datos
# Tasa de natalidad por año
nacimientos <- datos$nacimientos_registrados 
poblacion <- datos$poblacion_total

datos$natalidad <- (nacimientos / poblacional_total) * 1000
print(datos)

#graficos de natalidad por año 
library(ggplot2)
ggplot(datos, aes(x = año, y = natalidad)) +
  geom_line(stat = "identity", color = "red") +
  geom_point(stat = "identity") +
  labs(title = "Tasa de natalidad por año", x = "Año", y = "Natalidad por cada 1000 hab" )

library(dplyr)
library(flextable)
#tasa de mortalidad 
muertes <- datos$defunciones_registradas

datos$mortalidad <- (muertes / poblacional_total) * 1000

#grafico de mortalidad por año 
ggplot(datos, aes(x = año, y = mortalidad)) +
  geom_line(stat = "identity", color = "blue") +
  geom_point(stat = "identity") +
  labs(title = "Tasa de mortalidad por año", x = "año", y = "muertes por 1000 hab")

#incremento natural de la poblacion 
datos$incremento_natura_poblacion <- ((nacimientos - muertes) / poblacional_total) * 1000

datos

#graficos de incremento natural de la poblacion 
ggplot(datos, aes(x = año, y = incremento_natural)) +
  geom_line(stat = "identity", color = "gray") +
  geom_point(stat = "identity") +
  labs(title = "Incremento natural de la poblacion", x = "año", y = "incremento de la ponlacion")

#tasa de letalidad covid
datos$letalidad_covid <- ifelse(datos$casos_covid_confirmados > 0, (datos$defunciones_covid_confirmadas / datos$casos_covid_confirmados) * 100, NA)

#Grafico letalidad COVID por año 
ggplot(datos, aes(x = año, y = letalidad_covid)) +
  geom_bar(stat = "identity", color = "black") +
  labs(title = "porcentaje de letalidad de COVID", x = "año", y = "porcentaje de letalidad")

#redondear columnas numericas 
datos_redondeados <- datos %>%
  mutate(across(where(is.numeric), ~ round(.x, 2)))
datos

#crear la tabla
flextable(datos_redondeados) %>%
  autofit()

año

poblacion_total

nacimientos_registrados

defunciones_registradas

incremento_natural

casos_covid_confirmados

defunciones_covid_confirmadas

natalidad

mortalidad

incremento_natura_poblacion

letalidad_covid

2,018

124,738,000

2,162,535

722,611

1,439,924

0

0

21,625.35

7,226.11

14,399.24

2,019

125,930,000

2,092,214

747,784

1,344,430

0

0

20,922.14

7,477.84

13,444.30

2,020

126,014,024

1,629,211

1,086,743

542,468

1,437,185

126,507

16,292.11

10,867.43

5,424.68

8.8

2,021

126,705,138

1,912,178

1,122,249

789,929

19,121.78

11,222.49

7,899.29

NA
NA

¿En qué año se observa la mayor tasa de mortalidad y cómo se relaciona con la pandemia? 2021, despues del inicio de pandemia

¿Cómo cambia la tasa de natalidad entre 2018 y 2021? despues de pandemia reduce la natalidad en comparacion con 2018

¿Qué ocurre con el incremento natural durante ese periodo? disminuye en compracion con la muerte

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