Distrito Capital. Diagnóstico
Beatriz Valdez
Hallazgos
Población
dotplot(var.Intercensal ~ porcentaje, data= evolucion,
aspect =2,
main = list("Distrito Capital. Poblacion segun Variación del crecimiento intercensal\n y segun porcentaje de la población del país, 1971-2011",
cex=0.75),
xlab = list("% Variación\ny % de población del país", cex=0.65),
xlim=c(0,14),
panel=function(x,y){
panel.segments(rep(0, length(x)),
as.numeric(y), x,
as.numeric(y),
col = "gray",
lty = 2)
panel.xyplot(x,y, pch = 19,
cex = 0.75,
col = pals("drift")[1])
panel.xyplot(evolucion$por.Pob,
y, pch = 17,
col = pals("mystery")[2],
cex = 0.73)
},
key = list(text = list(c("Variacion\nintercensal",
"% Poblacion\ntotal del\npais"),
cex = .75),
points = list (pch= c(19,17),
col = c(pals("drift")[1],
pals("mystery")[2]),
cex = .75),
space = "right"),
scales = list(y = list(cex = .7)) )
La población del Distrito Capital crece a una tasa de aproximadamente el 10% entre 1971 y 1981; el crecimiento se desacelera en los dos siguientes censos, lapsos en los que la variación fue de menos del 1%. Entre 2001 y 2011 la población crece mucho mas que en los dos censos precedentes, si bien mucho menos que en el periodo 1971-1981, en aproximadamente 6%.
Por otra parte, la población del Distrito Capital representaba casi el 13% de la población total del país en 1971, esta proporcion decrece progresivamente hasta representar un poco más del 7% de la población total del país. Mientras que la variación intercensal nos muestra la figura de una parábola invertida que parece recuperar su movimiento ascendente, la proporción de la población del Distrito Capital nos sugiere una línea recta de pendiente negativa: con cada nuevo censo, la proporción disminuye.
layout(cbind(c(1,1),
c(1,1),
c(2,2)))
kable(grandesGrupos, row.names = FALSE,
col.names=c("Grupos", "Poblacion",
"Porcentaje"),
format.args = list(decimal.mark = ",",
big.mark = "."),
caption="Distrito Capital. % Poblacion por grandes gruos de edad, 2011"
)| Grupos | Poblacion | Porcentaje |
|---|---|---|
| 0 - 14 | 422.132 | 21,72 |
| 15 - 64 | 1.362.184 | 70,07 |
| 65 y mas | 159.585 | 8,21 |
pie(grandesGrupos$values,
labels = paste0(grandesGrupos$ind, " Años:\n ",
grandesGrupos$porcentaje, "%"),
col=pals("drift")[3:6], border="gray97",
cex = 0.78, col.lab=pals("terra")[5],
font.lab=2,
main= "Distrito Capital. % Población \npor grandes grupos de edad")
En términos porcentuales, los grupos de edad menores de 15 años representan casi tres veces el valor de los grupos mayores de 65 años, en 2011
par(mfrow=c(1,3))
pie(agg, col = c(pals("terra")[1],
pals("drift")[5],
pals("mystery")[5]),
border = pals("dream")[5],
labels = etiqueta1,
col.lab = pals("terra")[5],
cex = 0.80,
main = "1981")
pie(bgg, col = c(pals("terra")[1],
pals("drift")[5],
pals("mystery")[5]),
border = pals("dream")[5],
labels = etiqueta2,
col.lab = pals("terra")[5],
cex = 0.80,
main = "1990")
pie(cgg, col = c(pals("terra")[1],
pals("drift")[5],
pals("mystery")[5]),
border = pals("dream")[5],
labels = etiqueta3,
col.lab = pals("terra")[5],
cex = 0.80,
main = "2001")
Grandes grupos de edad
El porcentaje del grupo de edad de 65 y más años se incrementa en cada censo, en tanto que disminuye el grupo de 0 a 14 año. En 1981, la poblaión de 65 y más años representaba alrededor de 4%, de acuerdo con los parámetros establecidos por Naciones Unidas en 1983, lo que indicaba una población joven; en 1990, este grupo de edad se ubicó en aproximadamente 6%, lo que, siguiendo con Naciones Unidas, hacía de la población del Distrito Capital, una población madura. En 2001, el grupo de 65 y más años se ubicó en casi un 10%, en tanto que en 2011 se ubicó en 8%. En ambos casos, la población del Distrito Capital clasifica como una población de envejecimiento incipiente.
ggplot(cv.Global, aes(values, edades))+
geom_point() +
geom_vline(xintercept=median(cv.Global$values),
col="#033649" ) +
facet_wrap(~ind) +
labs(x= "% Variacion",
y="Grupos de edades",
title="Distrito Capital. Población según estructura de edad\n y variacion intercensal, 1981-2011")
En términos globales, los grupos que presentan mayor crecimiento, por encima del valor mediano de la tasa de variacion de los tres censos tomados en conjunto, entre los censos 1981 y 1990 son grupos de 35-39 años, 40-44, y lo grupos de 60 o más años; entre el censo del 90 y 2001, los grupos de 4044 en adelante, con un aumento mayor en los grupos de 70 y más años; entre 2001 y 2011, crecen ligeramente por encima de la median, los grupos de 25-29, 30-34,45-49 y 50-54; crecen por encima del resto de los grupos, las edades entre 55 y 60 años, y un poco menos a este ramo de edades, pero con un crecimiento superior al resto, los grupos de 60 y más años.
Por otro lado, en el periodo 1990-2001, decrece en casi 20 puntos las edades de 0 a 4 años, en tanto que los grupos de 5 a 25 años decrece ente 3 y 10 puntos. En el siguiente censo, los grupos de 5 a 14 años decrecieron enentre 20 y 10 puntos, en tanto que los grupos de 0 a 4 años y 15 a 19 años decrecen entre 3 y cinco puntos.En general, entonces, la poblacion de 0 a 13 años tendió a decrecerentre 1981 y 2011, en tanto quee la población mayor de cincuenta años tendió a incrementarse
ggplot(cv.sexos, aes(values, etiqueta, col=sexo))+
geom_point() +
scale_color_discrete() +
geom_vline(xintercept=median(cv.sexos$values),
col="#033649" ) +
facet_wrap(~ind) +
labs(x= "% Variacion",
y="Grupos de edades",
title="Distrito Capital. Población según estructura de edad,\nsexo y variacion intercensal, 1981-2011")
En general, para hombres y mujeres se produce un decrecimiento en las edades de 0 a 14 años y un aumento en las edades de 60 y más años. En el censo 2011, los hombres parecen haber experimentado un mayor crecimiento que las mujeres en todas las edades.
layout(cbind(c(1,2),
c(1,3),
c(1,4)))
plot(razonDependencia ~names(razonDependencia),
type ="l", lwd=2, col = "blueviolet",
xlab = "",
ylab = "Razón de dependencia",
main = "Indice de dependencia",
col.axis = "gray80",
font.axis = 2,
las=2)
box(col="white")
grid()
plot(val.burg$indice~rownames(val.burg),
type ="l", col="orangered", lwd=2,
xlab = "",
ylab = "indice",
main = "Indice de Burgdofer",
col.axis = "gray80",
font.axis = 2,
las=2)
box(col="white")
grid()
plot(val.fritz$indice~rownames(val.fritz),
type ="l", col="violetred4", lwd=2,
xlab = "",
ylab = "indice",
main = "Indice de Fritz",
col.axis = "gray80",
font.axis = 2,
las=2)
box(col="white")
grid()
plot(val.sun$val2, val.sun$val1,
pch=16, cex=.5, col="orange",
lwd=2,
xlab = "15-49 años / 0-14 + 50 y mas años",
ylab = "0-14 + 50 y mas años / 15-49 años",
main = "Indice de Sundbarg",
col.axis = "gray80",
font.axis = 2,
las=2)
text(val.sun$val2,val.sun$val1,
rownames(val.sun), font=2, col="navyblue",
cex=0.7)
box(col="white")
grid()
El indice de dependencia decrece sustancialmente entre un censo y otro, lo que confirma el hecho de que la población mayor de 60 años se incrementa en el Distrito Capital, en tanto que los grupos de edades más jóvenes , especialmente los que stán en edad de trabajar disminuye progresivamente. En 1981, de cada 100 personas en edad productiva debían mantener a más de 60 personas, aproximadamente; en 1990 esta relación bajaa a aproximadamente 57; para 2001, la relación es de aproximadamente 54 personas por cada 100. Ya en 2011 cada 100 personas en edad productiva debe sostener a menos de 50.
Los índices de Burgdofer y de Sundbarg coinciden en señalar que la población del Distrito Capital es joven. En el caso del indice de Burgdofer, una población es joven cuando los valores del indice se encuentran sobre los 31 puntos; es madura cuando oscilan entre 21 y 30 y es envejecida, cuando el indice es menor o igual a 20.
En el caso del indice de Sundbarg, si la línea tienen un ángulo de 45 grados, quiere decir que la población es estacionaria si por el contrario es concava, y dependiendo hacia cual de los grupos se acerca, entonces predomina uno u otro.
Cabe notar que la curva de los indices de Burfgdofer y de Sundbarg, tiene un movimiento decreciente entre los censos. Lo que nos indica que si bien la población del Distrito Capital, de acuerdo conel resultado de estos índices, es joven, se acerca gradualmente a los valores relacionados con la madurez.
El índice de Fritz, por el contrario, señala que entre los censos de 1981 y 1990, la población de Distrito Capital, es joven (valores superiores a 160), pero que ya en los censos 2001 y 2011, es una población madura (valores entre 61 y 160).
par(mfrow=c(2,2), mar=c(4,5,4,2))
# grupo 1981
barplot(-1*porMujer$`1981`, names.arg = clases2,
horiz = TRUE,
xlim = c(-6,6), cex.names = 0.6,
las=2, col=pals("cheer")[4],
border=pals("fish")[3])
barplot(porHombre$`1981`, add = T, horiz = T,
xlim = c(-6,6),
col=pals("ocean")[1],
border=pals("fish")[3],
xaxt="n",
xlab="1981")
legend("topright", legend=c("Mujer", "Hombre"),
pch=15, col=c(pals("cheer")[4],
pals("ocean")[1]),
bty="n", ncol=2,
xjust = 0,
yjust = 0.5)
# grupo 1990
barplot(-1*porMujer$`1990`, #names.arg = clases2,
horiz = TRUE,
xlim = c(-6,6),
las=2, col=pals("cheer")[4],
border=pals("fish")[3])
barplot(porHombre$`1990`, add = T, horiz = T,
xlim = c(-6,6),
col=pals("ocean")[1],
border=pals("fish")[3],
xaxt="n",
xlab="1990")
# grupo 2001
barplot(-1*porMujer$`2001`, names.arg = clases2,
horiz = TRUE, cex.names = 0.6,
xlim = c(-6,6),
cex.lab=0.6,
las=2, col=pals("cheer")[4],
border=pals("fish")[3])
barplot(porHombre$`2001`, add = T, horiz = T,
xlim = c(-6,6),
col=pals("ocean")[1],
border=pals("fish")[3],
xaxt="n",
xlab="2001")
# grupo 2011
barplot(-1*porMujer$`2011`, #names.arg = clases2,
horiz = TRUE,
xlim = c(-6,6),
las=2, col=pals("cheer")[4],
border=pals("fish")[3])
barplot(porHombre$`2011`, add = T, horiz = T,
xlim = c(-6,6),
col=pals("ocean")[1],
border=pals("fish")[3],
xaxt="n",
xlab="2011")
Las pirámides de población nos indican que en 1981 Distrito Capital poseía una pirámide expansiva, la cual empieza a contraerse para el censo de 1990. En 2011, la pirámide de población de Distrito Capital es claramente constrictiva.
Distribución de la población
kable(dsPorcOrdenado, row.names = FALSE,
col.names = c("Parroquia",
"Superficie",
"Poblacion",
"Densidad"),
format.args = list(decimal.mark = ",",
big.mark = "."),
caption="Distrito Capital. Parroquia segun % de poblacion, superficie y densidad"
)| Parroquia | Superficie | Poblacion | Densidad |
|---|---|---|---|
| Sucre | 13,58 | 18,06 | 1,98 |
| Caricuao | 5,78 | 7,56 | 1,95 |
| El Valle | 7,24 | 7,28 | 1,50 |
| Antimano | 6,87 | 6,51 | 1,41 |
| El Recreo | 4,22 | 6,30 | 2,23 |
| La Vega | 3,00 | 6,18 | 3,07 |
| Paraiso | 2,42 | 6,04 | 3,72 |
| San Juan | 0,88 | 5,45 | 9,18 |
| Santa Rosalia | 1,42 | 5,21 | 5,47 |
| La Pastora | 1,77 | 4,14 | 3,49 |
| 23 de Enero | 0,58 | 3,98 | 10,20 |
| Candelaria | 0,28 | 3,67 | 19,58 |
| San Pedro | 1,56 | 3,66 | 3,50 |
| Coche | 3,03 | 2,97 | 1,46 |
| El Junquito | 13,04 | 2,56 | 0,29 |
| Macarao | 30,60 | 2,34 | 0,11 |
| San Jose | 0,61 | 2,12 | 5,22 |
| San Agustin | 0,40 | 2,09 | 7,89 |
| San Bernardino | 2,31 | 1,62 | 1,05 |
| Santa Teresa | 0,19 | 1,44 | 11,56 |
| Catedral | 0,23 | 0,80 | 5,11 |
La tabla 1 nos señala que la parroquia que mayor porcentaje de superficie posee, del total de la superficie del Distrito Capital, es una de las que menos población tiene: Macarao. En esta parroquia se concentra sólo el 2,3% de toda la población de Caracas,lo que equivale a menos del 1% de toda la densidad poblacional, y dispone de, redondeando, el 31% de toda la superficie del Distrito Capital. La Candelaria, por el contrario, posee sólo cerca del 0.3% de la superficie del territorio de la ciudad capital de la República, pero posee el mayor porcentaje de concentración de la población del Distrito Capital.
Santa Teresa y el 23 de Enero también poseen una alta concentración poblacional. La parroquia Sucre, si bien posee el mayor porcentaje de superficie, después de Macarao, y el mayor porcentaje de población, se encuentra entre las parroquias con menor densidad Lo que nos sugiere un equilibrio entre el territorio de la parroquia y la cantidad de habitantes.
kable(quintiles,
col.names = c("Poblacion", "Superficie", "Densidad"),
format.args = list(decimal.mark = ",",
big.mark = "."),
caption="Distrito Capital. Poblacion segun superficie y densidad"
)| Poblacion | Superficie | Densidad | |
|---|---|---|---|
| 20% | 2,12 | 0,58 | 1,46 |
| 40% | 3,66 | 1,56 | 2,23 |
| 60% | 5,21 | 3,00 | 3,72 |
| 80% | 6,30 | 6,87 | 7,89 |
En la tabla 2 reafirmamos lo que ya la tabla 1 nos muestra. Hay una concentración de la población en pocas parroquias. Este hecho puede observarse mejor en el gráfico 1
qqplot(dsPorcOrdenado$poblacion,
dsPorcOrdenado$superficie, ylim=c(0,35), xlim=c(0,35),
xlab="Poblacion",
ylab="superficie",
main= "Distrito Capital. Concentracion\n del territorio")
qqline(dsPorcOrdenado$poblacion,
dsPorcOrdenado$superficie,
ylim=c(0,35), xlim=c(0,35),
col=pals("ocean")[3])
Concentracion teriotorial
En la gráfica 1 observamo con mayor facilidad los niveles de concentración de la población en el Distrito Capital. La línea marca la posible distribuión de los puntos, si en las parroquias caraqueñas hubiera una distribución equitativa poblacion/territorio.
Hechos vitales
Nacimientos,
La tasa bruta de natalidad es 19.51, en tanto que la tasa de fecundidad general en cuenta a las mujeres en edad reproductiva (15 a 49 años), 19.28. Es decir, en general, nacen, redondeando,19 personas por cada mil y si tomamos en cuenta los niños nacidos de mujeres en edad reproductiva, nacen alrededor de 20 niños por cada mil personas.
La tasa global de fecundidad, 2.21, nos indica que, hipotéticamente, si se mantienelos los niveles de fecundidad actual, y no se presentan eventos que afecten a la población, cada mujer tendría en promedio 2,2 hijos. La tasa bruta de reproducción es 0.2201265, lo que implica que la tasa de crecimiento tiende a disminuir y el remplazo generacional no estaría garantizada.
qplot(edades, porcN, data=nvEdad_madre,
label = round(porcN,2)) +
geom_text(vjust = "inward",
hjust = "inward",
colour = "#036564", alpha=1/20 )+
labs(x = "Edades",
y = "Porcentaje",
title = "Distrito Capital. Distribución porcentual de nacimientos, 2011")
La distribución porcentual de nacimientos en Distrito Capital indican una estructura de fecundidad de cúspide temprana tipo B dado que se concentra en los grupos d 20-24 años y los valores de los grupos de edad de 15 a 19 años es menor a los valores del grupo 25 a 29.
plot(c(1981, 1990, 2001, 2011),
matrix(relacion_ninios_mujer),
type="l",
main= "Distrito Capital. Relación niños-mujeres",
xlab="",
ylab="Niños/1000 mujeres",lwd=2,
col=pals("terra")[3])
grid()
La relación de niños mujer ha decrecido entre los censos de 1981 y 2011, de 422 niños por cada 1000 mujeres a, redondeando, a 265 niños por cada mil mujeres.
par(mar=c(8,5,2,2))
barplot(nacimiento_parroquia2[,2],
names.arg = nacimiento_parroquia2[,1],
las=2, ylim = c(-50,150),
col=nacimiento_parroquia2$colores,
border="gray97",
yaxt = "n")
axis(2, at = c(-50, 50,0, 100, 150),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = c(-25,25, 50, 75, 100, 125),
col = "white")
title(main= "Distrito Capital. Parroquias según nacimientos",
y = "Variación")
El número de nacimientos ha decrecido en las parroquia Altagracia, Catedral, El Valle, Macarao, San Agustín y 23 de Enero. Se ha incrementado el resto de las parroquias especialmente en San Bernardino, El Junquito y Santa Rosalía.
En general, el número de nacimientos ha disminuidos en las parroquias que se formaron primero en el Distrito Capital, bien a finales del siglo XIX o a principios del siglo XX: Catedral, Altagracia, por ejemplo. Ese fenómenos posiblemente se debe al hecho de que los urbanismos se han desarrollado fuera de estos lugares y quienes habitan allí suelen ser personas de mayor edad. Algunas de las parroquias históricas como Santa teresa, San Bernardino y Santa Rosalía, muestra un incremento en el número de nacimientos, tal vez como resultado de las edificaciones nuevas construídas allí en el marco de la Misión Vivienda.
par(mar=c(8,5,2,2))
barplot(iMasculinidad[,4],
names.arg =iMasculinidad[,1],
ylim = c(-20, 13),
yaxt = "n",
col = iMasculinidad$colores,
border = "gray97",
las=2)
axis(2, at = c(-10, -5, 0, 5,10),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = c(-5, -10, 0, 5, 10),
col = "white")
title(main= "Distrito Capital. Parroquias indice de masculinidad\nsegun variacion, 2001,2012",
y = "Variación")
Salvo en seis parroquias, Junquito, Caricuao, Catedral, La Pastora, y Candelaria, en todas las demás parroquias se regitra una disminución del índice de masculinidad entre los censos del 2001 y el 2011.
par(mar=c(8,5,2,2), mfrow=c(2,1))
barplot(nacimientos_parroquias[,2],
names.arg = nacimientos_parroquias[,1],
ylim = c(-45, 125),
yaxt = "n",
col = nacimientos_parroquias$colores,
border = "gray97",
las=2)
axis(2, at = c(-40, 0, 40, 80,120),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
#abline(h = c(-25,25, 50, 75, 100, 125),
# col = "white")
title(main= "Distrito Capital. Parroquias nacidos vivos\nsegun variacion, 2001,2012",
y = "Variación")
barplot(iMasculinidad[,4],
names.arg =iMasculinidad[,1],
ylim = c(-20, 13),
yaxt = "n",
col = iMasculinidad$colores,
border = "gray97",
las=2)
axis(2, at = c(-10, -5, 0, 5,10),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = c(-25,25, 50, 75, 100, 125),
col = "white")
title(main= "Distrito Capital. Parroquias indice de masculinidad\nsegun variacion, 2001,2012",
y = "Variación") 
En muchas de las parroquias en las que se ha incrementado el número de nacidos vivos, ha decrecido el índice de masculinidad. Menos hombres, pero más nacimientos vivos. Muchos factores podrían explicar esto: migraciones, la violencia, entre otras posibilidades. Lo que sí parece sugerir ambos hecho es la presencia de más mujeres solas con niños.
par(mar=c(8,5,2,2))
barplot(ncVivos$total, names.arg = ncVivos$edades,
ylim = c(0, 10360),
yaxt = "n",
col = ncVivos$colores,
border = "gray97",
las=2)
axis(2, at = seq(0, 10360, by=2000),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = seq(0, 10360, by=2000),
col = "white")
title(main= "Distrito Capital. Nacidos vivos segun grupos de edad",
y = "Variación")
Las mujeres dan a luz generalmente entre los 20-24 años o entre los 25 y 29.
barchart(values~ind | as.factor(grupos), data=mDs,layout=c(3,1),
col = "#41b6c4", border = "white",
main = list("Distrito Capital. Población adolescentes según Parroquia (%)", cex= 0.78,
ylab= "Porcentaje"),
scales= list(x= list(rot=90)))
Como es de esperarse, hay muchas mas adolescentes en las parroquias Sucre y Antimano, las parroquias en las que nacen niños en madres de 15 a 19 años con mayor frecuencia.
barchart(values~ind | as.factor(grupos), data=nacenV,
main = list("Distrito Capital. % Nacidos vivos segun grupo de edad\n y parroquia de residencia de la madre", cex= 0.78),
ylab= "Porcentaje",
scales= list(x= list(rot=90), y=list(relation="free")))
Las madres menores de quince años dan a luz sobre todo en las parroquias Santa Rosalía, Sucre, Paraiso, Antímano, El Valle y La Vega. Las mujeres que más de cincuenta año que dan a luz se encuentran en las parroquias Recreo, Sucre El Valle, Santa Rosalía, Santa Teresa, La Vega y El Junquito.
Se considera que los niños nacidos de madres menores de cierta edad están en situación de alto riesgo porque es probable que sufran daños (enfermedad, mortalidad, entre otros). La escala es:
- Alto riesgo: madres menores de 20 años
- Riesgo intermedio: madres mayores de 34 años
- Bajo riesgo: madres entre 20 y 34 años
Desde esta perspectiva, en el Distrito Capital, en general el riegos asociados con la edad de la madres al momento de nacer el niño es bajo. No obstante, algunas parroquias tiendens a presentar un riesgo alto, como es el caso de la Parroquia Sucre y la parroquia Antímano; en tanto que la parroquia Santa Teresa presenta un riesgo intermedio.
Al analizar la situación dentro de cada parroquia, por el número de nacidos vivo y la edad de la madre, la parroquia Sucre presenta un alto riegos.
ggplot(nvS1, aes(ind, values, fill=colores), cex=0.75) +
geom_bar(stat="identity") +
scale_fill_manual(values=c("#c51b8a","#bdbdbd")) +
facet_wrap(~grupos, ncol=5, scales = "free") +
guides(fill=FALSE)+
theme(axis.text.x = element_text(angle=90,
hjust=1, vjust=.5)) +
labs(x="", y="Porcentaje",
title="Distrito Capita. % Nacidos vivos segun parroquia\n de residencia de la madre")
En Santa Teresa se producen los mayores porcentajes de nacidos vivos en madres mayores de 35 años. del Distrito Capital
barchart(values~ind | as.factor(grupos), data=mDHp,
layout=c(3,4), col="#00A0B0", border="gray98",
ylab="Porcentaje",
main=list("Distrito Capital. Hombres nacidos vivos segun la edad y parroquia de residencia de la madre",
cex= 0.75),
scales= list(x= list(rot=90)))
Las mujeres de 50 años y más parecen dar a luz más varones con respecto a las otras edades
barchart(values~ind | as.factor(grupos), data=mDMp,
layout=c(3,4), col="#ae017e", border="gray98",
ylab="Porcentaje",
main=list("Distrito Capital. Mujeres nacidas vivas segun la edad y parroquia de residencia de la madre",
cex= 0.75),
scales= list(x= list(rot=90)))
Las mujeres de 50 y más años da a luz más niñas en relación al resto de las edades.
barchart(values~parroquia | ind, data=conyugalS,
col="#49006a", border = "gray97",
ylab= "Porcentaje",
main = list("Distrito Capital. % Nacidos vivos segun situacion conyugal de la madre y parroquia de residencia", cex=0.75),
scales= list(x= list(rot=90), y=list(relation="free")))
Los nacidos vivos nacen sobre todo de las mujeres unidas o mujeres solteras, en menor medida de mujeres casadas y en muy poco porcentaje de mujeres divorciadas o viudas.
par(mar=c(8,5,2,2))
barplot(defunV$variacion,
names.arg = defunV$parroquia,
ylim = c(-60, 115),
yaxt = "n",
col = pals("terra")[5],
border = "gray97",
las=2)
axis(2, at = seq(-60, 115, by=30),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = seq(-60, 115, by=30),
col = "white")
title(main= "Distrito Capital. Defunciones segun parroquia, 2001,2012",
y = "Variación")
el mayor número de defunciones se produjeron en las parroquias Macaros, el Junquito y Santa Teresa. En tanto que decrecieron sustancialmente en las parroquias San Pedro, San Bernardino, San José y Altagracia; un poco menos pero también disminuyeron en Coche, Sucre y La Pastora. El caso de la parroquia Macarao resulta interesante, porque es la parroquia que menos densidad poblacional tiene y, al mismo tiempo, es la que mayor número de defunciones presenta.
par(mar=c(8,5,2,2))
barplot(dGrupos$total,
names.arg = defuncionesEdades$edades,
ylim = c(0, 25),
yaxt = "n",
col = pals("terra")[5],
border = "gray97",
las=2)
axis(2, at = seq(0, 25, by=5),
col.ticks = "gray75",
col.axis = "gray75",
col = "gray70",
font.axis = 2,
las = 2)
abline(h = 0, col= "gray65")
abline(h = seq(0, 25, by=5),
col = "white")
title(main= "Distrito Capital. Defunciones segun grupo de edades",
y = "Porcentaje")
El mayor porcentaje de defunciones se presenta, como puede esperarse, en los grupos mayores de 60 años. Ahora bien, llama la atención que el mayor número de muertes, fuera de aquellos grupos se presenta entre los 20 y 29 años. Es muy probable que estas muertes se relacionen con muertes violentas.
barchart(values~ind | grupos, data=dParroquiaS,
col = "#031634", border = "gray97",
main= list("Distrito Capital. Defunciones según grupos de edad y Parroquia", cex= 0.78),
ylab = "Porcentaje",
scales= list(x= list(rot=90), y=list(relation="free")))
Las defunciones en los menoes de 19 años se producen en las parroquias Sucre, Antímano el Valle y La Vega; las muerte en mayores de 80 años se producen en Sucre, El Recreo, El Paraiso y Candelaria.
dotchart(sort(b_def), col=pals("terra")[5],
pch=19,
main="Distrito Capital. Indice de masculinidad de Defunciones\n según parroquias, 2001-2012",
xlab = "Indice promedio")
abline(v= quantile(b_def,probs=c(25,50,75)/100),
col="#342103")
En la mayoría de las parroquias mueren, en general, más hombres que mujeres Las parroquias pueden clasificarse en cuatro grandes grupos:
- Aquellas en las que ocurren 18 y 48 muertes más en hombres que en cada 100 mujeres y constituyen el 25% o menos de las parroquias: San Pedro, San Bernardino, Recreo, Candelaria, Caricuao y Paraiso.
En donde ocurren entre 50 y menos de 60 muerte por cada 100 mujeres: Santa Teresa, Altagracia, San José, San Juan, Veintitres
En las que ocurren entre 51 y 56 muertes masculinas por cada 100 femeninas. La Pastora, San Rosalia, El Valle, Sucre, Catedral
Parroquias en donde mueren entre 57 y 77 hombres por cada 100 mujeres:
Parroquias con más de 78 muertes masculinas por cada 100 femeninas: Junquito, Coche, San Agustín, Macarao, Antímano.
barchart(values~ind | parroquias, data=mCincos,
main = "Distrito Capital. % de muertes en menores de cinco años, 2001-2012", ylab= "Porcentaje",
scales= list(x= list(rot=90)))
En general, losmenors de cinco años mueresn más en la parroquis Sucre, San Juan y Antímano y Caricuao. Las muertes se produjeron sobre todo entre 2001 y 2003 y en 2006.
Educación
Matrícula inicial y primaria
dotchart(matricula_planteles, cex=0.75, pt.cex=0.8, pch=16, main = "Distrito Capital. Matrícula por planteles según parroquia, 2012", xlab="Matricula/planteles")
tipologia de planteles
dotplot(values~parroquias, groups= ind,
data=planteles_apilados,
pch = misSimbolos,
col = c(pals("terra")[2:5],
pals("ocean")[1:2]),
panel= panel.superpose,
ylab ="Porcentajes",
main = list("Distrito Capital. Plantles según adscripcion y segun parroquias", cex= 0.7),
scale = list(x= list(rot =90,
cex= .7,
y=list(cex =.6
))),
key = list(text = list(c("A= Autonoma",
"E= Estadal",
"N= Nacional",
"P= Privada",
"S= Priv Sub",
"D= Priv Sub Of."),
col = c(pals("terra")[2:5],
pals("ocean")[1:2]),
cex = .65,
space = "top")))
Hay dos grupos de parroquias, aquellas en las que predominan los planteles privados, Altagracia, Candelaria, Catedral, El Paraiso, El Recreo, La Pasora, La Vega, San Bernardino, San José, San Pedro, Santa Rosalia, Santa Teresa, y en las que predominan los planteles públicos nacionales. Entre los planteleprivados subvencionados, predominan los que son subvencionado oficialmente.
dotplot(values~parroquias, groups= ind,
data=planteles2pS,
pch = simbolos,
col = pals("ocean"),
panel= panel.superpose,
ylab ="Porcentajes",
main = list("Distrito Capital. Planteles según adscripcion y segun parroquias", cex= 0.7),
scale = list(x= list(rot =90,
cex= .7,
y=list(cex =.6
))),
key = list(text = list(
c("N= Públicos",
"P= Privados",
"S= Priv. Subv"),
col = pals("ocean"),
cex = .65,
space = "top")))
Al reunir los planteles por el origen de sus fondos observamos que en realidad predominan los planteles públicos, o subvencionados con fondos públicos en toas ls parroquias.
dotchart(i.masculinidadS$values,
labels = i.masculinidadS$parroquias,
groups = i.masculinidadS$ind,
cex = 0.65, pt.cex = .80,
gcolor = pals("terra")[3:4],
pch = 16,
col= pals("deserve")[3],
main = "Distrito Capital. Indice de masculinidad según\nnivel educativo y parroquia, 2012")
abline(v=c(100, 110),
col =c(pals("deserve")[c(3,1)], "gray80"))
En educación inicial predominan los niños sobre las niñas en todas las parroquias, excepto en Santa Rosalía, Catedral, El Valle, Altagracia y Santa Teresa.En la educación primaria, sólo en Altagracia, Santa Rosalía, Antímano, Santa Teresa, Catedral, El Junquito hay mayor número de mujeres con respecto a hombres. Incluso en las parroquias La Pastora y Macarao, hay 10 hombres por cada mujer en educación primaria.
pie(niveles$porcentaje,
labels = etiquetas,
col= pals("terra")[2:1],
border="gray97",
main="Distrito Capital. Matrícula en educación\n primaria y eduación secundaria",
cex.lab = 0.7)
La matrícula en educación primaria es superior a la secundaria. No hay, en este marco de datos, serie de tiempo, por lo que es difícil suponer si hay algún tipo de tendencia. Pareciera, sí, que un grupo importante de inscritos en primaria no siguen estudios secundarios. Por cada matrículado en en educación secundaria hay 1.5 alumnos, aproximadamente, inscritos en educación primaria.
dotchart(eeGranPromedio$promedio,
labels = eeGranPromedio$edades,
pch=19, xlab="Años de estudio (promedio)", main="Distrito Capital.\n Años de estudio según edades, 2012")
En general, el grupo de edad de 25 a 44 años posee más años de educación que el resto de los grupos. Lo que pareciera indicar reflejar un mejor acceso a la educación en años recientes en el Distrito Capital.
dotchart(eGps$values, labels = eGps$edades,
groups = eGps$ind,
gcolor = "gray15",
pch=19, cex=.9,
col = "gray25",
xlab="Años de estudio (promedio)",
main="Distrito Capital.\n Años de estudio según edades y sexo, 2012")
Las mujeres de 65 y más años, así como las de 45 a 64 tiendena tener menos años de estudio que los hombres. La relación se equipara en las edades de 15 a 24 años: hombres y mujeres tienen igual número de años de estudio. Sin embago, en los grupo de 25 a 44 años, las mujeres tienen más años de estudios que los hombres. pareciera que hubo un impulso en la educación femenina en cierto momento de la historia reciente de Venezuela pero que, sin embargo, parece haberse desacelerado.
dotchart(efH2$values, labels = efH2$edades,
groups = efH2$ind,
gcolor = "darkred",
pch=19, cex=.9,
col = "gray15",
xlab="Años de estudio (promedio)",
main="Distrito Capital.\n Años de estudios del jefe de hogar\n según edades y sexo, 2012")
En general, los jefes de hogar de mayor edad presentan menos años de estudios, en tanto que quienes tienenentre 25 a 64 años de edad cuentan con mayores años de estudio. las mujeres jefes de hogar tienden a tener mayr educación que los hombres jefes de hogar
dotplot(Actividad ~ Hombres, data = efL,
aspect = 1.8,
xlim = c(0, 20),
xlab = list(
"Promedio de años de estudio",
cex = .75),
panel = function (x, y) {
panel.abline(h = as.numeric(y), # lineas horizontales
lty = 2, col = "gray80")
panel.xyplot(x, y, pch = 15,
col = "#00A0B0",
cex = .75)
panel.xyplot(efL$Mujeres,
y, pch = 16,
col = "#CC333F",
cex = .7)}, key = list(text = list(c("Hombre",
"Mujeres"),
cex = .75),
points = list(pch = c(15,16),
col = c("#00A0B0",
"#CC333F"),
cex = .75),
space = "top", border = T),
scales = list(y = list(cex = .6)) ) 
en general, para todas las actividades, las mujeres tienen mayores años de estudios que los hombres. En lgunos casos, como en Trasnporte, almacenamiento y comunicaciones, la diferencia de estudios entre ambos sexos es de más de cinco años.
Empleo
Evalúo la oferta laboral en el Distrito Capital, la que, recordemos, está formada por la población de 15 o más años ocupada, que desempeña una actividad económica, está trabajando; en tanto que la población desocupada es la población de 15 o más años que está en capacidad de realizar una actividad, tiene la disposición para realizarla, busca trabajo y no lo encuentra. Adicionalmente, está la población de 15 o más años que no ésta ocupada ni desempleada. Ambos grupos,población ocupada y población desocupada, conforman la población activa. La población económicamente inactiva: jubilados y pensionados, estudiantes, quienes desempeñan labores del hogar, y personas discapacitadas para trabajar.
kable(vM[,c(1,2,5)], col.names=c("Grupos de edad",
"Personas",
"Variabilidad"),
row.names = FALSE,
format.args = list(decimal.mark = ",",
big.mark = "."),
caption="Distrito Capital. Variabilidad intercensal de la poblacion segun grupos de edad"
)| Grupos de edad | Personas | Variabilidad |
|---|---|---|
| 75 + | 32.699 | 38,60 |
| 70-74 | 23.984 | 31,25 |
| 45-49 | 86.665 | 22,24 |
| 50-54 | 74.495 | 21,70 |
| 65-69 | 32.585 | 21,40 |
| 40-44 | 106.539 | 18,26 |
| 60-64 | 44.052 | 17,90 |
| 0-4 | 186.976 | 16,37 |
| 35-39 | 126.660 | 13,14 |
| 55-59 | 54.937 | 11,86 |
| 15-19 | 182.474 | 8,42 |
| 25-29 | 174.284 | 8,23 |
| 5-9 | 178.369 | 7,91 |
| 10-14 | 175.385 | 6,63 |
| 20-24 | 193.279 | 6,00 |
| 30-34 | 152.088 | 0,82 |
Los grupos de edad que mayor variación han presentado en los treintas años transcurridos entre el censo de 1981 y el de 2011, han sido las pesonas de 75 y más años, seguidos del grupo de 70-74. En general, la mayor variación se presenta en grupos mayores de 40 años, excepto en el grupo de 55-59 años. El grupo que menos varió, y por tanto mantuvo un crecimiento estable, fue el grupo de 30-34 años.
barplot(as.matrix(an),
col=c("gray25", "gray85"),
border="gray98",
ylim= c(0,1.2),
main= "Distrito Capital. Proporcion de\n la poblacion de 15 y mas edad",
legend.text = c("15+", "Resto"),
args.legend = list(x = "topleft",
ncol=2, bty="n"))
La población de 15 y más años representa la mayor proporción de la población del Distrito Capital entre 2008 y 2012
kable(poblacionTotal, row.names = FALSE,
caption="Distrito Capital. Poblacion de 15 años y mas",
col.names = c("Poblacion",
"2008",
"2009",
"2010",
"2011",
"2012"),
booktabs = TRUE,
format.args = list(decimal.mark = ","
, big.mark = ".")) | Poblacion | 2008 | 2009 | 2010 | 2011 | 2012 |
|---|---|---|---|---|---|
| total | 1.586.988,00 | 1.597.102,00 | 1.607.766,00 | 1.618.212,00 | 1.628.296,00 |
| Hombre | 761.300,00 | 763.776,00 | 767.942,00 | 772.356,00 | 776.538,00 |
| Hombres (%) | 47,97 | 47,82 | 47,76 | 47,73 | 47,69 |
| Mujer | 825.689,00 | 833.325,00 | 839.823,00 | 845.855,00 | 851.758,00 |
| Mujeres (%) | 52,03 | 52,18 | 52,24 | 52,27 | 52,31 |
La población total femenina es ligeramente mayor a la masculina. En este lapso, la población femenina excede a la masculina entre 4 y, redondeando, 6 puntos porcentuales.
layout(rbind(c(2,3),
c(1,1),
c(1,1)))
barplot(as.matrix(fuerza[,2:6]), beside=TRUE,
col=c("gray25", "gray85"),
border="gray96",
ylim=c(0,65),
main="Poblacion 15+ segun sexo")
legend("topright", legend=c("Hombre", "Mujer"),
col=c("gray25", "gray85"), pch=15,
ncol=2)
plot( c(2008:2012), diferencias, type="l",
col="darkblue",
yaxt="n",
ylim=c(4.0, 4.8),
xlab="",
ylab= "%",
main="Diferencia poblacion \nhombre-mujer (%)")
axis(2, at=c(4.1, 4.4,4.7), las=2, col="gray50",
col.ticks="gray50",col.axis="gray60")
axis(1,col.axis="gray60")
box(col="white")
plot( c(2009:2012), cambioH, type="n",
yaxt="n",
ylim=c(-0.3, 0.7),
xlab="",
ylab= "%",
main="Variacion poblacion \nsegun sexo (%)")
axis(2, at=c(-0.30, 0.7), las=2, col="gray50",
col.ticks="gray50",col.axis="gray60")
axis(1,col.axis="gray60")
lines(c(2009:2012), cambioH, type="l", col="gray25")
axis(4,at=c(0.60, 0.7),col.axis="gray25",
las=2)
lines(c(2009:2012), cambioM, type="l", col="gray85")
axis(4,at=c(-0.30, -0.08),col.axis="gray25",
las=2)
box(col="white")
Distrito Capital
La población femenina tiene un decrecimiento de casi un punto porcentual, -0.58%, en tanto que la masculina crece en casi tres puntos,2.6%
names(indicadores)[2:6] <-gsub("X", "",
names(indicadores[2:6]))
kable(indicadores, row.names = FALSE,
format.args = list(decimal.mark = ","
, big.mark = ".")
)| poblacion | 2008 | 2009 | 2010 | 2011 | 2012 |
|---|---|---|---|---|---|
| DE 15 y mas | 1.586.988,0 | 1.597.102,0 | 1.607.766,0 | 1.618.212,0 | 1.628.296,0 |
| Activa | 1.040.298,0 | 1.036.431,0 | 1.043.538,0 | 1.039.312,0 | 1.073.065,0 |
| Ocupada | 963.324,0 | 969.918,0 | 975.378,0 | 967.013,0 | 1.000.101,0 |
| Desocupada | 76.974,0 | 66.514,0 | 68.160,0 | 72.298,0 | 72.964,0 |
| Inactiva | 546.690,0 | 560.670,0 | 564.228,0 | 578.900,0 | 555.230,0 |
| Tasa de actividad (%) | 65,6 | 64,9 | 64,9 | 64,2 | 65,9 |
| Tasa de ocupación (%) | 92,6 | 93,6 | 93,5 | 93,0 | 93,2 |
| Tasa de desocupación (%) | 7,4 | 6,4 | 6,5 | 7,0 | 6,8 |
| Tasa de inactividad (%) | 34,4 | 35,1 | 35,1 | 35,8 | 34,2 |
La fuerza laboral en Distrito Capital se mantuvo entre 64.9 y 65.9 por ciento de la población mayor de 15 años. Recordemos que esta población constituye un poco más del 80% de la población total del Distrito Capital. Lo que implica que, aproximadamente, de cada 10 personas en el Distrito Capital, 6 forman parte de la fuerza laboral. La estabilidad de la fuerza laboral sugiere que en el lapso analizado, al menos 4 personas pudieron, potencialmente, optar por no buscar activamente empleo, y, posiblemente, ser sostenida por otro miembro de la familia.
Un poco más de un tercio de la población total del Distrito Capital pertenece a esa parte de la fuerza labora que se dedican a quehaceres del hogar, son estudiantes, discapacitados para trabajar o están en otra situción. Son la población inactiva.
De la fuerza laboral, en promedio, el 92.6% de la población obtuvo empleo. Esto, con respecto a la población total del Distrito Capital representa aproximadamente el 52%. Es decir, cinco de cada 10 personas obtuvieron, en promedio, empleo entre 2008 y 2012. Si tomamos en cuenta la relación entre el número de personas ocupadas y el número de personas inactivas, cada persona ocupada sostuvo, en promedio, a dos personas.
qplot(fechas, values,
data=do2,
xlab="", ylab="Tasa", col=etiqueta,
main="Distrito Capital. Tasa de desocupacion\n segun variacion") + geom_line()
La desocupacción femenina tendió a ser más alta que la masculina, especialmente entre el 2011 y el 2012, s bien en 2008-2009 fue inferior a la tasa de desocupación
qplot(fechas, values,
data=inactivos,
xlab="", ylab="Tasa", col=etiqueta,
main="Distrito Capital. Tasa de inactividad\n segun variacion") + geom_line()
La tasa de inactividad es negativa entre 2008 y 2010, lo que es consistente con el nivel de ocupación femenina en ese mismo periodo.
qplot(fechas, values,
data=o2,
xlab="", ylab="Tasa", col=etiqueta,
main="Distrito Capital. Tasa de ocupacion\n segun variacion") + geom_line()
qplot(values/1000,etiqueta, data=rR,
geom="jitter", col=ind,
ylab="",
xlab="Miles de personas",
size=values/1000) +
scale_colour_manual(values=mispaletas,
name="Valor:")
Las tres actividades que mayor número de ocupados presentan, y por enden son las ramasde producción más activas en el Distrito Capital, son Servicios comunales, sociales y personales, con un promedio de 370 mil personas en los ocho semestres analizados, seguido de Comercio, restaurantes y hoteles, 217 mil personas, y Establecimientos financieros, seguros y bienes muebles, con 103 mil persona ocupadas en promedio.
Las acividades que tradicionalmente generan productos, mismos productos que deberían ser los ofertados a través del comercio, y en torno a los cuales se esperaría que se generan la mayoría de los servicios, ocupan muy pocas personas, lo que nos sugiere que son actividades más bien marginales, o pequeñas en el Distrito Capital, como por ejemplo las Actividades agrícolas, pecuarias y caza. Ciertamente, dado que Caracas es una ciudad en la que prodmina el aspecto urbano, se espera que las actividades agrícolas sean escasas, y que predomine el comercio y los servicios. Pero el tamaño y peso de estas actividades nos sugieren el grado de vulnerabilidad que puede presentar Caracas, en materia de empleo de y de suministros, en casos de presentarse periodos recesión más o menos largos.
kable(leyendaRamas, col.names = c("Rama","Codigo" ),
row.names = FALSE)| Rama | Codigo |
|---|---|
| Actividades agrícolas, pecuarias y caza | Aapyc |
| Explotación de hidrocarburos, minas y canteras | Edhmyc |
| Industria manufacturera | Indm |
| Electricidad, gas y agua | Egya |
| Construcción | Cnst |
| Comercio, restaurantes y hoteles | Cryh |
| Transporte, almacenamiento y comunicaciones | Tayc |
| Establecimientos financieros, seguros y bienes inmuebles | Efsybi |
| Servicios comunales, sociales y personales | Scsyp |
| Actividades no bien especificadas y/o no declaradas | Anbeynd |
qplot(abreviacion, ocupados/1000, data= porRamaS,
geom = "boxplot",
xlab = "Rama de actividad",
ylab = "Ocupacion (Miles de personas)") 
durante los 8 semestres anlizados, la actividad Servicios sociales ocupó al mayor número de personas en Distrito Capital, con un mínimo de ocupados de aproximadamente 350 mil personas, y un máximo de 390 mil. Las activiidades agrícolas fueron la que menor número de personas emplearon en este mismo lapso.
Las cinco actividades que mayor número de personas han ocupado en orden decreciente han sido Servicios comunales, sociales y personales, Comercio, resturantes y hoteles, Establecimientos financieros, seguros y bienes inmuebles, Industria manufacturera, Transporte, almacenamiento y comunicaciones. Entre las cinco sumaron un promedio de, aproximadamente, 768 mil personas ocupadas.
qplot(abreviacion, ocupados/1000, data= porRamaS,
geom = "boxplot",
xlab = "Sector productivo",
ylab = "Ocupacion (Miles de personas)") +
coord_cartesian(ylim=c(80,400))
Al hacer un zoom sobre la data,se puede visualizar mejor la distribución de estas cinco ramas de actividad por número de personas ocupadas.
En cuatro las cinco actividades con mayor número de personas ocupadas, parece que la ocupación es mayor en los primeros semestres de cada uno de los años analizados, en tanto que en la otra, concretamente en la Industria manufacturera, la ocupación parece ser mayor en los segundos semestres.
Las cinco actividades restantes, Construcción, Actividades no bien especificadas y/o no declaradas, Explotación de hidrocarburos, minas y canteras, Electricidad y agua, y Actividades agrícolas, pecuarias y caza, emplearon alrededor de 87 mil personas. Es decir, por cada persona empleada en estos cinco grupos, había casi 9 personas en aquellas cinco actividades anteriores.
qplot(periodo, ocupados,
col=abreviacion, data=porRamaS,
main= "Distrito Capital. Ocupacion segun sectores productivos\n2008-2012",
xlab="",
ylab= "Ocupacion (Milres de personas") +
geom_jitter() +
scale_colour_manual(values=mispaletas,
name="Sector:") 
La ocupación parece aumentar, en general, durante el primer semestre de cada año.
qplot(periodo, ocupados/1000, data= porRamaS)+
geom_line() +
labs(x = "Lapso",
y = "Ocupados (miles de personas",
title="Distrito Capital. Personas ocupadas según rama de actividad\n (Miles de personas)") +
facet_wrap(~abreviacion,
scales="free_y",
ncol=5)
Grosso modo, todas las ramas de actividad del Distrito Capital tendieron a presentar grandes fluctuaciones en la ocupación, lo que posiblemente corresponde a periodos de contracción económica en cada una de ellas.
qplot(Valores/1000,Etiqueta, data=rR2,
geom="jitter", col=ind,
ylab="",
xlab="Miles de personas",
size= Valores/1000) +
scale_colour_manual(values=mispaletas,
name="Valor:")
La clase de trabajo que más empleo generó en el periodo analizado fue el de Empleados y obreros, con un promedio de 699 mil personas ocupadas, seguida de Trabajadores por por cuenta propia con con promedio de, redondeando, 212 mil personas ocupadas.
qplot(Valores/1000,Etiqueta, data=rR3,
geom="jitter", col=ind,
ylab="",
xlab="Miles de personas",
size= Valores/1000) +
scale_colour_manual(values=mispaletas,
name="Valor:")
kable(profesion[,c(1,12)],
row.names=FALSE,
col.names = c("Actividad", "Abreviación"))| Actividad | Abreviación |
|---|---|
| Profesionales, técnicos, y personas en ocupaciones afines | Ptypeoa |
| Gerentes, administradores, directores y otros funcionarios de categoría directiva | Gadyofdcd |
| Empleados de oficina y afines | Edoya |
| Vendedores y personas en ocupaciones afines | Vypeoa |
| Agricultores, ganaderos, pescadores y afines | Agpya |
| Conductores de medios de transporte, comunicaciones y afines | Cdmdtcya |
| Artesanos, operarios en fábricas y afines | Aoefya |
| Trabajadores de los servicios, deportes y diversiones | Tdlsdyd |
| Otras ocupaciones no bien especificadas y/o no declaradas | Oonbeynd |
barplot(ll, las=2, col=mispaletas,
border = mispaletas,
legend.text = df[,1],
yaxt="n",
ylim=c(0,1.2),
args.legend = list(ncol=3, bty="n"))
axis(2, at=c(0,0.2,0.4,0.6,0.8,1), col="gray90",
las=2, cex.axis=0.75 )
El sector primario tendió a ocupar más personas en los 8 semestres analizados, seguido del sector terciario. Se observa la fluctuación en el nivel de ocupación, y al disminuir la ocupación en el sector primario, tiende a incrementarse la ocupación en el nivel terciario, lo que parece sugerir que las personas cesantes del sector primaro se dirigen hacia el sector terciario.
qplot(Valores/1000,Etiqueta, data=rR4,
geom="jitter", col=ind,
ylab="",
xlab="Miles de personas",
size=Valores/1000) +
scale_colour_manual(values=mispaletas,
name="Valor:")
El mínimo de ocupados en el sector secundario es inferior al número de ocupados en el sector terciarios; sin embargo, sus valores medios y máximos durante el lapso analizado, son bastante similares. El sector primario ocupó mucho más personas que los dos sectores anteriores
Genero
aeg<-apilaryGraficar(indicadores_genero[1:4,2:4], etiqueta = indicadores_genero[1:4,1])
aeg2<-apilaryGraficar(indicadores_genero[5,2:4])
aecg<-apilaryGraficar(indicadores_genero[8:11,2:4], etiqueta = indicadores_genero[8:11,1])
aecg2<-apilaryGraficar(indicadores_genero[7,2:4])
imestud<-apilar(indicadores_genero[13:15,2:4],
etiqueta = indicadores_genero[13:15,1])
def<-apilaryGraficar(indicadores_genero[13:15,2:4])
ggplot(data=aeg, aes(values, ind )) +
geom_point() +
facet_wrap(~etiqueta) +
labs(x= "Porcentaje",
y ="",
title = "Asistencia escolar según sexo y edad")
Si bien la asistenia escolar es similar en hombres y mujeres, las mujeres asisten menos durante los primeros años de vida. Pero a partir de los quince años, la relación se invierte. Lo que podía indicar que los hombres asisten más a los primeros años de educación, pero desertan hacia los 15 años de la escuela.
ggplot(data=aecg, aes(values, ind )) +
geom_point() +
facet_wrap(~etiqueta) +
labs(x= "Porcentaje",
y ="",
title = "Actividad económica según sexo y edad")
Las mujeres sufren más el desempleo, sin importar el grupo de edad. En general, los jóvenes, 15-24 años y los adultos mayores, 65 y más años, tienen la menor proporción de empleo.
Salud
plot(ambiente$variacion~ambiente$anios, type='l',
main = "Distrito Capital. Producción de\n desechos sólidos, según variación",
xlab = "",
ylab = "Variación",
las = 2)
grid()
Existe unnaumento sustancial de la produccion de deshechos sólidos entre 2008 y 2009. Se mantuvo igual entre el 2009 y 2010, disminuye en 2010 y empieza a umentar al año siguiente. El comportamiento de esta variable sugieres que, posiblemente, no hubo una disminución en la producción de residuos, sino que proabablemente hubo mejoras y desmejoras en la recoleccción de la data ### Nutricion
kable(nuPorc, row.names = FALSE,
col.names = c("Edades",
"Hombre",
"Mujer"),
format.args = list(decimal.mark = ","),
caption="Distrito Capital. Muertes por desnutricion,2011"
)| Edades | Hombre | Mujer |
|---|---|---|
| Ninios | 5,71 | 8,57 |
| Adultos | 8,57 | 5,71 |
| Adultos Mayores | 20,00 | 51,43 |
En 2011, de 35 muertes causadas por desnutrición registradas por el INE el 71.43% ocurren en personas de 65 años o más, adultos mayores; y de éstas, el 51% ocurrieron en mujeres.
par(mfrow=c(1,2))
leyenda = c("Niños", "Adultos", "Adultos mayores")
pie(nutricion[,2], labels= leyenda,
col=pals("deserve")[1:3], border = "gray87",
main="Hombres")
leyenda2 = c("Niñas", "Adultos", "Adultos mayores")
pie(nutricion[,3], labels= leyenda2,
col=pals("deserve")[1:3], border = "gray87",
main="Mujeres")
Considerando todas las muertes registradas:
pie(prevenibilidad$values,labels =etiquetasPrev,
col=pals("terra"), border="gray95",
main="Distrito Capital. Total muertes registradas segun\n grado de prevenibilidad, 2011")
En el Distrito Capital, de las muertes registradas en 2011, más del 90% ocurrieron por enfermedades poco prevenibles o moderadamente prevenibles. Por cada muerte por enfermedades moderamente prevenible ocurrieron 1.4 muertes por enfermedades poco prevenibles. Y por cada diez muertes en el Distrito Capital, 9 ocurrieron por enfermedades poco o moderadaradamente prevenibles. Todo ello nos indica que hay una prevalencia de enfermedades poco prevenibles y moderadamente prevenibles.
dotplot(ordenada ~porc, data =cmg,
aspect = 1.5,
xlim = c(-3.15, 30),
main = list("Distrito Capital. Muertes por tipo de enfermedades, 2011", cex = 0.8),
xlab= list("Porcentaje", cex=0.6),
panel = function (x, y) {
panel.segments(bajo, as.numeric(y),
alto, as.numeric(y),
lty = 2,col = "#7C8071")
panel.abline(v = c(mean(cmg$porc),
median(cmg$porc)),
lty = 2, col = pals("pancake")[1:2])
panel.xyplot(x, y, pch = 19,
col = pals("terra")[5])
},
key = list(text = list(c("Media", "Mediana"),
cex = .65),
points = list(pch = 15,
col = pals("pancake")[1:2],
cex = .60),
x= 0.5, y = 1.02,
corner=c(.5,0),
space = "right"),
scales = list(y = list(cex = .6)) ) 
La muerte por tipo de enfermedades en el Distrito Capital, que puede darnos alguna idea de la prevalencia, entendida como el porcentaje de personas que padece una enfermedad determinada, tiene a las enfermedades infecciosas y parasitarias, la diabetes en mayores de de 25 años, el cáncer, sin incluir cuello uterino y tumores benignos, muertes violentas, excepto homicidios, y enfemedades del aparato circulatorio, encabezando la lista. El porcentaje de estas enfermedades se ubican por encima de la media. Incluso, el cáncer y las muertes violentas se ubican a más de una desviación estandar (línea horizontales punteadas) de la media , en tanto que las enfermedades circulatorias está a dos desviaciones estandar de la media.
Si tomamos en consideración la mediana, se visibilizan otras enfermedades : nefritis, afecciones del período perinatal, neumonía, bronquitis crónica y enfermedades crónicas y paraistarias. Tanto la media como la mediana nos indican que en el Distrito Capital se padeció, en 2011 de enfermedades en los riñones, enfermedades en los pulmones, enfermedades en el corazón, y enfermedades en el aparato reproductivo, además de diabetes y muertes violentas.
bwplot(toupper(causa) ~ porcentaje | sexo, data=causasSexo,
xlab="Porcentaje de muertes",
main="Distrito Capital. Muertes por \nenfermedades segun grado de prevenibilidad")
La prevalencia de las enfermedades según su grado de prevenibilidad parece ser mayor en las mujeres que en los hombres. Las mujeres mueren mas de enfermedades poco y altamente prevenibles, en tanto que los hombres mueren más de enfermedades moderadamente prevenibles. Sólo una prueba de hipótesis permitiría afirmar con seguridad que hay diferencias significativas en ambos grupos.
dotplot(causas2 ~ porcH, data=paridad,
aspect = 1.5,
xlim = c(-1,40),
main= list("Distrito Capital. % Muertes segun sexo, 2011",
cex = 0.76),
xlab = list("Porcentaje",
cex = .65),
panel = function (x, y) {
panel.abline(h = as.numeric(y),
lty = 2,
col = "#e0e4cc")
panel.xyplot(x, y, pch = 16,
col = "#487aa1",
cex = 0.75)
panel.xyplot(paridad$porcM,
y, pch = 15, col = "#c44d58",
cex = .6)},
key = list(text = list(c("Hombre", "Mujer"),
cex = .75),
points = list(pch = c(16, 15),
col = c("#487aa1",
"#c44d58"),
cex = .75),
space = "right"),
scales = list(y = list(cex = .6)) )
En general, las mujeres parecen morir más de todas las enfermedades, excepto de muertes violentas (homicidios y otras muertes violentas).
diferencia01 <- paridad$porcM - paridad$porcH
micolor <- ifelse(diferencia01 < 0,"#031634", "#CC333F")
dotplot(indice.paridad2 ~ (porcH - porcM), data = paridad,
aspect = 1.5,
xlab = list("Diferencia porcentual", cex= 0.6),
main = list("Distrito Capital. Porcentaje de muertes hombres menos porcentaje de muertes en mujeres",
cex = .75),
sub = list("Diferencia: % hombres - % mujeres",
cex= 0.6),
panel = function (x, y) {
panel.xyplot(x, y, pch = 16, cex = 1.05,
col = micolor)
panel.abline(v = 0, lty = 2, col = "#7c8071")},
key = list(text = list(c("Hombre", "Mujer"),
cex = .70),
points = list(pch = c(16),
col = c("#031634",
"#CC333F"),
cex = .65),
space = "right"),
scales = list(y = list(cex = .6))
)
Los hombres, tal como se observaba ya en la gráfica anterior, mueren más de otra muertes violentas y homicidios, en tanto que las mujeres mueren mucho más del resto de las enfermedades, en particular de enfermedades del aparato circulatorio, cancer y diabetes.
qplot(parroquia, porc.gen, data=muertes1Gen1,
col=Enfermedades) +
labs(fill= "Grado",
x="",
y= "Porcentaje") +
geom_hline(yintercept=median(muertes1Gen1$porc.gen),
col="#031634")+
coord_flip() +
ggtitle("Distrito Capital. Muertes segun enfermedad\n y grado de prevenibilidad, por parroquia")
El mayor porcentaje de muertes, ubicado por encima de la mediana, marcada en el gráfico con una línea vertical, lo constituye el conjunto de enfermedades moderadamente prevenibles y poco prevenibles. El porcentaje de muertes en las parroquias Santa Teresa y Catedral están por debajo de los valores medianos, en tanto que los porcentajes de todas la muertes por enfermedades, según su prevenibilidad, en la Parroquia Sucre, están sobre los valores de la mediana de la variable.
m <-matrix(1:4,2,2, byrow = FALSE)
layout(m)
pie(niniosH,labels = nH,
col = brewer.pal(8,"Set3"), border = "gray90",
main = "Hombres")
pie(ninios1$total,
labels = ninios1Et,
init.angle = 100,
col = brewer.pal(8,"Set3"), border = "gray80",
main = "Total muertes")
pie(niniosM,labels = nM,
col = brewer.pal(8,"Set3"), border = "gray90",
main = "Mujeres")
dotchart(parN$paridad, labels=parN$Enfermedad,
cex=0.7, pt.cex= 0.73, col="#3D3C3B",
pch=16, main="Paridad")
En Distrito Capital, los menores de cinco años mueren básicamente de enfermedades altamente prevenibles. Llama la atención el hecho de que en menores de cinco años, mueren menos niñas que niños, en las diversas categorías de prevenibilidad, en tanto que a nivel global, en estas categoría, las mujeres mueren más que los hombres.
qplot(Enfermedades2, porcentaje, data=ninios2) +
labs(x = "",
y = "Porcentaje") +
geom_hline(
yintercept=median(ninios2$porcentaje),
col="#c44d58") +
coord_flip()
Los niños menores de cinco años, en conjunto hombre y mujer, muerieron sobre todo de enfermedades perinatales, su porcentaje de muerte es casi 20 veces la mediana (línea rosada) de la variable. Le siguen como causa de muerte más frecuente las enfermedades congénitas, otras causas de muerte, infecciones y parásitos, neumonías y otras muertes violentas.
diferencia <- ninios2$hombre - ninios2$mujer
colores2 <- ifelse(diferencia > 0, "#4ecdc4", "#ff6b6b")
dotplot(Enfermedades ~ (porcH - porcM), data = ninios2,
aspect = 1.5,
xlab = list("Porcentaje", cex=.65),
main = list("Distrito Capital. Porcentaje de muertes en niños menores de cinco años",
cex = .75),
sub = list("Niños menos niñas", cex=0.65),
panel = function (x, y) {
panel.xyplot(x, y, pch = 16, cex = 1.25,
col = colores2)
panel.abline(v = 0, lty = 2, col = "#7c8071")},
key = list(text = list(c("Niños", "Niñas"),
cex = .55),
points = list(pch = 16,
col = c("#4ecdc4",
"#ff6b6b"),
cex = .65),
columns = 2,
space = "top"),
scales = list(y = list(cex = .6)) )
Al analizar las distribución porcentual por sexo en cada causa de muerte en el año 2011, en menores de cinco años, los varones muerieron básicamente producto de enfermedades del aparato circulatorio, cirrosis hepática, algo un tanto extraño como causa de muerte para niños menore de cinco años, de apendicitis, anemia hemolítica y otras muerrtes violentas. En tanto que las niñas murieron sobre todo de infecciones y parásitos, deficiencias de la nutricion, anomalías congénitas y de otras causas de muerte.
Pobreza
ggplot(aes(semestre,values), data=pobres) +
geom_bar(stat = "identity") +
labs(x="Semestres",
y="Porcentaje",
title= "Distrito Capital. Hogares\n en situación de pobreza, y semestres, 2012") +
facet_wrap(~ situacion)
En el segundo semestre de 2012 disminuyen los hogares no pobres así como los hogares en pobreza no extrema. Al mismo tiempo se incrementan en más de 200% los hogares en pobreza extrema. y aumenta el porcentaje de hogares en condición de pobreza extrema. Analizando la pobreza desde la perspectiva de las personas, hay un decrecimiento en el número de personas no pobres, aumentan las personas pobres y la pobreza extrema crece en aproximadadmente un 130%.
ggplot(poCambio, aes(situacion, cambio)) +
geom_point() +
facet_wrap(~concepto,scales = "free", ncol=4) +
theme(axis.text.x = element_text(angle=90,
hjust=1, vjust=.5)) +
labs(x="Situacion de pobreza",
"Variacion",
title="Distrito Capital. Pobreza según tasa de de variacion, 2012")
El número de no pobres y de no pobres extremos disminuye sensiblemente de un semestre a otro en 2012. La pobreza afecta mucho más a los mayores de 60 años. Para este grupo de edad, la pobreza extrema se incrementó casi en un 600%.
En la fuerza laboral, algo que no resulta sorprendente,la pbreza crece de un semestre a otro con mucha intensidad en la población inactiva. Tanto en la población activa como en la inactiva decrece el porcentaje de pobres y no pobres y se incrementa la pobreza extrema. Esta crece en un poco más de 75% en la población activa, pero en 300% en la población inactiva
No hay comentarios.:
Publicar un comentario