- EJERCICIO 1: Utilizando la información correspondiente a los resultados del Censo de Población y Vivienda 2020 del INEGI para el estado de Jalisco, obtener lo siguiente: text

- 1. Los 10 municipios con mayor proporcion de poblacion con alguna discapacidad.

Lo primero que debo de hacer es cargar el excel con los datos que se van a usar para poder contestar las siguientes preguntas, es por ello que nombre a los datos como Jalisco usando de igual forma read_excel

  • Para calcular la porporción de la población de Jalisco divido PCON_DISC entre POBTOT y multiplico por 100 para que me de dicha proporción.

  • Posterior a ello ordene los datos de manera descendente.

  • Y por ultimo seleccione los primeros 10.

VARIABLES USADAS

PCON_DISC: Población con discapacidad

POBTOT: Población total

library(readxl)

Jalisco <- read_excel("C:/Users/permi/Desktop/CIDE/Primer semestre/R/Jalisco.xlsx")

Jalisco$POBCON_DISC<-((Jalisco$PCON_DISC / Jalisco$POBTOT)*100)

PCON_DISC_NOM_MUN<-data.frame(aggregate(as.numeric(Jalisco$POBCON_DISC) ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))

PCON_DISC_NOM_MUN2<-PCON_DISC_NOM_MUN[order(PCON_DISC_NOM_MUN$as.numeric.Jalisco.POBCON_DISC., decreasing = TRUE),]

TOP10_PCON_DISC_NOM_MUN2<-PCON_DISC_NOM_MUN2[1:10,]

colnames(TOP10_PCON_DISC_NOM_MUN2)<-c('Municipio','Proporcion de población con alguna discapacidad')

TOP10_PCON_DISC_NOM_MUN2

- 2. Los 30 municipios con mayor proporcion de poblacion con 65 años o más.

  • Para este ejercicio seleccioné la variable POB65_MAS y la dividi entre POBTOT para después multiplicarla por 100 y obtener la proporción de población con 65 años o más por

  • Las ordené de mayor a menor junto son su respectivo municipio.

  • Y seleccioné los primeros 30 valores.

VARIABLES USADAS

POB65_MAS: Personas de 65 a 130 años de edad.

POBTOT: Población total.

Jalisco$PROP65YMAS<-((Jalisco$POB65_MAS / Jalisco$POBTOT)*100)

PROP65YMAS_NOM_MUN<-data.frame(aggregate(as.numeric(Jalisco$PROP65YMAS) ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))

PROP65YMAS_NOM_MUN2<-PROP65YMAS_NOM_MUN[order(PROP65YMAS_NOM_MUN$as.numeric.Jalisco.PROP65YMAS., decreasing = TRUE),]

PROP65YMAS_NOM_MUN2<-PCON_DISC_NOM_MUN2[1:30,]

colnames(PROP65YMAS_NOM_MUN2)<-c('Municipio','Proporcion de población con 65 años o más')

PROP65YMAS_NOM_MUN2

- 2. Los 30 municipios con mayor proporcion de poblacion con 65 años o más.

  • En este caso fue más sencillo ya que solamente use PEA y la catalogué con su respectivo municipio.

  • Luego, los ordene de mayor a menor.

  • Seleccione los primero 30 municipios

VARIABLES USADAS

PEA: Población de 12 años y más económicamente activa

PEA_NOM_MUN<-data.frame(aggregate(Jalisco$PEA ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))

PEA_NOM_MUN2<-PEA_NOM_MUN[order(PEA_NOM_MUN$Jalisco.PEA, decreasing = TRUE),]

TOP30_PEA_NOM_MUN2<-PEA_NOM_MUN2[1:30,]

colnames(TOP30_PEA_NOM_MUN2)<-c('Municipio','Población economicamente activa')

TOP30_PEA_NOM_MUN2

- 4. Los 10 municipios con mayor proporcion de poblacion sin educacion basica.

Eduación básica es considerada como kinder, primaria y secundaria en su conjunto y comprende de 3 a 15 años , por lo que se procede a sumar variables que supongan población sin alguna de estas escolaridades o que no tengan alguna de esas escolaridades. Además segun la UNESCO, no se piensa como cantidad de años escolares sino más bien que cubre las necesidades de aprendizaje básico.

VARIABLES USADAS

P3A5_NOA: Personas de 3 a 5 años de edad que no van a la escuela.

P6A11_NOA: Personas de 6 a 11 años de edad que no van a la escuela.

P12A14NOA: Personas de 12 a 14 años de edad que no van a la escuela.

P15PRI_IN: Población de 15 años y más con primaria incompleta.

P8A14AN: Población de 8 a 14 años que no sabe leer y escribir.

P15YM_AN: Población de 15 años y más analfabeta.

P15SEC_IN: Población de 15 años y más con secundaria incompleta

Jalisco$POBSIN_EDUBA<-(Jalisco$P3A5_NOA + Jalisco$P6A11_NOA + Jalisco$P12A14NOA + Jalisco$P15PRI_IN + Jalisco$P8A14AN + Jalisco$P15YM_AN + Jalisco$P15SEC_IN)
Jalisco$PERCENT_SINEDUBA<- (Jalisco$POBSIN_EDUBA / Jalisco$POBTOT)
Jalisco$PERCENT_SINEDUBA<- (Jalisco$PERCENT_SINEDUBA * 100)
PERCENT_SINEDUBA<-data.frame(aggregate(Jalisco$PERCENT_SINEDUBA ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))
TOP10_PERCENT_SINEDUBA<-PERCENT_SINEDUBA[1:10,]
colnames(TOP10_PERCENT_SINEDUBA)<-c('Municipio','Proporcion de población sin educación básica')
TOP10_PERCENT_SINEDUBA

- 5. Los 10 municipios con mayor poblacion indıgena.

  • En este caso seleccione la variable P3YM_HLI y la uno con su respectivo municipio haciendo uso de la función aggregate.

  • Posterior a ello, los ordeno de mayor a menor.

  • Finalmente selecciono los primero 10

VARIABLES USADAS

P3YM_HLI: Población de 3 años y más que habla alguna lengua indígena

P3YM_HLI_NOM_MUN<-data.frame(aggregate(as.numeric(Jalisco$P3YM_HLI) ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))
## Warning in eval(predvars, data, env): NAs introducidos por coerción
P3YM_HLI_NOM_MUN2<-P3YM_HLI_NOM_MUN[order(P3YM_HLI_NOM_MUN$as.numeric.Jalisco.P3YM_HLI., decreasing = TRUE),]

P3YM_HLI_NOM_MUN2<-P3YM_HLI_NOM_MUN2[1:10,]

colnames(P3YM_HLI_NOM_MUN2)<-c('Municipio','Poblacion indigena')

P3YM_HLI_NOM_MUN2

- 6. Los 10 municipios con mayor proporcion de viviendas particulares habitadas con internet.

  • En este caso es importante tomar en cuenta que para poder calcular esta proporcion se debe de usar la variable TVIVPARHAB y la de VPH_INTER

-Divido VPH_INTER entre TVIVPARHAB y multiplico el resultado por 100 para obtener la proporción.

  • Ordeno de mayor a menor.

  • Selecciono los primeros 10 valores

VARIABLES USADAS

VPH_INTER: Viviendas particulares habitadas que disponen de Internet

TVIVPARHAB: Total de viviendas habitadas

Jalisco$Int<-((Jalisco$VPH_INTER / Jalisco$TVIVPARHAB)*100)

Int_NOM_MUN<-data.frame(aggregate(as.numeric(Jalisco$Int) ~ Jalisco$NOM_MUN, FUN = sum, data = Jalisco))

Int_NOM_MUN2<-Int_NOM_MUN[order(Int_NOM_MUN$as.numeric.Jalisco.Int., decreasing = TRUE),]

Int_NOM_MUN2<-Int_NOM_MUN2[1:10,]

colnames(Int_NOM_MUN2)<-c('Municipio','Proporcion de viviendas particulares habitadas con internet')

Int_NOM_MUN2

- EJERCICIO 2: Demostrar que la siguiente cadena de texto es un palindromo: A mama Roma le aviva el amor a papa y a papa Roma le aviva el amor a mama.

palindrome_test <- function(word) {
  library(stringr)
  word <- str_to_lower(word)
  word <- gsub(" ", "", word)
  split_word <- unlist((str_split(word, pattern = "")))
  reverse_word <- split_word[str_length(word):1]
  paste_word <- paste(reverse_word, collapse = "")
  cat(word == paste_word)
 
}
palindrome_test("A mama Roma le aviva el amor a papa y a papa Roma le aviva el amor a mama")
## TRUE

- EJERCICIO 3: Probar si la siguiente matriz (X) es definida positiva y, si sı, obtener su inversa. Y una vez obtenida su inversa, comprobar que XX−1 = I

\[\mathbf{X} = \left[\begin{array} {rrr} 3 & 4 & -1 \\ 2 & -1 & 3 \\ 2 & 2 & 1 \end{array}\right] \]

X<- matrix(c(3, 4, -1,
             2, -1, 3,
             2, 2, 1), nrow = 3, byrow = TRUE)
positive_defined_matrix_test<-function(x){
  primermenor <- det(matrix(X[1,1])) > 0
  segundomenor <- det(X[1:2,1:2]) > 0
  tercermenor <- det(x) > 0
  if(primermenor == TRUE & segundomenor == TRUE & tercermenor == TRUE){
    print("La matriz es definida positiva")
    }
  
  else if(primermenor == FALSE & segundomenor == TRUE & tercermenor == FALSE){
    print("La matriz es definida negativa")
  }
  else {
    print("La matriz es indefinida")
  }
}

positive_defined_matrix_test(X)
## [1] "La matriz es indefinida"