Librerías

Se cargan las librerías que se van a emplear

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   3.4.3     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── 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 errors
library(DT)

Problemas

La hoja de cálculo que aparece a continuación ofrece datos de la economía estadounidense.

year <- c(1991:2001)
inflation <- c(4.2, 3.0, 3.0, 2.6, 2.8, 3.0, 2.3, 1.6, 2.2, 3.4, 2.8)
interest <- c(5.7, 3.6, 3.1, 4.6, 5.8, 5.3, 5.5, 5.4, 5.2, 6.2, 3.6)
growth <- c(-0.5, 3.0, 2.7, 4.0, 2.7, 3.6, 4.4, 4.3, 4.1, 4.1, 1.1)
unemployment <- c(6.7, 7.4, 6.8, 6.1, 5.6, 5.4, 4.9, 4.5, 4.2, 4.0, 4.8)

df <- data.frame(year = year, inflation = inflation, interest = interest,
                 growth = growth, unemployment = unemployment)

eco_ue <- as_tibble(df)

datatable(eco_ue, caption = "Indicadores Económicos de 1991 a 2001")

Conversión de tabla

Se hace una conversión de formato ancho a formato largo para facilitar en análisis de visualización de datos.

eco_ue_long <- eco_ue %>%
  pivot_longer(cols = -year, names_to = "variable", values_to = "percent")
datatable(eco_ue_long, caption = "Indicadores Económicos de 1991 a 2001")

Trace una gráfica de series de tiempo de la tasa de inflación, la tasa de interés, la tasa de crecimiento y la tasa de desempleo

ggplot(eco_ue_long, aes(x = year, y = percent, color = variable)) +
  geom_line(linewidth = 1.0) +
  geom_point()+
  labs(title = "Indicadores Económicos en Estados Unidos",
       x = "year", y = "percent") +
  geom_smooth(method = "lm", se = FALSE, linewidth = 0.5)+
  scale_x_continuous(breaks = seq(min(eco_ue_long$year), max(eco_ue_long$year), by = 1)) + # Marcas cada año
  theme_gray()
## `geom_smooth()` using formula = 'y ~ x'

Sobre la inlfación:

  1. ¿En qué año fue mas alta?
filter(eco_ue, inflation == max(inflation))
## # A tibble: 1 × 5
##    year inflation interest growth unemployment
##   <int>     <dbl>    <dbl>  <dbl>        <dbl>
## 1  1991       4.2      5.7   -0.5          6.7
  1. ¿En qué año fue más baja?
filter(eco_ue, inflation == min(inflation))
## # A tibble: 1 × 5
##    year inflation interest growth unemployment
##   <int>     <dbl>    <dbl>  <dbl>        <dbl>
## 1  1998       1.6      5.4    4.3          4.5
  1. ¿Cuál fue la principal tendencia de la inflacción? Su tendencia fue a la baja

Sobre la tasa de interés

  1. ¿En qué año fue más alta?
filter(eco_ue, interest == max(interest))
## # A tibble: 1 × 5
##    year inflation interest growth unemployment
##   <int>     <dbl>    <dbl>  <dbl>        <dbl>
## 1  2000       3.4      6.2    4.1            4
  1. ¿En qué año fue más baja?
filter(eco_ue, interest == min(interest))
## # A tibble: 1 × 5
##    year inflation interest growth unemployment
##   <int>     <dbl>    <dbl>  <dbl>        <dbl>
## 1  1993         3      3.1    2.7          6.8
  1. ¿Cuál fue la principal tendencia de la tasa de interés? Su tendencia fue a la alta

Trace diagrama de disperción para representar la relación entre la inflación y la tasa de interés

ggplot(eco_ue, aes(x = inflation, y = interest))+
  geom_line(linewidth = 1.0, color = "blue")+
  geom_point()+
  geom_smooth(method = "lm", se = FALSE, linewidth = 0.5)+
  labs(title = "Inflación vs Interés")+
  theme_gray()
## `geom_smooth()` using formula = 'y ~ x'

Trace diagrama de disperción para representar la relación entre la tasa de crecimiento y la tasa de desempleo

La relación entre estas variables es que se nota que cuando el crecimiento es positivo la tasa de desempleo va disminuyendo

ggplot(eco_ue, aes(x = growth, y = unemployment))+
  geom_line(linewidth = 1.0, color = "red")+
  geom_point()+
  geom_smooth(method = "lm", se = FALSE, linewidth = 0.5)+
  labs(title = "Crecimiento vs Desempleo")+
  theme_gray()
## `geom_smooth()` using formula = 'y ~ x'

Trace una gráfica para representar la relación entre las dos variables x y y .

x <- c(0 ,1 ,2 ,3 ,4 ,5 ,6 ,7 ,8)
y <- c(0 , 1  ,4  ,9 ,16 ,25 ,36 ,49 ,64)

variables<- as_tibble(data.frame(x = x, y = y))

datatable(variables, caption  = "variables")
ggplot(variables, aes(x = x, y = y))+
  geom_line(color = "green", linewidth = 1)+
  geom_point(color = "red")+
  labs(title = "Relación entre variables")

  1. ¿La relación es positiva o negativa? Es positiva

  2. ¿La pendiente de la relación aumenta o disminuye cuendo el valor de x aumenta? La pendiente aumenta

  3. Piense en algunas relaciones económicas que podrían ser similares El crecimiento demográfico de una población

Trace una gráfica que uestre la relación entre las variables x y y.

x <- c(0,1,2,3,4,5)
y <- c(25,24,22,16,8,0)

variables<- as_tibble(data.frame(x = x, y = y))

datatable(variables, caption  = "variables")
ggplot(variables, aes(x = x, y = y))+
  geom_line(color = "blue", linewidth = 1)+
  geom_point(color = "red")+
  labs(title = "Relación entre variables")

  1. ¿La relación es positiva o negativa? La relación es negativa

  2. ¿La pendiente de la relación aumenta o disminuye cuendo el valor de x aumenta? La pendiente disminuye

  3. Piense en algunas relaciones económicas que podrían ser similares} El desplome del valor de acciones