Nota: La mayoría de las librerías los mantendremos con “, include= F”; alguna de ellas son: (“dygraphs”,“plyr”, “xts”,“kableExtra”, “tidyverse”, “lubridate”, “dplyr”, “sf”, “ggplot2”, “readxl”, “stringr”, “RColorBrewer”, “scales”, “leaflet”, “htmltools”, “plotly”,“tidyr”) con la finalidad de poder agilizar la lectura. Además, mantendremos la mayoría de los comentarios con respecto al codigo en los “Chunks” para que la lectura sea más simple.

Base de datos y filtrado para el Estado de Tamaulipas

Lectura de base de datos con .csv de COVID-19, descargada de: Página de la Secretaria de Salud Federal en México 

#COVID19MEXICO <- read.csv("C:/Users/ARRA/OneDrive/Desktop/CIDE/programacion R/Examen final/211210COVID19MEXICO.csv")


#View(COVID19MEXICO)

Creación de arvicho .csv para el Estado de Tamaulipas 

# datos_tama<-COVID19MEXICO %>% dplyr::filter(ENTIDAD_RES=="28")
# write.csv(datos_tama,file="datos_tama.csv")
#datos_tama<-read.csv("datos_tama.csv")


#Nos sirve para no correr toda la base principal en cada "Knit"
filedatos_tama <- "C:\\Users\\ARRA\\OneDrive\\Desktop\\CIDE\\programacion R\\Examen final\\Ex F\\datos_tama.csv"               


datos_tama<-read.csv(filedatos_tama)



# View(datos_tama)
# Casos positivos
TamaPositivo <- datos_tama$CLASIFICACION_FINAL %in% 1:3
print(sum(TamaPositivo))
## [1] 103673

Verificación de los datos

Confirmamos el resultado con los datos oficiales del Gobierno datos.covid-19.conacyt.mx.

imagen 1

EJERCICIO 1

Eligiendo un estado de la república de residencia del paciente que tenga más de 20 municipios, obtener (tablas):

1.1

% de defunciones por municipio (total de defunciones / total de casos positivos).

#  Filtramos los casos positivos (que hemos verificado anteriormente)
Covidtam_pos <- datos_tama[TamaPositivo,]
# Como podemos encontrar en el "Diccionario de Datos" (proporcionado junto con la base de datos de COVID-19 ) en el archivo de Cátalogos
# las claves con "99" peretenecen a datos "no especificados"
# los datos de 9999-99-99 (de las fechas de las defunciones) las convertimos a NA´S
Covidtam_pos$FECHA_DEF[Covidtam_pos$FECHA_DEF=="9999-99-99"] <- NA
# Utilizando el cátalogo de Municipios Nacional
catalogoMun <- as.data.frame(read_xlsx("C://Users//ARRA//OneDrive/Desktop//CIDE//programacion R//Examen final//201128 Catalogos.xlsx", sheet = "Catálogo MUNICIPIOS" ))
# Extraemos para el Estado de Tamaulipas
CatalogoMunTam <- catalogoMun[catalogoMun$CLAVE_ENTIDAD =="28",]
# hacemos la unión y ajustamos la Clave
Covidtam_pos$MUNICIPIO_RES_2 <- sprintf("%03d",Covidtam_pos$MUNICIPIO_RES)
# hacemos "match" con el nombre del municipio
Mun <- match(Covidtam_pos$MUNICIPIO_RES_2,CatalogoMunTam$CLAVE_MUNICIPIO)
Covidtam_pos$NOM_MUNICIPIO_RES <- CatalogoMunTam$MUNICIPIO[Mun]
# asignamos al objeto "Defu" el Número de defunciones por COVID-19
Defu <- ddply(Covidtam_pos, "MUNICIPIO_RES_2", 
              summarise, MUNICIPIO=unique(NOM_MUNICIPIO_RES),
              NO_DEF=sum(!is.na(FECHA_DEF)))  
# Sumamos el número total de defunciones
Totaldefu <- sum(!is.na(Covidtam_pos$FECHA_DEF))
# Porcentaje de defunciones para cada uno de los municipios
Defu$POR_DEF = paste(round(100*Defu$NO_DEF/Totaldefu,2), "%", sep="")

#Eliminamos la fila 44 la cual tiene clave con "99" (datos no especificados)
Defu<- Defu[-c(44),]


kable(Defu,caption = "Tabla 1.1 Defunciones por municipio en el Estado de Tamaulipas", 
      align = "c", digits = c(0,2), 
      
  col.names = c("Clave de municipio", "Nombre de municipio", 
   "Número de defunciones", "Porcentaje de defunciones")) %>% column_spec(4,
  bold = T, color = "red")
Tabla 1.1 Defunciones por municipio en el Estado de Tamaulipas
Clave de municipio Nombre de municipio Número de defunciones Porcentaje de defunciones
001 ABASOLO 11 0.16%
002 ALDAMA 41 0.58%
003 ALTAMIRA 461 6.56%
004 ANTIGUO MORELOS 14 0.2%
005 BURGOS 1 0.01%
006 BUSTAMANTE 4 0.06%
007 CAMARGO 15 0.21%
008 CASAS 2 0.03%
009 CIUDAD MADERO 515 7.32%
010 CRUILLAS 3 0.04%
011 GÓMEZ FARÍAS 11 0.16%
012 GONZÁLEZ 60 0.85%
013 GÜÉMEZ 13 0.18%
014 GUERRERO 0 0%
015 GUSTAVO DÍAZ ORDAZ 19 0.27%
016 HIDALGO 17 0.24%
017 JAUMAVE 8 0.11%
018 JIMÉNEZ 4 0.06%
019 LLERA 14 0.2%
020 MAINERO 4 0.06%
021 EL MANTE 353 5.02%
022 MATAMOROS 928 13.2%
023 MÉNDEZ 1 0.01%
024 MIER 8 0.11%
025 MIGUEL ALEMÁN 45 0.64%
026 MIQUIHUANA 4 0.06%
027 NUEVO LAREDO 939 13.36%
028 NUEVO MORELOS 6 0.09%
029 OCAMPO 24 0.34%
030 PADILLA 7 0.1%
031 PALMILLAS 2 0.03%
032 REYNOSA 1463 20.81%
033 RÍO BRAVO 198 2.82%
034 SAN CARLOS 5 0.07%
035 SAN FERNANDO 53 0.75%
036 SAN NICOLÁS 0 0%
037 SOTO LA MARINA 24 0.34%
038 TAMPICO 970 13.8%
039 TULA 40 0.57%
040 VALLE HERMOSO 94 1.34%
041 VICTORIA 577 8.21%
042 VILLAGRÁN 2 0.03%
043 XICOTÉNCATL 71 1.01%

Visualizamos en la tabla, el porcentaje de defunciones por cada municipio para el Estado de Tamaulipas

1.2

% de casos positivos con al menos una comorbilidad a nivel municipal.

# De la base de datos identificamos las enfermedades y creamos el Vector para la comorbilidad
Comorbilidad <- c("NEUMONIA", "DIABETES","EPOC","ASMA","INMUSUPR","HIPERTENSION","OTRA_COM","CARDIOVASCULAR",
        "OBESIDAD","RENAL_CRONICA")
Comorbilidad
##  [1] "NEUMONIA"       "DIABETES"       "EPOC"           "ASMA"          
##  [5] "INMUSUPR"       "HIPERTENSION"   "OTRA_COM"       "CARDIOVASCULAR"
##  [9] "OBESIDAD"       "RENAL_CRONICA"
# En el Diccionario de Datos, identificamos Cuando la condicion es (1)=SI padece alguna otra enfermedad
ComorbilidadTam  <- Covidtam_pos[,Comorbilidad] == 1

ComorbilidadTam0 <- rowSums(ComorbilidadTam) > 0
# Vaciamos la información para los casos de pacientes con alguna de las demás enfermedades 
Covid_ComorbilidadTam <- Covidtam_pos[ComorbilidadTam0, ]
MunComorbilidad <- ddply(Covid_ComorbilidadTam, "MUNICIPIO_RES_2", summarise, MUNICIPIO=unique(NOM_MUNICIPIO_RES),
NO_COMORBILIDAD = length(FECHA_INGRESO)) 
# % de población con al menos una enfermedad adicional del COVID-19
TotalCasos <- nrow(Covidtam_pos)
MunComorbilidad$POR_COMORBILIDAD <- paste(round(100*MunComorbilidad$NO_COMORBILIDAD/TotalCasos, 2), "%",sep="")
  
#Eliminamos la fila 44 la cual tiene clave con "99" (datos no especificados)
MunComorbilidad<- MunComorbilidad[-c(44),]



kable(MunComorbilidad,caption = "Tabla 1.2 Porcentaje de casos positivos con comorbilidad>1 a nivel municipal",
      
align = "c", digits = c(0,2), 
      
col.names = c("Clave de municipio",
                   "Nombre de municipio", "Personas con comorbilidades",
    "% de comorbilidades"))  %>% column_spec(4, bold = T, color = "red")
Tabla 1.2 Porcentaje de casos positivos con comorbilidad>1 a nivel municipal
Clave de municipio Nombre de municipio Personas con comorbilidades % de comorbilidades
001 ABASOLO 70 0.07%
002 ALDAMA 252 0.24%
003 ALTAMIRA 2458 2.37%
004 ANTIGUO MORELOS 63 0.06%
005 BURGOS 10 0.01%
006 BUSTAMANTE 23 0.02%
007 CAMARGO 146 0.14%
008 CASAS 11 0.01%
009 CIUDAD MADERO 3102 2.99%
010 CRUILLAS 10 0.01%
011 GÓMEZ FARÍAS 59 0.06%
012 GONZÁLEZ 178 0.17%
013 GÜÉMEZ 71 0.07%
014 GUERRERO 20 0.02%
015 GUSTAVO DÍAZ ORDAZ 46 0.04%
016 HIDALGO 92 0.09%
017 JAUMAVE 159 0.15%
018 JIMÉNEZ 32 0.03%
019 LLERA 85 0.08%
020 MAINERO 14 0.01%
021 EL MANTE 1972 1.9%
022 MATAMOROS 4865 4.69%
023 MÉNDEZ 6 0.01%
024 MIER 58 0.06%
025 MIGUEL ALEMÁN 354 0.34%
026 MIQUIHUANA 20 0.02%
027 NUEVO LAREDO 2974 2.87%
028 NUEVO MORELOS 23 0.02%
029 OCAMPO 68 0.07%
030 PADILLA 151 0.15%
031 PALMILLAS 8 0.01%
032 REYNOSA 6139 5.92%
033 RÍO BRAVO 890 0.86%
034 SAN CARLOS 41 0.04%
035 SAN FERNANDO 374 0.36%
036 SAN NICOLÁS 8 0.01%
037 SOTO LA MARINA 392 0.38%
038 TAMPICO 5160 4.98%
039 TULA 196 0.19%
040 VALLE HERMOSO 628 0.61%
041 VICTORIA 4953 4.78%
042 VILLAGRÁN 18 0.02%
043 XICOTÉNCATL 226 0.22%

Visualizamos en la tabla, el porcentaje de comorbilidades por cada municipio para el Estado de Tamaulipas, observamos que el municipio de Reynosa con 5.92% concentra el mayor porcentaje.

1.3

Total de casos positivos acumulados por día a nivel Estatal.

# Casos positivos por día 
CasosxdiaTam <- ddply(Covidtam_pos, "FECHA_INGRESO", summarise,CASOS = length(FECHA_INGRESO) )
# Casos positivos por día de Tamaulipas (usando la función[cumsum])
CasosxdiaTam$CASOS_ACUM <- cumsum(CasosxdiaTam$CASOS)



kable(CasosxdiaTam,caption = "Tabla 1.3 Total de casos positivos 
acumulados por día a nivel Estatal.",
      
  align = "c", digits = c(0,2),
  col.names = c("Fecha de ingreso", "Casos positivos",
                "Casos positivos acumulados")) %>% 
  column_spec(3, bold = T, color = "red")
Tabla 1.3 Total de casos positivos acumulados por día a nivel Estatal.
Fecha de ingreso Casos positivos Casos positivos acumulados
2020-03-15 1 1
2020-03-16 1 2
2020-03-19 1 3
2020-03-20 1 4
2020-03-22 2 6
2020-03-23 1 7
2020-03-24 1 8
2020-03-27 1 9
2020-03-28 3 12
2020-03-29 3 15
2020-03-30 4 19
2020-03-31 5 24
2020-04-01 9 33
2020-04-02 1 34
2020-04-03 9 43
2020-04-04 3 46
2020-04-05 4 50
2020-04-06 10 60
2020-04-07 7 67
2020-04-08 3 70
2020-04-09 5 75
2020-04-10 11 86
2020-04-11 6 92
2020-04-12 9 101
2020-04-13 15 116
2020-04-14 20 136
2020-04-15 17 153
2020-04-16 26 179
2020-04-17 36 215
2020-04-18 17 232
2020-04-19 11 243
2020-04-20 24 267
2020-04-21 19 286
2020-04-22 30 316
2020-04-23 34 350
2020-04-24 28 378
2020-04-25 41 419
2020-04-26 34 453
2020-04-27 30 483
2020-04-28 42 525
2020-04-29 37 562
2020-04-30 19 581
2020-05-01 32 613
2020-05-02 30 643
2020-05-03 25 668
2020-05-04 44 712
2020-05-05 37 749
2020-05-06 49 798
2020-05-07 47 845
2020-05-08 34 879
2020-05-09 30 909
2020-05-10 22 931
2020-05-11 41 972
2020-05-12 52 1024
2020-05-13 43 1067
2020-05-14 37 1104
2020-05-15 67 1171
2020-05-16 52 1223
2020-05-17 19 1242
2020-05-18 65 1307
2020-05-19 53 1360
2020-05-20 65 1425
2020-05-21 76 1501
2020-05-22 92 1593
2020-05-23 70 1663
2020-05-24 41 1704
2020-05-25 123 1827
2020-05-26 114 1941
2020-05-27 109 2050
2020-05-28 70 2120
2020-05-29 85 2205
2020-05-30 66 2271
2020-05-31 51 2322
2020-06-01 140 2462
2020-06-02 98 2560
2020-06-03 94 2654
2020-06-04 105 2759
2020-06-05 115 2874
2020-06-06 87 2961
2020-06-07 75 3036
2020-06-08 140 3176
2020-06-09 132 3308
2020-06-10 176 3484
2020-06-11 134 3618
2020-06-12 237 3855
2020-06-13 144 3999
2020-06-14 121 4120
2020-06-15 253 4373
2020-06-16 299 4672
2020-06-17 211 4883
2020-06-18 219 5102
2020-06-19 223 5325
2020-06-20 208 5533
2020-06-21 132 5665
2020-06-22 339 6004
2020-06-23 302 6306
2020-06-24 306 6612
2020-06-25 386 6998
2020-06-26 442 7440
2020-06-27 227 7667
2020-06-28 170 7837
2020-06-29 489 8326
2020-06-30 384 8710
2020-07-01 434 9144
2020-07-02 373 9517
2020-07-03 391 9908
2020-07-04 214 10122
2020-07-05 193 10315
2020-07-06 435 10750
2020-07-07 468 11218
2020-07-08 417 11635
2020-07-09 403 12038
2020-07-10 336 12374
2020-07-11 238 12612
2020-07-12 145 12757
2020-07-13 435 13192
2020-07-14 510 13702
2020-07-15 479 14181
2020-07-16 485 14666
2020-07-17 433 15099
2020-07-18 272 15371
2020-07-19 227 15598
2020-07-20 448 16046
2020-07-21 418 16464
2020-07-22 399 16863
2020-07-23 361 17224
2020-07-24 400 17624
2020-07-25 248 17872
2020-07-26 98 17970
2020-07-27 314 18284
2020-07-28 323 18607
2020-07-29 351 18958
2020-07-30 271 19229
2020-07-31 211 19440
2020-08-01 187 19627
2020-08-02 84 19711
2020-08-03 322 20033
2020-08-04 291 20324
2020-08-05 246 20570
2020-08-06 268 20838
2020-08-07 304 21142
2020-08-08 215 21357
2020-08-09 118 21475
2020-08-10 319 21794
2020-08-11 336 22130
2020-08-12 234 22364
2020-08-13 235 22599
2020-08-14 229 22828
2020-08-15 126 22954
2020-08-16 87 23041
2020-08-17 244 23285
2020-08-18 233 23518
2020-08-19 165 23683
2020-08-20 192 23875
2020-08-21 261 24136
2020-08-22 94 24230
2020-08-23 67 24297
2020-08-24 186 24483
2020-08-25 161 24644
2020-08-26 187 24831
2020-08-27 168 24999
2020-08-28 181 25180
2020-08-29 78 25258
2020-08-30 91 25349
2020-08-31 250 25599
2020-09-01 252 25851
2020-09-02 247 26098
2020-09-03 245 26343
2020-09-04 228 26571
2020-09-05 119 26690
2020-09-06 67 26757
2020-09-07 225 26982
2020-09-08 211 27193
2020-09-09 184 27377
2020-09-10 162 27539
2020-09-11 167 27706
2020-09-12 77 27783
2020-09-13 41 27824
2020-09-14 170 27994
2020-09-15 143 28137
2020-09-16 57 28194
2020-09-17 155 28349
2020-09-18 139 28488
2020-09-19 66 28554
2020-09-20 50 28604
2020-09-21 192 28796
2020-09-22 186 28982
2020-09-23 121 29103
2020-09-24 128 29231
2020-09-25 152 29383
2020-09-26 66 29449
2020-09-27 53 29502
2020-09-28 170 29672
2020-09-29 164 29836
2020-09-30 133 29969
2020-10-01 113 30082
2020-10-02 84 30166
2020-10-03 69 30235
2020-10-04 33 30268
2020-10-05 147 30415
2020-10-06 129 30544
2020-10-07 126 30670
2020-10-08 102 30772
2020-10-09 98 30870
2020-10-10 62 30932
2020-10-11 36 30968
2020-10-12 124 31092
2020-10-13 152 31244
2020-10-14 106 31350
2020-10-15 98 31448
2020-10-16 107 31555
2020-10-17 56 31611
2020-10-18 41 31652
2020-10-19 144 31796
2020-10-20 218 32014
2020-10-21 154 32168
2020-10-22 128 32296
2020-10-23 138 32434
2020-10-24 83 32517
2020-10-25 73 32590
2020-10-26 184 32774
2020-10-27 174 32948
2020-10-28 100 33048
2020-10-29 98 33146
2020-10-30 105 33251
2020-10-31 51 33302
2020-11-01 38 33340
2020-11-02 109 33449
2020-11-03 135 33584
2020-11-04 116 33700
2020-11-05 129 33829
2020-11-06 111 33940
2020-11-07 62 34002
2020-11-08 69 34071
2020-11-09 173 34244
2020-11-10 150 34394
2020-11-11 121 34515
2020-11-12 111 34626
2020-11-13 129 34755
2020-11-14 70 34825
2020-11-15 57 34882
2020-11-16 86 34968
2020-11-17 225 35193
2020-11-18 222 35415
2020-11-19 169 35584
2020-11-20 172 35756
2020-11-21 82 35838
2020-11-22 73 35911
2020-11-23 172 36083
2020-11-24 173 36256
2020-11-25 147 36403
2020-11-26 140 36543
2020-11-27 161 36704
2020-11-28 80 36784
2020-11-29 65 36849
2020-11-30 154 37003
2020-12-01 132 37135
2020-12-02 129 37264
2020-12-03 148 37412
2020-12-04 125 37537
2020-12-05 55 37592
2020-12-06 53 37645
2020-12-07 157 37802
2020-12-08 169 37971
2020-12-09 142 38113
2020-12-10 165 38278
2020-12-11 175 38453
2020-12-12 99 38552
2020-12-13 87 38639
2020-12-14 219 38858
2020-12-15 240 39098
2020-12-16 239 39337
2020-12-17 192 39529
2020-12-18 221 39750
2020-12-19 119 39869
2020-12-20 83 39952
2020-12-21 267 40219
2020-12-22 260 40479
2020-12-23 223 40702
2020-12-24 164 40866
2020-12-25 49 40915
2020-12-26 117 41032
2020-12-27 98 41130
2020-12-28 245 41375
2020-12-29 308 41683
2020-12-30 267 41950
2020-12-31 216 42166
2021-01-01 90 42256
2021-01-02 137 42393
2021-01-03 104 42497
2021-01-04 345 42842
2021-01-05 312 43154
2021-01-06 391 43545
2021-01-07 391 43936
2021-01-08 397 44333
2021-01-09 194 44527
2021-01-10 151 44678
2021-01-11 319 44997
2021-01-12 395 45392
2021-01-13 358 45750
2021-01-14 317 46067
2021-01-15 303 46370
2021-01-16 185 46555
2021-01-17 116 46671
2021-01-18 376 47047
2021-01-19 378 47425
2021-01-20 324 47749
2021-01-21 313 48062
2021-01-22 350 48412
2021-01-23 158 48570
2021-01-24 114 48684
2021-01-25 357 49041
2021-01-26 315 49356
2021-01-27 255 49611
2021-01-28 271 49882
2021-01-29 187 50069
2021-01-30 107 50176
2021-01-31 87 50263
2021-02-01 103 50366
2021-02-02 185 50551
2021-02-03 204 50755
2021-02-04 162 50917
2021-02-05 163 51080
2021-02-06 63 51143
2021-02-07 73 51216
2021-02-08 181 51397
2021-02-09 162 51559
2021-02-10 125 51684
2021-02-11 143 51827
2021-02-12 124 51951
2021-02-13 40 51991
2021-02-14 26 52017
2021-02-15 43 52060
2021-02-16 72 52132
2021-02-17 76 52208
2021-02-18 73 52281
2021-02-19 72 52353
2021-02-20 40 52393
2021-02-21 31 52424
2021-02-22 101 52525
2021-02-23 93 52618
2021-02-24 108 52726
2021-02-25 92 52818
2021-02-26 83 52901
2021-02-27 38 52939
2021-02-28 32 52971
2021-03-01 108 53079
2021-03-02 100 53179
2021-03-03 95 53274
2021-03-04 79 53353
2021-03-05 69 53422
2021-03-06 47 53469
2021-03-07 31 53500
2021-03-08 109 53609
2021-03-09 80 53689
2021-03-10 82 53771
2021-03-11 60 53831
2021-03-12 84 53915
2021-03-13 32 53947
2021-03-14 25 53972
2021-03-15 36 54008
2021-03-16 91 54099
2021-03-17 68 54167
2021-03-18 60 54227
2021-03-19 67 54294
2021-03-20 34 54328
2021-03-21 15 54343
2021-03-22 73 54416
2021-03-23 59 54475
2021-03-24 63 54538
2021-03-25 58 54596
2021-03-26 55 54651
2021-03-27 19 54670
2021-03-28 23 54693
2021-03-29 70 54763
2021-03-30 62 54825
2021-03-31 58 54883
2021-04-01 21 54904
2021-04-02 32 54936
2021-04-03 38 54974
2021-04-04 29 55003
2021-04-05 86 55089
2021-04-06 77 55166
2021-04-07 75 55241
2021-04-08 56 55297
2021-04-09 80 55377
2021-04-10 29 55406
2021-04-11 29 55435
2021-04-12 86 55521
2021-04-13 79 55600
2021-04-14 68 55668
2021-04-15 81 55749
2021-04-16 75 55824
2021-04-17 22 55846
2021-04-18 26 55872
2021-04-19 95 55967
2021-04-20 81 56048
2021-04-21 89 56137
2021-04-22 77 56214
2021-04-23 56 56270
2021-04-24 38 56308
2021-04-25 33 56341
2021-04-26 97 56438
2021-04-27 101 56539
2021-04-28 80 56619
2021-04-29 89 56708
2021-04-30 85 56793
2021-05-01 32 56825
2021-05-02 33 56858
2021-05-03 135 56993
2021-05-04 120 57113
2021-05-05 101 57214
2021-05-06 110 57324
2021-05-07 103 57427
2021-05-08 46 57473
2021-05-09 40 57513
2021-05-10 101 57614
2021-05-11 163 57777
2021-05-12 123 57900
2021-05-13 113 58013
2021-05-14 125 58138
2021-05-15 64 58202
2021-05-16 42 58244
2021-05-17 179 58423
2021-05-18 141 58564
2021-05-19 109 58673
2021-05-20 116 58789
2021-05-21 111 58900
2021-05-22 62 58962
2021-05-23 64 59026
2021-05-24 147 59173
2021-05-25 148 59321
2021-05-26 143 59464
2021-05-27 157 59621
2021-05-28 129 59750
2021-05-29 59 59809
2021-05-30 46 59855
2021-05-31 180 60035
2021-06-01 185 60220
2021-06-02 172 60392
2021-06-03 179 60571
2021-06-04 169 60740
2021-06-05 81 60821
2021-06-06 71 60892
2021-06-07 217 61109
2021-06-08 204 61313
2021-06-09 242 61555
2021-06-10 224 61779
2021-06-11 231 62010
2021-06-12 92 62102
2021-06-13 75 62177
2021-06-14 271 62448
2021-06-15 307 62755
2021-06-16 226 62981
2021-06-17 268 63249
2021-06-18 286 63535
2021-06-19 115 63650
2021-06-20 108 63758
2021-06-21 336 64094
2021-06-22 330 64424
2021-06-23 348 64772
2021-06-24 290 65062
2021-06-25 261 65323
2021-06-26 133 65456
2021-06-27 101 65557
2021-06-28 358 65915
2021-06-29 303 66218
2021-06-30 294 66512
2021-07-01 264 66776
2021-07-02 268 67044
2021-07-03 125 67169
2021-07-04 90 67259
2021-07-05 330 67589
2021-07-06 281 67870
2021-07-07 279 68149
2021-07-08 249 68398
2021-07-09 265 68663
2021-07-10 125 68788
2021-07-11 112 68900
2021-07-12 323 69223
2021-07-13 292 69515
2021-07-14 269 69784
2021-07-15 268 70052
2021-07-16 263 70315
2021-07-17 121 70436
2021-07-18 90 70526
2021-07-19 349 70875
2021-07-20 317 71192
2021-07-21 261 71453
2021-07-22 262 71715
2021-07-23 250 71965
2021-07-24 128 72093
2021-07-25 124 72217
2021-07-26 353 72570
2021-07-27 394 72964
2021-07-28 406 73370
2021-07-29 319 73689
2021-07-30 337 74026
2021-07-31 135 74161
2021-08-01 156 74317
2021-08-02 528 74845
2021-08-03 506 75351
2021-08-04 483 75834
2021-08-05 508 76342
2021-08-06 531 76873
2021-08-07 216 77089
2021-08-08 189 77278
2021-08-09 680 77958
2021-08-10 703 78661
2021-08-11 627 79288
2021-08-12 504 79792
2021-08-13 591 80383
2021-08-14 265 80648
2021-08-15 200 80848
2021-08-16 725 81573
2021-08-17 634 82207
2021-08-18 652 82859
2021-08-19 540 83399
2021-08-20 585 83984
2021-08-21 230 84214
2021-08-22 192 84406
2021-08-23 683 85089
2021-08-24 616 85705
2021-08-25 661 86366
2021-08-26 515 86881
2021-08-27 517 87398
2021-08-28 239 87637
2021-08-29 191 87828
2021-08-30 615 88443
2021-08-31 572 89015
2021-09-01 583 89598
2021-09-02 505 90103
2021-09-03 526 90629
2021-09-04 221 90850
2021-09-05 182 91032
2021-09-06 607 91639
2021-09-07 499 92138
2021-09-08 499 92637
2021-09-09 426 93063
2021-09-10 409 93472
2021-09-11 159 93631
2021-09-12 139 93770
2021-09-13 455 94225
2021-09-14 367 94592
2021-09-15 294 94886
2021-09-16 161 95047
2021-09-17 402 95449
2021-09-18 167 95616
2021-09-19 110 95726
2021-09-20 433 96159
2021-09-21 313 96472
2021-09-22 355 96827
2021-09-23 234 97061
2021-09-24 260 97321
2021-09-25 117 97438
2021-09-26 101 97539
2021-09-27 330 97869
2021-09-28 210 98079
2021-09-29 236 98315
2021-09-30 201 98516
2021-10-01 181 98697
2021-10-02 73 98770
2021-10-03 59 98829
2021-10-04 215 99044
2021-10-05 170 99214
2021-10-06 170 99384
2021-10-07 147 99531
2021-10-08 157 99688
2021-10-09 61 99749
2021-10-10 80 99829
2021-10-11 197 100026
2021-10-12 149 100175
2021-10-13 138 100313
2021-10-14 133 100446
2021-10-15 169 100615
2021-10-16 64 100679
2021-10-17 30 100709
2021-10-18 113 100822
2021-10-19 90 100912
2021-10-20 115 101027
2021-10-21 83 101110
2021-10-22 91 101201
2021-10-23 39 101240
2021-10-24 39 101279
2021-10-25 134 101413
2021-10-26 82 101495
2021-10-27 94 101589
2021-10-28 90 101679
2021-10-29 73 101752
2021-10-30 32 101784
2021-10-31 17 101801
2021-11-01 67 101868
2021-11-02 64 101932
2021-11-03 86 102018
2021-11-04 76 102094
2021-11-05 65 102159
2021-11-06 35 102194
2021-11-07 25 102219
2021-11-08 102 102321
2021-11-09 69 102390
2021-11-10 70 102460
2021-11-11 65 102525
2021-11-12 59 102584
2021-11-13 18 102602
2021-11-14 10 102612
2021-11-15 31 102643
2021-11-16 56 102699
2021-11-17 70 102769
2021-11-18 56 102825
2021-11-19 49 102874
2021-11-20 20 102894
2021-11-21 16 102910
2021-11-22 52 102962
2021-11-23 47 103009
2021-11-24 49 103058
2021-11-25 42 103100
2021-11-26 37 103137
2021-11-27 18 103155
2021-11-28 19 103174
2021-11-29 63 103237
2021-11-30 47 103284
2021-12-01 35 103319
2021-12-02 44 103363
2021-12-03 47 103410
2021-12-04 21 103431
2021-12-05 18 103449
2021-12-06 86 103535
2021-12-07 68 103603
2021-12-08 41 103644
2021-12-09 29 103673

Visualizamos en la tabla, el total de casos positivos acumulados por día para el Estado de Tamaulipas; cuyo registro de 103,673 coincide con nuestra verificación

1.4

Total acumulado de defunciones por día a nivel estatal.

#  Fechas de defunción 
FechasDef <- Covidtam_pos$FECHA_DEF
# Remover los datos "no especificados"
FechasDef <- data.frame(FECHA_DEF=FechasDef[!is.na(FechasDef)])
# Defunciones por día 
DefuxdiaTam <- ddply(FechasDef, "FECHA_DEF", summarise, CASOS_DEF = length(FECHA_DEF))

# Creamos un vector suplementario 
vecAux <- seq(min(as.Date(FechasDef$FECHA_DEF)),max(as.Date(FechasDef$FECHA_DEF)),by="day")
auxFecha <- data.frame(FECHA_DEF=as.character(vecAux))
# hacemos el "merge" para tener vector de fechas completas
DefuxdiaTam_ <- merge(auxFecha,DefuxdiaTam, by="FECHA_DEF", all.x=T )
# A los datos "no especificados" (NAs) agregamos ceros  para tener todos los días en la tabla
DefuxdiaTam_$CASOS_DEF[is.na(DefuxdiaTam_$CASOS_DEF)] <- 0
# Casos de defunciones por día en el Estado de Tamaulipas 
DefuxdiaTam_$CASOS_DEF_ACUM <- cumsum(DefuxdiaTam_$CASOS_DEF)

DefuxdiaTam_<- `colnames<-`(DefuxdiaTam_,c("Fecha de defunción", "Defunciones", 
          "Defunciones acumuladas"))
kbl(DefuxdiaTam_, caption = "Tabla 1.4 Total de defunciones acumuladas por 
    día a nivel estatal.",
align = "c", 
digits = c(0,2)) %>% column_spec(3, bold = T, color = "red")
Tabla 1.4 Total de defunciones acumuladas por día a nivel estatal.
Fecha de defunción Defunciones Defunciones acumuladas
2020-04-03 1 1
2020-04-04 1 2
2020-04-05 0 2
2020-04-06 1 3
2020-04-07 0 3
2020-04-08 0 3
2020-04-09 0 3
2020-04-10 0 3
2020-04-11 0 3
2020-04-12 0 3
2020-04-13 0 3
2020-04-14 1 4
2020-04-15 1 5
2020-04-16 0 5
2020-04-17 1 6
2020-04-18 0 6
2020-04-19 0 6
2020-04-20 4 10
2020-04-21 0 10
2020-04-22 0 10
2020-04-23 3 13
2020-04-24 1 14
2020-04-25 3 17
2020-04-26 1 18
2020-04-27 2 20
2020-04-28 1 21
2020-04-29 0 21
2020-04-30 3 24
2020-05-01 2 26
2020-05-02 3 29
2020-05-03 1 30
2020-05-04 1 31
2020-05-05 1 32
2020-05-06 3 35
2020-05-07 4 39
2020-05-08 6 45
2020-05-09 3 48
2020-05-10 4 52
2020-05-11 4 56
2020-05-12 3 59
2020-05-13 5 64
2020-05-14 6 70
2020-05-15 2 72
2020-05-16 3 75
2020-05-17 0 75
2020-05-18 4 79
2020-05-19 5 84
2020-05-20 2 86
2020-05-21 5 91
2020-05-22 4 95
2020-05-23 3 98
2020-05-24 5 103
2020-05-25 5 108
2020-05-26 3 111
2020-05-27 4 115
2020-05-28 10 125
2020-05-29 2 127
2020-05-30 7 134
2020-05-31 9 143
2020-06-01 6 149
2020-06-02 6 155
2020-06-03 7 162
2020-06-04 5 167
2020-06-05 3 170
2020-06-06 2 172
2020-06-07 6 178
2020-06-08 7 185
2020-06-09 7 192
2020-06-10 9 201
2020-06-11 5 206
2020-06-12 11 217
2020-06-13 6 223
2020-06-14 19 242
2020-06-15 16 258
2020-06-16 14 272
2020-06-17 19 291
2020-06-18 23 314
2020-06-19 20 334
2020-06-20 9 343
2020-06-21 18 361
2020-06-22 29 390
2020-06-23 21 411
2020-06-24 14 425
2020-06-25 24 449
2020-06-26 28 477
2020-06-27 35 512
2020-06-28 32 544
2020-06-29 33 577
2020-06-30 37 614
2020-07-01 20 634
2020-07-02 37 671
2020-07-03 21 692
2020-07-04 43 735
2020-07-05 44 779
2020-07-06 51 830
2020-07-07 44 874
2020-07-08 38 912
2020-07-09 28 940
2020-07-10 31 971
2020-07-11 21 992
2020-07-12 24 1016
2020-07-13 41 1057
2020-07-14 28 1085
2020-07-15 36 1121
2020-07-16 48 1169
2020-07-17 35 1204
2020-07-18 32 1236
2020-07-19 35 1271
2020-07-20 41 1312
2020-07-21 42 1354
2020-07-22 38 1392
2020-07-23 47 1439
2020-07-24 38 1477
2020-07-25 30 1507
2020-07-26 45 1552
2020-07-27 39 1591
2020-07-28 30 1621
2020-07-29 40 1661
2020-07-30 34 1695
2020-07-31 31 1726
2020-08-01 36 1762
2020-08-02 33 1795
2020-08-03 24 1819
2020-08-04 30 1849
2020-08-05 29 1878
2020-08-06 26 1904
2020-08-07 20 1924
2020-08-08 33 1957
2020-08-09 28 1985
2020-08-10 23 2008
2020-08-11 28 2036
2020-08-12 32 2068
2020-08-13 22 2090
2020-08-14 19 2109
2020-08-15 27 2136
2020-08-16 24 2160
2020-08-17 20 2180
2020-08-18 30 2210
2020-08-19 17 2227
2020-08-20 15 2242
2020-08-21 32 2274
2020-08-22 16 2290
2020-08-23 20 2310
2020-08-24 22 2332
2020-08-25 17 2349
2020-08-26 19 2368
2020-08-27 17 2385
2020-08-28 17 2402
2020-08-29 19 2421
2020-08-30 16 2437
2020-08-31 19 2456
2020-09-01 19 2475
2020-09-02 12 2487
2020-09-03 12 2499
2020-09-04 10 2509
2020-09-05 7 2516
2020-09-06 16 2532
2020-09-07 17 2549
2020-09-08 17 2566
2020-09-09 20 2586
2020-09-10 20 2606
2020-09-11 14 2620
2020-09-12 21 2641
2020-09-13 11 2652
2020-09-14 17 2669
2020-09-15 9 2678
2020-09-16 12 2690
2020-09-17 7 2697
2020-09-18 6 2703
2020-09-19 11 2714
2020-09-20 9 2723
2020-09-21 11 2734
2020-09-22 12 2746
2020-09-23 10 2756
2020-09-24 10 2766
2020-09-25 10 2776
2020-09-26 11 2787
2020-09-27 7 2794
2020-09-28 8 2802
2020-09-29 10 2812
2020-09-30 4 2816
2020-10-01 8 2824
2020-10-02 7 2831
2020-10-03 6 2837
2020-10-04 10 2847
2020-10-05 7 2854
2020-10-06 9 2863
2020-10-07 14 2877
2020-10-08 12 2889
2020-10-09 9 2898
2020-10-10 5 2903
2020-10-11 9 2912
2020-10-12 9 2921
2020-10-13 10 2931
2020-10-14 10 2941
2020-10-15 8 2949
2020-10-16 7 2956
2020-10-17 7 2963
2020-10-18 8 2971
2020-10-19 6 2977
2020-10-20 9 2986
2020-10-21 12 2998
2020-10-22 9 3007
2020-10-23 6 3013
2020-10-24 11 3024
2020-10-25 12 3036
2020-10-26 11 3047
2020-10-27 7 3054
2020-10-28 11 3065
2020-10-29 6 3071
2020-10-30 9 3080
2020-10-31 6 3086
2020-11-01 6 3092
2020-11-02 3 3095
2020-11-03 5 3100
2020-11-04 12 3112
2020-11-05 7 3119
2020-11-06 10 3129
2020-11-07 7 3136
2020-11-08 7 3143
2020-11-09 5 3148
2020-11-10 7 3155
2020-11-11 15 3170
2020-11-12 9 3179
2020-11-13 9 3188
2020-11-14 9 3197
2020-11-15 10 3207
2020-11-16 2 3209
2020-11-17 8 3217
2020-11-18 9 3226
2020-11-19 6 3232
2020-11-20 11 3243
2020-11-21 10 3253
2020-11-22 6 3259
2020-11-23 6 3265
2020-11-24 11 3276
2020-11-25 6 3282
2020-11-26 12 3294
2020-11-27 11 3305
2020-11-28 18 3323
2020-11-29 8 3331
2020-11-30 12 3343
2020-12-01 12 3355
2020-12-02 12 3367
2020-12-03 6 3373
2020-12-04 13 3386
2020-12-05 12 3398
2020-12-06 9 3407
2020-12-07 14 3421
2020-12-08 12 3433
2020-12-09 13 3446
2020-12-10 6 3452
2020-12-11 9 3461
2020-12-12 7 3468
2020-12-13 10 3478
2020-12-14 13 3491
2020-12-15 12 3503
2020-12-16 6 3509
2020-12-17 10 3519
2020-12-18 8 3527
2020-12-19 12 3539
2020-12-20 13 3552
2020-12-21 23 3575
2020-12-22 19 3594
2020-12-23 11 3605
2020-12-24 15 3620
2020-12-25 15 3635
2020-12-26 10 3645
2020-12-27 17 3662
2020-12-28 15 3677
2020-12-29 8 3685
2020-12-30 10 3695
2020-12-31 12 3707
2021-01-01 22 3729
2021-01-02 16 3745
2021-01-03 15 3760
2021-01-04 12 3772
2021-01-05 20 3792
2021-01-06 16 3808
2021-01-07 17 3825
2021-01-08 18 3843
2021-01-09 19 3862
2021-01-10 24 3886
2021-01-11 22 3908
2021-01-12 21 3929
2021-01-13 23 3952
2021-01-14 24 3976
2021-01-15 32 4008
2021-01-16 19 4027
2021-01-17 26 4053
2021-01-18 21 4074
2021-01-19 22 4096
2021-01-20 22 4118
2021-01-21 20 4138
2021-01-22 24 4162
2021-01-23 21 4183
2021-01-24 23 4206
2021-01-25 22 4228
2021-01-26 23 4251
2021-01-27 17 4268
2021-01-28 16 4284
2021-01-29 23 4307
2021-01-30 21 4328
2021-01-31 17 4345
2021-02-01 10 4355
2021-02-02 25 4380
2021-02-03 17 4397
2021-02-04 28 4425
2021-02-05 9 4434
2021-02-06 17 4451
2021-02-07 23 4474
2021-02-08 18 4492
2021-02-09 12 4504
2021-02-10 12 4516
2021-02-11 10 4526
2021-02-12 10 4536
2021-02-13 17 4553
2021-02-14 10 4563
2021-02-15 18 4581
2021-02-16 11 4592
2021-02-17 16 4608
2021-02-18 16 4624
2021-02-19 14 4638
2021-02-20 8 4646
2021-02-21 12 4658
2021-02-22 11 4669
2021-02-23 6 4675
2021-02-24 5 4680
2021-02-25 5 4685
2021-02-26 5 4690
2021-02-27 9 4699
2021-02-28 8 4707
2021-03-01 2 4709
2021-03-02 10 4719
2021-03-03 5 4724
2021-03-04 4 4728
2021-03-05 7 4735
2021-03-06 4 4739
2021-03-07 3 4742
2021-03-08 7 4749
2021-03-09 6 4755
2021-03-10 3 4758
2021-03-11 7 4765
2021-03-12 5 4770
2021-03-13 2 4772
2021-03-14 7 4779
2021-03-15 9 4788
2021-03-16 4 4792
2021-03-17 7 4799
2021-03-18 3 4802
2021-03-19 9 4811
2021-03-20 8 4819
2021-03-21 7 4826
2021-03-22 7 4833
2021-03-23 5 4838
2021-03-24 4 4842
2021-03-25 2 4844
2021-03-26 3 4847
2021-03-27 6 4853
2021-03-28 7 4860
2021-03-29 6 4866
2021-03-30 3 4869
2021-03-31 5 4874
2021-04-01 5 4879
2021-04-02 2 4881
2021-04-03 4 4885
2021-04-04 4 4889
2021-04-05 3 4892
2021-04-06 5 4897
2021-04-07 5 4902
2021-04-08 2 4904
2021-04-09 5 4909
2021-04-10 2 4911
2021-04-11 4 4915
2021-04-12 3 4918
2021-04-13 7 4925
2021-04-14 6 4931
2021-04-15 4 4935
2021-04-16 5 4940
2021-04-17 11 4951
2021-04-18 1 4952
2021-04-19 2 4954
2021-04-20 3 4957
2021-04-21 5 4962
2021-04-22 4 4966
2021-04-23 3 4969
2021-04-24 2 4971
2021-04-25 6 4977
2021-04-26 6 4983
2021-04-27 3 4986
2021-04-28 4 4990
2021-04-29 7 4997
2021-04-30 0 4997
2021-05-01 2 4999
2021-05-02 4 5003
2021-05-03 4 5007
2021-05-04 6 5013
2021-05-05 3 5016
2021-05-06 3 5019
2021-05-07 4 5023
2021-05-08 7 5030
2021-05-09 2 5032
2021-05-10 4 5036
2021-05-11 3 5039
2021-05-12 4 5043
2021-05-13 4 5047
2021-05-14 6 5053
2021-05-15 5 5058
2021-05-16 12 5070
2021-05-17 4 5074
2021-05-18 6 5080
2021-05-19 6 5086
2021-05-20 7 5093
2021-05-21 8 5101
2021-05-22 8 5109
2021-05-23 7 5116
2021-05-24 10 5126
2021-05-25 8 5134
2021-05-26 11 5145
2021-05-27 12 5157
2021-05-28 7 5164
2021-05-29 3 5167
2021-05-30 2 5169
2021-05-31 6 5175
2021-06-01 7 5182
2021-06-02 4 5186
2021-06-03 8 5194
2021-06-04 5 5199
2021-06-05 8 5207
2021-06-06 7 5214
2021-06-07 8 5222
2021-06-08 10 5232
2021-06-09 4 5236
2021-06-10 6 5242
2021-06-11 7 5249
2021-06-12 7 5256
2021-06-13 4 5260
2021-06-14 11 5271
2021-06-15 6 5277
2021-06-16 7 5284
2021-06-17 9 5293
2021-06-18 9 5302
2021-06-19 9 5311
2021-06-20 10 5321
2021-06-21 7 5328
2021-06-22 8 5336
2021-06-23 10 5346
2021-06-24 8 5354
2021-06-25 9 5363
2021-06-26 5 5368
2021-06-27 4 5372
2021-06-28 13 5385
2021-06-29 16 5401
2021-06-30 10 5411
2021-07-01 9 5420
2021-07-02 6 5426
2021-07-03 9 5435
2021-07-04 7 5442
2021-07-05 9 5451
2021-07-06 14 5465
2021-07-07 13 5478
2021-07-08 7 5485
2021-07-09 5 5490
2021-07-10 8 5498
2021-07-11 9 5507
2021-07-12 10 5517
2021-07-13 7 5524
2021-07-14 9 5533
2021-07-15 8 5541
2021-07-16 8 5549
2021-07-17 7 5556
2021-07-18 8 5564
2021-07-19 5 5569
2021-07-20 4 5573
2021-07-21 8 5581
2021-07-22 2 5583
2021-07-23 5 5588
2021-07-24 10 5598
2021-07-25 8 5606
2021-07-26 5 5611
2021-07-27 12 5623
2021-07-28 10 5633
2021-07-29 7 5640
2021-07-30 14 5654
2021-07-31 7 5661
2021-08-01 11 5672
2021-08-02 13 5685
2021-08-03 16 5701
2021-08-04 11 5712
2021-08-05 11 5723
2021-08-06 14 5737
2021-08-07 9 5746
2021-08-08 16 5762
2021-08-09 15 5777
2021-08-10 16 5793
2021-08-11 15 5808
2021-08-12 22 5830
2021-08-13 14 5844
2021-08-14 15 5859
2021-08-15 25 5884
2021-08-16 18 5902
2021-08-17 14 5916
2021-08-18 24 5940
2021-08-19 17 5957
2021-08-20 25 5982
2021-08-21 24 6006
2021-08-22 18 6024
2021-08-23 19 6043
2021-08-24 18 6061
2021-08-25 19 6080
2021-08-26 17 6097
2021-08-27 15 6112
2021-08-28 15 6127
2021-08-29 15 6142
2021-08-30 16 6158
2021-08-31 26 6184
2021-09-01 21 6205
2021-09-02 21 6226
2021-09-03 18 6244
2021-09-04 17 6261
2021-09-05 25 6286
2021-09-06 20 6306
2021-09-07 26 6332
2021-09-08 17 6349
2021-09-09 15 6364
2021-09-10 18 6382
2021-09-11 15 6397
2021-09-12 22 6419
2021-09-13 14 6433
2021-09-14 18 6451
2021-09-15 16 6467
2021-09-16 17 6484
2021-09-17 17 6501
2021-09-18 9 6510
2021-09-19 19 6529
2021-09-20 9 6538
2021-09-21 17 6555
2021-09-22 27 6582
2021-09-23 14 6596
2021-09-24 21 6617
2021-09-25 12 6629
2021-09-26 17 6646
2021-09-27 14 6660
2021-09-28 12 6672
2021-09-29 12 6684
2021-09-30 6 6690
2021-10-01 14 6704
2021-10-02 12 6716
2021-10-03 9 6725
2021-10-04 14 6739
2021-10-05 10 6749
2021-10-06 8 6757
2021-10-07 8 6765
2021-10-08 5 6770
2021-10-09 8 6778
2021-10-10 8 6786
2021-10-11 9 6795
2021-10-12 12 6807
2021-10-13 5 6812
2021-10-14 12 6824
2021-10-15 6 6830
2021-10-16 7 6837
2021-10-17 8 6845
2021-10-18 5 6850
2021-10-19 5 6855
2021-10-20 8 6863
2021-10-21 11 6874
2021-10-22 9 6883
2021-10-23 6 6889
2021-10-24 7 6896
2021-10-25 9 6905
2021-10-26 6 6911
2021-10-27 2 6913
2021-10-28 6 6919
2021-10-29 2 6921
2021-10-30 4 6925
2021-10-31 0 6925
2021-11-01 6 6931
2021-11-02 3 6934
2021-11-03 6 6940
2021-11-04 5 6945
2021-11-05 5 6950
2021-11-06 3 6953
2021-11-07 5 6958
2021-11-08 2 6960
2021-11-09 5 6965
2021-11-10 3 6968
2021-11-11 2 6970
2021-11-12 1 6971
2021-11-13 6 6977
2021-11-14 2 6979
2021-11-15 1 6980
2021-11-16 4 6984
2021-11-17 4 6988
2021-11-18 1 6989
2021-11-19 1 6990
2021-11-20 4 6994
2021-11-21 1 6995
2021-11-22 2 6997
2021-11-23 5 7002
2021-11-24 2 7004
2021-11-25 1 7005
2021-11-26 1 7006
2021-11-27 2 7008
2021-11-28 2 7010
2021-11-29 2 7012
2021-11-30 2 7014
2021-12-01 1 7015
2021-12-02 4 7019
2021-12-03 3 7022
2021-12-04 1 7023
2021-12-05 1 7024
2021-12-06 4 7028
2021-12-07 2 7030
2021-12-08 1 7031

Visualizamos en la tabla, el total acumulado de defunciones por día para el Estado de Tamaulipas y como comprobamos en la Verificación de los datos [7,031] (en el apartado de defunciones) coincide con el proporcionado por el Gobierno

1.5

% de mujeres, a nivel municipal, que representan un caso positivo (Número de mujeres positivas en el municipio / Número de casos positivos en ese municipio).

Mun_Sex <- ddply(Covidtam_pos, "MUNICIPIO_RES_2", summarise, MUNICIPIO= unique(NOM_MUNICIPIO_RES),NO_MUJ=sum(SEXO == 1 ))  
# Número de mujeres positivas en el municipio/ número de casos positivos para  Tamaulipas
Mun_Sex$POR_MUJ = paste(round(100*Mun_Sex$NO_MUJ/nrow(Covidtam_pos),2), "%", sep="")
# Eliminamos la fila 44 (datos no especificados)
Mun_Sex<- Mun_Sex[-c(44),]

Mun_SexMTa<- `colnames<-`(Mun_Sex,c("Clave de municipio", "Municipio", 
"Número de Mujeres Positivas", "% Mujeres Municipal"))
kbl(Mun_SexMTa, caption = "Tabla 1.5: Porcentaje de mujeres, a nivel municipal,
que representan un caso positivo.", align = "c", digits = c(0,2)) %>% 
column_spec(4, bold = T, color = "red")
Tabla 1.5: Porcentaje de mujeres, a nivel municipal, que representan un caso positivo.
Clave de municipio Municipio Número de Mujeres Positivas % Mujeres Municipal
001 ABASOLO 79 0.08%
002 ALDAMA 621 0.6%
003 ALTAMIRA 4274 4.12%
004 ANTIGUO MORELOS 63 0.06%
005 BURGOS 17 0.02%
006 BUSTAMANTE 27 0.03%
007 CAMARGO 171 0.16%
008 CASAS 10 0.01%
009 CIUDAD MADERO 4129 3.98%
010 CRUILLAS 11 0.01%
011 GÓMEZ FARÍAS 52 0.05%
012 GONZÁLEZ 222 0.21%
013 GÜÉMEZ 68 0.07%
014 GUERRERO 33 0.03%
015 GUSTAVO DÍAZ ORDAZ 38 0.04%
016 HIDALGO 96 0.09%
017 JAUMAVE 192 0.19%
018 JIMÉNEZ 42 0.04%
019 LLERA 78 0.08%
020 MAINERO 30 0.03%
021 EL MANTE 2414 2.33%
022 MATAMOROS 7454 7.19%
023 MÉNDEZ 13 0.01%
024 MIER 70 0.07%
025 MIGUEL ALEMÁN 402 0.39%
026 MIQUIHUANA 19 0.02%
027 NUEVO LAREDO 4031 3.89%
028 NUEVO MORELOS 28 0.03%
029 OCAMPO 63 0.06%
030 PADILLA 252 0.24%
031 PALMILLAS 9 0.01%
032 REYNOSA 7452 7.19%
033 RÍO BRAVO 972 0.94%
034 SAN CARLOS 44 0.04%
035 SAN FERNANDO 621 0.6%
036 SAN NICOLÁS 4 0%
037 SOTO LA MARINA 583 0.56%
038 TAMPICO 7138 6.89%
039 TULA 236 0.23%
040 VALLE HERMOSO 716 0.69%
041 VICTORIA 7885 7.61%
042 VILLAGRÁN 24 0.02%
043 XICOTÉNCATL 221 0.21%

Visualizamos en la tabla, % de mujeres a nivel municipal, que representan un caso positivo a nivel municipal para el Estado de Tamaulipas, podemos observar que el municipio de Victoria con 7.61% tiene el mayor porcentaje seguido de un empate con los municipios de Reynosa y Matamoros con 7.19%

EJERCICIO 2

Gráfico de barras de los 10 municipios con mayor % de defunciones.

# Ordenamiento de la tabla
MunicipioDefu <- Defu[order(Defu$NO_DEF,
  decreasing = T),]

MunicipioDefu$POR_DEF2 <- MunicipioDefu$NO_DEF/Totaldefu

# Gráfica

MunicipioDefu0 <- MunicipioDefu[1:10,]
Grafbar <- ggplot(data=MunicipioDefu0[,c(2,4,5)], 
   aes(x=reorder(MUNICIPIO,-POR_DEF2), y=POR_DEF2, 
       text=paste("<b>MUNICIPIO</b>:",MUNICIPIO,
   "<br><b>% DEFUNCIÓN</b>:", POR_DEF,sep="")))+
  geom_bar(stat="identity", fill="firebrick")+
  geom_text(aes(label=POR_DEF), 
  vjust=2, color="navyblue", size=4)+
  scale_y_continuous(labels = scales::percent_format(accuracy = 2.5))+
  scale_x_discrete(guide = guide_axis(angle = 90)) +
  scale_fill_discrete(labels=c("Municipio", "Porcentaje Defunción"))+
  labs(title = "10 municipios con mayor % de defunciones",
  x="Municipios", y="Porcentaje de Defunciones") 

ggplotly(Grafbar, tooltip = "text",width = 1000, heigth=550)

Podemos observar en el gráfico interactivo, los 10 municipios con mayor % de defunciones para el Estado de Tamaulipas, encontramos que el municipio de Reynosa concentra el mayor porcentaje de defunciones.

EJERCICIO 3

Gráfico de barras de los 10 municipios con mayor número de casos positivos detectados, divido por hombres y por mujeres.

# Del ejercicio 1.5 agregamos para mujeres
Mun_Sex <- ddply(Covidtam_pos, "MUNICIPIO_RES_2", summarise, MUNICIPIO= unique(NOM_MUNICIPIO_RES),NO_MUJ=sum(SEXO == 1 ),NO_HOM=sum(SEXO == 2 ))  

Mun_Sex$POR_MUJ = paste(round(100*Mun_Sex$NO_HOM/nrow(Covidtam_pos),2), "%", sep="")


Mun_Sex$TOTAL <- Mun_Sex$NO_MUJ + Mun_Sex$NO_HOM
# Ordenamos 
Mun_Sex <- Mun_Sex[order(Mun_Sex$TOTAL, decreasing = T),]
# 10 municipios con más casos
Mun_Sex_10 <- head(Mun_Sex,10)
#Asignamos nombres (Mujeres,Hombres)
names(Mun_Sex_10)[3:4] <- c("MUJERES", "HOMBRES")


MunicipiosxSexo <- pivot_longer(data=Mun_Sex_10[,c(2:4)], cols = 2:3, names_to = c("SEXO"), values_to = "CASOS_CONFIRMADOS" )
# Gráfica
bplotMunSexo <- ggplot(data=MunicipiosxSexo, 
aes(x=reorder(MUNICIPIO,-CASOS_CONFIRMADOS), y=CASOS_CONFIRMADOS, 
fill=SEXO, text = paste("<b>MUNICIPIO</b>:",MUNICIPIO,"<br><b>CASOS COVID-19</b>:", CASOS_CONFIRMADOS,"<br><b>SEXO</b>:",SEXO, sep=""))) +
geom_bar(stat="identity", position=position_dodge()) +
   labs(title = '10 municipios con mayor número de casos positivos detectados',
   fill = 'Sexo',
     x = 'Municipios',
     y = 'Casos confirmados COVID-19',
   subtitle = 'Dividido por hombres y por mujeres',
   caption = '')+
  scale_x_discrete(guide = guide_axis(angle = 90)) +
  scale_color_manual(values = c("dodgerblue4", "rosybrown2")) +
  scale_fill_manual(values = c("dodgerblue4", "rosybrown2"))
  
ggplotly(bplotMunSexo, tooltip="text", width = 1300, heigth=650)

Podemos observar en el gráfico de barras interactivo, los 10 municipios con mayor número de casos positivos detectados, divido por hombres y por mujeres para el Estado de Tamaulipas.

EJERCICIO 4

Gráfico de líneas que representa el número acumulado de defunciones a nivel estatal por día. Al desplazar el cursor sobre la línea, se debe de mostrar la cantidad representada en la línea.

DefuxdiaTam_$`Fecha de defunción` <- as.Date(DefuxdiaTam_$`Fecha de defunción`)
TiempoDefun <- xts::xts(x=DefuxdiaTam_,order.by=DefuxdiaTam_$`Fecha de defunción`)
dygraph(TiempoDefun) %>%
  dySeries("Defunciones acumuladas", label = "Muertes por COVID-19") %>%
  dyOptions(fillGraph=T, fillAlpha=0.7, 
  drawGrid = F, colors="tomato4") %>%
  dyRangeSelector() %>%
  dyCrosshair(direction = "vertical") %>%
  dyHighlight(highlightCircleSize = 4, 
  highlightSeriesBackgroundAlpha = 0.3, 
  hideOnMouseOut = F)  %>%
  dyRoller(rollPeriod = 1)

Podemos observar en el gráfico de líneas que representa el número acumulado de defunciones a nivel estatal por días para el Estado de Tamaulipas, de nueva cuenta comprobamos que el valor de 7,031 queda verificado.

EJERCICIO 5

Mapa que muestre la distribución espacial, por municipio, del % de defunciones. Utilizar el corte por cuantiles. Al situar el cursor sobre el municipio, se debe de desplegar el % de defunciones y el total de casos de defunciones del correspondiente.

# Cargamos el mapa de Tamaulipas 
mapa_tama<-readOGR("C:\\Users\\ARRA\\OneDrive\\Desktop\\CIDE\\programacion R\\Actividad 4", layer="mapa_Tama",encoding = "UTF-8")
## OGR data source with driver: ESRI Shapefile 
## Source: "C:\Users\ARRA\OneDrive\Desktop\CIDE\programacion R\Actividad 4", layer: "mapa_Tama"
## with 43 features
## It has 4 fields
MunicipioDefu$POR_DEF2 <- MunicipioDefu$NO_DEF/Totaldefu
mapa_tama2 <- merge(mapa_tama, MunicipioDefu, by.x="CVE_MUN", by.y="MUNICIPIO_RES_2",all.x=T)
# Etiquetado
TBox <- paste(
  "Municipio : ",mapa_tama2$NOMGEO,"<br/>",
  "% Fallecimientos: ", round((mapa_tama2$POR_DEF2)*100,2),"<br/>",  
  "Total Defunciones:", mapa_tama2$NO_DEF )%>%
  lapply(htmltools::HTML)
# Cuantiles 
Vmax <- max(mapa_tama2$POR_DEF2)
Cuantiles <- c(quantile(mapa_tama2$POR_DEF2),(Vmax+Vmax*0.1))
# Color para la gama de grises
Color <- colorBin( palette="Greys",
  domain=mapa_tama2$POR_DEF2, na.color="transparent", bins=Cuantiles)
# Mapa generado con la paquetería Leaflet
leaflet(data=mapa_tama2) %>%
      addTiles() %>% 
      addPolygons(label=TBox,fillColor = Color(mapa_tama2$POR_DEF2),
   fillOpacity = 2.5,color="#EFC000FF",weight=2) %>% leaflet::addLegend("topleft",
        pal = Color, values = ~POR_DEF2,title = "% Defunciones",
    labFormat = labelFormat(prefix="(", suffix=")%", between=", ",
    transform = function(x){100*x}),
    opacity = 2.5)

Podemos apreciar en el mapa, que muestra la distribución espacial, por municipio del % de defunciones para el Estado de Tamaulipas, donde apreciamos como hemos comprobado en el Gráfico del EJERCICIO 2 que el municipio de Reynosa es el que concentra más defunciones, esto lo visualizamos de manera clara en el color negro intenso para una mejor apreciación.