En su documento R markdown, incluya como texto el enunciado del ejercicio y en el chunk incluya el código y los resultados.
Suba a classroom únicamente el documento renderizado con los las funciones requeridas y resultados (impresos en el reporte) para resolver los ejercicios.
1- Cargue el archivo mobility.csv.csv proveido por el profesor en el siguiente link(Debe hacerlo directamente desde la función read.csv:
https://raw.githubusercontent.com/DFJL/Datasets/master/mobility.csv
Este archivo de datos contiene data por país y por día sobre la movilidad promedio ( en cambios porcentuales) con respecto a una línea base del año 2019 en las siguientes localidades:
Puede ver los detalles e información sobre como interpretar en el siguiente link:
https://www.google.com/covid19/mobility/data_documentation.html?hl=en#about-this-data
Es requerido leer esta documentación para el correcto análisis de datos del presente reporte.
2- Copie y pegue el siguiente código para resumir el dataframe:
library(lubridate)
library(dplyr)
#Previanmente he cargado el archivo con el nombre de mobility
mobility$date <- as.Date(mobility$date, format = '%Y-%m-%d')
mobility2 <- mobility %>%
mutate(month= month(x = date),
year= year(x= date))3- Seleccione un país centroamericano y filtre los datos mediante el campo country_region_code.Guarde el resultado en nuevo dataframe.
4- Obtenga un resumen de los datos del dataframe obtenido en ejercicio anterior que indique la cantidad de observaciones, columnas y tipos de datos de las variables.
5- Obtenga para todas las variables cuantitativas(numericas), las medidas de tendencia central (min,Q1,mean,median,Q3,max) estudiadas en clase mediante alguna función estudiada en clase
Según los resultados del ejercicio anterior responda:
5.2 Analice la mediana de todas las variables.Según esa medida, cuáles variables sufrieron mayor impacto, (tanto negativo como positivo) comparado con la línea base.
5.3 Según la media, cuáles variables tuvieron un incremento con respecto a la línea base?
6- Utilizando una función(puede ser la utilizada en ejercicio anterior) cual variable tuvo más días( observaciones ) con valores negativos?
7- Obtenga un nuevo dataframe que realice lo siguiente:
8- Obtenga la distribución de frecuencias de la variable anterior para el mes de abril. - ( para lo anterior cree un nuevo df filtrando por el mes de abril) - ( debe utilizar el dataframe creado en ejercicio 3, debido a que el anterior esta agregado) - Utilice la opción “pretty” y nbins=10
9- Cree el histograma de la distribución de frecuencias anterior
10- Interprete la categoría con mayor frecuencia en el histograma, tanto en términos absolutos como relativos.
Bonus Genere el box plot de los datos del ejercicio 8 y 9.