R Notebook 6 EnriqueVerdugo Tarea

obtener la base de datos

datos <- read.csv("C:/Users/enrique/OneDrive/Escritorio/Notas Rstudio/estadisticas_vitales_mexico_2018_2021.csv")
plot(cars)

print(datos)

NA

Calculo de la tasa de mortalidad del periodo 2018-2021

tasa_mortalidad <- (datos$defunciones_registradas/datos$poblacion_total) * 1000
datos$tasa_mortalidad <- (datos$defunciones_registradas/datos$poblacion_total) * 1000
datos[, c("anio", "tasa_mortalidad")]

#descripcion del resultado obtenido 
cat("tasa de mortidad:", mean(tasa_mortalidad, na.rm = TRUE), "muertes por cada 1,000 habitantes durante el periodo 2018-2021\n")

tasa de mortidad: 7.303069 muertes por cada 1,000 habitantes durante el periodo 2018-2021

Generacion del grafico por ggplot

#grafico 
ggplot(datos, aes(x = anio, y = tasa_mortalidad, fill = anio)) + geom_bar(stat = "identity", fill = "red") + labs(title = "Tasa de mortalidad periodo 2018-2021", x = "anio", y = "Tasa de mortalidad (por 1,000 habitantes") + theme_classic()

Calculo de tasa de natalidad

#Datos de tasa de natalidad
nacimientos <- datos$nacimientos_registrados
total_poblacion <- datos$poblacion_total 

#Calculos de natalidad
tasa_natalidad <- (nacimientos/total_poblacion) * 1000

#impresion de resultados
cat("natalidad:", mean(tasa_natalidad, na.rm = TRUE), "nacimientos por cada 1,000 durante el periodo 2018-2021\n")

natalidad: 15.49277 nacimientos por cada 1,000 durante el periodo 2018-2021

datos$tasa_natalidad <- (datos$nacimientos_registrados / datos$poblacion_total) * 1000

datos[, c("anio", "tasa_natalidad")]

Visualizacion del grafico

ggplot(datos, aes(x = anio, y = tasa_natalidad, fill = anio)) + geom_bar(stat = "identity", fill = "green") + labs(title = "Tasa de natalidad periodo 2018-2021", x = "anio", y = "Tasa de mortalidad (por 1,000 habitantes") + theme_classic()

Calculo de incremento natural poblacional

incremento_natural <- (tasa_natalidad - tasa_mortalidad)

datos$incremento_natural <- datos$tasa_natalidad - datos$tasa_mortalidad

datos[, c("anio", "incremento_natural")]

NA

visualizacion del resultado

cat("Incremento natural",
    mean(incremento_natural, na.rm = TRUE), 
    "por cada 1,000 habitantes durante el periodo 2018-2021\n")

Incremento natural 8.189702 por cada 1,000 habitantes durante el periodo 2018-2021

str(datos)

'data.frame':   4 obs. of  9 variables:
 $ anio                         : int  2018 2019 2020 2021
 $ poblacion_total              : int  124738000 125930000 126014024 126705138
 $ nacimientos_registrados      : int  2162535 2092214 1629211 1912178
 $ defunciones_registradas      : int  722611 747784 1086743 1122249
 $ incremento_natural           : num  11.54 10.68 4.3 6.23
 $ casos_covid_confirmados      : num  0 0 1437185 NA
 $ defunciones_covid_confirmadas: num  0 0 126507 NA
 $ tasa_mortalidad              : num  5.79 5.94 8.62 8.86
 $ tasa_natalidad               : num  17.3 16.6 12.9 15.1

Uso de ggplot para representacion grafica de los datos epidemiologicos

ggplot(datos, aes(x = anio, y = incremento_natural)) + geom_line(linewidth = 1) + geom_point(size = 3) + geom_text( aes(label = round(incremento_natural, 2)), vjust = -1.5, size = 4) + scale_y_continuous(expand = expansion(mult = c(0.05, 2.0))) + labs(title = "Incremento natural de la poblacion", x = "Ano", y = "incremento natural (por cada 1,000 habitantes") + theme_classic()

Datos de covid-19

datos$letalidad_covid_19 <- (datos$defunciones_covid_confirmadas / datos$casos_covid_confirmados) * 100
datos[, c("anio", "letalidad_covid_19")]

datos_letalidad <- datos[datos$casos_covid_confirmados > 0, c("anio", "letalidad_covid_19")]

datos_letalidad

Intente realize un grafico para demostar la letalidad que obtuvo covid-19 en el 2020 pero el codigo no funciono por alguna razonar

letalidad_valida <- datos_letalidad[!is.na(datos_letalidad) & !is.nan(datos_letalidad)]

Error en is.nan(datos_letalidad): 
  método por defecto no implementado para 'list'

Realiacion de cuadro de flextable

Datos <- data.frame(
  año = c(2018, 2019, 2020, 2021),
  poblacion_total = c(124738000, 125930000, 126014024, 126705138),
  nacimientos_registrados = c(2162535, 2092214, 1629211, 1912178),
  defunciones_registradas = c(722611, 747784, 1086743, 1122249),
  casos_covid_confirmados = c(0, 0, 1437185, 0),
  defunciones_covid_confirmadas = c(0, 0, 126507, 0))

datos$tasa_natalidad <- (datos$nacimientos_registrados /
                         datos$poblacion_total) * 1000

datos$tasa_mortalidad <- (datos$defunciones_registradas /
                          datos$poblacion_total) * 1000

datos$incremento_natural <- datos$tasa_natalidad - datos$tasa_mortalidad

datos$tasa_letalidad <- (datos$defunciones_covid_confirmadas / datos$casos_covid_confirmados) * 100

# Redondear solo columnas númericas
datos_redondeados <- datos %>%
  mutate_if(is.numeric, round, 2)

# Crear la tabla con flextable
flextable(datos_redondeados) %>%
  autofit()

anio	poblacion_total	nacimientos_registrados	defunciones_registradas	incremento_natural	casos_covid_confirmados	defunciones_covid_confirmadas	tasa_mortalidad	tasa_natalidad	letalidad_covid_19	tasa_letalidad
2,018	124,738,000	2,162,535	722,611	11.54	0	0	5.79	17.34
2,019	125,930,000	2,092,214	747,784	10.68	0	0	5.94	16.61
2,020	126,014,024	1,629,211	1,086,743	4.30	1,437,185	126,507	8.62	12.93	88.02	8.8
2,021	126,705,138	1,912,178	1,122,249	6.23			8.86	15.09