Datos confirmados COVID 19 Mexico

Practica 1

Analisis descriptivo de datos confirmados covid 19 en Mexico

librerias

library(readr)
library(dplyr)
library(knitr) 
library(modeest)

Los Datos

datos <- read.csv("~/modulo3/Datos/casos_confirmados.csv", 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

Estructura de 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 ...

Resumen de 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

La medida de localización más importante es la media, o valor promedio, de una variable. La media proporciona una medida de localización central de los datos. Si los datos son datos de una muestra, la media se denota como x¯x¯=∑x=N/N

mean(datos$Age)

## [1] 46.58526

Mediana de age

La mediana es otra medida de localización central. Es el valor de enmedio en los datos ordenados de menor a mayor ##(en forma ascendente).Si el número de observaciones es impar, la mediana es el valor de enmedio.Si el número de observaciones es par, la mediana es el promedio de las dos observaciones de enmedio.

Ejemplo de mediana con edades

median(datos$Age)

## [1] 46

La moda es el valor que se presenta con mayor frecuencia. Ejemplo de edades, La moda

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

Generando la moda de EDAD de COVID19

moda<-mlv(datos$Age)
moda

## [1] 46

Valores Maximos y minimos

min(datos$Age)

## [1] 0

max(datos$Age)

## [1] 113

Cuartiles al 25%, 50% y 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(edades) datos

range(datos$Age)

## [1]   0 113

boxplot de el campo age(edades)

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

Medidas de dispersion

Varianza var() Dispersion sd()

varianza <- var(datos$Age)
desvstd <- sd(datos$Age)

mean(datos$Age)

## [1] 46.58526

varianza

## [1] 243.3138

desvstd

## [1] 15.59852

Tabla de distribucion

Frecuencia es el numero de veces que un valor aparece en los datos ##Frecuencia relativa es la relacion de la frecuenciacon respecto al total de los datos Frecuencia porcentual igual a la frecuanci relativa representada en % Frecuencia acumulada, es la acumulacion

datos$State <- toupper(datos$State)
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

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