Descriptivos.Rmd

---
title: "Descriptivos"
---

<style>
body {
text-align: justify}
</style>

```{r setup, include=FALSE}
library(lubridate)
fecha <- today(tzone = "America/Lima")
mes <- month(fecha, label = T, abbr = F, locale = "es_PE.utf8")
```

**ULTIMA ACTUALIZACIÓN:**

La última actualización de este artículo se realizó el `r day(fecha)` de  `r mes` del `r year(fecha)`.

# Descriptivos básicos  <a name="T1"></a>

Reutilizamos la base de datos `s2018`, con la que hemos venido trabajando en la sección anterior

```{r, echo = FALSE, message = FALSE}
library(rio)
library(dplyr)
set.seed(100)
s2018 <- import("./data_examples/sumaria-2018.dta") %>%
  sample_n(1000)

names(s2018)[141]<-"ingreso_bruto"
```

Existen funciones que nos pueden dar un vistazo a toda la base de datos. La más útil es `summary()`. Esta función nos dará el resumen más propicio según el tipo de objeto que usemos como argumento. Por ejemplo, cuando pasamos un `data.frame` nos da un resumen de cada una de las variables contenidas, pero cuando pasamos una sola variable el resumen es más conciso.

```{r}

# data.frame con 5 columnas
summary(s2018[,1:5])

# Una sola variable
summary(s2018$ingreso_bruto)
```

Dentro del paquete `Hmisc` tenemos la función `describe()` que también nos brinda un resumen bastante útil de nuestra variable. 

```{r eval = FALSE}
install.packages("Hmisc") #Si no lo tienes instalado ya. 
```


```{r}
Hmisc::describe(s2018$ingreso_bruto)
```


Podemos pedir medidas de centralidad especifícas. Es bueno agregar `na.rm = TRUE` ya que si tenemos valores perdidos generaría error en el cálculo. 

```{r}
# Media aritmética
mean(s2018$ingreso_bruto, na.rm = TRUE)

# Mediana
median(s2018$ingreso_bruto) 

# Desviación estándar
sd(s2018$ingreso_bruto) 

# Varianza
var(s2018$ingreso_bruto) 
```

Podemos pedir medidas de posición:

```{r}
quantile(s2018$ingreso_bruto, 0.9) #percentil 90
```

Podemos pedir varios a la vez, combinando funciones. Por ejemplo la función `seq(inicio, final, salto)`

```{r}
quantile(s2018$ingreso_bruto, seq(0.1,0.9,0.1))
```

## Tablas: <a name="T1.1"></a> 

Frequencias.

```{r}
table(s2018$estrsocial)
```

Proportion table. 

```{r}
prop.table(table(s2018$estrsocial))
```

Tablas con Dplyr:


```{r test2}
s2018 %>% 
  group_by(estrsocial) %>%
  summarise(Frequency=n()) %>%
  mutate(Porcentaje=Frequency/sum(Frequency)*100) %>%
  mutate(Estratos=names(attributes(s2018$estrsocial)$labels)) %>%
  select(Estratos,Frequency,Porcentaje)
```

# Gráficos Descriptivos: <a name="T2"></a>

Existen funciones básicas para gráficos en R, pero la versatilidad de R para gráficos va más allá de estas funciones básicas. Paquetes como **ggplot2** han llevado a otro nivel el análisis gráfico de R. 

Aquí trataremos de mostrar ambos. 

## Graficos de Barra simples en R base <a name="T2_1"></a>

```{r}
barplot(table(s2018$estrsocial))
```

Podemos modificar algunos argumentos:
- `col` para especificar el color de las barras
- `names.arg` para las etiquetas de las barras
- `main` para especificar el texto del título

```{r}
barplot(table(s2018$estrsocial), col="red",
        names.arg = names(attributes(s2018$estrsocial)$labels), 
        main="Este es un título")
```

## Graficos de Barra simples en **ggplot2** y **dplyr** <a name="T2_2"></a>

- ggplot: es el paso inicial para crear un "ambiente" ggplot.
- **+** vas agregando capas (detalles) al objecto
- ```geom_bar``` es que crearemos un gráficos de barras

```{r}
library(ggplot2) # Recuerda que tienes haberlo instalado antes.
library(dplyr)
s2018%>%ggplot(aes(x=estrsocial))+
    geom_bar(stat="bin", bins=20)
```

Al mismo gráfico le cambiamos el nombre de los ejes con ```labs```, incluso le podemos agregar una "nota" 

```{r}
s2018%>%ggplot(aes(x=estrsocial))+
    geom_bar(stat="bin", bins=20)+
    labs(y="Frecuencia", x="Estrato Social",
         caption="(Tomado de....)")
```

Ahora le cambiamos la etiqueta al eje x!.

```{r}
s2018%>%ggplot(aes(x=estrsocial))+
    geom_bar(stat="bin", bins=20)+
    labs(y="Frecuencia", x="Estrato Social",
         caption="(Tomado de....)")+
    scale_x_discrete(limit= c("A","B","C","D",
                               "E","Rural"))
```

Gráficos con porcentajes

- En este caso manipulamos la data con dplyr para obtener los porcentajes por cada grupo. 
```{r}
s2018%>%group_by(estrsocial)%>%
  summarise(Frequencia=n())%>% ## Tabla de frecuencias 
  mutate(Porcentaje=Frequencia/sum(Frequencia)*100)%>% ##Agregando porcentajes
  ggplot(aes(x=estrsocial, y=Porcentaje))+
  geom_bar(stat="identity", fill="red")+
  scale_x_discrete(limit= c("A","B","C","D",
                               "E","Rural"))
  
```

## Box plot o diagramas de cajas

```{r}
boxplot(s2018$estrsocial, col="red")
```

```{r, eval=FALSE}
boxplot(s2018$ingreso_bruto~s2018$estrsocial, col="red")
## Boxplot by groups 
```

## Box plot o diagramas de cajas con **dyplr** y **ggplot2**

```{r test1}
s2018%>%ggplot(aes(y=estrsocial))+
  geom_boxplot(col="red", fill="blue")
```

## Histogramas 

- Hagamos una histograma de la variable ingreso

```{r}
hist(s2018$ingreso_bruto, main="Histograma de Ingreso",
     ylab="TITULO EJE Y", xlab="FRECUENCIA",
     col="blue")
```

Podemos agregar una línea que represente la media.

```{r}
hist(s2018$ingreso_bruto, main="Histograma de Ingreso",
     ylab="TITULO EJE Y", xlab="FRECUENCIA",
     col="blue")
abline(v=mean(s2018$ingreso_bruto), col="red")
```

Podemos agregar una línea que represente la mediana también y otros detalles. 

```{r}
hist(s2018$ingreso_bruto, main="Histograma de Ingreso",
     ylab="TITULO EJE Y", xlab="FRECUENCIA",
     col="grey") ## Histograma básico 
abline(v=mean(s2018$ingreso_bruto), col="red") ## Agregando media
abline(v=median(s2018$ingreso_bruto), col="purple") ## Agregando Mediana
text(median(s2018$ingreso_bruto),300, "Medana",pch = 3)
```

## Histogramas con **dplyr** y **ggplot2**

```{r }
s2018%>%ggplot(aes(x=ingreso_bruto))+
  geom_histogram(bins=20)+
  geom_vline(aes(xintercept=mean(ingreso_bruto)),
             linetype="dashed" , col="blue")+
  geom_vline(aes(xintercept=median(ingreso_bruto)),
             linetype="dashed" , col="red")
```