Xavier E. Diaz

Analisis breve para Cultivos, Dispensarios, Manufactura y Transporte del Cannabis Medicinal en Puerto Rico

Correlacion entre Precualificaciones y Licencias

cor(Cultivos_LicPet_0) # No hay nada de corr
##                    Precualificaciones  Licencias
## Precualificaciones         1.00000000 0.06052275
## Licencias                  0.06052275 1.00000000
cor(Dispensarios_LicPet_0) # Hay mucha corr
##                    Precualificaciones Licencias
## Precualificaciones          1.0000000 0.9354439
## Licencias                   0.9354439 1.0000000
cor(Manufactura_LicPet_0) # No hay cor pero hay mas que para cultivos
##                    Precualificaciones Licencias
## Precualificaciones          1.0000000 0.4005216
## Licencias                   0.4005216 1.0000000
cor(Transporte_LicPet_0) # la correlacion es negativa 
##                    Precualificaciones  Licencias
## Precualificaciones          1.0000000 -0.5079238
## Licencias                  -0.5079238  1.0000000

Para los cultivos no existe correlacion entre precualificar y sacar la licencia.

Para los dispensarios existe correlacion alta entre precualificar y sacar la licencia (pareciera ser que para este sector es relativamente mas facil o viable).

Para la manufactura no hay correlacion significativa entre precualificar y sacar la licencia aunque es notablemente mas que para los cultivos.

Para trasportacion hay correlacion negativa entre precualificar y sacar la licencia (pareciera ser que para este sector es mas dificil o menos viable).

Visualizaciones

library(reshape2)
library(ggplot2)
# Histograma Pietajes cuadrados - Cultivos 

Cultivos_Pietaje_0[ "Municipio" ] <- rownames(Cultivos_Pietaje_0)
df.molten <- melt( Cultivos_Pietaje_0, id.vars="Municipio", value.name="Pietaje..p.2..Precualificaciones", variable.name="Pietaje..p.2..Licencias" )

ggplot(df.molten, aes( x = Municipio, y = Pietaje..p.2..Precualificaciones, fill = Pietaje..p.2..Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Cultivos: Pietaje cuadrado Precualificaciones y Pietaje cuadrado Licencias", y="Cantidad")

# Histograma Precualificaciones y Licencias - Cultivos

Cultivos_LicPet_0[ "Municipio" ] <- rownames(Cultivos_LicPet_0)
df.molten1 <- melt( Cultivos_LicPet_0, id.vars="Municipio", value.name="Precualificaciones", variable.name="Licencias" )

ggplot(df.molten1, aes( x = Municipio, y = Precualificaciones, fill = Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Cultivos: Precualificaciones y Licencias", y="Cantidad")

# Histograma Precualificaciones y Licencias - Dispensarios

Dispensarios_LicPet_0[ "Municipio" ] <- rownames(Dispensarios_LicPet_0)
df.molten2 <- melt( Dispensarios_LicPet_0, id.vars="Municipio", value.name="Precualificaciones", variable.name="Licencias" )

ggplot(df.molten2, aes( x = Municipio, y = Precualificaciones, fill = Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Dispensarios: Precualificaciones y Licencias", y="Cantidad")

NOTA: Para Manufactura dividimos el intervalo de Pietaje cuadrado para las precualificaciones en dos variables (max, min) para mejor visualizar dicho intervalo en relacion con el pietaje cuadrado de las licencias.

# Histograma Precualificaciones y Licencias - Manufactura

Manufactura_LicPet_0[ "Municipio" ] <- rownames(Manufactura_LicPet_0)
df.molten3 <- melt( Manufactura_LicPet_0, id.vars="Municipio", value.name="Precualificaciones", variable.name="Licencias" )

ggplot(df.molten3, aes( x = Municipio, y = Precualificaciones, fill = Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Manufactura: Precualificaciones y Licencias", y="Cantidad")

# Histograma MaxPietaje - Manufactura

Manufactura_MaxPietaje_0[ "Municipio" ] <- rownames(Manufactura_MaxPietaje_0)
df.molten4 <- melt( Manufactura_MaxPietaje_0, id.vars="Municipio", value.name="Max...Pietaje..p.2..Precualificaciones", variable.name="Pietaje..p.2..Licencias" )



# Histograma MinPietaje - Manufactura 

Manufactura_MinPietaje_0[ "Municipio" ] <- rownames(Manufactura_MinPietaje_0)
df.molten5 <- melt( Manufactura_MinPietaje_0, id.vars="Municipio", value.name="Min...Pietaje..p.2..Precualificaciones", variable.name="Pietaje..p.2..Licencias" )

# Comparacion Min Max Pietaje VS lo que estipula la licencia


ggplot(df.molten5, aes( x = Municipio, y = Min...Pietaje..p.2..Precualificaciones, fill = Pietaje..p.2..Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Manufactura: Min. Pietaje cuadrado Precualificaciones y Pietaje cuadrado Licencias", y="Cantidad")

ggplot(df.molten4, aes( x = Municipio, y = Max...Pietaje..p.2..Precualificaciones, fill = Pietaje..p.2..Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Manufactura: Max. Pietaje cuadrado Precualificaciones y Pietaje cuadrado Licencias", y="Cantidad")

# Histograma Precualificaciones y Licencias - Transporte

Transporte_LicPet_0[ "Municipio" ] <- rownames(Transporte_LicPet_0)
df.molten6 <- melt( Transporte_LicPet_0, id.vars="Municipio", value.name="Precualificaciones", variable.name="Licencias" )

ggplot(df.molten6, aes( x = Municipio, y = Precualificaciones, fill = Licencias ) ) + 
   geom_bar( position = "identity", stat = "identity", alpha = .3 )+theme(axis.text.x=element_text(angle=90,hjust=1,vjust=0.5))+labs(title="Transporte: Precualificaciones y Licencias", y="Cantidad")