Lectura de datos
datos <- read.csv(file = "DatosPecuarios.csv", header = TRUE, sep = ",",
dec = ",")
## Año InventarioNacionalBovino TotalPredios SacrificioBovinos.miles.cab.
## 1 2006 22592834 495170 3908
## 2 2007 22324297 490763 3973
## 3 2008 22622965 495613 4248
## 4 2009 22540251 499101 4149
## 5 2010 23169365 503361 3979
## 6 2011 23048045 494593 4262
## ProdCarneBovino.MilesToneladas. ProdLecheCruda.M_lts.
## 1 840 6157
## 2 859 6312
## 3 924 6579
## 4 899 6406
## 5 864 6363
## 6 929 6390
## PrecioNovilloGordoPie..US..Kg. IPC_Total ConsumoLeche..Lt.hab.
## 1 1.170 282.25 139.813
## 2 1.560 298.36 143.017
## 3 1.707 321.24 146.999
## 4 1.474 327.70 143.720
## 5 1.534 338.10 139.000
## 6 1.632 350.70 139.662
## ConsumoRes.kg.hab. ConsumoPollo..kg.hab. ConsumoCerdo.kg.hab.
## 1 18.88 20.1 3.71
## 2 17.81 21.6 4.35
## 3 17.38 23.3 4.30
## 4 17.67 22.7 4.22
## 5 18.94 23.4 4.77
## 6 20.01 23.8 5.52
## ConsumoPescado.kg.hab. ConsumoHuevo.Un.hab.
## 1 2.81 202
## 2 4.03 188
## 3 4.17 198
## 4 3.49 215
## 5 4.48 214
## 6 4.52 234
## 'data.frame': 9 obs. of 14 variables:
## $ Año : int 2006 2007 2008 2009 2010 2011 2012 2013 2014
## $ InventarioNacionalBovino : int 22592834 22324297 22622965 22540251 23169365 23048045 22666751 22399618 22593283
## $ TotalPredios : int 495170 490763 495613 499101 503361 494593 502905 497747 497008
## $ SacrificioBovinos.miles.cab. : int 3908 3973 4248 4149 3979 4262 4479 4399 4332
## $ ProdCarneBovino.MilesToneladas.: int 840 859 924 899 864 929 973 955 941
## $ ProdLecheCruda.M_lts. : int 6157 6312 6579 6406 6363 6390 6518 6617 6717
## $ PrecioNovilloGordoPie..US..Kg. : num 1.17 1.56 1.71 1.47 1.53 ...
## $ IPC_Total : num 282 298 321 328 338 ...
## $ ConsumoLeche..Lt.hab. : num 140 143 147 144 139 ...
## $ ConsumoRes.kg.hab. : num 18.9 17.8 17.4 17.7 18.9 ...
## $ ConsumoPollo..kg.hab. : num 20.1 21.6 23.3 22.7 23.4 23.8 23.7 27.1 29.5
## $ ConsumoCerdo.kg.hab. : num 3.71 4.35 4.3 4.22 4.77 5.52 6.01 6.67 7.18
## $ ConsumoPescado.kg.hab. : num 2.81 4.03 4.17 3.49 4.48 4.52 5.4 6.1 6.1
## $ ConsumoHuevo.Un.hab. : int 202 188 198 215 214 234 228 236 242
Graficación con lattice - Histograma
#Instalar la biblioteca lattice
library(lattice)
histogram(datos$InventarioNacionalBovino/1e6,
col = 2, lwd = 4,
xlab = "Inventario nacional bovino (Millones)",
ylab = "Porcentaje",
type = "percent",
breaks = 50)
Filtrando consumos para graficar histogramas:
consumos <- c("ConsumoLeche..Lt.hab.", "ConsumoRes.kg.hab.",
"ConsumoPollo..kg.hab.", "ConsumoCerdo.kg.hab.",
"ConsumoPescado.kg.hab.", "ConsumoHuevo.Un.hab.")
datConsumo <- datos %>%
select(Año, consumos) %>%
gather(key = Item, value = Consumo, -c(Año)) %>%
arrange(Año)
## Año Item Consumo
## 1 2006 ConsumoLeche..Lt.hab. 139.813
## 2 2006 ConsumoRes.kg.hab. 18.880
## 3 2006 ConsumoPollo..kg.hab. 20.100
## 4 2006 ConsumoCerdo.kg.hab. 3.710
## 5 2006 ConsumoPescado.kg.hab. 2.810
## 'data.frame': 54 obs. of 3 variables:
## $ Año : int 2006 2006 2006 2006 2006 2006 2007 2007 2007 2007 ...
## $ Item : chr "ConsumoLeche..Lt.hab." "ConsumoRes.kg.hab." "ConsumoPollo..kg.hab." "ConsumoCerdo.kg.hab." ...
## $ Consumo: num 139.81 18.88 20.1 3.71 2.81 ...
Histograma por item:
histogram(~datConsumo$Consumo | factor(datConsumo$Item),
col = 2, lwd = 4,
xlab = "Consumo de proteína animal",
ylab = "Porcentaje",
type = "percent")
Histograma por año:
histogram(~datConsumo$Consumo | factor(datConsumo$Año),
col = 3, lwd = 4,
xlab = "Consumo de proteína animal",
ylab = "Porcentaje",
type = "percent")
Densidad
densityplot(~datConsumo$Consumo | factor(datConsumo$Año),
groups = datConsumo$Año,
plot.points = TRUE,
auto.key = FALSE,
xlab = "Consumo de proteína animal",
ylab = "Densidad")
Densidad por año:
densityplot(~datConsumo$Consumo | factor(datConsumo$Item),
groups = datConsumo$Item,
plot.points = TRUE,
auto.key = FALSE,
xlab = "Consumo de proteína animal",
ylab = "Densidad")
Diagrama de cajas (Boxplot)
bwplot(factor(datConsumo$Año) ~ datConsumo$Consumo,
col = 2,
xlab = "Consumo de proteina animal",
ylab = "Año")
bwplot(factor(datConsumo$Item) ~ datConsumo$Consumo,
col = 2,
xlab = "Consumo de proteina animal",
ylab = "item de consumo")
Diagrama de barras
barchart(factor(datConsumo$Año) ~ datConsumo$Consumo,
col = "blue",
xlab = "Consumo de proteína animal",
ylab = "Año")
Consumo por item y año:
barchart(factor(datConsumo$Año) ~ datConsumo$Consumo
| factor(datConsumo$Item),
col = "forestgreen",
xlab = "Consumo de proteína animal",
ylab = "Año")
Consumo por año e item:
barchart(factor(datConsumo$Item) ~ datConsumo$Consumo
| factor(datConsumo$Año),
col = "orangered",
xlab = "Consumo de proteína animal",
ylab = "Item de consumo")
Otra forma de representar las barras:
dotplot(factor(datConsumo$Item) ~ datConsumo$Consumo
| factor(datConsumo$Año),
col = "darkred",
xlab = "Consumo de proteína animal",
ylab = "Item de consumo")
dotplot(factor(datConsumo$Item) ~ datConsumo$Consumo, groups = factor(datConsumo$Año), type = "o",
auto.key = list(space = "right", points = TRUE, lines = TRUE),
col = rainbow(9))
Diagrama de dispersión
IPC vs Precio novillo gordo:
xyplot(datos$PrecioNovilloGordoPie..US..Kg. ~ datos$IPC_Total,
col = 2,
xlab = "IPC total",
ylab = "Precio de novillo gordo (US$/Kg)")
IPC vs Consumo de carne de cerdo:
xyplot(datos$ConsumoCerdo.kg.hab. ~ datos$IPC_Total,
col = "forestgreen",
xlab = "IPC total",
ylab = "Consumo de cerdo (Kg/habitante)",
cex = 2,
pch = 10,
type = c("p", "smooth"))
xyplot(datos$ConsumoRes.kg.hab. ~ datos$IPC_Total,
col = "orangered",
xlab = "IPC total",
ylab = "Consumo de res (Kg/habitante)",
cex = 2,
pch = 21,
type = c("p", "smooth"))
