Practica Dirigida

1. Leer Datos

Guarda el link de wiki en un objeto de R, aqui el objeto se llama LINKGUERRAS:

LINKGUERRAS = "https://en.wikipedia.org/wiki/List_of_wars_by_death_toll" 

Visita ese link, y ve con el mouse a la tabla. Elije la opcion inspeccionar usando el boton derecho:

Si ya has encontrado la tabla en los codigos, copia el XPATH (usando el boton derecho del mouse):

Has eso para cada tabla:

library(htmltab) #instalemos primero 


guerras1 = htmltab(doc = LINKGUERRAS, 
               which ='//*[@id="mw-content-text"]/div/table[5]') # aqui va XPATH

guerras2 = htmltab(doc = LINKGUERRAS, 
               which ='//*[@id="mw-content-text"]/div/table[7]') # aqui va XPATH

## Warning: Columns [Notes] seem to have no data and are removed. Use
## rm_nodata_cols = F to suppress this behavior

guerras3 = htmltab(doc = LINKGUERRAS, 
               which ='//*[@id="mw-content-text"]/div/table[8]') # aqui va XPATH

## Warning: Columns [Notes] seem to have no data and are removed. Use
## rm_nodata_cols = F to suppress this behavior

2. Identificando nombres de variables:

Mira las columas que tienes:

names(guerras1)

## [1] "War"                   "Deathrange"            "Geometricmean(Note 1)"
## [4] "Date"                  "Combatants"            "Location"             
## [7] "Notes"

names(guerras2)

## [1] "War"           "Deathrange"    "Geometricmean" "Date"         
## [5] "Combatants"    "Location"

names(guerras3)

## [1] "War"           "Deathrange"    "Geometricmean" "Date"         
## [5] "Comabatants"   "Location"

3. Sub conjuntos necesitados:

Quedate con estas columnas:

guerras1=guerras1[,c("War","Location")]
guerras2=guerras1[,c("War","Location")]
guerras3=guerras1[,c("War","Location")]

Cada data frame tiene ahora 2 columnas cada uno.

4. Juntando sun conjuntos

Usa la funcion rbind para poner las tablas una debajo de la otra:

guerras=rbind(guerras1,guerras2,guerras3)

El dataframe guerras tiene todo.

Ahora a analizar la columna Location (la unica que vale la pena y es nominal).

5. Analisis Estadistico

• Tabla

table(guerras$Location)

## 
##                                             China 
##                                                 9 
##                                    Eastern Europe 
##                                                 3 
##                                           England 
##                                                 3 
##                                            Europe 
##                                                 9 
##                                            France 
##                                                 3 
##                                            Greece 
##                                                 3 
##                                             India 
##                                                 3 
##                                             Italy 
##                                                 3 
##                                       Middle East 
##                                                 9 
## Middle East / North Africa / Central Asia / India 
##                                                 3 
##                          Middle East/North Africa 
##                                                 3 
##                                    Northern China 
##                                                 3 
##                    Southern Europe / North Africa 
##                                                 6 
##                                           Tunisia 
##                                                 3 
##                                    Western Europe 
##                                                 3 
##                     Western Europe / North Africa 
##                                                 6

Esto luce mejor:

library(knitr)
dataTable=table(guerras$Location)
kable(dataTable)

Var1	Freq
China	9
Eastern Europe	3
England	3
Europe	9
France	3
Greece	3
India	3
Italy	3
Middle East	9
Middle East / North Africa / Central Asia / India	3
Middle East/North Africa	3
Northern China	3
Southern Europe / North Africa	6
Tunisia	3
Western Europe	3
Western Europe / North Africa	6

• Gráfico

Version basica:

library(ggplot2)
base = ggplot(data=guerras,aes(x=Location))
bar1 = base + geom_bar()
bar1 

Con titulos:

bar1 = bar1 + labs(x="Pais/zona", 
                   y="Cantidad",
                  title="Ubicacion de las Guerras en la historia", 
                  subtitle = "Solo con mas 25000 muertos",
                  caption = "Fuente: Wikipedia")

bar1

Mejorando etiquetas del eje X:

bar1 + theme(axis.text.x = element_text(angle = 25,size=7,hjust = 1))

• Estadísticos:

• Centrales:
  • La Moda

library(DescTools)
Mode(guerras$Location)

## [1] "China"       "Europe"      "Middle East"

• Dispersión
• Variación Modal

# mientras mayor, la moda representa menos
dataTable=table(guerras$Location)
1-max(prop.table(dataTable))

## [1] 0.875

• Concentracion: Herfindahl- Hirschman

• < 0.01 : indica que la moda no es significativa, las categorias tienen pesos similares.
• < 0.15 : indica que la moda no es significativa, varias categorias tienen pesos similares.
• entre 0.15 - 0.25: hay una moda.

• 0.25: La moda se diferencia de los demas

library(DescTools)
Herfindahl(dataTable)

## [1] 0.07986111

• Representatividad Efectiva : Laakso - Taagepera

1/Herfindahl(dataTable)

## [1] 12.52174

Hay 12 grupos representativos.