Caso 2. COVID19
Rubén Pizarro
21/9/2020
Objetivo:
Analizar conjunto de registros de personas posibles resultados de CORONAVIRUS.
Descripción.
En el portal de datos abiertos: https://www.gob.mx/salud/documentos/datos-abiertos-152127 se encuentra la base de datos de registros de personas que acuden a Instituciones de Salubridad para realizarse un diagnóstico sobre su estado de salud en relación a la enfermedad de Coronavirus. Los datos son proporcionados por la Secretaría de Saludo del Gobierno de México.
Se solicita realizar un análisi de los datos para derminar tablas de frecuencias y visualizaciones de los datos.
1. Cargar librerías
- Identificar las librerías necesarias de R par el CASO:
- readr dplyr; lubridate, fdth, ggplot
library(readr) # Cargar datos csv
library(fdth) # Tablas de frecuencias
library(dplyr) # Filtros, Select, mutate, arrange, grou_by, summarize, %>%
library(lubridate) # Para manejo de fechas
library(ggplot2)2. Cargar los datos
- Asegurarse el directorio de trabajo
#setwd("C:/Users/Usuario/Documents/Mis clases ITD/Semestre Septiembre 2020 - Enero 2021/AnAlisis Inteligente de Datos 13")
getwd()## [1] "C:/Users/Usuario/Documents/Mis clases ITD/Semestre Septiembre 2020 - Enero 2021/AnAlisis Inteligente de Datos 13/markdown"- Cargar los datos
datos.covid <- read.csv("../datos/200909COVID19MEXICO.csv",encoding = "UTF-8")3. Exploración inicial de los datos antes de limpieza
summary(datos.covid)## FECHA_ACTUALIZACION ID_REGISTRO ORIGEN SECTOR
## Length:1465693 Length:1465693 Min. :1.000 Min. : 1.000
## Class :character Class :character 1st Qu.:1.000 1st Qu.: 4.000
## Mode :character Mode :character Median :2.000 Median :12.000
## Mean :1.668 Mean : 9.336
## 3rd Qu.:2.000 3rd Qu.:12.000
## Max. :2.000 Max. :99.000
## ENTIDAD_UM SEXO ENTIDAD_NAC ENTIDAD_RES
## Min. : 1.00 Min. :1.000 Min. : 1.00 Min. : 1.00
## 1st Qu.: 9.00 1st Qu.:1.000 1st Qu.: 9.00 1st Qu.: 9.00
## Median :14.00 Median :1.000 Median :15.00 Median :15.00
## Mean :15.55 Mean :1.492 Mean :16.35 Mean :15.79
## 3rd Qu.:22.00 3rd Qu.:2.000 3rd Qu.:24.00 3rd Qu.:22.00
## Max. :32.00 Max. :2.000 Max. :99.00 Max. :32.00
## MUNICIPIO_RES TIPO_PACIENTE FECHA_INGRESO FECHA_SINTOMAS
## Min. : 1.0 Min. :1.000 Length:1465693 Length:1465693
## 1st Qu.: 8.0 1st Qu.:1.000 Class :character Class :character
## Median : 20.0 Median :1.000 Mode :character Mode :character
## Mean : 37.2 Mean :1.175
## 3rd Qu.: 46.0 3rd Qu.:1.000
## Max. :999.0 Max. :2.000
## FECHA_DEF INTUBADO NEUMONIA EDAD
## Length:1465693 Min. : 1.00 Min. : 1.000 Min. : 0.0
## Class :character 1st Qu.:97.00 1st Qu.: 2.000 1st Qu.: 30.0
## Mode :character Median :97.00 Median : 2.000 Median : 41.0
## Mean :80.33 Mean : 1.873 Mean : 42.2
## 3rd Qu.:97.00 3rd Qu.: 2.000 3rd Qu.: 53.0
## Max. :99.00 Max. :99.000 Max. :120.0
## NACIONALIDAD EMBARAZO HABLA_LENGUA_INDIG DIABETES
## Min. :1.000 Min. : 1.00 Min. : 1.00 Min. : 1.000
## 1st Qu.:1.000 1st Qu.: 2.00 1st Qu.: 2.00 1st Qu.: 2.000
## Median :1.000 Median : 2.00 Median : 2.00 Median : 2.000
## Mean :1.005 Mean :49.05 Mean : 5.44 Mean : 2.161
## 3rd Qu.:1.000 3rd Qu.:97.00 3rd Qu.: 2.00 3rd Qu.: 2.000
## Max. :2.000 Max. :98.00 Max. :99.00 Max. :98.000
## EPOC ASMA INMUSUPR HIPERTENSION
## Min. : 1.000 Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 2.000 1st Qu.: 2.000 1st Qu.: 2.000 1st Qu.: 2.000
## Median : 2.000 Median : 2.000 Median : 2.000 Median : 2.000
## Mean : 2.238 Mean : 2.222 Mean : 2.258 Mean : 2.104
## 3rd Qu.: 2.000 3rd Qu.: 2.000 3rd Qu.: 2.000 3rd Qu.: 2.000
## Max. :98.000 Max. :98.000 Max. :98.000 Max. :98.000
## OTRA_COM CARDIOVASCULAR OBESIDAD RENAL_CRONICA
## Min. : 1.000 Min. : 1.000 Min. : 1.000 Min. : 1.000
## 1st Qu.: 2.000 1st Qu.: 2.000 1st Qu.: 2.000 1st Qu.: 2.000
## Median : 2.000 Median : 2.000 Median : 2.000 Median : 2.000
## Mean : 2.382 Mean : 2.237 Mean : 2.096 Mean : 2.235
## 3rd Qu.: 2.000 3rd Qu.: 2.000 3rd Qu.: 2.000 3rd Qu.: 2.000
## Max. :98.000 Max. :98.000 Max. :98.000 Max. :98.000
## TABAQUISMO OTRO_CASO RESULTADO MIGRANTE
## Min. : 1.000 Min. : 1.00 Min. :1.000 Min. : 1.00
## 1st Qu.: 2.000 1st Qu.: 1.00 1st Qu.:1.000 1st Qu.:99.00
## Median : 2.000 Median : 2.00 Median :2.000 Median :99.00
## Mean : 2.189 Mean :15.81 Mean :1.615 Mean :98.64
## 3rd Qu.: 2.000 3rd Qu.: 2.00 3rd Qu.:2.000 3rd Qu.:99.00
## Max. :98.000 Max. :99.00 Max. :3.000 Max. :99.00
## PAIS_NACIONALIDAD PAIS_ORIGEN UCI
## Length:1465693 Length:1465693 Min. : 1.00
## Class :character Class :character 1st Qu.:97.00
## Mode :character Mode :character Median :97.00
## Mean :80.34
## 3rd Qu.:97.00
## Max. :99.00str(datos.covid)## 'data.frame': 1465693 obs. of 35 variables:
## $ FECHA_ACTUALIZACION: chr "2020-09-09" "2020-09-09" "2020-09-09" "2020-09-09" ...
## $ ID_REGISTRO : chr "0fa3df" "04b5e9" "005e0d" "12667d" ...
## $ ORIGEN : int 2 2 2 2 2 2 2 2 2 2 ...
## $ SECTOR : int 3 4 4 4 4 4 3 4 4 4 ...
## $ ENTIDAD_UM : int 15 15 30 9 9 15 8 13 30 21 ...
## $ SEXO : int 2 2 2 1 2 1 1 1 2 2 ...
## $ ENTIDAD_NAC : int 15 15 30 9 9 9 8 13 30 21 ...
## $ ENTIDAD_RES : int 15 15 30 9 9 15 8 13 30 21 ...
## $ MUNICIPIO_RES : int 115 62 193 5 13 104 37 56 193 114 ...
## $ TIPO_PACIENTE : int 1 2 1 1 1 1 1 2 2 2 ...
## $ FECHA_INGRESO : chr "2020-06-15" "2020-04-13" "2020-04-16" "2020-03-29" ...
## $ FECHA_SINTOMAS : chr "2020-06-10" "2020-04-06" "2020-04-09" "2020-03-23" ...
## $ FECHA_DEF : chr "9999-99-99" "2020-04-15" "9999-99-99" "9999-99-99" ...
## $ INTUBADO : int 97 2 97 97 97 97 97 2 2 2 ...
## $ NEUMONIA : int 1 1 2 2 2 2 2 1 1 2 ...
## $ EDAD : int 48 26 40 33 29 46 47 46 73 80 ...
## $ NACIONALIDAD : int 1 1 1 1 1 1 1 1 1 1 ...
## $ EMBARAZO : int 97 97 97 2 97 2 2 2 97 97 ...
## $ HABLA_LENGUA_INDIG : int 2 2 2 2 1 2 2 2 2 2 ...
## $ DIABETES : int 2 2 1 2 2 2 2 2 2 2 ...
## $ EPOC : int 2 2 2 2 2 2 2 2 2 2 ...
## $ ASMA : int 2 2 2 2 2 2 2 2 2 2 ...
## $ INMUSUPR : int 2 2 2 2 2 2 2 2 2 2 ...
## $ HIPERTENSION : int 1 2 1 2 2 2 1 1 2 2 ...
## $ OTRA_COM : int 2 2 2 2 2 2 2 1 2 2 ...
## $ CARDIOVASCULAR : int 2 2 2 2 2 2 2 2 2 2 ...
## $ OBESIDAD : int 2 1 1 2 2 2 1 2 2 1 ...
## $ RENAL_CRONICA : int 2 2 2 2 2 2 2 1 2 2 ...
## $ TABAQUISMO : int 2 2 2 2 2 2 2 2 2 2 ...
## $ OTRO_CASO : int 2 99 99 1 1 1 1 99 99 99 ...
## $ RESULTADO : int 1 1 1 1 1 1 1 1 1 1 ...
## $ MIGRANTE : int 99 99 99 99 99 99 99 99 99 99 ...
## $ PAIS_NACIONALIDAD : chr "México" "México" "México" "México" ...
## $ PAIS_ORIGEN : chr "99" "99" "99" "99" ...
## $ UCI : int 97 2 97 97 97 97 97 2 2 2 ...4. Limpiar datos.
- Modificar los tipos de datos de aquellos que datos que deban ser categóricos (factor()) y traen consigo valores numéricos.
- Modificar los atributos tipo fecha a ymd().
datos.covid$ORIGEN <- factor(datos.covid$ORIGEN)
datos.covid$SECTOR <- factor(datos.covid$SECTOR)
datos.covid$ENTIDAD_UM <- factor(datos.covid$ENTIDAD_UM)
datos.covid$SEXO <- factor(datos.covid$SEXO)
datos.covid$ENTIDAD_NAC <- factor(datos.covid$ENTIDAD_NAC)
datos.covid$ENTIDAD_RES <- factor(datos.covid$ENTIDAD_RES)
datos.covid$ENTIDAD_RES <- factor(datos.covid$ENTIDAD_RES)
datos.covid$MUNICIPIO_RES <- factor(datos.covid$MUNICIPIO_RES)
datos.covid$TIPO_PACIENTE <- factor(datos.covid$TIPO_PACIENTE)
datos.covid$NACIONALIDAD <- factor(datos.covid$NACIONALIDAD)
datos.covid$HABLA_LENGUA_INDIG <- factor(datos.covid$HABLA_LENGUA_INDIG)
datos.covid$MIGRANTE <- factor(datos.covid$MIGRANTE)
datos.covid$PAIS_ORIGEN <- factor(datos.covid$PAIS_ORIGEN)
# Cambiar fecha. Aquí es donde actúa la librería lubridate
# para habilitar la función ymd() de esa librería
datos.covid$FECHA_ACTUALIZACION <- ymd(datos.covid$FECHA_ACTUALIZACION)
datos.covid$FECHA_INGRESO <- ymd(datos.covid$FECHA_INGRESO)
datos.covid$FECHA_SINTOMAS <- ymd(datos.covid$FECHA_SINTOMAS)
datos.covid$FECHA_DEF <- ymd(datos.covid$FECHA_DEF)
# Diagnóstico de enfermedadades o condición clinica
datos.covid$INTUBADO <- factor(datos.covid$INTUBADO)
datos.covid$NEUMONIA <- factor(datos.covid$NEUMONIA)
datos.covid$EMBARAZO <- factor(datos.covid$EMBARAZO)
datos.covid$DIABETES <- factor(datos.covid$DIABETES)
datos.covid$EPOC <- factor(datos.covid$EPOC)
datos.covid$ASMA <- factor(datos.covid$ASMA)
datos.covid$INMUSUPR <- factor(datos.covid$INMUSUPR)
datos.covid$HIPERTENSION <- factor(datos.covid$HIPERTENSION)
datos.covid$OTRA_COM <- factor(datos.covid$OTRA_COM)
datos.covid$CARDIOVASCULAR <- factor(datos.covid$CARDIOVASCULAR)
datos.covid$OBESIDAD <- factor(datos.covid$OBESIDAD)
datos.covid$RENAL_CRONICA <- factor(datos.covid$RENAL_CRONICA)
datos.covid$TABAQUISMO <- factor(datos.covid$TABAQUISMO)
datos.covid$OTRO_CASO <- factor(datos.covid$OTRO_CASO)
# Resultado
datos.covid$RESULTADO <- factor(datos.covid$RESULTADO)
datos.covid$UCI <- factor(datos.covid$UCI)5. Descripción de los datos después de limpieza de los datos
- Existe difetencia en la exploración de los datos antes y después de limpie
summary(datos.covid)## FECHA_ACTUALIZACION ID_REGISTRO ORIGEN SECTOR
## Min. :2020-09-09 Length:1465693 1:486628 12 :912162
## 1st Qu.:2020-09-09 Class :character 2:979065 4 :376524
## Median :2020-09-09 Mode :character 6 : 55449
## Mean :2020-09-09 9 : 54262
## 3rd Qu.:2020-09-09 3 : 26622
## Max. :2020-09-09 8 : 12665
## (Other): 28009
## ENTIDAD_UM SEXO ENTIDAD_NAC ENTIDAD_RES
## 9 :355169 1:744869 9 :318376 9 :301109
## 15 :129322 2:720824 15 :163016 15 :179873
## 11 : 83524 11 : 79886 11 : 83483
## 19 : 76065 30 : 64546 19 : 75448
## 21 : 63794 19 : 62336 21 : 61943
## 28 : 60188 21 : 61458 28 : 60099
## (Other):697631 (Other):716075 (Other):703738
## MUNICIPIO_RES TIPO_PACIENTE FECHA_INGRESO FECHA_SINTOMAS
## 7 : 64455 1:1208690 Min. :2020-01-01 Min. :2020-01-01
## 5 : 63170 2: 257003 1st Qu.:2020-06-09 1st Qu.:2020-06-05
## 4 : 55368 Median :2020-07-11 Median :2020-07-07
## 39 : 52435 Mean :2020-07-06 Mean :2020-07-03
## 2 : 51993 3rd Qu.:2020-08-10 3rd Qu.:2020-08-05
## 17 : 43949 Max. :2020-09-09 Max. :2020-09-09
## (Other):1134323
## FECHA_DEF INTUBADO NEUMONIA EDAD NACIONALIDAD
## Min. :2020-01-13 1 : 39263 1 : 187398 Min. : 0.0 1:1458956
## 1st Qu.:2020-06-01 2 : 217550 2 :1278276 1st Qu.: 30.0 2: 6737
## Median :2020-07-02 97:1208690 99: 19 Median : 41.0
## Mean :2020-06-30 99: 190 Mean : 42.2
## 3rd Qu.:2020-07-31 3rd Qu.: 53.0
## Max. :2020-09-09 Max. :120.0
## NA's :1377463
## EMBARAZO HABLA_LENGUA_INDIG DIABETES EPOC ASMA
## 1 : 11898 1 : 12374 1 : 179106 1 : 19463 1 : 42192
## 2 :727762 2 :1401213 2 :1282260 2 :1442399 2 :1419674
## 97:720824 99: 52106 98: 4327 98: 3831 98: 3827
## 98: 5209
##
##
##
## INMUSUPR HIPERTENSION OTRA_COM CARDIOVASCULAR OBESIDAD
## 1 : 18431 1 : 235843 1 : 36075 1 : 28475 1 : 227973
## 2 :1443137 2 :1225813 2 :1423417 2 :1433296 2 :1233876
## 98: 4125 98: 4037 98: 6201 98: 3922 98: 3844
##
##
##
##
## RENAL_CRONICA TABAQUISMO OTRO_CASO RESULTADO MIGRANTE
## 1 : 25879 1 : 119326 1 :711206 1:647507 1 : 1505
## 2 :1435957 2 :1342239 2 :538453 2:734649 2 : 3991
## 98: 3857 98: 4128 99:216034 3: 83537 99:1460197
##
##
##
##
## PAIS_NACIONALIDAD PAIS_ORIGEN UCI
## Length:1465693 99 :1464188 1 : 21962
## Class :character Estados Unidos de Am<e9>rica: 234 2 : 234841
## Mode :character Rep<fa>blica de Honduras : 164 97:1208690
## Venezuela : 151 99: 200
## Colombia : 143
## Cuba : 140
## (Other) : 6736. Análisis de los datos
a. Construir el histograma de CONFIRMADOS de EDAD; hist()
- Determinar los casos POSITIVO O CONFIRMADOS.
- POSITIVO == 1 o sea los CONFIRMADOS
positivo.COVID <- filter(datos.covid, RESULTADO == '1') - Se hacen las gráficas mediante ggplot()
ggplot(positivo.COVID, aes(EDAD)) +
geom_histogram(position = "stack", bins = 30)
b. Determinar tabla de frecuencias de EDADES
Un tip… … No potenciación 10e. No Notación Científica. options(scipen = 999)
options(scipen = 999) # Para que no se expresen los números en notación científica
frecuencia.edades <- fdt(positivo.COVID$EDAD)
frecuencia.edades <- data.frame(frecuencia.edades$table)
frecuencia.edades## Class.limits f rf rf... cf cf...
## 1 [0,5.67524) 4376 0.006758228096 0.6758228096 4376 0.6758228
## 2 [5.67524,11.3505) 4461 0.006889500808 0.6889500808 8837 1.3647729
## 3 [11.3505,17.0257) 9231 0.014256216535 1.4256216535 18068 2.7903945
## 4 [17.0257,22.701) 22888 0.035347880409 3.5347880409 40956 6.3251826
## 5 [22.701,28.3762) 67228 0.103825904585 10.3825904585 108184 16.7077730
## 6 [28.3762,34.0514) 85980 0.132786209261 13.2786209261 194164 29.9863940
## 7 [34.0514,39.7267) 72240 0.111566361445 11.1566361445 266404 41.1430301
## 8 [39.7267,45.4019) 83610 0.129126017170 12.9126017170 350014 54.0556318
## 9 [45.4019,51.0771) 82162 0.126889747910 12.6889747910 432176 66.7446066
## 10 [51.0771,56.7524) 58295 0.090029914735 9.0029914735 490471 75.7475981
## 11 [56.7524,62.4276) 56119 0.086669333305 8.6669333305 546590 84.4145314
## 12 [62.4276,68.1029) 40940 0.063227115691 6.3227115691 587530 90.7372430
## 13 [68.1029,73.7781) 23978 0.037031259894 3.7031259894 611508 94.4403690
## 14 [73.7781,79.4533) 19197 0.029647555934 2.9647555934 630705 97.4051246
## 15 [79.4533,85.1286) 10968 0.016938813017 1.6938813017 641673 99.0990059
## 16 [85.1286,90.8038) 4115 0.006355143651 0.6355143651 645788 99.7345202
## 17 [90.8038,96.479) 1400 0.002162138788 0.2162138788 647188 99.9507341
## 18 [96.479,102.154) 286 0.000441694067 0.0441694067 647474 99.9949035
## 19 [102.154,107.83) 25 0.000038609621 0.0038609621 647499 99.9987645
## 20 [107.83,113.505) 3 0.000004633155 0.0004633155 647502 99.9992278
## 21 [113.505,119.18) 5 0.000007721924 0.0007721924 647507 100.0000000- Diagrama de barra Frecuencias edades
ggplot(frecuencia.edades, aes(1:21, rf, fill=Class.limits)) +
geom_bar(stat = "identity")
c. Determinar frecuencias por género o sexo
frecuencia.sexo <- fdt_cat(positivo.COVID$SEXO)
frecuencia.sexo <- data.frame(frecuencia.sexo)
frecuencia.sexo## Category f rf rf... cf cf...
## 1 2 338337 0.5225225 52.25225 338337 52.25225
## 2 1 309170 0.4774775 47.74775 647507 100.00000- Gráfica de Barra
- ¿Qué significa 1 y 2?
- 1 MUJER
- 2 HOMBRE
ggplot(frecuencia.sexo, aes(Category, rf, fill=Category)) +
geom_bar(stat = "identity")
d. Determinar tablas de frecuencias por estados de REP MEXICANA.
- Por ENTIDAD_RES Significa Entidad de Residencia
- CLAVE_ENTIDAD ENTIDAD_FEDERATIVA ABREVIATURA
- 01 AGUASCALIENTES AS
- 02 BAJA CALIFORNIA BC
- 03 BAJA CALIFORNIA SUR BS
- 04 CAMPECHE CC
- 05 COAHUILA DE ZARAGOZA CL
- 06 COLIMA CM
- 07 CHIAPAS CS
- 08 CHIHUAHUA CH
- 09 CIUDAD DE MÉXICO DF
- 10 DURANGO DG
- 11 GUANAJUATO GT
- 12 GUERRERO GR
- 13 HIDALGO HG
- 14 JALISCO JC
- 15 MÉXICO MC
- 16 MICHOACÁN DE OCAMPO MN
- 17 MORELOS MS
- 18 NAYARIT NT
- 19 NUEVO LEÓN NL
- 20 OAXACA OC
- 21 PUEBLA PL
- 22 QUERÉTARO QT
- 23 QUINTANA ROO QR
- 24 SAN LUIS POTOSÍ SP
- 25 SINALOA SL
- 26 SONORA SR
- 27 TABASCO TC
- 28 TAMAULIPAS TS
- 29 TLAXCALA TL
- 30 VERACRUZ DE IGNACIO DE LA LLAVE VZ
- 31 YUCATÁN YN
- 32 ZACATECAS ZS 36 ESTADOS UNIDOS MEXICANOS EUM 97 NO APLICA NA 98 SE IGNORA SI 99 NO ESPECIFICADO NE
frecuencia.estado <- fdt_cat(positivo.COVID$ENTIDAD_RES)
frecuencia.estado <- data.frame(frecuencia.estado)
frecuencia.estado## Category f rf rf... cf cf...
## 1 9 107613 0.166195887 16.6195887 107613 16.61959
## 2 15 71994 0.111186443 11.1186443 179607 27.73823
## 3 11 35182 0.054334548 5.4334548 214789 33.17169
## 4 19 32317 0.049909885 4.9909885 247106 38.16268
## 5 30 30077 0.046450463 4.6450463 277183 42.80772
## 6 27 29601 0.045715336 4.5715336 306784 47.37926
## 7 21 28426 0.043900684 4.3900684 335210 51.76932
## 8 28 26159 0.040399563 4.0399563 361369 55.80928
## 9 5 23440 0.036200381 3.6200381 384809 59.42932
## 10 26 22601 0.034904642 3.4904642 407410 62.91978
## 11 14 22369 0.034546345 3.4546345 429779 66.37442
## 12 24 20000 0.030887697 3.0887697 449779 69.46319
## 13 2 17870 0.027598157 2.7598157 467649 72.22300
## 14 25 16996 0.026248365 2.6248365 484645 74.84784
## 15 16 16840 0.026007441 2.6007441 501485 77.44858
## 16 31 16013 0.024730235 2.4730235 517498 79.92161
## 17 12 15950 0.024632938 2.4632938 533448 82.38490
## 18 20 14499 0.022392036 2.2392036 547947 84.62410
## 19 13 11113 0.017162749 1.7162749 559060 86.34038
## 20 23 10872 0.016790552 1.6790552 569932 88.01943
## 21 8 8663 0.013379006 1.3379006 578595 89.35734
## 22 3 8529 0.013172058 1.3172058 587124 90.67454
## 23 22 7298 0.011270921 1.1270921 594422 91.80163
## 24 10 7295 0.011266287 1.1266287 601717 92.92826
## 25 29 6751 0.010426142 1.0426142 608468 93.97088
## 26 7 6341 0.009792944 0.9792944 614809 94.95017
## 27 1 6147 0.009493334 0.9493334 620956 95.89950
## 28 32 6017 0.009292564 0.9292564 626973 96.82876
## 29 4 5744 0.008870947 0.8870947 632717 97.71585
## 30 17 5442 0.008404542 0.8404542 638159 98.55631
## 31 18 5312 0.008203772 0.8203772 643471 99.37669
## 32 6 4036 0.006233137 0.6233137 647507 100.00000- Gráfica de Barra
- ¿Qué significa 01,02, 03…32?
ggplot(frecuencia.estado, aes(Category, rf, fill=Category)) + geom_bar(stat = "identity")
e. Determinar tablas de frecuencias de POSITIVOS NO POSITIVOS
- Primero determinar el valor de los casos POSITIVOS
- Segundo determinar el valor de los casos NEGATIVOS
- La variable de interés es RESULTADO del conjunto de datos original datos.covid
| CLAVE | DESCRIPCIÓN |
|---|---|
| 1 | Positivo SARS-CoV-2 |
| 2 | No positivo SARS-CoV-2 |
| 3 | Resultado pendiente |
- Por medio de funciones group_by(), summarize() y pipes %>% combinadas como parte de la librerías dplyr
tabla.frecuencia.RESULTADOS <- datos.covid %>%
group_by(RESULTADO) %>%
summarise(frecuencia = n())## `summarise()` ungrouping output (override with `.groups` argument)tabla.frecuencia.RESULTADOS## # A tibble: 3 x 2
## RESULTADO frecuencia
## <fct> <int>
## 1 1 647507
## 2 2 734649
## 3 3 83537- O por medio e fdt_cat() de la la librería fdth
- La función data.frame() conviertes a conjunto de datos del tipo data.frame la tabla generada por fdt_cat()
- La función names() cambia los nombres a columnas del data.fame
tabla.frecuencia.RESULTADOS.2 <- data.frame(fdt_cat(datos.covid$RESULTADO))
names(tabla.frecuencia.RESULTADOS.2) <- c("Resultado", "Freq", "Freq.rel", "Freq.porc","Freq.acum", "Freq.acum.porc")
tabla.frecuencia.RESULTADOS.2## Resultado Freq Freq.rel Freq.porc Freq.acum Freq.acum.porc
## 1 2 734649 0.50122979 50.122979 734649 50.12298
## 2 1 647507 0.44177532 44.177532 1382156 94.30051
## 3 3 83537 0.05699488 5.699488 1465693 100.00000- Visualizar gráfica de barra usando funciones de ggplot2
ggplot(data = tabla.frecuencia.RESULTADOS.2, aes(Resultado, Freq.porc, fill=Resultado)) +
geom_bar(stat = "identity")
f. Determinar tablas de frecuencias de AMBULATORIOS Y HOSPITALIZADOS
- La variable de interés es TIPO_PACIENTE
| CLAVE | DESCRIPCIÓN |
|---|---|
| 1 | AMBULATORIO |
| 2 | HOSPITALIZADO |
| 99 | NO ESPECIFICADO |
tabla.frecuencia.TIPO_PACIENTE <- data.frame(fdt_cat(datos.covid$TIPO_PACIENTE))
names(tabla.frecuencia.TIPO_PACIENTE) <- c("Tipo", "Freq", "Freq.rel", "Freq.porc","Freq.acum", "Freq.acum.porc")
tabla.frecuencia.TIPO_PACIENTE## Tipo Freq Freq.rel Freq.porc Freq.acum Freq.acum.porc
## 1 1 1208690 0.8246543 82.46543 1208690 82.46543
## 2 2 257003 0.1753457 17.53457 1465693 100.00000- Visualizar gráfica de barra usando funciones de ggplot2
ggplot(data = tabla.frecuencia.TIPO_PACIENTE, aes(x = Tipo,
y = Freq.porc, fill=Tipo)) +
geom_bar(stat = "identity") +
geom_text(aes(label=Freq))
g. Determinar tablas de frecuencias de DECESOS
- La variable de interés es…FECHA_DEF
- A través de la función mutate() generar una nueva variable llamada DECESO que significa SI fallecidos o NO fallecidos
datos.covid <- datos.covid %>%
mutate(DECESO = ifelse(is.na(FECHA_DEF), 'NO', 'SI'))
tabla.frecuencia.DECESO <- data.frame(fdt_cat(datos.covid$DECESO))
names(tabla.frecuencia.DECESO) <- c("Deceso", "Freq", "Freq.rel", "Freq.porc","Freq.acum", "Freq.acum.porc")
tabla.frecuencia.DECESO## Deceso Freq Freq.rel Freq.porc Freq.acum Freq.acum.porc
## 1 NO 1377463 0.93980322 93.980322 1377463 93.98032
## 2 SI 88230 0.06019678 6.019678 1465693 100.00000- Visualizar la frecuencia de DECESO
ggplot(data = tabla.frecuencia.DECESO, aes(x = Deceso,
y = Freq.porc, fill=Deceso)) +
geom_bar(stat = "identity") +
geom_text(aes(label=Freq))
h. Determinar tablas de frecuencias de UCI
- Pendiente
i. Determinar frecuencias por meses
- Se cagarán unicamente los datos de POSITIVOS. positivo.COVID
- La variable de interés es FECHA_INGRESO
meses <- month(positivo.COVID$FECHA_INGRESO)
# meses
tabla.frecuencia.MESES <- data.frame(fdt_cat(as.character(meses)))
names(tabla.frecuencia.MESES) <- c("Mes", "Freq", "Freq.rel", "Freq.porc","Freq.acum", "Freq.acum.porc")
tabla.frecuencia.MESES## Mes Freq Freq.rel Freq.porc Freq.acum Freq.acum.porc
## 1 7 199172 0.30759821902 30.759821902 199172 30.75982
## 2 8 154813 0.23909085153 23.909085153 353985 54.66891
## 3 6 152882 0.23610864439 23.610864439 506867 78.27977
## 4 5 86513 0.13360936639 13.360936639 593380 91.64071
## 5 4 26562 0.04102195034 4.102195034 619942 95.74290
## 6 9 25025 0.03864823083 3.864823083 644967 99.60773
## 7 3 2530 0.00390729367 0.390729367 647497 99.99846
## 8 2 8 0.00001235508 0.001235508 647505 99.99969
## 9 1 2 0.00000308877 0.000308877 647507 100.00000- Visualizar lineal los datos de POSITIVOS en meses
ggplot(data = tabla.frecuencia.MESES, aes(x = Mes, y = Freq)) +
geom_bar(stat = "identity")
7. Interpretación de los análisis de acuerdo a los datos
- De las respuestas a las preguntas realizar una descripción de texto libre con ideas claras y secuenciales de entre 170 y 200 palabras