library(stats)
library(NbClust)
library(kableExtra)
library(MASS)

# Datos del Cuadro 3.22
Datos_3_3_Caso <- data.frame(
  CC.AA. = as.character(c("España", "Andalucía", "Aragón", "Asturias", "Balerares", "Canarias", "Cantabria",
                             "Castilla y León", "Cast.-La Mancha", "Cataluña", "Com. Valenciana", "Extremadura",
                             "Galicia", "Madrid", "Murcia", "Navarra", "País Vasco", "La Rioja")),
  Automóvil = as.numeric(c(69.0, 66.7, 67.2, 63.7, 71.9, 72.7, 63.4, 65.8, 61.5, 70.4, 72.7, 60.5, 65.5, 74.0, 69.0, 76.4, 71.3, 64.9)),
  TV_Color = as.numeric(c(97.6, 98.0, 97.5, 95.2, 98.8, 96.8, 94.9, 97.1, 97.3, 98.1, 98.4, 97.7, 91.3, 99.4, 98.7, 99.3, 98.3, 98.6)),
  Video = as.numeric(c(62.4, 82.7, 56.8, 52.1, 62.4, 68.4, 48.9, 47.7, 53.6, 71.1, 68.2, 43.7, 42.7, 76.3, 59.3, 60.6, 61.6, 54.4)),
  Microondas = as.numeric(c(32.3, 24.1, 43.4, 24.4, 29.8, 27.9, 36.5, 28.1, 21.7, 36.8, 26.6, 20.7, 13.5, 53.9, 19.5, 44.0, 45.7, 44.4)),
  Lavavajillas = as.numeric(c(17.0, 12.7, 20.6, 13.3, 10.1, 5.80, 11.2, 14.0, 7.10, 19.8, 12.1, 11.7, 14.6, 32.3, 12.1, 20.6, 23.7, 17.6)),
  Teléfono = as.numeric(c(85.2, 74.7, 88.4, 88.1, 87.9, 75.4, 80.5, 85.0, 72.9, 92.2, 84.4, 67.1, 85.9, 95.7, 81.4, 87.4, 94.3, 83.4))
)
kable_classic(kable(Datos_3_3_Caso))

library(dplyr)
Datos.NbClust <- Datos_3_3_Caso[, c("Automóvil", "TV_Color", "Video", "Microondas", "Lavavajillas", "Teléfono")]
mean<-colMeans(Datos.NbClust) 
Sx<-cov(Datos.NbClust) 
D2<-mahalanobis(Datos.NbClust,mean,Sx, inverted = FALSE) 
pvalue=pchisq(D2 , df=6, lower.tail=FALSE) 
data0=data.frame(D2,pvalue)
data0=cbind(data0,Datos_3_3_Caso$CC.AA.)
names(data0)=c("D2","pvalue","CC.AA.")
data0=select(data0,CC.AA.,D2,pvalue)
kable_classic(kable(data0))

matriz.dis.euclid.caso3= dist(Datos_3_3_Caso[, c("Automóvil", "TV_Color", "Video", "Microondas", "Lavavajillas", "Teléfono")], method="euclidean", diag=TRUE)

hclust.ward.caso3<-hclust(matriz.dis.euclid.caso3,method="ward.D2")
plot (hclust.ward.caso3,labels=Datos_3_3_Caso$CC.AA.)

hclust.average.caso3<-hclust(matriz.dis.euclid.caso3, method="average")
plot (hclust.average.caso3,labels=Datos_3_3_Caso$CC.AA.)

data.frame(hclust.average.caso3[2:1]) 

hclust.complete.caso3<-hclust(matriz.dis.euclid.caso3,method="complete")
plot (hclust.complete.caso3,labels=Datos_3_3_Caso$CC.AA.)

hclust.single.caso3<-hclust(matriz.dis.euclid.caso3,method="single")
plot (hclust.single.caso3,labels=Datos_3_3_Caso$CC.AA.)

hclust.centroid.caso3<-hclust(matriz.dis.euclid.caso3,method="centroid")
plot (hclust.centroid.caso3,labels=Datos_3_3_Caso$CC.AA.)

library(NbClust)
Datos.NbClust <- Datos_3_3_Caso[, c("Automóvil", "TV_Color", "Video", "Microondas", "Lavavajillas", "Teléfono")]

# Ejecutar NbClust para obtener el índice CCC con diferentes métodos
res.average <- NbClust(Datos.NbClust, distance = "euclidean", min.nc = 2, max.nc = 15, method = "average", index = "ccc")
res.complete <- NbClust(Datos.NbClust, distance = "euclidean", min.nc = 2, max.nc = 15, method = "complete", index = "ccc")
res.ward <- NbClust(Datos.NbClust, distance = "euclidean", min.nc = 2, max.nc = 15, method = "ward.D2", index = "ccc")

# Extraer los valores de CCC
clusters <- 2:15
ccc_average <- res.average$All.index
ccc_complete <- res.complete$All.index
ccc_ward <- res.ward$All.index

# Crear un dataframe con los resultados
df <- data.frame(
  cluster = clusters,
  average = ccc_average,
  complete = ccc_complete,
  ward = ccc_ward
)

# Transformar a formato largo
library(tidyr)
df_long <- pivot_longer(df, cols = -cluster, names_to = "método", values_to = "CCC")

# Graficar con ggplot
library(ggplot2)
ggplot(df_long, aes(x = cluster, y = CCC, color = método, linetype = método)) +
  geom_line(size = 1) +
  geom_point(size = 2) +
  labs(
    title = "Proceso de determinación del centróide inicial",
    x = "Número de Clusters",
    y = "CCC",
    caption = "Figura 3.12"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),
    legend.title = element_blank()
  )

Datos.NbClust<-Datos_3_3_Caso[, c("Automóvil", "TV_Color", "Video", "Microondas", "Lavavajillas", "Teléfono")]

res.wardD2<-NbClust(Datos.NbClust, distance = "euclidean" , 
min.nc=2, max.nc=15 , method = "ward.D2" , index = "alllong")

grupo.ward<-cutree(hclust.ward.caso3, k = 2, h = NULL) 
datos.caso3.grupos<-cbind(Datos_3_3_Caso,grupo.ward) 
datos.caso3.grupos$CC.AA. <-NULL 
round(aggregate(datos.caso3.grupos,list(grupo.ward), mean ),2)->datos.caso3
print(datos.caso3)

datos_kmeans <- Datos_3_3_Caso[, -1]

# Definir los centroides iniciales
c1 <- c(66.87, 96.82, 56.01, 25.43, 11.81, 80.71)
c2 <- c(70.70, 98.53, 63.47, 44.70, 22.43, 90.23)

set.seed(123)
solucion <- kmeans(datos_kmeans, centers = rbind(c1, c2)) |> print( )

hclust.ward.caso3<-hclust(matriz.dis.euclid.caso3,method="ward.D2")
plot (hclust.ward.caso3,labels=Datos_3_3_Caso$CC.AA.)
groups <- cutree(hclust.ward.caso3, k = 2)
rect.hclust(hclust.ward.caso3, k=2, border="red")

hclust.average.caso3 <- hclust(matriz.dis.euclid.caso3, method = "average")
plot(hclust.average.caso3, labels = Datos_3_3_Caso$CC.AA.)
groups <- cutree(hclust.average.caso3, k = 2)
rect.hclust(hclust.average.caso3, k = 2, border = "red")

hclust.complete.caso3<-hclust(matriz.dis.euclid.caso3,method="complete")
plot (hclust.complete.caso3,labels=Datos_3_3_Caso$CC.AA.)
groups <- cutree(hclust.complete.caso3, k = 2)
rect.hclust(hclust.complete.caso3, k=2, border="red")

library(psych)
DatosCaso3.1b = Datos.NbClust
#efectuamos eL cLuster con metodo centroide 
kmeans.caso3.1<-kmeans(DatosCaso3.1b, 2) 
#obtenemos Las medias 
aggregate(DatosCaso3.1b,by= 
list(kmeans.caso3.1$cluster),FUN=mean) 

#adicionamos La pertenencia aL cLuster
DatosCaso3.1b=data.frame(DatosCaso3.1b, kmeans.caso3.1$cluster)  
kmeans.caso3.1.cluster=kmeans.caso3.1$cluster

t.test(Automóvil ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b) 

t.test(Automóvil ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b) -> t1
t.test(TV_Color ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b) -> t2
t.test(Video  ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b)-> t3
t.test(Microondas ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b)-> t4
t.test(Lavavajillas ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b)-> t5
t.test(Teléfono ~ kmeans.caso3.1.cluster,data = DatosCaso3.1b)-> t6

pruebas.t=as.data.frame(c(t1$statistic,t2$statistic,t3$statistic,t4$statistic,t5$statistic,t6$statistic)) 

datos33<-as.data.frame( datos.caso3)
datos33$grupo.ward <- NULL 
datos33$Group.1 <- NULL
datos33=t(datos33) 
names(pruebas.t)=c("pruebas t")
tados33=cbind(datos33,pruebas.t) 
names(tados33)=c("grupo 1","grupo 2","pruebas t")


add_footnote(kable_classic(kable(head(tados33),caption = " Significatividad de las diferencias entre los perfiles de los conglo merados "),html_font = "Arial",font_size=14 ),label = "**p < o, 01 ;* p < o, 05 ", notation ="symbol")

library(cluster)
library(fpc)

aggregate( Datos.NbClust,by= list(kmeans.caso3.1$cluster),FUN=mean)

mydata <- data.frame( Datos.NbClust,kmeans.caso3.1$cluster)
fit <- kmeans(mydata, 2)
library(cluster)

clusplot(mydata, fit$cluster, color=TRUE, shade=TRUE,
   labels=2, lines=0)

library(ggrepel)

datos_numericos <- Datos_3_3_Caso[, -1]

pca <- prcomp(datos_numericos, scale = TRUE)
pca_df <- as.data.frame(pca$x)
pca_df$Grupo <- as.factor(groups)
pca_data <- data.frame(
  Componente1 = pca$x[, 1],
  Componente2 = pca$x[, 2],
  CC.AA. = Datos_3_3_Caso$CC.AA.
)

destacadas <- c("Madrid", "Cataluña", "Navarra", "País Vasco", "La Rioja", "Aragón")

ggplot(pca_data, aes(x = Componente1, y = Componente2, label = CC.AA.)) +
  geom_point(color = "black", size = 3) +
  geom_text_repel(aes(color = CC.AA. %in% destacadas), size = 3) +
  geom_point(data = subset(pca_data, CC.AA. %in% destacadas),
             aes(x = Componente1, y = Componente2), color = "red", shape = 17, size = 4) +
  scale_color_manual(values = c("black", "red"), guide = "none") +
  theme_minimal() +
  labs(
    x = "Componente Principal 1",
    y = "Componente Principal 2",
    title = "Análisis de Componentes Principales (PCA)"
  )