Tarea 4

El formato de respuesta es el siguiente:

Abajo del encabezado, debe estar escrita la pregunta. Agregar los códigos en chunks e incluir el output de ser necesario.

La explicación de las respuestas (si es que hay análisis) debe ir como texto, fuera del chunk.

El título del informe debe ser “Tarea 4” y el nombre de todos los integrantes debe ir en autor. La actividad deberá ser entregado en formato HTML. Agregue el número del grupo.

También debe enviar su archivo en formato R Markdown como respaldo.

Recuerde que puede usar todo el material visto para apoyarse.

Todos los integrantes del grupo deben enviar el archivo de Rmarkdown

Tienen hasta el final de la clase para enviar la actividad

El formato tiene puntaje.(3 ptos)

Suprimir warning y mensajes(3 ptos)

Cargue las librerias y base de datos correspondientes.

library(gganimate)
library(ggcorrplot)
library(data.table)
library(tidyverse)
library(leaflet) # Mapas
library(sp)
library(broom)
library(janitor) #Paquete para limpiar datos
library(rgbif) #Datos para ejemplo de mapas
library(sf) #Geografia
library(chilemapas) #Geografía de Chile
library(RColorBrewer)
library(classInt)
library(plotly)
library(ggplot2)

path <- "C:/Users/matir/OneDrive/Escritorio/Mati/Universidad/2021/Segundo Semestre/Data Science/Tarea 4/"
colegio <- fread(paste0(path,"Colegios.csv"))

P1

Muestre en un gráfico de barras el cual contenga el número de colegios por nivel minimo.

colegio2 <- colegio[,.N,(`Nivel mínimo`)]


ggplot (colegio2, aes(x = `Nivel mínimo`, y = N, fill = N)) + geom_col(color="black", fill="lightblue") + scale_y_continuous(n.breaks = 15)+ labs(x="Nivel Mínimo", y="Cantidad de Colegios", title= "Numero de Colegios", subtitle= "por Nivel Mínimo")

P2

Realice un gráfico de distribución del puntaje simce de matematicas, agrupando por dependencias (público o particular subvencionado)

colegio3 <- colegio[,.N,.(Dependencia, `SIMCE matemática básica`)]

colegio4 <- colegio[,.N,.(Dependencia, `SIMCE matemática básica`)]

colegio4 <- colegio3[!is.na(`SIMCE matemática básica`),]

Creamos diferentes graficos, sin embargo nos quedamos con el primero:

ggplot (colegio3, aes(x = `SIMCE matemática básica` , y = N, color=Dependencia)) + geom_point() + facet_wrap(facets="Dependencia")+ geom_smooth() + scale_color_brewer(palette="Set1")

ggplot (colegio4, aes(x = `SIMCE matemática básica` , y = N, color=Dependencia)) + geom_line() + facet_wrap(facets="Dependencia")+ geom_smooth(color="yellow") + scale_color_brewer(palette="Dark2")

ggplot (colegio3, aes(x = `SIMCE matemática básica` , y = N)) + geom_line() + facet_wrap(facets="Dependencia")+ geom_smooth()

ggplot (colegio3, aes(x = `SIMCE matemática básica` , y = N, color=Dependencia)) + geom_line() + facet_wrap(facets="Dependencia")+ geom_smooth(color="yellow") + scale_color_brewer(palette="Dark2")

ggplot (colegio3, aes(x = `SIMCE matemática básica` , y = N, color=Dependencia, group=Dependencia))+ geom_line() +geom_smooth(color="yellow") + scale_color_brewer(palette="Dark2")

ggplot (colegio3, aes(x = `SIMCE matemática básica` , y = N, color=Dependencia, group=Dependencia))+ geom_line() + scale_color_brewer(palette="Dark2")

P3

Grafique la relación entre el SIMCE matemática básica con la variable Autoestima académica y motivación escolar básica. Explique

colegio5 <- colegio[,.(`SIMCE matemática básica`,`Autoestima académica y motivación escolar básica` )]

pregunta3 <- colegio5[!is.na(`SIMCE matemática básica`),]



ggplot (pregunta3, aes(x = `SIMCE matemática básica` , y = `Autoestima académica y motivación escolar básica`, color=`Autoestima académica y motivación escolar básica`))+ geom_point() + geom_smooth() + labs(x="Puntaje SIMCE Matemática Básica", y="Autoestima y motivación escolar básica", title= "Relacion entre puntaje SIMCE y Autoestima", subtitle= "Por Alumno", color="Autoestima") +scale_x_continuous(n.breaks = 8)+scale_y_continuous(n.breaks = 8)

### Respuesta:

Claramente, si trazamos una linea de tendencia como lo hicimos en el grafico, podemos ver que hay una relacion positiva entre la autoestima y motivacion con los puntajes del SIMCE obtenidos. A mayor autoestima y motivacion escolar, es muy probable que el alumno obtenga un puntaje SIMCE de matematicas mas alto

P4

Realice un mapa de leaflet que muestre donde se ubican los colegios de la región metropolitana. Utilice la función addCircles como tercer argumento, esto es, leaflet() %>% addtiles() %>% addCircles

comunas1 <- mapa_comunas
comunas <- mapa_comunas %>% 
  filter(codigo_region==13)

colegios_geo <- merge(comunas, colegio, by.x="codigo_comuna", by.y="cod_comuna")

colegios_geo <- st_sf(colegios_geo)

leaflet(colegios_geo) %>% addTiles() %>% addCircles (lat = ~lat_school , lng= ~lon_school)

#p5 %>% setView(lng=-70.5,lat =-33.600, zoom = 8) 

P5

Realice un choropleth (mapa de poligonos) de los promedios simce de matématica básica por comuna de la región metropolitana.

Nota: agregue %>% setView(lng=-70.5,lat =-33.600, zoom = 8) al mapa, esta función setea la vista con las coodenadas específicas de la región metropolitana

colegios_geo <- data.table(colegios_geo)

promedios_geo <- colegios_geo[, promedios:=mean(`SIMCE matemática básica`), by=codigo_comuna]

promedios_geo_NA <- promedios_geo[!is.na(`SIMCE matemática básica`),]


promedios_geo_NA[, promedios:=mean(`SIMCE matemática básica`), by=codigo_comuna]


promedios_geo_NA <- data.table(promedios_geo_NA)
promedios_geo_NA <- st_sf(promedios_geo_NA)

pal <- colorNumeric (palette = "YlOrBr", domain = promedios_geo_NA$promedios)


mapa_SIMCE <- leaflet() %>% 
  addProviderTiles(providers$CartoDB.Positron) %>% 
  addPolygons(data = promedios_geo_NA,
              fillColor = ~pal(promedios),
              color = "#b2aeae",
              fillOpacity = 1,
              smoothFactor = 0.2,
              weight = 0.8) %>%   
  addLegend(pal = pal, 
            values = promedios_geo_NA$promedios,
            position = "bottomright",
            title = "Promedio por Comunas") %>% 
  addScaleBar(position = "topright")  %>% 
  setView(lng=-70.5,lat =-33.600, zoom = 8)

mapa_SIMCE

Acotacion:

Omitimos los establecimientos donde no habia promedio registrado (NA) porque de lo contrario omitía todo el promedio de la comuna en que se encontraba el establecimiento, lo cual causaba distorsion en crear el grafico. De todas formas dejamos a continuacion un grafico que incluye estos promedios no registrados (NA/s incluidos) :

promedio_geo_con_NA <- colegios_geo[, promedios:=mean(`SIMCE matemática básica`), by=codigo_comuna]


promedio_geo_con_NA <- data.table(promedio_geo_con_NA)


promedio_geo_con_NA <- promedio_geo_con_NA[!duplicated(codigo_comuna), .(codigo_comuna, geometry, promedios)]
promedio_geo_con_NA <- st_sf(promedio_geo_con_NA)
  

pal <- colorNumeric (palette = "YlOrBr", domain = promedio_geo_con_NA$promedios)


mapa_SIMCE <- leaflet() %>% 
  addProviderTiles(providers$CartoDB.Positron) %>% 
  addPolygons(data = promedio_geo_con_NA,
              fillColor = ~pal(promedios),
              color = "#b2aeae",
              fillOpacity = 1,
              smoothFactor = 0.2,
              weight = 0.8) %>% 
  addLegend(pal = pal, 
            values = promedio_geo_con_NA$promedios,
            position = "bottomright",
            title = "Promedio por Comunas") %>% 
  addScaleBar(position = "topright")  %>% 
  setView(lng=-70.5,lat =-33.600, zoom = 8)

mapa_SIMCE

P6

Realice el mismo gráfico pero con ggplot

base <- data.frame(longitud = -70.5, latitud=-33.600)
ggplot(base, aes(longitud,latitud)) +
  geom_point()

comunas <-data.table(mapa_comunas)
santiago <- comunas[codigo_region=='13']
ggplot() +
  geom_sf(santiago, mapping=aes(geometry=geometry))+
  geom_point(base,mapping = aes(longitud,latitud) ) 

ggplot() +
  geom_sf(promedios_geo_NA,mapping=aes(geometry=geometry, fill=promedios))

Acotacion:

Realizamos lo mismo que en el caso anterior:

base <- data.frame(longitud = -70.5, latitud=-33.600)
ggplot(base, aes(longitud,latitud)) +
  geom_point()

comunas <-data.table(mapa_comunas)
santiago <- comunas[codigo_region=='13']
ggplot() +
  geom_sf(santiago, mapping=aes(geometry=geometry))+
  geom_point(base,mapping = aes(longitud,latitud) ) 

ggplot() +
  geom_sf(promedio_geo_con_NA,mapping=aes(geometry=geometry, fill=promedios))