REPASO

PARTE 1: EXTREYENDO LA TABLA DESDE LA WEB

library(htmltab)

linkPage ="https://en.wikipedia.org/wiki/Democracy_Index"
linkTabla ='//*[@id="mw-content-text"]/div/table[2]/tbody'

Demo=htmltab(doc = linkPage, 
            which = linkTabla)

#Visibilizar nuestras variables
str(Demo)

#Revisar los nombre de las variables
names(Demo)

PARTE 2: LIMPIANDO DATOS

• PARA QUEDARSE CON NOMBRES SIN ESPACIOS

Sin la parte de [] en el código, solo se partirá el nombre en partes.

library(stringr)
names(Demo)=str_split(names(Demo)," ",simplify = T)[,1]
#           _código_           _espacio_        _partequesequeda_


names(Demo) #para revisar los nombres (opcional)

##  [1] "Rank"                     "Country"                 
##  [3] "Score"                    "Elec­toral"              
##  [5] "Functio­ning"             "Poli­ticalpartici­pation"
##  [7] "Poli­ticalculture"        "Civilliber­ties"         
##  [9] "Regimetype"               "Conti­nent"

• NOMBRES SIN SIMBOLOS ‘RAROS’

names(Demo)=str_replace_all(names(Demo),"[^[:ascii:]]", "")
#                                       _simbolosraros_

• AHORA PARA EL RESTO DE VARIABLES

Demo[,]=lapply(Demo[,], str_replace_all, "[^[:ascii:]]", "")

• ELIMINAR COLUMNAS QUE NO SE UTILIZARAN Y QUE SE PODRÍAN RECALCULAR

Demo$Rank=NULL

• RECUPERAR NÚMEROS

library(readr)

Demo[,c(2:7)]=lapply(Demo[,c(2:7)],parse_number)

PARTE 3: DEFINIENDO VARIABLES

• ORDINALES

#viendo la tabla

table(Demo$Regimetype)

## 
##    Authoritarian Flawed democracy   Full democracy    Hybrid regime 
##               53               55               20               39

#Arroja los datos en desorden

#Para ordenar los datos de forma ordinal:

RegTypeOK=c("Authoritarian","Hybrid regime", "Flawed democracy","Full democracy")

Demo$Regimetype=factor(Demo$Regimetype, levels = RegTypeOK, ordered = TRUE)

table(Demo$Regimetype)

## 
##    Authoritarian    Hybrid regime Flawed democracy   Full democracy 
##               53               39               55               20

• NOMINALES

Demo$Continent=as.factor(Demo$Continent)

#HASTA AHORA TENEMOS:
str(Demo)

## 'data.frame':    167 obs. of  9 variables:
##  $ Country               : chr  "Norway" "Iceland" "Sweden" "New Zealand" ...
##  $ Score                 : num  9.87 9.58 9.39 9.26 9.22 9.15 9.15 9.14 9.09 9.03 ...
##  $ Electoral             : num  10 10 9.58 10 10 9.58 9.58 10 10 9.58 ...
##  $ Functioning           : num  9.64 9.29 9.64 9.29 9.29 7.86 9.64 8.93 8.93 9.29 ...
##  $ Politicalparticipation: num  10 8.89 8.33 8.89 8.33 8.33 7.78 8.33 7.78 7.78 ...
##  $ Politicalculture      : num  10 10 10 8.13 9.38 10 8.75 8.75 8.75 9.38 ...
##  $ Civilliberties        : num  9.71 9.71 9.41 10 9.12 10 10 9.71 10 9.12 ...
##  $ Regimetype            : Ord.factor w/ 4 levels "Authoritarian"<..: 4 4 4 4 4 4 4 4 4 4 ...
##  $ Continent             : Factor w/ 6 levels "Africa","Asia",..: 3 3 3 5 3 3 4 3 5 3 ...

PARTE 4: ANÁLISIS DE GRÁFICOS/PREGUNTAS

1. ¿Cual es el valor representativo de Tipo de Regimen

valor represntativo: nominal= moda - para saber si la moda es muy prominente ordinales= mediana - Median con mayuscula (con minuscula es otra funcion) numérica= media

library(DescTools)
Median(Demo$Regimetype)

## [1] Hybrid regime
## 4 Levels: Authoritarian < Hybrid regime < ... < Full democracy

2. ¿Podemos afirmar que 3 cuartas partes de los paises del mundo que tenemos en nuestra tabla no superan el tipo hibrido de democracia?

library(questionr)
library(magrittr)

OrdDF=freq(Demo$Regimetype, total = F, exclude = c(NA), cum = T) %>%data.frame()
OrdDF=data.frame(row.names(OrdDF),OrdDF,row.names = NULL)

names(OrdDF)=c("Categoria","Conteo","Porcentaje","Porcentaje Acumulado")

OrdDF

##          Categoria Conteo Porcentaje Porcentaje Acumulado
## 1    Authoritarian     53       31.7                 31.7
## 2    Hybrid regime     39       23.4                 55.1
## 3 Flawed democracy     55       32.9                 88.0
## 4   Full democracy     20       12.0                100.0

3.1. ¿Cual es el valor representativo de Continente?

valor represntativo: nominal= moda - para saber si la moda es muy prominente ordinales= mediana - Median con mayuscula (con minuscula es otra funcion) numérica= media

Mode(Demo$Continent)

## [1] "Africa"

3.2. ¿Es el valor representativo de continente muy prominente? (quizas otros continentes no envian informacion?)

valor represntativo: nominal= moda - para saber si la moda es muy prominente ordinales= mediana - Median con mayuscula (con minuscula es otra funcion) numérica= media

tablaContinente=prop.table(table(Demo$Continent))

Herfindahl(tablaContinente)

## [1] 0.238266

• EN LOS BOXPLOT

simetria cuando la cola está a un solo lado cuando la cola se presenta a ambos lados, es asimetrica