COVID-19

Introducción

El Covid-19, causado por el virus SARS-Cov-2, es una enfermedad infecciosa que irrumpio en el mundo a finales del año 2019. Descubierto por primera vez en Wuhan (China), este virus desencadeno una de las pandemias mas devastadoras de la historia de la humanidad, siendo el causante de la declaracion oficial de una pandemia mundial por parte de la OMS en 2020.

El mundo recibio un gran impacto en diferentes ambitos, especialmente en el area de la salud y la economia, puesto que este virus tomo por imrpevisto a la humanidad, generando un caos y descontrol global.

Por consiguiente, es de gran utilidad estudiar los datos del COVID-19, ya que de esta manera podemos aprender sobre el pasado, basandonos en estadisticas que nos desglosan datos que pueden servir como guia para entender como se puede propagar el virus. Por medio de la muestra podemos evidenciar como fue el impacto de este virus en cada municipio de una manera mas precisa, ademas de conocer las regiones mas afectadas y los grupos que presentaron un mayor grado de vulnerabilidad frente a esta situacion. De igual manera, podemos observar como se comportó este virus teniendo en cuenta el genero y las fechas claves de la problematica.

library(tidyverse)
library(readxl)

datos = read_excel("CovidMuestra.xlsx")

Tabla de datos muestra Covid-19

Promedio de edades

Por departamento

datos_departamento = datos %>%
  group_by(Departamento) %>% 
  summarise(Promedio_edad = mean(Edad, na.rm=TRUE))

En la siguiente tabla se puede apreciar el promedio de edades en cada uno de los departamentos.

Por sexo

datos_sexo = datos %>%
  group_by(Sexo) %>% 
  summarise(Promedio_edad = mean(Edad, na.rm=TRUE))

En la siguiente tabla se puede apreciar el promedio de edades para cada genero (Masculino y Femenino).

Por departamento & sexo

datos_dep_sex = datos %>%
  group_by(Departamento, Sexo) %>% 
  summarise(Promedio_edad = mean(Edad, na.rm=TRUE))

En la siguiente tabla se puede apreciar el promedio de edades para cada genero en cada uno de los departamentos.

Mediana y Desviacion estandar de las edades

Por departamento

info_departamento = datos %>% 
  group_by(Departamento) %>% 
  summarise(Mediana = median(Edad, na.rm = TRUE), Desviacion_estandar = sd(Edad))

En la siguiente tabla se muestra la mediana y la desviacion estandar de las edades para cada departamento.

Por sexo

info_sexo = datos %>% 
  group_by(Sexo) %>% 
  summarise(Mediana = median(Edad, na.rm = TRUE), Desviacion_estandar = sd(Edad))

En la siguiente tabla se muestra la mediana y la desviacion estandar de las edades para cada genero (Femenino y Masculino).

Por departamento & sexo

info_dep_sexo = datos %>% 
  group_by(Departamento, Sexo) %>% 
  summarise(Mediana = median(Edad, na.rm = TRUE), Desviacion_estandar = sd(Edad))

En la siguiente tabla se muestra la mediana y la desviacion estandar de las edades para cada genero en cada uno de los departamentos.