PARTE 2

2. Utilizando el porcentaje de viviendas que tiene agua de red publica dentro de la vivienda, la razón de votacion de keiko entre castillo, y la tasa fallecidos por cada 1000 contagiados, Ud se propone agrupar a las provincias del Peru (sin la provincia de Lima) siguiendo diversas estrategias (no corrija correlacion negativa si la hubiera, pero siempre normalice); y en ese proceso Ud. encuentra…

setwd("C:/Users/moren/OneDrive/2024-2/ESTADÍSTICA 2/EXAMEN FINAL")

library(rio)

## Warning: package 'rio' was built under R version 4.3.3

dataok=import("dataOK_all.xlsx")

## New names:
## • `` -> `...1`

library(readxl)

## Warning: package 'readxl' was built under R version 4.3.3

library(dplyr)

## 
## 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(cluster)
library(factoextra)

## Warning: package 'factoextra' was built under R version 4.3.3

## Loading required package: ggplot2

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

# Filtrar provincias (excluyendo Lima) y seleccionar variables relevantes
data_filtered <- dataok %>%
  filter(key != "Lima") %>%
  select(agua2_Red_fueraVivienda, Keiko, Castillo, covidFallecidos)

# Normalizar los datos
data_normalized <- scale(data_filtered)

res.agnes <- agnes(data_normalized,  # Usa los datos normalizados
                   method = "ward") 

# Visualizar dendrograma jerárquico aglomerativo
fviz_dend(res.agnes, 
          cex = 0.7,           # Tamaño del texto de las etiquetas
          horiz = TRUE,        # Orientación horizontal
          main = "Dendrograma Aglomerativo",  # Título personalizado
          rect = TRUE,         # Dibujar rectángulos para los clusters
          k = 4,               # Número de clusters
          rect_fill = TRUE)    # Rellenar los rectángulos

## Warning: The `<scale>` argument of `guides()` cannot be `FALSE`. Use "none" instead as
## of ggplot2 3.3.4.
## ℹ The deprecated feature was likely used in the factoextra package.
##   Please report the issue at <https://github.com/kassambara/factoextra/issues>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

# Clustering jerárquico divisivo
divisive_clustering <- diana(dist(data_normalized))

# Visualizar el dendrograma
fviz_dend(divisive_clustering, k = 5)  # Ajusta 'k' al número de grupos deseado

# Clustering K-means
set.seed(123)  # Para reproducibilidad
kmeans_result <- kmeans(data_normalized, centers = 4)  # Ajusta 'centers' al número de grupos deseado

# Visualizar los clusters
fviz_cluster(kmeans_result, data = data_normalized)