# lectura
jalisco_inegi2020 <- readxl::read_xlsx(here::here("./data/class/raw/Jalisco.xlsx"))
dicc <- readxl::read_xlsx(here::here("./data/class/raw/Diccionario.xlsx"))

# Búsqueda de la variable de interés
discapacidad_indexes <- grep("discapacidad", dicc$indicador, ignore.case = TRUE) # Índices

resultados_discapacidad <- dicc[discapacidad_indexes, c("numero", "indicador", "mnemonico")] # Se filtra por discapacidad

# Busqueda de poblacion total
pob_tot_indexes <- grep("población total", dicc$indicador, ignore.case = TRUE) # Índices
resultados_pob_tot <- dicc[pob_tot_indexes, c("numero", "indicador", "mnemonico")] # Se filtra por población total
# Se elige "POBTOT"

# Calculo de la estadística
mun_personas_discap <- jalisco_inegi2020[, c("NOM_MUN", "POBTOT", "PCON_DISC")] # Filtrado

mun_personas_discap$PROP_POB_DISC <- round(mun_personas_discap$PCON_DISC/mun_personas_discap$POBTOT, 4)*100

mun_personas_discap <- mun_personas_discap[order(mun_personas_discap$PROP_POB_DISC, decreasing = TRUE), ][c(1:10), ]
colnames(mun_personas_discap) <- c("Municipio", "Población Total", "Población con discapacidad", "Proporción\n%")

var_int("65 años")

prop_mun(jalisco_inegi2020, var_total = "POBTOT", var_int = "POB65_MAS", n = 30, var_name = "Población 65 años o más")

var_int("económicamente activa")

prop_mun(jalisco_inegi2020, var_total = "POBTOT", var_int = "PEA", n = 30, total = TRUE, var_name = "PEA")

var_int("primaria incompleta|secundaria incompleta")

# Filtrado
mun_pob_sin_educ_bas <- jalisco_inegi2020[, c("NOM_MUN", "POBTOT", "P15PRI_IN", "P15SEC_IN")] # Se filtran los datos por las variables de interes

# PASO EXTRA - Se suman las variables
mun_pob_sin_educ_bas$pobtot_sin_pri_sec <- mun_pob_sin_educ_bas$P15PRI_IN + mun_pob_sin_educ_bas$P15SEC_IN

# Cálculo de la proporción
mun_pob_sin_educ_bas$prop_sin_edu_bas <- round(mun_pob_sin_educ_bas$pobtot_sin_pri_sec/mun_pob_sin_educ_bas$POBTOT, 4)*100

# Ordenado y selección
mun_pob_sin_educ_bas <- mun_pob_sin_educ_bas[order(mun_pob_sin_educ_bas$prop_sin_edu_bas, decreasing = TRUE), ][c(1:10), -c(3, 4)]

# Se modifican los nombres
colnames(mun_pob_sin_educ_bas) <- c("Municipio", "Población Total", "Población sin educación básica", "Proporción\n%")

var_int("indígena")

prop_mun(jalisco_inegi2020, var_total = "POBTOT", var_int = "PHOG_IND", total = TRUE, var_name = "Población indígena")

var_int("internet")

prop_mun(jalisco_inegi2020, var_total = "POBTOT", var_int = "VPH_INTER", var_name = "Viviendas con internet")

# Se define la cadena
string_original <- "A mamá Roma le aviva el amor a papá y a papá Roma le aviva el amor a mamá"

# reemplazar acentos y mayusculas 
string_clean <- gsub("á", "a", string_original)
string_clean <- tolower(string_clean)
string_clean <- gsub(" ", "", string_clean)

# se aplica la funcion rev() para "voltear" la cadena de texto
string_reverse <- rev(string_clean)

ifelse(string_clean == string_reverse, "Es un palíndromo", "No es un palíndromo")

# Se definen los vectores que conformaran la matriz X
v1 <- c(3, 4, -1)
v2 <- c(2, -1, 3)
v3 <- c(2, 2, 1)

# Se crea la matriz
X <- rbind(v1, v2, v3)

# Se asignan los determinantes
H_1 <- X[1, 1]
H_2 <- det(X[-3, -3])

# Regla de decision
ifelse(H_1 > 0 & H_2 > 0, 
       "Como H_1 > 0 & H_2 > 0: La matriz X es definida positiva",
       ifelse(H_1 > 0 & H_2  < 0, "Como H_1 > 0 & H_2 < 0: La matriz X es definida negativa", 
              "Como no se cumple ni H_1 > 0 & H_2 > 0 o H_1 > 0 & H_2 < 0: La matriz X es indefinida"))