Untitled

“Hogares que disponen de conexión a Internet por entidad federativa en México en áreas urbano y rural”

El siguiente reporte presenta un panorama general sobre el acceso a internet en los hogares mexicanos, considerando su ubicación geográfica. Con base en la Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los Hogares (ENDUTIH) 2018.

library("readxl")

## Warning: package 'readxl' was built under R version 3.5.3

Datos_Inegi <- read_excel("~/MCAA/Datos Inegi.xlsx")
View(Datos_Inegi)
Datos_Inegi <- Datos_Inegi [c(1:7)]
names(Datos_Inegi) <-c ("Estado", "Zona", "Total", "sidisponenurbano", "nodisponenurbano", "sidisponenrural", "nodisponenrural")
str(Datos_Inegi)

## Classes 'tbl_df', 'tbl' and 'data.frame':    32 obs. of  7 variables:
##  $ Estado          : chr  "Aguascalientes" "Ciudad de México" "Colima" "Guanajuato" ...
##  $ Zona            : chr  "Centro" "Centro" "Centro" "Centro" ...
##  $ Total           : num  353852 2700423 230924 1522438 842472 ...
##  $ sidisponenurbano: num  182531 1950190 131563 627584 235468 ...
##  $ nodisponenurbano: num  108138 738527 73426 455487 231019 ...
##  $ sidisponenrural : num  22455 3449 8909 111824 86498 ...
##  $ nodisponenrural : num  40728 8257 17026 327543 289487 ...

Datos_Inegi$Estado <- as.factor(Datos_Inegi$Zona)
Datos_Inegi$Estado <- as.factor(Datos_Inegi$sidisponenurbano)
Datos_Inegi$Estado <- as.factor(Datos_Inegi$sidisponenrural)
Datos_Inegi$Estado <- as.factor(Datos_Inegi$nodisponenurbano)
Datos_Inegi$Estado <- as.factor(Datos_Inegi$nodisponenrural)
library(ggplot2)
ggplot(data=Datos_Inegi, aes(x=Zona))+geom_bar()

####Zona geográfica de total de hogares que disponen de conexión a internet

Datos_Inegi[Datos_Inegi$sidisponenurbano > 32, c("Estado", "sidisponenurbano")]

## # A tibble: 32 x 2
##    Estado sidisponenurbano
##    <fct>             <dbl>
##  1 40728            182531
##  2 8257            1950190
##  3 17026            131563
##  4 327543           627584
##  5 289487           235468
##  6 221317          1323936
##  7 442347          2594277
##  8 328283           503326
##  9 56923            278266
## 10 99669            146621
## # ... with 22 more rows

Datos_Inegi$Estado <- rev(factor(Datos_Inegi$Estado, levels = Datos_Inegi$Estado))
library("ggplot2")

ggplot (Datos_Inegi, aes(x=Zona, y=sidisponenurbano)) + 
  geom_bar(stat="identity", width=.5, fill="darkblue") +
  labs(title="Zonas urbanas que si disponen de internet") +
  coord_flip()

ggplot (Datos_Inegi, aes(x=Zona, y=nodisponenurbano)) + 
  geom_bar(stat="identity", width=.5, fill="darkblue") +
  labs(title="Zonas urbanas que no disponen de internet") +
  coord_flip()

ggplot (Datos_Inegi, aes(x=Zona, y=sidisponenrural)) + 
  geom_bar(stat="identity", width=.5, fill="darkblue") +
  labs(title="Zonas rurales que si disponen de internet") +
  coord_flip()

ggplot (Datos_Inegi, aes(x=Zona, y=nodisponenrural)) + 
  geom_bar(stat="identity", width=.5, fill="darkblue") +
  labs(title="Zonas rurales que no disponen de internet") +
  coord_flip()

ggplot (Datos_Inegi, aes(x=Estado, y=nodisponenrural)) + 
  geom_bar(stat="identity", width=.5, fill="darkblue") +
  labs(title="Zonas rurales que no disponen de internet") +
  coord_flip()

library("readxl")
Datos_Inegi <- read_excel("~/MCAA/Datos Inegi.xlsx")
Datos_Inegi <- Datos_Inegi [c(1:7)]
names(Datos_Inegi) <-c ("Estado", "Zona", "Total", "sidisponenurbano", "nodisponenurbano", "sidisponenrural", "nodisponenrural")
str(Datos_Inegi)

## Classes 'tbl_df', 'tbl' and 'data.frame':    32 obs. of  7 variables:
##  $ Estado          : chr  "Aguascalientes" "Ciudad de México" "Colima" "Guanajuato" ...
##  $ Zona            : chr  "Centro" "Centro" "Centro" "Centro" ...
##  $ Total           : num  353852 2700423 230924 1522438 842472 ...
##  $ sidisponenurbano: num  182531 1950190 131563 627584 235468 ...
##  $ nodisponenurbano: num  108138 738527 73426 455487 231019 ...
##  $ sidisponenrural : num  22455 3449 8909 111824 86498 ...
##  $ nodisponenrural : num  40728 8257 17026 327543 289487 ...

Datos_Inegi$Zona <- as.factor(Datos_Inegi$Zona)
Datos_Inegi$sidisponenurbano <- as.factor(Datos_Inegi$sidisponenurbano)
Datos_Inegi$sidisponenrural <- as.factor(Datos_Inegi$sidisponenrural)
Datos_Inegi$nodisponenurbano <- as.factor(Datos_Inegi$nodisponenurbano)
Datos_Inegi$nodisponenrural <- as.factor(Datos_Inegi$nodisponenrural)
library(ggplot2)
ggplot(data=Datos_Inegi, aes(x=Zona))+geom_bar()

Datos_Inegi[Datos_Inegi$sidisponeurbano > 32, c("Estado", "sidisponenurbano")]

## Warning: Unknown or uninitialised column: 'sidisponeurbano'.

## Warning: Length of logical index must be 1 or 32, not 0

## # A tibble: 0 x 2
## # ... with 2 variables: Estado <chr>, sidisponenurbano <fct>

Datos_Inegi$Estado <- rev(factor(Datos_Inegi$Estado, levels = Datos_Inegi$Estado))

ggplot (Datos_Inegi, aes(x=Zona, y=nodisponenrural, fill=Estado)) + 
  geom_bar(stat="identity", position='dodge', width=.5) +
  labs(title="First 5 Estados que si disponen de internet en zona urbana") +
  coord_flip()

#Gráficas de Barras#
#SI DISPONEN URBANO#

library("readxl")

Datos <- read_excel("~/MCAA/Datos Inegi.xlsx")

Datos <- Datos[c(1:7)]
names(Datos) <- c("Estado", "Zona", "Total", "sidisponenurbano", "nodisponenurbano", "sidisponenrural", "nodisponenrural")


str(Datos)

## Classes 'tbl_df', 'tbl' and 'data.frame':    32 obs. of  7 variables:
##  $ Estado          : chr  "Aguascalientes" "Ciudad de México" "Colima" "Guanajuato" ...
##  $ Zona            : chr  "Centro" "Centro" "Centro" "Centro" ...
##  $ Total           : num  353852 2700423 230924 1522438 842472 ...
##  $ sidisponenurbano: num  182531 1950190 131563 627584 235468 ...
##  $ nodisponenurbano: num  108138 738527 73426 455487 231019 ...
##  $ sidisponenrural : num  22455 3449 8909 111824 86498 ...
##  $ nodisponenrural : num  40728 8257 17026 327543 289487 ...

Datos$Estado <- as.factor(Datos$Estado)
Datos$Zona <- as.factor(Datos$Zona)


head(Datos)

## # A tibble: 6 x 7
##   Estado Zona   Total sidisponenurbano nodisponenurbano sidisponenrural
##   <fct>  <fct>  <dbl>            <dbl>            <dbl>           <dbl>
## 1 Aguas~ Cent~ 3.54e5           182531           108138           22455
## 2 Ciuda~ Cent~ 2.70e6          1950190           738527            3449
## 3 Colima Cent~ 2.31e5           131563            73426            8909
## 4 Guana~ Cent~ 1.52e6           627584           455487          111824
## 5 Hidal~ Cent~ 8.42e5           235468           231019           86498
## 6 Jalis~ Cent~ 2.30e6          1323936           679272           78634
## # ... with 1 more variable: nodisponenrural <dbl>

tail(Datos)

## # A tibble: 6 x 7
##   Estado Zona   Total sidisponenurbano nodisponenurbano sidisponenrural
##   <fct>  <fct>  <dbl>            <dbl>            <dbl>           <dbl>
## 1 Chiap~ Sur   1.36e6           256121           452435           78508
## 2 Guerr~ Sur   9.92e5           295540           294646           52146
## 3 Oaxaca Sur   1.15e6           276992           290143           61285
## 4 Quint~ Sur   5.11e5           359791            97810           19271
## 5 Tabas~ Sur   6.73e5           223945           169845           77327
## 6 Yucat~ Sur   5.99e5           286570           222297           15793
## # ... with 1 more variable: nodisponenrural <dbl>

class(Datos)

## [1] "tbl_df"     "tbl"        "data.frame"

dim(Datos)

## [1] 32  7

ncol(Datos)

## [1] 7

nrow(Datos)

## [1] 32

class(Datos$Estado)

## [1] "factor"

length(Datos$Estado)

## [1] 32

length(Datos$Zona)

## [1] 32

levels(Datos$Zona)

## [1] "Centro" "Norte"  "Sur"

length(levels(Datos$Zona))

## [1] 3

table(Datos$Zona)

## 
## Centro  Norte    Sur 
##     16      9      7

orderForProfit <- order(Datos$sidisponenurbano,decreasing=TRUE)
orderForProfit

##  [1]  7  2  6 22 15 17 24  4 11 25 19  8 20 23 30 28 32 12  9 29 13 27  5
## [24] 31 21  1 18 16 10  3 26 14

first10byProfit <- Datos[orderForProfit[c(1:5)],c("Estado","Zona","sidisponenurbano")]
first10byProfit

## # A tibble: 5 x 3
##   Estado                          Zona   sidisponenurbano
##   <fct>                           <fct>             <dbl>
## 1 México                          Centro          2594277
## 2 Ciudad de México                Centro          1950190
## 3 Jalisco                         Centro          1323936
## 4 Nuevo León                      Norte           1052609
## 5 Veracruz de Ignacio de la Llave Centro           776008

library("ggplot2")


first10byProfit$sidisponenurbano <- rev(factor(first10byProfit$sidisponenurbano, levels = first10byProfit$sidisponenurbano))


ggplot(first10byProfit, aes(x=Estado, y=sidisponenurbano,fill=Zona)) + 
  geom_bar(stat="identity") +
  scale_fill_manual(values=c("red", "#3300FF","#00CC00", "#3300FF", "#3300FF"))

#NO DISPONEN URBANO#

table(Datos$Zona)

## 
## Centro  Norte    Sur 
##     16      9      7

orderForProfit <- order(Datos$nodisponenurbano,decreasing=TRUE)
orderForProfit

##  [1]  7 15  2  6 11  4 27  8 19 25 22 20 28 29 17 13  5 32  9 23 31 14 21
## [24] 12 10 16 24  1 30  3 26 18

first10byProfit <- Datos[orderForProfit[c(1:5)],c("Estado","Zona","nodisponenurbano")]
first10byProfit

## # A tibble: 5 x 3
##   Estado                          Zona   nodisponenurbano
##   <fct>                           <fct>             <dbl>
## 1 México                          Centro          1437670
## 2 Veracruz de Ignacio de la Llave Centro           804906
## 3 Ciudad de México                Centro           738527
## 4 Jalisco                         Centro           679272
## 5 Puebla                          Centro           591972

library("ggplot2")


first10byProfit$nodisponenurbano <- rev(factor(first10byProfit$nodisponenurbano, levels = first10byProfit$nodisponenurbano))


ggplot(first10byProfit, aes(x=Estado, y=nodisponenurbano,fill=Zona)) + 
  geom_bar(stat="identity") +
  scale_fill_manual(values=c("red", "#3300FF","#00CC00", "#3300FF", "#3300FF"))

#NO DISPONEN RURAL·

table(Datos$Zona)

## 
## Centro  Norte    Sur 
##     16      9      7

orderForProfit <- order(Datos$nodisponenrural,decreasing=TRUE)
orderForProfit

##  [1] 15 27 29  7 11 28  8  4  5 13  6 31 19 16 23 12 21 25 10 32 20  9 22
## [24] 14 26 24 17  1 30 18  3  2

first10byProfit <- Datos[orderForProfit[c(1:5)],c("Estado","Zona","nodisponenrural")]
first10byProfit

## # A tibble: 5 x 3
##   Estado                          Zona   nodisponenrural
##   <fct>                           <fct>            <dbl>
## 1 Veracruz de Ignacio de la Llave Centro          798650
## 2 Chiapas                         Sur             573143
## 3 Oaxaca                          Sur             519796
## 4 México                          Centro          442347
## 5 Puebla                          Centro          406338

library("ggplot2")


first10byProfit$nodisponenrural <- rev(factor(first10byProfit$nodisponenrural, levels = first10byProfit$nodisponenrural))


ggplot(first10byProfit, aes(x=Estado, y=nodisponenrural,fill=Zona)) + 
  geom_bar(stat="identity") +
  scale_fill_manual(values=c("red", "#3300FF","#00CC00", "#3300FF", "#3300FF"))

#SI DISPONEN RURAL#


table(Datos$Zona)

## 
## Centro  Norte    Sur 
##     16      9      7

orderForProfit <- order(Datos$sidisponenrural,decreasing=TRUE)
orderForProfit

##  [1]  4  7 15 23  5  6 27 31 24  8 29 11 28 21 12 17 16  9 22 25  1 19 30
## [24] 18 32 13 10 26 20  3 14  2

first10byProfit <- Datos[orderForProfit[c(1:5)],c("Estado","Zona","sidisponenrural")]
first10byProfit

## # A tibble: 5 x 3
##   Estado                          Zona   sidisponenrural
##   <fct>                           <fct>            <dbl>
## 1 Guanajuato                      Centro          111824
## 2 México                          Centro          110375
## 3 Veracruz de Ignacio de la Llave Centro          101581
## 4 Sinaloa                         Norte            91310
## 5 Hidalgo                         Centro           86498

library("ggplot2")


first10byProfit$sidisponenrural <- rev(factor(first10byProfit$sidisponenrural, levels = first10byProfit$sidisponenrural))


ggplot(first10byProfit, aes(x=Estado, y=sidisponenrural,fill=Zona)) + 
  geom_bar(stat="identity") +
  scale_fill_manual(values=c("red", "#3300FF","#00CC00", "#3300FF", "#3300FF"))

En cuanto a la disponibilidad de conexiones a Internet los resultados confirman que su uso se concentra en las zonas urbanas y del Centro del país, y a su vez tienen relación con las zonas de mayor concentración de población en el país.

Por otro lado, en las Zonas rurales es 4 veces mayor la proporción de gente que no cuenta con acceso a internet, de la que el si dispone, las principales entidades sin conexión a internet se encuentran en la zona Centro y Sur del país

Untitled

Ramiro

10 de junio de 2019

Métodos cuantitativos aplicados a la Administración

Autores: Lorena Mercado Trejo y Jorge Ramiro Huerta Martínez

“Hogares que disponen de conexión a Internet por entidad federativa en México en áreas urbano y rural”

El siguiente reporte presenta un panorama general sobre el acceso a internet en los hogares mexicanos, considerando su ubicación geográfica. Con base en la Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los Hogares (ENDUTIH) 2018.

En cuanto a la disponibilidad de conexiones a Internet los resultados confirman que su uso se concentra en las zonas urbanas y del Centro del país, y a su vez tienen relación con las zonas de mayor concentración de población en el país.

Por otro lado, en las Zonas rurales es 4 veces mayor la proporción de gente que no cuenta con acceso a internet, de la que el si dispone, las principales entidades sin conexión a internet se encuentran en la zona Centro y Sur del país