# Agregar columna ID con el número de fila
iris = iris %>%
  mutate(id = row_number())  

# Convertir el dataset a formato largo
iris_long = iris %>%
  pivot_longer(
    # Seleccionar columnas que empiezan con "Sepal" o "Petal"
    cols = starts_with("Sepal") | starts_with("Petal"),  
    # Nombre para la nueva columna que guardará los nombres de las variables originales
    names_to = "measurement",  
    # Nombre para la nueva columna que guardará los valores numéricos
    values_to = "value")

head(iris)

head(iris_long, 9) 

# Volver al formato ancho
iris_wide = iris_long %>%
  pivot_wider(
    # Nombres de columnas a partir de 'measurement'
    names_from = measurement,  
    # Valores que llenan esas columnas desde 'value'
    values_from = value)
# Ver las primeras filas
head(iris_wide)

# Separar la columna 'measurement' en dos columnas: 'part' y 'dimension'
iris_sep = iris_long %>%
  separate(
    # Columna a dividir
    col = measurement,             
    # Nuevos nombres de columnas
    into = c("part", "dimension"), 
    # Separador usado (en este caso, el punto)
    sep = "\\.")

head(iris_long)

head(iris_sep)

# Unir las columnas 'part' y 'dimension' en una sola llamada 'measurement'
iris_unite <- iris_sep %>%
  unite(
    # Nombre de la nueva columna resultante
    col = "measurement", 
    # Columnas a unir
    part, dimension, 
    # Separador entre los valores
    sep = ".")
# Ver las primeras filas
head(iris_unite) 

# Crear un tibble con valores faltantes (NA)
tb = tibble(
  pais = c("Peru", "Mexico", "Colombia", NA),
  casos = c(2, NA, 5, 7))
# Mostrar la tabla original
tb

# Eliminar filas que contengan al menos un NA
drop_na(tb)

tb %>% 
              # Reemplazar los NA de la columna 'casos' por 0
  replace_na(list(casos = 0, 
              # y los NA de la columna 'pais' por "ind"
                  pais = "ind"))

df = WDI(
  country = "all",      # Pedimos datos para todos los países
  indicator = c(
    "NY.GDP.PCAP.CD",    # PIB per cápita
    "SP.DYN.LE00.IN",    # Esperanza de vida
    "SP.POP.TOTL"        # Población total
  ),
  start = 2008,          # Año inicial
  end = 2022,            # Año final
  extra = TRUE           # Información adicional (como región, ingreso, etc.)
) %>%
  as_tibble()            # Convertir el resultado en un tibble (formato más cómodo para trabajar)

head(df)

str(df)

df %>%  
  glimpse()

df = df %>%
  filter(region != "Aggregates") 

df_22 = df %>%
  filter(year == 2022) 

df_22 = df_22 %>% 
  select(country, year, NY.GDP.PCAP.CD:capital, income)

df_22 = df_22 %>% 
  select(-year)

df_22 %>% 
  arrange(SP.DYN.LE00.IN) %>%  # Ordena por esperanza de vida (de menor a mayor)
  head(10)                     # Muestra los 10 países con menor esperanza de vida

df_22 %>% 
  arrange(desc(SP.POP.TOTL)) %>%  # Ordena por población total, de mayor a menor
  head(10)                        # Muestra los 10 países más poblados

df_22 %>%
  # Calcular el logaritmo natural del PIB per cápita
  mutate(log_gdp_percap = log(NY.GDP.PCAP.CD)) %>%
  # Seleccionar solo país, nivel de ingreso y la nueva variable
  select(country, income, log_gdp_percap) %>% 
  # Mostrar las primeras 10 filas
  head(10)

df_22 %>%
  reframe(
    # Etiquetas para cada estadístico
    statistic = c("min", "mean", "median", "max", "sd"),  
    # Cálculo de cada valor correspondiente
    value = c(
      min(SP.DYN.LE00.IN, na.rm = TRUE),     # Valor mínimo
      mean(SP.DYN.LE00.IN, na.rm = TRUE),    # Media
      median(SP.DYN.LE00.IN, na.rm = TRUE),  # Mediana
      max(SP.DYN.LE00.IN, na.rm = TRUE),     # Valor máximo
      sd(SP.DYN.LE00.IN, na.rm = TRUE)       # Desviación estándar
    ))

df_22 %>%
  # Agrupa los datos por región
  group_by(region) %>%
  # Resume por grupo: media y desviación estándar de esperanza de vida
  summarise(
    mean_life = mean(SP.DYN.LE00.IN, na.rm = TRUE),
    sd_life = sd(SP.DYN.LE00.IN, na.rm = TRUE)
  ) %>%
  # Ordena de mayor a menor según la media
  arrange(desc(mean_life))

df_22 %>%
  # Filtra solo Perú y Chile
  filter(country %in% c("Peru", "Chile")) %>%
  
  # Selecciona solo las columnas de interés
  select(
    country,              # Nombre del país
    SP.DYN.LE00.IN,       # Esperanza de vida
    NY.GDP.PCAP.CD        # PIB per cápita
  )

df_22 %>%
  filter(region == "Europe & Central Asia") %>%      # Filtra países de Europa y Asia Central
  arrange(SP.DYN.LE00.IN) %>%                        # Ordena por esperanza de vida ascendente
  select(country, life_expectancy = SP.DYN.LE00.IN) %>% # Selecciona país y renombra la variable
  head(5)                                            # Muestra los primeros 5

df_22 %>%
  filter(region == "Europe & Central Asia") %>%       # Filtra por región
  arrange(SP.DYN.LE00.IN) %>%                         # Ordena de menor a mayor esperanza de vida
  select(country, life_expectancy = SP.DYN.LE00.IN) %>% # Selecciona país y renombra variable
  head(5)                                             # Muestra los 5 primeros

df_22 %>%
  # Agrupar por región
  group_by(region) %>%  
  # Ordenar por población dentro de cada grupo
  arrange(desc(SP.POP.TOTL), .by_group = TRUE) %>%  
  # Tomar el país más poblado por región
  slice_head(n = 1) %>% 
  # Seleccionar región, país y población
  select(region, country, SP.POP.TOTL) %>%  
  # Ordenar el resultado final por población
  arrange(desc(SP.POP.TOTL))                         

df_22 = df_22 %>%
  rename(
    pais = country,
    pib_per_capita = NY.GDP.PCAP.CD,
    esperanza_vida = SP.DYN.LE00.IN,
    poblacion_total = SP.POP.TOTL,
    region = region,
    capital = capital,
    ingreso = income,
  )

library(forcats)

df_22 = df_22 %>% 
  mutate(
    region = fct_recode(region,
      "Asia del Sur" = "South Asia",
      "Europa y Asia Central" = "Europe & Central Asia",
      "Medio Oriente y Norte de África" = "Middle East & North Africa",
      "Asia Oriental y Pacífico" = "East Asia & Pacific",
      "África Subsahariana" = "Sub-Saharan Africa",
      "América Latina y el Caribe" = "Latin America & Caribbean",
      "América del Norte" = "North America"
    ),
    
    ingreso = fct_recode(ingreso,
      "Bajo" = "Low income",
      "Medio bajo" = "Lower middle income",
      "Medio alto" = "Upper middle income",
      "Alto" = "High income",
      "No clasificado" = "Not classified"
    )
  )

df_22 %>% 
  filter(
    # Falta el PIB per cápita
    is.na(pib_per_capita) |
    # Falta la esperanza de vida
    is.na(esperanza_vida)       
  )

df_22 =  df_22 %>%
  drop_na(pib_per_capita, esperanza_vida)

# Define los datos y la variable de interés 
ggplot(df_22, aes(x = pib_per_capita)) +       
  # Agrega un histograma con color de relleno y borde definidos
  geom_histogram(
    fill = "#800020",           
    color = "black",            
    bins = 30                   
  ) +
  # Título y etiquetas a los ejes
  labs(
    title = "Distribución del PIB per cápita", 
    x = "PIB per cápita", 
    y = "Frecuencia"
  ) +
  # Estilo visual minimalista
  theme_minimal()               

# Define los datos y la variable de interés
ggplot(df_22, aes(x = pib_per_capita)) +       
  # Agrega un histograma con color de relleno y bordes
  geom_histogram(
    fill = "#800020", 
    bins = 30, 
    color = 'black'
  ) +
  # Escala logarítmica en el eje X para mejorar la visualización
  scale_x_log10() +
  # Título y etiquetas de los ejes
  labs(
    title = "Distribución del PIB per cápita", 
    x = "PIB per cápita (log)", 
    y = "Frecuencia"
  ) +
  theme_minimal()

library(ggthemes)  
library(ggsci) 

# Aplica el estilo Economist a todos los gráficos
theme_set(theme_economist())  

# Histograma de la esperanza de vida en 2022
df_22 %>%
  ggplot(aes(x = esperanza_vida)) +                     
  # Histograma con 30 barras, color celeste y bordes blancos
  geom_histogram(
    bins = 30, 
    fill = "skyblue", 
    color = "white"
  ) +
  # Título y etiquetas de los ejes
  labs(
    title = "Distribución de esperanza de vida (2022)",
    x = "Esperanza de vida", 
    y = "Frecuencia")

df_22 %>%
  ggplot(aes(x = esperanza_vida)) +                     
  # Boxplot
  geom_boxplot(
    fill = "skyblue", 
    color = "white"
  ) +
  # Título y etiquetas de los ejes
  labs(
    title = "Distribución de esperanza de vida (2022)",
    x = "Esperanza de vida", 
    y = ""
  )

library(patchwork)

# Histograma de esperanza de vida
hist_pbi = ggplot(df_22, aes(x = esperanza_vida)) +
  geom_histogram(
    fill = "#800020",       # Color de relleno
    bins = 30,              # Número de barras
    color = 'black'         # Borde de las barras
  ) +
  labs(
    title = "Distribución de la esperanza de vida", 
    x = "", 
    y = "Frecuencia"
  )

# Boxplot de esperanza de vida
boxp_pbi = ggplot(df_22, aes(x = esperanza_vida)) +
  geom_boxplot(
    fill = "#800020",       # Color de relleno
    color = 'black'         # Borde del boxplot
  ) +
  labs(
    title = "", 
    x = "PIB per cápita", 
    y = ""
  ) +
  # Elimina texto y ejes laterales
  theme(
    axis.text.y = element_blank(),
    axis.ticks.y = element_blank(),
    axis.title.y = element_blank()
  )

# Combina ambos gráficos verticalmente
hist_pbi / boxp_pbi

# Filtrar solo los países seleccionados
df_22 %>%
  filter(pais %in% c("Peru", "Chile", "Brazil", "Argentina")) %>%
  # Definir variables y ordenar por PIB per cápita
  ggplot(aes(x = reorder(pais, pib_per_capita), 
             y = pib_per_capita)) +

  # Dibujar barras horizontales con color definido
  geom_col(fill = "darkgreen",
           color = "black") +
  # Invertir los ejes para facilitar la lectura
  coord_flip() +
  # Añadir título y etiquetas a los ejes
  labs(
    title = "PIB per cápita en 2022", 
    x = "", 
    y = "USD")

df_22$ingreso = factor(df_22$ingreso, 
                        levels = c("Bajo", "Medio bajo", "Medio alto", 
                                   "Alto", "No clasificado"),
                        ordered = TRUE)

# Crear un gráfico de dispersión entre PIB per cápita y esperanza de vida
ggplot(df_22, aes(x = pib_per_capita, 
                  y = esperanza_vida, 
                  color = region)) +
  # Agregar puntos con transparencia, tamaño y borde definidos
  geom_point(alpha = 0.7, 
             size = 2.5,
             stroke = 0.5) +
  # Aplicar escala logarítmica al eje X
  scale_x_log10() +
  # Aplicar paleta de colores bmj
  scale_color_bmj() +
  # Añadir título y etiquetas de ejes y leyenda
  labs(title = "PIB per cápita y esperanza de vida (2022)", 
       x = "PIB per cápita (log)", 
       y = "Esperanza de vida", 
       color = "Ingreso") +
  # Ajustar el tamaño del texto de la leyenda
  theme(
    legend.text = element_text(size = 9)
  )

library(gghighlight)
# Crear gráfico de dispersión entre PIB per cápita y esperanza de vida
ggplot(df_22, aes(x = pib_per_capita, 
                  y = esperanza_vida, 
                  color = ingreso)) +
  # Agregar puntos con transparencia, tamaño y borde definidos
  geom_point(alpha = 0.7, size = 2.5, stroke = 0.5) +
  # Aplicar escala logarítmica al eje X
  scale_x_log10() +
  # Aplicar paleta de colores tipo BMJ
  scale_color_bmj() +
  # Resaltar países con esperanza de vida menor a 30 años
  gghighlight(esperanza_vida < 30, label_key = pais) +
  # Añadir título, etiquetas de ejes y leyenda
  labs(
    title = "PIB per cápita y esperanza de vida (2022)", 
    x = "PIB per cápita (log)", 
    y = "Esperanza de vida", 
    color = "Ingreso"
  ) +
  # Ajustar tamaño del texto en la leyenda
  theme(legend.text = element_text(size = 9))

library(gghighlight)
# Crear gráfico de dispersión entre PIB per cápita y esperanza de vida
ggplot(df_22, aes(x = pib_per_capita, 
                  y = esperanza_vida, 
                  color = ingreso)) +
  # Agregar puntos con transparencia, tamaño y borde definidos
  geom_point(alpha = 0.7, size = 2.5, stroke = 0.5) +
  # Aplicar escala logarítmica al eje X
  scale_x_log10() +
  # Aplicar paleta de colores tipo NPG
  scale_color_npg() +
  # Resaltar países con esperanza de vida mayor a 80 años
  gghighlight(esperanza_vida > 80, label_key = pais) +
  # Añadir título, etiquetas de ejes y leyenda
  labs(
    title = "PIB per cápita y esperanza de vida (2022)", 
    x = "PIB per cápita (log)", 
    y = "Esperanza de vida", 
    color = "Ingreso"
  ) +
  # Ajustar tamaño del texto en la leyenda
  theme(legend.text = element_text(size = 9))

# Crear gráfico de dispersión entre PIB per cápita y esperanza de vida
ggplot(df_22, aes(x = pib_per_capita, 
                  y = esperanza_vida, 
                  colour = ingreso)) +
  # Agregar puntos con transparencia y tamaño definidos
  geom_point(alpha = 0.7, size = 2.5, stroke = 0.5) +
  # Aplicar escala logarítmica al eje X
  scale_x_log10() +
  # Aplicar paleta de colores tipo NPG (aunque se está usando colour, no fill)
  scale_fill_npg() +
  # Añadir título y etiquetas
  labs(
    title = "Relación entre PIB per cápita y esperanza de vida", 
    x = "PIB per cápita (log)", 
    y = "Esperanza de vida"
  ) +
  # Dividir el gráfico por región
  facet_wrap(~region) +
  # Ocultar leyenda de color
  theme(legend.position = "none")

df_22 %>%
  # Definir variables estéticas
  ggplot(aes(x = region, 
             y = pib_per_capita,
             fill = region)) +
  # Crear boxplot por región
  geom_boxplot() +
  # Aplicar escala de color NPG
  scale_fill_npg() +
  # Invertir los ejes para facilitar la lectura
  coord_flip() +
  # Agregar título y etiquetas a los ejes
  labs(
    title = "Distribución del PIB per cápita por región",
    x = "Región", 
    y = "PIB per cápita (log)"
  )

df_22 %>%
  # Definir variables estéticas
  ggplot(aes(x = region, 
             y = pib_per_capita,
             fill = region)) +
  # Boxplot por región
  geom_boxplot() +
  # Transformar eje Y a escala logarítmica
  scale_y_log10() +
  # Escala de color con paleta npg
  scale_fill_npg() +
  # Invertir ejes para mejorar legibilidad
  coord_flip() +
  # Título y etiquetas
  labs(
    title = "Distribución del PIB per cápita por región",
    x = "Región", 
    y = "PIB per cápita (log)")

p1 = df_22 %>%
  # Excluir país con valor extremadamente bajo para evitar distorsión visual
  filter(pais != 'Central African Republic') %>% 
  # Iniciar gráfico con eje X como logaritmo base 10 del PIB per cápita
  ggplot(aes(x = log10(pib_per_capita))) +
  # Agregar histograma con 30 divisiones, color de borde negro y relleno violeta oscuro
  geom_histogram(
    bins = 30, 
    color = "black", 
    alpha = 0.9, 
    fill = '#440154'
  ) +
  # Añadir título principal y subtítulo para contextualizar el gráfico
  labs(
    title = "Desigualdad en el ingreso",
    subtitle = "Distribución del PIB per cápita global",
    x = "PIB per cápita (log)", 
    y = ""
  ) +
  # Eliminar leyenda innecesaria
  theme(legend.position = "none")

p2 = df_22 %>% 
  # Eliminar países sin clasificación de ingreso
  filter(ingreso != "No clasificado") %>% 
  # Excluir país con valor atípico extremo
  filter(pais != 'Central African Republic') %>% 
  # Definir variables para el gráfico
  ggplot(aes(x = ingreso, 
             y = esperanza_vida, 
             fill = ingreso)) +
  # Agregar boxplot con un poco de transparencia
  geom_boxplot(alpha = 0.8) +
  # Aplicar paleta de color tipo Nature Publishing Group
  scale_fill_npg() +
  # Títulos y etiquetas de los ejes
  labs(
    title = "Nivel de ingreso",
    x = "Nivel de ingreso", 
    y = "Esperanza de vida"
  ) +
  # Eliminar leyenda para simplificar el gráfico
  theme(legend.position = "none")

p3 = df_22 %>% 
  # Excluir país con valor extremo
  filter(pais != 'Central African Republic') %>% 
  # Definir variables para el gráfico
  ggplot(aes(x = pib_per_capita, 
             y = esperanza_vida)) +
  # Agregar puntos al gráfico de dispersión
  geom_point(size = 3, alpha = 0.7,
             color = '#440154') +
  # Agregar línea de regresión lineal sin intervalo de confianza
  geom_smooth(method = 'lm', se = F, 
              color = '#27AE60', linetype = 'dashed',
              linewidth = 2) +
  # Transformar el eje X a escala logarítmica
  scale_x_log10() +
  # Escala de relleno (no visible pero definida por consistencia)
  scale_fill_npg() +
  # Título y etiquetas de los ejes
  labs(
    title = "Ingreso y esperanza de vida",
    x = "PIB per cápita (log)", 
    y = "Esperanza de vida"
  ) +
  # Eliminar leyenda
  theme(legend.position = "none")

((p1 / p2) | p3) +
  plot_annotation(
    title = "Una mirada global al ingreso y esperanza de vida (2022)",
    caption = "World Wealth and Income Database (2022)")

g1 = df_22 %>%
  # Calcular la esperanza de vida promedio por región
  group_by(region) %>%
  summarise(mean_life = mean(esperanza_vida, na.rm = TRUE)) %>%
  # Definir variables estéticas
  ggplot(aes(x = reorder(region, mean_life), 
             y = mean_life, 
             fill = region)) +
  # Agregar barras horizontales
  geom_col(width = 0.6) +
  # Línea de referencia con la media global
  geom_hline(yintercept = mean(df_22$esperanza_vida, na.rm = TRUE), 
             linetype = "dotted", 
             color = "black") +
  # Escala de color
  scale_fill_npg() +
  # Invertir ejes para mejor lectura
  coord_flip() +
  # Estilo visual
  theme_minimal() +
  # Título y ejes vacíos (para limpiar visual)
  labs(
    title = "Esperanza de vida promedio (2022)",
    x = "", 
    y = ""
  ) +
  # Ajustes de tema para limpiar y estilizar
  theme(
    legend.position = "top",                      # Leyenda arriba
    legend.key.size = unit(0.5, "lines"),         # Íconos pequeños
    legend.text = element_text(size = 7),         # Texto reducido
    legend.title = element_blank(),               # Sin título
    legend.spacing.x = unit(3, "pt"),             # Espacio entre ítems
    axis.text.y = element_blank(),                # Oculta etiquetas Y
    axis.ticks.y = element_blank(),               # Oculta tics eje Y
    axis.text.x = element_text(size = 9),         # Tamaño eje X
    plot.margin = margin(10, 10, 10, 10)          # Márgenes del gráfico
  )

g2 = df %>%
  # Calcular promedio de esperanza de vida por región y año
  group_by(region, year) %>% 
  reframe(prom = mean(SP.DYN.LE00.IN, na.rm = TRUE)) %>% 
  # Definir estética del gráfico
  ggplot(aes(x = year, y = prom, color = region)) +
  # Agregar líneas por región
  geom_line(linewidth = 1.2, alpha = 0.9) +
  # Agregar líneas horizontales en múltiplos de 10
  geom_hline(yintercept = c(60, 70, 80),
             color = "black", 
             linetype = "dotted", 
             linewidth = 0.4) +
  # Escala de color por región
  scale_color_npg() +
  # Escala de años cada 2 años
  scale_x_continuous(breaks = seq(2008, 2022, by = 2)) +
  # Estilo visual limpio
  theme_minimal() +
  # Título y ejes sin texto
  labs(
    title = "Evolución de la esperanza de vida",
    x = "",
    y = "",
    fill = "Región"
  ) +
  # Ajustes de tema para remover elementos visuales
  theme(
    panel.grid = element_blank(),     # Quita grillas por defecto
    axis.line = element_blank(),      # Quita líneas de ejes
    axis.ticks = element_blank(),     # Quita tics
    axis.text = element_text(size = 9),
    legend.position = "none",         # Oculta leyenda
    plot.margin = margin(10, 10, 10, 10)
  )

g1 + g2 +
    plot_annotation(
    title = "La esperanza de vida en el mundo",
    caption = "World Wealth and Income Database")

data(gss_cat) 

glimpse(gss_cat)

gss_14 = gss_cat %>% 
  # Filtrar los datos solo para el año 2014
  filter(year == "2014") %>% 
  # Eliminar la columna de año ya que es constante
  select(-year)

# Diagnóstico de estructura
miss_var_summary(gss_14)

vis_miss(gss_cat)

vis_miss(gss_14)

gss_cat = gss_cat %>% 
  select(-tvhours) %>% 
  drop_na()

vis_miss(gss_cat)

library(dlookr)

gss_14 %>% 
  diagnose_numeric()

gss_14 %>% 
  diagnose_category()

plot_bar_category(gss_14)

plot_hist_numeric(df_22)

plot_box_numeric(df_22)

plot_normality(df_22 %>% 
                 select(pib_per_capita))

plot_normality(df_22 %>% 
                 select(esperanza_vida))

plot_normality(
  df_22 %>%
    filter(esperanza_vida > 30) %>%
    select(esperanza_vida)
)

plot_normality(df_22 %>% 
                 select(poblacion_total))

gss_sp = gss_14 %>%
  # Recodificar afiliación política en tres grandes grupos
  mutate(
    party3 = case_when(
      partyid %in% c("Strong democrat", 
                     "Not str democrat", 
                     "Ind,near dem") 
      ~ "Demócrata",
      partyid %in% c("Strong republican", 
                     "Not str republican", 
                     "Ind,near rep") 
      ~ "Republicano",
      partyid == "Independent" ~ "Independente",
      TRUE ~ NA_character_
    ),
    # Agrupar afiliación religiosa en cuatro categorías
    relig4 = case_when(
      relig == "Catholic" ~ "Católico",
      relig %in% c("Protestant", "Orthodox-christian") 
      ~ "Protestante",
      relig %in% c("None", "Don't know", "No answer") 
      ~ "No religion",
      TRUE ~ "Otro"
    )
  ) %>%
  # Eliminar casos con categorías sin asignar
  filter(!is.na(party3), !is.na(relig4))

gss_sp %>%
  # Contar combinaciones de religión y afiliación política
  count(relig4, party3) %>%
  # Agrupar por religión
  group_by(relig4) %>%
  # Calcular porcentaje dentro de cada grupo religioso
  mutate(pct = round(100 * n / sum(n), 1)) %>%
  # Ordenar de mayor a menor proporción por religión
  arrange(relig4, desc(pct))

ggplot(gss_sp, aes(x = relig4, fill = party3)) +
  # Crear barras apiladas por proporción
  geom_bar(position = "fill") +
  # Mostrar el eje Y como porcentaje
  scale_y_continuous(labels = scales::percent_format()) +
  # Aplicar paleta de colores tipo BMJ
  scale_fill_bmj() +  
  # Título y etiquetas
  labs(
    title = "Afiliación política según religión",
    x = "Religión", 
    y = "Proporción dentro del grupo",
    fill = "Afiliación política"
  )

psych::describeBy(gss_sp$age, 
                  group = gss_sp$party3,   # Agrupar por afiliación política
                  mat = TRUE) %>%          # Convertir la salida a data.frame
  arrange(desc(mean))                     # Ordenar por mayor edad promedio

ggplot(gss_sp, aes(x = party3, y = age, fill = party3)) +
  # Violin plot para mostrar la distribución completa
  geom_violin(trim = FALSE, 
              alpha = 0.9) +
  # Boxplot sobrepuesto para resaltar los estadísticos clave
  geom_boxplot(width = 0.1, 
               color = "black", 
               alpha = 0.2, 
               outlier.shape = NA) +
  # Paleta de colores tipo revista
  scale_fill_bmj() +  
  # Título y etiquetas
  labs(
    title = "Distribución de la edad según afiliación política",
    x = "",
    y = "Edad"
  ) +
  # Ocultar leyenda
  theme(legend.position = 'none')

library(broom)

chi_t = chisq.test(table(gss_sp$relig4, gss_sp$party3))

anova_mod = aov(age ~ party3, data = gss_sp)

TukeyHSD(anova_mod)

p3

df_reg = df_22 %>% 
  # Calcular el logaritmo del PIB per cápita
  mutate(pib_log = log(pib_per_capita)) %>% 
  # Seleccionar variables relevantes
  select(pais, pib_per_capita, pib_log, esperanza_vida)

df_reg %>% 
  plot_correlate()

reg_mod = lm(esperanza_vida ~ pib_log, data = df_reg)

summary(reg_mod)

summary(reg_mod)$r.squared

summary(reg_mod)$sigma

plot(reg_mod, which = 4)

df_reg %>%
  # Calcular la distancia de Cook para cada observación
  mutate(cooksD = cooks.distance(reg_mod)) %>%
  # Filtrar las observaciones con alta influencia
  filter(cooksD > 0.5) %>%
  # Seleccionar variables clave para revisar
  select(pais, pib_per_capita, esperanza_vida, cooksD) %>%
  # Ordenar por influencia descendente
  arrange(desc(cooksD))

df_regni= df_reg %>% 
  filter(pais != "Central African Republic")