R Notebook

Las librerias

library(dplyr)
# install.packages("fdth") # Para Distribución de Frecuencias
library(fdth)

edades <- c(30, 20, 25, 40, 50)
edades

[1] 30 20 25 40 50

Simular 1000 personas con edades Con la función sample() generamos números aleatorios set.seed(2020) Se establece para que genere los mismos números aleatorios

set.seed(2020)

edades <- sample(20:80, 1000, replace = TRUE)
edades

   [1] 47 63 42 41 43 20 36 55 61 25 68 64 75 27 61 69 35 73 48 53 67 22 21 48 75 59 23 69 33 33
  [31] 31 67 66 33 26 39 37 71 40 71 67 63 78 73 37 29 50 25 66 62 32 51 79 43 32 64 21 50 35 32
  [61] 20 57 22 48 44 64 62 44 24 62 77 57 21 44 54 43 69 52 73 26 27 40 75 32 53 24 73 23 38 67
  [91] 42 23 71 37 61 20 66 41 50 60 79 35 25 43 74 45 29 45 52 47 20 36 59 34 63 77 69 32 24 43
 [121] 67 39 71 39 33 32 47 36 49 64 58 60 79 79 59 46 48 72 54 78 54 21 32 27 42 80 51 23 58 65
 [151] 68 74 72 55 43 67 60 79 48 47 73 21 51 36 36 56 29 70 66 30 70 36 58 32 29 57 74 75 40 29
 [181] 78 30 79 66 22 44 63 50 42 70 64 67 23 40 79 80 60 56 71 75 78 22 77 45 73 20 48 33 43 46
 [211] 58 37 55 38 44 77 57 23 29 45 70 43 40 54 63 44 78 62 41 52 71 34 50 31 50 20 70 69 46 23
 [241] 22 39 78 43 39 63 48 20 80 58 63 63 41 76 31 31 80 29 32 46 64 61 60 63 48 44 75 76 76 38
 [271] 21 68 63 23 30 38 70 70 48 70 60 21 73 39 26 27 33 63 44 55 42 29 70 32 46 54 46 73 46 39
 [301] 42 26 47 24 71 46 58 72 41 78 40 44 64 67 45 35 38 51 45 61 55 55 28 47 67 69 20 77 64 67
 [331] 61 53 64 25 60 43 70 22 66 69 45 73 75 57 53 53 23 59 28 62 29 62 61 31 76 60 49 51 75 79
 [361] 50 57 46 66 30 51 21 30 20 33 26 38 25 73 72 49 76 36 64 29 74 31 62 73 51 30 78 68 57 44
 [391] 47 49 49 31 37 62 26 26 77 25 25 45 55 79 58 29 77 39 22 50 77 66 65 21 34 33 26 49 71 26
 [421] 49 53 42 67 59 79 42 53 75 55 63 50 76 29 36 51 54 57 24 73 33 59 38 66 75 72 38 40 41 72
 [451] 80 34 43 25 44 32 63 39 41 54 35 38 57 31 42 76 24 29 20 78 37 37 47 48 56 66 75 38 27 48
 [481] 40 56 56 72 32 52 72 64 29 73 38 25 63 48 20 43 64 26 22 45 67 80 23 78 63 63 71 49 38 55
 [511] 36 20 58 33 43 71 40 63 38 31 66 28 23 62 70 65 45 22 56 22 65 22 80 72 38 72 72 61 77 49
 [541] 70 54 31 76 71 38 41 74 51 22 62 29 62 46 39 38 31 71 57 51 80 77 29 39 45 53 78 31 34 59
 [571] 58 34 23 80 35 28 74 70 27 22 55 26 32 57 29 45 21 46 70 77 45 77 25 68 21 66 21 74 34 30
 [601] 48 59 73 59 26 22 76 69 51 70 49 26 46 38 71 53 71 42 66 54 52 62 52 78 40 69 29 37 53 26
 [631] 31 51 35 74 74 80 28 62 28 57 68 64 55 49 57 35 78 63 69 43 80 23 65 32 44 26 26 42 43 32
 [661] 51 55 28 48 42 57 67 73 54 36 56 57 71 65 39 22 51 59 45 41 51 43 76 36 48 77 44 51 64 68
 [691] 72 49 31 47 27 40 67 44 23 73 55 49 28 36 71 21 44 33 22 30 70 25 54 63 63 26 27 78 78 59
 [721] 48 65 60 32 47 36 53 22 24 44 41 43 20 64 69 32 28 33 71 46 23 59 77 23 28 53 68 41 72 54
 [751] 80 29 21 21 28 47 74 43 75 50 30 22 53 50 32 37 35 60 28 63 74 52 28 61 66 69 67 54 32 33
 [781] 77 60 76 33 61 80 68 80 25 68 37 45 72 68 37 64 23 63 61 58 69 59 38 46 37 30 37 66 71 75
 [811] 36 42 77 63 43 45 50 33 57 54 53 25 44 69 72 69 39 71 45 76 72 37 46 65 39 50 68 30 51 69
 [841] 59 53 65 32 36 34 37 64 48 54 39 47 79 48 46 75 74 39 37 52 42 36 56 59 67 55 44 66 67 73
 [871] 57 77 43 43 55 57 23 80 44 69 52 22 60 29 26 72 42 80 39 71 80 41 58 49 26 75 54 35 49 70
 [901] 52 57 46 50 65 49 73 20 76 65 37 46 79 33 61 23 68 69 75 20 20 60 75 56 72 45 22 79 41 21
 [931] 69 76 55 72 43 73 74 50 50 68 34 80 35 31 43 76 78 43 75 34 67 67 38 65 73 66 20 27 63 44
 [961] 76 34 52 28 38 38 66 56 60 75 78 52 36 24 64 55 54 33 36 30 52 46 23 27 64 64 73 29 63 39
 [991] 69 54 33 58 52 69 39 52 60 40

Frecuencias de cada edad

Determinar cuantas personas hay de cada edad, cuantas de 20,30,45,50,80…

frecuencias <- as.data.frame(table(edades))
colnames(frecuencias) <- c("Edades", "Frecuencia")
frecuencias

Tablas de distribucion de frecuencias con edades

tabla.distribucion <- fdt(edades, breaks = "Sturges")
tabla.distribucion

  Class limits   f   rf rf(%)   cf cf(%)
  [19.8,25.35)  94 0.09   9.4   94   9.4
 [25.35,30.89)  76 0.08   7.6  170  17.0
 [30.89,36.44)  93 0.09   9.3  263  26.3
 [36.44,41.98)  82 0.08   8.2  345  34.5
 [41.98,47.53) 108 0.11  10.8  453  45.3
 [47.53,53.07)  97 0.10   9.7  550  55.0
 [53.07,58.62)  76 0.08   7.6  626  62.6
 [58.62,64.16) 100 0.10  10.0  726  72.6
 [64.16,69.71)  84 0.08   8.4  810  81.0
 [69.71,75.25) 109 0.11  10.9  919  91.9
  [75.25,80.8)  81 0.08   8.1 1000 100.0

Generar tabla de distribución del conjunto de datos coronavirus_confirmados.csv Cargar datos de manera local o desde la Web ??

datos <- read.csv("../Datos/casos_confirmados.csv", encoding = "UTF-8", header = TRUE)
str (datos)

'data.frame':   19224 obs. of  6 variables:
 $ X        : int  0 3 15 16 17 22 27 28 31 32 ...
 $ State    : chr  "méxico" "tamaulipas" "distrito federal" "distrito federal" ...
 $ Sex      : chr  "FEMENINO" "MASCULINO" "MASCULINO" "FEMENINO" ...
 $ Age      : int  75 22 40 29 71 29 61 33 77 84 ...
 $ Date     : chr  "2020-04-09" "2020-04-06" "2020-03-28" "2020-04-01" ...
 $ Confirmed: int  1 1 1 1 1 1 1 1 1 1 ...

summary(datos)

       X            State               Sex                 Age             Date          
 Min.   :    0   Length:19224       Length:19224       Min.   :  0.00   Length:19224      
 1st Qu.:22523   Class :character   Class :character   1st Qu.: 35.00   Class :character  
 Median :44009   Mode  :character   Mode  :character   Median : 46.00   Mode  :character  
 Mean   :44045                                         Mean   : 46.59                     
 3rd Qu.:65793                                         3rd Qu.: 57.00                     
 Max.   :87365                                         Max.   :113.00                     
   Confirmed
 Min.   :1  
 1st Qu.:1  
 Median :1  
 Mean   :1  
 3rd Qu.:1  
 Max.   :1  

datos$State <- toupper(datos$State)

datos

Tabla de frecuencia de la edad Age de los datos Coronavirus Confirmados

tabla.distribucion <- fdt(datos$Age, breaks = "Sturges")
tabla.distribucion

      Class limits    f   rf rf(%)    cf  cf(%)
       [0,7.13312)  132 0.01  0.69   132   0.69
 [7.13312,14.2662)  118 0.01  0.61   250   1.30
 [14.2662,21.3994)  330 0.02  1.72   580   3.02
 [21.3994,28.5325) 1646 0.09  8.56  2226  11.58
 [28.5325,35.6656) 2798 0.15 14.55  5024  26.13
 [35.6656,42.7987) 3070 0.16 15.97  8094  42.10
 [42.7987,49.9319) 3250 0.17 16.91 11344  59.01
  [49.9319,57.065) 3267 0.17 16.99 14611  76.00
  [57.065,64.1981) 1988 0.10 10.34 16599  86.35
 [64.1981,71.3312) 1362 0.07  7.08 17961  93.43
 [71.3312,78.4644)  759 0.04  3.95 18720  97.38
 [78.4644,85.5975)  348 0.02  1.81 19068  99.19
 [85.5975,92.7306)  132 0.01  0.69 19200  99.88
 [92.7306,99.8637)   20 0.00  0.10 19220  99.98
 [99.8637,106.997)    3 0.00  0.02 19223  99.99
  [106.997,114.13)    1 0.00  0.01 19224 100.00

Tabla de frecuencia de la estados State de los datos Coronavirus Confirmados fdt_cat Es la función para determinar frecuencias de datos categoricos

tabla.distribucion <- fdt_cat(datos$State, breaks = "Sturges")
tabla.distribucion

                        Category    f   rf rf(%)    cf  cf(%)
                DISTRITO FEDERAL 5209 0.27 27.10  5209  27.10
                          MÉXICO 3130 0.16 16.28  8339  43.38
                 BAJA CALIFORNIA 1557 0.08  8.10  9896  51.48
                         TABASCO  984 0.05  5.12 10880  56.60
                         SINALOA  865 0.04  4.50 11745  61.10
                    QUINTANA ROO  788 0.04  4.10 12533  65.19
                          PUEBLA  639 0.03  3.32 13172  68.52
 VERACRUZ DE IGNACIO DE LA LLAVE  575 0.03  2.99 13747  71.51
                         YUCATÁN  448 0.02  2.33 14195  73.84
                        COAHUILA  407 0.02  2.12 14602  75.96
                       CHIHUAHUA  351 0.02  1.83 14953  77.78
                         JALISCO  347 0.02  1.81 15300  79.59
                      NUEVO LEÓN  334 0.02  1.74 15634  81.33
                         MORELOS  324 0.02  1.69 15958  83.01
                      TAMAULIPAS  315 0.02  1.64 16273  84.65
                       MICHOACÁN  313 0.02  1.63 16586  86.28
             BAJA CALIFORNIA SUR  308 0.02  1.60 16894  87.88
                        GUERRERO  281 0.01  1.46 17175  89.34
                      GUANAJUATO  263 0.01  1.37 17438  90.71
                         HIDALGO  261 0.01  1.36 17699  92.07
                          SONORA  215 0.01  1.12 17914  93.19
                  AGUASCALIENTES  205 0.01  1.07 18119  94.25
                        TLAXCALA  193 0.01  1.00 18312  95.26
                         CHIAPAS  177 0.01  0.92 18489  96.18
                          OAXACA  138 0.01  0.72 18627  96.89
                       QUERÉTARO  133 0.01  0.69 18760  97.59
                 SAN LUIS POTOSÍ  108 0.01  0.56 18868  98.15
                        CAMPECHE   93 0.00  0.48 18961  98.63
                         NAYARIT   93 0.00  0.48 19054  99.12
                       ZACATECAS   77 0.00  0.40 19131  99.52
                         DURANGO   66 0.00  0.34 19197  99.86
                          COLIMA   27 0.00  0.14 19224 100.00

Tabla de frecuencia del género (Sex) de los datos Coronavirus confirmados fdt_cat Es la función para determinar frecuencias de datos categóricos

tabla.distribucion <- fdt_cat(datos$Sex, breaks = "Sturges")
tabla.distribucion

  Category     f   rf rf(%)    cf  cf(%)
 MASCULINO 11185 0.58 58.18 11185  58.18
  FEMENINO  8039 0.42 41.82 19224 100.00

Graficar

Generar gráfica de barra de edades

tabla.distribucion <- fdt(datos$Age, breaks = "Sturges")
tabla.distribucion

      Class limits    f   rf rf(%)    cf  cf(%)
       [0,7.13312)  132 0.01  0.69   132   0.69
 [7.13312,14.2662)  118 0.01  0.61   250   1.30
 [14.2662,21.3994)  330 0.02  1.72   580   3.02
 [21.3994,28.5325) 1646 0.09  8.56  2226  11.58
 [28.5325,35.6656) 2798 0.15 14.55  5024  26.13
 [35.6656,42.7987) 3070 0.16 15.97  8094  42.10
 [42.7987,49.9319) 3250 0.17 16.91 11344  59.01
  [49.9319,57.065) 3267 0.17 16.99 14611  76.00
  [57.065,64.1981) 1988 0.10 10.34 16599  86.35
 [64.1981,71.3312) 1362 0.07  7.08 17961  93.43
 [71.3312,78.4644)  759 0.04  3.95 18720  97.38
 [78.4644,85.5975)  348 0.02  1.81 19068  99.19
 [85.5975,92.7306)  132 0.01  0.69 19200  99.88
 [92.7306,99.8637)   20 0.00  0.10 19220  99.98
 [99.8637,106.997)    3 0.00  0.02 19223  99.99
  [106.997,114.13)    1 0.00  0.01 19224 100.00

barplot(height = tabla.distribucion$table$f, names.arg = tabla.distribucion$table$`Class limits`,5)

Generar gráfica de barra para los primeros 5 y últimos 5 estados con frecuencia de casos as.data.frame sirve para garantizar que sea un data.frame la tabla de distribucion creada por fdt_cat

tabla.distribucion <- as.data.frame(fdt_cat(datos$State, breaks = "Sturges"))

There were 20 warnings (use warnings() to see them)

tabla.distribucion

head(tabla.distribucion, 5)

tail(tabla.distribucion, 5)

barplot(head(tabla.distribucion$f, 5), names.arg = head(tabla.distribucion$Category,5), main = "Casos Confirmados por estado top(5)")

barplot(tail(tabla.distribucion$f, 5), names.arg = tail(tabla.distribucion$Category,5), main = "Casos Confirmados por estado last(5)")

Generar gráfica de barra para los primeros 5 y últimos 5 estados con frecuencia de casos as.data.frame sirve para garantizar que sea un data.frame la tabla de distribucion creada por fdt_cat

tabla.distribucion <- as.data.frame(fdt_cat(datos$Sex, breaks = "Sturges"))
tabla.distribucion

barplot(tabla.distribucion$f, names.arg = tabla.distribucion$Category, main = "Casos Confirmados por Género top(5)")