ACTIVIDAD INTEGRADORA

CARGAR LA BASE Y PONERLA EN EL AMBIENTE, ASÍ COMO LOS PAQUETES

#library(tinytex)

#library(readxl)

#JAL <- read_excel((“CIDE/METPOL/1 SEMESTRE/BASES DE DATOS/ACTIVIDAD 1/Jalisco.xlsx”))

#View(JAL)

#attach(as.data.frame(JAL))

Primero que nada, limpié la base de datos para poder trabajar con ella de manera más ágil. de manera que quedó una base de datos con 20 variables. De éstas, las primeras 14 corresponden a la base original y las últimas 6 corresponden a variables elaboradas para responder las preguntas con un código parsimónico.

REVISAR LOS NOMBRES DE LAS COLUMNAS

La variable “PROPDISC” se refiere a la proporción de personas con discapacidad y fue calculada con la división de las personas con discapacidad entre la población total y su posterior multiplicación por 100.

La variable “PROPMAYOR” se refiere a la proporción de personas de 65 años y más con respecto al total de la población y fue calculada con la división de las personas con 65 años y más entre la población total y su posterior multiplicación por 100.

La variable “EBASICA” se refiere a las personas sin educación básica, y fue calculada con la suma de las personas que no saben leer ni escribir, las que tienen nivel de escolaridad preescolar, las que tienen hasta quinto grado de primaria, las que tienen hasta sexto grado de primaria y las que tienen hasta segundo grado de secundaria. No consideré la secundaria terminada debido a que estas personas podrían considerarse como personas que concluyeron su educación básica.

La variable “PROPEBASICA” se refiere a la proporción de personas sin educación básica con respecto al total de la población y la calculé con la división de las personas sin educación básica entre la población total y su posterior multiplicación por 100.

La variable “PROPIND” se refiere a la proporción de personas indígenas con respecto a la población total y la calculé con la división de la población en hogares censales indígenas entre la población total y su posterior multiplicación por 100.

La variable “PROPINTERNET” se refiere a la proporción de hogares con internet con respecto al total de hogares y fue calculada con la división de los hogares con internet entre el total de hogares y su posterior multiplicación por 100.

1. Los 10 municipios con mayor proporción de población con alguna discapacidad. (5%).

En la base de datos JAL ordené en orden descendente por la variable PROPDISC con un límite de 10 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 1 y 15 con base en los nombres de mis columnas.

Con el comando View() pude observar la tabla que me muestra los 10 municipios con mayor proporción de población discapacitada, así como sus valores correspondientes.

2. Los 30 municipios con mayor proporción de población con 65 años o más. (10%).

En la base de datos JAL ordené en orden descendente por la variable PROPMAYOR con un límite de 30 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 1 y 16 con base en los nombres de mis columnas.

Con el comando View() pude observar la tabla que me muestra los 30 municipios con mayor proporción de adultos mayores de 65 años de edad, así como sus valores correspondientes.

3. Los 30 municipios con mayor población económicamente activa. (5%).

En la base de datos Jalisco ordené en orden descendente por la variable PEA con un límite de 30 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 4 y 140 con base en los nombres de mis columnas.

Con el comando View() pude observar la tabla que me muestra los 30 municipios con mayor población económicamente activa, así como sus valores correspondientes.

4. Los 10 municipios con mayor proporción de población sin educación básica. (5%).

En la base de datos JAL ordené en orden descendente por la variable PROPEBASICA con un límite de 10 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 1 y 18 con base en los nombres de mis columnas.

Con el comando View() pude observar la tabla que me muestra los 10 municipios con mayor proporción de población sin educación básica, así como sus valores correspondientes.

5. Los 10 municipios con mayor población indígena. (5%).

En la base de datos JAL ordené en orden descendente por la variable PHOG_IND con un límite de 10 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 1 y 8 con base en los nombres de mis columnas.

Con el comando View() pude observar la tabla que me muestra los 10 municipios con mayor población indígena, así como sus valores correspondientes. Sin embargo, esta tabla no me da una respuesta convincente, ya que los valores de la columna PHOG_IND no se ordenan de forma descendente. Para averiguar por qué ocurria esto, le pregunté a R si esa variable era numérica, y me respondió que no, por lo que procedí a verificarlo en excel, y me dio el siguiente output:

6. Los 10 municipios con mayor proporción de viviendas particulares habitadas con internet. (10%).

En la base de datos JAL ordené en orden descendente por la variable PROPINTERNET con un límite de 10 valores, posteriormente, le pregunté a R si era un data frame, y, finalmente elaboré un vector con las columnas 1 y 20 con base en los nombres de mis columnas.

Esta tabla no me da una respuesta convincente, ya que los valores de la columna PROPINTERNET no se ordenan de forma descendente. Para averiguar por qué ocurria esto, le pregunté a R si esa variable era numérica, y me respondió que no, por lo que procedí a verificarlo en excel, y me dio el siguiente output:

7. Demostrar que la siguiente cadena de texto es un palíndromo:A mamá Roma le aviva el amor a papá y a papá Roma le aviva el amor a mamá.

knitr::opts_chunk$set(echo = TRUE)

frase<-c("a","m","a","m","a","r","o","m","a","l","e","a","v","i","v","a","e","l","a","m","o","r","a","p","a","p","a","y","a","p","a","p","a","r","o","m","a","l","e","a","v","i","v","a","e","l","a","m","o","r","a","m","a","m","a")

all(frase==rev(frase))

## [1] TRUE

Para este ejercicio, elaboré un vector frase con cada letra de la secuencia de la cadena de texto y, posteriormente le pregunté si todos los elementos del vector frase eran los iguales a los elementos del vector de la inversa del vector frase.

8. Probar si la siguiente matriz (X)\[\begin{equation} \begin{pmatrix} 3 & 4 &-1\\ 2 &-1 & 3\\ 2 & 2 & 1 \end{pmatrix} \end{equation}\] es definida positiva y, si sí, obtener su inversa. Y una vez obtenida su inversa, comprobar que \[XX^1=I\]

Primero, enciendo la paquetería “matrixNormal”

library(matrixNormal)

Con esta paquetería, elaboro una función que verifique 3 condiciones: 1. Si la matriz es una matriz cuadrada. 2. Si la matriz es una matriz simétrica. 3. si la matriz es una matriz definida positiva.

VERIFICAR<-function(A){ if(matrixNormal::is.square.matrix(A)==FALSE) {stop(“Esta matriz no es cuadrada y se rompe uno de los supuestos de las matrices definidas positivas”)} if(matrixNormal::is.symmetric.matrix(A)==FALSE) {stop(“Esta matriz no es simétrica y se rompe uno de los supuestos de las matrices definidas positivas”)} if(matrixNormal::is.positive.definite(A)==FALSE){stop(“Esta matriz no es definida positiva”)} }

posteriormente, elaboro la matriz

matriz<-c(3,4,-1,2,-1,3,2,2,1) A<-matrix(matriz,3,byrow=TRUE)

finalmente, aplico la función

VERIFICAR(A)

Al correr mi función para verificar si la matriz es definida positiva, el output de R, me marca un error desde que prueba si la matriz A es simétrica, por lo tanto no es una matriz definida positiva y no puedo sacar su inversa.