada
2. Moderadamente involucrada
3. Muy involucrada
4. No está involucrada
5. Poco involucrada
5(8.2%)
15(24.6%)
5(8.2%)
13(21.3%)
23(37.7%)
 61 (100.0%) 0 (0.0%)
22 22.-¿Con qué frecuencia los comercios reciben apoyo técnico o asesoramiento de organizaciones ambientales para mejorar sus prácticas de gestión de residuos? [character]
1. Nunca
2. Raramente
48(78.7%)
13(21.3%)
 61 (100.0%) 0 (0.0%)

Generated by summarytools 1.0.1 (R version 4.2.2)
2024-06-06

Distribución separada para casos y controles. Para ello necesitamos crear una base de datos distinta para cada grupo (esto es una desventaja de usar funciones básicas de R, pero tampoco es tan grave). Podemos usar las funciones que ya conocemos para tratar datos. Crearemos la densidad para uno de los grupos y luego añadiremos la del otro con la función lines (). Finalmente, podemos añadir una leyenda con la función legend ().

dataeliana
## # A tibble: 61 × 22
##    Locales   `Tiempo de Operación` 3.-¿Su local comerci…¹ 4.-¿En qué medida lo…²
##    <chr>     <chr>                 <chr>                  <chr>                 
##  1 Panadería 6-10 años             Nunca                  En absoluto           
##  2 Panadería 11-15 años            Nunca                  Mínimamente           
##  3 Panadería 6-10 años             Nunca                  En absoluto           
##  4 Panadería 11-15 años            Nunca                  Mínimamente           
##  5 Otro      1-5 años              Nunca                  En absoluto           
##  6 Otro      1-5 años              Nunca                  Mínimamente           
##  7 Otro      11-15 años            Nunca                  Mínimamente           
##  8 Restaura… 1-5 años              Nunca                  Mínimamente           
##  9 Restaura… 1-5 años              Nunca                  Mínimamente           
## 10 Restaura… 1-5 años              Nunca                  Ocasionalmente        
## # ℹ 51 more rows
## # ℹ abbreviated names:
## #   ¹​`3.-¿Su local comercial utiliza tachos de colores para la separación de residuos?`,
## #   ²​`4.-¿En qué medida los empleados de su local comercial están capacitados sobre prácticas de gestión de residuos?`
## # ℹ 18 more variables:
## #   `5.¿Cuáles son los principales desafíos que enfrenta su local comercial en relación con la gestión de residuos?` <chr>,
## #   `6.-¿Su local comercial participa en programas de responsabilidad social relacionados con el medio ambiente?` <chr>, …
PANADERIA <- subset(dataeliana2, Locales=='Panaderia',)


RESTAURANTE <- subset(dataeliana2, Locales=='Restaurante')

RESTAURANTE 
## # A tibble: 8 × 22
##   Locales  `Tiempo de operación`    P3    P4    P5    P6    P7    P8    P9   P10
##   <chr>    <chr>                 <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Restaur… 1-5 años                  5     4     2     3     3     1     2     1
## 2 Restaur… 1-5 años                  5     4     2     2     3     1     1     1
## 3 Restaur… 1-5 años                  5     3     1     1     2     2     1     1
## 4 Restaur… 6-10 años                 5     3     1     3     4     2     2     1
## 5 Restaur… 1-5 años                  5     4     2     3     2     2     1     1
## 6 Restaur… 6-10 años                 5     4     2     1     3     2     2     1
## 7 Restaur… Más de 15 años            5     5     4     3     3     1     4     1
## 8 Restaur… 6-10 años                 5     5     4     4     2     3     4     1
## # ℹ 12 more variables: P11 <dbl>, P12 <dbl>, P13 <dbl>, P14 <dbl>, P15 <dbl>,
## #   P16 <dbl>, P17 <dbl>, P18 <dbl>, P19 <dbl>, P20 <dbl>, P21 <dbl>, P22 <dbl>
#den.panaderia <- density(PANADERIA$P3, na.rm=TRUE)
#den.panaderia
#den.restaurante<- density(RESTAURANTE$, na.rm=TRUE)

pair

file_path <- "C:/Users/PLOZANO/Desktop/RECURSOS DE SPA 2023 2024/tesis 2024/Tesis de 10 semestre PPA 2024 2024/ELIANA/estudiantes1.xlsx"
dataeliana3<- read_excel(file_path)
dataeliana3
## # A tibble: 61 × 22
##       P1    P2    P3    P4    P5    P6    P7    P8    P9   P10   P11   P12   P13
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1     4     3     5     5     2     2     3     2     2     1     5     4     2
##  2     4     4     5     4     4     3     4     2     1     1     5     5     2
##  3     4     3     5     5     4     1     4     3     1     1     5     5     1
##  4     4     4     5     4     4     3     2     2     2     1     5     5     1
##  5     5     2     5     5     2     1     1     2     1     1     5     4     1
##  6     5     2     5     4     2     2     1     1     1     1     2     4     1
##  7     5     4     5     4     2     1     2     2     2     1     2     5     1
##  8     2     2     5     4     2     3     3     1     2     1     5     4     2
##  9     2     2     5     4     2     2     3     1     1     1     5     4     2
## 10     2     2     5     3     1     1     2     2     1     1     2     5     2
## # ℹ 51 more rows
## # ℹ 9 more variables: P14 <dbl>, P15 <dbl>, P16 <dbl>, P17 <dbl>, P18 <dbl>,
## #   P19 <dbl>, P20 <dbl>, P21 <dbl>, P22 <dbl>
library(DataExplorer)
## Warning: package 'DataExplorer' was built under R version 4.2.3
#create_report(dataeliana2)
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.2.3
## 
## 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(heatmaply)
## Warning: package 'heatmaply' was built under R version 4.2.3
## Loading required package: plotly
## Warning: package 'plotly' was built under R version 4.2.3
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.2.3
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
## Loading required package: viridis
## Warning: package 'viridis' was built under R version 4.2.3
## Loading required package: viridisLite
## Warning: package 'viridisLite' was built under R version 4.2.3
## 
## ======================
## Welcome to heatmaply version 1.5.0
## 
## Type citation('heatmaply') for how to cite the package.
## Type ?heatmaply for the main documentation.
## 
## The github page is: https://github.com/talgalili/heatmaply/
## Please submit your suggestions and bug-reports at: https://github.com/talgalili/heatmaply/issues
## You may ask questions at stackoverflow, use the r and heatmaply tags: 
##   https://stackoverflow.com/questions/tagged/heatmaply
## ======================
heatmaply(dataeliana2,
          seriate = "mean",
          row_dend_left = TRUE,
          plot_method = "plotly")
library(scales)
## Warning: package 'scales' was built under R version 4.2.3
## 
## Attaching package: 'scales'
## The following object is masked from 'package:viridis':
## 
##     viridis_pal
iris_range1 <- 
        dataeliana2 %>%
        mutate(across(where(is.numeric), rescale))

heatmaply(iris_range1,
          seriate = "mean",
          row_dend_left = TRUE,
          plot_method = "plotly")