Tarea Ari

---

Carga de datos desde CSV

data <- read_csv("C:\\Users\\jmongev.IMAS\\OneDrive - Instituto Mixto de Ayuda Social - IMAS\\Escritorio\\EntornoRStudio\\Ari\\Datos.csv", 
                  locale = locale(encoding = "UTF-8"))

attach(data)

Revisión de datos

head(data)

## # A tibble: 6 × 7
##   SanJosé Alajuela Cartago Heredia Puntarenas Limón Guanacaste
##     <dbl>    <dbl>   <dbl>   <dbl>      <dbl> <dbl>      <dbl>
## 1      93       55     103     105         73   172        109
## 2     128       64      63     147        140   116        109
## 3     134       88     126      80        123   101        119
## 4     143       96      94     102        113    51        292
## 5      54      135     136     108         70   160         89
## 6     137       83     131     125        165    87        110

# str(datos)
# summary(datos)

data %>%
  head(7) %>%
  kable() %>%
  kable_styling("striped", full_width = FALSE, position = "center", font_size = 16) %>%
  row_spec(0, monospace = TRUE, bold = TRUE, color = "navy", background = "grey") %>%
  row_spec(1:ncol(data), color = "black", background = "lightgrey")

SanJosé	Alajuela	Cartago	Heredia	Puntarenas	Limón	Guanacaste
93	55	103	105	73	172	109
128	64	63	147	140	116	109
134	88	126	80	123	101	119
143	96	94	102	113	51	292
54	135	136	108	70	160	89
137	83	131	125	165	87	110
108	157	107	77	159	103	122

Listado de variables númericas

variables_numericas_df = data %>%
  select(where(is.numeric)) %>%
  names()

variables_numericas_df

## [1] "SanJosé"    "Alajuela"   "Cartago"    "Heredia"    "Puntarenas"
## [6] "Limón"      "Guanacaste"

Cálculo de Estadisticos

variables_numericas_df = data %>%
  select(where(is.numeric))

estadisticos_numericos_df = data.frame(Variable = character(), 
                                       Media = numeric(), 
                                       Mediana = numeric(), 
                                       IQR = numeric())

for (i in names(variables_numericas_df)) {
  
  media = round(mean(variables_numericas_df[[i]], na.rm = TRUE),2)
  mediana = round(median(variables_numericas_df[[i]], na.rm = TRUE),2)
  IQR = round(IQR(variables_numericas_df[[i]], na.rm = TRUE),2)

  temp_df <- data.frame(Variable = i,
                        Media = media, 
                        Mediana = mediana,
                        IQR = IQR)
  estadisticos_numericos_df <- rbind(estadisticos_numericos_df, temp_df)
}



# print(estadisticos_numericos_df)

estadisticos_numericos_df %>%
  kable() %>%
  kable_styling("striped", full_width = FALSE, position = "center", font_size = 16) %>%
  row_spec(0, monospace = TRUE, bold = TRUE, color = "navy", background = "grey") %>%
  row_spec(1:nrow(estadisticos_numericos_df), color = "black", background = "lightgrey") %>%
  column_spec(1, bold = TRUE)

Variable	Media	Mediana	IQR
SanJosé	102.14	101.5	35.50
Alajuela	115.68	116.5	36.25
Cartago	105.08	106.5	28.50
Heredia	105.78	104.0	31.00
Puntarenas	114.16	114.0	34.75
Limón	114.90	115.5	32.50
Guanacaste	118.72	117.0	35.50

Graficacion de BoxPlot (Cuantiles)

data_long <- gather(variables_numericas_df, key = "variable", value = "value")

p <- ggplot(data_long, aes(x = variable, y = value, fill = variable)) +
  geom_boxplot() + 
  theme_minimal() + 
  theme(axis.text.x = element_text(angle = 90, hjust =1),
        axis.text.y = element_blank(),  
        axis.ticks.y = element_blank()) +
  labs(title = "Boxplot para cada variable númerica",
       x = "Variable",
       y = "Valor")
p_interactive <- ggplotly(p) 

p_interactive

Identificación de Outliers

outliers_df <- data.frame()

for (variable in colnames(variables_numericas_df)) {
  data <-variables_numericas_df[[variable]]
  data <- data[!is.na(data)]
  IQR <- IQR(data, na.rm = TRUE)
  
  Q1 <-quantile(data,.25, na.rm = TRUE)
  Q3 <-quantile(data,.75, na.rm = TRUE)
  
  lower_bound <- Q1 - 1.5 * IQR
  upper_bound <- Q3 + 1.5 * IQR

  outliers <- data[data < lower_bound | data > upper_bound]
  
  if(length(outliers)>0){
    temp_df <- data.frame(variable = variable, outlier = outliers)
    outliers_df <- rbind(outliers_df, temp_df)
  }
  
}

outliers_df

##     variable outlier
## 1    Cartago      37
## 2    Cartago     169
## 3    Cartago      46
## 4    Heredia     174
## 5 Guanacaste     292

Distribución

comprobar_normalidad <-function(data){
  resultado <- data.frame()
  
  for (nombre_variable in names(data)) {
    if(is.numeric(data[[nombre_variable]])){
      test <-   shapiro.test(data[[nombre_variable]])
      es_normal <- ifelse(test$p.value > 0.05, "Si", "No")
      temp_df <- data.frame(variable = nombre_variable, p.value = test$p.value, Distribucion_normal = es_normal)
      resultado <- rbind(resultado, temp_df)
    }
  }
  
  return(resultado)
}

resultado <- comprobar_normalidad(variables_numericas_df)
print(resultado)

##     variable      p.value Distribucion_normal
## 1    SanJosé 6.350839e-01                  Si
## 2   Alajuela 8.647360e-01                  Si
## 3    Cartago 3.955757e-01                  Si
## 4    Heredia 5.100282e-01                  Si
## 5 Puntarenas 3.782597e-01                  Si
## 6      Limón 9.850457e-01                  Si
## 7 Guanacaste 3.439474e-06                  No

# Calcular normalidad para todas las variables numéricas
test_normalidad <- lapply(variables_numericas_df, shapiro.test)

# Crear una tabla resumen con los resultados
resultados_normalidad <- data.frame(
  Variable = names(test_normalidad),
  W = sapply(test_normalidad, function(x) round(x$statistic, 5)),
  p_value = sapply(test_normalidad, function(x) round(x$p.value, 5)),
  Normalidad = sapply(test_normalidad, function(x) ifelse(x$p.value > 0.05, "Sí", "No"))
)

# Imprimir la tabla resumen
print("Resultados del test de Shapiro-Wilk para normalidad:")

## [1] "Resultados del test de Shapiro-Wilk para normalidad:"

print(resultados_normalidad)

##                Variable       W p_value Normalidad
## SanJosé.W       SanJosé 0.98192 0.63508         Sí
## Alajuela.W     Alajuela 0.98732 0.86474         Sí
## Cartago.W       Cartago 0.97593 0.39558         Sí
## Heredia.W       Heredia 0.97899 0.51003         Sí
## Puntarenas.W Puntarenas 0.97541 0.37826         Sí
## Limón.W           Limón 0.99232 0.98505         Sí
## Guanacaste.W Guanacaste 0.82482 0.00000         No

Histogramas

histograma <- function(df){
  columnas_numericas <- sapply(df, is.numeric)
  for(nombre_columna in names(df) [columnas_numericas]){
    p <- ggplot(df, aes_string(nombre_columna)) +
      geom_histogram(binwidth = 10, fill= "darkmagenta", color ="black") +
      labs(title= paste("Histograma de", nombre_columna),
           x = nombre_columna,
           y = "Recurrencia")
    print(p)
  }
}

data <- read_csv("C:\\Users\\jmongev.IMAS\\OneDrive - Instituto Mixto de Ayuda Social - IMAS\\Escritorio\\EntornoRStudio\\Ari\\Datos.csv", 
                  locale = locale(encoding = "UTF-8"))
histograma(data)

Volver al inicio