datos confirmados COVID Mexico

Práctica 1.

Análisis decriptivo de datos confirmados COVID19 en México.

Las librerías

library(readr) # Para utilizar read, importar datos
library(dplyr) # Para opearciones con datos, select, filter, pipes, arrange()...

library(knitr) # Para ver conjunto de datos más amigable

#install.packages("modeest") 
library(modeest)

Los datos

# ruta <- "C:/Users/Usuario/Documents/Modulo 3 Curso Titulacion/Datos/covid19-mx/casos_confirmados.csv"

#datos <- read.csv("../Datos/covid19-mx/casos_confirmados.csv", encoding = "UTF-8")

#datos <- read_csv("Datos/covid19-mx/casos_confirmados.csv")

datos <- read.csv("~/Modulo 3 Curso Titulacion/Datos/covid19-mx/casos_confirmados.csv", encoding = "UTF-8")

#datos <- read.csv(ruta, encoding = "UTF-8")

kable(head(datos, 10))

X	State	Sex	Age	Date	Confirmed
0	méxico	FEMENINO	75	2020-04-09	1
3	tamaulipas	MASCULINO	22	2020-04-06	1
15	distrito federal	MASCULINO	40	2020-03-28	1
16	distrito federal	FEMENINO	29	2020-04-01	1
17	yucatán	MASCULINO	71	2020-04-15	1
22	michoacán	FEMENINO	29	2020-04-23	1
27	guerrero	FEMENINO	61	2020-04-07	1
28	distrito federal	MASCULINO	33	2020-04-08	1
31	méxico	FEMENINO	77	2020-04-08	1
32	méxico	FEMENINO	84	2020-04-02	1

kable(tail(datos, 10))

	X	State	Sex	Age	Date	Confirmed
19215	87334	michoacán	MASCULINO	22	2020-04-14	1
19216	87344	distrito federal	FEMENINO	52	2020-04-26	1
19217	87349	tabasco	MASCULINO	36	2020-04-28	1
19218	87353	distrito federal	FEMENINO	30	2020-04-21	1
19219	87354	tabasco	FEMENINO	47	2020-04-21	1
19220	87356	méxico	FEMENINO	28	2020-04-13	1
19221	87358	distrito federal	FEMENINO	39	2020-04-28	1
19222	87360	méxico	MASCULINO	48	2020-04-22	1
19223	87361	tabasco	MASCULINO	48	2020-04-25	1
19224	87365	méxico	FEMENINO	62	2020-04-07	1

La estructura de los datos

str(datos)

## 'data.frame':    19224 obs. of  6 variables:
##  $ X        : int  0 3 15 16 17 22 27 28 31 32 ...
##  $ State    : Factor w/ 32 levels "aguascalientes",..: 15 28 9 9 31 16 12 9 15 15 ...
##  $ Sex      : Factor w/ 2 levels "FEMENINO","MASCULINO": 1 2 2 1 2 1 1 2 1 1 ...
##  $ Age      : int  75 22 40 29 71 29 61 33 77 84 ...
##  $ Date     : Factor w/ 66 levels "2020-01-06","2020-01-08",..: 45 42 33 37 51 59 43 44 44 38 ...
##  $ Confirmed: int  1 1 1 1 1 1 1 1 1 1 ...

Summary de los datos

summary(datos)

##        X                      State             Sex             Age        
##  Min.   :    0   distrito federal:5209   FEMENINO : 8039   Min.   :  0.00  
##  1st Qu.:22523   méxico          :3130   MASCULINO:11185   1st Qu.: 35.00  
##  Median :44009   baja california :1557                     Median : 46.00  
##  Mean   :44045   tabasco         : 984                     Mean   : 46.59  
##  3rd Qu.:65793   sinaloa         : 865                     3rd Qu.: 57.00  
##  Max.   :87365   quintana roo    : 788                     Max.   :113.00  
##                  (Other)         :6691                                     
##          Date         Confirmed
##  2020-04-20: 1144   Min.   :1  
##  2020-04-21: 1100   1st Qu.:1  
##  2020-04-24: 1049   Median :1  
##  2020-04-22: 1016   Mean   :1  
##  2020-04-23: 1006   3rd Qu.:1  
##  2020-04-17:  937   Max.   :1  
##  (Other)   :12972

La media de age

mean(datos$Age)

## [1] 46.58526

La mediana de age

median(datos$Age)

## [1] 46

La moda

con table() se generan las frecuencias de cada valor

sort(table(datos$Age))

## 
##  96  98 102 113  97  99 100  94  93  95  92   8   3   5  91   6   7   9   4  10 
##   1   1   1   1   2   2   2   3   5   6   7   9  11  11  12  13  14  14  15  15 
##  12  14  90   2  88  89  11  16  15   1  85   0  13  86  17  87  83  18  81  82 
##  17  17  17  18  18  18  20  21  22  24  25  26  26  27  33  33  41  42  44  52 
##  20  80  84  19  79  77  76  78  21  74  75  22  72  73  71  70  23  69  64  24 
##  56  56  56  57  74  91  93  94  99 113 114 115 124 130 136 155 161 178 192 196 
##  68  25  67  66  63  65  61  62  26  59  60  27  58  28  57  30  32  55  29  54 
## 197 215 215 220 249 261 283 287 299 322 322 324 333 336 362 369 372 376 384 393 
##  31  56  53  33  34  36  51  40  50  37  42  39  35  48  38  43  41  45  44  52 
## 398 402 412 416 417 425 428 429 429 434 436 437 442 450 453 455 456 459 462 465 
##  47  49  46 
## 466 475 483

moda <- mlv(datos$Age) 
moda

## [1] 46

Valores máximos y mínimos

max(datos$Age)

## [1] 113

min(datos$Age)

## [1] 0

Cuartiles al 25%, 50%, y 75%

Caurtil al 25%
Caurtil al 50%
Caurtil al 75%

quantile(datos$Age, 0.25)

## 25% 
##  35

quantile(datos$Age, 0.50)

## 50% 
##  46

quantile(datos$Age, 0.75)

## 75% 
##  57

Rango de la variable age de los datos

range(datos$Age)

## [1]   0 113

boxplot de age

boxplot(datos$Age, main = "Estadísticos de la edad (age)")

Medidas de dispersión

Varianza
Dispersión

var(datos$Age)

## [1] 243.3138

sd(datos$Age)

## [1] 15.59852

Tabla de distribión

Frecuencia Frecuencia es el numero de veces que un valor aaparece en los datos Frecuencia relativa es la relación de la frecuencia con respecto al total de los datos Frecuenia porcentual igual a la frecuenia relativa representada en % Frecuencia acumulada, es la acumulación

#unique(datos$State)
datos$State <- toupper(datos$State)
#sort(unique(datos$State))


# Freuencia pro cada estado
tabla.Estados <- as.data.frame(table(datos$State))

colnames(tabla.Estados) <- c("Estados", "Frecuencia")

tabla.Estados <- arrange(tabla.Estados, desc(Frecuencia))

kable(head(tabla.Estados, 5))

Estados	Frecuencia
DISTRITO FEDERAL	5209
MÉXICO	3130
BAJA CALIFORNIA	1557
TABASCO	984
SINALOA	865

kable(tail(tabla.Estados, 5))

	Estados	Frecuencia
28	CAMPECHE	93
29	NAYARIT	93
30	ZACATECAS	77
31	DURANGO	66
32	COLIMA	27

Graficar datos

Gráfica de barra top(5)

barplot(head(tabla.Estados$Frecuencia, 5), names.arg = head(tabla.Estados$Estados,5))