R Notebook

datos <- read.csv("C:/Users/DANIELA SANZ/Downloads/estadisticas_vitales_mexico_2018_2021.csv")
plot(cars)

print(datos)

  anio poblacion_total nacimientos_registrados defunciones_registradas
1 2018       124738000                 2162535                  722611
2 2019       125930000                 2092214                  747784
3 2020       126014024                 1629211                 1086743
4 2021       126705138                 1912178                 1122249
  incremento_natural casos_covid_confirmados
1            1439924                       0
2            1344430                       0
3             542468                 1437185
4             789929                      NA
  defunciones_covid_confirmadas
1                             0
2                             0
3                        126507
4                            NA

#df
nacimientos <- datos$nacimientos_registrados
total_poblacion <- datos$poblacion_total
#calculo de tasa de natalidad 
tasa_natalidad <- (nacimientos/total_poblacion)*1000
#resultado
cat("tasa de natalidad:",
mean (tasa_natalidad, na.rm = TRUE), 
"nacimientos 1000 habitantes durante el periodo 2018-2021\n")

tasa de natalidad: 15.49277 nacimientos 1000 habitantes durante el periodo 2018-2021

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

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

#grafico
ggplot(datos, aes(x = anio, y = tasa_natalidad, fill = anio)) + geom_bar (stat = "identity") + geom_text(aes(label = round(tasa_natalidad, 2)),vjust = -0.3, size = 4) +  labs(title = "tasa natalidad por año", x = "anio", y = "tasa de natalidad (por 1,000 habitantes)") + theme_classic()

#calculo de la tasa de mortalidad
tasa_mortalidad <- (datos$defunciones_registradas/datos$poblacion_total) * 1000

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

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

NA

# Resultado
cat("Tasa de mortalidad:", 
    mean(tasa_mortalidad, na.rm = TRUE), 
    "muertes por cada 1,000 habitantes durante el periodo 2018-2021\n")

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

#grafico
ggplot(datos, aes(x = anio, y = tasa_mortalidad, fill = anio)) + geom_bar (stat = "identity") + geom_text(aes(label = round(tasa_mortalidad, 2)),vjust = -0.3, size = 4) +  labs(title = "tasa mortalidad por año", x = "anio", y = "tasa de mortalidas(por 1,000 habitantes)") + theme_classic()

incremento_natural <- (tasa_natalidad - tasa_mortalidad)
datos$incremento_natural <- datos$tasa_natalidad - datos$tasa_mortalidad
datos[, c("anio", "incremento_natural")]

# Resultado
cat("Incremento natural", 
    # decidí sacar el promedio porque de la forma básica me arroja 3 vectores.
    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  10 variables:
 $ año                          : num  2018 2019 2020 2021
 $ poblacion_total              : num  1.25e+08 1.26e+08 1.26e+08 1.27e+08
 $ nacimientos_registrados      : num  2162535 2092214 1629211 1912178
 $ defunciones_registradas      : num  722611 747784 1086743 1122249
 $ casos_covid_confirmados      : num  0 0 1437185 0
 $ defunciones_covid_confirmadas: num  0 0 126507 0
 $ tasa_natalidad               : num  17.3 16.6 12.9 15.1
 $ tasa_mortalidad              : num  5.79 5.94 8.62 8.86
 $ incremento_natural           : num  11.54 10.68 4.3 6.23
 $ tasa_letalidad               : num  NaN NaN 8.8 NaN

'datos':   4 obs. of  9 variables:

Error: unexpected symbol en "'datos':   4 obs."

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, 0.2))) +
  labs(
    title = "Dinámica del incremento natural de la población",
    x = "Anio",
    y = "Incremento natural (por cada 1,000 habitantes)"
  ) +
  theme_minimal()

# Resultado
cat("Letalidad por Covid-19 fue de", 
   #mean(porc_letalidad, na.rm = TRUE), 
    "% durante 2020.\n ")

Letalidad por Covid-19 fue de % durante 2020.
 

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

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

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

datos_letalidad

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

Error: objeto 'letalidad' no encontrado

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()

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