# Cargando paquetes
library(pacman)
p_load(dplyr, ggplot2, datos, kableExtra, knitr, 
       flextable, foreign, gganimate, tidyverse,openxlsx)
options(scipen = 999)
options(digits = 3)
paises <- read.xlsx("paises.xlsx")
carros <- read.xlsx("carros.xlsx")

1 los 5 peores paises con peor promedio de esperanza de vida

1.1 Introducción

El gráfico muestra que, dentro del continente americano, algunos países experimentan una esperanza de vida considerablemente más baja que otros. Esto podría atribuirse a diversos factores, como dificultades en el acceso a servicios de salud, condiciones económicas desfavorables, o incluso conflictos internos y desigualdades sociales. Estos factores afectan negativamente la salud pública y, en consecuencia, la esperanza de vida promedio.

1.2 Selección de Datos y enfoque

Para identificar las naciones con mayores desafíos en la longevidad de sus ciudadanos, se filtraron los países del continente Américas y se calculó el promedio de esperanza de vida de cada país en el periodo de 1952 a 2007. Con esta información, se seleccionaron los cinco países con los promedios más bajos en esperanza de vida, resaltando a aquellos que enfrentan mayores dificultades en este aspecto fundamental de bienestar.

paises %>% 
  filter(continente == "Américas") %>%
  group_by(pais) %>%
  summarise(promedio = mean(esperanza_de_vida)) %>% 
  arrange(desc(promedio)) %>% 
  top_n(-5,promedio) %>% 
  ggplot() + aes(x = fct_reorder(pais,promedio),y = promedio , fill = pais) + 
  geom_col() + 
  geom_text(aes(label = round(promedio,2)), vjust = -0.5) +
  theme_bw()+
  labs(x = "Paises",
       y = "Promedio de esperanza de vida", 
       title = "Los 5 paises con el promedio mas bajo de esperanza de vida",
       subtitle = "1952-2007")

La visualización presenta un gráfico de barras en el que cada barra representa uno de los países con el promedio más bajo de esperanza de vida.

Las barras están ordenadas de menor a mayor, destacando visualmente los países con los valores más bajos en el lado izquierdo del gráfico.

1.3 Interpretacion y Reflexión

1.4 Conclusión

Este análisis invita a reflexionar sobre la necesidad de mejorar las políticas de salud pública y desarrollo social en América. Los datos nos recuerdan que la esperanza de vida es un reflejo de las condiciones en las que vive una población y que, en algunos países, aún hay mucho camino por recorrer para alcanzar los niveles de vida deseables. Es un llamado a la acción para que estos países puedan superar sus retos y mejorar la calidad de vida de sus ciudadanos.

2 El promedio de autos mas usados por sus respectivas marcas automovilisticas

2.1 Introducción

En el mercado automotriz, la variedad de modelos que un fabricante lanza es un reflejo de su enfoque y estrategia para satisfacer diferentes necesidades de los consumidores. Desde vehículos compactos y eficientes hasta SUV de gran tamaño, cada marca apuesta por diferentes opciones para consolidar su presencia en el mercado. Este análisis nos brinda una perspectiva del promedio de modelos de autos por marca, ayudándonos a identificar cuáles fabricantes tienen un catálogo más amplio.

2.2 Seleccion de datos y enfoque

Para llevar a cabo este análisis, se utilizó la base de datos comunes del paquete datos en RStudio, que contiene información detallada sobre distintos modelos de autos y sus fabricantes. En este caso, se calcularon los promedios de modelos de autos por cada fabricante, y se seleccionaron las cinco marcas con los promedios más altos. Esto nos permite ver qué marcas tienen una oferta más extensa y, posiblemente, una mayor diversidad en términos de tipo de vehículos y público objetivo.

carros %>% group_by(fabricante) %>% 
  summarise(total = mean(total_modelos)) %>%
  top_n(5, wt= total) %>%
  arrange(desc(total)) %>% 
  ggplot() +
  aes(x = reorder(fabricante, - total), y = total, fill = fabricante) + 
  geom_col() +
  geom_text(aes(label = round(total,1), vjust = -0.5)) + 
  theme_bw() +
  labs(x= "Marca de auto",
       y = "Promedio de autos totales",
       title = "Cantidad de autos")

El gráfico de columnas ilustra los fabricantes de automóviles con el promedio más alto de modelos en su catálogo.

Cada columna representa una marca, y las barras están ordenadas de mayor a menor, destacando visualmente a las marcas que ofrecen un mayor número de modelos en su portafolio.

cada barra incluye una etiqueta que indica el promedio exacto de modelos redondeado a un decimal, facilitando una comparación precisa entre los fabricantes.

2.3 Interpretación y Reflexión

Los resultados sugieren que las marcas con mayores promedios de modelos están enfocadas en diversificar su oferta para captar a diferentes segmentos del mercado. Este enfoque les permite llegar a clientes con necesidades y preferencias variadas, desde aquellos que buscan autos familiares hasta quienes prefieren deportivos o vehículos de trabajo. En cambio, otras marcas con promedios más bajos podrían estar optando por una estrategia más especializada, concentrándose en modelos específicos que representan su identidad y valores.

2.4 Conclusión

Este análisis de los promedios de modelos por marca ofrece una visión sobre la estrategia de mercado de los fabricantes de autos. Mientras algunos buscan diversificar su catálogo, otros prefieren concentrarse en una gama más limitada. Esta diversidad en la oferta automotriz no solo enriquece el mercado, sino que también refleja la competencia y la innovación en la industria. A medida que las preferencias del consumidor evolucionan, estas marcas adaptarán sus catálogos para seguir siendo relevantes en un mercado dinámico y competitivo.

PRUEBAS CON RMARKDOWN FABRICIO

Fabricio Rodrigo Barrientos Mauricio

Fabricio

Última edición: 15 Noviembre 2024