'Autor: Brayan Javier Chuquino Carrion'

## [1] "Autor: Brayan Javier Chuquino Carrion"

'Tema: Taller de Estadística'

## [1] "Tema: Taller de Estadística"

'Base de datos: INFOGOB - Elecciones Regionales y Municipales 2022 / Elecciones Provinciales'

## [1] "Base de datos: INFOGOB - Elecciones Regionales y Municipales 2022 / Elecciones Provinciales"

'Abriendo el archivo de trabajo'

## [1] "Abriendo el archivo de trabajo"

library(readxl)
ERM2022_Resultados <- read_excel("Base de datos INFOGOB/MUNICIPAL PROVINCIAL 2022/ERM2022_Resultados_Provinciales.xlsx")

'Calculamos algunos estadísticos descriptivos de las votaciones de toda la BD en general. Sin separarlo ni por provincias ni por partido político'

## [1] "Calculamos algunos estadísticos descriptivos de las votaciones de toda la BD en general. Sin separarlo ni por provincias ni por partido político"

'Primero calculamos algunos valores estadísticos escribiendo el código uno por uno'

## [1] "Primero calculamos algunos valores estadísticos escribiendo el código uno por uno"

'Queremos obtener el número de obs., el valor mín, el valor max, la media, la mediana y la moda'

## [1] "Queremos obtener el número de obs., el valor mín, el valor max, la media, la mediana y la moda"

library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

resumen_general <- ERM2022_Resultados %>% 
  summarise(
    n(),
    min(Votos),
    max(Votos),
    mean(Votos),
    median(Votos)
  )

resumen_general

## # A tibble: 1 × 5
##   `n()` `min(Votos)` `max(Votos)` `mean(Votos)` `median(Votos)`
##   <int>        <dbl>        <dbl>         <dbl>           <dbl>
## 1  1783            1      1402627        10735.            3533

'Dado que para calcular la moda se necesita desarrollar un código más complejo, lo dejamos para realizar en un nuevo chunk posteriormente'

## [1] "Dado que para calcular la moda se necesita desarrollar un código más complejo, lo dejamos para realizar en un nuevo chunk posteriormente"

'Ahora exploraremos la función summary para obtener los estadísticos descriptivos de una variable'

## [1] "Ahora exploraremos la función summary para obtener los estadísticos descriptivos de una variable"

resumen_general_sum <- summary(ERM2022_Resultados$Votos)
resumen_general_sum

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       1    1378    3533   10735    8188 1402627

'Ahora calculamos los estadísticos descriptivos de todas las circunscripciones electorales que incluye la base de datos, excluyendo los votos nulos y blancos.'

## [1] "Ahora calculamos los estadísticos descriptivos de todas las circunscripciones electorales que incluye la base de datos, excluyendo los votos nulos y blancos."

'El primer paso sería crear una nueva base de datos que excluya los votos nulos y blancos'

## [1] "El primer paso sería crear una nueva base de datos que excluya los votos nulos y blancos"

ERM2022_Resultados_sin_nulos_blancos <- ERM2022_Resultados %>%
  filter(!(
    `Organización Política` %in% c("VOTOS EN BLANCO","VOTOS NULOS"))
  )

ERM2022_Resultados_sin_nulos_blancos

## # A tibble: 1,391 × 15
##    Región   Provincia   Electores Participación `% Participación` Ausentismo
##    <chr>    <chr>           <dbl>         <dbl>             <dbl>      <dbl>
##  1 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  2 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  3 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  4 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  5 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  6 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  7 AMAZONAS CHACHAPOYAS     42063         32144             0.764       9919
##  8 AMAZONAS BAGUA           64757         42857             0.662      21900
##  9 AMAZONAS BAGUA           64757         42857             0.662      21900
## 10 AMAZONAS BAGUA           64757         42857             0.662      21900
## # ℹ 1,381 more rows
## # ℹ 9 more variables: `% Ausentismo` <dbl>, `Votos emitidos` <dbl>,
## #   `% Votos emitidos` <dbl>, `Votos válidos` <dbl>, `% Votos válidos` <dbl>,
## #   `Organización Política` <chr>, `Tipo Organización Política` <chr>,
## #   Votos <dbl>, `% Votos` <dbl>

'Una vez filtrado las filas "VOTOS EN BLANCO" y "VOTOS NULOS" de la columna Organización Política, procedemos a calcular los estadísticos descriptivos.'

## [1] "Una vez filtrado las filas \"VOTOS EN BLANCO\" y \"VOTOS NULOS\" de la columna Organización Política, procedemos a calcular los estadísticos descriptivos."

'Primero lo calculamos valor por valor'

## [1] "Primero lo calculamos valor por valor"

resumen_general_sin_nulos_blancos <- ERM2022_Resultados_sin_nulos_blancos %>% summarise(
  Observaciones = n(),
  "Valor Mínimo" = min(Votos),
  "Valor Máximo" = max(Votos),
  Media = mean(Votos),
  Mediana = median(Votos)
  )

resumen_general_sin_nulos_blancos

## # A tibble: 1 × 5
##   Observaciones `Valor Mínimo` `Valor Máximo`  Media Mediana
##           <int>          <dbl>          <dbl>  <dbl>   <dbl>
## 1          1391              1        1402627 11829.    3878

'Ahora utilizaremos la función summary para obtener los estadísticos descriptivos de la misma variable'

## [1] "Ahora utilizaremos la función summary para obtener los estadísticos descriptivos de la misma variable"

resumen_general_sin_nulos_blancos_sum <- summary(ERM2022_Resultados_sin_nulos_blancos$Votos)
resumen_general_sin_nulos_blancos_sum

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       1    1400    3878   11829    8986 1402627

'Ahora calculamos los estadísticos descriptivos para la circunscripción electorales Lima Metropolitana, excluyendo los votos nulos y blancos.'

## [1] "Ahora calculamos los estadísticos descriptivos para la circunscripción electorales Lima Metropolitana, excluyendo los votos nulos y blancos."

'El primer paso sería crear una nueva base de datos'

## [1] "El primer paso sería crear una nueva base de datos"

ERM2022_LIMA_SIN_NULOS_BLANCOS <- ERM2022_Resultados %>% 
  filter(!(`Organización Política` %in% c("VOTOS EN BLANCO","VOTOS NULOS"))) %>%
  filter(Provincia %in% c("LIMA"))

ERM2022_LIMA_SIN_NULOS_BLANCOS

## # A tibble: 8 × 15
##   Región Provincia Electores Participación `% Participación` Ausentismo
##   <chr>  <chr>         <dbl>         <dbl>             <dbl>      <dbl>
## 1 LIMA   LIMA        7593103       5966615             0.786    1626488
## 2 LIMA   LIMA        7593103       5966615             0.786    1626488
## 3 LIMA   LIMA        7593103       5966615             0.786    1626488
## 4 LIMA   LIMA        7593103       5966615             0.786    1626488
## 5 LIMA   LIMA        7593103       5966615             0.786    1626488
## 6 LIMA   LIMA        7593103       5966615             0.786    1626488
## 7 LIMA   LIMA        7593103       5966615             0.786    1626488
## 8 LIMA   LIMA        7593103       5966615             0.786    1626488
## # ℹ 9 more variables: `% Ausentismo` <dbl>, `Votos emitidos` <dbl>,
## #   `% Votos emitidos` <dbl>, `Votos válidos` <dbl>, `% Votos válidos` <dbl>,
## #   `Organización Política` <chr>, `Tipo Organización Política` <chr>,
## #   Votos <dbl>, `% Votos` <dbl>

'Una vez filtrado para la pronvincia Lima, procedemos a calcular los estadísticos descriptivos.'

## [1] "Una vez filtrado para la pronvincia Lima, procedemos a calcular los estadísticos descriptivos."

'Primero lo calculamos valor por valor'

## [1] "Primero lo calculamos valor por valor"

resumen_LimaMetropolitana_general <- ERM2022_LIMA_SIN_NULOS_BLANCOS %>% 
  summarise(
    Observaciones = n(),
    "Valor mínimo" = min(Votos),
    "Valor máximo" = max(Votos),
    Media = mean(Votos),
    Mediana = median(Votos)
  )

resumen_LimaMetropolitana_general

## # A tibble: 1 × 5
##   Observaciones `Valor mínimo` `Valor máximo`   Media Mediana
##           <int>          <dbl>          <dbl>   <dbl>   <dbl>
## 1             8          78364        1402627 665588. 479956.

'Ahora utilizaremos la función summary para obtener los estadísticos descriptivos de la misma variable'

## [1] "Ahora utilizaremos la función summary para obtener los estadísticos descriptivos de la misma variable"

resumen_LimaMetropolitana_sum <- summary(ERM2022_LIMA_SIN_NULOS_BLANCOS$Votos)
resumen_LimaMetropolitana_sum

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   78364  301310  479956  665588 1093416 1402627