Parte 2 mujeres

library(htmltab)
linkm="https://en.wikipedia.org/wiki/List_of_Wimbledon_ladies%27_singles_champions"
linktabm="//div/table[4]"
mujer=htmltab(doc=linkm, which=linktabm)

names(mujer)

## [1] "Year"               "Country"            "Champion"          
## [4] "Country"            "Runner-up"          "Score in the final"

mujer=mujer[c(2)]
names(mujer)

## [1] "Country"

str(mujer)

## 'data.frame':    52 obs. of  1 variable:
##  $ Country: chr  " USA" " GBR" " AUS" " AUS" ...

Viendo la data

mujer

##    Country
## 2      USA
## 3      GBR
## 4      AUS
## 5      AUS
## 6      USA
## 7      USA
## 8      USA
## 9      USA
## 10     USA
## 11     GBR
## 12     USA
## 13     USA
## 14     AUS
## 15     USA
## 16     USA
## 17     USA
## 18     USA
## 19     USA
## 20     USA
## 21     USA
## 22     FRG
## 23     FRG
## 24     USA
## 25     GER
## 26     GER
## 27     GER
## 28     ESP
## 29     GER
## 30     GER
## 31     SUI
## 32     CZE
## 33     USA
## 34     USA
## 35     USA
## 36     USA
## 37     USA
## 38     RUS
## 39     USA
## 40     FRA
## 41     USA
## 42     USA
## 43     USA
## 44     USA
## 45     CZE
## 46     USA
## 47     FRA
## 48     CZE
## 49     USA
## 50     USA
## 51     ESP
## 52     GER
## 53     ROU

head(mujer)

##   Country
## 2     USA
## 3     GBR
## 4     AUS
## 5     AUS
## 6     USA
## 7     USA

tabla de frecuencias

library(questionr)
library(magrittr)

Mu=freq(mujer$Country,total = F,sort = 'dec',exclude = c(NA)) %>% data.frame()
Mu=data.frame(variable=row.names(Mu),Mu,row.names = NULL)
Mu

##    variable  n   X.
## 1       USA 29 55.8
## 2       GER  6 11.5
## 3       AUS  3  5.8
## 4       CZE  3  5.8
## 5       ESP  2  3.8
## 6       FRA  2  3.8
## 7       FRG  2  3.8
## 8       GBR  2  3.8
## 9       SUI  1  1.9
## 10      ROU  1  1.9
## 11      RUS  1  1.9

Graficos

library(ggplot2)

base= ggplot(data=Mu, aes(x=variable, y=n))

bar1=base+geom_bar(stat='identity')

bar1

Ordenando

bar1= bar1 + scale_x_discrete(limits=Mu$variable)
bar1

Títulos

text1="Open Era-Mujeres"
text2="País"
text3="Conteo"
text4="Fuente: Wikipedia"

bar2= bar1 + labs(title=text1,
                      x =text2, 
                      y = text3,
                      caption = text4) 
bar2

Pareto chart

library(qcc)

## Package 'qcc' version 2.7

## Type 'citation("qcc")' for citing this R package in publications.

pareto.chart(table(mujer$Country), cumperc = c(0,50, 80, 100))

##        
## Pareto chart analysis for table(mujer$Country)
##          Frequency  Cum.Freq. Percentage Cum.Percent.
##    USA   29.000000  29.000000  55.769231    55.769231
##    GER    6.000000  35.000000  11.538462    67.307692
##    AUS    3.000000  38.000000   5.769231    73.076923
##    CZE    3.000000  41.000000   5.769231    78.846154
##    ESP    2.000000  43.000000   3.846154    82.692308
##    FRA    2.000000  45.000000   3.846154    86.538462
##    FRG    2.000000  47.000000   3.846154    90.384615
##    GBR    2.000000  49.000000   3.846154    94.230769
##     SUI   1.000000  50.000000   1.923077    96.153846
##    ROU    1.000000  51.000000   1.923077    98.076923
##    RUS    1.000000  52.000000   1.923077   100.000000

El casi 80% de las ganadoras estan en USA, GER, AUS y CZE.

CALCULOS ESTADISTICOS

library(DescTools)
Mode(mujer$Country)

## [1] " USA"

Concentracion: Herfindahl- Hirschman

dataTable=table(mujer$Country)
Herfindahl(dataTable)

## [1] 0.3380178

Al ser mayor que 0.3 la moda se diferencia de los demás. Pais principal: Estados Unidos

Representatividad Efectiva : Laakso - Taagepera

1/sum(prop.table(dataTable)**2)

## [1] 2.958425

Tres grupos representativos.