homicidos vs muertes por covid

setwd("~/PyE verano 2020")
library(pacman)
library(readxl)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "ggplot2", "tidyr", "plotly", "DT")
muertes <-read_xlsx("covidvshomicidios.xlsx")
datatable(muertes)
xfun::embed_file("covidvshomicidios.xlsx")
Download covidvshomicidios.xlsx

se tienen 52 datos sobre la tendencia en busquedas de homicidios vs muertes por covid-19.

correlacion con matriz de diagramas de distribuccion.

pairs(muertes)

coeficientes de relacion de “mueres por coronavirus vs homicidios”

cor(muertes)
##                      muertoporcoronavirus homicidios
## muertoporcoronavirus           1.00000000 0.00378339
## homicidios                     0.00378339 1.00000000

estimacion y representacion de la recta de minimos cuarados.

regresion.CH <- lm(muertoporcoronavirus ~ homicidios, data = muertes)
summary(regresion.CH)
## 
## Call:
## lm(formula = muertoporcoronavirus ~ homicidios, data = muertes)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -6.893 -6.693 -6.669  1.505 93.297 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept) 6.613405   4.257504   1.553    0.127
## homicidios  0.005277   0.197254   0.027    0.979
## 
## Residual standard error: 15.58 on 50 degrees of freedom
## Multiple R-squared:  1.431e-05,  Adjusted R-squared:  -0.01999 
## F-statistic: 0.0007157 on 1 and 50 DF,  p-value: 0.9788

Los parámetros de la ecuación de la recta de mínimos cuadrados que relaciona las busquedas de muertes por covid y homicidios, estan dados por la tabla “coefficients” en el apartado de “estimate”, entonces conociendo estos datos podemos generar la ecuacion de la recta minima cuadrada como:

\[ y = 6.6134 + 0.005277 x \]

Graficamente esto se vera de la siguiente manera con los siguientes comandos.

plot(muertes$muertoporcoronavirus, muertes$homicidios, xlab = "Muertesporcoronavirus", ylab = "Homicidios")
abline(regresion.CH)