Ejercicio 2

Utilizando la informacionn mas reciente sobre de la medicion multidimensional de la pobreza realizada por el CONEVAL a nivel estatal (2020), obtener:

Inciso 8

Considerando la division (cut) por cuantiles, representar en un mapa el porcentaje de poblacion que muestra rezago educativo.

datos12$Ingresos <- read_excel("C:\\Users\\richa\\OneDrive - CIDE\\1er Semestre-DESKTOP-RPQUJJA\\Manejo de bases de datos\\Actividad 4\\Coneval.xlsx", 
                               sheet= 7, 
                               range= anchored("R4", dim = c(32,1)), 
                               col_names = FALSE, na = "*")

red_rep_ing <- datos12[,c(1,6)]

mapa_rep@data$Ingresos <- datos12$Ingresos

Se generan los cuantiles:

cut(mapa_rep@data$Ingresos$...1,4)

Se genera el mapa con los cuantiles y una paleta de colores:

my_colors_rep_ing <- brewer.pal(5, "PuBuGn")
my_colors_rep_ing <- colorRampPalette(my_colors_rep_ing)(4)
cuantil_rep_ing <- cut(mapa_rep@data$Ingresos$...1,4)
my_colors_rep_ing <- my_colors_rep_ing[as.numeric(cuantil_rep_ing)]
plot(mapa_rep, col=my_colors_rep_ing, bg = "white")

Se agrega la leyenda para identificar los cuantiles:

my_colors_rep_ing <- brewer.pal(5, "PuBuGn")
my_colors_rep_ing <- colorRampPalette(my_colors_rep_ing)(4)
cuantil_rep_ing <- cut(mapa_rep@data$Ingresos$...1,4)
my_colors_rep_ing <- my_colors_rep_ing[as.numeric(cuantil_rep_ing)]
plot(mapa_rep, col=my_colors_rep_ing, bg = "white")

texto_rep_ing <- c("2.42%-5.46%", "5.46%-8.49%", "8.49%-11.5%", "11.5%-14.6%")
legend("topright",texto_rep_ing, cex = .5, bty = "o", 
       col = c("#BDC9E1", "#67A9CF", "#1C9099", "#016C59"), 
       pch = 19)

Para hacerlo interactivo:

textos_rep_ing <- paste(
  "Estado : ",mapa_rep$NOMGEO ,"<br/>",
  "% Pob. vulnerable por ingresos: ", round(mapa_rep$Ingresos$...1 ,2) ) %>% lapply(htmltools::HTML)

cortes_rep_ing <- c(0,2.42,5.46,8.49,11.5,14.6,Inf)
colores_rep_ing <- colorBin( palette="PuBuGn", domain=mapa_mex$Ingresos , na.color="transparent", bins=cortes_rep_ing) 

leaflet(data=mapa_rep) %>% 
  addTiles() %>% 
  addPolygons(label = textos_rep_ing,fillColor = colores_rep_ing(mapa_rep$Ingresos$...1),
              fillOpacity = 0.9)

Inciso 9

Considerando la division (cut) por cuantiles, representar en un mapa el porcentaje de poblacion con ingreso inferior a la lınea de pobreza por ingresos.

datos12$Educacion <- read_excel("C:\\Users\\richa\\OneDrive - CIDE\\1er Semestre-DESKTOP-RPQUJJA\\Manejo de bases de datos\\Actividad 4\\Coneval.xlsx", 
                               sheet= 8, 
                               range= anchored("J4", dim = c(32,1)), 
                               col_names = FALSE, na = "*")

red_rep_edu <- datos12[,c(1,7)]

mapa_rep@data$Educacion <- datos12$Educacion

Se generan los cuantiles:

cut(mapa_rep@data$Educacion$...1,4)

Se genera el mapa con los cuantiles y una paleta de colores:

my_colors_rep_edu <- brewer.pal(5, "BuPu")
my_colors_rep_edu <- colorRampPalette(my_colors_rep_edu)(4)
cuantil_rep_edu <- cut(mapa_rep@data$Educacion$...1,4)
my_colors_rep_edu <- my_colors_rep_edu[as.numeric(cuantil_rep_edu)]
plot(mapa_rep, col=my_colors_rep_edu, bg = "white")

Se agrega la leyenda para identificar los cuantiles:

my_colors_rep_edu <- brewer.pal(5, "BuPu")
my_colors_rep_edu <- colorRampPalette(my_colors_rep_edu)(4)
cuantil_rep_edu <- cut(mapa_rep@data$Educacion$...1,4)
my_colors_rep_edu <- my_colors_rep_edu[as.numeric(cuantil_rep_edu)]
plot(mapa_rep, col=my_colors_rep_edu, bg = "white")

texto_rep_edu <- c("9.49%-15.30%", "15.30%-21.00%", "21.00%-26.80%", "26.80%-32.50%")
legend("topright",texto_rep_edu, cex = .5, bty = "o", 
       col = c("#B3CDE3", "#8C96C6", "#8856A7", "#810F7C"), 
       pch = 19)

Para hacerlo interactivo:

textos_rep_edu <- paste(
  "Estado : ",mapa_rep$NOMGEO ,"<br/>",
  "% Pob. con rezago educativo: ", round(mapa_rep$Educacion$...1 ,2) ) %>% lapply(htmltools::HTML)

cortes_rep_edu <- c(0,9.49,15.3,21.0,26.8,32.5,Inf)
colores_rep_edu <- colorBin( palette="BuPu", domain=mapa_mex$Educacion , na.color="transparent", bins=cortes_rep_edu) 

leaflet(data=mapa_rep) %>% 
  addTiles() %>% 
  addPolygons(label = textos_rep_edu,fillColor = colores_rep_edu(mapa_rep$Educacion$...1),
              fillOpacity = 0.9)

Inciso 10

Analizando los cuatro anteriores mapas simultaneamente, ¿se puede concluir que la pobreza (en su forma multidimensional) no se distribuye de manera aleatoria en el territorio nacional?

En la mayoría de los dimensones, los estados de Chiapas y Oaxaca suelen tener las condiciones mas adversas para el bienestar de su poblacion, por lo que se puede inferir un sesgo de pobreza multidimensional hacia el sur, por lo que podria decir que los resultados no se distribuyen de manera aleatoria.