PRÁCTICA DIRIGIDA 9

http://rpubs.com/Brayan_Milla/534602

library(htmltab)

pbi_nominal= htmltab(doc = "https://en.m.wikipedia.org/wiki/List_of_countries_by_GDP_(nominal)_per_capita", 
               which ='//*/table/tbody/tr[2]/td[1]',
               encoding = "UTF-8") 

str(pbi_nominal)

## 'data.frame':    193 obs. of  3 variables:
##  $ Rank             : chr  "1" "2" "—" "3" ...
##  $ Country/Territory: chr  "  Luxembourg" "   Switzerland" "  Macau" "  Norway" ...
##  $ US$              : chr  "114,234" "82,950" "82,388" "81,695" ...

names(pbi_nominal)=c("Rank","Pais","PBInominal")

Ahora queremos cambiar la variable “PBInominal” a numérica pero antes debemos recordar que si los números de los casos tienen coma al cambiar la estructura lo que R hará, automáticamente, es convertir todos los valores a NA’s. Entonces:

pbi_nominal$PBInominal=gsub(",","",pbi_nominal$PBInominal)

pbi_nominal$PBInominal=as.numeric(pbi_nominal$PBInominal)

row.names(pbi_nominal)=NULL

2.Exploración gráfica

Histograma

library(ggplot2)
histNum=ggplot(pbi_nominal,aes(x=PBInominal))+ geom_histogram(bins=5) 
histNum

Del gráfico anterior, podemos decir que la distribución no es simétrica por lo tanto la MEDIA no será una medida representativa (la MEDIANA será mejor opción)

Boxplot Esto es mejor para revisar los valores perdidos

box=ggplot(pbi_nominal,aes(y=PBInominal)) + geom_boxplot() + coord_flip()
box

Estadígrafos

summary(pbi_nominal$PBInominal)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     303    2085    5899   14806   18032  114234

library(ggplot2)
estadigrafos=round(as.vector(summary(pbi_nominal$PBInominal)),1)
box + scale_y_continuous(breaks = estadigrafos)

En este caso, observamos que la media es mayor a la mediana, eso significa que se tiene una asimetría positiva.

Ahora podemos confirmarla con el siguiente codigo

library(DescTools)
Skew(pbi_nominal$PBInominal, conf.level = 0.05) 

##     skew   lwr.ci   upr.ci 
## 2.083208 2.164955 2.205914

La distancia intercuartilica

IQR(pbi_nominal$PBInominal)

## [1] 15947

Entre el primer y tercer cuartil hay 15947 valores; asi, el 50% de los valores centrales varian en 15947 valores. Así, podemos proponer que un atípico es aquel que está a una distancia lejana de estos valores centrales.

Ahora podemos representarlos por GINI

Gini(pbi_nominal$PBInominal, conf.level = 0.05)

##      gini    lwr.ci    upr.ci 
## 0.6315895 0.6335661 0.6354289

Grafiquemos en la curva de Lorentz

library(ggplot2)
library(gglorenz)

## Registered S3 methods overwritten by 'ineq':
##   method   from     
##   plot.Lc  DescTools
##   lines.Lc DescTools

ggplot(pbi_nominal,aes(x=PBInominal))+ gglorenz::stat_lorenz(color='red') +
    geom_abline(linetype = "dashed") + coord_fixed() +
    labs(x = "% Paises ordenados por PBI nominal",
         y = "% Acumulado de PBI nominal",
         title = "Relación pais/PBI nominal",
         caption = "Fuente: Fondo Monetario Internacional")