Introducción

Filtro y Organización de Datos

  • Para poder trabajar y darle uso a los métodos gráficos para el análisis del área necesitamos filtrar(extraer) de manera organizada por filas y columnas la información de la base de datos, por ende, podemos ubicar el país, el estado, ciudad y deslizamientos del área escogida. Se filtra de la siguiente manera:
library(readr)
library(knitr)
df <- read.csv("https://raw.githubusercontent.com/lihkir/AnalisisEstadisticoUN/main/Data/catalog.csv")
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
colnames(df)[5] <- "Country"
colnames(df)[7] <- "State"
colnames(df)[9] <- "City"
colnames(df)[10] <- "Distance"

Paises de Centroamérica

Costa Rica

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_cr <- subset (df, Country == "Costa Rica")
knitr::kable(head(df_cr))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
38 249 9/9/07 NA Costa Rica CR Heredia 21947 Heredia 0.26208 10.0000 -84.1167 (10, -84.116699999999994) Landslide Landslide Medium Rain NA NA ticotimes.net http://www.ticotimes.net/dailyarchive/2007_09/0911072.htm
44 299 10/9/07 NA Costa Rica CR San José 3072 San Ignacio 4.57763 9.7789 -84.1250 (9.7789000000000001, -84.125) Landslide Complex Medium Rain NA 4 ticotimes.net http://www.ticotimes.net/dailyarchive/2007_10/1010071.htm
45 301 10/11/07 NA Costa Rica CR Alajuela 7014 Atenas 3.08459 9.9869 -84.4070 (9.9869000000000003, -84.406999999999996) Landslide Mudslide Large Rain NA 14 Agence France-Presse, afp.google.com http://afp.google.com/article/ALeqM5hu6a8oyAM1ycq9nU_6Zyj_l7F0AA
46 302 10/11/07 NA Costa Rica CR San José 26669 9.56251 10.0214 -83.9451 (10.0214, -83.945099999999996) Landslide Landslide Large Rain NA 10 International Herald http://www.iht.com/articles/ap/2007/10/12/america/LA-GEN-Costa-Rica-Mudslide.php
51 323 10/24/07 NA Costa Rica CR Puntarenas 6540 Miramar 3.82425 Mine construction 10.0715 -84.7575 (10.0715, -84.757499999999993) Landslide Mudslide Medium Downpour NA NA Reuters - AlertNet.org http://www.reuters.com/article/companyNewsAndPR/idUSN2435152820071025
102 556 5/29/08 NA Costa Rica CR Guanacaste 4108 Bagaces 17.65521 10.4024 -85.3555 (10.4024, -85.355500000000006) Landslide Landslide Medium Tropical cyclone Tropical Storm Alma NA NA http://www.reliefweb.int/rw/RWB.NSF/db900SID/ASAZ-7FHCHL?OpenDocument 
df_cr %>% 
  select(Country, State, City, Distance) 
##         Country      State                  City Distance
## 38   Costa Rica    Heredia               Heredia  0.26208
## 44   Costa Rica   San José           San Ignacio  4.57763
## 45   Costa Rica   Alajuela                Atenas  3.08459
## 46   Costa Rica   San José                        9.56251
## 51   Costa Rica Puntarenas               Miramar  3.82425
## 102  Costa Rica Guanacaste               Bagaces 17.65521
## 147  Costa Rica   San José         Daniel Flores  1.85787
## 153  Costa Rica   San José            San Isidro 16.24937
## 154  Costa Rica   San José              Santiago 12.85801
## 156  Costa Rica Puntarenas               Golfito 11.74074
## 157  Costa Rica Puntarenas               Miramar  8.92048
## 229  Costa Rica Puntarenas              San Vito 18.00524
## 302  Costa Rica   Alajuela          Desamparados  6.88715
## 311  Costa Rica    Heredia               Ángeles 19.51432
## 347  Costa Rica   Alajuela          Desamparados  6.92174
## 395  Costa Rica   Alajuela          Desamparados  4.24199
## 459  Costa Rica   Alajuela            San Rafael  1.47396
## 469  Costa Rica   San José              Salitral  0.25254
## 470  Costa Rica   San José              Salitral  0.25254
## 480  Costa Rica    Heredia               Ángeles 14.81614
## 501  Costa Rica   San José                Escazú  3.67691
## 502  Costa Rica   San José            San Marcos  0.55804
## 503  Costa Rica   Alajuela            San Rafael  9.61692
## 504  Costa Rica Guanacaste               Tilarán 10.21631
## 505  Costa Rica    Cartago                 Orosí 19.28722
## 506  Costa Rica Puntarenas               Golfito  7.87044
## 507  Costa Rica   San José                 Tejar  6.49523
## 508  Costa Rica   San José            San Isidro 15.64997
## 509  Costa Rica Puntarenas              Corredor  4.93053
## 510  Costa Rica Puntarenas               Parrita 13.48919
## 511  Costa Rica Puntarenas         Ciudad Cortés 20.06633
## 512  Costa Rica   San José            San Isidro 11.31047
## 513  Costa Rica   San José              Mercedes  8.21372
## 514  Costa Rica   Alajuela              Santiago  5.43516
## 529  Costa Rica    Heredia               Ángeles 19.54581
## 579  Costa Rica      Limón              Guápiles 17.23264
## 702  Costa Rica    Heredia               Ángeles 15.05161
## 780  Costa Rica   Alajuela                 Upala  0.70048
## 819  Costa Rica   San José            San Isidro 21.67452
## 828  Costa Rica    Cartago                   Cot  9.63616
## 884  Costa Rica    Heredia         Santo Domingo 21.95470
## 888  Costa Rica Guanacaste               Tilarán 12.33807
## 889  Costa Rica      Limón             Siquirres  5.36500
## 913  Costa Rica   San José         Daniel Flores  4.89954
## 1098 Costa Rica   Alajuela             Sabanilla  4.87432
## 1156 Costa Rica   Alajuela             Sabanilla 10.32968
## 1157 Costa Rica    Heredia         Santo Domingo  9.85736
## 1169 Costa Rica Guanacaste               Tilarán 12.21952
## 1173 Costa Rica Guanacaste               Tilarán 12.18115
## 1289 Costa Rica   Alajuela            La Fortuna  9.84213
## 1301 Costa Rica   Alajuela                        5.57523
## 1308 Costa Rica   Alajuela          Desamparados  5.95519
## 1342 Costa Rica   Alajuela           Rio Segundo 11.96524
## 1364 Costa Rica   Alajuela          Desamparados  5.12667
## 1383 Costa Rica    Cartago               Cartago  3.07297
## 1384 Costa Rica    Heredia Dulce Nombre de Jesus 10.01310
## 1385 Costa Rica   San José Dulce Nombre de Jesus  2.92605
## 1386 Costa Rica   San José            San Isidro 10.73752
## 1404 Costa Rica   San José            San Isidro 22.32368
## 1406 Costa Rica   San José Dulce Nombre de Jesus  8.39161
## 1461 Costa Rica   Alajuela            La Fortuna  5.96634
## 1475 Costa Rica   Alajuela                Atenas  6.80061
## 1528 Costa Rica   San José               Ángeles  9.53611
## 1529 Costa Rica   San José Dulce Nombre de Jesus  3.71407
## 1600 Costa Rica   San José              San Juan  0.72957
## 1642 Costa Rica   Alajuela         Santo Domingo  3.21979
## 1643 Costa Rica   Alajuela              Alajuela  3.08916
## 1644 Costa Rica   Alajuela               Naranjo  2.08469
## 1646 Costa Rica    Cartago                        5.15142
## 1647 Costa Rica    Cartago                   Cot  9.53493
## 1648 Costa Rica    Cartago               Cartago  2.94804
## 1649 Costa Rica Puntarenas          Buenos Aires  0.35225
## 1650 Costa Rica   San José              San José  1.16705
## 1651 Costa Rica   San José              Mercedes 10.01198
## 1652 Costa Rica   San José              Santiago  8.27042

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_cr, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_cr, aes(fill=City, x="Costa Rica", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_cr, aes(fill=City, x="Costa Rica", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_cr, aes(x = "Costa Rica", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)
## Package 'qcc' version 2.7
## Type 'citation("qcc")' for citing this R package in publications.
Distance <- df_cr$Distance
names(Distance) <- df_cr$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                        
## Pareto chart analysis for Distance
##                            Frequency    Cum.Freq.   Percentage Cum.Percent.
##   San Isidro             22.32368000  22.32368000   3.45492296   3.45492296
##   Santo Domingo          21.95470000  44.27838000   3.39781780   6.85274076
##   San Isidro             21.67452000  65.95290000   3.35445576  10.20719651
##   Ciudad Cortés          20.06633000  86.01923000   3.10556433  13.31276084
##   Ángeles                19.54581000 105.56504000   3.02500608  16.33776693
##   Ángeles                19.51432000 125.07936000   3.02013254  19.35789946
##   Orosí                  19.28722000 144.36658000   2.98498542  22.34288488
##   San Vito               18.00524000 162.37182000   2.78657986  25.12946474
##   Bagaces                17.65521000 180.02703000   2.73240749  27.86187223
##   Guápiles               17.23264000 197.25967000   2.66700847  30.52888070
##   San Isidro             16.24937000 213.50904000   2.51483275  33.04371345
##   San Isidro             15.64997000 229.15901000   2.42206664  35.46578009
##   Ángeles                15.05161000 244.21062000   2.32946150  37.79524159
##   Ángeles                14.81614000 259.02676000   2.29301900  40.08826059
##   Parrita                13.48919000 272.51595000   2.08765366  42.17591425
##   Santiago               12.85801000 285.37396000   1.98996913  44.16588338
##   Tilarán                12.33807000 297.71203000   1.90950065  46.07538402
##   Tilarán                12.21952000 309.93155000   1.89115326  47.96653728
##   Tilarán                12.18115000 322.11270000   1.88521493  49.85175221
##   Rio Segundo            11.96524000 334.07794000   1.85179963  51.70355185
##   Golfito                11.74074000 345.81868000   1.81705490  53.52060675
##   San Isidro             11.31047000 357.12915000   1.75046419  55.27107094
##   San Isidro             10.73752000 367.86667000   1.66179162  56.93286257
##   Sabanilla              10.32968000 378.19635000   1.59867229  58.53153486
##   Tilarán                10.21631000 388.41266000   1.58112659  60.11266145
##   Dulce Nombre de Jesus  10.01310000 398.42576000   1.54967681  61.66233825
##   Mercedes               10.01198000 408.43774000   1.54950347  63.21184172
##   Santo Domingo           9.85736000 418.29510000   1.52557371  64.73741544
##   La Fortuna              9.84213000 428.13723000   1.52321664  66.26063208
##   Cot                     9.63616000 437.77339000   1.49133971  67.75197179
##   San Rafael              9.61692000 447.39031000   1.48836203  69.24033382
##                           9.56251000 456.95282000   1.47994127  70.72027510
##   Ángeles                 9.53611000 466.48893000   1.47585548  72.19613057
##   Cot                     9.53493000 476.02386000   1.47567286  73.67180343
##   Miramar                 8.92048000 484.94434000   1.38057754  75.05238097
##   Dulce Nombre de Jesus   8.39161000 493.33595000   1.29872701  76.35110797
##   Santiago                8.27042000 501.60637000   1.27997104  77.63107902
##   Mercedes                8.21372000 509.82009000   1.27119587  78.90227489
##   Golfito                 7.87044000 517.69053000   1.21806816  80.12034305
##   Desamparados            6.92174000 524.61227000   1.07124267  81.19158572
##   Desamparados            6.88715000 531.49942000   1.06588935  82.25747506
##   Atenas                  6.80061000 538.30003000   1.05249599  83.30997105
##   Tejar                   6.49523000 544.79526000   1.00523387  84.31520492
##   La Fortuna              5.96634000 550.76160000   0.92338024  85.23858516
##   Desamparados            5.95519000 556.71679000   0.92165461  86.16023978
##                           5.57523000 562.29202000   0.86285013  87.02308991
##   Santiago                5.43516000 567.72718000   0.84117220  87.86426211
##   Siquirres               5.36500000 573.09218000   0.83031390  88.69457601
##                           5.15142000 578.24360000   0.79725920  89.49183521
##   Desamparados            5.12667000 583.37027000   0.79342877  90.28526397
##   Corredor                4.93053000 588.30080000   0.76307317  91.04833715
##   Daniel Flores           4.89954000 593.20034000   0.75827701  91.80661415
##   Sabanilla               4.87432000 598.07466000   0.75437384  92.56098799
##   San Ignacio             4.57763000 602.65229000   0.70845663  93.26944461
##   Desamparados            4.24199000 606.89428000   0.65651132  93.92595593
##   Miramar                 3.82425000 610.71853000   0.59185982  94.51781575
##   Dulce Nombre de Jesus   3.71407000 614.43260000   0.57480782  95.09262357
##   Escazú                  3.67691000 618.10951000   0.56905675  95.66168032
##   Santo Domingo           3.21979000 621.32930000   0.49831060  96.15999092
##   Alajuela                3.08916000 624.41846000   0.47809366  96.63808457
##   Atenas                  3.08459000 627.50305000   0.47738638  97.11547096
##   Cartago                 3.07297000 630.57602000   0.47558801  97.59105897
##   Cartago                 2.94804000 633.52406000   0.45625323  98.04731220
##   Dulce Nombre de Jesus   2.92605000 636.45011000   0.45284995  98.50016215
##   Naranjo                 2.08469000 638.53480000   0.32263692  98.82279907
##   Daniel Flores           1.85787000 640.39267000   0.28753314  99.11033220
##   San Rafael              1.47396000 641.86663000   0.22811733  99.33844953
##   San José                1.16705000 643.03368000   0.18061842  99.51906795
##   San Juan                0.72957000 643.76325000   0.11291186  99.63197981
##   Upala                   0.70048000 644.46373000   0.10840974  99.74038955
##   San Marcos              0.55804000 645.02177000   0.08636503  99.82675458
##   Buenos Aires            0.35225000 645.37402000   0.05451595  99.88127053
##   Heredia                 0.26208000 645.63610000   0.04056080  99.92183132
##   Salitral                0.25254000 645.88864000   0.03908434  99.96091566
##   Salitral                0.25254000 646.14118000   0.03908434 100.00000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_cr$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 3334677259
##    2 | 1991112778
##    4 | 2699912446
##    6 | 0058999
##    8 | 23495566689
##   10 | 0023737
##   12 | 022395
##   14 | 816
##   16 | 227
##   18 | 0355
##   20 | 17
##   22 | 03
head(df_cr)
##      id     date time continent_code    Country country_code      State
## 38  249   9/9/07                <NA> Costa Rica           CR    Heredia
## 44  299  10/9/07                <NA> Costa Rica           CR   San José
## 45  301 10/11/07                <NA> Costa Rica           CR   Alajuela
## 46  302 10/11/07                <NA> Costa Rica           CR   San José
## 51  323 10/24/07                <NA> Costa Rica           CR Puntarenas
## 102 556  5/29/08                <NA> Costa Rica           CR Guanacaste
##     population        City Distance location_description latitude longitude
## 38       21947     Heredia  0.26208                       10.0000  -84.1167
## 44        3072 San Ignacio  4.57763                        9.7789  -84.1250
## 45        7014      Atenas  3.08459                        9.9869  -84.4070
## 46       26669              9.56251                       10.0214  -83.9451
## 51        6540     Miramar  3.82425    Mine construction  10.0715  -84.7575
## 102       4108     Bagaces 17.65521                       10.4024  -85.3555
##                                   geolocation hazard_type landslide_type
## 38                  (10, -84.116699999999994)   Landslide      Landslide
## 44              (9.7789000000000001, -84.125)   Landslide        Complex
## 45  (9.9869000000000003, -84.406999999999996)   Landslide       Mudslide
## 46             (10.0214, -83.945099999999996)   Landslide      Landslide
## 51             (10.0715, -84.757499999999993)   Landslide       Mudslide
## 102            (10.4024, -85.355500000000006)   Landslide      Landslide
##     landslide_size          trigger          storm_name injuries fatalities
## 38          Medium             Rain                           NA         NA
## 44          Medium             Rain                           NA          4
## 45           Large             Rain                           NA         14
## 46           Large             Rain                           NA         10
## 51          Medium         Downpour                           NA         NA
## 102         Medium Tropical cyclone Tropical Storm Alma       NA         NA
##                              source_name
## 38                         ticotimes.net
## 44                         ticotimes.net
## 45  Agence France-Presse, afp.google.com
## 46                  International Herald
## 51                Reuters - AlertNet.org
## 102                                     
##                                                                          source_link
## 38                         http://www.ticotimes.net/dailyarchive/2007_09/0911072.htm
## 44                         http://www.ticotimes.net/dailyarchive/2007_10/1010071.htm
## 45                  http://afp.google.com/article/ALeqM5hu6a8oyAM1ycq9nU_6Zyj_l7F0AA
## 46  http://www.iht.com/articles/ap/2007/10/12/america/LA-GEN-Costa-Rica-Mudslide.php
## 51             http://www.reuters.com/article/companyNewsAndPR/idUSN2435152820071025
## 102            http://www.reliefweb.int/rw/RWB.NSF/db900SID/ASAZ-7FHCHL?OpenDocument
knitr::kable(head(df_cr))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
38 249 9/9/07 NA Costa Rica CR Heredia 21947 Heredia 0.26208 10.0000 -84.1167 (10, -84.116699999999994) Landslide Landslide Medium Rain NA NA ticotimes.net http://www.ticotimes.net/dailyarchive/2007_09/0911072.htm
44 299 10/9/07 NA Costa Rica CR San José 3072 San Ignacio 4.57763 9.7789 -84.1250 (9.7789000000000001, -84.125) Landslide Complex Medium Rain NA 4 ticotimes.net http://www.ticotimes.net/dailyarchive/2007_10/1010071.htm
45 301 10/11/07 NA Costa Rica CR Alajuela 7014 Atenas 3.08459 9.9869 -84.4070 (9.9869000000000003, -84.406999999999996) Landslide Mudslide Large Rain NA 14 Agence France-Presse, afp.google.com http://afp.google.com/article/ALeqM5hu6a8oyAM1ycq9nU_6Zyj_l7F0AA
46 302 10/11/07 NA Costa Rica CR San José 26669 9.56251 10.0214 -83.9451 (10.0214, -83.945099999999996) Landslide Landslide Large Rain NA 10 International Herald http://www.iht.com/articles/ap/2007/10/12/america/LA-GEN-Costa-Rica-Mudslide.php
51 323 10/24/07 NA Costa Rica CR Puntarenas 6540 Miramar 3.82425 Mine construction 10.0715 -84.7575 (10.0715, -84.757499999999993) Landslide Mudslide Medium Downpour NA NA Reuters - AlertNet.org http://www.reuters.com/article/companyNewsAndPR/idUSN2435152820071025
102 556 5/29/08 NA Costa Rica CR Guanacaste 4108 Bagaces 17.65521 10.4024 -85.3555 (10.4024, -85.355500000000006) Landslide Landslide Medium Tropical cyclone Tropical Storm Alma NA NA http://www.reliefweb.int/rw/RWB.NSF/db900SID/ASAZ-7FHCHL?OpenDocument 
stem(df_cr$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 3334677259
##    2 | 1991112778
##    4 | 2699912446
##    6 | 0058999
##    8 | 23495566689
##   10 | 0023737
##   12 | 022395
##   14 | 816
##   16 | 227
##   18 | 0355
##   20 | 17
##   22 | 03
stem(df_cr$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    0 | 3334677259
##    2 | 1991112778
##    4 | 2699912446
##    6 | 0058999
##    8 | 23495566689
##   10 | 0023737
##   12 | 022395
##   14 | 816
##   16 | 227
##   18 | 0355
##   20 | 17
##   22 | 03

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo
data<- ts(df_cr$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
0.26208
4.57763
3.08459
9.56251
3.82425
17.65521 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.25254 2 2.7 2.7 2.7 2.7
0.26208 1 1.3 1.3 4.0 4.0
0.35225 1 1.3 1.3 5.3 5.3
0.55804 1 1.3 1.3 6.7 6.7
0.70048 1 1.3 1.3 8.0 8.0
0.72957 1 1.3 1.3 9.3 9.3
1.16705 1 1.3 1.3 10.7 10.7
1.47396 1 1.3 1.3 12.0 12.0
1.85787 1 1.3 1.3 13.3 13.3
2.08469 1 1.3 1.3 14.7 14.7
2.92605 1 1.3 1.3 16.0 16.0
2.94804 1 1.3 1.3 17.3 17.3
3.07297 1 1.3 1.3 18.7 18.7
3.08459 1 1.3 1.3 20.0 20.0
3.08916 1 1.3 1.3 21.3 21.3
3.21979 1 1.3 1.3 22.7 22.7
3.67691 1 1.3 1.3 24.0 24.0
3.71407 1 1.3 1.3 25.3 25.3
3.82425 1 1.3 1.3 26.7 26.7
4.24199 1 1.3 1.3 28.0 28.0
4.57763 1 1.3 1.3 29.3 29.3
4.87432 1 1.3 1.3 30.7 30.7
4.89954 1 1.3 1.3 32.0 32.0
4.93053 1 1.3 1.3 33.3 33.3
5.12667 1 1.3 1.3 34.7 34.7
5.15142 1 1.3 1.3 36.0 36.0
5.365 1 1.3 1.3 37.3 37.3
5.43516 1 1.3 1.3 38.7 38.7
5.57523 1 1.3 1.3 40.0 40.0
5.95519 1 1.3 1.3 41.3 41.3
5.96634 1 1.3 1.3 42.7 42.7
6.49523 1 1.3 1.3 44.0 44.0
6.80061 1 1.3 1.3 45.3 45.3
6.88715 1 1.3 1.3 46.7 46.7
6.92174 1 1.3 1.3 48.0 48.0
7.87044 1 1.3 1.3 49.3 49.3
8.21372 1 1.3 1.3 50.7 50.7
8.27042 1 1.3 1.3 52.0 52.0
8.39161 1 1.3 1.3 53.3 53.3
8.92048 1 1.3 1.3 54.7 54.7
9.53493 1 1.3 1.3 56.0 56.0
9.53611 1 1.3 1.3 57.3 57.3
9.56251 1 1.3 1.3 58.7 58.7
9.61692 1 1.3 1.3 60.0 60.0
9.63616 1 1.3 1.3 61.3 61.3
9.84213 1 1.3 1.3 62.7 62.7
9.85736 1 1.3 1.3 64.0 64.0
10.01198 1 1.3 1.3 65.3 65.3
10.0131 1 1.3 1.3 66.7 66.7
10.21631 1 1.3 1.3 68.0 68.0
10.32968 1 1.3 1.3 69.3 69.3
10.73752 1 1.3 1.3 70.7 70.7
11.31047 1 1.3 1.3 72.0 72.0
11.74074 1 1.3 1.3 73.3 73.3
11.96524 1 1.3 1.3 74.7 74.7
12.18115 1 1.3 1.3 76.0 76.0
12.21952 1 1.3 1.3 77.3 77.3
12.33807 1 1.3 1.3 78.7 78.7
12.85801 1 1.3 1.3 80.0 80.0
13.48919 1 1.3 1.3 81.3 81.3
14.81614 1 1.3 1.3 82.7 82.7
15.05161 1 1.3 1.3 84.0 84.0
15.64997 1 1.3 1.3 85.3 85.3
16.24937 1 1.3 1.3 86.7 86.7
17.23264 1 1.3 1.3 88.0 88.0
17.65521 1 1.3 1.3 89.3 89.3
18.00524 1 1.3 1.3 90.7 90.7
19.28722 1 1.3 1.3 92.0 92.0
19.51432 1 1.3 1.3 93.3 93.3
19.54581 1 1.3 1.3 94.7 94.7
20.06633 1 1.3 1.3 96.0 96.0
21.67452 1 1.3 1.3 97.3 97.3
21.9547 1 1.3 1.3 98.7 98.7
22.32368 1 1.3 1.3 100.0 100.0
Total 75 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  75 obs. of  5 variables:
##  $ n      : num  2 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  2.7 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 ...
##  $ val%   : num  2.7 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 ...
##  $ %cum   : num  2.7 4 5.3 6.7 8 9.3 10.7 12 13.3 14.7 ...
##  $ val%cum: num  2.7 4 5.3 6.7 8 9.3 10.7 12 13.3 14.7 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_cr <- data.frame(x = names, y = freqs)
knitr::kable(df_cr)
x y
0.25254 2
0.26208 1
0.35225 1
0.55804 1
0.70048 1
0.72957 1
1.16705 1
1.47396 1
1.85787 1
2.08469 1
2.92605 1
2.94804 1
3.07297 1
3.08459 1
3.08916 1
3.21979 1
3.67691 1
3.71407 1
3.82425 1
4.24199 1
4.57763 1
4.87432 1
4.89954 1
4.93053 1
5.12667 1
5.15142 1
5.365 1
5.43516 1
5.57523 1
5.95519 1
5.96634 1
6.49523 1
6.80061 1
6.88715 1
6.92174 1
7.87044 1
8.21372 1
8.27042 1
8.39161 1
8.92048 1
9.53493 1
9.53611 1
9.56251 1
9.61692 1
9.63616 1
9.84213 1
9.85736 1
10.01198 1
10.0131 1
10.21631 1
10.32968 1
10.73752 1
11.31047 1
11.74074 1
11.96524 1
12.18115 1
12.21952 1
12.33807 1
12.85801 1
13.48919 1
14.81614 1
15.05161 1
15.64997 1
16.24937 1
17.23264 1
17.65521 1
18.00524 1
19.28722 1
19.51432 1
19.54581 1
20.06633 1
21.67452 1
21.9547 1
22.32368 1 
library(ggplot2)
ggplot(data=df_cr, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.25254  4.25254  8.25254 12.25254 16.25254 20.25254 24.25254
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.25254 2 0.0266667 2
0.26208 1 0.0133333 3
0.35225 1 0.0133333 4
0.55804 1 0.0133333 5
0.70048 1 0.0133333 6
0.72957 1 0.0133333 7
1.16705 1 0.0133333 8
1.47396 1 0.0133333 9
1.85787 1 0.0133333 10
2.08469 1 0.0133333 11
2.92605 1 0.0133333 12
2.94804 1 0.0133333 13
3.07297 1 0.0133333 14
3.08459 1 0.0133333 15
3.08916 1 0.0133333 16
3.21979 1 0.0133333 17
3.67691 1 0.0133333 18
3.71407 1 0.0133333 19
3.82425 1 0.0133333 20
4.24199 1 0.0133333 21
4.57763 1 0.0133333 22
4.87432 1 0.0133333 23
4.89954 1 0.0133333 24
4.93053 1 0.0133333 25
5.12667 1 0.0133333 26
5.15142 1 0.0133333 27
5.365 1 0.0133333 28
5.43516 1 0.0133333 29
5.57523 1 0.0133333 30
5.95519 1 0.0133333 31
5.96634 1 0.0133333 32
6.49523 1 0.0133333 33
6.80061 1 0.0133333 34
6.88715 1 0.0133333 35
6.92174 1 0.0133333 36
7.87044 1 0.0133333 37
8.21372 1 0.0133333 38
8.27042 1 0.0133333 39
8.39161 1 0.0133333 40
8.92048 1 0.0133333 41
9.53493 1 0.0133333 42
9.53611 1 0.0133333 43
9.56251 1 0.0133333 44
9.61692 1 0.0133333 45
9.63616 1 0.0133333 46
9.84213 1 0.0133333 47
9.85736 1 0.0133333 48
10.01198 1 0.0133333 49
10.0131 1 0.0133333 50
10.21631 1 0.0133333 51
10.32968 1 0.0133333 52
10.73752 1 0.0133333 53
11.31047 1 0.0133333 54
11.74074 1 0.0133333 55
11.96524 1 0.0133333 56
12.18115 1 0.0133333 57
12.21952 1 0.0133333 58
12.33807 1 0.0133333 59
12.85801 1 0.0133333 60
13.48919 1 0.0133333 61
14.81614 1 0.0133333 62
15.05161 1 0.0133333 63
15.64997 1 0.0133333 64
16.24937 1 0.0133333 65
17.23264 1 0.0133333 66
17.65521 1 0.0133333 67
18.00524 1 0.0133333 68
19.28722 1 0.0133333 69
19.51432 1 0.0133333 70
19.54581 1 0.0133333 71
20.06633 1 0.0133333 72
21.67452 1 0.0133333 73
21.9547 1 0.0133333 74
22.32368 1 0.0133333 75 
str(Freq_table)
## 'data.frame':    74 obs. of  4 variables:
##  $ Distance: Factor w/ 74 levels "0.25254","0.26208",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  2 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.0267 0.0133 0.0133 0.0133 0.0133 ...
##  $ Cum_Freq: int  2 3 4 5 6 7 8 9 10 11 ...
df_cr <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_cr)
x y
0.25254 2
0.26208 1
0.35225 1
0.55804 1
0.70048 1
0.72957 1
1.16705 1
1.47396 1
1.85787 1
2.08469 1
2.92605 1
2.94804 1
3.07297 1
3.08459 1
3.08916 1
3.21979 1
3.67691 1
3.71407 1
3.82425 1
4.24199 1
4.57763 1
4.87432 1
4.89954 1
4.93053 1
5.12667 1
5.15142 1
5.365 1
5.43516 1
5.57523 1
5.95519 1
5.96634 1
6.49523 1
6.80061 1
6.88715 1
6.92174 1
7.87044 1
8.21372 1
8.27042 1
8.39161 1
8.92048 1
9.53493 1
9.53611 1
9.56251 1
9.61692 1
9.63616 1
9.84213 1
9.85736 1
10.01198 1
10.0131 1
10.21631 1
10.32968 1
10.73752 1
11.31047 1
11.74074 1
11.96524 1
12.18115 1
12.21952 1
12.33807 1
12.85801 1
13.48919 1
14.81614 1
15.05161 1
15.64997 1
16.24937 1
17.23264 1
17.65521 1
18.00524 1
19.28722 1
19.51432 1
19.54581 1
20.06633 1
21.67452 1
21.9547 1
22.32368 1 
library(ggplot2)

ggplot(data=df_cr, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_cr$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
## 
## Attaching package: 'pastecs'
## The following objects are masked from 'package:dplyr':
## 
##     first, last
stat.desc(df_cr)
##           x           y
## nbr.val  NA 74.00000000
## nbr.null NA  0.00000000
## nbr.na   NA  0.00000000
## min      NA  1.00000000
## max      NA  2.00000000
## range    NA  1.00000000
## sum      NA 75.00000000
## median   NA  1.00000000
## mean     NA  1.01351351
## SE.mean  NA  0.01351351
## CI.mean  NA  0.02693239
## var      NA  0.01351351
## std.dev  NA  0.11624764
## coef.var NA  0.11469767

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Salvador

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_sa <- subset (df, Country == "El Salvador")
knitr::kable(head(df_sa))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
34 230 9/5/07 NA El Salvador SV Ahuachapán 7797 Concepción de Ataco 0.00273 13.8703 -89.8486 (13.8703, -89.848600000000005) Landslide Mudslide Medium Tropical cyclone Hurricane Felix NA NA Azcentral.com http://www.azcentral.com/news/articles/1108sr-fhsistercity1109-ON.html
105 564 6/2/08 NA El Salvador SV La Libertad 124694 Santa Tecla 4.96416 13.7205 -89.2687 (13.720499999999999, -89.268699999999995) Landslide Landslide Medium Tropical cyclone Tropical Storm Arthur NA NA http://news.xinhuanet.com/english/2008-06/04/content_8310737.htm
224 1285 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 7.60946 13.6409 -88.8699 (13.6409, -88.869900000000001) Landslide Complex Very_large Tropical cyclone Tropical Cyclone Ida NA 23 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
225 1286 11/8/09 NA El Salvador SV La Libertad 33767 Antiguo Cuscatlán 4.86219 13.7156 -89.2521 (13.7156, -89.252099999999999) Landslide Mudslide Medium Tropical cyclone Tropical Cyclone Ida NA 4 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
226 1287 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 5.90726 13.6094 -88.8488 (13.609400000000001, -88.848799999999997) Landslide Rockfall Medium Tropical cyclone Tropical Cyclone Ida NA NA http://news.bbc.co.uk/2/hi/in_depth/8349333.stm
227 1288 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 4.03125 13.6466 -88.8347 (13.646599999999999, -88.834699999999998) Landslide Mudslide Medium Tropical cyclone Tropical Cyclone Ida NA NA http://news.yahoo.com/s/afp/20091109/wl_afp/salvadorweatherstorm_20091109100952 
df_sa %>% 
  select(Country, State, City, Distance) 
##          Country        State                City Distance
## 34   El Salvador   Ahuachapán Concepción de Ataco  0.00273
## 105  El Salvador  La Libertad         Santa Tecla  4.96416
## 224  El Salvador  San Vicente         San Vicente  7.60946
## 225  El Salvador  La Libertad   Antiguo Cuscatlán  4.86219
## 226  El Salvador  San Vicente         San Vicente  5.90726
## 227  El Salvador  San Vicente         San Vicente  4.03125
## 453  El Salvador   Ahuachapán              Tacuba  5.29901
## 824  El Salvador San Salvador               Apopa  3.01739
## 1294 El Salvador   San Miguel          Chirilagua  6.94536
## 1366 El Salvador   San Miguel  San Rafael Oriente 10.06695
## 1367 El Salvador      Cabañas          San Martín  8.82525
## 1369 El Salvador    Sonsonate          Nahuizalco  4.23875
## 1370 El Salvador    Sonsonate           Sonzacate  3.22235
## 1371 El Salvador       La Paz  San Pedro Masahuat  0.31933
## 1372 El Salvador   San Miguel          Chirilagua  9.97227
## 1373 El Salvador    Santa Ana          Coatepeque  8.83210
## 1374 El Salvador  La Libertad         Santa Tecla  4.60655
## 1375 El Salvador San Salvador   Antiguo Cuscatlán  3.25227
## 1594 El Salvador    Santa Ana         Ciudad Arce  1.15810
## 1596 El Salvador  La Libertad         Santa Tecla  4.67722
## 1597 El Salvador  La Libertad         Santa Tecla  9.87553
## 1598 El Salvador    Sonsonate              Juayúa  0.49346

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_sa, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_sa, aes(fill=City, x="El Salvador", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_sa, aes(fill=City, x="El Salvador", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_sa, aes(x = "El Salvador", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_sa$Distance
names(Distance) <- df_sa$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                      
## Pareto chart analysis for Distance
##                          Frequency    Cum.Freq.   Percentage Cum.Percent.
##   San Rafael Oriente  1.006695e+01 1.006695e+01 8.974011e+00 8.974011e+00
##   Chirilagua          9.972270e+00 2.003922e+01 8.889610e+00 1.786362e+01
##   Santa Tecla         9.875530e+00 2.991475e+01 8.803373e+00 2.666699e+01
##   Coatepeque          8.832100e+00 3.874685e+01 7.873225e+00 3.454022e+01
##   San Martín          8.825250e+00 4.757210e+01 7.867118e+00 4.240734e+01
##   San Vicente         7.609460e+00 5.518156e+01 6.783323e+00 4.919066e+01
##   Chirilagua          6.945360e+00 6.212692e+01 6.191323e+00 5.538198e+01
##   San Vicente         5.907260e+00 6.803418e+01 5.265926e+00 6.064791e+01
##   Tacuba              5.299010e+00 7.333319e+01 4.723712e+00 6.537162e+01
##   Santa Tecla         4.964160e+00 7.829735e+01 4.425216e+00 6.979684e+01
##   Antiguo Cuscatlán   4.862190e+00 8.315954e+01 4.334316e+00 7.413115e+01
##   Santa Tecla         4.677220e+00 8.783676e+01 4.169428e+00 7.830058e+01
##   Santa Tecla         4.606550e+00 9.244331e+01 4.106430e+00 8.240701e+01
##   Nahuizalco          4.238750e+00 9.668206e+01 3.778561e+00 8.618557e+01
##   San Vicente         4.031250e+00 1.007133e+02 3.593589e+00 8.977916e+01
##   Antiguo Cuscatlán   3.252270e+00 1.039656e+02 2.899181e+00 9.267834e+01
##   Sonzacate           3.222350e+00 1.071879e+02 2.872509e+00 9.555085e+01
##   Apopa               3.017390e+00 1.102053e+02 2.689801e+00 9.824065e+01
##   Ciudad Arce         1.158100e+00 1.113634e+02 1.032368e+00 9.927302e+01
##   Juayúa              4.934600e-01 1.118569e+02 4.398865e-01 9.971291e+01
##   San Pedro Masahuat  3.193300e-01 1.121762e+02 2.846613e-01 9.999757e+01
##   Concepción de Ataco 2.730000e-03 1.121789e+02 2.433612e-03 1.000000e+02

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_sa$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 000133344
##   0 | 5555567899
##   1 | 000
head(df_sa)
##       id    date time continent_code     Country country_code       State
## 34   230  9/5/07                <NA> El Salvador           SV  Ahuachapán
## 105  564  6/2/08                <NA> El Salvador           SV La Libertad
## 224 1285 11/8/09                <NA> El Salvador           SV San Vicente
## 225 1286 11/8/09                <NA> El Salvador           SV La Libertad
## 226 1287 11/8/09                <NA> El Salvador           SV San Vicente
## 227 1288 11/8/09                <NA> El Salvador           SV San Vicente
##     population                City Distance location_description latitude
## 34        7797 Concepción de Ataco  0.00273                       13.8703
## 105     124694         Santa Tecla  4.96416                       13.7205
## 224      41504         San Vicente  7.60946                       13.6409
## 225      33767   Antiguo Cuscatlán  4.86219                       13.7156
## 226      41504         San Vicente  5.90726                       13.6094
## 227      41504         San Vicente  4.03125                       13.6466
##     longitude                               geolocation hazard_type
## 34   -89.8486            (13.8703, -89.848600000000005)   Landslide
## 105  -89.2687 (13.720499999999999, -89.268699999999995)   Landslide
## 224  -88.8699            (13.6409, -88.869900000000001)   Landslide
## 225  -89.2521            (13.7156, -89.252099999999999)   Landslide
## 226  -88.8488 (13.609400000000001, -88.848799999999997)   Landslide
## 227  -88.8347 (13.646599999999999, -88.834699999999998)   Landslide
##     landslide_type landslide_size          trigger            storm_name
## 34        Mudslide         Medium Tropical cyclone       Hurricane Felix
## 105      Landslide         Medium Tropical cyclone Tropical Storm Arthur
## 224        Complex     Very_large Tropical cyclone  Tropical Cyclone Ida
## 225       Mudslide         Medium Tropical cyclone  Tropical Cyclone Ida
## 226       Rockfall         Medium Tropical cyclone  Tropical Cyclone Ida
## 227       Mudslide         Medium Tropical cyclone  Tropical Cyclone Ida
##     injuries fatalities   source_name
## 34        NA         NA Azcentral.com
## 105       NA         NA              
## 224       NA         23              
## 225       NA          4              
## 226       NA         NA              
## 227       NA         NA              
##                                                                                 source_link
## 34                   http://www.azcentral.com/news/articles/1108sr-fhsistercity1109-ON.html
## 105                        http://news.xinhuanet.com/english/2008-06/04/content_8310737.htm
## 224 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
## 225 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
## 226                                         http://news.bbc.co.uk/2/hi/in_depth/8349333.stm
## 227         http://news.yahoo.com/s/afp/20091109/wl_afp/salvadorweatherstorm_20091109100952
knitr::kable(head(df_sa))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
34 230 9/5/07 NA El Salvador SV Ahuachapán 7797 Concepción de Ataco 0.00273 13.8703 -89.8486 (13.8703, -89.848600000000005) Landslide Mudslide Medium Tropical cyclone Hurricane Felix NA NA Azcentral.com http://www.azcentral.com/news/articles/1108sr-fhsistercity1109-ON.html
105 564 6/2/08 NA El Salvador SV La Libertad 124694 Santa Tecla 4.96416 13.7205 -89.2687 (13.720499999999999, -89.268699999999995) Landslide Landslide Medium Tropical cyclone Tropical Storm Arthur NA NA http://news.xinhuanet.com/english/2008-06/04/content_8310737.htm
224 1285 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 7.60946 13.6409 -88.8699 (13.6409, -88.869900000000001) Landslide Complex Very_large Tropical cyclone Tropical Cyclone Ida NA 23 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
225 1286 11/8/09 NA El Salvador SV La Libertad 33767 Antiguo Cuscatlán 4.86219 13.7156 -89.2521 (13.7156, -89.252099999999999) Landslide Mudslide Medium Tropical cyclone Tropical Cyclone Ida NA 4 http://www.google.com/hostednews/ap/article/ALeqM5j0XCCb1n12DyhoBoDzGj_hTyEtrAD9BRKPRG0
226 1287 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 5.90726 13.6094 -88.8488 (13.609400000000001, -88.848799999999997) Landslide Rockfall Medium Tropical cyclone Tropical Cyclone Ida NA NA http://news.bbc.co.uk/2/hi/in_depth/8349333.stm
227 1288 11/8/09 NA El Salvador SV San Vicente 41504 San Vicente 4.03125 13.6466 -88.8347 (13.646599999999999, -88.834699999999998) Landslide Mudslide Medium Tropical cyclone Tropical Cyclone Ida NA NA http://news.yahoo.com/s/afp/20091109/wl_afp/salvadorweatherstorm_20091109100952 
stem(df_sa$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 000133344
##   0 | 5555567899
##   1 | 000
stem(df_sa$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    0 | 0352
##    2 | 023
##    4 | 02679039
##    6 | 96
##    8 | 889
##   10 | 01

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_sa$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
0.00273
4.96416
7.60946
4.86219
5.90726
4.03125 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.00273 1 4.5 4.5 4.5 4.5
0.31933 1 4.5 4.5 9.1 9.1
0.49346 1 4.5 4.5 13.6 13.6
1.1581 1 4.5 4.5 18.2 18.2
3.01739 1 4.5 4.5 22.7 22.7
3.22235 1 4.5 4.5 27.3 27.3
3.25227 1 4.5 4.5 31.8 31.8
4.03125 1 4.5 4.5 36.4 36.4
4.23875 1 4.5 4.5 40.9 40.9
4.60655 1 4.5 4.5 45.5 45.5
4.67722 1 4.5 4.5 50.0 50.0
4.86219 1 4.5 4.5 54.5 54.5
4.96416 1 4.5 4.5 59.1 59.1
5.29901 1 4.5 4.5 63.6 63.6
5.90726 1 4.5 4.5 68.2 68.2
6.94536 1 4.5 4.5 72.7 72.7
7.60946 1 4.5 4.5 77.3 77.3
8.82525 1 4.5 4.5 81.8 81.8
8.8321 1 4.5 4.5 86.4 86.4
9.87553 1 4.5 4.5 90.9 90.9
9.97227 1 4.5 4.5 95.5 95.5
10.06695 1 4.5 4.5 100.0 100.0
Total 22 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  23 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 ...
##  $ val%   : num  4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 ...
##  $ %cum   : num  4.5 9.1 13.6 18.2 22.7 27.3 31.8 36.4 40.9 45.5 ...
##  $ val%cum: num  4.5 9.1 13.6 18.2 22.7 27.3 31.8 36.4 40.9 45.5 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_sa <- data.frame(x = names, y = freqs)
knitr::kable(df_sa)
x y
0.00273 1
0.31933 1
0.49346 1
1.1581 1
3.01739 1
3.22235 1
3.25227 1
4.03125 1
4.23875 1
4.60655 1
4.67722 1
4.86219 1
4.96416 1
5.29901 1
5.90726 1
6.94536 1
7.60946 1
8.82525 1
8.8321 1
9.87553 1
9.97227 1
10.06695 1 
library(ggplot2)
ggplot(data=df_sa, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Número de asistencias") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.00273  3.00273  6.00273  9.00273 12.00273
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.00273 1 0.0454545 1
0.31933 1 0.0454545 2
0.49346 1 0.0454545 3
1.1581 1 0.0454545 4
3.01739 1 0.0454545 5
3.22235 1 0.0454545 6
3.25227 1 0.0454545 7
4.03125 1 0.0454545 8
4.23875 1 0.0454545 9
4.60655 1 0.0454545 10
4.67722 1 0.0454545 11
4.86219 1 0.0454545 12
4.96416 1 0.0454545 13
5.29901 1 0.0454545 14
5.90726 1 0.0454545 15
6.94536 1 0.0454545 16
7.60946 1 0.0454545 17
8.82525 1 0.0454545 18
8.8321 1 0.0454545 19
9.87553 1 0.0454545 20
9.97227 1 0.0454545 21
10.06695 1 0.0454545 22 
str(Freq_table)
## 'data.frame':    22 obs. of  4 variables:
##  $ Distance: Factor w/ 22 levels "0.00273","0.31933",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.0455 0.0455 0.0455 0.0455 0.0455 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10 ...
df_sa <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_sa)
x y
0.00273 1
0.31933 1
0.49346 1
1.1581 1
3.01739 1
3.22235 1
3.25227 1
4.03125 1
4.23875 1
4.60655 1
4.67722 1
4.86219 1
4.96416 1
5.29901 1
5.90726 1
6.94536 1
7.60946 1
8.82525 1
8.8321 1
9.87553 1
9.97227 1
10.06695 1 
library(ggplot2)

ggplot(data=df_sa, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="black", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_sa$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_sa)
##           x  y
## nbr.val  NA 22
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 22
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Guatemala

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_gu <- subset (df, Country == "Guatemala")
knitr::kable(head(df_gu))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
17 165 8/9/07 NA Guatemala GT Guatemala 47247 San José Pinula 4.74385 14.5667 -90.4500 (14.566700000000001, -90.45) Landslide Mudslide Medium Rain NA 5 International Herald http://www.iht.com/articles/ap/2007/08/09/america/LA-GEN-Guatemala-Deadly-Mudslide.php
27 198 8/21/07 NA Guatemala GT Alta Verapaz 2006 Lanquín 13.39817 15.6046 -90.0853 (15.6046, -90.085300000000004) Landslide Landslide Medium Tropical cyclone Hurricane Dean NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
28 199 8/21/07 NA Guatemala GT Izabal 18994 Morales 12.55184 15.5163 -88.9286 (15.516299999999999, -88.928600000000003) Landslide Landslide Medium Tropical cyclone Hurricane Dean NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
41 277 9/22/07 NA Guatemala GT Guatemala 994938 Guatemala City 2.79113 14.6229 -90.5316 (14.6229, -90.531599999999997) Landslide Mudslide Medium Rain NA 3 Fox News http://www.foxnews.com/story/0,2933,297714,00.html
104 563 6/1/08 NA Guatemala GT Escuintla 31329 Palín 3.10150 14.4226 -90.6755 (14.422599999999999, -90.6755) Landslide Mudslide Medium Tropical cyclone Tropical Storm Arthur NA 1 http://209.85.215.104/search?q=cache:QU_lPxNfk78J:www.plenglish.com/article.asp?ID=%7B1D4A74F7-CDCA-49D0-ABD4-D2E0FD9D2130%7D&language=EN+Colom+said+the+declaration+came+after+a+death+in+Palin+and+40+houses+partially&hl=en&ct=clnk&cd=1&gl=us&c
108 591 6/18/08 NA Guatemala GT Guatemala 994938 Guatemala City 3.12614 14.6510 -90.5403 (14.651, -90.540300000000002) Landslide Complex Medium Rain NA 8 http://cnnwire.blogs.cnn.com/2008/06/20/8-dead-in-rough-weather-in-guatemala/ 
df_gu %>% 
  select(Country, State, City, Distance) 
##        Country          State                        City Distance
## 17   Guatemala      Guatemala             San José Pinula  4.74385
## 27   Guatemala   Alta Verapaz                     Lanquín 13.39817
## 28   Guatemala         Izabal                     Morales 12.55184
## 41   Guatemala      Guatemala              Guatemala City  2.79113
## 104  Guatemala      Escuintla                       Palín  3.10150
## 108  Guatemala      Guatemala              Guatemala City  3.12614
## 120  Guatemala         Zacapa                    La Unión  0.80640
## 158  Guatemala  Chimaltenango            San José Poaquil  5.31511
## 162  Guatemala  Huehuetenango San Sebastián Huehuetenango  1.58358
## 169  Guatemala         Izabal                     Morales 23.92309
## 351  Guatemala Quetzaltenango                   Almolonga  0.77254
## 353  Guatemala      Escuintla                       Palín  0.18542
## 354  Guatemala      Guatemala                   Amatitlán  2.02891
## 355  Guatemala      Guatemala                   Chinautla  0.44764
## 356  Guatemala   Sacatepéquez        Santa María De Jesús  6.13527
## 357  Guatemala      Guatemala              Guatemala City  4.07930
## 358  Guatemala         Sololá        Santa Cruz La Laguna  6.00513
## 359  Guatemala  Chimaltenango              Santa Apolonia  0.99952
## 360  Guatemala         Sololá         San Pedro La Laguna  0.50611
## 361  Guatemala      Guatemala             San José Pinula  0.89040
## 362  Guatemala         Quiché             San Juan Cotzal  8.93658
## 363  Guatemala    Totonicapán                 Totonicapán  0.17513
## 372  Guatemala         Sololá         San Pablo La Laguna  3.85753
## 383  Guatemala      Guatemala                   Chinautla  3.85648
## 427  Guatemala      Guatemala                       Mixco  2.10418
## 428  Guatemala      Guatemala                       Mixco  3.64749
## 429  Guatemala      Guatemala       Santa Catarina Pinula  2.81128
## 430  Guatemala     Chiquimula             San Juan Ermita  6.15103
## 431  Guatemala  Huehuetenango               Malacatancito  0.03280
## 432  Guatemala         Sololá        San Andrés Semetabaj  0.00359
## 433  Guatemala   Alta Verapaz                      Senahú  2.30104
## 437  Guatemala         Sololá                     Nahualá  3.04642
## 438  Guatemala Quetzaltenango                     Colomba  0.92729
## 439  Guatemala         Quiché                    Chicamán 21.83272
## 440  Guatemala   Sacatepéquez                 Jocotenango  0.63089
## 441  Guatemala  Chimaltenango               Chimaltenango  1.36473
## 442  Guatemala         Quiché                   Sacapulas  0.35171
## 818  Guatemala  Huehuetenango                    Barillas  0.45507
## 885  Guatemala         Quiché                      Chajul  7.39906
## 1112 Guatemala     San Marcos                    Pajapita  0.96647
## 1244 Guatemala  Huehuetenango             San Pedro Necta  0.91108
## 1347 Guatemala         Sololá                       Zunil  7.03115
## 1352 Guatemala   Baja Verapaz                     Purulhá  5.88787
## 1353 Guatemala      Guatemala       Santa Catarina Pinula  2.70053
## 1354 Guatemala      Guatemala              Guatemala City  2.59620
## 1356 Guatemala         Quiché              San Luis Ixcán 22.56101
## 1357 Guatemala        Jutiapa                  Jalpatagua  4.51954
## 1358 Guatemala  Huehuetenango                      Cuilco  3.30989
## 1359 Guatemala      Guatemala                   Chinautla  5.94535
## 1360 Guatemala         Quiché                    Chinique  3.98185
## 1361 Guatemala     San Marcos                      Tacaná  0.75729
## 1557 Guatemala      Guatemala       Santa Catarina Pinula  0.94245
## 1559 Guatemala      Guatemala       Santa Catarina Pinula  3.96161
## 1560 Guatemala     Santa Rosa        Santa María Ixhuatán  0.82332
## 1561 Guatemala   Suchitepeque           San Juan Bautista  3.47803
## 1568 Guatemala      Guatemala                   Fraijanes  6.19218
## 1569 Guatemala  Chimaltenango                    Patzicía  5.52205
## 1570 Guatemala      Guatemala                       Mixco  1.87009
## 1571 Guatemala      Guatemala                      Petapa  4.20726
## 1572 Guatemala         Sololá          San Antonio Palopó  3.18658
## 1573 Guatemala         Sololá        San Andrés Semetabaj  0.67040
## 1574 Guatemala      Guatemala              Guatemala City  3.80312
## 1575 Guatemala      Guatemala              Guatemala City  1.68290
## 1576 Guatemala      Guatemala              Guatemala City  2.08425
## 1577 Guatemala      Guatemala              Guatemala City  3.25675
## 1578 Guatemala      Guatemala              Guatemala City  3.49341
## 1579 Guatemala      Guatemala              Guatemala City  1.83863
## 1580 Guatemala      Guatemala              Guatemala City  1.57381
## 1581 Guatemala      Guatemala              Guatemala City  1.70147
## 1582 Guatemala      Guatemala              Guatemala City  3.00314
## 1583 Guatemala         Quiché            Chichicastenango  2.27725
## 1584 Guatemala      Guatemala                   Chinautla  2.36376
## 1585 Guatemala      Guatemala                   Chinautla  2.66358
## 1588 Guatemala   Sacatepéquez     Santa Catarina Barahona  1.45200
## 1589 Guatemala   Alta Verapaz                     Cahabón  5.14479
## 1590 Guatemala      Escuintla            Nueva Concepción  8.25465
## 1591 Guatemala      Guatemala               Villa Canales  0.65744
## 1592 Guatemala         Sololá        San Andrés Semetabaj  0.75685
## 1595 Guatemala Quetzaltenango                  Coatepeque  1.81216

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_gu, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_gu, aes(fill=City, x="Guatemala", y=Distance)) +
  geom_bar(position="dodge", stat="identity")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_gu, aes(fill=City, x="Guatemala", y=Distance)) +
  geom_bar(position="stack", stat="identity")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_gu, aes(x = "Guatemala", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_gu$Distance
names(Distance) <- df_gu$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                              
## Pareto chart analysis for Distance
##                                  Frequency    Cum.Freq.   Percentage
##   Morales                     2.392309e+01 2.392309e+01 7.892330e+00
##   San Luis Ixcán              2.256101e+01 4.648410e+01 7.442974e+00
##   Chicamán                    2.183272e+01 6.831682e+01 7.202708e+00
##   Lanquín                     1.339817e+01 8.171499e+01 4.420114e+00
##   Morales                     1.255184e+01 9.426683e+01 4.140906e+00
##   San Juan Cotzal             8.936580e+00 1.032034e+02 2.948216e+00
##   Nueva Concepción            8.254650e+00 1.114581e+02 2.723244e+00
##   Chajul                      7.399060e+00 1.188571e+02 2.440982e+00
##   Zunil                       7.031150e+00 1.258883e+02 2.319606e+00
##   Fraijanes                   6.192180e+00 1.320804e+02 2.042827e+00
##   San Juan Ermita             6.151030e+00 1.382315e+02 2.029251e+00
##   Santa María De Jesús        6.135270e+00 1.443667e+02 2.024052e+00
##   Santa Cruz La Laguna        6.005130e+00 1.503719e+02 1.981118e+00
##   Chinautla                   5.945350e+00 1.563172e+02 1.961396e+00
##   Purulhá                     5.887870e+00 1.622051e+02 1.942433e+00
##   Patzicía                    5.522050e+00 1.677271e+02 1.821748e+00
##   San José Poaquil            5.315110e+00 1.730423e+02 1.753478e+00
##   Cahabón                     5.144790e+00 1.781870e+02 1.697288e+00
##   San José Pinula             4.743850e+00 1.829309e+02 1.565016e+00
##   Jalpatagua                  4.519540e+00 1.874504e+02 1.491016e+00
##   Petapa                      4.207260e+00 1.916577e+02 1.387993e+00
##   Guatemala City              4.079300e+00 1.957370e+02 1.345779e+00
##   Chinique                    3.981850e+00 1.997189e+02 1.313629e+00
##   Santa Catarina Pinula       3.961610e+00 2.036805e+02 1.306952e+00
##   San Pablo La Laguna         3.857530e+00 2.075380e+02 1.272616e+00
##   Chinautla                   3.856480e+00 2.113945e+02 1.272269e+00
##   Guatemala City              3.803120e+00 2.151976e+02 1.254666e+00
##   Mixco                       3.647490e+00 2.188451e+02 1.203323e+00
##   Guatemala City              3.493410e+00 2.223385e+02 1.152491e+00
##   San Juan Bautista           3.478030e+00 2.258165e+02 1.147417e+00
##   Cuilco                      3.309890e+00 2.291264e+02 1.091947e+00
##   Guatemala City              3.256750e+00 2.323832e+02 1.074416e+00
##   San Antonio Palopó          3.186580e+00 2.355697e+02 1.051266e+00
##   Guatemala City              3.126140e+00 2.386959e+02 1.031327e+00
##   Palín                       3.101500e+00 2.417974e+02 1.023198e+00
##   Nahualá                     3.046420e+00 2.448438e+02 1.005027e+00
##   Guatemala City              3.003140e+00 2.478469e+02 9.907487e-01
##   Santa Catarina Pinula       2.811280e+00 2.506582e+02 9.274533e-01
##   Guatemala City              2.791130e+00 2.534494e+02 9.208057e-01
##   Santa Catarina Pinula       2.700530e+00 2.561499e+02 8.909164e-01
##   Chinautla                   2.663580e+00 2.588135e+02 8.787264e-01
##   Guatemala City              2.596200e+00 2.614097e+02 8.564975e-01
##   Chinautla                   2.363760e+00 2.637734e+02 7.798145e-01
##   Senahú                      2.301040e+00 2.660745e+02 7.591229e-01
##   Chichicastenango            2.277250e+00 2.683517e+02 7.512745e-01
##   Mixco                       2.104180e+00 2.704559e+02 6.941780e-01
##   Guatemala City              2.084250e+00 2.725401e+02 6.876030e-01
##   Amatitlán                   2.028910e+00 2.745691e+02 6.693461e-01
##   Mixco                       1.870090e+00 2.764391e+02 6.169507e-01
##   Guatemala City              1.838630e+00 2.782778e+02 6.065719e-01
##   Coatepeque                  1.812160e+00 2.800899e+02 5.978393e-01
##   Guatemala City              1.701470e+00 2.817914e+02 5.613222e-01
##   Guatemala City              1.682900e+00 2.834743e+02 5.551959e-01
##   San Sebastián Huehuetenango 1.583580e+00 2.850579e+02 5.224298e-01
##   Guatemala City              1.573810e+00 2.866317e+02 5.192066e-01
##   Santa Catarina Barahona     1.452000e+00 2.880837e+02 4.790210e-01
##   Chimaltenango               1.364730e+00 2.894484e+02 4.502303e-01
##   Santa Apolonia              9.995200e-01 2.904479e+02 3.297459e-01
##   Pajapita                    9.664700e-01 2.914144e+02 3.188426e-01
##   Santa Catarina Pinula       9.424500e-01 2.923569e+02 3.109183e-01
##   Colomba                     9.272900e-01 2.932842e+02 3.059169e-01
##   San Pedro Necta             9.110800e-01 2.941952e+02 3.005692e-01
##   San José Pinula             8.904000e-01 2.950856e+02 2.937468e-01
##   Santa María Ixhuatán        8.233200e-01 2.959090e+02 2.716168e-01
##   La Unión                    8.064000e-01 2.967154e+02 2.660348e-01
##   Almolonga                   7.725400e-01 2.974879e+02 2.548642e-01
##   Tacaná                      7.572900e-01 2.982452e+02 2.498332e-01
##   San Andrés Semetabaj        7.568500e-01 2.990020e+02 2.496881e-01
##   San Andrés Semetabaj        6.704000e-01 2.996724e+02 2.211678e-01
##   Villa Canales               6.574400e-01 3.003299e+02 2.168923e-01
##   Jocotenango                 6.308900e-01 3.009608e+02 2.081333e-01
##   San Pedro La Laguna         5.061100e-01 3.014669e+02 1.669679e-01
##   Barillas                    4.550700e-01 3.019219e+02 1.501295e-01
##   Chinautla                   4.476400e-01 3.023696e+02 1.476783e-01
##   Sacapulas                   3.517100e-01 3.027213e+02 1.160306e-01
##   Palín                       1.854200e-01 3.029067e+02 6.117085e-02
##   Totonicapán                 1.751300e-01 3.030818e+02 5.777614e-02
##   Malacatancito               3.280000e-02 3.031146e+02 1.082086e-02
##   San Andrés Semetabaj        3.590000e-03 3.031182e+02 1.184356e-03
##                              
## Pareto chart analysis for Distance
##                               Cum.Percent.
##   Morales                     7.892330e+00
##   San Luis Ixcán              1.533530e+01
##   Chicamán                    2.253801e+01
##   Lanquín                     2.695812e+01
##   Morales                     3.109903e+01
##   San Juan Cotzal             3.404725e+01
##   Nueva Concepción            3.677049e+01
##   Chajul                      3.921147e+01
##   Zunil                       4.153108e+01
##   Fraijanes                   4.357391e+01
##   San Juan Ermita             4.560316e+01
##   Santa María De Jesús        4.762721e+01
##   Santa Cruz La Laguna        4.960833e+01
##   Chinautla                   5.156972e+01
##   Purulhá                     5.351216e+01
##   Patzicía                    5.533390e+01
##   San José Poaquil            5.708738e+01
##   Cahabón                     5.878467e+01
##   San José Pinula             6.034969e+01
##   Jalpatagua                  6.184070e+01
##   Petapa                      6.322869e+01
##   Guatemala City              6.457447e+01
##   Chinique                    6.588810e+01
##   Santa Catarina Pinula       6.719505e+01
##   San Pablo La Laguna         6.846767e+01
##   Chinautla                   6.973994e+01
##   Guatemala City              7.099460e+01
##   Mixco                       7.219793e+01
##   Guatemala City              7.335042e+01
##   San Juan Bautista           7.449784e+01
##   Cuilco                      7.558978e+01
##   Guatemala City              7.666420e+01
##   San Antonio Palopó          7.771546e+01
##   Guatemala City              7.874679e+01
##   Palín                       7.976999e+01
##   Nahualá                     8.077502e+01
##   Guatemala City              8.176577e+01
##   Santa Catarina Pinula       8.269322e+01
##   Guatemala City              8.361402e+01
##   Santa Catarina Pinula       8.450494e+01
##   Chinautla                   8.538367e+01
##   Guatemala City              8.624016e+01
##   Chinautla                   8.701998e+01
##   Senahú                      8.777910e+01
##   Chichicastenango            8.853038e+01
##   Mixco                       8.922455e+01
##   Guatemala City              8.991216e+01
##   Amatitlán                   9.058150e+01
##   Mixco                       9.119845e+01
##   Guatemala City              9.180503e+01
##   Coatepeque                  9.240287e+01
##   Guatemala City              9.296419e+01
##   Guatemala City              9.351938e+01
##   San Sebastián Huehuetenango 9.404181e+01
##   Guatemala City              9.456102e+01
##   Santa Catarina Barahona     9.504004e+01
##   Chimaltenango               9.549027e+01
##   Santa Apolonia              9.582002e+01
##   Pajapita                    9.613886e+01
##   Santa Catarina Pinula       9.644978e+01
##   Colomba                     9.675569e+01
##   San Pedro Necta             9.705626e+01
##   San José Pinula             9.735001e+01
##   Santa María Ixhuatán        9.762163e+01
##   La Unión                    9.788766e+01
##   Almolonga                   9.814253e+01
##   Tacaná                      9.839236e+01
##   San Andrés Semetabaj        9.864205e+01
##   San Andrés Semetabaj        9.886322e+01
##   Villa Canales               9.908011e+01
##   Jocotenango                 9.928824e+01
##   San Pedro La Laguna         9.945521e+01
##   Barillas                    9.960534e+01
##   Chinautla                   9.975302e+01
##   Sacapulas                   9.986905e+01
##   Palín                       9.993022e+01
##   Totonicapán                 9.998799e+01
##   Malacatancito               9.999882e+01
##   San Andrés Semetabaj        1.000000e+02

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_gu$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 0022445567788888999900456677889
##    2 | 011334677880011233556899
##    4 | 00125713599
##    6 | 012204
##    8 | 39
##   10 | 
##   12 | 64
##   14 | 
##   16 | 
##   18 | 
##   20 | 8
##   22 | 69
head(df_gu)
##      id    date time continent_code   Country country_code        State
## 17  165  8/9/07                <NA> Guatemala           GT    Guatemala
## 27  198 8/21/07                <NA> Guatemala           GT Alta Verapaz
## 28  199 8/21/07                <NA> Guatemala           GT       Izabal
## 41  277 9/22/07                <NA> Guatemala           GT    Guatemala
## 104 563  6/1/08                <NA> Guatemala           GT    Escuintla
## 108 591 6/18/08                <NA> Guatemala           GT    Guatemala
##     population            City Distance location_description latitude longitude
## 17       47247 San José Pinula  4.74385                       14.5667  -90.4500
## 27        2006         Lanquín 13.39817                       15.6046  -90.0853
## 28       18994         Morales 12.55184                       15.5163  -88.9286
## 41      994938  Guatemala City  2.79113                       14.6229  -90.5316
## 104      31329           Palín  3.10150                       14.4226  -90.6755
## 108     994938  Guatemala City  3.12614                       14.6510  -90.5403
##                                   geolocation hazard_type landslide_type
## 17               (14.566700000000001, -90.45)   Landslide       Mudslide
## 27             (15.6046, -90.085300000000004)   Landslide      Landslide
## 28  (15.516299999999999, -88.928600000000003)   Landslide      Landslide
## 41             (14.6229, -90.531599999999997)   Landslide       Mudslide
## 104            (14.422599999999999, -90.6755)   Landslide       Mudslide
## 108             (14.651, -90.540300000000002)   Landslide        Complex
##     landslide_size          trigger            storm_name injuries fatalities
## 17          Medium             Rain                             NA          5
## 27          Medium Tropical cyclone        Hurricane Dean       NA         NA
## 28          Medium Tropical cyclone        Hurricane Dean       NA         NA
## 41          Medium             Rain                             NA          3
## 104         Medium Tropical cyclone Tropical Storm Arthur       NA          1
## 108         Medium             Rain                             NA          8
##                                           source_name
## 17                               International Herald
## 27  United Nations Development Programme - Relief Web
## 28  United Nations Development Programme - Relief Web
## 41                                           Fox News
## 104                                                  
## 108                                                  
##                                                                                                                                                                                                                                             source_link
## 17                                                                                                                                                               http://www.iht.com/articles/ap/2007/08/09/america/LA-GEN-Guatemala-Deadly-Mudslide.php
## 27                                                                                                                                                                                http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
## 28                                                                                                                                                                                http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
## 41                                                                                                                                                                                                   http://www.foxnews.com/story/0,2933,297714,00.html
## 104 http://209.85.215.104/search?q=cache:QU_lPxNfk78J:www.plenglish.com/article.asp?ID=%7B1D4A74F7-CDCA-49D0-ABD4-D2E0FD9D2130%7D&language=EN+Colom+said+the+declaration+came+after+a+death+in+Palin+and+40+houses+partially&hl=en&ct=clnk&cd=1&gl=us&c
## 108                                                                                                                                                                       http://cnnwire.blogs.cnn.com/2008/06/20/8-dead-in-rough-weather-in-guatemala/
knitr::kable(head(df_gu))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
17 165 8/9/07 NA Guatemala GT Guatemala 47247 San José Pinula 4.74385 14.5667 -90.4500 (14.566700000000001, -90.45) Landslide Mudslide Medium Rain NA 5 International Herald http://www.iht.com/articles/ap/2007/08/09/america/LA-GEN-Guatemala-Deadly-Mudslide.php
27 198 8/21/07 NA Guatemala GT Alta Verapaz 2006 Lanquín 13.39817 15.6046 -90.0853 (15.6046, -90.085300000000004) Landslide Landslide Medium Tropical cyclone Hurricane Dean NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
28 199 8/21/07 NA Guatemala GT Izabal 18994 Morales 12.55184 15.5163 -88.9286 (15.516299999999999, -88.928600000000003) Landslide Landslide Medium Tropical cyclone Hurricane Dean NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/rw/RWB.NSF/db900SID/EDIS-76BSG6?OpenDocument
41 277 9/22/07 NA Guatemala GT Guatemala 994938 Guatemala City 2.79113 14.6229 -90.5316 (14.6229, -90.531599999999997) Landslide Mudslide Medium Rain NA 3 Fox News http://www.foxnews.com/story/0,2933,297714,00.html
104 563 6/1/08 NA Guatemala GT Escuintla 31329 Palín 3.10150 14.4226 -90.6755 (14.422599999999999, -90.6755) Landslide Mudslide Medium Tropical cyclone Tropical Storm Arthur NA 1 http://209.85.215.104/search?q=cache:QU_lPxNfk78J:www.plenglish.com/article.asp?ID=%7B1D4A74F7-CDCA-49D0-ABD4-D2E0FD9D2130%7D&language=EN+Colom+said+the+declaration+came+after+a+death+in+Palin+and+40+houses+partially&hl=en&ct=clnk&cd=1&gl=us&c
108 591 6/18/08 NA Guatemala GT Guatemala 994938 Guatemala City 3.12614 14.6510 -90.5403 (14.651, -90.540300000000002) Landslide Complex Medium Rain NA 8 http://cnnwire.blogs.cnn.com/2008/06/20/8-dead-in-rough-weather-in-guatemala/ 
stem(df_gu$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 0022445567788888999900456677889
##    2 | 011334677880011233556899
##    4 | 00125713599
##    6 | 012204
##    8 | 39
##   10 | 
##   12 | 64
##   14 | 
##   16 | 
##   18 | 
##   20 | 8
##   22 | 69
stem(df_gu$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    0 | 0022445567788888999900456677889
##    2 | 011334677880011233556899
##    4 | 00125713599
##    6 | 012204
##    8 | 39
##   10 | 
##   12 | 64
##   14 | 
##   16 | 
##   18 | 
##   20 | 8
##   22 | 69

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_gu$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
4.74385
13.39817
12.55184
2.79113
3.10150
3.12614 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.00359 1 1.3 1.3 1.3 1.3
0.0328 1 1.3 1.3 2.5 2.5
0.17513 1 1.3 1.3 3.8 3.8
0.18542 1 1.3 1.3 5.1 5.1
0.35171 1 1.3 1.3 6.3 6.3
0.44764 1 1.3 1.3 7.6 7.6
0.45507 1 1.3 1.3 8.9 8.9
0.50611 1 1.3 1.3 10.1 10.1
0.63089 1 1.3 1.3 11.4 11.4
0.65744 1 1.3 1.3 12.7 12.7
0.6704 1 1.3 1.3 13.9 13.9
0.75685 1 1.3 1.3 15.2 15.2
0.75729 1 1.3 1.3 16.5 16.5
0.77254 1 1.3 1.3 17.7 17.7
0.8064 1 1.3 1.3 19.0 19.0
0.82332 1 1.3 1.3 20.3 20.3
0.8904 1 1.3 1.3 21.5 21.5
0.91108 1 1.3 1.3 22.8 22.8
0.92729 1 1.3 1.3 24.1 24.1
0.94245 1 1.3 1.3 25.3 25.3
0.96647 1 1.3 1.3 26.6 26.6
0.99952 1 1.3 1.3 27.8 27.8
1.36473 1 1.3 1.3 29.1 29.1
1.452 1 1.3 1.3 30.4 30.4
1.57381 1 1.3 1.3 31.6 31.6
1.58358 1 1.3 1.3 32.9 32.9
1.6829 1 1.3 1.3 34.2 34.2
1.70147 1 1.3 1.3 35.4 35.4
1.81216 1 1.3 1.3 36.7 36.7
1.83863 1 1.3 1.3 38.0 38.0
1.87009 1 1.3 1.3 39.2 39.2
2.02891 1 1.3 1.3 40.5 40.5
2.08425 1 1.3 1.3 41.8 41.8
2.10418 1 1.3 1.3 43.0 43.0
2.27725 1 1.3 1.3 44.3 44.3
2.30104 1 1.3 1.3 45.6 45.6
2.36376 1 1.3 1.3 46.8 46.8
2.5962 1 1.3 1.3 48.1 48.1
2.66358 1 1.3 1.3 49.4 49.4
2.70053 1 1.3 1.3 50.6 50.6
2.79113 1 1.3 1.3 51.9 51.9
2.81128 1 1.3 1.3 53.2 53.2
3.00314 1 1.3 1.3 54.4 54.4
3.04642 1 1.3 1.3 55.7 55.7
3.1015 1 1.3 1.3 57.0 57.0
3.12614 1 1.3 1.3 58.2 58.2
3.18658 1 1.3 1.3 59.5 59.5
3.25675 1 1.3 1.3 60.8 60.8
3.30989 1 1.3 1.3 62.0 62.0
3.47803 1 1.3 1.3 63.3 63.3
3.49341 1 1.3 1.3 64.6 64.6
3.64749 1 1.3 1.3 65.8 65.8
3.80312 1 1.3 1.3 67.1 67.1
3.85648 1 1.3 1.3 68.4 68.4
3.85753 1 1.3 1.3 69.6 69.6
3.96161 1 1.3 1.3 70.9 70.9
3.98185 1 1.3 1.3 72.2 72.2
4.0793 1 1.3 1.3 73.4 73.4
4.20726 1 1.3 1.3 74.7 74.7
4.51954 1 1.3 1.3 75.9 75.9
4.74385 1 1.3 1.3 77.2 77.2
5.14479 1 1.3 1.3 78.5 78.5
5.31511 1 1.3 1.3 79.7 79.7
5.52205 1 1.3 1.3 81.0 81.0
5.88787 1 1.3 1.3 82.3 82.3
5.94535 1 1.3 1.3 83.5 83.5
6.00513 1 1.3 1.3 84.8 84.8
6.13527 1 1.3 1.3 86.1 86.1
6.15103 1 1.3 1.3 87.3 87.3
6.19218 1 1.3 1.3 88.6 88.6
7.03115 1 1.3 1.3 89.9 89.9
7.39906 1 1.3 1.3 91.1 91.1
8.25465 1 1.3 1.3 92.4 92.4
8.93658 1 1.3 1.3 93.7 93.7
12.55184 1 1.3 1.3 94.9 94.9
13.39817 1 1.3 1.3 96.2 96.2
21.83272 1 1.3 1.3 97.5 97.5
22.56101 1 1.3 1.3 98.7 98.7
23.92309 1 1.3 1.3 100.0 100.0
Total 79 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  80 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 ...
##  $ val%   : num  1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 1.3 ...
##  $ %cum   : num  1.3 2.5 3.8 5.1 6.3 7.6 8.9 10.1 11.4 12.7 ...
##  $ val%cum: num  1.3 2.5 3.8 5.1 6.3 7.6 8.9 10.1 11.4 12.7 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_gu <- data.frame(x = names, y = freqs)
knitr::kable(df_gu)
x y
0.00359 1
0.0328 1
0.17513 1
0.18542 1
0.35171 1
0.44764 1
0.45507 1
0.50611 1
0.63089 1
0.65744 1
0.6704 1
0.75685 1
0.75729 1
0.77254 1
0.8064 1
0.82332 1
0.8904 1
0.91108 1
0.92729 1
0.94245 1
0.96647 1
0.99952 1
1.36473 1
1.452 1
1.57381 1
1.58358 1
1.6829 1
1.70147 1
1.81216 1
1.83863 1
1.87009 1
2.02891 1
2.08425 1
2.10418 1
2.27725 1
2.30104 1
2.36376 1
2.5962 1
2.66358 1
2.70053 1
2.79113 1
2.81128 1
3.00314 1
3.04642 1
3.1015 1
3.12614 1
3.18658 1
3.25675 1
3.30989 1
3.47803 1
3.49341 1
3.64749 1
3.80312 1
3.85648 1
3.85753 1
3.96161 1
3.98185 1
4.0793 1
4.20726 1
4.51954 1
4.74385 1
5.14479 1
5.31511 1
5.52205 1
5.88787 1
5.94535 1
6.00513 1
6.13527 1
6.15103 1
6.19218 1
7.03115 1
7.39906 1
8.25465 1
8.93658 1
12.55184 1
13.39817 1
21.83272 1
22.56101 1
23.92309 1 
library(ggplot2)
ggplot(data=df_gu, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.00359  4.00359  8.00359 12.00359 16.00359 20.00359 24.00359
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.00359 1 0.0126582 1
0.0328 1 0.0126582 2
0.17513 1 0.0126582 3
0.18542 1 0.0126582 4
0.35171 1 0.0126582 5
0.44764 1 0.0126582 6
0.45507 1 0.0126582 7
0.50611 1 0.0126582 8
0.63089 1 0.0126582 9
0.65744 1 0.0126582 10
0.6704 1 0.0126582 11
0.75685 1 0.0126582 12
0.75729 1 0.0126582 13
0.77254 1 0.0126582 14
0.8064 1 0.0126582 15
0.82332 1 0.0126582 16
0.8904 1 0.0126582 17
0.91108 1 0.0126582 18
0.92729 1 0.0126582 19
0.94245 1 0.0126582 20
0.96647 1 0.0126582 21
0.99952 1 0.0126582 22
1.36473 1 0.0126582 23
1.452 1 0.0126582 24
1.57381 1 0.0126582 25
1.58358 1 0.0126582 26
1.6829 1 0.0126582 27
1.70147 1 0.0126582 28
1.81216 1 0.0126582 29
1.83863 1 0.0126582 30
1.87009 1 0.0126582 31
2.02891 1 0.0126582 32
2.08425 1 0.0126582 33
2.10418 1 0.0126582 34
2.27725 1 0.0126582 35
2.30104 1 0.0126582 36
2.36376 1 0.0126582 37
2.5962 1 0.0126582 38
2.66358 1 0.0126582 39
2.70053 1 0.0126582 40
2.79113 1 0.0126582 41
2.81128 1 0.0126582 42
3.00314 1 0.0126582 43
3.04642 1 0.0126582 44
3.1015 1 0.0126582 45
3.12614 1 0.0126582 46
3.18658 1 0.0126582 47
3.25675 1 0.0126582 48
3.30989 1 0.0126582 49
3.47803 1 0.0126582 50
3.49341 1 0.0126582 51
3.64749 1 0.0126582 52
3.80312 1 0.0126582 53
3.85648 1 0.0126582 54
3.85753 1 0.0126582 55
3.96161 1 0.0126582 56
3.98185 1 0.0126582 57
4.0793 1 0.0126582 58
4.20726 1 0.0126582 59
4.51954 1 0.0126582 60
4.74385 1 0.0126582 61
5.14479 1 0.0126582 62
5.31511 1 0.0126582 63
5.52205 1 0.0126582 64
5.88787 1 0.0126582 65
5.94535 1 0.0126582 66
6.00513 1 0.0126582 67
6.13527 1 0.0126582 68
6.15103 1 0.0126582 69
6.19218 1 0.0126582 70
7.03115 1 0.0126582 71
7.39906 1 0.0126582 72
8.25465 1 0.0126582 73
8.93658 1 0.0126582 74
12.55184 1 0.0126582 75
13.39817 1 0.0126582 76
21.83272 1 0.0126582 77
22.56101 1 0.0126582 78
23.92309 1 0.0126582 79 
str(Freq_table)
## 'data.frame':    79 obs. of  4 variables:
##  $ Distance: Factor w/ 79 levels "0.00359","0.0328",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.0127 0.0127 0.0127 0.0127 0.0127 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10 ...
df_gu <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_gu)
x y
0.00359 1
0.0328 1
0.17513 1
0.18542 1
0.35171 1
0.44764 1
0.45507 1
0.50611 1
0.63089 1
0.65744 1
0.6704 1
0.75685 1
0.75729 1
0.77254 1
0.8064 1
0.82332 1
0.8904 1
0.91108 1
0.92729 1
0.94245 1
0.96647 1
0.99952 1
1.36473 1
1.452 1
1.57381 1
1.58358 1
1.6829 1
1.70147 1
1.81216 1
1.83863 1
1.87009 1
2.02891 1
2.08425 1
2.10418 1
2.27725 1
2.30104 1
2.36376 1
2.5962 1
2.66358 1
2.70053 1
2.79113 1
2.81128 1
3.00314 1
3.04642 1
3.1015 1
3.12614 1
3.18658 1
3.25675 1
3.30989 1
3.47803 1
3.49341 1
3.64749 1
3.80312 1
3.85648 1
3.85753 1
3.96161 1
3.98185 1
4.0793 1
4.20726 1
4.51954 1
4.74385 1
5.14479 1
5.31511 1
5.52205 1
5.88787 1
5.94535 1
6.00513 1
6.13527 1
6.15103 1
6.19218 1
7.03115 1
7.39906 1
8.25465 1
8.93658 1
12.55184 1
13.39817 1
21.83272 1
22.56101 1
23.92309 1 
library(ggplot2)

ggplot(data=df_gu, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_gu$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_gu)
##           x  y
## nbr.val  NA 79
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 79
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Honduras

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_ho <- subset (df, Country == "Honduras")
knitr::kable(head(df_ho))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
159 854 10/19/08 NA Honduras HN Copán 4752 Corquín 0.43391 14.5637 -88.8693 (14.563700000000001, -88.869299999999996) Landslide Landslide Large Tropical cyclone Tropical Depression 16 NA 23 http://www.chron.com/disp/story.mpl/ap/world/6068144.html
160 855 10/20/08 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 2.99239 14.1080 -87.2137 (14.108000000000001, -87.213700000000003) Landslide Mudslide Large Tropical cyclone Tropical Depression 16 NA 29 http://in.ibtimes.com/articles/20081021/honduras-landslide-tegucigalpa-victim.htm
376 2062 7/12/10 5:30:00 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 0.98377 14.0831 -87.1978 (14.0831, -87.197800000000001) Landslide Mudslide Medium Downpour NA 1 http://mdn.mainichi.jp/mdnnews/news/20100713p2a00m0na013000c.html
381 2093 7/18/10 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 1.24404 14.0814 -87.1953 (14.0814, -87.195300000000003) Landslide Landslide Medium Downpour NA 0 http://www.insidecostarica.com/dailynews/2010/july/19/centralamerica10071903.htm
406 2217 8/7/10 Overnight NA Honduras HN Francisco Morazán 850848 Tegucigalpa 2.21442 14.0783 -87.2270 (14.0783, -87.227000000000004) Landslide Mudslide Medium Downpour NA 3
435 2358 8/29/10 4:30:00 NA Honduras HN Francisco Morazán 2288 Santa Lucía 4.75791 14.1015 -87.1607 (14.1015, -87.160700000000006) Landslide Rockfall Medium Downpour NA 5 
df_ho %>% 
  select(Country, State, City, Distance) 
##       Country              State                      City Distance
## 159  Honduras              Copán                   Corquín  0.43391
## 160  Honduras Francisco Morazán                Tegucigalpa  2.99239
## 376  Honduras Francisco Morazán                Tegucigalpa  0.98377
## 381  Honduras Francisco Morazán                Tegucigalpa  1.24404
## 406  Honduras Francisco Morazán                Tegucigalpa  2.21442
## 435  Honduras Francisco Morazán                Santa Lucía  4.75791
## 474  Honduras          Comayagua                 El Rancho  4.53362
## 485  Honduras              Colón                    Cusuna 36.37629
## 820  Honduras Francisco Morazán                Tegucigalpa  1.23639
## 1100 Honduras             Cortés               Los Caminos  3.53737
## 1279 Honduras          Choluteca          Ciudad Choluteca  3.69596
## 1288 Honduras               Yoro                      Yoro  0.31238
## 1363 Honduras         Ocotepeque                   Sinuapa  2.00805
## 1377 Honduras             Cortés          Agua Azul Rancho  0.97057
## 1379 Honduras      Santa Bárbara                  Agualote  2.91594
## 1599 Honduras         El Paraíso                            1.90052
## 1602 Honduras Francisco Morazán                    El Lolo  1.85897
## 1603 Honduras Francisco Morazán                Tegucigalpa  3.25281
## 1604 Honduras          Choluteca                    Duyure 11.67237
## 1605 Honduras          Choluteca                    Corpus  0.36987
## 1610 Honduras          Comayagua                  El Sauce  7.28575
## 1611 Honduras          Comayagua               La Libertad 17.28613
## 1612 Honduras          Comayagua Concepción de Guasistagua  8.52584
## 1613 Honduras              Copán       Santa Rosa de Copán  0.74414
## 1614 Honduras              Copán       Santa Rosa de Copán  0.28887
## 1615 Honduras              Copán              Ojos de Agua  1.39095
## 1616 Honduras             La Paz                  San José  4.69133
## 1617 Honduras              Copán                   Lucerna  5.89721
## 1618 Honduras         Ocotepeque                  La Labor  5.79867
## 1619 Honduras Francisco Morazán                Villa Nueva  2.00830
## 1620 Honduras      Santa Bárbara                     Ilama  2.87349
## 1622 Honduras Francisco Morazán                El Guapinol  3.54399
## 1623 Honduras               Yoro                La Sarrosa  6.66574
## 1624 Honduras Francisco Morazán                 El Tablón   3.12986
## 1638 Honduras Francisco Morazán                Tegucigalpa  0.91552
## 1639 Honduras Francisco Morazán                  Yaguacire  1.30583
## 1640 Honduras Francisco Morazán                  Río Abajo  3.63962
## 1641 Honduras Francisco Morazán                Tegucigalpa  2.91326

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_ho, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_ho, aes(fill=City, x="Honduras", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_ho, aes(fill=City, x="Honduras", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_ho, aes(x = "Honduras", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_ho$Distance
names(Distance) <- df_ho$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                            
## Pareto chart analysis for Distance
##                               Frequency   Cum.Freq.  Percentage Cum.Percent.
##   Cusuna                     36.3762900  36.3762900  21.8907391   21.8907391
##   La Libertad                17.2861300  53.6624200  10.4025496   32.2932888
##   Duyure                     11.6723700  65.3347900   7.0242679   39.3175567
##   Concepción de Guasistagua   8.5258400  73.8606300   5.1307305   44.4482872
##   El Sauce                    7.2857500  81.1463800   4.3844618   48.8327489
##   La Sarrosa                  6.6657400  87.8121200   4.0113485   52.8440974
##   Lucerna                     5.8972100  93.7093300   3.5488579   56.3929554
##   La Labor                    5.7986700  99.5080000   3.4895580   59.8825133
##   Santa Lucía                 4.7579100 104.2659100   2.8632432   62.7457566
##   San José                    4.6913300 108.9572400   2.8231763   65.5689329
##   El Rancho                   4.5336200 113.4908600   2.7282687   68.2972016
##   Ciudad Choluteca            3.6959600 117.1868200   2.2241767   70.5213783
##   Río Abajo                   3.6396200 120.8264400   2.1902721   72.7116504
##   El Guapinol                 3.5439900 124.3704300   2.1327233   74.8443736
##   Los Caminos                 3.5373700 127.9078000   2.1287395   76.9731131
##   Tegucigalpa                 3.2528100 131.1606100   1.9574953   78.9306084
##   El Tablón                   3.1298600 134.2904700   1.8835057   80.8141140
##   Tegucigalpa                 2.9923900 137.2828600   1.8007782   82.6148922
##   Agualote                    2.9159400 140.1988000   1.7547716   84.3696639
##   Tegucigalpa                 2.9132600 143.1120600   1.7531588   86.1228227
##   Ilama                       2.8734900 145.9855500   1.7292258   87.8520485
##   Tegucigalpa                 2.2144200 148.1999700   1.3326068   89.1846553
##   Villa Nueva                 2.0083000 150.2082700   1.2085667   90.3932220
##   Sinuapa                     2.0080500 152.2163200   1.2084162   91.6016382
##                               1.9005200 154.1168400   1.1437062   92.7453444
##   El Lolo                     1.8589700 155.9758100   1.1187020   93.8640463
##   Ojos de Agua                1.3909500 157.3667600   0.8370541   94.7011005
##   Yaguacire                   1.3058300 158.6725900   0.7858301   95.4869306
##   Tegucigalpa                 1.2440400 159.9166300   0.7486458   96.2355763
##   Tegucigalpa                 1.2363900 161.1530200   0.7440421   96.9796184
##   Tegucigalpa                 0.9837700 162.1367900   0.5920189   97.5716373
##   Agua Azul Rancho            0.9705700 163.1073600   0.5840754   98.1557127
##   Tegucigalpa                 0.9155200 164.0228800   0.5509470   98.7066598
##   Santa Rosa de Copán         0.7441400 164.7670200   0.4478130   99.1544727
##   Corquín                     0.4339100 165.2009300   0.2611209   99.4155937
##   Corpus                      0.3698700 165.5708000   0.2225826   99.6381762
##   Yoro                        0.3123800 165.8831800   0.1879859   99.8261621
##   Santa Rosa de Copán         0.2888700 166.1720500   0.1738379  100.0000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_ho$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 000011111111222223333334444
##   0 | 55566779
##   1 | 2
##   1 | 7
##   2 | 
##   2 | 
##   3 | 
##   3 | 6
head(df_ho)
##       id     date      time continent_code  Country country_code
## 159  854 10/19/08                     <NA> Honduras           HN
## 160  855 10/20/08                     <NA> Honduras           HN
## 376 2062  7/12/10   5:30:00           <NA> Honduras           HN
## 381 2093  7/18/10                     <NA> Honduras           HN
## 406 2217   8/7/10 Overnight           <NA> Honduras           HN
## 435 2358  8/29/10   4:30:00           <NA> Honduras           HN
##                  State population        City Distance location_description
## 159              Copán       4752     Corquín  0.43391                     
## 160 Francisco Morazán      850848 Tegucigalpa  2.99239                     
## 376 Francisco Morazán      850848 Tegucigalpa  0.98377                     
## 381 Francisco Morazán      850848 Tegucigalpa  1.24404                     
## 406 Francisco Morazán      850848 Tegucigalpa  2.21442                     
## 435 Francisco Morazán        2288 Santa Lucía  4.75791                     
##     latitude longitude                               geolocation hazard_type
## 159  14.5637  -88.8693 (14.563700000000001, -88.869299999999996)   Landslide
## 160  14.1080  -87.2137 (14.108000000000001, -87.213700000000003)   Landslide
## 376  14.0831  -87.1978            (14.0831, -87.197800000000001)   Landslide
## 381  14.0814  -87.1953            (14.0814, -87.195300000000003)   Landslide
## 406  14.0783  -87.2270            (14.0783, -87.227000000000004)   Landslide
## 435  14.1015  -87.1607            (14.1015, -87.160700000000006)   Landslide
##     landslide_type landslide_size          trigger             storm_name
## 159      Landslide          Large Tropical cyclone Tropical Depression 16
## 160       Mudslide          Large Tropical cyclone Tropical Depression 16
## 376       Mudslide         Medium         Downpour                       
## 381      Landslide         Medium         Downpour                       
## 406       Mudslide         Medium         Downpour                       
## 435       Rockfall         Medium         Downpour                       
##     injuries fatalities source_name
## 159       NA         23            
## 160       NA         29            
## 376       NA          1            
## 381       NA          0            
## 406       NA          3            
## 435       NA          5            
##                                                                           source_link
## 159                         http://www.chron.com/disp/story.mpl/ap/world/6068144.html
## 160 http://in.ibtimes.com/articles/20081021/honduras-landslide-tegucigalpa-victim.htm
## 376                 http://mdn.mainichi.jp/mdnnews/news/20100713p2a00m0na013000c.html
## 381  http://www.insidecostarica.com/dailynews/2010/july/19/centralamerica10071903.htm
## 406                                                                                  
## 435
knitr::kable(head(df_ho))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
159 854 10/19/08 NA Honduras HN Copán 4752 Corquín 0.43391 14.5637 -88.8693 (14.563700000000001, -88.869299999999996) Landslide Landslide Large Tropical cyclone Tropical Depression 16 NA 23 http://www.chron.com/disp/story.mpl/ap/world/6068144.html
160 855 10/20/08 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 2.99239 14.1080 -87.2137 (14.108000000000001, -87.213700000000003) Landslide Mudslide Large Tropical cyclone Tropical Depression 16 NA 29 http://in.ibtimes.com/articles/20081021/honduras-landslide-tegucigalpa-victim.htm
376 2062 7/12/10 5:30:00 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 0.98377 14.0831 -87.1978 (14.0831, -87.197800000000001) Landslide Mudslide Medium Downpour NA 1 http://mdn.mainichi.jp/mdnnews/news/20100713p2a00m0na013000c.html
381 2093 7/18/10 NA Honduras HN Francisco Morazán 850848 Tegucigalpa 1.24404 14.0814 -87.1953 (14.0814, -87.195300000000003) Landslide Landslide Medium Downpour NA 0 http://www.insidecostarica.com/dailynews/2010/july/19/centralamerica10071903.htm
406 2217 8/7/10 Overnight NA Honduras HN Francisco Morazán 850848 Tegucigalpa 2.21442 14.0783 -87.2270 (14.0783, -87.227000000000004) Landslide Mudslide Medium Downpour NA 3
435 2358 8/29/10 4:30:00 NA Honduras HN Francisco Morazán 2288 Santa Lucía 4.75791 14.1015 -87.1607 (14.1015, -87.160700000000006) Landslide Rockfall Medium Downpour NA 5 
stem(df_ho$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 000011111111222223333334444
##   0 | 55566779
##   1 | 2
##   1 | 7
##   2 | 
##   2 | 
##   3 | 
##   3 | 6
stem(df_ho$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    0 | 33447900223499
##    2 | 0029990135567
##    4 | 57889
##    6 | 73
##    8 | 5
##   10 | 7
##   12 | 
##   14 | 
##   16 | 3
##   18 | 
##   20 | 
##   22 | 
##   24 | 
##   26 | 
##   28 | 
##   30 | 
##   32 | 
##   34 | 
##   36 | 4

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_ho$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
0.43391
2.99239
0.98377
1.24404
2.21442
4.75791 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.28887 1 2.6 2.6 2.6 2.6
0.31238 1 2.6 2.6 5.3 5.3
0.36987 1 2.6 2.6 7.9 7.9
0.43391 1 2.6 2.6 10.5 10.5
0.74414 1 2.6 2.6 13.2 13.2
0.91552 1 2.6 2.6 15.8 15.8
0.97057 1 2.6 2.6 18.4 18.4
0.98377 1 2.6 2.6 21.1 21.1
1.23639 1 2.6 2.6 23.7 23.7
1.24404 1 2.6 2.6 26.3 26.3
1.30583 1 2.6 2.6 28.9 28.9
1.39095 1 2.6 2.6 31.6 31.6
1.85897 1 2.6 2.6 34.2 34.2
1.90052 1 2.6 2.6 36.8 36.8
2.00805 1 2.6 2.6 39.5 39.5
2.0083 1 2.6 2.6 42.1 42.1
2.21442 1 2.6 2.6 44.7 44.7
2.87349 1 2.6 2.6 47.4 47.4
2.91326 1 2.6 2.6 50.0 50.0
2.91594 1 2.6 2.6 52.6 52.6
2.99239 1 2.6 2.6 55.3 55.3
3.12986 1 2.6 2.6 57.9 57.9
3.25281 1 2.6 2.6 60.5 60.5
3.53737 1 2.6 2.6 63.2 63.2
3.54399 1 2.6 2.6 65.8 65.8
3.63962 1 2.6 2.6 68.4 68.4
3.69596 1 2.6 2.6 71.1 71.1
4.53362 1 2.6 2.6 73.7 73.7
4.69133 1 2.6 2.6 76.3 76.3
4.75791 1 2.6 2.6 78.9 78.9
5.79867 1 2.6 2.6 81.6 81.6
5.89721 1 2.6 2.6 84.2 84.2
6.66574 1 2.6 2.6 86.8 86.8
7.28575 1 2.6 2.6 89.5 89.5
8.52584 1 2.6 2.6 92.1 92.1
11.67237 1 2.6 2.6 94.7 94.7
17.28613 1 2.6 2.6 97.4 97.4
36.37629 1 2.6 2.6 100.0 100.0
Total 38 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  39 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 ...
##  $ val%   : num  2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 ...
##  $ %cum   : num  2.6 5.3 7.9 10.5 13.2 15.8 18.4 21.1 23.7 26.3 ...
##  $ val%cum: num  2.6 5.3 7.9 10.5 13.2 15.8 18.4 21.1 23.7 26.3 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_ho <- data.frame(x = names, y = freqs)
knitr::kable(df_ho)
x y
0.28887 1
0.31238 1
0.36987 1
0.43391 1
0.74414 1
0.91552 1
0.97057 1
0.98377 1
1.23639 1
1.24404 1
1.30583 1
1.39095 1
1.85897 1
1.90052 1
2.00805 1
2.0083 1
2.21442 1
2.87349 1
2.91326 1
2.91594 1
2.99239 1
3.12986 1
3.25281 1
3.53737 1
3.54399 1
3.63962 1
3.69596 1
4.53362 1
4.69133 1
4.75791 1
5.79867 1
5.89721 1
6.66574 1
7.28575 1
8.52584 1
11.67237 1
17.28613 1
36.37629 1 
library(ggplot2)
ggplot(data=df_ho, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.28887  6.28887 12.28887 18.28887 24.28887 30.28887 36.28887 42.28887
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.28887 1 0.0263158 1
0.31238 1 0.0263158 2
0.36987 1 0.0263158 3
0.43391 1 0.0263158 4
0.74414 1 0.0263158 5
0.91552 1 0.0263158 6
0.97057 1 0.0263158 7
0.98377 1 0.0263158 8
1.23639 1 0.0263158 9
1.24404 1 0.0263158 10
1.30583 1 0.0263158 11
1.39095 1 0.0263158 12
1.85897 1 0.0263158 13
1.90052 1 0.0263158 14
2.00805 1 0.0263158 15
2.0083 1 0.0263158 16
2.21442 1 0.0263158 17
2.87349 1 0.0263158 18
2.91326 1 0.0263158 19
2.91594 1 0.0263158 20
2.99239 1 0.0263158 21
3.12986 1 0.0263158 22
3.25281 1 0.0263158 23
3.53737 1 0.0263158 24
3.54399 1 0.0263158 25
3.63962 1 0.0263158 26
3.69596 1 0.0263158 27
4.53362 1 0.0263158 28
4.69133 1 0.0263158 29
4.75791 1 0.0263158 30
5.79867 1 0.0263158 31
5.89721 1 0.0263158 32
6.66574 1 0.0263158 33
7.28575 1 0.0263158 34
8.52584 1 0.0263158 35
11.67237 1 0.0263158 36
17.28613 1 0.0263158 37
36.37629 1 0.0263158 38 
str(Freq_table)
## 'data.frame':    38 obs. of  4 variables:
##  $ Distance: Factor w/ 38 levels "0.28887","0.31238",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.0263 0.0263 0.0263 0.0263 0.0263 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10 ...
df_ho <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_ho)
x y
0.28887 1
0.31238 1
0.36987 1
0.43391 1
0.74414 1
0.91552 1
0.97057 1
0.98377 1
1.23639 1
1.24404 1
1.30583 1
1.39095 1
1.85897 1
1.90052 1
2.00805 1
2.0083 1
2.21442 1
2.87349 1
2.91326 1
2.91594 1
2.99239 1
3.12986 1
3.25281 1
3.53737 1
3.54399 1
3.63962 1
3.69596 1
4.53362 1
4.69133 1
4.75791 1
5.79867 1
5.89721 1
6.66574 1
7.28575 1
8.52584 1
11.67237 1
17.28613 1
36.37629 1 
library(ggplot2)

ggplot(data=df_ho, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_ho$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_ho)
##           x  y
## nbr.val  NA 38
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 38
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Nicaragua

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_ni <- subset (df, Country == "Nicaragua")
knitr::kable(head(df_ni))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
33 229 9/4/07 NA Nicaragua NI Atlántico Norte 6315 Bonanza 54.90196 13.6670 -84.2435 (13.667, -84.243499999999997) Landslide Complex Medium Tropical cyclone Hurricane Felix NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/
151 826 10/3/08 NA Nicaragua NI Masaya 5182 Tisma 14.49301 12.1200 -85.8900 (12.12, -85.89) Landslide Landslide Medium Downpour NA 9 CBC http://www.cbc.ca/world/story/2008/10/04/nicaragua-flooding.html
420 2289 8/20/10 NA Nicaragua NI Managua 16469 El Crucero 5.84054 12.0420 -86.2998 (12.042, -86.299800000000005) Landslide Mudslide Medium Downpour NA 3
424 2330 8/25/10 NA Nicaragua NI Jinotega 2367 San José de Bocay 1.36745 13.5317 -85.5325 (13.531700000000001, -85.532499999999999) Landslide Landslide Medium Downpour NA NA
1261 6089 6/23/14 NA Nicaragua NI Chontales 5827 Santo Domingo 31.14242 Unknown 12.3535 -84.8095 (12.3535, -84.8095) Landslide Landslide Small Continuous rain 0 0 Wilfried Strauch
1262 6090 6/23/14 NA Nicaragua NI Chontales 5827 Santo Domingo 31.24511 Unknown 12.3521 -84.8080 (12.3521, -84.808000000000007) Landslide Landslide Medium Continuous rain 0 0 Wilfried Strauch 
df_ni %>% 
  select(Country, State, City, Distance) 
##        Country           State                City Distance
## 33   Nicaragua Atlántico Norte             Bonanza 54.90196
## 151  Nicaragua          Masaya               Tisma 14.49301
## 420  Nicaragua         Managua          El Crucero  5.84054
## 424  Nicaragua        Jinotega   San José de Bocay  1.36745
## 1261 Nicaragua       Chontales       Santo Domingo 31.14242
## 1262 Nicaragua       Chontales       Santo Domingo 31.24511
## 1263 Nicaragua       Chontales       Santo Domingo 31.37360
## 1264 Nicaragua       Chontales       Santo Domingo 31.10125
## 1265 Nicaragua       Chontales       Santo Domingo 30.99704
## 1266 Nicaragua       Chontales       Santo Domingo 30.77070
## 1267 Nicaragua       Chontales       Santo Domingo 30.27546
## 1268 Nicaragua       Chontales       Santo Domingo 29.95253
## 1269 Nicaragua       Chontales       Santo Domingo 29.92927
## 1270 Nicaragua       Chontales       Santo Domingo 28.90294
## 1271 Nicaragua       Chontales       Santo Domingo 32.69694
## 1272 Nicaragua       Chontales       Santo Domingo 32.96402
## 1273 Nicaragua       Chontales       Santo Domingo 32.77401
## 1274 Nicaragua       Chontales       Santo Domingo 29.94574
## 1299 Nicaragua         Managua      Ciudad Sandino  5.59574
## 1321 Nicaragua      Ogun State             Bonanza  0.37593
## 1380 Nicaragua           Rivas          Altagracia  1.97784
## 1381 Nicaragua           Rivas          Altagracia  5.77119
## 1382 Nicaragua    Río San Juan          San Carlos  0.67752
## 1626 Nicaragua        Jinotega              Wiwilí 25.81514
## 1627 Nicaragua        Jinotega            Jinotega  2.44880
## 1631 Nicaragua          Madriz         Las Sabanas  7.21108
## 1632 Nicaragua          Madriz         Las Sabanas  4.86364
## 1633 Nicaragua         Managua           Terrabona 18.92056
## 1634 Nicaragua      Ogun State             Bonanza 10.61568
## 1636 Nicaragua      Ogun State               Siuna  1.68056
## 1637 Nicaragua          Masaya San Juan de Oriente  1.56730

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_ni, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_ni, aes(fill=City, x="Nicaragua", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_ni, aes(fill=City, x="Nicaragua", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_ni, aes(x = "Nicaragua", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_ni$Distance
names(Distance) <- df_ni$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                      
## Pareto chart analysis for Distance
##                          Frequency    Cum.Freq.   Percentage Cum.Percent.
##   Bonanza              54.90196000  54.90196000   9.17793742   9.17793742
##   Santo Domingo        32.96402000  87.86598000   5.51058127  14.68851869
##   Santo Domingo        32.77401000 120.63999000   5.47881738  20.16733608
##   Santo Domingo        32.69694000 153.33693000   5.46593362  25.63326970
##   Santo Domingo        31.37360000 184.71053000   5.24471144  30.87798114
##   Santo Domingo        31.24511000 215.95564000   5.22323182  36.10121295
##   Santo Domingo        31.14242000 247.09806000   5.20606517  41.30727813
##   Santo Domingo        31.10125000 278.19931000   5.19918280  46.50646093
##   Santo Domingo        30.99704000 309.19635000   5.18176206  51.68822299
##   Santo Domingo        30.77070000 339.96705000   5.14392490  56.83214789
##   Santo Domingo        30.27546000 370.24251000   5.06113584  61.89328372
##   Santo Domingo        29.95253000 400.19504000   5.00715177  66.90043549
##   Santo Domingo        29.94574000 430.14078000   5.00601668  71.90645217
##   Santo Domingo        29.92927000 460.07005000   5.00326340  76.90971557
##   Santo Domingo        28.90294000 488.97299000   4.83169225  81.74140782
##   Wiwilí               25.81514000 514.78813000   4.31550603  86.05691385
##   Terrabona            18.92056000 533.70869000   3.16294201  89.21985586
##   Tisma                14.49301000 548.20170000   2.42279035  91.64264621
##   Bonanza              10.61568000 558.81738000   1.77461873  93.41726494
##   Las Sabanas           7.21108000 566.02846000   1.20547319  94.62273814
##   El Crucero            5.84054000 571.86900000   0.97636060  95.59909874
##   Altagracia            5.77119000 577.64019000   0.96476739  96.56386613
##   Ciudad Sandino        5.59574000 583.23593000   0.93543749  97.49930361
##   Las Sabanas           4.86364000 588.09957000   0.81305264  98.31235625
##   Jinotega              2.44880000 590.54837000   0.40936486  98.72172111
##   Altagracia            1.97784000 592.52621000   0.33063468  99.05235579
##   Siuna                 1.68056000 594.20677000   0.28093850  99.33329429
##   San Juan de Oriente   1.56730000 595.77407000   0.26200488  99.59529917
##   San José de Bocay     1.36745000 597.14152000   0.22859604  99.82389521
##   San Carlos            0.67752000 597.81904000   0.11326073  99.93715594
##   Bonanza               0.37593000 598.19497000   0.06284406 100.00000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_ni$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 011222256667
##   1 | 149
##   2 | 69
##   3 | 0000111111333
##   4 | 
##   5 | 5
head(df_ni)
##        id    date time continent_code   Country country_code           State
## 33    229  9/4/07                <NA> Nicaragua           NI Atlántico Norte
## 151   826 10/3/08                <NA> Nicaragua           NI          Masaya
## 420  2289 8/20/10                <NA> Nicaragua           NI         Managua
## 424  2330 8/25/10                <NA> Nicaragua           NI        Jinotega
## 1261 6089 6/23/14                <NA> Nicaragua           NI       Chontales
## 1262 6090 6/23/14                <NA> Nicaragua           NI       Chontales
##      population              City Distance location_description latitude
## 33         6315           Bonanza 54.90196                       13.6670
## 151        5182             Tisma 14.49301                       12.1200
## 420       16469        El Crucero  5.84054                       12.0420
## 424        2367 San José de Bocay  1.36745                       13.5317
## 1261       5827     Santo Domingo 31.14242              Unknown  12.3535
## 1262       5827     Santo Domingo 31.24511              Unknown  12.3521
##      longitude                               geolocation hazard_type
## 33    -84.2435             (13.667, -84.243499999999997)   Landslide
## 151   -85.8900                           (12.12, -85.89)   Landslide
## 420   -86.2998             (12.042, -86.299800000000005)   Landslide
## 424   -85.5325 (13.531700000000001, -85.532499999999999)   Landslide
## 1261  -84.8095                       (12.3535, -84.8095)   Landslide
## 1262  -84.8080            (12.3521, -84.808000000000007)   Landslide
##      landslide_type landslide_size          trigger      storm_name injuries
## 33          Complex         Medium Tropical cyclone Hurricane Felix       NA
## 151       Landslide         Medium         Downpour                       NA
## 420        Mudslide         Medium         Downpour                       NA
## 424       Landslide         Medium         Downpour                       NA
## 1261      Landslide          Small  Continuous rain                        0
## 1262      Landslide         Medium  Continuous rain                        0
##      fatalities                                       source_name
## 33           NA United Nations Development Programme - Relief Web
## 151           9                                               CBC
## 420           3                                                  
## 424          NA                                                  
## 1261          0                                  Wilfried Strauch
## 1262          0                                  Wilfried Strauch
##                                                           source_link
## 33                                          http://www.reliefweb.int/
## 151  http://www.cbc.ca/world/story/2008/10/04/nicaragua-flooding.html
## 420                                                                  
## 424                                                                  
## 1261                                                                 
## 1262
knitr::kable(head(df_ni))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
33 229 9/4/07 NA Nicaragua NI Atlántico Norte 6315 Bonanza 54.90196 13.6670 -84.2435 (13.667, -84.243499999999997) Landslide Complex Medium Tropical cyclone Hurricane Felix NA NA United Nations Development Programme - Relief Web http://www.reliefweb.int/
151 826 10/3/08 NA Nicaragua NI Masaya 5182 Tisma 14.49301 12.1200 -85.8900 (12.12, -85.89) Landslide Landslide Medium Downpour NA 9 CBC http://www.cbc.ca/world/story/2008/10/04/nicaragua-flooding.html
420 2289 8/20/10 NA Nicaragua NI Managua 16469 El Crucero 5.84054 12.0420 -86.2998 (12.042, -86.299800000000005) Landslide Mudslide Medium Downpour NA 3
424 2330 8/25/10 NA Nicaragua NI Jinotega 2367 San José de Bocay 1.36745 13.5317 -85.5325 (13.531700000000001, -85.532499999999999) Landslide Landslide Medium Downpour NA NA
1261 6089 6/23/14 NA Nicaragua NI Chontales 5827 Santo Domingo 31.14242 Unknown 12.3535 -84.8095 (12.3535, -84.8095) Landslide Landslide Small Continuous rain 0 0 Wilfried Strauch
1262 6090 6/23/14 NA Nicaragua NI Chontales 5827 Santo Domingo 31.24511 Unknown 12.3521 -84.8080 (12.3521, -84.808000000000007) Landslide Landslide Medium Continuous rain 0 0 Wilfried Strauch 
stem(df_ni$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 011222256667
##   1 | 149
##   2 | 69
##   3 | 0000111111333
##   4 | 
##   5 | 5
stem(df_ni$"Distance", scale = 2)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 0112222
##   0 | 56667
##   1 | 14
##   1 | 9
##   2 | 
##   2 | 69
##   3 | 0000111111333
##   3 | 
##   4 | 
##   4 | 
##   5 | 
##   5 | 5

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_ni$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
54.90196
14.49301
5.84054
1.36745
31.14242
31.24511 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.37593 1 3.2 3.2 3.2 3.2
0.67752 1 3.2 3.2 6.5 6.5
1.36745 1 3.2 3.2 9.7 9.7
1.5673 1 3.2 3.2 12.9 12.9
1.68056 1 3.2 3.2 16.1 16.1
1.97784 1 3.2 3.2 19.4 19.4
2.4488 1 3.2 3.2 22.6 22.6
4.86364 1 3.2 3.2 25.8 25.8
5.59574 1 3.2 3.2 29.0 29.0
5.77119 1 3.2 3.2 32.3 32.3
5.84054 1 3.2 3.2 35.5 35.5
7.21108 1 3.2 3.2 38.7 38.7
10.61568 1 3.2 3.2 41.9 41.9
14.49301 1 3.2 3.2 45.2 45.2
18.92056 1 3.2 3.2 48.4 48.4
25.81514 1 3.2 3.2 51.6 51.6
28.90294 1 3.2 3.2 54.8 54.8
29.92927 1 3.2 3.2 58.1 58.1
29.94574 1 3.2 3.2 61.3 61.3
29.95253 1 3.2 3.2 64.5 64.5
30.27546 1 3.2 3.2 67.7 67.7
30.7707 1 3.2 3.2 71.0 71.0
30.99704 1 3.2 3.2 74.2 74.2
31.10125 1 3.2 3.2 77.4 77.4
31.14242 1 3.2 3.2 80.6 80.6
31.24511 1 3.2 3.2 83.9 83.9
31.3736 1 3.2 3.2 87.1 87.1
32.69694 1 3.2 3.2 90.3 90.3
32.77401 1 3.2 3.2 93.5 93.5
32.96402 1 3.2 3.2 96.8 96.8
54.90196 1 3.2 3.2 100.0 100.0
Total 31 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  32 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 ...
##  $ val%   : num  3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 ...
##  $ %cum   : num  3.2 6.5 9.7 12.9 16.1 19.4 22.6 25.8 29 32.3 ...
##  $ val%cum: num  3.2 6.5 9.7 12.9 16.1 19.4 22.6 25.8 29 32.3 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_ni <- data.frame(x = names, y = freqs)
knitr::kable(df_ni)
x y
0.37593 1
0.67752 1
1.36745 1
1.5673 1
1.68056 1
1.97784 1
2.4488 1
4.86364 1
5.59574 1
5.77119 1
5.84054 1
7.21108 1
10.61568 1
14.49301 1
18.92056 1
25.81514 1
28.90294 1
29.92927 1
29.94574 1
29.95253 1
30.27546 1
30.7707 1
30.99704 1
31.10125 1
31.14242 1
31.24511 1
31.3736 1
32.69694 1
32.77401 1
32.96402 1
54.90196 1 
library(ggplot2)
ggplot(data=df_ni, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.37593 11.37593 22.37593 33.37593 44.37593 55.37593
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.37593 1 0.0322581 1
0.67752 1 0.0322581 2
1.36745 1 0.0322581 3
1.5673 1 0.0322581 4
1.68056 1 0.0322581 5
1.97784 1 0.0322581 6
2.4488 1 0.0322581 7
4.86364 1 0.0322581 8
5.59574 1 0.0322581 9
5.77119 1 0.0322581 10
5.84054 1 0.0322581 11
7.21108 1 0.0322581 12
10.61568 1 0.0322581 13
14.49301 1 0.0322581 14
18.92056 1 0.0322581 15
25.81514 1 0.0322581 16
28.90294 1 0.0322581 17
29.92927 1 0.0322581 18
29.94574 1 0.0322581 19
29.95253 1 0.0322581 20
30.27546 1 0.0322581 21
30.7707 1 0.0322581 22
30.99704 1 0.0322581 23
31.10125 1 0.0322581 24
31.14242 1 0.0322581 25
31.24511 1 0.0322581 26
31.3736 1 0.0322581 27
32.69694 1 0.0322581 28
32.77401 1 0.0322581 29
32.96402 1 0.0322581 30
54.90196 1 0.0322581 31 
str(Freq_table)
## 'data.frame':    31 obs. of  4 variables:
##  $ Distance: Factor w/ 31 levels "0.37593","0.67752",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.0323 0.0323 0.0323 0.0323 0.0323 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10 ...
df_ni <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_ni)
x y
0.37593 1
0.67752 1
1.36745 1
1.5673 1
1.68056 1
1.97784 1
2.4488 1
4.86364 1
5.59574 1
5.77119 1
5.84054 1
7.21108 1
10.61568 1
14.49301 1
18.92056 1
25.81514 1
28.90294 1
29.92927 1
29.94574 1
29.95253 1
30.27546 1
30.7707 1
30.99704 1
31.10125 1
31.14242 1
31.24511 1
31.3736 1
32.69694 1
32.77401 1
32.96402 1
54.90196 1 
library(ggplot2)

ggplot(data=df_ni, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_ni$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_ni)
##           x  y
## nbr.val  NA 31
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 31
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Panama

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_pa <- subset (df, Country == "Panama")
knitr::kable(head(df_pa))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
141 750 8/26/08 NA Panama PA Panamá 1287 Cerro Azul 1.84596 9.1559 -79.4295 (9.1559000000000008, -79.429500000000004) Landslide Landslide Medium Downpour NA NA http://news.xinhuanet.com/english/2008-08/27/content_9721298.htm
167 905 11/25/08 NA Panama PA Chiriquí 6123 Boquete 9.83700 8.7870 -82.3440 (8.7870000000000008, -82.343999999999994) Landslide Complex Medium Downpour NA 8 http://www.iht.com/articles/ap/2008/11/26/news/LT-Panama-Flooding.php
557 2794 12/8/10 NA Panama PA Colón 1310 El Giral 1.80330 9.2332 -79.6961 (9.2332000000000001, -79.696100000000001) Landslide Landslide Medium Downpour NA 0 http://www.portworld.com/news/i98731/Panama_Canal_disrupted_by_floods
558 2795 12/9/10 Morning NA Panama PA Colón 1274 Portobelo 0.09491 Deforested slope 9.5493 -79.6505 (9.5493000000000006, -79.650499999999994) Landslide Mudslide Medium Downpour NA 8 Fox News Latino http://latino.foxnews.com/latino/news/2010/12/09/heavy-rains-kill-panama-force-canal-close/
591 3167 3/2/11 Night NA Panama PA Los Santos 1283 La Palma 13.40535 7.5955 -80.3800 (7.5955000000000004, -80.38) Landslide Landslide Medium Downpour NA 0 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html
592 3168 3/2/11 Night NA Panama PA Bocas del Toro 8114 Almirante 8.41491 9.3224 -82.4732 (9.3224, -82.473200000000006) Landslide Landslide Medium Downpour NA 0 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html 
df_pa %>% 
  select(Country, State, City, Distance) 
##      Country          State              City Distance
## 141   Panama         Panamá        Cerro Azul  1.84596
## 167   Panama       Chiriquí           Boquete  9.83700
## 557   Panama          Colón          El Giral  1.80330
## 558   Panama          Colón         Portobelo  0.09491
## 591   Panama     Los Santos          La Palma 13.40535
## 592   Panama Bocas del Toro         Almirante  8.41491
## 919   Panama          Colón             Colón  0.16894
## 979   Panama          Colón         Portobelo  2.67409
## 980   Panama          Colón         Margarita  0.74760
## 981   Panama          Colón             Colón  0.20365
## 1080  Panama          Colón         Margarita  0.76740
## 1166  Panama         Panamá       Las Cumbres  2.81479
## 1387  Panama       Chiriquí            Volcán  0.35187
## 1388  Panama       Chiriquí        Río Sereno  0.64491
## 1389  Panama         Panamá       Alcaldedíaz  1.41526
## 1390  Panama          Colón    Nuevo San Juan  4.74914
## 1391  Panama         Panamá     San Miguelito  4.18074
## 1392  Panama       Chiriquí       Cerro Punta  3.33873
## 1393  Panama         Panamá             Ancón  2.24069
## 1606  Panama          Colón Nueva Providencia  0.18619
## 1607  Panama          Colón    María Chiquita  2.28589
## 1608  Panama          Colón            Cativá  0.63948
## 1609  Panama         Panamá    Las Margaritas  0.48725
## 1645  Panama Bocas del Toro        Punta Peña  0.29869
## 1653  Panama Bocas del Toro       Changuinola  5.97977
## 1654  Panama Bocas del Toro   Valle del Risco  6.65185
## 1655  Panama Bocas del Toro      Pueblo Nuevo  3.92621
## 1656  Panama Bocas del Toro   Valle del Risco  5.13913
## 1657  Panama Bocas del Toro          Cauchero  4.45630
## 1658  Panama       Chiriquí     Boca de Balsa  2.44254
## 1659  Panama       Chiriquí        Río Sereno  3.66775
## 1660  Panama       Chiriquí    Palmira Centro  0.90169
## 1661  Panama       Chiriquí            Breñón  0.37999
## 1662  Panama         Panamá     San Miguelito  2.57852
## 1663  Panama       Chiriquí       Monte Lirio  6.74338
## 1664  Panama          Coclé         Caballero  0.21605
## 1665  Panama         Panamá     San Miguelito  2.59449
## 1666  Panama         Panamá     San Miguelito  3.30848
## 1667  Panama         Panamá     San Miguelito  3.54386
## 1668  Panama         Panamá          Arraiján  1.80341

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_pa, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_pa, aes(fill=City, x="Panama", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_pa, aes(fill=City, x="Panama", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_pa, aes(x = "Panama", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_pa$Distance
names(Distance) <- df_pa$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                    
## Pareto chart analysis for Distance
##                        Frequency    Cum.Freq.   Percentage Cum.Percent.
##   La Palma           13.40535000  13.40535000  11.36719394  11.36719394
##   Boquete             9.83700000  23.24235000   8.34137764  19.70857158
##   Almirante           8.41491000  31.65726000   7.13550291  26.84407449
##   Monte Lirio         6.74338000  38.40064000   5.71811316  32.56218765
##   Valle del Risco     6.65185000  45.05249000   5.64049943  38.20268708
##   Changuinola         5.97977000  51.03226000   5.07060280  43.27328989
##   Valle del Risco     5.13913000  56.17139000   4.35777413  47.63106401
##   Nuevo San Juan      4.74914000  60.92053000   4.02707840  51.65814241
##   Cauchero            4.45630000  65.37683000   3.77876194  55.43690435
##   San Miguelito       4.18074000  69.55757000   3.54509822  58.98200257
##   Pueblo Nuevo        3.92621000  73.48378000   3.32926708  62.31126965
##   Río Sereno          3.66775000  77.15153000   3.11010347  65.42137312
##   San Miguelito       3.54386000  80.69539000   3.00504977  68.42642289
##   Cerro Punta         3.33873000  84.03412000   2.83110784  71.25753073
##   San Miguelito       3.30848000  87.34260000   2.80545706  74.06298779
##   Las Cumbres         2.81479000  90.15739000   2.38682793  76.44981572
##   Portobelo           2.67409000  92.83148000   2.26752003  78.71733575
##   San Miguelito       2.59449000  95.42597000   2.20002245  80.91735821
##   San Miguelito       2.57852000  98.00449000   2.18648054  83.10383875
##   Boca de Balsa       2.44254000 100.44703000   2.07117501  85.17501375
##   María Chiquita      2.28589000 102.73292000   1.93834215  87.11335590
##   Ancón               2.24069000 104.97361000   1.90001438  89.01337029
##   Cerro Azul          1.84596000 106.81957000   1.56529933  90.57866961
##   Arraiján            1.80341000 108.62298000   1.52921865  92.10788826
##   El Giral            1.80330000 110.42628000   1.52912537  93.63701364
##   Alcaldedíaz         1.41526000 111.84154000   1.20008317  94.83709680
##   Palmira Centro      0.90169000 112.74323000   0.76459661  95.60169341
##   Margarita           0.76740000 113.51063000   0.65072412  96.25241753
##   Margarita           0.74760000 114.25823000   0.63393453  96.88635206
##   Río Sereno          0.64491000 114.90314000   0.54685756  97.43320962
##   Cativá              0.63948000 115.54262000   0.54225314  97.97546277
##   Las Margaritas      0.48725000 116.02987000   0.41316827  98.38863103
##   Breñón              0.37999000 116.40986000   0.32221613  98.71084717
##   Volcán              0.35187000 116.76173000   0.29837151  99.00921868
##   Punta Peña          0.29869000 117.06042000   0.25327702  99.26249570
##   Caballero           0.21605000 117.27647000   0.18320165  99.44569735
##   Colón               0.20365000 117.48012000   0.17268695  99.61838430
##   Nueva Providencia   0.18619000 117.66631000   0.15788158  99.77626588
##   Colón               0.16894000 117.83525000   0.14325428  99.91952016
##   Portobelo           0.09491000 117.93016000   0.08047984 100.00000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_pa$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 122223445667894888
##    2 | 234667833579
##    4 | 2571
##    6 | 077
##    8 | 48
##   10 | 
##   12 | 4
head(df_pa)
##       id     date    time continent_code Country country_code          State
## 141  750  8/26/08                   <NA>  Panama           PA         Panamá
## 167  905 11/25/08                   <NA>  Panama           PA       Chiriquí
## 557 2794  12/8/10                   <NA>  Panama           PA          Colón
## 558 2795  12/9/10 Morning           <NA>  Panama           PA          Colón
## 591 3167   3/2/11   Night           <NA>  Panama           PA     Los Santos
## 592 3168   3/2/11   Night           <NA>  Panama           PA Bocas del Toro
##     population       City Distance location_description latitude longitude
## 141       1287 Cerro Azul  1.84596                        9.1559  -79.4295
## 167       6123    Boquete  9.83700                        8.7870  -82.3440
## 557       1310   El Giral  1.80330                        9.2332  -79.6961
## 558       1274  Portobelo  0.09491     Deforested slope   9.5493  -79.6505
## 591       1283   La Palma 13.40535                        7.5955  -80.3800
## 592       8114  Almirante  8.41491                        9.3224  -82.4732
##                                   geolocation hazard_type landslide_type
## 141 (9.1559000000000008, -79.429500000000004)   Landslide      Landslide
## 167 (8.7870000000000008, -82.343999999999994)   Landslide        Complex
## 557 (9.2332000000000001, -79.696100000000001)   Landslide      Landslide
## 558 (9.5493000000000006, -79.650499999999994)   Landslide       Mudslide
## 591              (7.5955000000000004, -80.38)   Landslide      Landslide
## 592             (9.3224, -82.473200000000006)   Landslide      Landslide
##     landslide_size  trigger storm_name injuries fatalities     source_name
## 141         Medium Downpour                  NA         NA                
## 167         Medium Downpour                  NA          8                
## 557         Medium Downpour                  NA          0                
## 558         Medium Downpour                  NA          8 Fox News Latino
## 591         Medium Downpour                  NA          0                
## 592         Medium Downpour                  NA          0                
##                                                                                             source_link
## 141                                    http://news.xinhuanet.com/english/2008-08/27/content_9721298.htm
## 167                               http://www.iht.com/articles/ap/2008/11/26/news/LT-Panama-Flooding.php
## 557                               http://www.portworld.com/news/i98731/Panama_Canal_disrupted_by_floods
## 558         http://latino.foxnews.com/latino/news/2010/12/09/heavy-rains-kill-panama-force-canal-close/
## 591 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html
## 592 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html
knitr::kable(head(df_pa))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
141 750 8/26/08 NA Panama PA Panamá 1287 Cerro Azul 1.84596 9.1559 -79.4295 (9.1559000000000008, -79.429500000000004) Landslide Landslide Medium Downpour NA NA http://news.xinhuanet.com/english/2008-08/27/content_9721298.htm
167 905 11/25/08 NA Panama PA Chiriquí 6123 Boquete 9.83700 8.7870 -82.3440 (8.7870000000000008, -82.343999999999994) Landslide Complex Medium Downpour NA 8 http://www.iht.com/articles/ap/2008/11/26/news/LT-Panama-Flooding.php
557 2794 12/8/10 NA Panama PA Colón 1310 El Giral 1.80330 9.2332 -79.6961 (9.2332000000000001, -79.696100000000001) Landslide Landslide Medium Downpour NA 0 http://www.portworld.com/news/i98731/Panama_Canal_disrupted_by_floods
558 2795 12/9/10 Morning NA Panama PA Colón 1274 Portobelo 0.09491 Deforested slope 9.5493 -79.6505 (9.5493000000000006, -79.650499999999994) Landslide Mudslide Medium Downpour NA 8 Fox News Latino http://latino.foxnews.com/latino/news/2010/12/09/heavy-rains-kill-panama-force-canal-close/
591 3167 3/2/11 Night NA Panama PA Los Santos 1283 La Palma 13.40535 7.5955 -80.3800 (7.5955000000000004, -80.38) Landslide Landslide Medium Downpour NA 0 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html
592 3168 3/2/11 Night NA Panama PA Bocas del Toro 8114 Almirante 8.41491 9.3224 -82.4732 (9.3224, -82.473200000000006) Landslide Landslide Medium Downpour NA 0 http://www.newsroompanama.com/panama/2434-off-season-rain-creating-crop-worries-and-landslides.html 
stem(df_pa$"Distance")
## 
##   The decimal point is at the |
## 
##    0 | 122223445667894888
##    2 | 234667833579
##    4 | 2571
##    6 | 077
##    8 | 48
##   10 | 
##   12 | 4
stem(df_pa$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    0 | 12222344566789
##    1 | 4888
##    2 | 2346678
##    3 | 33579
##    4 | 257
##    5 | 1
##    6 | 077
##    7 | 
##    8 | 4
##    9 | 8
##   10 | 
##   11 | 
##   12 | 
##   13 | 4

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_pa$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
1.84596
9.83700
1.80330
0.09491
13.40535
8.41491 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.09491 1 2.5 2.5 2.5 2.5
0.16894 1 2.5 2.5 5.0 5.0
0.18619 1 2.5 2.5 7.5 7.5
0.20365 1 2.5 2.5 10.0 10.0
0.21605 1 2.5 2.5 12.5 12.5
0.29869 1 2.5 2.5 15.0 15.0
0.35187 1 2.5 2.5 17.5 17.5
0.37999 1 2.5 2.5 20.0 20.0
0.48725 1 2.5 2.5 22.5 22.5
0.63948 1 2.5 2.5 25.0 25.0
0.64491 1 2.5 2.5 27.5 27.5
0.7476 1 2.5 2.5 30.0 30.0
0.7674 1 2.5 2.5 32.5 32.5
0.90169 1 2.5 2.5 35.0 35.0
1.41526 1 2.5 2.5 37.5 37.5
1.8033 1 2.5 2.5 40.0 40.0
1.80341 1 2.5 2.5 42.5 42.5
1.84596 1 2.5 2.5 45.0 45.0
2.24069 1 2.5 2.5 47.5 47.5
2.28589 1 2.5 2.5 50.0 50.0
2.44254 1 2.5 2.5 52.5 52.5
2.57852 1 2.5 2.5 55.0 55.0
2.59449 1 2.5 2.5 57.5 57.5
2.67409 1 2.5 2.5 60.0 60.0
2.81479 1 2.5 2.5 62.5 62.5
3.30848 1 2.5 2.5 65.0 65.0
3.33873 1 2.5 2.5 67.5 67.5
3.54386 1 2.5 2.5 70.0 70.0
3.66775 1 2.5 2.5 72.5 72.5
3.92621 1 2.5 2.5 75.0 75.0
4.18074 1 2.5 2.5 77.5 77.5
4.4563 1 2.5 2.5 80.0 80.0
4.74914 1 2.5 2.5 82.5 82.5
5.13913 1 2.5 2.5 85.0 85.0
5.97977 1 2.5 2.5 87.5 87.5
6.65185 1 2.5 2.5 90.0 90.0
6.74338 1 2.5 2.5 92.5 92.5
8.41491 1 2.5 2.5 95.0 95.0
9.837 1 2.5 2.5 97.5 97.5
13.40535 1 2.5 2.5 100.0 100.0
Total 40 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  41 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 ...
##  $ val%   : num  2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 ...
##  $ %cum   : num  2.5 5 7.5 10 12.5 15 17.5 20 22.5 25 ...
##  $ val%cum: num  2.5 5 7.5 10 12.5 15 17.5 20 22.5 25 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_pa <- data.frame(x = names, y = freqs)
knitr::kable(df_pa)
x y
0.09491 1
0.16894 1
0.18619 1
0.20365 1
0.21605 1
0.29869 1
0.35187 1
0.37999 1
0.48725 1
0.63948 1
0.64491 1
0.7476 1
0.7674 1
0.90169 1
1.41526 1
1.8033 1
1.80341 1
1.84596 1
2.24069 1
2.28589 1
2.44254 1
2.57852 1
2.59449 1
2.67409 1
2.81479 1
3.30848 1
3.33873 1
3.54386 1
3.66775 1
3.92621 1
4.18074 1
4.4563 1
4.74914 1
5.13913 1
5.97977 1
6.65185 1
6.74338 1
8.41491 1
9.837 1
13.40535 1 
library(ggplot2)
ggplot(data=df_pa, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.09491  2.09491  4.09491  6.09491  8.09491 10.09491 12.09491 14.09491
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.09491 1 0.025 1
0.16894 1 0.025 2
0.18619 1 0.025 3
0.20365 1 0.025 4
0.21605 1 0.025 5
0.29869 1 0.025 6
0.35187 1 0.025 7
0.37999 1 0.025 8
0.48725 1 0.025 9
0.63948 1 0.025 10
0.64491 1 0.025 11
0.7476 1 0.025 12
0.7674 1 0.025 13
0.90169 1 0.025 14
1.41526 1 0.025 15
1.8033 1 0.025 16
1.80341 1 0.025 17
1.84596 1 0.025 18
2.24069 1 0.025 19
2.28589 1 0.025 20
2.44254 1 0.025 21
2.57852 1 0.025 22
2.59449 1 0.025 23
2.67409 1 0.025 24
2.81479 1 0.025 25
3.30848 1 0.025 26
3.33873 1 0.025 27
3.54386 1 0.025 28
3.66775 1 0.025 29
3.92621 1 0.025 30
4.18074 1 0.025 31
4.4563 1 0.025 32
4.74914 1 0.025 33
5.13913 1 0.025 34
5.97977 1 0.025 35
6.65185 1 0.025 36
6.74338 1 0.025 37
8.41491 1 0.025 38
9.837 1 0.025 39
13.40535 1 0.025 40 
str(Freq_table)
## 'data.frame':    40 obs. of  4 variables:
##  $ Distance: Factor w/ 40 levels "0.09491","0.16894",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Rel_Freq: num  0.025 0.025 0.025 0.025 0.025 0.025 0.025 0.025 0.025 0.025 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10 ...
df_pa <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_pa)
x y
0.09491 1
0.16894 1
0.18619 1
0.20365 1
0.21605 1
0.29869 1
0.35187 1
0.37999 1
0.48725 1
0.63948 1
0.64491 1
0.7476 1
0.7674 1
0.90169 1
1.41526 1
1.8033 1
1.80341 1
1.84596 1
2.24069 1
2.28589 1
2.44254 1
2.57852 1
2.59449 1
2.67409 1
2.81479 1
3.30848 1
3.33873 1
3.54386 1
3.66775 1
3.92621 1
4.18074 1
4.4563 1
4.74914 1
5.13913 1
5.97977 1
6.65185 1
6.74338 1
8.41491 1
9.837 1
13.40535 1 
library(ggplot2)

ggplot(data=df_pa, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_pa$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_pa)
##           x  y
## nbr.val  NA 40
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 40
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico,Veracruz-Llave

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_vl <- subset (df, State == "Veracruz-Llave")
df_vl %>% 
  select(Country, State, City, Distance) 
##      Country          State                          City Distance
## 13    Mexico Veracruz-Llave   Laguna Chica (Pueblo Nuevo)  9.51003
## 445   Mexico Veracruz-Llave                     El Hatito  8.28739
## 764   Mexico Veracruz-Llave            Xalapa de Enríquez  1.27837
## 1095  Mexico Veracruz-Llave                    Coatzintla  1.52983
## 1096  Mexico Veracruz-Llave                     Altotonga  2.85382
## 1097  Mexico Veracruz-Llave                      Yecuatla  3.73160
## 1118  Mexico Veracruz-Llave Heroica Coscomatepec de Bravo  0.09971
## 1152  Mexico Veracruz-Llave                     Altotonga  0.50188
## 1158  Mexico Veracruz-Llave                      Tetlaxco  4.51820

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_vl, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="purple")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_vl, aes(fill=City, x="Veracruz-Llave", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_vl, aes(fill=City, x="Veracruz-Llave", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_vl, aes(x = "Veracruz-Llave", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_vl <- df_vl %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_vl$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)
## Loading required package: scales
## 
## Attaching package: 'scales'
## The following object is masked from 'package:readr':
## 
##     col_factor
ggplot(df_vl, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_vl$Distance
names(Distance) <- df_vl$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                                
## Pareto chart analysis for Distance
##                                   Frequency   Cum.Freq.  Percentage
##   Laguna Chica (Pueblo Nuevo)     9.5100300   9.5100300  29.4329486
##   El Hatito                       8.2873900  17.7974200  25.6489542
##   Tetlaxco                        4.5182000  22.3156200  13.9835467
##   Yecuatla                        3.7316000  26.0472200  11.5490688
##   Altotonga                       2.8538200  28.9010400   8.8323946
##   Coatzintla                      1.5298300  30.4308700   4.7347283
##   Xalapa de Enríquez              1.2783700  31.7092400   3.9564753
##   Altotonga                       0.5018800  32.2111200   1.5532872
##   Heroica Coscomatepec de Bravo   0.0997100  32.3108300   0.3085962
##                                
## Pareto chart analysis for Distance
##                                 Cum.Percent.
##   Laguna Chica (Pueblo Nuevo)     29.4329486
##   El Hatito                       55.0819029
##   Tetlaxco                        69.0654496
##   Yecuatla                        80.6145184
##   Altotonga                       89.4469130
##   Coatzintla                      94.1816413
##   Xalapa de Enríquez              98.1381165
##   Altotonga                       99.6914038
##   Heroica Coscomatepec de Bravo  100.0000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_vl$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 1535
##   2 | 97
##   4 | 5
##   6 | 
##   8 | 35
head(df_vl)
##     id    date  time continent_code Country country_code          State
## 1 5406 8/26/13                 <NA>  Mexico           MX Veracruz-Llave
## 2 3684  7/1/11                 <NA>  Mexico           MX Veracruz-Llave
## 3 5542 9/16/13                 <NA>  Mexico           MX Veracruz-Llave
## 4  115  7/4/07                 <NA>  Mexico           MX Veracruz-Llave
## 5 5486  9/9/13 Night           <NA>  Mexico           MX Veracruz-Llave
## 6 2438 9/17/10                 <NA>  Mexico           MX Veracruz-Llave
##   population                          City Distance location_description
## 1       3198                      Yecuatla  3.73160                     
## 2     425148            Xalapa de Enríquez  1.27837                     
## 3       1543                      Tetlaxco  4.51820                     
## 4       1947   Laguna Chica (Pueblo Nuevo)  9.51003                     
## 5      12920 Heroica Coscomatepec de Bravo  0.09971                     
## 6       1324                     El Hatito  8.28739                     
##   latitude longitude                               geolocation hazard_type
## 1  19.8413  -96.8005                       (19.8413, -96.8005)   Landslide
## 2  19.5426  -96.9137            (19.5426, -96.913700000000006)   Landslide
## 3  19.0603  -97.1009 (19.060300000000002, -97.100899999999996)   Landslide
## 4  18.5369  -96.8229 (18.536899999999999, -96.822900000000004)   Landslide
## 5  19.0719  -97.0474 (19.071899999999999, -97.047399999999996)   Landslide
## 6  19.2818  -96.3149            (19.2818, -96.314899999999994)   Landslide
##   landslide_type landslide_size          trigger            storm_name injuries
## 1      Landslide         Medium         Downpour                             NA
## 2       Mudslide         Medium Tropical cyclone Tropical Storm Arlene       NA
## 3      Landslide         Medium Tropical cyclone                Manuel       NA
## 4      Landslide         Medium             Rain                             NA
## 5      Landslide         Medium         Downpour                              2
## 6      Landslide         Medium Tropical cyclone        Hurricane Karl       NA
##   fatalities                       source_name
## 1          9                        www.cbc.ca
## 2          0                                  
## 3         13 www.raymondvillechroniclenews.com
## 4          7                       nytimes.com
## 5         14                    infosurhoy.com
## 6          2                                  
##                                                                                                        source_link
## 1                                   http://www.cbc.ca/news/world/mexico-storm-related-landslides-kill-13-1.1370491
## 2                                           http://edition.cnn.com/2011/WORLD/americas/07/04/mexico.arlene.deaths/
## 3 http://www.raymondvillechroniclenews.com/news/2013-09-18/News/Mexican_village_buries_13_victims_of_mudslide.html
## 4                           http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
## 5                                     http://infosurhoy.com/en_GB/articles/saii/newsbriefs/2013/09/12/newsbrief-03
## 6                                               http://www.lfpress.com/news/world/2010/09/17/15382976-reuters.html
##         prop      ypos
## 1 11.5490688  5.774534
## 2  3.9564753 13.527306
## 3 13.9835467 22.497317
## 4 29.4329486 44.205565
## 5  0.3085962 59.076338
## 6 25.6489542 72.055113
knitr::kable(head(df_vl))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
5406 8/26/13 NA Mexico MX Veracruz-Llave 3198 Yecuatla 3.73160 19.8413 -96.8005 (19.8413, -96.8005) Landslide Landslide Medium Downpour NA 9 www.cbc.ca http://www.cbc.ca/news/world/mexico-storm-related-landslides-kill-13-1.1370491 11.5490688 5.774534
3684 7/1/11 NA Mexico MX Veracruz-Llave 425148 Xalapa de Enríquez 1.27837 19.5426 -96.9137 (19.5426, -96.913700000000006) Landslide Mudslide Medium Tropical cyclone Tropical Storm Arlene NA 0 http://edition.cnn.com/2011/WORLD/americas/07/04/mexico.arlene.deaths/ 3.9564753 13.527306
5542 9/16/13 NA Mexico MX Veracruz-Llave 1543 Tetlaxco 4.51820 19.0603 -97.1009 (19.060300000000002, -97.100899999999996) Landslide Landslide Medium Tropical cyclone Manuel NA 13 www.raymondvillechroniclenews.com http://www.raymondvillechroniclenews.com/news/2013-09-18/News/Mexican_village_buries_13_victims_of_mudslide.html 13.9835467 22.497318
115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin 29.4329486 44.205565
5486 9/9/13 Night NA Mexico MX Veracruz-Llave 12920 Heroica Coscomatepec de Bravo 0.09971 19.0719 -97.0474 (19.071899999999999, -97.047399999999996) Landslide Landslide Medium Downpour 2 14 infosurhoy.com http://infosurhoy.com/en_GB/articles/saii/newsbriefs/2013/09/12/newsbrief-03 0.3085962 59.076338
2438 9/17/10 NA Mexico MX Veracruz-Llave 1324 El Hatito 8.28739 19.2818 -96.3149 (19.2818, -96.314899999999994) Landslide Landslide Medium Tropical cyclone Hurricane Karl NA 2 http://www.lfpress.com/news/world/2010/09/17/15382976-reuters.html 25.6489542 72.055113 
stem(df_vl$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 1535
##   2 | 97
##   4 | 5
##   6 | 
##   8 | 35
stem(df_vl$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   0 | 15
##   1 | 35
##   2 | 9
##   3 | 7
##   4 | 5
##   5 | 
##   6 | 
##   7 | 
##   8 | 3
##   9 | 5

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_vl$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
3.73160
1.27837
4.51820
9.51003
0.09971
8.28739 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.09971 1 11.1 11.1 11.1 11.1
0.50188 1 11.1 11.1 22.2 22.2
1.27837 1 11.1 11.1 33.3 33.3
1.52983 1 11.1 11.1 44.4 44.4
2.85382 1 11.1 11.1 55.6 55.6
3.7316 1 11.1 11.1 66.7 66.7
4.5182 1 11.1 11.1 77.8 77.8
8.28739 1 11.1 11.1 88.9 88.9
9.51003 1 11.1 11.1 100.0 100.0
Total 9 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  10 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 9
##  $ %      : num  11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 100
##  $ val%   : num  11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 100
##  $ %cum   : num  11.1 22.2 33.3 44.4 55.6 66.7 77.8 88.9 100 100
##  $ val%cum: num  11.1 22.2 33.3 44.4 55.6 66.7 77.8 88.9 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_vl <- data.frame(x = names, y = freqs)
knitr::kable(df_vl)
x y
0.09971 1
0.50188 1
1.27837 1
1.52983 1
2.85382 1
3.7316 1
4.5182 1
8.28739 1
9.51003 1 
library(ggplot2)
ggplot(data=df_vl, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.09971  2.09971  4.09971  6.09971  8.09971 10.09971
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.09971 1 0.1111111 1
0.50188 1 0.1111111 2
1.27837 1 0.1111111 3
1.52983 1 0.1111111 4
2.85382 1 0.1111111 5
3.7316 1 0.1111111 6
4.5182 1 0.1111111 7
8.28739 1 0.1111111 8
9.51003 1 0.1111111 9 
str(Freq_table)
## 'data.frame':    9 obs. of  4 variables:
##  $ Distance: Factor w/ 9 levels "0.09971","0.50188",..: 1 2 3 4 5 6 7 8 9
##  $ Freq    : int  1 1 1 1 1 1 1 1 1
##  $ Rel_Freq: num  0.111 0.111 0.111 0.111 0.111 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9
df_vl <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_vl)
x y
0.09971 1
0.50188 1
1.27837 1
1.52983 1
2.85382 1
3.7316 1
4.5182 1
8.28739 1
9.51003 1 
library(ggplot2)

ggplot(data=df_vl, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_vl$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_vl)
##           x y
## nbr.val  NA 9
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 9
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Puebla

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_pue <- subset (df, State == "Puebla")
df_pue %>% 
  select(Country, State, City, Distance) 
##      Country  State                       City Distance
## 29    Mexico Puebla Xochitlaxco (San Baltazar)  1.68294
## 42    Mexico Puebla                Xaltepuxtla  7.93258
## 1149  Mexico Puebla            Tlatlauquitepec  0.30326
## 1155  Mexico Puebla                     Atzala  5.24855

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_pue, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="red")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_pue, aes(fill=City, x="Puebla", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_pue, aes(fill=City, x="Puebla", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_pue, aes(x = "Puebla", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_pue$Distance
names(Distance) <- df_pue$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                             
## Pareto chart analysis for Distance
##                               Frequency  Cum.Freq. Percentage Cum.Percent.
##   Xaltepuxtla                  7.932580   7.932580  52.300438    52.300438
##   Atzala                       5.248550  13.181130  34.604311    86.904749
##   Xochitlaxco (San Baltazar)   1.682940  14.864070  11.095822    98.000571
##   Tlatlauquitepec              0.303260  15.167330   1.999429   100.000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_pue$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 37
##   2 | 
##   4 | 2
##   6 | 9
head(df_pue)
##        id    date time continent_code Country country_code  State population
## 29    201 8/23/07                <NA>  Mexico           MX Puebla       1414
## 42    284 9/28/07                <NA>  Mexico           MX Puebla       3761
## 1149 5528 9/15/13                <NA>  Mexico           MX Puebla       9720
## 1155 5539 9/16/13                <NA>  Mexico           MX Puebla       1123
##                            City Distance location_description latitude
## 29   Xochitlaxco (San Baltazar)  1.68294                       19.9333
## 42                  Xaltepuxtla  7.93258                       20.2000
## 1149            Tlatlauquitepec  0.30326                       19.8490
## 1155                     Atzala  5.24855                       18.5938
##      longitude                               geolocation hazard_type
## 29    -97.8500              (19.933299999999999, -97.85)   Landslide
## 42    -97.9000                             (20.2, -97.9)   Landslide
## 1149  -97.4997             (19.849, -97.499700000000004)   Landslide
## 1155  -98.5539 (18.593800000000002, -98.553899999999999)   Landslide
##      landslide_type landslide_size          trigger        storm_name injuries
## 29         Mudslide         Medium Tropical cyclone    Hurricane Dean       NA
## 42         Mudslide         Medium Tropical cyclone Hurricane Lorenzo       NA
## 1149      Landslide     Very_large Tropical cyclone            Ingrid        1
## 1155      Landslide         Medium Tropical cyclone             Manyi       NA
##      fatalities           source_name
## 29            6          Inquirer.com
## 42            1            PressTV.ir
## 1149          3  www.recordonline.com
## 1155          0 america.aljazeera.com
##                                                                                                         source_link
## 29                                http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
## 42                                                     http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
## 1149                      http://www.recordonline.com/apps/pbcs.dll/article?AID=/20130915/NEWS/130919814/-1/SITEMAP
## 1155 http://america.aljazeera.com/articles/2013/11/19/after-landslide-poorestofthepoorleftoutinthecoldinmexico.html
knitr::kable(head(df_pue))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
1149 5528 9/15/13 NA Mexico MX Puebla 9720 Tlatlauquitepec 0.30326 19.8490 -97.4997 (19.849, -97.499700000000004) Landslide Landslide Very_large Tropical cyclone Ingrid 1 3 www.recordonline.com http://www.recordonline.com/apps/pbcs.dll/article?AID=/20130915/NEWS/130919814/-1/SITEMAP
1155 5539 9/16/13 NA Mexico MX Puebla 1123 Atzala 5.24855 18.5938 -98.5539 (18.593800000000002, -98.553899999999999) Landslide Landslide Medium Tropical cyclone Manyi NA 0 america.aljazeera.com http://america.aljazeera.com/articles/2013/11/19/after-landslide-poorestofthepoorleftoutinthecoldinmexico.html 
stem(df_pue$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 37
##   2 | 
##   4 | 2
##   6 | 9
stem(df_pue$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   0 | 3
##   1 | 7
##   2 | 
##   3 | 
##   4 | 
##   5 | 2
##   6 | 
##   7 | 9

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_pue$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
1.68294
7.93258
0.30326
5.24855 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.30326 1 25 25 25 25
1.68294 1 25 25 50 50
5.24855 1 25 25 75 75
7.93258 1 25 25 100 100
Total 4 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  5 obs. of  5 variables:
##  $ n      : num  1 1 1 1 4
##  $ %      : num  25 25 25 25 100
##  $ val%   : num  25 25 25 25 100
##  $ %cum   : num  25 50 75 100 100
##  $ val%cum: num  25 50 75 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_pue <- data.frame(x = names, y = freqs)
knitr::kable(df_pue)
x y
0.30326 1
1.68294 1
5.24855 1
7.93258 1 
library(ggplot2)
ggplot(data=df_pue, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 0.30326 3.30326 6.30326 9.30326
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.30326 1 0.25 1
1.68294 1 0.25 2
5.24855 1 0.25 3
7.93258 1 0.25 4 
str(Freq_table)
## 'data.frame':    4 obs. of  4 variables:
##  $ Distance: Factor w/ 4 levels "0.30326","1.68294",..: 1 2 3 4
##  $ Freq    : int  1 1 1 1
##  $ Rel_Freq: num  0.25 0.25 0.25 0.25
##  $ Cum_Freq: int  1 2 3 4
df_pue <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_pue)
x y
0.30326 1
1.68294 1
5.24855 1
7.93258 1 
library(ggplot2)

ggplot(data=df_pue, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_pue$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_pue)
##           x y
## nbr.val  NA 4
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 4
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

mexico-tabasco

library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_tb <- subset (df, State == "Tabasco")
df_tb %>% 
  select(Country, State, City, Distance) 
##      Country   State                     City Distance
## 57    Mexico Tabasco               Buenavista  4.19108
## 1185  Mexico Tabasco               Olcuatitán  4.32007
## 1586  Mexico Tabasco                 Libertad  4.81680
## 1587  Mexico Tabasco                 Huapinol  2.15703
## 1625  Mexico Tabasco               Olcuatitán  8.93271
## 1674  Mexico Tabasco Tenosique de Pino Suárez 15.22260

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_tb, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="red")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_tb, aes(fill=City, x="Tabasco", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_tb, aes(fill=City, x="Tabasco", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_tb, aes(x = "Tabasco", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_tb <- df_tb %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_tb$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_tb, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_tb$Distance
names(Distance) <- df_tb$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                           
## Pareto chart analysis for Distance
##                             Frequency  Cum.Freq. Percentage Cum.Percent.
##   Tenosique de Pino Suárez  15.222600  15.222600  38.401838    38.401838
##   Olcuatitán                 8.932710  24.155310  22.534421    60.936260
##   Libertad                   4.816800  28.972110  12.151273    73.087533
##   Olcuatitán                 4.320070  33.292180  10.898180    83.985713
##   Buenavista                 4.191080  37.483260  10.572778    94.558491
##   Huapinol                   2.157030  39.640290   5.441509   100.000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_tb$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 244
##   0 | 59
##   1 | 
##   1 | 5
head(df_tb)
##     id     date time continent_code Country country_code   State population
## 1 7518 10/15/15                <NA>  Mexico           MX Tabasco      32415
## 2 5693 12/16/13                <NA>  Mexico           MX Tabasco       1732
## 3 7469 12/16/15                <NA>  Mexico           MX Tabasco       1732
## 4 7430  10/7/15                <NA>  Mexico           MX Tabasco       1042
## 5 7431  10/7/15                <NA>  Mexico           MX Tabasco       2500
## 6  342 10/31/07                <NA>  Mexico           MX Tabasco       4468
##                       City Distance location_description latitude longitude
## 1 Tenosique de Pino Suárez 15.22260           Below road  17.4054  -91.2988
## 2               Olcuatitán  4.32007                       18.1563  -92.9790
## 3               Olcuatitán  8.93271           Below road  18.2341  -92.8901
## 4                 Libertad  4.81680              Unknown  17.3768  -92.7439
## 5                 Huapinol  2.15703              Unknown  17.9100  -92.8956
## 6               Buenavista  4.19108                       17.9493  -92.5534
##                                 geolocation hazard_type     landslide_type
## 1                       (17.4054, -91.2988)   Landslide          Landslide
## 2 (18.156300000000002, -92.978999999999999)   Landslide          Landslide
## 3 (18.234100000000002, -92.890100000000004)   Landslide Riverbank collapse
## 4 (17.376799999999999, -92.743899999999996)   Landslide          Landslide
## 5              (17.91, -92.895600000000002)   Landslide          Landslide
## 6 (17.949300000000001, -92.553399999999996)   Landslide          Landslide
##   landslide_size         trigger storm_name injuries fatalities
## 1         Medium        Flooding                   0          0
## 2         Medium Continuous rain                  NA         NA
## 3         Medium        Flooding                   0          0
## 4         Medium            Rain                   0          0
## 5         Medium            Rain                   0          0
## 6         Medium            Rain                  NA         18
##         source_name
## 1 ver tiente global
## 2 www.aljazeera.com
## 3   Diario Presente
## 4       Tabasco Hoy
## 5       Tabasco Hoy
## 6         CapeTimes
##                                                                                                                 source_link
## 1                                                                                       http://vertienteglobal.com/?p=49401
## 2                            http://www.aljazeera.com/weather/2013/12/rain-snow-floods-hit-mexico-20131229105245837299.html
## 3 http://www.diariopresente.com.mx/noticia/tabasco/145872/deslave-carretera-punto-dejar-incomunicados-comunidades-nacajuca/
## 4                         http://www.tabascohoy.com/2/notas/273505/dejan-lluvias-deslizamientos-e-inundaciones-en-la-sierra
## 5                         http://www.tabascohoy.com/2/notas/273505/dejan-lluvias-deslizamientos-e-inundaciones-en-la-sierra
## 6                                                                            http://www.capetimes.co.za/?fArticleId=4109453
##        prop     ypos
## 1 38.401838 19.20092
## 2 10.898180 43.85093
## 3 22.534421 60.56723
## 4 12.151273 77.91008
## 5  5.441509 86.70647
## 6 10.572778 94.71361
knitr::kable(head(df_tb))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
7518 10/15/15 NA Mexico MX Tabasco 32415 Tenosique de Pino Suárez 15.22260 Below road 17.4054 -91.2988 (17.4054, -91.2988) Landslide Landslide Medium Flooding 0 0 ver tiente global http://vertienteglobal.com/?p=49401 38.401838 19.20092
5693 12/16/13 NA Mexico MX Tabasco 1732 Olcuatitán 4.32007 18.1563 -92.9790 (18.156300000000002, -92.978999999999999) Landslide Landslide Medium Continuous rain NA NA www.aljazeera.com http://www.aljazeera.com/weather/2013/12/rain-snow-floods-hit-mexico-20131229105245837299.html 10.898180 43.85093
7469 12/16/15 NA Mexico MX Tabasco 1732 Olcuatitán 8.93271 Below road 18.2341 -92.8901 (18.234100000000002, -92.890100000000004) Landslide Riverbank collapse Medium Flooding 0 0 Diario Presente http://www.diariopresente.com.mx/noticia/tabasco/145872/deslave-carretera-punto-dejar-incomunicados-comunidades-nacajuca/ 22.534421 60.56723
7430 10/7/15 NA Mexico MX Tabasco 1042 Libertad 4.81680 Unknown 17.3768 -92.7439 (17.376799999999999, -92.743899999999996) Landslide Landslide Medium Rain 0 0 Tabasco Hoy http://www.tabascohoy.com/2/notas/273505/dejan-lluvias-deslizamientos-e-inundaciones-en-la-sierra 12.151273 77.91008
7431 10/7/15 NA Mexico MX Tabasco 2500 Huapinol 2.15703 Unknown 17.9100 -92.8956 (17.91, -92.895600000000002) Landslide Landslide Medium Rain 0 0 Tabasco Hoy http://www.tabascohoy.com/2/notas/273505/dejan-lluvias-deslizamientos-e-inundaciones-en-la-sierra 5.441509 86.70647
342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453 10.572778 94.71361 
stem(df_tb$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 244
##   0 | 59
##   1 | 
##   1 | 5
stem(df_tb$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    2 | 2
##    4 | 238
##    6 | 
##    8 | 9
##   10 | 
##   12 | 
##   14 | 2

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_tb$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
15.22260
4.32007
8.93271
4.81680
2.15703
4.19108 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
2.15703 1 16.7 16.7 16.7 16.7
4.19108 1 16.7 16.7 33.3 33.3
4.32007 1 16.7 16.7 50.0 50.0
4.8168 1 16.7 16.7 66.7 66.7
8.93271 1 16.7 16.7 83.3 83.3
15.2226 1 16.7 16.7 100.0 100.0
Total 6 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  7 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 6
##  $ %      : num  16.7 16.7 16.7 16.7 16.7 16.7 100
##  $ val%   : num  16.7 16.7 16.7 16.7 16.7 16.7 100
##  $ %cum   : num  16.7 33.3 50 66.7 83.3 100 100
##  $ val%cum: num  16.7 33.3 50 66.7 83.3 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_tb <- data.frame(x = names, y = freqs)
knitr::kable(df_tb)
x y
2.15703 1
4.19108 1
4.32007 1
4.8168 1
8.93271 1
15.2226 1 
library(ggplot2)
ggplot(data=df_tb, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  2.15703  7.15703 12.15703 17.15703
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
2.15703 1 0.1666667 1
4.19108 1 0.1666667 2
4.32007 1 0.1666667 3
4.8168 1 0.1666667 4
8.93271 1 0.1666667 5
15.2226 1 0.1666667 6 
str(Freq_table)
## 'data.frame':    6 obs. of  4 variables:
##  $ Distance: Factor w/ 6 levels "2.15703","4.19108",..: 1 2 3 4 5 6
##  $ Freq    : int  1 1 1 1 1 1
##  $ Rel_Freq: num  0.167 0.167 0.167 0.167 0.167 ...
##  $ Cum_Freq: int  1 2 3 4 5 6
df_tb <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_tb)
x y
2.15703 1
4.19108 1
4.32007 1
4.8168 1
8.93271 1
15.2226 1 
library(ggplot2)

ggplot(data=df_tb, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_tb$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_tb)
##           x y
## nbr.val  NA 6
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 6
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Chiapas

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_chi <- subset (df, State == "Chiapas")
df_chi %>% 
  select(Country, State, City, Distance) 
##      Country   State                       City Distance
## 59    Mexico Chiapas                   Ostuacán  3.74149
## 385   Mexico Chiapas                  Escuintla  1.41805
## 386   Mexico Chiapas San Cristóbal de las Casas  0.94118
## 463   Mexico Chiapas                     Amatán  0.31118
## 464   Mexico Chiapas                  Chihuahua  8.46579
## 798   Mexico Chiapas             Nueva Libertad  7.93996
## 1670  Mexico Chiapas              Santo Domingo  0.76257
## 1671  Mexico Chiapas      Motozintla de Mendoza  2.06743
## 1672  Mexico Chiapas            Emiliano Zapata  4.68443
## 1673  Mexico Chiapas                       Tila  1.73469

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_chi, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="brown")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_chi, aes(fill=City, x="Chiapas", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_chi, aes(fill=City, x="Chiapas", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_chi, aes(x = "Chiapas", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_chi <- df_chi %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_chi$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_chi, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4
## Warning in RColorBrewer::brewer.pal(n, pal): n too large, allowed maximum for palette Greens is 9
## Returning the palette you asked for with that many colors

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_chi$Distance
names(Distance) <- df_chi$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                             
## Pareto chart analysis for Distance
##                                Frequency   Cum.Freq.  Percentage Cum.Percent.
##   Chihuahua                    8.4657900   8.4657900  26.4005074   26.4005074
##   Nueva Libertad               7.9399600  16.4057500  24.7607102   51.1612177
##   Emiliano Zapata              4.6844300  21.0901800  14.6083625   65.7695802
##   Ostuacán                     3.7414900  24.8316700  11.6678106   77.4373908
##   Motozintla de Mendoza        2.0674300  26.8991000   6.4472661   83.8846569
##   Tila                         1.7346900  28.6337900   5.4096187   89.2942757
##   Escuintla                    1.4180500  30.0518400   4.4221791   93.7164548
##   San Cristóbal de las Casas   0.9411800  30.9930200   2.9350633   96.6515181
##   Santo Domingo                0.7625700  31.7555900   2.3780693   99.0295873
##   Amatán                       0.3111800  32.0667700   0.9704127  100.0000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_chi$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 38947
##   2 | 17
##   4 | 7
##   6 | 9
##   8 | 5
head(df_chi)
##     id     date time continent_code Country country_code   State population
## 1 7517  9/12/15                <NA>  Mexico           MX Chiapas       6089
## 2 7514  5/23/15                <NA>  Mexico           MX Chiapas       3796
## 3 2115  7/22/10                <NA>  Mexico           MX Chiapas     128996
## 4  346  11/4/07                <NA>  Mexico           MX Chiapas       3183
## 5 3832  7/22/11                <NA>  Mexico           MX Chiapas       1005
## 6 7515 10/21/15                <NA>  Mexico           MX Chiapas      19092
##                         City Distance location_description latitude longitude
## 1                       Tila  1.73469           Below road  17.3112  -92.4393
## 2              Santo Domingo  0.76257           Below road  15.0337  -92.1124
## 3 San Cristóbal de las Casas  0.94118                       16.7294  -92.6389
## 4                   Ostuacán  3.74149                       17.3900  -93.3060
## 5             Nueva Libertad  7.93996                       16.1514  -92.7704
## 6      Motozintla de Mendoza  2.06743           Above road  15.3482  -92.2523
##                                 geolocation hazard_type landslide_type
## 1 (17.311199999999999, -92.439300000000003)   Landslide      Landslide
## 2            (15.0337, -92.112399999999994)   Landslide      Landslide
## 3 (16.729399999999998, -92.638900000000007)   Landslide       Rockfall
## 4              (17.39, -93.305999999999997)   Landslide       Mudslide
## 5 (16.151399999999999, -92.770399999999995)   Landslide      Landslide
## 6            (15.3482, -92.252300000000005)   Landslide      Landslide
##   landslide_size          trigger     storm_name injuries fatalities
## 1         Medium             Rain                       0          0
## 2         Medium             Rain                       0          0
## 3          Small         Downpour                      NA          0
## 4     Very_large             Rain                      NA          5
## 5         Medium Tropical cyclone Hurricane Dora       NA          0
## 6         Medium             Rain                       0          0
##              source_name
## 1           NVI noticias
## 2           Cuarto Poder
## 3                       
## 4 Reuters - AlertNet.org
## 5                       
## 6        azteca noticias
##                                                                                                                          source_link
## 1                             http://www.noticiasnet.mx/portal/chiapas/general/agua/317470-lluvias-causan-deslaves-tramos-carreteros
## 2                                                        http://www.cuartopoder.mx/deslaveafectacarreteradejandouncarril-116564.html
## 3                                                                  http://www.laht.com/article.asp?ArticleId=361041&CategoryId=14091
## 4 http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_
## 5                                                                http://www.china.org.cn/environment/2011-07/22/content_23044018.htm
## 6                                     http://www.aztecanoticias.com.mx/notas/estados/234140/suman-16-deslaves-por-lluvias-en-chiapas
##        prop      ypos
## 1  5.409619  2.704809
## 2  2.378069  6.598653
## 3  2.935063  9.255220
## 4 11.667811 16.556657
## 5 24.760710 34.770917
## 6  6.447266 50.374905
knitr::kable(head(df_chi))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
7517 9/12/15 NA Mexico MX Chiapas 6089 Tila 1.73469 Below road 17.3112 -92.4393 (17.311199999999999, -92.439300000000003) Landslide Landslide Medium Rain 0 0 NVI noticias http://www.noticiasnet.mx/portal/chiapas/general/agua/317470-lluvias-causan-deslaves-tramos-carreteros 5.409619 2.704809
7514 5/23/15 NA Mexico MX Chiapas 3796 Santo Domingo 0.76257 Below road 15.0337 -92.1124 (15.0337, -92.112399999999994) Landslide Landslide Medium Rain 0 0 Cuarto Poder http://www.cuartopoder.mx/deslaveafectacarreteradejandouncarril-116564.html 2.378069 6.598653
2115 7/22/10 NA Mexico MX Chiapas 128996 San Cristóbal de las Casas 0.94118 16.7294 -92.6389 (16.729399999999998, -92.638900000000007) Landslide Rockfall Small Downpour NA 0 http://www.laht.com/article.asp?ArticleId=361041&CategoryId=14091 2.935063 9.255220
346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 11.667811 16.556657
3832 7/22/11 NA Mexico MX Chiapas 1005 Nueva Libertad 7.93996 16.1514 -92.7704 (16.151399999999999, -92.770399999999995) Landslide Landslide Medium Tropical cyclone Hurricane Dora NA 0 http://www.china.org.cn/environment/2011-07/22/content_23044018.htm 24.760710 34.770917
7515 10/21/15 NA Mexico MX Chiapas 19092 Motozintla de Mendoza 2.06743 Above road 15.3482 -92.2523 (15.3482, -92.252300000000005) Landslide Landslide Medium Rain 0 0 azteca noticias http://www.aztecanoticias.com.mx/notas/estados/234140/suman-16-deslaves-por-lluvias-en-chiapas 6.447266 50.374905 
stem(df_chi$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 38947
##   2 | 17
##   4 | 7
##   6 | 9
##   8 | 5
stem(df_chi$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   0 | 389
##   1 | 47
##   2 | 1
##   3 | 7
##   4 | 7
##   5 | 
##   6 | 
##   7 | 9
##   8 | 5

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_chi$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
1.73469
0.76257
0.94118
3.74149
7.93996
2.06743 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.31118 1 10 10 10 10
0.76257 1 10 10 20 20
0.94118 1 10 10 30 30
1.41805 1 10 10 40 40
1.73469 1 10 10 50 50
2.06743 1 10 10 60 60
3.74149 1 10 10 70 70
4.68443 1 10 10 80 80
7.93996 1 10 10 90 90
8.46579 1 10 10 100 100
Total 10 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  11 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ %      : num  10 10 10 10 10 10 10 10 10 10 ...
##  $ val%   : num  10 10 10 10 10 10 10 10 10 10 ...
##  $ %cum   : num  10 20 30 40 50 60 70 80 90 100 ...
##  $ val%cum: num  10 20 30 40 50 60 70 80 90 100 ...
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_chi <- data.frame(x = names, y = freqs)
knitr::kable(df_chi)
x y
0.31118 1
0.76257 1
0.94118 1
1.41805 1
1.73469 1
2.06743 1
3.74149 1
4.68443 1
7.93996 1
8.46579 1 
library(ggplot2)
ggplot(data=df_chi, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.31118  2.31118  4.31118  6.31118  8.31118 10.31118
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.31118 1 0.1 1
0.76257 1 0.1 2
0.94118 1 0.1 3
1.41805 1 0.1 4
1.73469 1 0.1 5
2.06743 1 0.1 6
3.74149 1 0.1 7
4.68443 1 0.1 8
7.93996 1 0.1 9
8.46579 1 0.1 10 
str(Freq_table)
## 'data.frame':    10 obs. of  4 variables:
##  $ Distance: Factor w/ 10 levels "0.31118","0.76257",..: 1 2 3 4 5 6 7 8 9 10
##  $ Freq    : int  1 1 1 1 1 1 1 1 1 1
##  $ Rel_Freq: num  0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9 10
df_chi <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_chi)
x y
0.31118 1
0.76257 1
0.94118 1
1.41805 1
1.73469 1
2.06743 1
3.74149 1
4.68443 1
7.93996 1
8.46579 1 
library(ggplot2)

ggplot(data=df_chi, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_chi$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_chi)
##           x  y
## nbr.val  NA 10
## nbr.null NA  0
## nbr.na   NA  0
## min      NA  1
## max      NA  1
## range    NA  0
## sum      NA 10
## median   NA  1
## mean     NA  1
## SE.mean  NA  0
## CI.mean  NA  0
## var      NA  0
## std.dev  NA  0
## coef.var NA  0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Baja California

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_bc <- subset (df, State == "Baja California")
df_bc %>% 
  select(Country, State, City, Distance) 
##      Country           State                              City Distance
## 73    Mexico Baja California                           Tijuana 12.53758
## 341   Mexico Baja California                           Tijuana  2.49770
## 1196  Mexico Baja California                         El Sauzal 12.36500
## 1493  Mexico Baja California La Esperanza [Granjas Familiares]  6.46156

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_bc, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="red")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_bc, aes(fill=City, x="Baja California", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_bc, aes(fill=City, x="Baja California", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_bc, aes(x = "Baja California", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_bc <- df_bc %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_bc$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_bc, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_bc$Distance
names(Distance) <- df_bc$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                                    
## Pareto chart analysis for Distance
##                                     Frequency Cum.Freq. Percentage Cum.Percent.
##   Tijuana                            12.53758  12.53758   37.02569     37.02569
##   El Sauzal                          12.36500  24.90258   36.51603     73.54172
##   La Esperanza [Granjas Familiares]   6.46156  31.36414   19.08213     92.62385
##   Tijuana                             2.49770  33.86184    7.37615    100.00000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_bc$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 2
##   0 | 6
##   1 | 23
head(df_bc)
##     id     date    time continent_code Country country_code           State
## 1  417   1/7/08                   <NA>  Mexico           MX Baja California
## 2 1838   5/5/10                   <NA>  Mexico           MX Baja California
## 3 7056  5/17/15                   <NA>  Mexico           MX Baja California
## 4 5731 12/28/13 2:00:00           <NA>  Mexico           MX Baja California
##   population                              City Distance location_description
## 1    1376457                           Tijuana 12.53758                     
## 2    1376457                           Tijuana  2.49770                     
## 3       1173 La Esperanza [Granjas Familiares]  6.46156           Urban area
## 4       9085                         El Sauzal 12.36500           Below road
##   latitude longitude                               geolocation hazard_type
## 1  32.5755 -116.9016           (32.575499999999998, -116.9016)   Landslide
## 2  32.5250 -116.9999           (32.524999999999999, -116.9999)   Landslide
## 3  32.5196 -117.0898           (32.519599999999997, -117.0898)   Landslide
## 4  31.9780 -116.7776 (31.978000000000002, -116.77760000000001)   Landslide
##   landslide_type landslide_size  trigger storm_name injuries fatalities
## 1      Landslide         Medium     Rain                  NA          1
## 2       Mudslide         Medium     Rain                  NA          0
## 3      Landslide         Medium     Rain                   0          0
## 4       Mudslide         Medium Downpour                  NA          0
##          source_name
## 1                   
## 2                   
## 3                   
## 4 www.globalpost.com
##                                                                                                                                                                                                                 source_link
## 1                                                                                                                                               http://www.signonsandiego.com/news/mexico/tijuana/20080108-1858-bn08tj.html
## 2 http://hisz.rsoe.hu/alertmap/woalert_read.php?lang=eng&cid=25962&utm_source=feedburner&utm_medium=feed&utm_campaign=Feed%3A+RsoeEdis-EmergencyAndDisasterInformation+%28RSOE+EDIS+-+Emergency+and+Disaster+Information%29
## 3                                                                                                                                                                                                                          
## 4                                                                                                                 http://www.globalpost.com/dispatch/news/agencia-efe/131230/mudslide-closes-major-road-northwestern-mexico
##       prop     ypos
## 1 37.02569 18.51285
## 2  7.37615 40.71377
## 3 19.08213 53.94290
## 4 36.51603 81.74198
knitr::kable(head(df_bc))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
417 1/7/08 NA Mexico MX Baja California 1376457 Tijuana 12.53758 32.5755 -116.9016 (32.575499999999998, -116.9016) Landslide Landslide Medium Rain NA 1 http://www.signonsandiego.com/news/mexico/tijuana/20080108-1858-bn08tj.html 37.02569 18.51285
1838 5/5/10 NA Mexico MX Baja California 1376457 Tijuana 2.49770 32.5250 -116.9999 (32.524999999999999, -116.9999) Landslide Mudslide Medium Rain NA 0 http://hisz.rsoe.hu/alertmap/woalert_read.php?lang=eng&cid=25962&utm_source=feedburner&utm_medium=feed&utm_campaign=Feed%3A+RsoeEdis-EmergencyAndDisasterInformation+%28RSOE+EDIS+-+Emergency+and+Disaster+Information%29 7.37615 40.71377
7056 5/17/15 NA Mexico MX Baja California 1173 La Esperanza [Granjas Familiares] 6.46156 Urban area 32.5196 -117.0898 (32.519599999999997, -117.0898) Landslide Landslide Medium Rain 0 0 19.08213 53.94290
5731 12/28/13 2:00:00 NA Mexico MX Baja California 9085 El Sauzal 12.36500 Below road 31.9780 -116.7776 (31.978000000000002, -116.77760000000001) Landslide Mudslide Medium Downpour NA 0 www.globalpost.com http://www.globalpost.com/dispatch/news/agencia-efe/131230/mudslide-closes-major-road-northwestern-mexico 36.51603 81.74198 
stem(df_bc$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 2
##   0 | 6
##   1 | 23
stem(df_bc$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##    2 | 5
##    4 | 
##    6 | 5
##    8 | 
##   10 | 
##   12 | 45

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_bc$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
12.53758
2.49770
6.46156
12.36500 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
2.4977 1 25 25 25 25
6.46156 1 25 25 50 50
12.365 1 25 25 75 75
12.53758 1 25 25 100 100
Total 4 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  5 obs. of  5 variables:
##  $ n      : num  1 1 1 1 4
##  $ %      : num  25 25 25 25 100
##  $ val%   : num  25 25 25 25 100
##  $ %cum   : num  25 50 75 100 100
##  $ val%cum: num  25 50 75 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_bc <- data.frame(x = names, y = freqs)
knitr::kable(df_bc)
x y
2.4977 1
6.46156 1
12.365 1
12.53758 1 
library(ggplot2)
ggplot(data=df_bc, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  2.4977  6.4977 10.4977 14.4977
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
2.4977 1 0.25 1
6.46156 1 0.25 2
12.365 1 0.25 3
12.53758 1 0.25 4 
str(Freq_table)
## 'data.frame':    4 obs. of  4 variables:
##  $ Distance: Factor w/ 4 levels "2.4977","6.46156",..: 1 2 3 4
##  $ Freq    : int  1 1 1 1
##  $ Rel_Freq: num  0.25 0.25 0.25 0.25
##  $ Cum_Freq: int  1 2 3 4
df_bc <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_bc)
x y
2.4977 1
6.46156 1
12.365 1
12.53758 1 
library(ggplot2)

ggplot(data=df_bc, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_bc$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_bc)
##           x y
## nbr.val  NA 4
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 4
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

México

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_me <- subset (df, State == "México")
df_me %>% 
  select(Country, State, City, Distance) 
##     Country  State                   City Distance
## 137  Mexico México San Francisco Chimalpa  2.59637
## 255  Mexico México                 Toluca  0.66626
## 260  Mexico México            Zacazonapan  4.40801
## 449  Mexico México         Villa Guerrero  1.06048

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_me, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="red")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_me, aes(fill=City, x="México", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_me, aes(fill=City, x="México", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_me, aes(x = "México", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_me <- df_me %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_me$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_me, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_me$Distance
names(Distance) <- df_me$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                         
## Pareto chart analysis for Distance
##                           Frequency  Cum.Freq. Percentage Cum.Percent.
##   Zacazonapan              4.408010   4.408010  50.486192    50.486192
##   San Francisco Chimalpa   2.596370   7.004380  29.736964    80.223156
##   Villa Guerrero           1.060480   8.064860  12.145979    92.369135
##   Toluca                   0.666260   8.731120   7.630865   100.000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_me$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 7
##   1 | 1
##   2 | 6
##   3 | 
##   4 | 4
head(df_me)
##     id    date       time continent_code Country country_code  State population
## 1 1477  2/4/10      22:00           <NA>  Mexico           MX México       2968
## 2 2474 9/20/10 Late night           <NA>  Mexico           MX México       9267
## 3 1469  2/5/10                      <NA>  Mexico           MX México     505881
## 4  744 8/25/08                      <NA>  Mexico           MX México       7182
##                     City Distance location_description latitude longitude
## 1            Zacazonapan  4.40801           Above road  19.1927  -99.8654
## 2         Villa Guerrero  1.06048                       18.9642  -99.6511
## 3                 Toluca  0.66626                       19.2880  -99.6469
## 4 San Francisco Chimalpa  2.59637                       19.4360  -99.3650
##                                 geolocation hazard_type landslide_type
## 1 (19.192699999999999, -99.865399999999994)   Landslide       Mudslide
## 2            (18.964200000000002, -99.6511)   Landslide      Landslide
## 3             (19.288, -99.646900000000002)   Landslide      Landslide
## 4             (19.436, -99.364999999999995)   Landslide       Mudslide
##   landslide_size  trigger storm_name injuries fatalities source_name
## 1          Large Downpour                  NA         11  News Daily
## 2          Large Downpour                  NA          8            
## 3          Large Downpour                  NA         11            
## 4         Medium Downpour                  NA          1            
##                                                                                                source_link
## 1                                           http://www.newsdaily.com/stories/tre6151we-us-mexico-mudslide/
## 2                                                   http://www.alertnet.org/thenews/newsdesk/N21168920.htm
## 3 http://www.trt.net.tr/trtinternational/en/newsDetail.aspx?HaberKodu=dc2169ea-80de-437d-a57a-eb11725c40e5
## 4                                                   http://www.alertnet.org/thenews/newsdesk/N26335664.htm
##        prop     ypos
## 1 50.486192 25.24310
## 2 12.145979 56.55918
## 3  7.630865 66.44760
## 4 29.736964 85.13152
knitr::kable(head(df_me))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
1477 2/4/10 22:00 NA Mexico MX México 2968 Zacazonapan 4.40801 Above road 19.1927 -99.8654 (19.192699999999999, -99.865399999999994) Landslide Mudslide Large Downpour NA 11 News Daily http://www.newsdaily.com/stories/tre6151we-us-mexico-mudslide/ 50.486192 25.24310
2474 9/20/10 Late night NA Mexico MX México 9267 Villa Guerrero 1.06048 18.9642 -99.6511 (18.964200000000002, -99.6511) Landslide Landslide Large Downpour NA 8 http://www.alertnet.org/thenews/newsdesk/N21168920.htm 12.145979 56.55918
1469 2/5/10 NA Mexico MX México 505881 Toluca 0.66626 19.2880 -99.6469 (19.288, -99.646900000000002) Landslide Landslide Large Downpour NA 11 http://www.trt.net.tr/trtinternational/en/newsDetail.aspx?HaberKodu=dc2169ea-80de-437d-a57a-eb11725c40e5 7.630865 66.44760
744 8/25/08 NA Mexico MX México 7182 San Francisco Chimalpa 2.59637 19.4360 -99.3650 (19.436, -99.364999999999995) Landslide Mudslide Medium Downpour NA 1 http://www.alertnet.org/thenews/newsdesk/N26335664.htm 29.736964 85.13152 
stem(df_me$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 7
##   1 | 1
##   2 | 6
##   3 | 
##   4 | 4
stem(df_me$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   0 | 7
##   1 | 1
##   1 | 
##   2 | 
##   2 | 6
##   3 | 
##   3 | 
##   4 | 4

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_me$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
4.40801
1.06048
0.66626
2.59637 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.66626 1 25 25 25 25
1.06048 1 25 25 50 50
2.59637 1 25 25 75 75
4.40801 1 25 25 100 100
Total 4 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  5 obs. of  5 variables:
##  $ n      : num  1 1 1 1 4
##  $ %      : num  25 25 25 25 100
##  $ val%   : num  25 25 25 25 100
##  $ %cum   : num  25 50 75 100 100
##  $ val%cum: num  25 50 75 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_me <- data.frame(x = names, y = freqs)
knitr::kable(df_me)
x y
0.66626 1
1.06048 1
2.59637 1
4.40801 1 
library(ggplot2)
ggplot(data=df_me, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 0.66626 2.66626 4.66626
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.66626 1 0.25 1
1.06048 1 0.25 2
2.59637 1 0.25 3
4.40801 1 0.25 4 
str(Freq_table)
## 'data.frame':    4 obs. of  4 variables:
##  $ Distance: Factor w/ 4 levels "0.66626","1.06048",..: 1 2 3 4
##  $ Freq    : int  1 1 1 1
##  $ Rel_Freq: num  0.25 0.25 0.25 0.25
##  $ Cum_Freq: int  1 2 3 4
df_me <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_me)
x y
0.66626 1
1.06048 1
2.59637 1
4.40801 1 
library(ggplot2)

ggplot(data=df_me, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_me$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_me)
##           x y
## nbr.val  NA 4
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 4
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

The Federal District

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_tfd <- subset (df, State == "The Federal District")
df_tfd %>% 
  select(Country, State, City, Distance) 
##     Country                State                City Distance
## 177  Mexico The Federal District         Mexico City  0.15208
## 210  Mexico The Federal District Magdalena Contreras  3.49173
## 401  Mexico The Federal District         Mexico City  0.15208

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_tfd, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="red")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_tfd, aes(fill=City, x="The Federal District", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_tfd, aes(fill=City, x="The Federal District", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_tfd, aes(x = "The Federal District", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_tfd <- df_tfd %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_tfd$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_tfd, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_tfd$Distance
names(Distance) <- df_tfd$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                      
## Pareto chart analysis for Distance
##                        Frequency  Cum.Freq. Percentage Cum.Percent.
##   Magdalena Contreras   3.491730   3.491730  91.987123    91.987123
##   Mexico City           0.152080   3.643810   4.006439    95.993561
##   Mexico City           0.152080   3.795890   4.006439   100.000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_tfd$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 22
##   1 | 
##   2 | 
##   3 | 5
head(df_tfd)
##     id    date time continent_code Country country_code                State
## 1  975 1/22/09                <NA>  Mexico           MX The Federal District
## 2 2191  8/2/10                <NA>  Mexico           MX The Federal District
## 3 1167 9/15/09                <NA>  Mexico           MX The Federal District
##   population                City Distance location_description latitude
## 1   12294193         Mexico City  0.15208                       19.4271
## 2   12294193         Mexico City  0.15208                       19.4270
## 3     228927 Magdalena Contreras  3.49173                       19.3161
##   longitude                               geolocation hazard_type
## 1  -99.1276 (19.427099999999999, -99.127600000000001)   Landslide
## 2  -99.1276             (19.427, -99.127600000000001)   Landslide
## 3  -99.2398 (19.316099999999999, -99.239800000000002)   Landslide
##   landslide_type landslide_size      trigger storm_name injuries fatalities
## 1      Landslide         Medium     Downpour                  NA          2
## 2       Mudslide         Medium Construction                  NA          2
## 3       Mudslide         Medium     Downpour                  NA          3
##   source_name
## 1            
## 2            
## 3            
##                                                                source_link
## 1                                                                         
## 2                                                                         
## 3 http://edition.cnn.com/2009/WORLD/americas/09/16/mexico.mudslide.deaths/
##        prop      ypos
## 1  4.006439  2.003219
## 2  4.006439  6.009658
## 3 91.987123 54.006439
knitr::kable(head(df_tfd))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
975 1/22/09 NA Mexico MX The Federal District 12294193 Mexico City 0.15208 19.4271 -99.1276 (19.427099999999999, -99.127600000000001) Landslide Landslide Medium Downpour NA 2 4.006438 2.003219
2191 8/2/10 NA Mexico MX The Federal District 12294193 Mexico City 0.15208 19.4270 -99.1276 (19.427, -99.127600000000001) Landslide Mudslide Medium Construction NA 2 4.006438 6.009658
1167 9/15/09 NA Mexico MX The Federal District 228927 Magdalena Contreras 3.49173 19.3161 -99.2398 (19.316099999999999, -99.239800000000002) Landslide Mudslide Medium Downpour NA 3 http://edition.cnn.com/2009/WORLD/americas/09/16/mexico.mudslide.deaths/ 91.987123 54.006439 
stem(df_tfd$"Distance")
## 
##   The decimal point is at the |
## 
##   0 | 22
##   1 | 
##   2 | 
##   3 | 5
stem(df_tfd$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   0 | 22
##   0 | 
##   1 | 
##   1 | 
##   2 | 
##   2 | 
##   3 | 
##   3 | 5

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_tfd$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
0.15208
0.15208
3.49173 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.15208 2 66.7 66.7 66.7 66.7
3.49173 1 33.3 33.3 100.0 100.0
Total 3 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  3 obs. of  5 variables:
##  $ n      : num  2 1 3
##  $ %      : num  66.7 33.3 100
##  $ val%   : num  66.7 33.3 100
##  $ %cum   : num  66.7 100 100
##  $ val%cum: num  66.7 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_tfd <- data.frame(x = names, y = freqs)
knitr::kable(df_tfd)
x y
0.15208 2
3.49173 1 
library(ggplot2)
ggplot(data=df_tfd, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 0.15208 2.15208 4.15208
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.15208 2 0.6666667 2
3.49173 1 0.3333333 3 
str(Freq_table)
## 'data.frame':    2 obs. of  4 variables:
##  $ Distance: Factor w/ 2 levels "0.15208","3.49173": 1 2
##  $ Freq    : int  2 1
##  $ Rel_Freq: num  0.667 0.333
##  $ Cum_Freq: int  2 3
df_tfd <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_tfd)
x y
0.15208 2
3.49173 1 
library(ggplot2)

ggplot(data=df_tfd, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_tfd$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_tfd)
##           x         y
## nbr.val  NA 2.0000000
## nbr.null NA 0.0000000
## nbr.na   NA 0.0000000
## min      NA 1.0000000
## max      NA 2.0000000
## range    NA 1.0000000
## sum      NA 3.0000000
## median   NA 1.5000000
## mean     NA 1.5000000
## SE.mean  NA 0.5000000
## CI.mean  NA 6.3531024
## var      NA 0.5000000
## std.dev  NA 0.7071068
## coef.var NA 0.4714045

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico- Michoacán

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_mh <- subset (df, State == "Michoacán")
df_mh %>% 
  select(Country, State, City, Distance) 
##     Country     State                 City Distance
## 256  Mexico Michoacán    Heroica Zitácuaro  4.18059
## 257  Mexico Michoacán            Jarácuaro  3.42740
## 258  Mexico Michoacán Mineral de Angangueo  1.69508
## 801  Mexico Michoacán            Jarácuaro  3.36905

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_mh, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="green")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_mh, aes(fill=City, x="Michoacán", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_mh, aes(fill=City, x="Michoacán", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_mh, aes(x = "Michoacán", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_mh <- df_mh %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_mh$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_mh, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_mh$Distance
names(Distance) <- df_mh$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                       
## Pareto chart analysis for Distance
##                        Frequency Cum.Freq. Percentage Cum.Percent.
##   Heroica Zitácuaro      4.18059   4.18059   32.99045     32.99045
##   Jarácuaro              3.42740   7.60799   27.04678     60.03723
##   Jarácuaro              3.36905  10.97704   26.58632     86.62355
##   Mineral de Angangueo   1.69508  12.67212   13.37645    100.00000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_mh$"Distance")
## 
##   The decimal point is at the |
## 
##   1 | 7
##   2 | 
##   2 | 
##   3 | 44
##   3 | 
##   4 | 2
head(df_mh)
##     id    date time continent_code Country country_code     State population
## 1 1472  2/5/10                <NA>  Mexico           MX Michoacán       4943
## 2 1471  2/5/10                <NA>  Mexico           MX Michoacán       2817
## 3 3835 7/22/11                <NA>  Mexico           MX Michoacán       2817
## 4 1470  2/5/10                <NA>  Mexico           MX Michoacán      78950
##                   City Distance location_description latitude longitude
## 1 Mineral de Angangueo  1.69508                       19.6167 -100.3000
## 2            Jarácuaro  3.42740                       19.5670 -101.7098
## 3            Jarácuaro  3.36905                       19.5805 -101.7023
## 4    Heroica Zitácuaro  4.18059                       19.4000 -100.3667
##                                 geolocation hazard_type landslide_type
## 1              (19.616700000000002, -100.3)   Landslide       Mudslide
## 2                       (19.567, -101.7098)   Landslide       Mudslide
## 3 (19.580500000000001, -101.70229999999999)   Landslide      Landslide
## 4 (19.399999999999999, -100.36669999999999)   Landslide       Mudslide
##   landslide_size          trigger     storm_name injuries fatalities
## 1         Medium         Downpour                      NA          3
## 2         Medium         Downpour                      NA          1
## 3         Medium Tropical cyclone Hurricane Dora       NA          0
## 4         Medium         Downpour                      NA          2
##   source_name
## 1            
## 2            
## 3            
## 4            
##                                                                         source_link
## 1                                http://www.aajtv.com/news/World/158635_detail.html
## 2 http://www.sott.net/articles/show/202533-Mexico-rainstorms-leave-at-least-15-dead
## 3                                                                                  
## 4 http://www.sott.net/articles/show/202533-Mexico-rainstorms-leave-at-least-15-dead
##       prop      ypos
## 1 13.37645  6.688226
## 2 27.04678 26.899840
## 3 26.58632 53.716387
## 4 32.99045 83.504773
knitr::kable(head(df_mh))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
1472 2/5/10 NA Mexico MX Michoacán 4943 Mineral de Angangueo 1.69508 19.6167 -100.3000 (19.616700000000002, -100.3) Landslide Mudslide Medium Downpour NA 3 http://www.aajtv.com/news/World/158635_detail.html 13.37645 6.688226
1471 2/5/10 NA Mexico MX Michoacán 2817 Jarácuaro 3.42740 19.5670 -101.7098 (19.567, -101.7098) Landslide Mudslide Medium Downpour NA 1 http://www.sott.net/articles/show/202533-Mexico-rainstorms-leave-at-least-15-dead 27.04678 26.899840
3835 7/22/11 NA Mexico MX Michoacán 2817 Jarácuaro 3.36905 19.5805 -101.7023 (19.580500000000001, -101.70229999999999) Landslide Landslide Medium Tropical cyclone Hurricane Dora NA 0 26.58632 53.716387
1470 2/5/10 NA Mexico MX Michoacán 78950 Heroica Zitácuaro 4.18059 19.4000 -100.3667 (19.399999999999999, -100.36669999999999) Landslide Mudslide Medium Downpour NA 2 http://www.sott.net/articles/show/202533-Mexico-rainstorms-leave-at-least-15-dead 32.99045 83.504773 
stem(df_mh$"Distance")
## 
##   The decimal point is at the |
## 
##   1 | 7
##   2 | 
##   2 | 
##   3 | 44
##   3 | 
##   4 | 2
stem(df_mh$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   1 | 7
##   2 | 
##   2 | 
##   3 | 44
##   3 | 
##   4 | 2

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_mh$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
1.69508
3.42740
3.36905
4.18059 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
1.69508 1 25 25 25 25
3.36905 1 25 25 50 50
3.4274 1 25 25 75 75
4.18059 1 25 25 100 100
Total 4 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  5 obs. of  5 variables:
##  $ n      : num  1 1 1 1 4
##  $ %      : num  25 25 25 25 100
##  $ val%   : num  25 25 25 25 100
##  $ %cum   : num  25 50 75 100 100
##  $ val%cum: num  25 50 75 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_mh <- data.frame(x = names, y = freqs)
knitr::kable(df_mh)
x y
1.69508 1
3.36905 1
3.4274 1
4.18059 1 
library(ggplot2)
ggplot(data=df_mh, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 1.69508 2.69508 3.69508 4.69508
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
1.69508 1 0.25 1
3.36905 1 0.25 2
3.4274 1 0.25 3
4.18059 1 0.25 4 
str(Freq_table)
## 'data.frame':    4 obs. of  4 variables:
##  $ Distance: Factor w/ 4 levels "1.69508","3.36905",..: 1 2 3 4
##  $ Freq    : int  1 1 1 1
##  $ Rel_Freq: num  0.25 0.25 0.25 0.25
##  $ Cum_Freq: int  1 2 3 4
df_mh <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_mh)
x y
1.69508 1
3.36905 1
3.4274 1
4.18059 1 
library(ggplot2)

ggplot(data=df_mh, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_mh$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_mh)
##           x y
## nbr.val  NA 4
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 4
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Oaxaca

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_oa <- subset (df, State == "Oaxaca")
df_oa %>% 
  select(Country, State, City, Distance) 
##      Country  State                     City Distance
## 422   Mexico Oaxaca         Santiago Choapam 16.16369
## 423   Mexico Oaxaca  Santa María la Asunción  0.63550
## 457   Mexico Oaxaca Santo Domingo Tepuxtepec 15.74984
## 467   Mexico Oaxaca      Tanetze de Zaragoza 24.67589
## 787   Mexico Oaxaca              Salina Cruz  0.78340
## 788   Mexico Oaxaca       San José Chiltepec  0.28905
## 789   Mexico Oaxaca     Paso Real de Sarabia  9.56829
## 890   Mexico Oaxaca                   Oaxaca  3.64682
## 1147  Mexico Oaxaca      San Andrés Huayapam 11.83490

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_oa, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="green")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_oa, aes(fill=City, x="Oaxaca", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_oa, aes(fill=City, x="Oaxaca", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_oa, aes(x = "Oaxaca", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_oa <- df_oa %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_oa$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_oa, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_oa$Distance
names(Distance) <- df_oa$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                           
## Pareto chart analysis for Distance
##                              Frequency   Cum.Freq.  Percentage Cum.Percent.
##   Tanetze de Zaragoza       24.6758900  24.6758900  29.6060776   29.6060776
##   Santiago Choapam          16.1636900  40.8395800  19.3931591   48.9992367
##   Santo Domingo Tepuxtepec  15.7498400  56.5894200  18.8966228   67.8958595
##   San Andrés Huayapam       11.8349000  68.4243200  14.1994865   82.0953460
##   Paso Real de Sarabia       9.5682900  77.9926100  11.4800129   93.5753589
##   Oaxaca                     3.6468200  81.6394300   4.3754465   97.9508054
##   Salina Cruz                0.7834000  82.4228300   0.9399216   98.8907270
##   Santa María la Asunción    0.6355000  83.0583300   0.7624715   99.6531985
##   San José Chiltepec         0.2890500  83.3473800   0.3468015  100.0000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_oa$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 0114
##   0 | 
##   1 | 02
##   1 | 66
##   2 | 
##   2 | 5
head(df_oa)
##     id    date    time continent_code Country country_code  State population
## 1 2524 9/30/10 Morning           <NA>  Mexico           MX Oaxaca       1096
## 2 2514 9/28/10 4:00:00           <NA>  Mexico           MX Oaxaca       1813
## 3 2321 8/24/10 Morning           <NA>  Mexico           MX Oaxaca       1099
## 4 2322 8/24/10 Morning           <NA>  Mexico           MX Oaxaca       1701
## 5 3796 7/17/11                   <NA>  Mexico           MX Oaxaca       3294
## 6 5526 9/14/13                   <NA>  Mexico           MX Oaxaca       3630
##                       City Distance location_description latitude longitude
## 1      Tanetze de Zaragoza 24.67589                       17.1833  -96.1833
## 2 Santo Domingo Tepuxtepec 15.74984                       17.0977  -96.0625
## 3         Santiago Choapam 16.16369                       17.2568  -96.0289
## 4  Santa María la Asunción  0.63550                       18.1060  -96.8133
## 5       San José Chiltepec  0.28905                       17.9484  -96.1674
## 6      San Andrés Huayapam 11.83490                       17.1933  -96.6045
##                                 geolocation hazard_type landslide_type
## 1 (17.183299999999999, -96.183300000000003)   Landslide       Mudslide
## 2                       (17.0977, -96.0625)   Landslide       Mudslide
## 3 (17.256799999999998, -96.028899999999993)   Landslide       Mudslide
## 4 (18.106000000000002, -96.813299999999998)   Landslide       Mudslide
## 5 (17.948399999999999, -96.167400000000001)   Landslide       Mudslide
## 6 (17.193300000000001, -96.604500000000002)   Landslide      Landslide
##   landslide_size          trigger                                storm_name
## 1         Medium Tropical cyclone Hurricane Karl and Tropical Storm Matthew
## 2         Medium Tropical cyclone Hurricane Karl and Tropical Storm Matthew
## 3         Medium Tropical cyclone                           Hurricane Frank
## 4         Medium Tropical cyclone                           Hurricane Frank
## 5         Medium         Downpour                                          
## 6     Very_large Tropical cyclone                                    Ingrid
##   injuries fatalities          source_name
## 1       NA          2                     
## 2       NA         11                     
## 3       NA          2                     
## 4       NA          2                     
## 5       NA          0                     
## 6       NA          1 www.recordonline.com
##                                                                                                         source_link
## 1 http://technews.tmcnet.com/topics/associated-press/articles/106209-death-toll-southern-mexico-mudslides-up-32.htm
## 2 http://technews.tmcnet.com/topics/associated-press/articles/106209-death-toll-southern-mexico-mudslides-up-32.htm
## 3                                                                                                                  
## 4                                                                                                                  
## 5                 http://www.thenews.com.pk/NewsDetail.aspx?ID=18895&title=Intense-rains-in-Mexico-affect-thousands
## 6                         http://www.recordonline.com/apps/pbcs.dll/article?AID=/20130915/NEWS/130919814/-1/SITEMAP
##         prop     ypos
## 1 29.6060776 14.80304
## 2 18.8966228 39.05439
## 3 19.3931591 58.19928
## 4  0.7624715 68.27710
## 5  0.3468015 68.83173
## 6 14.1994865 76.10488
knitr::kable(head(df_oa))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
2524 9/30/10 Morning NA Mexico MX Oaxaca 1096 Tanetze de Zaragoza 24.67589 17.1833 -96.1833 (17.183299999999999, -96.183300000000003) Landslide Mudslide Medium Tropical cyclone Hurricane Karl and Tropical Storm Matthew NA 2 http://technews.tmcnet.com/topics/associated-press/articles/106209-death-toll-southern-mexico-mudslides-up-32.htm 29.6060776 14.80304
2514 9/28/10 4:00:00 NA Mexico MX Oaxaca 1813 Santo Domingo Tepuxtepec 15.74984 17.0977 -96.0625 (17.0977, -96.0625) Landslide Mudslide Medium Tropical cyclone Hurricane Karl and Tropical Storm Matthew NA 11 http://technews.tmcnet.com/topics/associated-press/articles/106209-death-toll-southern-mexico-mudslides-up-32.htm 18.8966228 39.05439
2321 8/24/10 Morning NA Mexico MX Oaxaca 1099 Santiago Choapam 16.16369 17.2568 -96.0289 (17.256799999999998, -96.028899999999993) Landslide Mudslide Medium Tropical cyclone Hurricane Frank NA 2 19.3931591 58.19928
2322 8/24/10 Morning NA Mexico MX Oaxaca 1701 Santa María la Asunción 0.63550 18.1060 -96.8133 (18.106000000000002, -96.813299999999998) Landslide Mudslide Medium Tropical cyclone Hurricane Frank NA 2 0.7624715 68.27710
3796 7/17/11 NA Mexico MX Oaxaca 3294 San José Chiltepec 0.28905 17.9484 -96.1674 (17.948399999999999, -96.167400000000001) Landslide Mudslide Medium Downpour NA 0 http://www.thenews.com.pk/NewsDetail.aspx?ID=18895&title=Intense-rains-in-Mexico-affect-thousands 0.3468015 68.83173
5526 9/14/13 NA Mexico MX Oaxaca 3630 San Andrés Huayapam 11.83490 17.1933 -96.6045 (17.193300000000001, -96.604500000000002) Landslide Landslide Very_large Tropical cyclone Ingrid NA 1 www.recordonline.com http://www.recordonline.com/apps/pbcs.dll/article?AID=/20130915/NEWS/130919814/-1/SITEMAP 14.1994865 76.10488 
stem(df_oa$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 0114
##   0 | 
##   1 | 02
##   1 | 66
##   2 | 
##   2 | 5
stem(df_oa$"Distance", scale = 2)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 0114
##   0 | 
##   1 | 02
##   1 | 66
##   2 | 
##   2 | 5

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_oa$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
24.67589
15.74984
16.16369
0.63550
0.28905
11.83490 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.28905 1 11.1 11.1 11.1 11.1
0.6355 1 11.1 11.1 22.2 22.2
0.7834 1 11.1 11.1 33.3 33.3
3.64682 1 11.1 11.1 44.4 44.4
9.56829 1 11.1 11.1 55.6 55.6
11.8349 1 11.1 11.1 66.7 66.7
15.74984 1 11.1 11.1 77.8 77.8
16.16369 1 11.1 11.1 88.9 88.9
24.67589 1 11.1 11.1 100.0 100.0
Total 9 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  10 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 1 9
##  $ %      : num  11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 100
##  $ val%   : num  11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 11.1 100
##  $ %cum   : num  11.1 22.2 33.3 44.4 55.6 66.7 77.8 88.9 100 100
##  $ val%cum: num  11.1 22.2 33.3 44.4 55.6 66.7 77.8 88.9 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_oa <- data.frame(x = names, y = freqs)
knitr::kable(df_oa)
x y
0.28905 1
0.6355 1
0.7834 1
3.64682 1
9.56829 1
11.8349 1
15.74984 1
16.16369 1
24.67589 1 
library(ggplot2)
ggplot(data=df_oa, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.28905  5.28905 10.28905 15.28905 20.28905 25.28905
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.28905 1 0.1111111 1
0.6355 1 0.1111111 2
0.7834 1 0.1111111 3
3.64682 1 0.1111111 4
9.56829 1 0.1111111 5
11.8349 1 0.1111111 6
15.74984 1 0.1111111 7
16.16369 1 0.1111111 8
24.67589 1 0.1111111 9 
str(Freq_table)
## 'data.frame':    9 obs. of  4 variables:
##  $ Distance: Factor w/ 9 levels "0.28905","0.6355",..: 1 2 3 4 5 6 7 8 9
##  $ Freq    : int  1 1 1 1 1 1 1 1 1
##  $ Rel_Freq: num  0.111 0.111 0.111 0.111 0.111 ...
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8 9
df_oa <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_oa)
x y
0.28905 1
0.6355 1
0.7834 1
3.64682 1
9.56829 1
11.8349 1
15.74984 1
16.16369 1
24.67589 1 
library(ggplot2)

ggplot(data=df_oa, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_oa$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_oa)
##           x y
## nbr.val  NA 9
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 9
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Nayarit

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_ny <- subset (df, State == "Nayarit")
df_ny %>% 
  select(Country, State, City, Distance) 
##     Country   State           City Distance
## 761  Mexico Nayarit La Jarretadera 21.80060
## 802  Mexico Nayarit           Puga 19.41353

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_ny, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="green")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_ny, aes(fill=City, x="Nayarit", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_ny, aes(fill=City, x="Nayarit", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_ny, aes(x = "Nayarit", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_ny <- df_ny %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_ny$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_ny, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_ny$Distance
names(Distance) <- df_mh$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##    
## Pareto chart analysis for Distance
##     Frequency Cum.Freq. Percentage Cum.Percent.
##   B  21.80060  21.80060   52.89594     52.89594
##   A  19.41353  41.21413   47.10406    100.00000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_ny$"Distance")
## 
##   The decimal point is at the |
## 
##   19 | 4
##   19 | 
##   20 | 
##   20 | 
##   21 | 
##   21 | 8
head(df_ny)
##     id    date time continent_code Country country_code   State population
## 1 3836 7/22/11                <NA>  Mexico           MX Nayarit       6361
## 2 3639 6/22/11                <NA>  Mexico           MX Nayarit       4463
##             City Distance location_description latitude longitude
## 1           Puga 19.41353                       21.7595 -104.8334
## 2 La Jarretadera 21.80060                       21.9814 -104.8381
##                       geolocation hazard_type landslide_type landslide_size
## 1 (21.759499999999999, -104.8334)   Landslide      Landslide         Medium
## 2 (21.981400000000001, -104.8381)   Landslide      Landslide         Medium
##            trigger        storm_name injuries fatalities source_name
## 1 Tropical cyclone    Hurricane Dora       NA          0            
## 2 Tropical cyclone Hurricane Beatriz       NA          0            
##                                                                                                source_link
## 1                                                                                                         
## 2 http://channel6newsonline.com/2011/06/missing-teen-found-dead-after-beatriz-slams-mexicos-pacific-coast/
##       prop     ypos
## 1 47.10406 23.55203
## 2 52.89594 73.55203
knitr::kable(head(df_ny))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
3836 7/22/11 NA Mexico MX Nayarit 6361 Puga 19.41353 21.7595 -104.8334 (21.759499999999999, -104.8334) Landslide Landslide Medium Tropical cyclone Hurricane Dora NA 0 47.10406 23.55203
3639 6/22/11 NA Mexico MX Nayarit 4463 La Jarretadera 21.80060 21.9814 -104.8381 (21.981400000000001, -104.8381) Landslide Landslide Medium Tropical cyclone Hurricane Beatriz NA 0 http://channel6newsonline.com/2011/06/missing-teen-found-dead-after-beatriz-slams-mexicos-pacific-coast/ 52.89594 73.55203 
stem(df_ny$"Distance")
## 
##   The decimal point is at the |
## 
##   19 | 4
##   19 | 
##   20 | 
##   20 | 
##   21 | 
##   21 | 8
stem(df_ny$"Distance", scale = 2)
## 
##   The decimal point is at the |
## 
##   19 | 4
##   19 | 
##   20 | 
##   20 | 
##   21 | 
##   21 | 8

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_ny$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
19.41353
21.80060 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
19.41353 1 50 50 50 50
21.8006 1 50 50 100 100
Total 2 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  3 obs. of  5 variables:
##  $ n      : num  1 1 2
##  $ %      : num  50 50 100
##  $ val%   : num  50 50 100
##  $ %cum   : num  50 100 100
##  $ val%cum: num  50 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_ny <- data.frame(x = names, y = freqs)
knitr::kable(df_ny)
x y
19.41353 1
21.8006 1 
library(ggplot2)
ggplot(data=df_ny, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 19.41353 21.41353 23.41353
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
19.41353 1 0.5 1
21.8006 1 0.5 2 
str(Freq_table)
## 'data.frame':    2 obs. of  4 variables:
##  $ Distance: Factor w/ 2 levels "19.41353","21.8006": 1 2
##  $ Freq    : int  1 1
##  $ Rel_Freq: num  0.5 0.5
##  $ Cum_Freq: int  1 2
df_ny <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_ny)
x y
19.41353 1
21.8006 1 
library(ggplot2)

ggplot(data=df_ny, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_ny$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_ny)
##           x y
## nbr.val  NA 2
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 2
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Guerrero

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_gr <- subset (df, State == "Guerrero")
df_gr %>% 
  select(Country, State, City, Distance) 
##      Country    State                       City Distance
## 800   Mexico Guerrero Chilpancingo de los Bravos  6.80950
## 1151  Mexico Guerrero                   Acapulco  0.90692
## 1153  Mexico Guerrero          Atoyac de Álvarez 32.12708
## 1154  Mexico Guerrero          San Pablo Atzompa 14.04274
## 1159  Mexico Guerrero Chilpancingo de los Bravos  0.88149
## 1298  Mexico Guerrero           Colonia Alborada  4.10830
## 1621  Mexico Guerrero         Acapulco de Juárez  7.07138
## 1635  Mexico Guerrero                   Pochutla 12.33417

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_gr, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="green")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_gr, aes(fill=City, x="Guerrero", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_gr, aes(fill=City, x="Guerrero", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_gr, aes(x = "Guerrero", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_gr <- df_gr %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_gr$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_gr, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_gr$Distance
names(Distance) <- df_gr$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##                             
## Pareto chart analysis for Distance
##                               Frequency  Cum.Freq. Percentage Cum.Percent.
##   Atoyac de Álvarez           32.127080  32.127080  41.040408    41.040408
##   San Pablo Atzompa           14.042740  46.169820  17.938754    58.979162
##   Pochutla                    12.334170  58.503990  15.756159    74.735321
##   Acapulco de Juárez           7.071380  65.575370   9.033262    83.768583
##   Chilpancingo de los Bravos   6.809500  72.384870   8.698726    92.467308
##   Colonia Alborada             4.108300  76.493170   5.248106    97.715414
##   Acapulco                     0.906920  77.400090   1.158536    98.873950
##   Chilpancingo de los Bravos   0.881490  78.281580   1.126050   100.000000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_gr$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 11477
##   1 | 24
##   2 | 
##   3 | 2
head(df_gr)
##     id     date  time continent_code Country country_code    State population
## 1 5538  9/16/13                 <NA>  Mexico           MX Guerrero       1252
## 2 7479  10/3/15 Night           <NA>  Mexico           MX Guerrero       1201
## 3 6269 10/18/14                 <NA>  Mexico           MX Guerrero       1018
## 4 3834  7/22/11                 <NA>  Mexico           MX Guerrero     165250
## 5 5543  9/16/13                 <NA>  Mexico           MX Guerrero     165250
## 6 5534  9/16/13 15:30           <NA>  Mexico           MX Guerrero      21407
##                         City Distance location_description latitude longitude
## 1          San Pablo Atzompa 14.04274                       17.2250  -98.5000
## 2                   Pochutla 12.33417              Unknown  17.5586  -98.9483
## 3           Colonia Alborada  4.10830           Above road  16.8850  -99.8562
## 4 Chilpancingo de los Bravos  6.80950                       17.4974  -99.5380
## 5 Chilpancingo de los Bravos  0.88149                       17.5482  -99.5137
## 6          Atoyac de Álvarez 32.12708     Deforested slope  17.3461 -100.1681
##                                 geolocation hazard_type landslide_type
## 1               (17.225000000000001, -98.5)   Landslide      Landslide
## 2 (17.558599999999998, -98.948300000000003)   Landslide      Landslide
## 3 (16.885000000000002, -99.856200000000001)   Landslide      Landslide
## 4 (17.497399999999999, -99.537999999999997)   Landslide      Landslide
## 5            (17.548200000000001, -99.5137)   Landslide       Mudslide
## 6                      (17.3461, -100.1681)   Landslide       Mudslide
##   landslide_size          trigger     storm_name injuries fatalities
## 1         Medium         Downpour                      NA          0
## 2         Medium Tropical cyclone          Marty        0          0
## 3          Small Tropical cyclone          Trudy        0          0
## 4         Medium Tropical cyclone Hurricane Dora       NA          0
## 5         Medium Tropical cyclone         Ingrid       NA          4
## 6         Medium Tropical cyclone         Manuel        4         71
##                  source_name
## 1      america.aljazeera.com
## 2                     Tiempo
## 3 Thomson Reuters Foundation
## 4                           
## 5     www.washingtonpost.com
## 6                  Vice News
##                                                                                                                                        source_link
## 1                                   http://america.aljazeera.com/articles/2013/11/19/after-landslide-poorestofthepoorleftoutinthecoldinmexico.html
## 2                                   http://www.tiempoenlinea.com.mx/index.php/oaxaca-2/52715-deslave-afecta-62-viviendas-en-la-montana-de-guerrero
## 3                                                                                                  http://www.trust.org/item/20141018173449-r3rca/
## 4                                                                                                                                                 
## 5 http://www.washingtonpost.com/world/two-storms-batter-mexico-killing-dozens/2013/09/17/5cd3d81e-1f8e-11e3-b7d1-7153ad47b549_gallery.html#photo=6
## 6                                             https://news.vice.com/article/a-mexican-town-mourns-its-missing-one-year-after-being-engulfed-by-mud
##        prop      ypos
## 1 17.938754  8.969377
## 2 15.756159 25.816833
## 3  5.248106 36.318965
## 4  8.698726 43.292381
## 5  1.126050 48.204769
## 6 41.040408 69.287999
knitr::kable(head(df_gr))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
5538 9/16/13 NA Mexico MX Guerrero 1252 San Pablo Atzompa 14.04274 17.2250 -98.5000 (17.225000000000001, -98.5) Landslide Landslide Medium Downpour NA 0 america.aljazeera.com http://america.aljazeera.com/articles/2013/11/19/after-landslide-poorestofthepoorleftoutinthecoldinmexico.html 17.938754 8.969377
7479 10/3/15 Night NA Mexico MX Guerrero 1201 Pochutla 12.33417 Unknown 17.5586 -98.9483 (17.558599999999998, -98.948300000000003) Landslide Landslide Medium Tropical cyclone Marty 0 0 Tiempo http://www.tiempoenlinea.com.mx/index.php/oaxaca-2/52715-deslave-afecta-62-viviendas-en-la-montana-de-guerrero 15.756159 25.816833
6269 10/18/14 NA Mexico MX Guerrero 1018 Colonia Alborada 4.10830 Above road 16.8850 -99.8562 (16.885000000000002, -99.856200000000001) Landslide Landslide Small Tropical cyclone Trudy 0 0 Thomson Reuters Foundation http://www.trust.org/item/20141018173449-r3rca/ 5.248106 36.318965
3834 7/22/11 NA Mexico MX Guerrero 165250 Chilpancingo de los Bravos 6.80950 17.4974 -99.5380 (17.497399999999999, -99.537999999999997) Landslide Landslide Medium Tropical cyclone Hurricane Dora NA 0 8.698726 43.292381
5543 9/16/13 NA Mexico MX Guerrero 165250 Chilpancingo de los Bravos 0.88149 17.5482 -99.5137 (17.548200000000001, -99.5137) Landslide Mudslide Medium Tropical cyclone Ingrid NA 4 www.washingtonpost.com http://www.washingtonpost.com/world/two-storms-batter-mexico-killing-dozens/2013/09/17/5cd3d81e-1f8e-11e3-b7d1-7153ad47b549_gallery.html#photo=6 1.126050 48.204769
5534 9/16/13 15:30 NA Mexico MX Guerrero 21407 Atoyac de Álvarez 32.12708 Deforested slope 17.3461 -100.1681 (17.3461, -100.1681) Landslide Mudslide Medium Tropical cyclone Manuel 4 71 Vice News https://news.vice.com/article/a-mexican-town-mourns-its-missing-one-year-after-being-engulfed-by-mud 41.040408 69.287999 
stem(df_gr$"Distance")
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 11477
##   1 | 24
##   2 | 
##   3 | 2
stem(df_gr$"Distance", scale = 2)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 114
##   0 | 77
##   1 | 24
##   1 | 
##   2 | 
##   2 | 
##   3 | 2

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_gr$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
14.04274
12.33417
4.10830
6.80950
0.88149
32.12708 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
0.88149 1 12.5 12.5 12.5 12.5
0.90692 1 12.5 12.5 25.0 25.0
4.1083 1 12.5 12.5 37.5 37.5
6.8095 1 12.5 12.5 50.0 50.0
7.07138 1 12.5 12.5 62.5 62.5
12.33417 1 12.5 12.5 75.0 75.0
14.04274 1 12.5 12.5 87.5 87.5
32.12708 1 12.5 12.5 100.0 100.0
Total 8 100.0 100.0 100.0 100.0 
str(table) 
## Classes 'freqtab' and 'data.frame':  9 obs. of  5 variables:
##  $ n      : num  1 1 1 1 1 1 1 1 8
##  $ %      : num  12.5 12.5 12.5 12.5 12.5 12.5 12.5 12.5 100
##  $ val%   : num  12.5 12.5 12.5 12.5 12.5 12.5 12.5 12.5 100
##  $ %cum   : num  12.5 25 37.5 50 62.5 75 87.5 100 100
##  $ val%cum: num  12.5 25 37.5 50 62.5 75 87.5 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_gr <- data.frame(x = names, y = freqs)
knitr::kable(df_gr)
x y
0.88149 1
0.90692 1
4.1083 1
6.8095 1
7.07138 1
12.33417 1
14.04274 1
32.12708 1 
library(ggplot2)
ggplot(data=df_gr, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1]  0.88149  8.88149 16.88149 24.88149 32.88149
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
0.88149 1 0.125 1
0.90692 1 0.125 2
4.1083 1 0.125 3
6.8095 1 0.125 4
7.07138 1 0.125 5
12.33417 1 0.125 6
14.04274 1 0.125 7
32.12708 1 0.125 8 
str(Freq_table)
## 'data.frame':    8 obs. of  4 variables:
##  $ Distance: Factor w/ 8 levels "0.88149","0.90692",..: 1 2 3 4 5 6 7 8
##  $ Freq    : int  1 1 1 1 1 1 1 1
##  $ Rel_Freq: num  0.125 0.125 0.125 0.125 0.125 0.125 0.125 0.125
##  $ Cum_Freq: int  1 2 3 4 5 6 7 8
df_gr <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_gr)
x y
0.88149 1
0.90692 1
4.1083 1
6.8095 1
7.07138 1
12.33417 1
14.04274 1
32.12708 1 
library(ggplot2)

ggplot(data=df_gr, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_gr$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_gr)
##           x y
## nbr.val  NA 8
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 8
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Mexico-Veracruz

  • A Partir de la información filtrada de la base de datos podemos proceder a buscar el país, por medio de este filtro podemos ser más específicos en el área a estudiar, por ende podemos buscar el país → el estado de este → una ciudad dentro de este estado. Cabe resaltar que mientras sean menos datos a realizar por métodos gráficos se podrán apreciar con mayor claridad las gráficas.
library(readr)
library(knitr)
df_mx <- subset (df, Country == "Mexico")
knitr::kable(head(df_mx))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link
13 115 7/4/07 NA Mexico MX Veracruz-Llave 1947 Laguna Chica (Pueblo Nuevo) 9.51003 18.5369 -96.8229 (18.536899999999999, -96.822900000000004) Landslide Landslide Medium Rain NA 7 nytimes.com http://www.nytimes.com/2007/07/04/world/americas/04cnd-mexico.html?_r=1&hp&oref=slogin
29 201 8/23/07 NA Mexico MX Puebla 1414 Xochitlaxco (San Baltazar) 1.68294 19.9333 -97.8500 (19.933299999999999, -97.85) Landslide Mudslide Medium Tropical cyclone Hurricane Dean NA 6 Inquirer.com http://newsinfo.inquirer.net/breakingnews/world/view_article.php?article_id=84452
31 225 9/2/07 NA Mexico MX Sinaloa 3191 El Limón de los Ramos 10.88351 24.9531 -107.6220 (24.953099999999999, -107.622) Landslide Complex Medium Tropical cyclone Tropical Storm Henrietta NA 3
42 284 9/28/07 NA Mexico MX Puebla 3761 Xaltepuxtla 7.93258 20.2000 -97.9000 (20.2, -97.9) Landslide Mudslide Medium Tropical cyclone Hurricane Lorenzo NA 1 PressTV.ir http://www.presstv.ir/detail.aspx?id=25037&sectionid=3510207
57 342 10/31/07 NA Mexico MX Tabasco 4468 Buenavista 4.19108 17.9493 -92.5534 (17.949300000000001, -92.553399999999996) Landslide Landslide Medium Rain NA 18 CapeTimes http://www.capetimes.co.za/?fArticleId=4109453
59 346 11/4/07 NA Mexico MX Chiapas 3183 Ostuacán 3.74149 17.3900 -93.3060 (17.39, -93.305999999999997) Landslide Mudslide Very_large Rain NA 5 Reuters - AlertNet.org http://news.monstersandcritics.com/americas/news/article_1371436.php/Mudslide_is_latest_disaster_for_hard-hit_Mexico__2nd_Roundup_ 
library(readr)
library(knitr)
df_vrc <- subset (df, State == "Veracruz")
df_vrc %>% 
  select(Country, State, City, Distance) 
##      Country    State       City Distance
## 1376  Mexico Veracruz   Chocaman  1.93516
## 1601  Mexico Veracruz Cruz Verde  2.47800

Gráfico de Barras

  • Esta es una representación en dos dimensiones de la frecuencia, lo que nos permite observar con más claridad el significado de los datos tomados del área, la cual nos permite apreciar la diferencia entre los datos, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)

ggplot(data=df_vrc, aes(x= State  , y= Distance)) + geom_bar(stat="identity", color="black", fill="blue")

Gráfico de Barras Agrupado

  • Esta es una forma de resumir un conjunto de datos por categorías. Muestra los datos usando varias barras de la misma anchura, se forman escaleras con las barras que permiten apreciar las distancias mayores y menores.
library(ggplot2)
library(dplyr)
ggplot(data=df_vrc, aes(fill=City, x="Veracruz", y=Distance)) +
  geom_bar(position="dodge", stat="identity", color="black")

Gráfico de Barras Apilado

  • Estos muestran el tamaño relativo (como recuento, porcentaje u otra variable numérica) de una variable de categorías, subdividida por colores en función de un subgrupo.
library(ggplot2)
library(dplyr)
ggplot(data=df_vrc, aes(fill=City, x="Veracruz", y=Distance)) +
  geom_bar(position="stack", stat="identity", color="black")

Gráfico Circular

  • Esta sirve para representar variables cualitativas o discretas. Se utiliza para representar la proporción de elementos de cada uno de los valores de la muestra de datos en sectores fáciles de entender. Cada sector representa una categoría de datos y el tamaño es proporcional a la cantidad que representa.
library(ggplot2)
library(dplyr)

ggplot(data=df_vrc, aes(x = "Veracruz", y = Distance , fill=City)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0)

library(ggplot2)
library(dplyr)

df_vrc <- df_vrc %>% 
  arrange(desc(City)) %>%
  mutate(prop = Distance / sum(df_vrc$Distance) *100) %>%
  mutate(ypos = cumsum(prop)- 0.5*prop )

require(scales)

ggplot(df_vrc, aes(x= State, y = prop, fill=City)) +
  geom_bar(stat="identity", width=1, color="black") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  
  geom_text(aes(y = ypos, label = percent(prop/100)), color = "black", size=3) +
  scale_fill_brewer(palette="Set4")
## Warning in pal_name(palette, type): Unknown palette Set4

Diagrama de Pareto

  • Este permite determinar las irregularidades de la toma de datos, identifica sus puntos de mejora y define cuál plan de acción es primordial para atacar sus pérdidas, este organiza los datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades.
library(qcc)

Distance <- df_vrc$Distance
names(Distance) <- df_vrc$City 

pareto.chart(Distance, 
             ylab="Distance",
             col = heat.colors(length(Distance)),
             cumperc = seq(0, 100, by = 10),
             ylab2 = "Porcentaje acumulado",
             main = "DONDE SE CONCENTRAN LAS CIUDADES CON MAYORES DESLIZAMIENTOS")

##             
## Pareto chart analysis for Distance
##              Frequency Cum.Freq. Percentage Cum.Percent.
##   Cruz Verde   2.47800   2.47800   56.15024     56.15024
##   Chocaman     1.93516   4.41316   43.84976    100.00000

Diagrama de Tallo y Hojas

  • Este representa los datos cuantitativos en un formato gráfico, similar a un histograma. Permite obtener simultáneamente una distribución de frecuencias de la variable y su representación gráfica. Esta representación elimina el paso de los datos originales a clases, lo que hace notar que se puede construir en el proceso de marcaje de los elementos en estudio.
stem(df_vrc$"Distance")
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   18 | 4
##   20 | 
##   22 | 
##   24 | 8
head(df_vrc)
##     id    date  time continent_code Country country_code    State population
## 1 7445 9/17/15                 <NA>  Mexico           MX Veracruz       1005
## 2 6688  1/5/14 Night           <NA>  Mexico           MX Veracruz       9277
##         City Distance location_description latitude longitude
## 1 Cruz Verde  2.47800     Deforested slope  19.1331  -97.1317
## 2   Chocaman  1.93516              Unknown  19.0294  -97.0355
##                                 geolocation hazard_type landslide_type
## 1 (19.133099999999999, -97.131699999999995)   Landslide      Landslide
## 2 (19.029399999999999, -97.035499999999999)   Landslide      Landslide
##   landslide_size trigger storm_name injuries fatalities source_name
## 1         Medium    Rain                   0          6   El Diario
## 2         Medium    Rain                   0          0       Calor
##                                                                                                                                     source_link
## 1                                                    http://www.eldiariony.com/2015/09/17/deslizamiento-de-cerro-en-veracruz-deja-seis-muertos/
## 2 http://www.alcalorpolitico.com/informacion/saldo-blanco-en-deslave-de-chocaman-familias-salieron-a-tiempo-maza-limon-139202.html#.VLfpVPnF98E
##       prop     ypos
## 1 56.15024 28.07512
## 2 43.84976 78.07512
knitr::kable(head(df_vrc))
id date time continent_code Country country_code State population City Distance location_description latitude longitude geolocation hazard_type landslide_type landslide_size trigger storm_name injuries fatalities source_name source_link prop ypos
7445 9/17/15 NA Mexico MX Veracruz 1005 Cruz Verde 2.47800 Deforested slope 19.1331 -97.1317 (19.133099999999999, -97.131699999999995) Landslide Landslide Medium Rain 0 6 El Diario http://www.eldiariony.com/2015/09/17/deslizamiento-de-cerro-en-veracruz-deja-seis-muertos/ 56.15024 28.07512
6688 1/5/14 Night NA Mexico MX Veracruz 9277 Chocaman 1.93516 Unknown 19.0294 -97.0355 (19.029399999999999, -97.035499999999999) Landslide Landslide Medium Rain 0 0 Calor http://www.alcalorpolitico.com/informacion/saldo-blanco-en-deslave-de-chocaman-familias-salieron-a-tiempo-maza-limon-139202.html#.VLfpVPnF98E 43.84976 78.07512 
stem(df_vrc$"Distance")
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   18 | 4
##   20 | 
##   22 | 
##   24 | 8
stem(df_vrc$"Distance", scale = 2)
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   19 | 4
##   20 | 
##   21 | 
##   22 | 
##   23 | 
##   24 | 8

Gráfico de series temporales

  • Este permite visualizar tendencias de valores numéricos o recuentos a lo largo del tiempo.
library(forecast)
data<- ts(df_vrc$Distance, frequency=12, start=2008)
knitr::kable(head(data))
x
2.47800
1.93516 
autoplot(data) + labs(title = "Gráfico de series temporales", x="date", y = "distancia", colour = "green") +theme_bw()

Tabla de Frecuencia

  • Esta nos ayuda a agrupar cualquier tipo de dato cualitativo y cuantitativo, esto es muy útil ya que permite analizar con mayor facilidad un grupo de datos sin que se tenga que considerar individualmente cada dato.
library(questionr)

table <- questionr::freq(Distance, cum = TRUE, sort = "dec", total = TRUE)
knitr::kable(table)
n % val% %cum val%cum
1.93516 1 50 50 50 50
2.478 1 50 50 100 100
Total 2 100 100 100 100 
str(table) 
## Classes 'freqtab' and 'data.frame':  3 obs. of  5 variables:
##  $ n      : num  1 1 2
##  $ %      : num  50 50 100
##  $ val%   : num  50 50 100
##  $ %cum   : num  50 100 100
##  $ val%cum: num  50 100 100
x <- row.names(table)
y <- table$n
names <- x[1:(length(x)-1)]
freqs <- y[1:(length(y)-1)]
df_vrc <- data.frame(x = names, y = freqs)
knitr::kable(df_vrc)
x y
1.93516 1
2.478 1 
library(ggplot2)
ggplot(data=df_vrc, aes(x=x, y=y)) + 
  geom_bar(stat="identity", color="white", fill="blue") +
  xlab("Rango de deslizamiento") +
  ylab("Frecuencia")

Tabla de frecuencias agrupada

  • Esta se emplea si las variables toman un número grande de valores o la variable es continua. Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le asigna su frecuencia correspondiente.
n_sturges = 1 + log(length(Distance))/log(2)
n_sturgesc = ceiling(n_sturges)
n_sturgesf = floor(n_sturges)

n_clases = 0
if (n_sturgesc%%2 == 0) {
  n_clases = n_sturgesf
} else {
  n_clases = n_sturgesc
}
R = max(Distance) - min(Distance)
w = ceiling(R/n_clases)
bins <- seq(min(Distance), max(Distance) + w, by = w)
bins
## [1] 1.93516 2.93516
Edades <- cut(Distance, bins)
Freq_table <- transform(table(Distance), Rel_Freq=prop.table(Freq), Cum_Freq=cumsum(Freq))
knitr::kable(Freq_table)
Distance Freq Rel_Freq Cum_Freq
1.93516 1 0.5 1
2.478 1 0.5 2 
str(Freq_table)
## 'data.frame':    2 obs. of  4 variables:
##  $ Distance: Factor w/ 2 levels "1.93516","2.478": 1 2
##  $ Freq    : int  1 1
##  $ Rel_Freq: num  0.5 0.5
##  $ Cum_Freq: int  1 2
df_vrc <- data.frame(x = Freq_table$Distance, y = Freq_table$Freq)
knitr::kable(df_vrc)
x y
1.93516 1
2.478 1 
library(ggplot2)

ggplot(data=df_vrc, aes(x=x, y=y)) +
  geom_bar(stat="identity", color="blue", fill="green") +
  xlab("Rango de Distance") +
  ylab("Frecuencia")

Estadísticos

Estos se encargan de la toma de datos cuantitativa con respecto a la información proporcionada, los datos se calculan a partir de la media, mediana, moda, cuartiles etc.

summary(df_vrc$Distance)
## Length  Class   Mode 
##      0   NULL   NULL
library(pastecs)
stat.desc(df_vrc)
##           x y
## nbr.val  NA 2
## nbr.null NA 0
## nbr.na   NA 0
## min      NA 1
## max      NA 1
## range    NA 0
## sum      NA 2
## median   NA 1
## mean     NA 1
## SE.mean  NA 0
## CI.mean  NA 0
## var      NA 0
## std.dev  NA 0
## coef.var NA 0

Caja y Extensión

  • Este muestra visualmente los grupos de datos numéricos a través de sus cuartiles. Las líneas que se extienden paralelas a las cajas se conocen como bigotes o extensiones, y se usan para indicar variabilidad fuera de los cuartiles superior e inferior.
boxplot(Distance, horizontal=TRUE, col='steelblue')

Conclusión

En conclusión, después de analizar y trabajar todos los métodos para generar los gráficos a partir de la información de la delimitación del área de estudio ( Centroamérica), podemos observar que el país con más datos de deslizamientos es méxico,  sin embargo guatemala es uno de los más prioritarios, esto basado al diagrama de pareto en el que de izquierda a derecha este obtuvo mayor valor de primordialidad, lo que quiere decir que los deslizamientos son de mayor magnitud y pueden ser más peligrosos.