# Librerias necesitadas
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.1 ✔ stringr 1.5.2
## ✔ ggplot2 4.0.0 ✔ tibble 3.3.0
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.1.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(readr)
library(janitor)##
## Attaching package: 'janitor'
##
## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testlibrary(tidyverse)
library(DT)# Ruta a la carpeta csv
ruta_csv <- "~/Desktop/RStudio/ITER_19CSV20.csv"
iter <- read_csv(
file = ruta_csv,
show_col_types = FALSE,
locale = locale(encoding = "UTF-8")
) %>%
clean_names() # Solo Mier y Noriega
myn <- iter %>%
filter(nom_mun == "Mier y Noriega")
cat("Filas (registros) en Mier y Noriega:", nrow(myn), "\n")## Filas (registros) en Mier y Noriega: 28glimpse(myn)## Rows: 28
## Columns: 286
## $ entidad <dbl> 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19…
## $ nom_ent <chr> "Nuevo León", "Nuevo León", "Nuevo León", "Nuevo León", "N…
## $ mun <chr> "036", "036", "036", "036", "036", "036", "036", "036", "0…
## $ nom_mun <chr> "Mier y Noriega", "Mier y Noriega", "Mier y Noriega", "Mie…
## $ loc <chr> "0000", "0001", "0003", "0004", "0005", "0007", "0008", "0…
## $ nom_loc <chr> "Total del Municipio", "Mier y Noriega", "La Cardona", "Ce…
## $ longitud <chr> NA, "100°07'10.810\" W", "99°58'50.203\" W", "100°11'30.12…
## $ latitud <chr> NA, "23°25'23.230\" N", "23°24'03.402\" N", "23°20'15.795\…
## $ altitud <chr> NA, "1669", "1916", "1336", "1532", "1958", "1419", "1917"…
## $ pobtot <dbl> 7652, 1180, 479, 586, 549, 206, 215, 45, 208, 124, 865, 51…
## $ pobfem <chr> "3857", "604", "232", "297", "277", "91", "108", "21", "93…
## $ pobmas <chr> "3795", "576", "247", "289", "272", "115", "107", "24", "1…
## $ p_0a2 <chr> "493", "59", "27", "45", "30", "12", "14", "2", "13", "10"…
## $ p_0a2_f <chr> "242", "36", "11", "25", "15", "3", "6", "1", "2", "4", "3…
## $ p_0a2_m <chr> "251", "23", "16", "20", "15", "9", "8", "1", "11", "6", "…
## $ p_3ymas <chr> "7159", "1121", "452", "541", "519", "194", "201", "43", "…
## $ p_3ymas_f <chr> "3615", "568", "221", "272", "262", "88", "102", "20", "91…
## $ p_3ymas_m <chr> "3544", "553", "231", "269", "257", "106", "99", "23", "10…
## $ p_5ymas <chr> "6807", "1068", "428", "502", "509", "189", "192", "40", "…
## $ p_5ymas_f <chr> "3424", "540", "205", "254", "255", "87", "98", "20", "85"…
## $ p_5ymas_m <chr> "3383", "528", "223", "248", "254", "102", "94", "20", "96…
## $ p_12ymas <chr> "5663", "904", "366", "417", "430", "164", "160", "32", "1…
## $ p_12ymas_f <chr> "2856", "468", "177", "210", "213", "81", "82", "15", "73"…
## $ p_12ymas_m <chr> "2807", "436", "189", "207", "217", "83", "78", "17", "78"…
## $ p_15ymas <chr> "5119", "840", "323", "367", "382", "149", "148", "30", "1…
## $ p_15ymas_f <chr> "2587", "436", "157", "185", "195", "72", "77", "13", "67"…
## $ p_15ymas_m <chr> "2532", "404", "166", "182", "187", "77", "71", "17", "68"…
## $ p_18ymas <chr> "4661", "789", "292", "332", "352", "138", "134", "28", "1…
## $ p_18ymas_f <chr> "2365", "406", "146", "169", "180", "66", "69", "13", "62"…
## $ p_18ymas_m <chr> "2296", "383", "146", "163", "172", "72", "65", "15", "61"…
## $ p_3a5 <chr> "524", "82", "34", "55", "21", "11", "10", "5", "18", "9",…
## $ p_3a5_f <chr> "277", "42", "19", "28", "14", "3", "5", "2", "6", "5", "3…
## $ p_3a5_m <chr> "247", "40", "15", "27", "7", "8", "5", "3", "12", "4", "3…
## $ p_6a11 <chr> "972", "135", "52", "69", "68", "19", "31", "6", "26", "21…
## $ p_6a11_f <chr> "482", "58", "25", "34", "35", "4", "15", "3", "12", "11",…
## $ p_6a11_m <chr> "490", "77", "27", "35", "33", "15", "16", "3", "14", "10"…
## $ p_8a14 <chr> "1224", "159", "73", "102", "98", "29", "30", "5", "34", "…
## $ p_8a14_f <chr> "597", "72", "33", "53", "42", "13", "15", "4", "13", "13"…
## $ p_8a14_m <chr> "627", "87", "40", "49", "56", "16", "15", "1", "21", "16"…
## $ p_12a14 <chr> "544", "64", "43", "50", "48", "15", "12", "2", "16", "11"…
## $ p_12a14_f <chr> "269", "32", "20", "25", "18", "9", "5", "2", "6", "4", "3…
## $ p_12a14_m <chr> "275", "32", "23", "25", "30", "6", "7", "0", "10", "7", "…
## $ p_15a17 <chr> "458", "51", "31", "35", "30", "11", "14", "2", "12", "14"…
## $ p_15a17_f <chr> "222", "30", "11", "16", "15", "6", "8", "0", "5", "6", "2…
## $ p_15a17_m <chr> "236", "21", "20", "19", "15", "5", "6", "2", "7", "8", "3…
## $ p_18a24 <chr> "767", "93", "44", "68", "67", "14", "17", "3", "31", "15"…
## $ p_18a24_f <chr> "408", "45", "28", "32", "35", "8", "7", "0", "14", "5", "…
## $ p_18a24_m <chr> "359", "48", "16", "36", "32", "6", "10", "3", "17", "10",…
## $ p_15a49_f <chr> "1757", "267", "94", "129", "140", "40", "52", "8", "50", …
## $ p_60ymas <chr> "1130", "238", "94", "77", "73", "40", "38", "7", "22", "5…
## $ p_60ymas_f <chr> "530", "119", "41", "36", "38", "19", "19", "3", "10", "1"…
## $ p_60ymas_m <chr> "600", "119", "53", "41", "35", "21", "19", "4", "12", "4"…
## $ rel_h_m <chr> "98.39", "95.36", "106.47", "97.31", "98.19", "126.37", "9…
## $ pob0_14 <chr> "2533", "340", "156", "219", "167", "57", "67", "15", "73"…
## $ pob15_64 <chr> "4252", "641", "254", "309", "325", "119", "119", "27", "1…
## $ pob65_mas <chr> "867", "199", "69", "58", "57", "30", "29", "3", "12", "1"…
## $ p_0a4 <chr> "845", "112", "51", "84", "40", "17", "23", "5", "27", "15…
## $ p_0a4_f <chr> "433", "64", "27", "43", "22", "4", "10", "1", "8", "6", "…
## $ p_0a4_m <chr> "412", "48", "24", "41", "18", "13", "13", "4", "19", "9",…
## $ p_5a9 <chr> "811", "122", "47", "60", "54", "18", "25", "6", "19", "12…
## $ p_5a9_f <chr> "404", "58", "21", "31", "28", "4", "12", "4", "10", "6", …
## $ p_5a9_m <chr> "407", "64", "26", "29", "26", "14", "13", "2", "9", "6", …
## $ p_10a14 <chr> "877", "106", "58", "75", "73", "22", "19", "4", "27", "24…
## $ p_10a14_f <chr> "433", "46", "27", "38", "32", "11", "9", "3", "8", "12", …
## $ p_10a14_m <chr> "444", "60", "31", "37", "41", "11", "10", "1", "19", "12"…
## $ p_15a19 <chr> "712", "81", "45", "54", "51", "18", "20", "3", "19", "22"…
## $ p_15a19_f <chr> "351", "42", "21", "22", "28", "10", "11", "0", "10", "8",…
## $ p_15a19_m <chr> "361", "39", "24", "32", "23", "8", "9", "3", "9", "14", "…
## $ p_20a24 <chr> "513", "63", "30", "49", "46", "7", "11", "2", "24", "7", …
## $ p_20a24_f <chr> "279", "33", "18", "26", "22", "4", "4", "0", "9", "3", "4…
## $ p_20a24_m <chr> "234", "30", "12", "23", "24", "3", "7", "2", "15", "4", "…
## $ p_25a29 <chr> "489", "74", "25", "31", "35", "18", "8", "5", "15", "10",…
## $ p_25a29_f <chr> "264", "46", "12", "19", "18", "8", "6", "4", "11", "8", "…
## $ p_25a29_m <chr> "225", "28", "13", "12", "17", "10", "2", "1", "4", "2", "…
## $ p_30a34 <chr> "454", "74", "27", "27", "31", "13", "20", "2", "13", "8",…
## $ p_30a34_f <chr> "251", "40", "16", "15", "17", "6", "13", "0", "6", "2", "…
## $ p_30a34_m <chr> "203", "34", "11", "12", "14", "7", "7", "2", "7", "6", "3…
## $ p_35a39 <chr> "419", "69", "13", "29", "30", "16", "13", "4", "9", "8", …
## $ p_35a39_f <chr> "211", "38", "4", "19", "13", "8", "6", "2", "4", "4", "21…
## $ p_35a39_m <chr> "208", "31", "9", "10", "17", "8", "7", "2", "5", "4", "18…
## $ p_40a44 <chr> "446", "69", "20", "34", "51", "7", "10", "3", "12", "7", …
## $ p_40a44_f <chr> "240", "41", "11", "16", "29", "4", "6", "2", "7", "3", "2…
## $ p_40a44_m <chr> "206", "28", "9", "18", "22", "3", "4", "1", "5", "4", "19…
## $ p_45a49 <chr> "372", "73", "25", "28", "27", "5", "13", "1", "9", "2", "…
## $ p_45a49_f <chr> "161", "27", "12", "12", "13", "0", "6", "0", "3", "1", "1…
## $ p_45a49_m <chr> "211", "46", "13", "16", "14", "5", "7", "1", "6", "1", "1…
## $ p_50a54 <chr> "311", "51", "23", "26", "25", "10", "9", "1", "7", "1", "…
## $ p_50a54_f <chr> "164", "27", "13", "15", "11", "8", "3", "1", "4", "1", "1…
## $ p_50a54_m <chr> "147", "24", "10", "11", "14", "2", "6", "0", "3", "0", "1…
## $ p_55a59 <chr> "273", "48", "21", "12", "13", "15", "6", "2", "5", "3", "…
## $ p_55a59_f <chr> "136", "23", "9", "5", "6", "5", "3", "1", "3", "2", "7", …
## $ p_55a59_m <chr> "137", "25", "12", "7", "7", "10", "3", "1", "2", "1", "12…
## $ p_60a64 <chr> "263", "39", "25", "19", "16", "10", "9", "4", "10", "4", …
## $ p_60a64_f <chr> "125", "22", "14", "7", "8", "5", "7", "2", "4", "1", "4",…
## $ p_60a64_m <chr> "138", "17", "11", "12", "8", "5", "2", "2", "6", "3", "5"…
## $ p_65a69 <chr> "211", "48", "24", "15", "13", "7", "7", "1", "2", "1", "1…
## $ p_65a69_f <chr> "94", "19", "6", "9", "10", "4", "2", "0", "1", "0", "3", …
## $ p_65a69_m <chr> "117", "29", "18", "6", "3", "3", "5", "1", "1", "1", "8",…
## $ p_70a74 <chr> "193", "42", "13", "15", "7", "8", "5", "0", "5", "0", "13…
## $ p_70a74_f <chr> "100", "23", "6", "8", "5", "5", "3", "0", "2", "0", "6", …
## $ p_70a74_m <chr> "93", "19", "7", "7", "2", "3", "2", "0", "3", "0", "7", "…
## $ p_75a79 <chr> "193", "33", "15", "12", "15", "9", "7", "1", "2", "0", "8…
## $ p_75a79_f <chr> "92", "17", "6", "4", "8", "4", "3", "1", "1", "0", "4", "…
## $ p_75a79_m <chr> "101", "16", "9", "8", "7", "5", "4", "0", "1", "0", "4", …
## $ p_80a84 <chr> "131", "40", "7", "6", "14", "4", "4", "1", "2", "0", "2",…
## $ p_80a84_f <chr> "61", "22", "4", "3", "4", "0", "2", "0", "2", "0", "2", "…
## $ p_80a84_m <chr> "70", "18", "3", "3", "10", "4", "2", "1", "0", "0", "0", …
## $ p_85ymas <chr> "139", "36", "10", "10", "8", "2", "6", "0", "1", "0", "4"…
## $ p_85ymas_f <chr> "58", "16", "5", "5", "3", "1", "2", "0", "0", "0", "2", "…
## $ p_85ymas_m <chr> "81", "20", "5", "5", "5", "1", "4", "0", "1", "0", "2", "…
## $ prom_hnv <chr> "3.2", "3.03", "3.84", "3.32", "2.91", "3.59", "3.85", "3.…
## $ pnacent <chr> "7203", "1025", "441", "571", "522", "194", "205", "33", "…
## $ pnacent_f <chr> "3575", "512", "202", "286", "257", "81", "103", "15", "92…
## $ pnacent_m <chr> "3628", "513", "239", "285", "265", "113", "102", "18", "1…
## $ pnacoe <chr> "389", "140", "36", "13", "21", "12", "9", "11", "2", "3",…
## $ pnacoe_f <chr> "246", "83", "29", "10", "16", "10", "4", "6", "1", "0", "…
## $ pnacoe_m <chr> "143", "57", "7", "3", "5", "2", "5", "5", "1", "3", "10",…
## $ pres2015 <chr> "6671", "1027", "420", "502", "497", "187", "192", "38", "…
## $ pres2015_f <chr> "3356", "523", "200", "254", "248", "85", "98", "19", "85"…
## $ pres2015_m <chr> "3315", "504", "220", "248", "249", "102", "94", "19", "96…
## $ presoe15 <chr> "90", "31", "4", "0", "9", "2", "0", "2", "0", "0", "5", "…
## $ presoe15_f <chr> "57", "17", "4", "0", "6", "2", "0", "1", "0", "0", "3", "…
## $ presoe15_m <chr> "33", "14", "0", "0", "3", "0", "0", "1", "0", "0", "2", "…
## $ p3ym_hli <chr> "5", "4", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ p3ym_hli_f <chr> "4", "3", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ p3ym_hli_m <chr> "1", "1", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hlinhe <chr> "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hlinhe_f <chr> "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hlinhe_m <chr> "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hli_he <chr> "5", "4", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hli_he_f <chr> "4", "3", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ p3hli_he_m <chr> "1", "1", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p5_hli <chr> "5", "4", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ p5_hli_nhe <chr> "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p5_hli_he <chr> "5", "4", "0", "0", "1", "0", "0", "0", "0", "0", "0", "0"…
## $ phog_ind <chr> "13", "8", "0", "0", "5", "0", "0", "0", "0", "0", "0", "0…
## $ pob_afro <chr> "33", "12", "0", "3", "0", "0", "0", "0", "0", "0", "0", "…
## $ pob_afro_f <chr> "13", "5", "0", "0", "0", "0", "0", "0", "0", "0", "0", "1…
## $ pob_afro_m <chr> "20", "7", "0", "3", "0", "0", "0", "0", "0", "0", "0", "0…
## $ pcon_disc <chr> "472", "59", "20", "25", "56", "5", "13", "3", "9", "11", …
## $ pcdisc_mot <chr> "196", "31", "8", "3", "27", "1", "2", "1", "2", "1", "20"…
## $ pcdisc_vis <chr> "193", "28", "5", "11", "31", "2", "6", "1", "4", "2", "13…
## $ pcdisc_leng <chr> "74", "9", "4", "3", "3", "0", "1", "0", "1", "5", "10", "…
## $ pcdisc_aud <chr> "108", "21", "7", "8", "4", "3", "4", "1", "2", "0", "9", …
## $ pcdisc_mot2 <chr> "72", "11", "5", "0", "6", "1", "1", "1", "2", "1", "8", "…
## $ pcdisc_men <chr> "105", "12", "3", "5", "17", "1", "1", "1", "3", "5", "8",…
## $ pcon_limi <chr> "989", "148", "124", "26", "56", "43", "19", "9", "13", "1…
## $ pclim_csb <chr> "327", "50", "61", "7", "18", "22", "6", "4", "1", "4", "4…
## $ pclim_vis <chr> "651", "104", "92", "14", "31", "23", "13", "7", "10", "11…
## $ pclim_haco <chr> "76", "7", "13", "2", "1", "1", "1", "0", "1", "0", "16", …
## $ pclim_oaud <chr> "212", "32", "45", "12", "2", "11", "3", "2", "2", "3", "2…
## $ pclim_mot2 <chr> "50", "5", "17", "1", "2", "2", "0", "0", "0", "1", "8", "…
## $ pclim_re_co <chr> "190", "32", "30", "2", "21", "8", "1", "1", "0", "3", "23…
## $ pclim_pmen <chr> "71", "11", "3", "8", "5", "0", "2", "0", "1", "0", "6", "…
## $ psind_lim <chr> "6162", "968", "335", "528", "434", "158", "182", "33", "1…
## $ p3a5_noa <chr> "182", "20", "18", "21", "4", "0", "6", "1", "9", "0", "29…
## $ p3a5_noa_f <chr> "90", "8", "11", "7", "2", "0", "3", "0", "5", "0", "13", …
## $ p3a5_noa_m <chr> "92", "12", "7", "14", "2", "0", "3", "1", "4", "0", "16",…
## $ p6a11_noa <chr> "22", "4", "1", "5", "0", "0", "0", "0", "1", "0", "3", "0…
## $ p6a11_noaf <chr> "8", "1", "1", "2", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p6a11_noam <chr> "14", "3", "0", "3", "0", "0", "0", "0", "1", "0", "3", "0…
## $ p12a14noa <chr> "61", "4", "1", "7", "3", "1", "2", "0", "0", "0", "8", "7…
## $ p12a14noaf <chr> "31", "1", "0", "4", "3", "0", "1", "0", "0", "0", "5", "2…
## $ p12a14noam <chr> "30", "3", "1", "3", "0", "1", "1", "0", "0", "0", "3", "5…
## $ p15a17a <chr> "266", "34", "21", "23", "21", "6", "11", "1", "2", "2", "…
## $ p15a17a_f <chr> "129", "23", "8", "11", "10", "3", "6", "0", "1", "0", "9"…
## $ p15a17a_m <chr> "137", "11", "13", "12", "11", "3", "5", "1", "1", "2", "2…
## $ p18a24a <chr> "81", "18", "6", "10", "8", "1", "3", "1", "0", "0", "6", …
## $ p18a24a_f <chr> "52", "10", "4", "9", "4", "0", "2", "0", "0", "0", "3", "…
## $ p18a24a_m <chr> "29", "8", "2", "1", "4", "1", "1", "1", "0", "0", "3", "0…
## $ p8a14an <chr> "26", "1", "1", "2", "2", "1", "0", "1", "2", "1", "7", "2…
## $ p8a14an_f <chr> "9", "0", "1", "1", "0", "0", "0", "1", "1", "0", "2", "2"…
## $ p8a14an_m <chr> "17", "1", "0", "1", "2", "1", "0", "0", "1", "1", "5", "0…
## $ p15ym_an <chr> "595", "83", "77", "36", "21", "18", "11", "1", "12", "5",…
## $ p15ym_an_f <chr> "293", "46", "37", "16", "13", "11", "5", "1", "4", "1", "…
## $ p15ym_an_m <chr> "302", "37", "40", "20", "8", "7", "6", "0", "8", "4", "21…
## $ p15ym_se <chr> "520", "98", "59", "31", "21", "16", "7", "3", "15", "6", …
## $ p15ym_se_f <chr> "245", "52", "26", "10", "12", "9", "4", "1", "5", "2", "1…
## $ p15ym_se_m <chr> "275", "46", "33", "21", "9", "7", "3", "2", "10", "4", "1…
## $ p15pri_in <chr> "1086", "143", "88", "85", "67", "43", "42", "8", "23", "1…
## $ p15pri_inf <chr> "493", "69", "44", "42", "29", "17", "19", "3", "11", "7",…
## $ p15pri_inm <chr> "593", "74", "44", "43", "38", "26", "23", "5", "12", "5",…
## $ p15pri_co <chr> "902", "124", "45", "65", "52", "44", "34", "4", "48", "18…
## $ p15pri_cof <chr> "477", "61", "19", "32", "32", "18", "18", "4", "23", "6",…
## $ p15pri_com <chr> "425", "63", "26", "33", "20", "26", "16", "0", "25", "12"…
## $ p15sec_in <chr> "214", "16", "15", "26", "12", "3", "5", "2", "8", "7", "3…
## $ p15sec_inf <chr> "92", "6", "4", "11", "5", "1", "2", "0", "5", "3", "15", …
## $ p15sec_inm <chr> "122", "10", "11", "15", "7", "2", "3", "2", "3", "4", "20…
## $ p15sec_co <chr> "1632", "249", "94", "103", "165", "32", "32", "9", "34", …
## $ p15sec_cof <chr> "859", "128", "48", "63", "81", "21", "19", "4", "17", "15…
## $ p15sec_com <chr> "773", "121", "46", "40", "84", "11", "13", "5", "17", "13…
## $ p18ym_pb <chr> "583", "183", "17", "40", "51", "8", "18", "4", "5", "1", …
## $ p18ym_pb_f <chr> "328", "101", "12", "19", "30", "4", "8", "1", "5", "0", "…
## $ p18ym_pb_m <chr> "255", "82", "5", "21", "21", "4", "10", "3", "0", "1", "1…
## $ graproes <chr> "6.59", "7.27", "5.3", "6.65", "7.46", "5.44", "6.51", "6.…
## $ graproes_f <chr> "6.82", "7.43", "5.59", "6.99", "7.53", "5.71", "6.75", "6…
## $ graproes_m <chr> "6.36", "7.11", "5.02", "6.29", "7.39", "5.19", "6.24", "6…
## $ pea <chr> "2356", "285", "138", "224", "200", "16", "65", "14", "58"…
## $ pea_f <chr> "531", "93", "11", "54", "44", "2", "13", "0", "9", "1", "…
## $ pea_m <chr> "1825", "192", "127", "170", "156", "14", "52", "14", "49"…
## $ pe_inac <chr> "3277", "606", "228", "192", "229", "148", "93", "18", "92…
## $ pe_inac_f <chr> "2321", "375", "166", "156", "169", "79", "69", "15", "64"…
## $ pe_inac_m <chr> "956", "231", "62", "36", "60", "69", "24", "3", "28", "17…
## $ pocupada <chr> "2263", "275", "136", "224", "183", "16", "65", "14", "57"…
## $ pocupada_f <chr> "526", "91", "11", "54", "42", "2", "13", "0", "9", "1", "…
## $ pocupada_m <chr> "1737", "184", "125", "170", "141", "14", "52", "14", "48"…
## $ pdesocup <chr> "93", "10", "2", "0", "17", "0", "0", "0", "1", "0", "2", …
## $ pdesocup_f <chr> "5", "2", "0", "0", "2", "0", "0", "0", "0", "0", "0", "0"…
## $ pdesocup_m <chr> "88", "8", "2", "0", "15", "0", "0", "0", "1", "0", "2", "…
## $ psinder <chr> "541", "72", "34", "2", "71", "14", "12", "6", "3", "0", "…
## $ pder_ss <chr> "7108", "1107", "445", "583", "478", "192", "202", "39", "…
## $ pder_imss <chr> "179", "41", "0", "3", "9", "0", "13", "0", "1", "0", "1",…
## $ pder_iste <chr> "82", "39", "1", "1", "10", "0", "1", "2", "0", "0", "2", …
## $ pder_istee <chr> "35", "23", "7", "3", "0", "0", "0", "0", "2", "0", "0", "…
## $ pafil_pdom <chr> "2", "2", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ pder_segp <chr> "6806", "987", "438", "577", "463", "192", "188", "39", "2…
## $ pder_imssb <chr> "10", "9", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0…
## $ pafil_ipriv <chr> "13", "12", "0", "0", "0", "0", "0", "0", "0", "0", "1", "…
## $ pafil_otrai <chr> "8", "6", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ p12ym_solt <chr> "1609", "238", "100", "122", "126", "39", "48", "8", "45",…
## $ p12ym_casa <chr> "3534", "540", "238", "266", "268", "113", "99", "22", "94…
## $ p12ym_sepa <chr> "520", "126", "28", "29", "36", "12", "13", "2", "12", "1"…
## $ pcatolica <chr> "6514", "1075", "373", "456", "407", "203", "205", "45", "…
## $ pro_crieva <chr> "659", "75", "81", "61", "78", "0", "1", "0", "23", "0", "…
## $ potras_rel <chr> "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0", "0"…
## $ psin_relig <chr> "474", "29", "25", "69", "62", "3", "7", "0", "6", "10", "…
## $ tothog <chr> "1881", "335", "131", "122", "142", "54", "51", "12", "43"…
## $ hogjef_f <chr> "520", "145", "15", "63", "24", "6", "10", "1", "12", "1",…
## $ hogjef_m <chr> "1361", "190", "116", "59", "118", "48", "41", "11", "31",…
## $ pobhog <chr> "7652", "1180", "479", "586", "549", "206", "215", "45", "…
## $ phogjef_f <chr> "1888", "491", "36", "291", "64", "22", "26", "1", "48", "…
## $ phogjef_m <chr> "5764", "689", "443", "295", "485", "184", "189", "44", "1…
## $ vivtot <dbl> 2662, 561, 223, 159, 170, 84, 56, 26, 56, 27, 238, 168, 17…
## $ tvivhab <dbl> 1881, 335, 131, 122, 142, 54, 51, 12, 43, 22, 199, 129, 12…
## $ tvivpar <chr> "2658", "558", "223", "159", "170", "84", "56", "26", "56"…
## $ vivpar_hab <chr> "1877", "332", "131", "122", "142", "54", "51", "12", "43"…
## $ vivparh_cv <chr> "1881", "335", "131", "122", "142", "54", "51", "12", "43"…
## $ tvivparhab <chr> "1881", "335", "131", "122", "142", "54", "51", "12", "43"…
## $ vivpar_des <chr> "505", "175", "48", "10", "18", "21", "4", "12", "10", "2"…
## $ vivpar_ut <chr> "276", "51", "44", "27", "10", "9", "1", "2", "3", "3", "2…
## $ ocupvivpar <chr> "7652", "1180", "479", "586", "549", "206", "215", "45", "…
## $ prom_ocup <chr> "4.07", "3.52", "3.66", "4.8", "3.87", "3.81", "4.22", "3.…
## $ pro_ocup_c <chr> "1.16", "0.87", "1.11", "1.25", "1.18", "1.01", "1", "1.02…
## $ vph_pisodt <chr> "1830", "331", "129", "121", "136", "54", "50", "10", "41"…
## $ vph_pisoti <chr> "51", "4", "2", "1", "6", "0", "1", "2", "2", "1", "9", "4…
## $ vph_1dor <chr> "710", "128", "62", "35", "61", "19", "15", "5", "14", "5"…
## $ vph_2ymasd <chr> "1171", "207", "69", "87", "81", "35", "36", "7", "29", "1…
## $ vph_1cuart <chr> "110", "8", "7", "4", "6", "2", "0", "0", "1", "5", "25", …
## $ vph_2cuart <chr> "351", "52", "24", "12", "35", "7", "4", "4", "7", "2", "4…
## $ vph_3ymasc <chr> "1420", "275", "100", "106", "101", "45", "47", "8", "35",…
## $ vph_c_elec <chr> "1841", "326", "130", "120", "140", "54", "51", "12", "43"…
## $ vph_s_elec <chr> "40", "9", "1", "2", "2", "0", "0", "0", "0", "0", "5", "2…
## $ vph_aguadv <chr> "1492", "322", "118", "117", "119", "46", "50", "0", "34",…
## $ vph_aeasp <chr> "1269", "315", "117", "116", "117", "46", "49", "0", "34",…
## $ vph_aguafv <chr> "389", "13", "13", "5", "23", "8", "1", "12", "9", "22", "…
## $ vph_tinaco <chr> "550", "141", "46", "26", "58", "16", "22", "1", "10", "0"…
## $ vph_cister <chr> "331", "88", "8", "21", "29", "11", "16", "1", "4", "0", "…
## $ vph_excsa <chr> "531", "255", "16", "63", "30", "7", "16", "1", "0", "0", …
## $ vph_letr <chr> "1275", "77", "112", "59", "106", "47", "34", "11", "42", …
## $ vph_drenaj <chr> "858", "286", "116", "24", "30", "16", "17", "11", "0", "0…
## $ vph_nodren <chr> "1023", "49", "15", "98", "112", "38", "34", "1", "43", "2…
## $ vph_c_serv <chr> "723", "276", "104", "23", "30", "13", "17", "0", "0", "0"…
## $ vph_ndeaed <chr> "18", "3", "0", "1", "2", "0", "0", "0", "0", "0", "2", "2…
## $ vph_dsadma <chr> "469", "252", "38", "23", "29", "7", "15", "1", "0", "0", …
## $ vph_ndacmm <chr> "832", "117", "74", "46", "54", "19", "16", "3", "14", "6"…
## $ vph_snbien <chr> "69", "20", "11", "1", "3", "1", "1", "0", "1", "1", "4", …
## $ vph_refri <chr> "1581", "295", "110", "114", "125", "48", "48", "12", "31"…
## $ vph_lavad <chr> "1393", "265", "89", "108", "106", "42", "41", "9", "29", …
## $ vph_hmicro <chr> "509", "177", "20", "32", "35", "12", "18", "6", "4", "0",…
## $ vph_autom <chr> "1001", "216", "54", "74", "82", "35", "34", "8", "28", "1…
## $ vph_moto <chr> "214", "43", "9", "14", "26", "2", "8", "4", "4", "1", "20…
## $ vph_bici <chr> "294", "99", "7", "15", "23", "3", "9", "0", "4", "3", "11…
## $ vph_radio <chr> "839", "190", "53", "30", "71", "17", "10", "4", "9", "11"…
## $ vph_tv <chr> "1627", "297", "103", "113", "126", "43", "47", "11", "40"…
## $ vph_pc <chr> "99", "56", "1", "5", "6", "0", "2", "1", "2", "1", "6", "…
## $ vph_telef <chr> "172", "78", "29", "0", "1", "1", "1", "1", "2", "3", "0",…
## $ vph_cel <chr> "1288", "281", "14", "103", "125", "15", "38", "10", "8", …
## $ vph_inter <chr> "183", "123", "0", "1", "3", "0", "1", "1", "0", "0", "20"…
## $ vph_stvp <chr> "1253", "250", "98", "94", "104", "41", "45", "4", "34", "…
## $ vph_spmvpi <chr> "22", "17", "0", "0", "1", "0", "0", "0", "0", "0", "0", "…
## $ vph_cvj <chr> "19", "17", "0", "0", "0", "0", "0", "0", "0", "0", "0", "…
## $ vph_sinrtv <chr> "193", "32", "23", "7", "7", "6", "4", "0", "2", "1", "16"…
## $ vph_sinltc <chr> "538", "43", "96", "19", "17", "39", "13", "2", "34", "7",…
## $ vph_sincint <chr> "1649", "193", "130", "116", "136", "54", "48", "10", "41"…
## $ vph_sintic <chr> "139", "23", "22", "4", "5", "6", "4", "0", "1", "1", "9",…
## $ tamloc <chr> "*", "4", "2", "3", "3", "1", "1", "1", "1", "1", "3", "3"…# Variables clave
vars_clave <- c(
"entidad", "nom_ent", "mun", "nom_mun", "loc", "nom_loc", "tamloc",
"pobtot", "p15ym_an", "pea", "pocupada", "pdesocup", "psinder",
"vivtot", "tvivhab", "vivpar_hab",
"vph_c_elec", "vph_aguadv", "vph_drenaj", "vph_inter"
)
vars_clave <- vars_clave[vars_clave %in% names(myn)] # Verifica variables existentes en el dataset
myn_clave <- myn %>%
select(all_of(vars_clave))
glimpse(myn_clave)## Rows: 28
## Columns: 20
## $ entidad <dbl> 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19,…
## $ nom_ent <chr> "Nuevo León", "Nuevo León", "Nuevo León", "Nuevo León", "Nu…
## $ mun <chr> "036", "036", "036", "036", "036", "036", "036", "036", "03…
## $ nom_mun <chr> "Mier y Noriega", "Mier y Noriega", "Mier y Noriega", "Mier…
## $ loc <chr> "0000", "0001", "0003", "0004", "0005", "0007", "0008", "00…
## $ nom_loc <chr> "Total del Municipio", "Mier y Noriega", "La Cardona", "Cer…
## $ tamloc <chr> "*", "4", "2", "3", "3", "1", "1", "1", "1", "1", "3", "3",…
## $ pobtot <dbl> 7652, 1180, 479, 586, 549, 206, 215, 45, 208, 124, 865, 515…
## $ p15ym_an <chr> "595", "83", "77", "36", "21", "18", "11", "1", "12", "5", …
## $ pea <chr> "2356", "285", "138", "224", "200", "16", "65", "14", "58",…
## $ pocupada <chr> "2263", "275", "136", "224", "183", "16", "65", "14", "57",…
## $ pdesocup <chr> "93", "10", "2", "0", "17", "0", "0", "0", "1", "0", "2", "…
## $ psinder <chr> "541", "72", "34", "2", "71", "14", "12", "6", "3", "0", "2…
## $ vivtot <dbl> 2662, 561, 223, 159, 170, 84, 56, 26, 56, 27, 238, 168, 175…
## $ tvivhab <dbl> 1881, 335, 131, 122, 142, 54, 51, 12, 43, 22, 199, 129, 129…
## $ vivpar_hab <chr> "1877", "332", "131", "122", "142", "54", "51", "12", "43",…
## $ vph_c_elec <chr> "1841", "326", "130", "120", "140", "54", "51", "12", "43",…
## $ vph_aguadv <chr> "1492", "322", "118", "117", "119", "46", "50", "0", "34", …
## $ vph_drenaj <chr> "858", "286", "116", "24", "30", "16", "17", "11", "0", "0"…
## $ vph_inter <chr> "183", "123", "0", "1", "3", "0", "1", "1", "0", "0", "20",…# Limpiar los asteriscos que hay en el csv
myn_limpio <- myn %>%
mutate(across(
.cols = everything(),
.fns = ~ na_if(as.character(.x), "*")
))
# Convertir a numéricas las columnas que deberían ser números
cols_texto <- c("nom_ent", "nom_mun", "nom_loc", "longitud", "latitud", "altitud")
myn_limpio <- myn_limpio %>%
mutate(across(
.cols = setdiff(names(myn_limpio), cols_texto),
.fns = ~ suppressWarnings(as.numeric(.x))
))# Limpieza y NAs
na_resumen <- myn_limpio %>%
select(all_of(vars_clave)) %>%
summarise(across(everything(), ~ sum(is.na(.x)))) %>%
pivot_longer(everything(), names_to = "variable", values_to = "na_count") %>%
arrange(desc(na_count))
print(na_resumen)## # A tibble: 20 × 2
## variable na_count
## <chr> <int>
## 1 p15ym_an 6
## 2 pea 6
## 3 pocupada 6
## 4 pdesocup 6
## 5 psinder 6
## 6 vivpar_hab 6
## 7 vph_c_elec 6
## 8 vph_aguadv 6
## 9 vph_drenaj 6
## 10 vph_inter 6
## 11 tamloc 3
## 12 entidad 0
## 13 nom_ent 0
## 14 mun 0
## 15 nom_mun 0
## 16 loc 0
## 17 nom_loc 0
## 18 pobtot 0
## 19 vivtot 0
## 20 tvivhab 0# Variables clave limpias
myn_clave_limpio <- myn_limpio %>%
select(all_of(vars_clave))
glimpse(myn_clave_limpio)## Rows: 28
## Columns: 20
## $ entidad <dbl> 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19, 19,…
## $ nom_ent <chr> "Nuevo León", "Nuevo León", "Nuevo León", "Nuevo León", "Nu…
## $ mun <dbl> 36, 36, 36, 36, 36, 36, 36, 36, 36, 36, 36, 36, 36, 36, 36,…
## $ nom_mun <chr> "Mier y Noriega", "Mier y Noriega", "Mier y Noriega", "Mier…
## $ loc <dbl> 0, 1, 3, 4, 5, 7, 8, 9, 10, 12, 13, 15, 17, 18, 19, 20, 21,…
## $ nom_loc <chr> "Total del Municipio", "Mier y Noriega", "La Cardona", "Cer…
## $ tamloc <dbl> NA, 4, 2, 3, 3, 1, 1, 1, 1, 1, 3, 3, 3, 2, 1, 2, 1, 1, 3, 3…
## $ pobtot <dbl> 7652, 1180, 479, 586, 549, 206, 215, 45, 208, 124, 865, 515…
## $ p15ym_an <dbl> 595, 83, 77, 36, 21, 18, 11, 1, 12, 5, 43, 72, 40, 17, 2, 6…
## $ pea <dbl> 2356, 285, 138, 224, 200, 16, 65, 14, 58, 31, 174, 170, 150…
## $ pocupada <dbl> 2263, 275, 136, 224, 183, 16, 65, 14, 57, 31, 172, 147, 125…
## $ pdesocup <dbl> 93, 10, 2, 0, 17, 0, 0, 0, 1, 0, 2, 23, 25, 1, 0, 0, 0, 0, …
## $ psinder <dbl> 541, 72, 34, 2, 71, 14, 12, 6, 3, 0, 22, 130, 67, 25, 0, 20…
## $ vivtot <dbl> 2662, 561, 223, 159, 170, 84, 56, 26, 56, 27, 238, 168, 175…
## $ tvivhab <dbl> 1881, 335, 131, 122, 142, 54, 51, 12, 43, 22, 199, 129, 129…
## $ vivpar_hab <dbl> 1877, 332, 131, 122, 142, 54, 51, 12, 43, 22, 199, 129, 129…
## $ vph_c_elec <dbl> 1841, 326, 130, 120, 140, 54, 51, 12, 43, 22, 194, 127, 124…
## $ vph_aguadv <dbl> 1492, 322, 118, 117, 119, 46, 50, 0, 34, 0, 128, 92, 120, 8…
## $ vph_drenaj <dbl> 858, 286, 116, 24, 30, 16, 17, 11, 0, 0, 68, 17, 6, 37, 5, …
## $ vph_inter <dbl> 183, 123, 0, 1, 3, 0, 1, 1, 0, 0, 20, 1, 3, 20, 0, 4, 0, 0,…# Localidades reales
myn_loc <- myn_limpio %>%
filter(!loc %in% c(0, 9998, 9999))
# Población total municipal
pob_municipal_suma <- myn_loc %>%
summarise(pob_total_mun = sum(pobtot, na.rm = TRUE)) %>%
pull(pob_total_mun)
cat("Población total (sumando localidades):", pob_municipal_suma, "\n")## Población total (sumando localidades): 7652# Indicadores de educación por localidad
educ_loc <- myn_loc %>%
transmute(
nom_loc,
pobtot,
p_15ymas,
p15ym_an,
graproes,
pct_analf_15ymas = if_else(p_15ymas > 0,
(p15ym_an / p_15ymas) * 100,
NA_real_)
)
# Tabla / rezago educativo
max_grap <- max(educ_loc$graproes, na.rm = TRUE)
tabla_rezago <- educ_loc %>%
mutate(
rezago_educativo = pct_analf_15ymas + (max_grap - graproes)
) %>%
arrange(desc(rezago_educativo)) %>%
select(nom_loc, pobtot, pct_analf_15ymas, graproes, rezago_educativo)
DT::datatable(tabla_rezago,
caption = "Rezago Educativo por Localidad",
options = list(pageLength = 5))# Viviendas y servicios
denom_var <- if ("vivparh_cv" %in% names(myn_loc)) "vivparh_cv" else "vivpar_hab"
serv_loc <- myn_loc %>%
mutate(viv_denom = .data[[denom_var]]) %>% # crea columna con el denominador elegido
transmute(
nom_loc,
viv_denom,
# No agua entubada Clave: vph_aguafv
pct_sin_agua = if_else(viv_denom > 0,
(vph_aguafv / viv_denom) * 100,
NA_real_),
# No drenaje Clave: vph_nodren
pct_sin_drenaje = if_else(viv_denom > 0,
(vph_nodren / viv_denom) * 100,
NA_real_),
# No internet
sin_internet = if_else(!is.na(viv_denom) & !is.na(vph_inter),
pmax(viv_denom - vph_inter, 0),
NA_real_),
pct_sin_internet = if_else(viv_denom > 0,
(sin_internet / viv_denom) * 100,
NA_real_)
)# Carencia de servicios
tabla_carencias <- serv_loc %>%
mutate(
indice_carencia_servicios = pct_sin_agua + pct_sin_drenaje + pct_sin_internet
) %>%
arrange(desc(indice_carencia_servicios)) %>%
select(
nom_loc, viv_denom,
pct_sin_agua, pct_sin_drenaje, pct_sin_internet,
indice_carencia_servicios
)
DT::datatable(tabla_carencias,
caption = "Índice de Carencia de Servicios",
options = list(pageLength = 5))# Crear variable categórica
myn_loc <- myn_loc %>%
mutate(
tipo_localidad = if_else(
nom_loc == "Mier y Noriega",
"Cabecera Municipal",
"Localidades Rurales"
)
)
table(myn_loc$tipo_localidad)##
## Cabecera Municipal Localidades Rurales
## 1 24# Primero calculamos los indicadores educativos por localidad
educ_comp <- myn_loc %>%
mutate(
pct_analf_15ymas = if_else(
p_15ymas > 0,
(p15ym_an / p_15ymas) * 100,
NA_real_
)
) %>%
select(nom_loc, tipo_localidad, pct_analf_15ymas, graproes)
# Comparación de medidas
comparacion_educ <- educ_comp %>%
group_by(tipo_localidad) %>%
summarise(
media_analfabetismo = mean(pct_analf_15ymas, na.rm = TRUE),
media_escolaridad = mean(graproes, na.rm = TRUE)
)
DT::datatable(comparacion_educ,
caption = "Comparación Educación: Cabecera vs Rurales")# Comparación de servicios
serv_comp <- myn_loc %>%
mutate(
viv_denom = vivpar_hab,
pct_sin_agua = if_else(
viv_denom > 0,
(vph_aguafv / viv_denom) * 100,
NA_real_
),
pct_sin_drenaje = if_else(
viv_denom > 0,
(vph_nodren / viv_denom) * 100,
NA_real_
),
sin_internet = if_else(
!is.na(viv_denom) & !is.na(vph_inter),
pmax(viv_denom - vph_inter, 0),
NA_real_
),
pct_sin_internet = if_else(
viv_denom > 0,
(sin_internet / viv_denom) * 100,
NA_real_
)
) %>%
select(nom_loc, tipo_localidad,
pct_sin_agua, pct_sin_drenaje, pct_sin_internet)
# Medias por grupo
comparacion_serv <- serv_comp %>%
group_by(tipo_localidad) %>%
summarise(
media_sin_agua = mean(pct_sin_agua, na.rm = TRUE),
media_sin_drenaje = mean(pct_sin_drenaje, na.rm = TRUE),
media_sin_internet = mean(pct_sin_internet, na.rm = TRUE)
)
DT::datatable(comparacion_serv,
caption = "Comparación Servicios: Cabecera vs Rurales")El análisis de Mier y Noriega dejó claro que, incluso dentro de un mismo municipio, la realidad no es la misma para todos. Mientras la cabecera municipal concentra mejores niveles educativos y mayor acceso a servicios, varias de las localidades rurales enfrentan condiciones mucho más limitadas.
Uno de los hallazgos más preocupantes es el rezago educativo en algunas comunidades alejadas, donde el porcentaje de analfabetismo es considerablemente mayor y el grado promedio de escolaridad es más bajo. Esto no solo representa una cifra, sino una desventaja acumulada que impacta directamente en las oportunidades laborales y en el desarrollo personal de sus habitantes. En cuanto a los servicios básicos, la carencia de internet destaca como una de las brechas más significativas. En un contexto donde la conectividad es clave para la educación, el trabajo y el acceso a información, la falta de este servicio profundiza la desigualdad territorial. Además, en algunas localidades persisten deficiencias en agua entubada y drenaje, lo que refleja un rezago en infraestructura básica que afecta la calidad de vida.
En general, los resultados muestran que la desigualdad dentro del municipio no es solo económica, sino también geográfica. Las comunidades más alejadas enfrentan mayores limitaciones estructurales, lo que nos da la urgencia de implementar políticas públicas focalizadas que reduzcan estas brechas y promuevan un desarrollo más equitativo para toda la población.