Sobre este documento Este R Markdown corresponde al Script 1 del pipeline POGIT aplicado a la marca Adidas. Está basado directamente en el code1.R entregado por la directora de tesis (caso Apple). El script carga el survey de participantes del panel Amazon, construye las variables dummy de raza y eventos de vida, e integra todo en un objeto survey_enriched que será consumido por el Script 2.

Modificaciones respecto a code1.R (Apple):

Etiqueta Bloque Descripción
MOD-01 Bloque 9 (Eliminado) Ya no se genera un PDF combinado; ver MOD-04
MOD-02 Bloque 3 bar_plot() ahora acepta fuente serif/Times y tamaños configurables (base_size, font_family, axis_text_size)
MOD-03 Bloques 8 y 9 Los 20 títulos y etiquetas de las gráficas se tradujeron al español
MOD-04 Bloque 9 Cada gráfica se exporta como PDF individual vía ggsave() a 7×5 in / 300 dpi, directamente en C:/Users/User/Documents/Maestria Ciencia de Datos - PUJ Cali/Proyecto_Maestria_SOW_Addidas/cod_grupo2 2/cod_grupo2/Graficas_Addidas, lista para incluir en LaTeX
MOD-05 Bloque 3, 8, 9 bar_plot() envuelve automáticamente títulos largos (title_wrap) y, para variables con categorías largas, también las etiquetas del eje (label_wrap) — corrige el recorte que aparecía en raza, educación, frecuencia y cambios de vida

Los Bloques 1, 2, 4, 5, 6 y 7 son idénticos al original porque el survey es el mismo para Apple y para Adidas: los mismos participantes, las mismas preguntas demográficas. Los cambios de esta versión se concentran en la presentación visual de las gráficas (Bloques 3, 8 y 9), no en la lógica de datos.

1 Bloque 1 — Carga de paquetes

1.1 ¿Qué hace este bloque y por qué es necesario?

Antes de ejecutar cualquier análisis, R necesita cargar las librerías que contienen las funciones especializadas del pipeline. Este bloque define el listado completo de paquetes y los carga mediante una función personalizada load_pkg(), que verifica que todos hayan sido instalados correctamente.

La razón de centralizar la carga aquí es que si algún paquete falta, el error aparece desde el inicio y no a mitad del análisis. Los paquetes cubren cuatro grandes áreas: manipulación de datos (tidyverse, janitor, lubridate), visualización (ggplot2, scales, patchwork), modelación (pscl, tidymodels, caret) y cómputo paralelo (parallel, furrr, optimParallel), este último necesario para la estimación del modelo POGIT en el Script 3.

packages <- unique(c(
  "tidyverse", "lubridate", "janitor", "skimr", "snakecase",
  "stringr", "dplyr", "gridExtra", "scales", "viridis",
  "patchwork", "fastDummies", "readxl", "openxlsx", "tidymodels",
  "Matrix", "caret", "pscl", "xgboost", "Metrics",
  "numDeriv", "optimParallel", "parallel", "furrr", "progressr",
  "tibble", "readr", "forcats", "ggplot2", "tidyr"
))

load_pkg <- function(pkgs) {
  ok <- vapply(pkgs, function(p) {
    suppressPackageStartupMessages(require(p, character.only = TRUE))
  }, logical(1))
  if (any(!ok)) {
    stop("Packages not installed/loaded: ", paste(pkgs[!ok], collapse = ", "))
  }
  invisible(ok)
}
load_pkg(packages)

2 Bloque 2 — Configuración visual y paleta de colores

2.1 ¿Qué hace este bloque y por qué es necesario?

Este bloque establece dos configuraciones globales: el locale del sistema y la paleta de colores. Ambas deben definirse antes de la función bar_plot() del Bloque 3, porque bar_plot() usa pal como valor por defecto de su argumento fill_pal.

loc_ok <- base::Sys.setlocale("LC_ALL", "es_ES.UTF-8")
if (identical(loc_ok, "")) {
  warning(
    "Could not set locale 'es_ES.UTF-8'; ",
    "separators and month names will use the default locale."
  )
}

pal <- c(
  azul_1   = "#4E79A7",
  naranja  = "#F28E2B",
  rojo     = "#E15759",
  turquesa = "#76B7B2",
  verde    = "#59A14F",
  amarillo = "#EDC948",
  morado   = "#B07AA1",
  rosa     = "#FF9DA7",
  cafe     = "#9C755F",
  gris     = "#BAB0AC"
)

3 Bloque 3 — Función bar_plot() y funciones auxiliares

3.1 ¿Qué hace este bloque y por qué es necesario?

⚠️ MOD-02 — CAMBIO ADIDAS: bar_plot() ahora recibe tres argumentos nuevos: base_size (tamaño base del texto del tema, default 18 — antes el default implícito de theme_minimal() era 11), font_family (default "serif", que renderiza como una tipografía tipo Times en la mayoría de dispositivos PDF) y axis_text_size (override opcional, solo para variables con muchas categorías donde el texto del eje necesita ser más pequeño que el resto para no desbordarse — ej. estado, raza, educación).

También se tradujo la etiqueta fija del eje Y, que antes decía "Number of participants".

Este bloque define la función bar_plot() y dos funciones auxiliares de uso general en el pipeline: mode_safe() y reorder_drop_id().

bar_plot() genera gráficas de barras horizontales estandarizadas para cualquier variable categórica del survey. Encapsula la lógica de visualización siguiendo el principio DRY: en lugar de repetir el código 20 veces, una sola función recibe el dataframe, la variable, los títulos y parámetros opcionales y produce el gráfico.

Nota sobre la fuente “Times Roman”: family = "serif" es la opción más robusta multiplataforma — en la gran mayoría de los dispositivos PDF de R (especialmente cairo_pdf, que se usa en el Bloque 9) se renderiza como una tipografía métricamente equivalente a Times. Si tu universidad exige el nombre exacto “Times New Roman” (no solo una serif equivalente), la alternativa más confiable es el paquete showtext, que carga el archivo de fuente real sin depender de qué tenga instalado el sistema operativo: > > r > # Alternativa para fuente EXACTA "Times New Roman" (opcional, multiplataforma) > # install.packages("showtext") > # library(showtext) > # font_add(family = "Times New Roman", > # regular = "C:/Windows/Fonts/times.ttf") # Windows > # # regular = "/System/Library/Fonts/Supplemental/Times New Roman.ttf" # Mac > # showtext_auto() > # # Luego usar font_family = "Times New Roman" en bar_plot() > > > Por defecto dejamos "serif" porque no depende de rutas de archivo ni de instalar nada adicional.

mode_safe() calcula la moda de un vector ignorando NAs. reorder_drop_id() filtra un dataframe a un conjunto de response_id y los reordena para coincidir exactamente con el orden de referencia — se usará en el Script 2.

bar_plot <- function(df, var, title, x_lab,
                     fill_pal = pal, text_size = 4.5,
                     base_size = 18, font_family = "serif",
                     axis_text_size = NULL,
                     title_wrap = 36, label_wrap = NULL) {

  counts <- df %>%
    dplyr::filter(!is.na({{ var }})) %>%
    dplyr::count({{ var }}, name = "n") %>%
    dplyr::mutate(
      pct     = n / sum(n) * 100,
      var_chr = as.character({{ var }})
    ) %>%
    dplyr::arrange(dplyr::desc(n)) %>%
    dplyr::mutate(var_chr = forcats::fct_reorder(var_chr, n))

  fill_vals <- rep(unname(fill_pal), length.out = nrow(counts))
  names(fill_vals) <- levels(counts$var_chr)

  # [MOD-05] ggplot2 NO hace salto de l\u00ednea autom\u00e1tico en el t\u00edtulo. Si el
  # t\u00edtulo es m\u00e1s ancho que el lienzo (en especial con base_size grande),
  # se recorta en el borde derecho en vez de pasar a una segunda l\u00ednea.
  # str_wrap() lo soluciona insertando saltos de l\u00ednea donde haga falta.
  title_wrapped <- stringr::str_wrap(title, width = title_wrap)

  p <- ggplot2::ggplot(counts, ggplot2::aes(x = var_chr, y = n, fill = var_chr)) +
    ggplot2::geom_col() +
    ggplot2::geom_text(
      ggplot2::aes(label = sprintf("%.1f%%", pct), y = n),
      hjust = -0.1, size = text_size, colour = "black",
      family = font_family
    ) +
    ggplot2::coord_flip() +
    ggplot2::scale_y_continuous(
      expand = ggplot2::expansion(mult = c(0, 0.20))
    ) +
    ggplot2::scale_fill_manual(values = fill_vals, guide = "none") +
    ggplot2::labs(title = title_wrapped, x = x_lab, y = "N\u00famero de participantes") +
    ggplot2::theme_minimal(base_size = base_size) +
    ggplot2::theme(
      text = ggplot2::element_text(family = font_family),
      plot.title = ggplot2::element_text(lineheight = 1.05)
    )

  # [MOD-02] Override opcional de tama\u00f1o de texto del eje (variables con muchas categor\u00edas)
  if (!is.null(axis_text_size)) {
    p <- p + ggplot2::theme(axis.text.y = ggplot2::element_text(size = axis_text_size))
  }

  # [MOD-05] Override opcional: envuelve en varias l\u00edneas las categor\u00edas del
  # eje cuyo texto es largo (raza, educaci\u00f3n, eventos de vida, frecuencia...),
  # para que no empujen el resto de la gr\u00e1fica fuera del lienzo.
  if (!is.null(label_wrap)) {
    p <- p + ggplot2::scale_x_discrete(
      labels = function(x) stringr::str_wrap(x, width = label_wrap)
    )
  }

  p
}

mode_safe <- function(x) {
  x <- x[!is.na(x) & x != ""]
  if (length(x) == 0) return(NA_character_)
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

reorder_drop_id <- function(df, ref_ids) {
  df %>%
    dplyr::filter(response_id %in% ref_ids) %>%
    dplyr::slice(match(ref_ids, response_id))
}

Output esperado: Ningún output visible. exists("bar_plot") devolverá TRUE.

4 Bloque 4 — Carga del survey

survey <- readr::read_csv(
  "data/survey-data/survey.csv",
  show_col_types = FALSE
) %>%
  janitor::clean_names()

message("Survey cargado: ", nrow(survey), " filas, ", ncol(survey), " columnas")
## Survey cargado: 6325 filas, 41 columnas

5 Bloque 5 — Procesamiento de la pregunta de raza (multi-respuesta)

race_levels <- c(
  "White or Caucasian",
  "Black or African American",
  "Asian",
  "American Indian/Native American or Alaska Native",
  "Native Hawaiian or Other Pacific Islander",
  "Other"
)

race_long <- survey %>%
  dplyr::select(response_id, race_raw = q_demos_race) %>%
  dplyr::filter(!is.na(race_raw) & race_raw != "") %>%
  dplyr::mutate(
    race_raw = race_raw %>%
      stringr::str_replace_all("\\s*/\\s*", "/") %>%
      stringr::str_replace_all("\\s*,\\s*", ", ") %>%
      stringr::str_squish()
  ) %>%
  tidyr::separate_rows(race_raw, sep = ",\\s*") %>%
  dplyr::mutate(race_raw = stringr::str_trim(race_raw))

race_dummies <- race_long %>%
  dplyr::mutate(
    race  = factor(race_raw, levels = race_levels),
    value = 1L
  ) %>%
  dplyr::select(-race_raw) %>%
  tidyr::pivot_wider(
    names_from   = race,
    values_from  = value,
    names_prefix = "race_",
    values_fill  = 0L
  ) %>%
  janitor::clean_names()

needed_race <- paste0("race_", janitor::make_clean_names(race_levels))
race_dummies[setdiff(needed_race, names(race_dummies))] <- 0L

message("race_dummies: ", ncol(race_dummies) - 1, " columnas | ",
        nrow(race_dummies), " participantes con respuesta de raza")
## race_dummies: 6 columnas | 6325 participantes con respuesta de raza

6 Bloque 6 — Procesamiento de la pregunta de cambios de vida (multi-respuesta)

life_levels <- c(
  "Lost a job",
  "Moved place of residence",
  "Divorce",
  "Had a child",
  "Became pregnant"
)

life_long <- survey %>%
  dplyr::select(response_id, life_raw = q_life_changes) %>%
  dplyr::filter(!is.na(life_raw) & life_raw != "") %>%
  dplyr::mutate(
    life_raw = life_raw %>%
      stringr::str_replace_all("\\s*/\\s*", "/") %>%
      stringr::str_replace_all("\\s*,\\s*", ", ") %>%
      stringr::str_squish()
  ) %>%
  tidyr::separate_rows(life_raw, sep = ",\\s*") %>%
  dplyr::mutate(life_raw = stringr::str_trim(life_raw))

life_dummies <- life_long %>%
  dplyr::mutate(
    life  = factor(life_raw, levels = life_levels),
    value = 1L
  ) %>%
  dplyr::select(-life_raw) %>%
  tidyr::pivot_wider(
    names_from   = life,
    values_from  = value,
    names_prefix = "life_",
    values_fill  = 0L
  ) %>%
  janitor::clean_names()

needed_life <- paste0("life_", janitor::make_clean_names(life_levels))
life_dummies[setdiff(needed_life, names(life_dummies))] <- 0L

message("life_dummies: ", ncol(life_dummies) - 1, " columnas | ",
        nrow(life_dummies), " participantes con respuesta de cambios de vida")
## life_dummies: 5 columnas | 2012 participantes con respuesta de cambios de vida

7 Bloque 7 — Merge: construcción de survey_enriched

survey       <- survey       %>% dplyr::distinct(response_id, .keep_all = TRUE)
race_dummies <- race_dummies %>% dplyr::distinct(response_id, .keep_all = TRUE)
life_dummies <- life_dummies %>% dplyr::distinct(response_id, .keep_all = TRUE)

survey_enriched <- survey %>%
  dplyr::left_join(race_dummies, by = "response_id",
                   relationship = "one-to-one") %>%
  dplyr::left_join(life_dummies, by = "response_id",
                   relationship = "one-to-one")

message("survey_enriched: ", nrow(survey_enriched), " filas, ",
        ncol(survey_enriched), " columnas")
## survey_enriched: 6325 filas, 52 columnas
colnames(survey_enriched)
##  [1] "duration_in_seconds"                                  
##  [2] "recorded_date"                                        
##  [3] "response_id"                                          
##  [4] "q_prolific_mturk"                                     
##  [5] "q_demos_age"                                          
##  [6] "q_demos_hispanic"                                     
##  [7] "q_demos_race"                                         
##  [8] "q_demos_education"                                    
##  [9] "q_demos_income"                                       
## [10] "q_demos_gender"                                       
## [11] "q_sexual_orientation"                                 
## [12] "q_demos_state"                                        
## [13] "q_amazon_use_howmany"                                 
## [14] "q_amazon_use_hh_size"                                 
## [15] "q_amazon_use_how_oft"                                 
## [16] "q_substance_use_1"                                    
## [17] "q_substance_use_2"                                    
## [18] "q_substance_use_3"                                    
## [19] "q_personal_1"                                         
## [20] "q_personal_2"                                         
## [21] "q_life_changes"                                       
## [22] "q_control"                                            
## [23] "q_altruism"                                           
## [24] "q_bonus_05"                                           
## [25] "q_bonus_20"                                           
## [26] "q_bonus_50"                                           
## [27] "q_data_value_05"                                      
## [28] "q_data_value_20"                                      
## [29] "q_data_value_50"                                      
## [30] "q_data_value_100"                                     
## [31] "q_data_value_any"                                     
## [32] "q_data_value_any_1_text"                              
## [33] "q_sell_your_data"                                     
## [34] "q_sell_consumer_data"                                 
## [35] "q_small_biz_use"                                      
## [36] "q_census_use"                                         
## [37] "q_research_society"                                   
## [38] "q_attn_check"                                         
## [39] "showdata"                                             
## [40] "incentive"                                            
## [41] "connect"                                              
## [42] "race_black_or_african_american"                       
## [43] "race_white_or_caucasian"                              
## [44] "race_asian"                                           
## [45] "race_other"                                           
## [46] "race_american_indian_native_american_or_alaska_native"
## [47] "race_native_hawaiian_or_other_pacific_islander"       
## [48] "life_lost_a_job"                                      
## [49] "life_moved_place_of_residence"                        
## [50] "life_divorce"                                         
## [51] "life_had_a_child"                                     
## [52] "life_became_pregnant"

8 Bloque 8 — Gráficos individuales del survey (en pantalla)

8.1 ¿Qué hace este bloque y por qué es necesario?

⚠️ MOD-03 — CAMBIO ADIDAS: Los 20 títulos y etiquetas de eje se tradujeron al español. El contenido y el orden de las variables es idéntico al original; solo cambia el idioma y, por herencia de bar_plot(), la fuente y el tamaño del texto.

bar_plot(survey, q_prolific_mturk,
         "Participaci\u00f3n en Amazon MTurk", "Respuesta")

bar_plot(survey, q_demos_age,
         "Distribuci\u00f3n por grupo de edad", "Grupo de edad")

bar_plot(survey, q_demos_hispanic,
         "Origen hispano o latino", "Respuesta",
         fill_pal = pal[c("azul_1", "naranja")])

bar_plot(survey, q_demos_race,
         "Combinaciones de raza declaradas", "Combinaci\u00f3n",
         text_size = 4.2, axis_text_size = 13, label_wrap = 30)

bar_plot(race_long, race_raw,
         "Participantes por raza (conteo individual)", "Raza",
         axis_text_size = 13, label_wrap = 26)

bar_plot(survey, q_demos_education,
         "Nivel educativo", "Educaci\u00f3n",
         text_size = 4.2, axis_text_size = 13, label_wrap = 24)

bar_plot(survey, q_demos_gender,
         "Identidad de g\u00e9nero declarada", "G\u00e9nero")

bar_plot(survey, q_sexual_orientation,
         "Orientaci\u00f3n sexual declarada", "Orientaci\u00f3n")

bar_plot(survey, q_demos_state,
         "Distribuci\u00f3n por estado", "Estado",
         text_size = 3.6, axis_text_size = 9)

bar_plot(survey, q_amazon_use_howmany,
         "Personas que comparten la cuenta de Amazon", "N\u00famero de personas")

bar_plot(survey, q_amazon_use_hh_size,
         "Tama\u00f1o del hogar", "Personas en el hogar")

bar_plot(survey, q_amazon_use_how_oft,
         "Frecuencia de compra en Amazon", "Frecuencia",
         axis_text_size = 13, label_wrap = 22)

bar_plot(survey, q_substance_use_1,
         "Consumo de cigarrillo en el hogar", "Respuesta")

bar_plot(survey, q_substance_use_2,
         "Consumo de marihuana en el hogar", "Respuesta")

bar_plot(survey, q_substance_use_3,
         "Consumo de alcohol en el hogar", "Respuesta")

bar_plot(survey, q_personal_1,
         "Diabetes en el hogar", "Respuesta")

bar_plot(survey, q_personal_2,
         "Uso de silla de ruedas en el hogar", "Respuesta")

bar_plot(survey, q_life_changes,
         "Cambios de vida en 2021 (combinaciones)", "Combinaci\u00f3n",
         text_size = 4.2, axis_text_size = 13, label_wrap = 26)

bar_plot(life_long, life_raw,
         "Cambios de vida en 2021 (individual)", "Cambio de vida",
         axis_text_size = 13, label_wrap = 22)

bar_plot(survey, q_demos_income,
         "Rango de ingreso", "Respuesta")

Output esperado: 20 gráficos en español, fuente serif, con texto más grande que la versión original. Si alguna categoría (especialmente Estado) se ve apretada, ajusta axis_text_size hacia abajo para ese gráfico específico.

9 Bloque 9 — Exportación individual de cada gráfica para LaTeX

9.1 ¿Qué hace este bloque y por qué es necesario?

⚠️ MOD-03 y MOD-04 — CAMBIO ADIDAS: - Los 20 títulos/etiquetas están en español, igual que en el Bloque 8 (MOD-03). - Cada gráfica se exporta como archivo PDF independiente con ggsave(), a 7 × 5 in / 300 dpi, directamente en C:/Users/User/Documents/Maestria Ciencia de Datos - PUJ Cali/Proyecto_Maestria_SOW_Addidas/cod_grupo2 2/cod_grupo2/Graficas_Addidas (MOD-04). No se genera ningún PDF combinado/multi-página — esa era la versión anterior; ahora cada una de las 20 gráficas vive en su propio archivo.

Usamos grDevices::cairo_pdf (en vez del dispositivo pdf() base) por dos razones: (1) maneja mejor el embedding de fuentes serif/Times, y (2) renderiza correctamente los caracteres acentuados del español (á, é, í, ó, ú, ñ) — el dispositivo pdf() base puede mostrarlos mal en algunos sistemas según el locale configurado.

plots_survey <- list(
  bar_plot(survey, q_prolific_mturk,
           "Participaci\u00f3n en Amazon MTurk", "Respuesta"),
  bar_plot(survey, q_demos_age,
           "Distribuci\u00f3n por grupo de edad", "Grupo de edad"),
  bar_plot(survey, q_demos_hispanic,
           "Origen hispano o latino", "Respuesta",
           fill_pal = pal[c("azul_1", "naranja")]),
  bar_plot(survey, q_demos_race,
           "Combinaciones de raza declaradas", "Combinaci\u00f3n",
           text_size = 4.2, axis_text_size = 13, label_wrap = 30),
  bar_plot(race_long, race_raw,
           "Participantes por raza (conteo individual)", "Raza",
           axis_text_size = 13, label_wrap = 26),
  bar_plot(survey, q_demos_education,
           "Nivel educativo", "Educaci\u00f3n",
           text_size = 4.2, axis_text_size = 13, label_wrap = 24),
  bar_plot(survey, q_demos_gender,
           "Identidad de g\u00e9nero declarada", "G\u00e9nero"),
  bar_plot(survey, q_sexual_orientation,
           "Orientaci\u00f3n sexual declarada", "Orientaci\u00f3n"),
  bar_plot(survey, q_demos_state,
           "Distribuci\u00f3n por estado", "Estado",
           text_size = 3.6, axis_text_size = 9),
  bar_plot(survey, q_amazon_use_howmany,
           "Personas que comparten la cuenta de Amazon", "N\u00famero de personas"),
  bar_plot(survey, q_amazon_use_hh_size,
           "Tama\u00f1o del hogar", "Personas en el hogar"),
  bar_plot(survey, q_amazon_use_how_oft,
           "Frecuencia de compra en Amazon", "Frecuencia",
           axis_text_size = 13, label_wrap = 22),
  bar_plot(survey, q_substance_use_1,
           "Consumo de cigarrillo en el hogar", "Respuesta"),
  bar_plot(survey, q_substance_use_2,
           "Consumo de marihuana en el hogar", "Respuesta"),
  bar_plot(survey, q_substance_use_3,
           "Consumo de alcohol en el hogar", "Respuesta"),
  bar_plot(survey, q_personal_1,
           "Diabetes en el hogar", "Respuesta"),
  bar_plot(survey, q_personal_2,
           "Uso de silla de ruedas en el hogar", "Respuesta"),
  bar_plot(survey, q_life_changes,
           "Cambios de vida en 2021 (combinaciones)", "Combinaci\u00f3n",
           text_size = 4.2, axis_text_size = 13, label_wrap = 26),
  bar_plot(life_long, life_raw,
           "Cambios de vida en 2021 (individual)", "Cambio de vida",
           axis_text_size = 13, label_wrap = 22),
  bar_plot(survey, q_demos_income,
           "Rango de ingreso", "Respuesta")
)

# Nombres de archivo descriptivos, en el mismo orden que plots_survey
nombres_graficas <- c(
  "01_participacion_mturk",
  "02_distribucion_edad",
  "03_origen_hispano",
  "04_raza_combinaciones",
  "05_raza_individual",
  "06_nivel_educativo",
  "07_identidad_genero",
  "08_orientacion_sexual",
  "09_distribucion_estado",
  "10_personas_comparten_cuenta",
  "11_tamano_hogar",
  "12_frecuencia_compra",
  "13_consumo_cigarrillo",
  "14_consumo_marihuana",
  "15_consumo_alcohol",
  "16_diabetes_hogar",
  "17_silla_ruedas",
  "18_cambios_vida_combinaciones",
  "19_cambios_vida_individual",
  "20_rango_ingreso"
)

stopifnot(length(plots_survey) == length(nombres_graficas))

# [MOD-04] Carpeta dedicada para las figuras listas para LaTeX
# Ruta absoluta de Windows. Usamos "/" en vez de "\" porque R los acepta sin
# necesidad de escapar caracteres, incluso en rutas con espacios.
dir_latex <- "C:/Users/User/Documents/Maestria Ciencia de Datos - PUJ Cali/Proyecto_Maestria_SOW_Addidas/cod_grupo2 2/cod_grupo2/Graficas_Addidas"
if (!dir.exists(dir_latex)) dir.create(dir_latex, recursive = TRUE)

# [MOD-04] Exportación individual: 7 x 5 in, 300 dpi, un archivo PDF por gráfica
purrr::walk2(
  plots_survey, nombres_graficas,
  function(p, nombre) {
    ggplot2::ggsave(
      filename = file.path(dir_latex, paste0(nombre, ".pdf")),
      plot     = p,
      width    = 7.0,
      height   = 5.0,
      units    = "in",
      dpi      = 300,
      device   = grDevices::cairo_pdf
    )
  }
)

message("Figuras individuales guardadas en: ", dir_latex,
        " (", length(plots_survey), " archivos PDF, 7x5 in, 300 dpi)")
## Figuras individuales guardadas en: C:/Users/User/Documents/Maestria Ciencia de Datos - PUJ Cali/Proyecto_Maestria_SOW_Addidas/cod_grupo2 2/cod_grupo2/Graficas_Addidas (20 archivos PDF, 7x5 in, 300 dpi)

Output esperado: Un mensaje confirmando los 20 PDFs individuales guardados en C:/Users/User/Documents/Maestria Ciencia de Datos - PUJ Cali/Proyecto_Maestria_SOW_Addidas/cod_grupo2 2/cod_grupo2/Graficas_Addidas, cada uno como archivo independiente, a 7×5 in / 300 dpi, con nombre descriptivo (01_participacion_mturk.pdf, 02_distribucion_edad.pdf, …, 20_rango_ingreso.pdf). No se genera ningún PDF combinado — cada gráfica vive en su propio archivo, lista para \includegraphics{.../04_raza_combinaciones.pdf} en LaTeX.

10 Resumen de modificaciones respecto a code1.R (caso Apple)

Bloque Estado Detalle
1 — Paquetes Sin cambios Mismos paquetes
2 — Config visual Sin cambios Misma paleta y locale
3 — Funciones MOD-02, MOD-05 bar_plot() soporta fuente serif/Times, tamaños configurables, y envuelve títulos/etiquetas largas para que no se recorten; etiqueta de eje Y traducida
4 — Carga survey Sin cambios Mismo archivo
5 — Race dummies Sin cambios Mismos 6 niveles, mismo pipeline
6 — Life dummies Sin cambios Mismos 5 niveles, mismo pipeline
7 — survey_enriched Sin cambios Mismo merge con left_join
8 — Gráficos individuales MOD-03, MOD-05 Títulos y etiquetas traducidos al español; label_wrap aplicado a raza/educación/frecuencia/cambios de vida
9 — Export MOD-02, MOD-03, MOD-04, MOD-05 Títulos en español; cada gráfica exportada como PDF individual (sin combinar) a 7x5in/300dpi en Graficas_Addidas; cairo_pdf para fuentes y acentos; títulos/etiquetas largas envueltas en líneas