Dra. Beatriz Valdez: Estrategia y Datos Sociales

Matriz de gráficos de dispersión Matriz de gráficos de dispersión Nos permite observa de manera simultánea la relación entre cada par de variable en un conjunto de ellas, y, a la vez identificar datos atípicos en la relación bivariante de las variables. Subimos la data y visualizamos rápidamente un resumen de esos datos: data <- read.csv2("~/datosAnalisis/percepcion.csv", header = T) head(data) ## ubicacion parroquia negro afrodes. moreno blanco otra ## 1 norte altagracia 2.370 1.4567 41.87 51.57 2.7322 ## 2 centro antimano 2.386 0.7862 49.24 46.68 0.9134 ## 3 norte candelaria 1.631 1.2409 37.08 57.95 2.0991 ## 4 sureste caricuao 1.929 0.7844 44.95 51.40 0.9368 ## 5 centro catedral 2.405 1.0766 41.13 54.41 0.9745 ## 6 sureste coche 1.509 0.3995 49.24 48.30 0.5556 summary(data) ## ubicacion parroquia negro ...

Análisis por conglomerados Análisis por conglomerados Una de las técnicas més sencilla para clasificar diferentes casos, y sin embargo poco usada en la planificación, es el análisis de cluster (también an&acutelisis por conglomerados). Vamos a aplicar la técnica, pero primero vamos a obtener nuestra data: data <- read.csv2("~/datosAnalisis/poblacion.csv", header = T) data <- data[1:22, ] names(data) <- c("parroquia", "2001", "2011") Hemos subido la data a la cónsola. Luego hemos verificado el contenido; finalmente, hemos cambiado el nombre de las columnas. El siguiente paso consistir´ en crear una matriz de distancia, primero con la data correspondiente al an˜ : dataDist <- dist(as.matrix(data[, 1:2])) ## Warning: NAs introduced by coercion Creamos ahora el gráfico que nos mostrar&aacute las parroquias según su el g...