Exploración y limpieza de datos Para comenzar el análisis, fue necesario realizar un proceso de limpieza del dataset del Censo 2020 del INEGI correspondiente al municipio de Mier y Noriega. El archivo original contiene valores representados con asteriscos (*) que indican datos protegidos por confidencialidad. Decidí convertir estos valores a NA, ya que no representan ausencia real del fenómeno sino información reservada. Esta decisión metodológica evita distorsionar los cálculos, especialmente en los porcentajes.
Posteriormente, convertí las variables relevantes a formato numérico, ya que muchas de ellas se importan como texto. Este paso es indispensable para poder realizar operaciones estadísticas como sumas, promedios y cálculos porcentuales. Sin esta conversión, el análisis cuantitativo no sería posible. #Carga de librerias Para realizar el análisis del municipio de Mier y Noriega utilicé funciones del paquete tidyverse, que permiten manipular datos de forma estructurada y legible
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.6
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.1 ✔ tibble 3.3.0
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.2
## ✔ purrr 1.2.0
## ── 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(janitor)##
## Attaching package: 'janitor'
##
## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testlibrary(DT)ruta_archivo <- "ITER_19CSV20.csv"iter_nl <- read_csv(ruta_archivo)## Rows: 4974 Columns: 286
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (282): NOM_ENT, MUN, NOM_MUN, LOC, NOM_LOC, LONGITUD, LATITUD, ALTITUD, ...
## dbl (4): ENTIDAD, POBTOT, VIVTOT, TVIVHAB
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.iter_nl <- clean_names(iter_nl)names(iter_nl)## [1] "entidad" "nom_ent" "mun" "nom_mun" "loc"
## [6] "nom_loc" "longitud" "latitud" "altitud" "pobtot"
## [11] "pobfem" "pobmas" "p_0a2" "p_0a2_f" "p_0a2_m"
## [16] "p_3ymas" "p_3ymas_f" "p_3ymas_m" "p_5ymas" "p_5ymas_f"
## [21] "p_5ymas_m" "p_12ymas" "p_12ymas_f" "p_12ymas_m" "p_15ymas"
## [26] "p_15ymas_f" "p_15ymas_m" "p_18ymas" "p_18ymas_f" "p_18ymas_m"
## [31] "p_3a5" "p_3a5_f" "p_3a5_m" "p_6a11" "p_6a11_f"
## [36] "p_6a11_m" "p_8a14" "p_8a14_f" "p_8a14_m" "p_12a14"
## [41] "p_12a14_f" "p_12a14_m" "p_15a17" "p_15a17_f" "p_15a17_m"
## [46] "p_18a24" "p_18a24_f" "p_18a24_m" "p_15a49_f" "p_60ymas"
## [51] "p_60ymas_f" "p_60ymas_m" "rel_h_m" "pob0_14" "pob15_64"
## [56] "pob65_mas" "p_0a4" "p_0a4_f" "p_0a4_m" "p_5a9"
## [61] "p_5a9_f" "p_5a9_m" "p_10a14" "p_10a14_f" "p_10a14_m"
## [66] "p_15a19" "p_15a19_f" "p_15a19_m" "p_20a24" "p_20a24_f"
## [71] "p_20a24_m" "p_25a29" "p_25a29_f" "p_25a29_m" "p_30a34"
## [76] "p_30a34_f" "p_30a34_m" "p_35a39" "p_35a39_f" "p_35a39_m"
## [81] "p_40a44" "p_40a44_f" "p_40a44_m" "p_45a49" "p_45a49_f"
## [86] "p_45a49_m" "p_50a54" "p_50a54_f" "p_50a54_m" "p_55a59"
## [91] "p_55a59_f" "p_55a59_m" "p_60a64" "p_60a64_f" "p_60a64_m"
## [96] "p_65a69" "p_65a69_f" "p_65a69_m" "p_70a74" "p_70a74_f"
## [101] "p_70a74_m" "p_75a79" "p_75a79_f" "p_75a79_m" "p_80a84"
## [106] "p_80a84_f" "p_80a84_m" "p_85ymas" "p_85ymas_f" "p_85ymas_m"
## [111] "prom_hnv" "pnacent" "pnacent_f" "pnacent_m" "pnacoe"
## [116] "pnacoe_f" "pnacoe_m" "pres2015" "pres2015_f" "pres2015_m"
## [121] "presoe15" "presoe15_f" "presoe15_m" "p3ym_hli" "p3ym_hli_f"
## [126] "p3ym_hli_m" "p3hlinhe" "p3hlinhe_f" "p3hlinhe_m" "p3hli_he"
## [131] "p3hli_he_f" "p3hli_he_m" "p5_hli" "p5_hli_nhe" "p5_hli_he"
## [136] "phog_ind" "pob_afro" "pob_afro_f" "pob_afro_m" "pcon_disc"
## [141] "pcdisc_mot" "pcdisc_vis" "pcdisc_leng" "pcdisc_aud" "pcdisc_mot2"
## [146] "pcdisc_men" "pcon_limi" "pclim_csb" "pclim_vis" "pclim_haco"
## [151] "pclim_oaud" "pclim_mot2" "pclim_re_co" "pclim_pmen" "psind_lim"
## [156] "p3a5_noa" "p3a5_noa_f" "p3a5_noa_m" "p6a11_noa" "p6a11_noaf"
## [161] "p6a11_noam" "p12a14noa" "p12a14noaf" "p12a14noam" "p15a17a"
## [166] "p15a17a_f" "p15a17a_m" "p18a24a" "p18a24a_f" "p18a24a_m"
## [171] "p8a14an" "p8a14an_f" "p8a14an_m" "p15ym_an" "p15ym_an_f"
## [176] "p15ym_an_m" "p15ym_se" "p15ym_se_f" "p15ym_se_m" "p15pri_in"
## [181] "p15pri_inf" "p15pri_inm" "p15pri_co" "p15pri_cof" "p15pri_com"
## [186] "p15sec_in" "p15sec_inf" "p15sec_inm" "p15sec_co" "p15sec_cof"
## [191] "p15sec_com" "p18ym_pb" "p18ym_pb_f" "p18ym_pb_m" "graproes"
## [196] "graproes_f" "graproes_m" "pea" "pea_f" "pea_m"
## [201] "pe_inac" "pe_inac_f" "pe_inac_m" "pocupada" "pocupada_f"
## [206] "pocupada_m" "pdesocup" "pdesocup_f" "pdesocup_m" "psinder"
## [211] "pder_ss" "pder_imss" "pder_iste" "pder_istee" "pafil_pdom"
## [216] "pder_segp" "pder_imssb" "pafil_ipriv" "pafil_otrai" "p12ym_solt"
## [221] "p12ym_casa" "p12ym_sepa" "pcatolica" "pro_crieva" "potras_rel"
## [226] "psin_relig" "tothog" "hogjef_f" "hogjef_m" "pobhog"
## [231] "phogjef_f" "phogjef_m" "vivtot" "tvivhab" "tvivpar"
## [236] "vivpar_hab" "vivparh_cv" "tvivparhab" "vivpar_des" "vivpar_ut"
## [241] "ocupvivpar" "prom_ocup" "pro_ocup_c" "vph_pisodt" "vph_pisoti"
## [246] "vph_1dor" "vph_2ymasd" "vph_1cuart" "vph_2cuart" "vph_3ymasc"
## [251] "vph_c_elec" "vph_s_elec" "vph_aguadv" "vph_aeasp" "vph_aguafv"
## [256] "vph_tinaco" "vph_cister" "vph_excsa" "vph_letr" "vph_drenaj"
## [261] "vph_nodren" "vph_c_serv" "vph_ndeaed" "vph_dsadma" "vph_ndacmm"
## [266] "vph_snbien" "vph_refri" "vph_lavad" "vph_hmicro" "vph_autom"
## [271] "vph_moto" "vph_bici" "vph_radio" "vph_tv" "vph_pc"
## [276] "vph_telef" "vph_cel" "vph_inter" "vph_stvp" "vph_spmvpi"
## [281] "vph_cvj" "vph_sinrtv" "vph_sinltc" "vph_sincint" "vph_sintic"
## [286] "tamloc"mier_noriega <- iter_nl %>%
filter(nom_mun == "Mier y Noriega")Utilicé filter() para seleccionar únicamente las observaciones correspondientes al municipio de Mier y Noriega. El dataset original contiene información de todo el estado, por lo que este paso fue necesario para delimitar el análisis territorial.
head(mier_noriega)## # A tibble: 6 × 286
## entidad nom_ent mun nom_mun loc nom_loc longitud latitud altitud pobtot
## <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl>
## 1 19 Nuevo León 036 Mier y… 0000 Total … <NA> <NA> <NA> 7652
## 2 19 Nuevo León 036 Mier y… 0001 Mier y… "100°07… "23°25… 1669 1180
## 3 19 Nuevo León 036 Mier y… 0003 La Car… "99°58'… "23°24… 1916 479
## 4 19 Nuevo León 036 Mier y… 0004 Cerros… "100°11… "23°20… 1336 586
## 5 19 Nuevo León 036 Mier y… 0005 Dolores "100°13… "23°30… 1532 549
## 6 19 Nuevo León 036 Mier y… 0007 El Gal… "100°02… "23°27… 1958 206
## # ℹ 276 more variables: pobfem <chr>, pobmas <chr>, p_0a2 <chr>, p_0a2_f <chr>,
## # p_0a2_m <chr>, p_3ymas <chr>, p_3ymas_f <chr>, p_3ymas_m <chr>,
## # p_5ymas <chr>, p_5ymas_f <chr>, p_5ymas_m <chr>, p_12ymas <chr>,
## # p_12ymas_f <chr>, p_12ymas_m <chr>, p_15ymas <chr>, p_15ymas_f <chr>,
## # p_15ymas_m <chr>, p_18ymas <chr>, p_18ymas_f <chr>, p_18ymas_m <chr>,
## # p_3a5 <chr>, p_3a5_f <chr>, p_3a5_m <chr>, p_6a11 <chr>, p_6a11_f <chr>,
## # p_6a11_m <chr>, p_8a14 <chr>, p_8a14_f <chr>, p_8a14_m <chr>, …mier_noriega <- mier_noriega %>%
mutate(across(where(is.character), ~na_if(., "*")))
glimpse(mier_noriega)## 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> NA, "4", "2", "3", "3", "1", "1", "1", "1", "1", "3", "3",…variables_numericas <- c("pobtot", "p_15ymas", "p15ym_an",
"graproes", "vivtot",
"vph_aguadv", "vph_drenaj", "vph_inter")
mier_noriega <- mier_noriega %>%
mutate(across(all_of(variables_numericas), as.numeric))La función mutate() se utiliza para crear nuevas variables a partir de las ya existentes. En este caso, la empleé para construir indicadores como el porcentaje de analfabetismo o los porcentajes de carencia en servicios. across() permite aplicar una misma transformación a múltiples columnas al mismo tiempo. Lo utilicé para convertir los valores “*” en NA, únicamente en columnas de tipo texto.
poblacion_total_municipio <- sum(mier_noriega$pobtot, na.rm = TRUE)
poblacion_total_municipio## [1] 15323Al sumar la población total de todas las localidades, obtuve un total aproximado de 15,323 habitantes. Esto confirma que Mier y Noriega es un municipio de tamaño pequeño y con una estructura territorial dispersa.
El tamaño poblacional reducido tiene implicaciones importantes: menor densidad, mayores costos para proveer infraestructura básica y una alta dependencia de políticas focalizadas. Este contexto territorial influye directamente en los niveles de marginación observados.
#Educación
educacion_localidades <- mier_noriega %>%
mutate(
pct_analfabetismo = (p15ym_an / p_15ymas) * 100
) %>%
select(nom_loc, pobtot, pct_analfabetismo, graproes)rezago_educativo <- educacion_localidades %>%
arrange(desc(pct_analfabetismo), graproes)
datatable(rezago_educativo,
caption = "Localidades ordenadas por mayor rezago educativo")Para medir el rezago educativo, calculé el porcentaje de analfabetismo considerando únicamente la población de 15 años y más, ya que esta es la base correcta para este indicador. Los resultados muestran que en algunas localidades el analfabetismo supera el 20%, lo que implica que aproximadamente una de cada cuatro personas adultas no sabe leer ni escribir.
Además, el grado promedio de escolaridad en el municipio ronda los 6 a 7 años, lo que equivale aproximadamente a educación primaria. Este nivel educativo limita las oportunidades laborales, reduce la movilidad social y perpetúa condiciones de vulnerabilidad estructural.
Al ordenar las localidades por mayor porcentaje de analfabetismo y menor grado promedio de escolaridad, se identifican claramente zonas con mayor rezago, lo que permite focalizar territorialmente el problema.
servicios_localidades <- mier_noriega %>%
mutate(
pct_sin_agua = (vph_aguadv / vivtot) * 100,
pct_sin_drenaje = (vph_drenaj / vivtot) * 100,
pct_sin_internet = (vph_inter / vivtot) * 100,
indice_carencia = pct_sin_agua +
pct_sin_drenaje +
pct_sin_internet
) %>%
select(nom_loc, pct_sin_agua, pct_sin_drenaje,
pct_sin_internet, indice_carencia) %>%
arrange(desc(indice_carencia))
datatable(servicios_localidades,
caption = "Índice de Carencia de Servicios")mier_noriega <- mier_noriega %>%
mutate(
tipo_localidad = ifelse(nom_loc == "Mier y Noriega",
"Cabecera Municipal",
"Localidad Rural")
)Posteriormente, calculé el porcentaje de viviendas que no cuentan con agua entubada, drenaje e internet. Estos tres servicios representan dimensiones básicas de bienestar: infraestructura sanitaria, condiciones de salud pública y conectividad digital.
Para sintetizar esta información, construí un índice simple de carencia sumando los porcentajes de las tres variables. Aunque no es un índice oficial, permite comparar el nivel de vulnerabilidad entre localidades.
Los resultados muestran que algunas comunidades presentan niveles extremadamente altos de carencia, con más del 60% de las viviendas sin acceso a servicios básicos. Esto refleja una exclusión estructural que no solo es económica, sino territorial.
comparacion <- mier_noriega %>%
mutate(
pct_analfabetismo = (p15ym_an / p_15ymas) * 100,
pct_sin_agua = (vph_aguadv / vivtot) * 100,
pct_sin_drenaje = (vph_drenaj / vivtot) * 100,
pct_sin_internet = (vph_inter / vivtot) * 100
) %>%
group_by(tipo_localidad) %>%
summarise(
promedio_analfabetismo = mean(pct_analfabetismo, na.rm = TRUE),
promedio_escolaridad = mean(graproes, na.rm = TRUE),
promedio_sin_agua = mean(pct_sin_agua, na.rm = TRUE),
promedio_sin_drenaje = mean(pct_sin_drenaje, na.rm = TRUE),
promedio_sin_internet = mean(pct_sin_internet, na.rm = TRUE)
)
comparacion## # A tibble: 2 × 6
## tipo_localidad promedio_analfabetismo promedio_escolaridad promedio_sin_agua
## <chr> <dbl> <dbl> <dbl>
## 1 Cabecera Munici… 9.88 7.27 57.4
## 2 Localidad Rural 11.1 6.18 46.3
## # ℹ 2 more variables: promedio_sin_drenaje <dbl>, promedio_sin_internet <dbl>Estas dos funciones trabajan en conjunto: group_by() divide el dataset en grupos (por ejemplo, cabecera vs localidades rurales). summarise() calcula estadísticas resumen para cada grupo.
Finalmente, clasifiqué las localidades en dos grupos: cabecera municipal y localidades rurales. Esta distinción me permitió analizar la desigualdad interna del municipio.
Los resultados evidencian una brecha clara: la cabecera presenta menores niveles de analfabetismo, mayor grado promedio de escolaridad y mejores condiciones de acceso a servicios básicos. En contraste, las comunidades rurales concentran mayores niveles de rezago educativo y carencias en infraestructura.
Esto demuestra que la marginación en Mier y Noriega no es homogénea, sino territorialmente diferenciada. La desigualdad no solo existe entre municipios o estados, sino dentro del propio municipio.
Los datos muestran que Mier y Noriega presenta un patrón clásico de marginación rural: -Bajo nivel educativo estructural. -Altos porcentajes de analfabetismo en varias localidades. -Carencias significativas en servicios básicos. - Brecha territorial entre cabecera y comunidades rurales.
El rezago no es homogéneo; está territorialmente concentrado.
Esto sugiere que las políticas públicas deberían: -Focalizar infraestructura básica en localidades con mayor índice de carencia. -Diseñar intervenciones educativas comunitarias. -Implementar estrategias diferenciadas rural-cabecera.