“Banco Mundial (sin gráfica)”

Instalar paquetes

#install.packages("WDI")
#install.packages("wbstats")
#install.packages("tidyverse")

Información de un sólo país: Primera gráfica

library(wbstats)

gdp_data<- wb_data(country = "MX", indicator= "NY.GDP.PCAP.CD", start_date = 1973, end_date = 2022)
summary(gdp_data)

##     iso2c              iso3c             country               date     
##  Length:49          Length:49          Length:49          Min.   :1973  
##  Class :character   Class :character   Class :character   1st Qu.:1985  
##  Mode  :character   Mode  :character   Mode  :character   Median :1997  
##                                                           Mean   :1997  
##                                                           3rd Qu.:2009  
##                                                           Max.   :2021  
##  NY.GDP.PCAP.CD        unit            obs_status          footnote        
##  Min.   :  981.5   Length:49          Length:49          Length:49         
##  1st Qu.: 2569.2   Class :character   Class :character   Class :character  
##  Median : 5650.0   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 5751.7                                                           
##  3rd Qu.: 9068.3                                                           
##  Max.   :10928.9                                                           
##   last_updated       
##  Min.   :2022-09-16  
##  1st Qu.:2022-09-16  
##  Median :2022-09-16  
##  Mean   :2022-09-16  
##  3rd Qu.:2022-09-16  
##  Max.   :2022-09-16

head(gdp_data)

## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote last_upda…¹
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>    <date>     
## 1 MX    MEX   Mexico   1973           981. <NA>  <NA>       <NA>     2022-09-16 
## 2 MX    MEX   Mexico   1974          1242. <NA>  <NA>       <NA>     2022-09-16 
## 3 MX    MEX   Mexico   1975          1476. <NA>  <NA>       <NA>     2022-09-16 
## 4 MX    MEX   Mexico   1976          1454. <NA>  <NA>       <NA>     2022-09-16 
## 5 MX    MEX   Mexico   1977          1301. <NA>  <NA>       <NA>     2022-09-16 
## 6 MX    MEX   Mexico   1978          1589. <NA>  <NA>       <NA>     2022-09-16 
## # … with abbreviated variable name ¹​last_updated

tail(gdp_data)

## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote last_upda…¹
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>    <date>     
## 1 MX    MEX   Mexico   2016          8745. <NA>  <NA>       <NA>     2022-09-16 
## 2 MX    MEX   Mexico   2017          9288. <NA>  <NA>       <NA>     2022-09-16 
## 3 MX    MEX   Mexico   2018          9687. <NA>  <NA>       <NA>     2022-09-16 
## 4 MX    MEX   Mexico   2019          9950. <NA>  <NA>       <NA>     2022-09-16 
## 5 MX    MEX   Mexico   2020          8432. <NA>  <NA>       <NA>     2022-09-16 
## 6 MX    MEX   Mexico   2021          9926. <NA>  <NA>       <NA>     2022-09-16 
## # … with abbreviated variable name ¹​last_updated

library(ggplot2)

Información de un sólo país: Segunda gráfica

ggplot(gdp_data, aes(x = date, y = NY.GDP.PCAP.CD)) +
  geom_point()

Información de un sólo país: Tercera gráfica

ggplot(gdp_data, aes(x = date, y = NY.GDP.PCAP.CD)) +
  geom_col()

Información de un sólo país: Cuarta gráfica

ggplot(gdp_data, aes(x = date, y = NY.GDP.PCAP.CD)) +
  geom_col(fill = "red")

  geom_point(color = "blue")

## geom_point: na.rm = FALSE
## stat_identity: na.rm = FALSE
## position_identity

Informacion de varios países

  more_gdp_data<- wb_data(country = c("NG","HT","KE"),
                indicator = "NY.GDP.PCAP.CD",
                start_date = 1981, end_date = 2015)

ggplot(more_gdp_data, aes(x = date, y = NY.GDP.PCAP.CD, color = country, shape = country)) +
  geom_point()

Conclusiones

Como sabemos, la estadística es la ciencia que estudia los hechos que tienen una determinada característica en común para poder realizar conclusiones específicas respecto a esto. Para este ejercicio, vemos cómo con la ayuda de la estadística se pueden visualizar las tendencias y comportamiento del mercado internacional de acuerdo a los datos recabados a lo largo del tiempo por el Banco Mundial. Se muestran en las gráficas el desarrollo del PIB para Haití, Kenya y Nigeria de 1980 a 2015. De acuerdo a las tendencias, Nigeria mostró un crecimiento ascendente a partir del 2005. Podemos suponer que eso se debe al crecimiento del mercado textil y exportación de semillas.

En general, se muestra que con esto se puede no sólo visualizar información global en fechas determinadas sino que también se puede hacer un segmentado para evaluar comparar países determinados para el método de estudio y obtener información concisa de los movimientos del mercado bursátil a nivel global.