Práctica 12. Aplicaciones relacionadas a la demografía (III)
Ana Escoto
06/01/2021
Previo
Paquetería
if (!require("pacman")) install.packages("pacman") # instala pacman si se requiere## Loading required package: pacmanpacman::p_load(tidyverse,
readxl,writexl, # importar hojas de cálculo
haven, foreign, # importación de dta y sav
janitor, skimr, #limpieza y verificación
imputeTS, # para imputar valores
esquisse) # para usar ggplot de manera más amigableDirectorio
En caso que no tengas un proyecto,establecer el directorio puede ayudar
rm(list=ls()) # mala práctica pero quizás necesaria porque vamos a cambiar de tema
setwd("/Users/anaescoto/Dropbox/2020/2021-1 R para Demográfos/repo/R_Demo")Fechas censales y tasas de crecimiento
url <- "https://github.com/aniuxa/R_Demo/raw/master/datos/censos.xlsx"
destfile <- "censos.xlsx"
curl::curl_download(url, destfile)
censos <- read_excel(destfile,
col_types = c("numeric","date", "numeric"))Un elemento fundamental es encontrar los periodos intercensales en años. Los censos tienen diferentes fechas.
censos<-censos %>%
mutate(dias = c(NA, diff(fecha))) %>%
mutate(n=dias/365) %>%
clean_names
censos ## # A tibble: 12 x 5
## ano fecha poblacion dias n
## <dbl> <dttm> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3Con esta base ya podemos ir calculando diferentes tipos de crecimiento básicos.
Ritmo
\[ ritmo=\frac{P_{t+n}}{P_t} \]
censos<-censos %>%
mutate(ritmo = poblacion/lag(poblacion))
censos## # A tibble: 12 x 6
## ano fecha poblacion dias n ritmo
## <dbl> <dttm> <dbl> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0 1.11
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0 0.946
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57 1.15
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82 1.19
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3 1.31
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0 1.35
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65 1.38
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4 1.39
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78 1.22
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93 1.20
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3 1.15Crecimiento
\[ c=\frac{P_{t+n}-{P_t}}{P_t} =\frac{P_{t+n}}{P_t}-1 \]
Básicamente es el ritmo menos 1
censos<-censos %>%
mutate(c = ritmo-1)
censos## # A tibble: 12 x 7
## ano fecha poblacion dias n ritmo c
## <dbl> <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0 1.11 0.114
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0 0.946 -0.0545
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57 1.15 0.155
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82 1.19 0.187
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3 1.31 0.312
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0 1.35 0.354
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65 1.38 0.381
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4 1.39 0.386
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78 1.22 0.215
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93 1.20 0.200
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3 1.15 0.152Crecimiento aritmético
\[ r_a=\frac{P_{t+n}-{P_t}}{n*P_t} =\frac{c}n \] Básicamente es el crecimiento entre el periodo intercensal.
censos<-censos %>%
mutate(ra = c/n)
censos## # A tibble: 12 x 8
## ano fecha poblacion dias n ritmo c ra
## <dbl> <dttm> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA NA NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0 1.11 0.114 0.0114
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0 0.946 -0.0545 -0.00496
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57 1.15 0.155 0.0180
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82 1.19 0.187 0.0191
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3 1.31 0.312 0.0304
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0 1.35 0.354 0.0354
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65 1.38 0.381 0.0395
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4 1.39 0.386 0.0373
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78 1.22 0.215 0.0220
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93 1.20 0.200 0.0201
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3 1.15 0.152 0.0147Crecimiento geométrico
\[ r_g=\sqrt[n]\frac{P_{t+n}}{{P_t}}-1 \] Es la raíz n-ésima del ritmo menos 1
censos<-censos %>%
mutate(rg = ritmo^(1/n)-1)
censos## # A tibble: 12 x 9
## ano fecha poblacion dias n ritmo c ra
## <dbl> <dttm> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA NA NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0 1.11 0.114 0.0114
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0 0.946 -0.0545 -0.00496
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57 1.15 0.155 0.0180
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82 1.19 0.187 0.0191
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3 1.31 0.312 0.0304
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0 1.35 0.354 0.0354
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65 1.38 0.381 0.0395
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4 1.39 0.386 0.0373
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78 1.22 0.215 0.0220
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93 1.20 0.200 0.0201
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3 1.15 0.152 0.0147
## # … with 1 more variable: rg <dbl>Crecimiento exponencial
\[ r=\frac{ln\frac{P_{t+n}}{{P_t}}}n\]
Básicamente es logaritmo del ritmo entre n
censos<-censos %>%
mutate(r = log(ritmo)/n)
censos## # A tibble: 12 x 10
## ano fecha poblacion dias n ritmo c ra
## <dbl> <dttm> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1900 1900-10-28 00:00:00 13607272 NA NA NA NA NA
## 2 1910 1910-10-27 00:00:00 15160369 3651 10.0 1.11 0.114 0.0114
## 3 1921 1921-10-20 00:00:00 14334780 4011 11.0 0.946 -0.0545 -0.00496
## 4 1930 1930-05-15 00:00:00 16552722 3129 8.57 1.15 0.155 0.0180
## 5 1940 1940-03-06 00:00:00 19653552 3583 9.82 1.19 0.187 0.0191
## 6 1950 1950-06-06 00:00:00 25791017 3744 10.3 1.31 0.312 0.0304
## 7 1960 1960-06-08 00:00:00 34923129 3655 10.0 1.35 0.354 0.0354
## 8 1970 1970-01-28 00:00:00 48225238 3521 9.65 1.38 0.381 0.0395
## 9 1980 1980-06-04 00:00:00 66846833 3780 10.4 1.39 0.386 0.0373
## 10 1990 1990-03-12 00:00:00 81249645 3568 9.78 1.22 0.215 0.0220
## 11 2000 2000-02-14 00:00:00 97483412 3626 9.93 1.20 0.200 0.0201
## 12 2010 2010-06-12 00:00:00 112336538 3771 10.3 1.15 0.152 0.0147
## # … with 2 more variables: rg <dbl>, r <dbl>Este crecimiento es el más utilizado.
Podemos graficar los diferentes crecimientos, será más fácil si cambiamos el formato
censos %>%
select(c(ano, ra, rg, r)) %>%
pivot_longer(-ano, names_to = "tipo", values_to = "crecimiento") ## # A tibble: 36 x 3
## ano tipo crecimiento
## <dbl> <chr> <dbl>
## 1 1900 ra NA
## 2 1900 rg NA
## 3 1900 r NA
## 4 1910 ra 0.0114
## 5 1910 rg 0.0109
## 6 1910 r 0.0108
## 7 1921 ra -0.00496
## 8 1921 rg -0.00508
## 9 1921 r -0.00510
## 10 1930 ra 0.0180
## # … with 26 more rowscensos %>%
select(c(ano, ra, rg, r)) %>%
pivot_longer(-ano, names_to = "tipo", values_to = "crecimiento") %>%
ggplot(aes(ano,crecimiento, group=tipo, color=tipo)) +
geom_line() + theme_minimal()## Warning: Removed 3 row(s) containing missing values (geom_path).
Con estas tasas de crecimiento también podemos hacer estimaciones de tiempo y de poblaciones en fechas específicas.
Proyeccion
\[ P_{t+n}= P_t * e^{nr} \] Vamos a proyectar la población al primero de julio de 2009
n<-difftime(as.Date("2009-07-1"),
as.Date("2000-02-14"))
n## Time difference of 3425 daysn<-as.numeric(n/365)
n## [1] 9.383562ptn=censos[11,"poblacion"]*exp(n*censos[12,10])
paste(ptn) # para ver los decimales## [1] "110884271.797442"Tiempo
\[ n=\frac{ln\frac{P_{t+n}}{{P_t}}}r\]
¿Cuánto tiempo tardaría en duplicarse la población del último censo?
n_calc<-log(2*censos[12,"poblacion"]/censos[12,"poblacion"])/censos[12,"r"]
n_calc## poblacion
## 1 50.49647¿En qué fecha se llegaría ese valor?
library(lubridate) # este paquetito es una maravilla para el uso de fechas. Nos da más control##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionymd("2010/06/12") + days(round(n_calc*365,0))## [1] "2060-11-27"Mexico, tabulados
Vamos a trabajar con los datos de IPUMS para México. Esto nos va a permitir tener totales para grupos de edad y vamos a automatizar las tasas de crecimientos y los cálculos de las poblaciones medias.
Esta consulta se hizo en los tabulados de INEGI: https://www.inegi.org.mx/programas/ccpv/cpvsh/#Tabulados
pob_censo<- read.csv("https://raw.githubusercontent.com/aniuxa/R_Demo/master/datos/INEGI_Exporta_20210105163526.csv",
encoding = "latin1",
skip=3)Vamos a limpiar un poco esto:
pob_censo<-pob_censo[-c(70:74),-c(4,6,8)] # quitamos los últimos renglones y la última columna
pob_censo<-clean_names(pob_censo)vamos a renombrar
pob_censo<-pob_censo %>%
rename(sexo=x, edad=x_1)
pob_censo## sexo edad x1990 x2000 x2010
## 1 Total Total 81,249,645 97,483,412 112,336,538
## 2 Total De 0 a 4 años 10,195,178 10,635,157 10,528,322
## 3 Total De 5 a 9 años 10,562,234 11,215,323 11,047,537
## 4 Total De 10 a 14 años 10,389,092 10,736,493 10,939,937
## 5 Total De 15 a 19 años 9,664,403 9,992,135 11,026,112
## 6 Total De 20 a 24 años 7,829,163 9,071,134 9,892,271
## 7 Total De 25 a 29 años 6,404,512 8,157,743 8,788,177
## 8 Total De 30 a 34 años 5,387,619 7,136,523 8,470,798
## 9 Total De 35 a 39 años 4,579,116 6,352,538 8,292,987
## 10 Total De 40 a 44 años 3,497,770 5,194,833 7,009,226
## 11 Total De 45 a 49 años 2,971,860 4,072,091 5,928,730
## 12 Total De 50 a 54 años 2,393,791 3,357,953 5,064,291
## 13 Total De 55 a 59 años 1,894,484 2,559,231 3,895,365
## 14 Total De 60 a 64 años 1,611,317 2,198,146 3,116,466
## 15 Total De 65 a 69 años 1,183,651 1,660,785 2,317,265
## 16 Total De 70 a 74 años 827,027 1,245,674 1,873,934
## 17 Total De 75 a 79 años 590,836 865,270 1,245,483
## 18 Total De 80 a 84 años 401,832 483,876 798,936
## 19 Total De 85 a 89 años 225,450 290,051 454,164
## 20 Total De 90 a 94 años 91,189 122,006 164,924
## 21 Total De 95 a 99 años 37,689 62,892 65,732
## 22 Total De 100 y más años 19,167 19,757 18,475
## 23 Total No especificado 492,265 2,053,801 1,397,406
## 24 Hombre Total 39,893,969 47,592,253 54,855,231
## 25 Hombre De 0 a 4 años 5,160,002 5,401,306 5,346,943
## 26 Hombre De 5 a 9 años 5,338,285 5,677,711 5,604,175
## 27 Hombre De 10 a 14 años 5,230,658 5,435,737 5,547,613
## 28 Hombre De 15 a 19 años 4,759,892 4,909,648 5,520,121
## 29 Hombre De 20 a 24 años 3,738,128 4,303,600 4,813,204
## 30 Hombre De 25 a 29 años 3,050,595 3,861,482 4,205,975
## 31 Hombre De 30 a 34 años 2,578,736 3,383,356 4,026,031
## 32 Hombre De 35 a 39 años 2,210,565 3,023,328 3,964,738
## 33 Hombre De 40 a 44 años 1,705,013 2,494,771 3,350,322
## 34 Hombre De 45 a 49 años 1,452,573 1,957,177 2,824,364
## 35 Hombre De 50 a 54 años 1,161,875 1,624,033 2,402,451
## 36 Hombre De 55 a 59 años 918,864 1,234,072 1,869,537
## 37 Hombre De 60 a 64 años 769,917 1,045,404 1,476,667
## 38 Hombre De 65 a 69 años 567,641 779,666 1,095,273
## 39 Hombre De 70 a 74 años 394,031 589,106 873,893
## 40 Hombre De 75 a 79 años 277,835 411,197 579,689
## 41 Hombre De 80 a 84 años 179,820 217,330 355,277
## 42 Hombre De 85 a 89 años 99,299 125,041 197,461
## 43 Hombre De 90 a 94 años 38,021 50,843 68,130
## 44 Hombre De 95 a 99 años 15,069 25,741 25,920
## 45 Hombre De 100 y más años 7,092 8,029 7,228
## 46 Hombre No especificado 240,058 1,033,675 700,219
## 47 Mujer Total 41,355,676 49,891,159 57,481,307
## 48 Mujer De 0 a 4 años 5,035,176 5,233,851 5,181,379
## 49 Mujer De 5 a 9 años 5,223,949 5,537,612 5,443,362
## 50 Mujer De 10 a 14 años 5,158,434 5,300,756 5,392,324
## 51 Mujer De 15 a 19 años 4,904,511 5,082,487 5,505,991
## 52 Mujer De 20 a 24 años 4,091,035 4,767,534 5,079,067
## 53 Mujer De 25 a 29 años 3,353,917 4,296,261 4,582,202
## 54 Mujer De 30 a 34 años 2,808,883 3,753,167 4,444,767
## 55 Mujer De 35 a 39 años 2,368,551 3,329,210 4,328,249
## 56 Mujer De 40 a 44 años 1,792,757 2,700,062 3,658,904
## 57 Mujer De 45 a 49 años 1,519,287 2,114,914 3,104,366
## 58 Mujer De 50 a 54 años 1,231,916 1,733,920 2,661,840
## 59 Mujer De 55 a 59 años 975,620 1,325,159 2,025,828
## 60 Mujer De 60 a 64 años 841,400 1,152,742 1,639,799
## 61 Mujer De 65 a 69 años 616,010 881,119 1,221,992
## 62 Mujer De 70 a 74 años 432,996 656,568 1,000,041
## 63 Mujer De 75 a 79 años 313,001 454,073 665,794
## 64 Mujer De 80 a 84 años 222,012 266,546 443,659
## 65 Mujer De 85 a 89 años 126,151 165,010 256,703
## 66 Mujer De 90 a 94 años 53,168 71,163 96,794
## 67 Mujer De 95 a 99 años 22,620 37,151 39,812
## 68 Mujer De 100 y más años 12,075 11,728 11,247
## 69 Mujer No especificado 252,207 1,020,126 697,187Vamos a limpiar un poco la variable “edad”, de paso nos sirve para revisar algunas opciones del paquete “stringr”
pob_censo<-pob_censo %>%
mutate(edad=str_remove(edad,"De ")) %>%
mutate(edad=str_remove(edad," años")) %>%
mutate(edad=str_replace(edad," a ", "-"))
pob_censo## sexo edad x1990 x2000 x2010
## 1 Total Total 81,249,645 97,483,412 112,336,538
## 2 Total 0-4 10,195,178 10,635,157 10,528,322
## 3 Total 5-9 10,562,234 11,215,323 11,047,537
## 4 Total 10-14 10,389,092 10,736,493 10,939,937
## 5 Total 15-19 9,664,403 9,992,135 11,026,112
## 6 Total 20-24 7,829,163 9,071,134 9,892,271
## 7 Total 25-29 6,404,512 8,157,743 8,788,177
## 8 Total 30-34 5,387,619 7,136,523 8,470,798
## 9 Total 35-39 4,579,116 6,352,538 8,292,987
## 10 Total 40-44 3,497,770 5,194,833 7,009,226
## 11 Total 45-49 2,971,860 4,072,091 5,928,730
## 12 Total 50-54 2,393,791 3,357,953 5,064,291
## 13 Total 55-59 1,894,484 2,559,231 3,895,365
## 14 Total 60-64 1,611,317 2,198,146 3,116,466
## 15 Total 65-69 1,183,651 1,660,785 2,317,265
## 16 Total 70-74 827,027 1,245,674 1,873,934
## 17 Total 75-79 590,836 865,270 1,245,483
## 18 Total 80-84 401,832 483,876 798,936
## 19 Total 85-89 225,450 290,051 454,164
## 20 Total 90-94 91,189 122,006 164,924
## 21 Total 95-99 37,689 62,892 65,732
## 22 Total 100 y más 19,167 19,757 18,475
## 23 Total No especificado 492,265 2,053,801 1,397,406
## 24 Hombre Total 39,893,969 47,592,253 54,855,231
## 25 Hombre 0-4 5,160,002 5,401,306 5,346,943
## 26 Hombre 5-9 5,338,285 5,677,711 5,604,175
## 27 Hombre 10-14 5,230,658 5,435,737 5,547,613
## 28 Hombre 15-19 4,759,892 4,909,648 5,520,121
## 29 Hombre 20-24 3,738,128 4,303,600 4,813,204
## 30 Hombre 25-29 3,050,595 3,861,482 4,205,975
## 31 Hombre 30-34 2,578,736 3,383,356 4,026,031
## 32 Hombre 35-39 2,210,565 3,023,328 3,964,738
## 33 Hombre 40-44 1,705,013 2,494,771 3,350,322
## 34 Hombre 45-49 1,452,573 1,957,177 2,824,364
## 35 Hombre 50-54 1,161,875 1,624,033 2,402,451
## 36 Hombre 55-59 918,864 1,234,072 1,869,537
## 37 Hombre 60-64 769,917 1,045,404 1,476,667
## 38 Hombre 65-69 567,641 779,666 1,095,273
## 39 Hombre 70-74 394,031 589,106 873,893
## 40 Hombre 75-79 277,835 411,197 579,689
## 41 Hombre 80-84 179,820 217,330 355,277
## 42 Hombre 85-89 99,299 125,041 197,461
## 43 Hombre 90-94 38,021 50,843 68,130
## 44 Hombre 95-99 15,069 25,741 25,920
## 45 Hombre 100 y más 7,092 8,029 7,228
## 46 Hombre No especificado 240,058 1,033,675 700,219
## 47 Mujer Total 41,355,676 49,891,159 57,481,307
## 48 Mujer 0-4 5,035,176 5,233,851 5,181,379
## 49 Mujer 5-9 5,223,949 5,537,612 5,443,362
## 50 Mujer 10-14 5,158,434 5,300,756 5,392,324
## 51 Mujer 15-19 4,904,511 5,082,487 5,505,991
## 52 Mujer 20-24 4,091,035 4,767,534 5,079,067
## 53 Mujer 25-29 3,353,917 4,296,261 4,582,202
## 54 Mujer 30-34 2,808,883 3,753,167 4,444,767
## 55 Mujer 35-39 2,368,551 3,329,210 4,328,249
## 56 Mujer 40-44 1,792,757 2,700,062 3,658,904
## 57 Mujer 45-49 1,519,287 2,114,914 3,104,366
## 58 Mujer 50-54 1,231,916 1,733,920 2,661,840
## 59 Mujer 55-59 975,620 1,325,159 2,025,828
## 60 Mujer 60-64 841,400 1,152,742 1,639,799
## 61 Mujer 65-69 616,010 881,119 1,221,992
## 62 Mujer 70-74 432,996 656,568 1,000,041
## 63 Mujer 75-79 313,001 454,073 665,794
## 64 Mujer 80-84 222,012 266,546 443,659
## 65 Mujer 85-89 126,151 165,010 256,703
## 66 Mujer 90-94 53,168 71,163 96,794
## 67 Mujer 95-99 22,620 37,151 39,812
## 68 Mujer 100 y más 12,075 11,728 11,247
## 69 Mujer No especificado 252,207 1,020,126 697,187Vamos a hacerla “long”
pob_censo<-pob_censo %>%
pivot_longer(c(x1990:x2010), names_to="ano", values_to="poblacion") %>%
mutate(ano=parse_number(ano)) %>%
mutate(poblacion=parse_number(poblacion))
pob_censo## # A tibble: 207 x 4
## sexo edad ano poblacion
## <chr> <chr> <dbl> <dbl>
## 1 Total Total 1990 81249645
## 2 Total Total 2000 97483412
## 3 Total Total 2010 112336538
## 4 Total 0-4 1990 10195178
## 5 Total 0-4 2000 10635157
## 6 Total 0-4 2010 10528322
## 7 Total 5-9 1990 10562234
## 8 Total 5-9 2000 11215323
## 9 Total 5-9 2010 11047537
## 10 Total 10-14 1990 10389092
## # … with 197 more rowsEsta base se puede agrupar y es mucho más sencilla de trabajar
pob_censo <-pob_censo %>%
group_by(sexo,edad) %>% #este es un paso esencial
mutate(ritmo = poblacion/lag(poblacion)) %>%
ungroup()
pob_censo## # A tibble: 207 x 5
## sexo edad ano poblacion ritmo
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 Total Total 1990 81249645 NA
## 2 Total Total 2000 97483412 1.20
## 3 Total Total 2010 112336538 1.15
## 4 Total 0-4 1990 10195178 NA
## 5 Total 0-4 2000 10635157 1.04
## 6 Total 0-4 2010 10528322 0.990
## 7 Total 5-9 1990 10562234 NA
## 8 Total 5-9 2000 11215323 1.06
## 9 Total 5-9 2010 11047537 0.985
## 10 Total 10-14 1990 10389092 NA
## # … with 197 more rowsAquí no tenemos las fechas pero podemos hacer un merge, de nuestras “n” ya calculadas anteriormente:
pob_censo<-pob_censo %>%
merge(censos[,c("ano","fecha", "n")], by="ano", all.x = T)Podemos comparar hoy el crecimiento entre los grupos de edad:
pob_censo <- pob_censo %>%
mutate(r = log(ritmo)/n)
pob_censo## ano sexo edad poblacion ritmo fecha n
## 1 1990 Total Total 81249645 NA 1990-03-12 9.775342
## 2 1990 Hombre 15-19 4759892 NA 1990-03-12 9.775342
## 3 1990 Total 65-69 1183651 NA 1990-03-12 9.775342
## 4 1990 Total 0-4 10195178 NA 1990-03-12 9.775342
## 5 1990 Hombre 20-24 3738128 NA 1990-03-12 9.775342
## 6 1990 Total 70-74 827027 NA 1990-03-12 9.775342
## 7 1990 Total 5-9 10562234 NA 1990-03-12 9.775342
## 8 1990 Hombre 25-29 3050595 NA 1990-03-12 9.775342
## 9 1990 Total 75-79 590836 NA 1990-03-12 9.775342
## 10 1990 Total 10-14 10389092 NA 1990-03-12 9.775342
## 11 1990 Hombre 30-34 2578736 NA 1990-03-12 9.775342
## 12 1990 Total 80-84 401832 NA 1990-03-12 9.775342
## 13 1990 Total 15-19 9664403 NA 1990-03-12 9.775342
## 14 1990 Hombre 35-39 2210565 NA 1990-03-12 9.775342
## 15 1990 Total 85-89 225450 NA 1990-03-12 9.775342
## 16 1990 Total 20-24 7829163 NA 1990-03-12 9.775342
## 17 1990 Hombre 40-44 1705013 NA 1990-03-12 9.775342
## 18 1990 Total 90-94 91189 NA 1990-03-12 9.775342
## 19 1990 Total 25-29 6404512 NA 1990-03-12 9.775342
## 20 1990 Hombre 45-49 1452573 NA 1990-03-12 9.775342
## 21 1990 Total 95-99 37689 NA 1990-03-12 9.775342
## 22 1990 Total 30-34 5387619 NA 1990-03-12 9.775342
## 23 1990 Hombre 50-54 1161875 NA 1990-03-12 9.775342
## 24 1990 Total 100 y más 19167 NA 1990-03-12 9.775342
## 25 1990 Total 35-39 4579116 NA 1990-03-12 9.775342
## 26 1990 Hombre 55-59 918864 NA 1990-03-12 9.775342
## 27 1990 Total No especificado 492265 NA 1990-03-12 9.775342
## 28 1990 Total 40-44 3497770 NA 1990-03-12 9.775342
## 29 1990 Hombre 60-64 769917 NA 1990-03-12 9.775342
## 30 1990 Hombre Total 39893969 NA 1990-03-12 9.775342
## 31 1990 Total 45-49 2971860 NA 1990-03-12 9.775342
## 32 1990 Hombre 65-69 567641 NA 1990-03-12 9.775342
## 33 1990 Hombre 0-4 5160002 NA 1990-03-12 9.775342
## 34 1990 Total 50-54 2393791 NA 1990-03-12 9.775342
## 35 1990 Hombre 70-74 394031 NA 1990-03-12 9.775342
## 36 1990 Hombre 5-9 5338285 NA 1990-03-12 9.775342
## 37 1990 Total 55-59 1894484 NA 1990-03-12 9.775342
## 38 1990 Hombre 75-79 277835 NA 1990-03-12 9.775342
## 39 1990 Hombre 10-14 5230658 NA 1990-03-12 9.775342
## 40 1990 Total 60-64 1611317 NA 1990-03-12 9.775342
## 41 1990 Hombre 80-84 179820 NA 1990-03-12 9.775342
## 42 1990 Mujer 100 y más 12075 NA 1990-03-12 9.775342
## 43 1990 Mujer 35-39 2368551 NA 1990-03-12 9.775342
## 44 1990 Hombre 85-89 99299 NA 1990-03-12 9.775342
## 45 1990 Mujer No especificado 252207 NA 1990-03-12 9.775342
## 46 1990 Mujer 40-44 1792757 NA 1990-03-12 9.775342
## 47 1990 Hombre 90-94 38021 NA 1990-03-12 9.775342
## 48 1990 Mujer 65-69 616010 NA 1990-03-12 9.775342
## 49 1990 Mujer 45-49 1519287 NA 1990-03-12 9.775342
## 50 1990 Hombre 95-99 15069 NA 1990-03-12 9.775342
## 51 1990 Mujer 70-74 432996 NA 1990-03-12 9.775342
## 52 1990 Mujer 50-54 1231916 NA 1990-03-12 9.775342
## 53 1990 Hombre 100 y más 7092 NA 1990-03-12 9.775342
## 54 1990 Mujer 75-79 313001 NA 1990-03-12 9.775342
## 55 1990 Mujer 55-59 975620 NA 1990-03-12 9.775342
## 56 1990 Hombre No especificado 240058 NA 1990-03-12 9.775342
## 57 1990 Mujer 80-84 222012 NA 1990-03-12 9.775342
## 58 1990 Mujer 60-64 841400 NA 1990-03-12 9.775342
## 59 1990 Mujer Total 41355676 NA 1990-03-12 9.775342
## 60 1990 Mujer 85-89 126151 NA 1990-03-12 9.775342
## 61 1990 Mujer 20-24 4091035 NA 1990-03-12 9.775342
## 62 1990 Mujer 0-4 5035176 NA 1990-03-12 9.775342
## 63 1990 Mujer 90-94 53168 NA 1990-03-12 9.775342
## 64 1990 Mujer 25-29 3353917 NA 1990-03-12 9.775342
## 65 1990 Mujer 5-9 5223949 NA 1990-03-12 9.775342
## 66 1990 Mujer 95-99 22620 NA 1990-03-12 9.775342
## 67 1990 Mujer 30-34 2808883 NA 1990-03-12 9.775342
## 68 1990 Mujer 10-14 5158434 NA 1990-03-12 9.775342
## 69 1990 Mujer 15-19 4904511 NA 1990-03-12 9.775342
## 70 2000 Total 40-44 5194833 1.4851843 2000-02-14 9.934247
## 71 2000 Total 20-24 9071134 1.1586339 2000-02-14 9.934247
## 72 2000 Total 45-49 4072091 1.3702163 2000-02-14 9.934247
## 73 2000 Total 25-29 8157743 1.2737494 2000-02-14 9.934247
## 74 2000 Total 5-9 11215323 1.0618325 2000-02-14 9.934247
## 75 2000 Total 50-54 3357953 1.4027762 2000-02-14 9.934247
## 76 2000 Total 30-34 7136523 1.3246154 2000-02-14 9.934247
## 77 2000 Total 10-14 10736493 1.0334390 2000-02-14 9.934247
## 78 2000 Total 55-59 2559231 1.3508855 2000-02-14 9.934247
## 79 2000 Total 35-39 6352538 1.3872848 2000-02-14 9.934247
## 80 2000 Total 15-19 9992135 1.0339113 2000-02-14 9.934247
## 81 2000 Total 60-64 2198146 1.3641921 2000-02-14 9.934247
## 82 2000 Total Total 97483412 1.1998011 2000-02-14 9.934247
## 83 2000 Hombre 15-19 4909648 1.0314621 2000-02-14 9.934247
## 84 2000 Total 65-69 1660785 1.4031036 2000-02-14 9.934247
## 85 2000 Total 0-4 10635157 1.0431556 2000-02-14 9.934247
## 86 2000 Hombre 20-24 4303600 1.1512714 2000-02-14 9.934247
## 87 2000 Total 70-74 1245674 1.5062072 2000-02-14 9.934247
## 88 2000 Hombre 90-94 50843 1.3372347 2000-02-14 9.934247
## 89 2000 Hombre 25-29 3861482 1.2658127 2000-02-14 9.934247
## 90 2000 Total 75-79 865270 1.4644842 2000-02-14 9.934247
## 91 2000 Hombre 95-99 25741 1.7082089 2000-02-14 9.934247
## 92 2000 Hombre 30-34 3383356 1.3120211 2000-02-14 9.934247
## 93 2000 Total 80-84 483876 1.2041749 2000-02-14 9.934247
## 94 2000 Hombre 100 y más 8029 1.1321207 2000-02-14 9.934247
## 95 2000 Hombre 35-39 3023328 1.3676721 2000-02-14 9.934247
## 96 2000 Total 85-89 290051 1.2865425 2000-02-14 9.934247
## 97 2000 Hombre No especificado 1033675 4.3059386 2000-02-14 9.934247
## 98 2000 Hombre 40-44 2494771 1.4631976 2000-02-14 9.934247
## 99 2000 Total 90-94 122006 1.3379465 2000-02-14 9.934247
## 100 2000 Mujer Total 49891159 1.2063921 2000-02-14 9.934247
## 101 2000 Hombre 45-49 1957177 1.3473863 2000-02-14 9.934247
## 102 2000 Total 95-99 62892 1.6687097 2000-02-14 9.934247
## 103 2000 Mujer 0-4 5233851 1.0394574 2000-02-14 9.934247
## 104 2000 Hombre 50-54 1624033 1.3977691 2000-02-14 9.934247
## 105 2000 Total 100 y más 19757 1.0307821 2000-02-14 9.934247
## 106 2000 Mujer 5-9 5537612 1.0600433 2000-02-14 9.934247
## 107 2000 Hombre 55-59 1234072 1.3430410 2000-02-14 9.934247
## 108 2000 Total No especificado 2053801 4.1721451 2000-02-14 9.934247
## 109 2000 Mujer 10-14 5300756 1.0275902 2000-02-14 9.934247
## 110 2000 Hombre 60-64 1045404 1.3578139 2000-02-14 9.934247
## 111 2000 Hombre Total 47592253 1.1929686 2000-02-14 9.934247
## 112 2000 Mujer 15-19 5082487 1.0362882 2000-02-14 9.934247
## 113 2000 Hombre 65-69 779666 1.3735195 2000-02-14 9.934247
## 114 2000 Hombre 0-4 5401306 1.0467643 2000-02-14 9.934247
## 115 2000 Mujer 20-24 4767534 1.1653613 2000-02-14 9.934247
## 116 2000 Hombre 70-74 589106 1.4950753 2000-02-14 9.934247
## 117 2000 Hombre 5-9 5677711 1.0635833 2000-02-14 9.934247
## 118 2000 Mujer 25-29 4296261 1.2809682 2000-02-14 9.934247
## 119 2000 Hombre 75-79 411197 1.4800043 2000-02-14 9.934247
## 120 2000 Hombre 10-14 5435737 1.0392071 2000-02-14 9.934247
## 121 2000 Mujer 30-34 3753167 1.3361778 2000-02-14 9.934247
## 122 2000 Hombre 80-84 217330 1.2085975 2000-02-14 9.934247
## 123 2000 Mujer 100 y más 11728 0.9712629 2000-02-14 9.934247
## 124 2000 Mujer 35-39 3329210 1.4055893 2000-02-14 9.934247
## 125 2000 Hombre 85-89 125041 1.2592373 2000-02-14 9.934247
## 126 2000 Mujer No especificado 1020126 4.0447965 2000-02-14 9.934247
## 127 2000 Mujer 40-44 2700062 1.5060948 2000-02-14 9.934247
## 128 2000 Mujer 85-89 165010 1.3080356 2000-02-14 9.934247
## 129 2000 Mujer 65-69 881119 1.4303648 2000-02-14 9.934247
## 130 2000 Mujer 45-49 2114914 1.3920438 2000-02-14 9.934247
## 131 2000 Mujer 90-94 71163 1.3384555 2000-02-14 9.934247
## 132 2000 Mujer 70-74 656568 1.5163373 2000-02-14 9.934247
## 133 2000 Mujer 50-54 1733920 1.4074986 2000-02-14 9.934247
## 134 2000 Mujer 95-99 37151 1.6423961 2000-02-14 9.934247
## 135 2000 Mujer 75-79 454073 1.4507078 2000-02-14 9.934247
## 136 2000 Mujer 55-59 1325159 1.3582737 2000-02-14 9.934247
## 137 2000 Mujer 80-84 266546 1.2005928 2000-02-14 9.934247
## 138 2000 Mujer 60-64 1152742 1.3700285 2000-02-14 9.934247
## 139 2010 Total 85-89 454164 1.5658074 2010-06-12 10.331507
## 140 2010 Total 90-94 164924 1.3517696 2010-06-12 10.331507
## 141 2010 Total 70-74 1873934 1.5043535 2010-06-12 10.331507
## 142 2010 Total 5-9 11047537 0.9850396 2010-06-12 10.331507
## 143 2010 Total 95-99 65732 1.0451568 2010-06-12 10.331507
## 144 2010 Total 75-79 1245483 1.4394154 2010-06-12 10.331507
## 145 2010 Total 10-14 10939937 1.0189488 2010-06-12 10.331507
## 146 2010 Total 100 y más 18475 0.9351116 2010-06-12 10.331507
## 147 2010 Total 80-84 798936 1.6511172 2010-06-12 10.331507
## 148 2010 Total 15-19 11026112 1.1034791 2010-06-12 10.331507
## 149 2010 Total No especificado 1397406 0.6803999 2010-06-12 10.331507
## 150 2010 Total 40-44 7009226 1.3492688 2010-06-12 10.331507
## 151 2010 Total 20-24 9892271 1.0905220 2010-06-12 10.331507
## 152 2010 Hombre Total 54855231 1.1526084 2010-06-12 10.331507
## 153 2010 Total 45-49 5928730 1.4559424 2010-06-12 10.331507
## 154 2010 Total 25-29 8788177 1.0772804 2010-06-12 10.331507
## 155 2010 Hombre 0-4 5346943 0.9899352 2010-06-12 10.331507
## 156 2010 Total 50-54 5064291 1.5081483 2010-06-12 10.331507
## 157 2010 Total 30-34 8470798 1.1869643 2010-06-12 10.331507
## 158 2010 Hombre 5-9 5604175 0.9870483 2010-06-12 10.331507
## 159 2010 Total 55-59 3895365 1.5220842 2010-06-12 10.331507
## 160 2010 Total 35-39 8292987 1.3054604 2010-06-12 10.331507
## 161 2010 Hombre 10-14 5547613 1.0205816 2010-06-12 10.331507
## 162 2010 Total 60-64 3116466 1.4177702 2010-06-12 10.331507
## 163 2010 Total Total 112336538 1.1523657 2010-06-12 10.331507
## 164 2010 Hombre 15-19 5520121 1.1243415 2010-06-12 10.331507
## 165 2010 Total 65-69 2317265 1.3952830 2010-06-12 10.331507
## 166 2010 Total 0-4 10528322 0.9899545 2010-06-12 10.331507
## 167 2010 Hombre 20-24 4813204 1.1184134 2010-06-12 10.331507
## 168 2010 Mujer 40-44 3658904 1.3551185 2010-06-12 10.331507
## 169 2010 Hombre 90-94 68130 1.3400075 2010-06-12 10.331507
## 170 2010 Hombre 25-29 4205975 1.0892126 2010-06-12 10.331507
## 171 2010 Mujer 45-49 3104366 1.4678450 2010-06-12 10.331507
## 172 2010 Hombre 95-99 25920 1.0069539 2010-06-12 10.331507
## 173 2010 Hombre 30-34 4026031 1.1899519 2010-06-12 10.331507
## 174 2010 Mujer 50-54 2661840 1.5351573 2010-06-12 10.331507
## 175 2010 Hombre 100 y más 7228 0.9002366 2010-06-12 10.331507
## 176 2010 Hombre 35-39 3964738 1.3113820 2010-06-12 10.331507
## 177 2010 Mujer 55-59 2025828 1.5287433 2010-06-12 10.331507
## 178 2010 Hombre No especificado 700219 0.6774073 2010-06-12 10.331507
## 179 2010 Hombre 40-44 3350322 1.3429377 2010-06-12 10.331507
## 180 2010 Mujer 60-64 1639799 1.4225204 2010-06-12 10.331507
## 181 2010 Mujer Total 57481307 1.1521341 2010-06-12 10.331507
## 182 2010 Hombre 45-49 2824364 1.4430805 2010-06-12 10.331507
## 183 2010 Mujer 65-69 1221992 1.3868637 2010-06-12 10.331507
## 184 2010 Mujer 0-4 5181379 0.9899745 2010-06-12 10.331507
## 185 2010 Hombre 50-54 2402451 1.4793117 2010-06-12 10.331507
## 186 2010 Mujer 70-74 1000041 1.5231339 2010-06-12 10.331507
## 187 2010 Mujer 5-9 5443362 0.9829800 2010-06-12 10.331507
## 188 2010 Hombre 55-59 1869537 1.5149335 2010-06-12 10.331507
## 189 2010 Mujer 75-79 665794 1.4662708 2010-06-12 10.331507
## 190 2010 Mujer 10-14 5392324 1.0172745 2010-06-12 10.331507
## 191 2010 Hombre 60-64 1476667 1.4125324 2010-06-12 10.331507
## 192 2010 Mujer 80-84 443659 1.6644744 2010-06-12 10.331507
## 193 2010 Mujer 15-19 5505991 1.0833261 2010-06-12 10.331507
## 194 2010 Hombre 65-69 1095273 1.4047977 2010-06-12 10.331507
## 195 2010 Mujer 85-89 256703 1.5556815 2010-06-12 10.331507
## 196 2010 Mujer 20-24 5079067 1.0653447 2010-06-12 10.331507
## 197 2010 Hombre 70-74 873893 1.4834223 2010-06-12 10.331507
## 198 2010 Mujer 90-94 96794 1.3601731 2010-06-12 10.331507
## 199 2010 Mujer 25-29 4582202 1.0665558 2010-06-12 10.331507
## 200 2010 Hombre 75-79 579689 1.4097598 2010-06-12 10.331507
## 201 2010 Mujer 95-99 39812 1.0716266 2010-06-12 10.331507
## 202 2010 Mujer 30-34 4444767 1.1842710 2010-06-12 10.331507
## 203 2010 Hombre 80-84 355277 1.6347352 2010-06-12 10.331507
## 204 2010 Mujer 100 y más 11247 0.9589870 2010-06-12 10.331507
## 205 2010 Mujer 35-39 4328249 1.3000829 2010-06-12 10.331507
## 206 2010 Hombre 85-89 197461 1.5791700 2010-06-12 10.331507
## 207 2010 Mujer No especificado 697187 0.6834322 2010-06-12 10.331507
## r
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 NA
## 6 NA
## 7 NA
## 8 NA
## 9 NA
## 10 NA
## 11 NA
## 12 NA
## 13 NA
## 14 NA
## 15 NA
## 16 NA
## 17 NA
## 18 NA
## 19 NA
## 20 NA
## 21 NA
## 22 NA
## 23 NA
## 24 NA
## 25 NA
## 26 NA
## 27 NA
## 28 NA
## 29 NA
## 30 NA
## 31 NA
## 32 NA
## 33 NA
## 34 NA
## 35 NA
## 36 NA
## 37 NA
## 38 NA
## 39 NA
## 40 NA
## 41 NA
## 42 NA
## 43 NA
## 44 NA
## 45 NA
## 46 NA
## 47 NA
## 48 NA
## 49 NA
## 50 NA
## 51 NA
## 52 NA
## 53 NA
## 54 NA
## 55 NA
## 56 NA
## 57 NA
## 58 NA
## 59 NA
## 60 NA
## 61 NA
## 62 NA
## 63 NA
## 64 NA
## 65 NA
## 66 NA
## 67 NA
## 68 NA
## 69 NA
## 70 0.0398156873
## 71 0.0148216249
## 72 0.0317053342
## 73 0.0243566328
## 74 0.0060393266
## 75 0.0340693436
## 76 0.0282982849
## 77 0.0033109798
## 78 0.0302751008
## 79 0.0329515126
## 80 0.0033569674
## 81 0.0312617991
## 82 0.0183361443
## 83 0.0031182304
## 84 0.0340928373
## 85 0.0042529997
## 86 0.0141799309
## 87 0.0412305737
## 88 0.0292527282
## 89 0.0237274556
## 90 0.0384028231
## 91 0.0538989438
## 92 0.0273366237
## 93 0.0187024334
## 94 0.0124913951
## 95 0.0315182505
## 96 0.0253626043
## 97 0.1469658640
## 98 0.0383143506
## 99 0.0293062937
## 100 0.0188876058
## 101 0.0300140187
## 102 0.0515439889
## 103 0.0038954998
## 104 0.0337093991
## 105 0.0030518478
## 106 0.0058695676
## 107 0.0296888569
## 108 0.1437884898
## 109 0.0027396549
## 110 0.0307900527
## 111 0.0177612701
## 112 0.0035881246
## 113 0.0319477118
## 114 0.0046006316
## 115 0.0154044088
## 116 0.0404838499
## 117 0.0062051730
## 118 0.0249255131
## 119 0.0394639899
## 120 0.0038712580
## 121 0.0291731355
## 122 0.0190714599
## 123 -0.0029351048
## 124 0.0342710099
## 125 0.0232031872
## 126 0.1406680656
## 127 0.0412230635
## 128 0.0270303816
## 129 0.0360298580
## 130 0.0332962345
## 131 0.0293445816
## 132 0.0419053196
## 133 0.0344076481
## 134 0.0499440208
## 135 0.0374514151
## 136 0.0308241357
## 137 0.0184025432
## 138 0.0316915387
## 139 0.0434013744
## 140 0.0291743056
## 141 0.0395260073
## 142 -0.0014589799
## 143 0.0042749717
## 144 0.0352549820
## 145 0.0018169217
## 146 -0.0064936696
## 147 0.0485362081
## 148 0.0095308454
## 149 -0.0372718682
## 150 0.0289950738
## 151 0.0083875917
## 152 0.0137470320
## 153 0.0363599815
## 154 0.0072051211
## 155 -0.0009791196
## 156 0.0397698604
## 157 0.0165899359
## 158 -0.0012618007
## 159 0.0406601446
## 160 0.0258002829
## 161 0.0019718935
## 162 0.0337884294
## 163 0.0137266462
## 164 0.0113437017
## 165 0.0322409145
## 166 -0.0009772294
## 167 0.0108320204
## 168 0.0294138036
## 169 0.0283284129
## 170 0.0082713090
## 171 0.0371480524
## 172 0.0006707463
## 173 0.0168332571
## 174 0.0414879338
## 175 -0.0101725349
## 176 0.0262383375
## 177 0.0410826862
## 178 -0.0376985230
## 179 0.0285398368
## 180 0.0341121800
## 181 0.0137071957
## 182 0.0355011213
## 183 0.0316551019
## 184 -0.0009752787
## 185 0.0379012384
## 186 0.0407268771
## 187 -0.0016615656
## 188 0.0402043518
## 189 0.0370441932
## 190 0.0016577455
## 191 0.0334301775
## 192 0.0493160795
## 193 0.0077467948
## 194 0.0328987154
## 195 0.0427734021
## 196 0.0061267339
## 197 0.0381698251
## 198 0.0297741649
## 199 0.0062367049
## 200 0.0332400045
## 201 0.0066957983
## 202 0.0163700644
## 203 0.0475710696
## 204 -0.0040533989
## 205 0.0254007511
## 206 0.0442238891
## 207 -0.0368414565Con un gráfico veremos mejor:
pob_censo %>%
filter(edad!="No especificado") %>%
na.omit() %>%
ggplot(aes(x=edad,y=r, fill=sexo)) +
geom_bar(stat="identity", position="dodge") +
facet_wrap(~ano) + theme_minimal()
¿Qué podemos hacer con el orden de la variable “edad”?
order_edad<-c(unique(pob_censo$edad))
order_edad<-sort(order_edad)
order_edad## [1] "0-4" "10-14" "100 y más" "15-19"
## [5] "20-24" "25-29" "30-34" "35-39"
## [9] "40-44" "45-49" "5-9" "50-54"
## [13] "55-59" "60-64" "65-69" "70-74"
## [17] "75-79" "80-84" "85-89" "90-94"
## [21] "95-99" "No especificado" "Total"order_edad<-c(order_edad[c(1,11,2)], #primeros tres grupos
order_edad[4:10], # hasta antes de la posición 11
order_edad[12:21], # el resto
order_edad[3],#último grupo
"Total")
order_edad## [1] "0-4" "5-9" "10-14" "15-19" "20-24" "25-29"
## [7] "30-34" "35-39" "40-44" "45-49" "50-54" "55-59"
## [13] "60-64" "65-69" "70-74" "75-79" "80-84" "85-89"
## [19] "90-94" "95-99" "100 y más" "Total"pob_censo %>%
filter(edad!="No especificado") %>%
na.omit() %>%
mutate(edad=factor(edad, levels=order_edad)) %>%
ggplot(aes(x=edad,y=r, fill=sexo)) +
geom_bar(stat="identity", position="dodge") +
facet_wrap(~ano) + theme_minimal() +theme(axis.text.x = element_text(angle = 90)) 
pob_censo %>%
filter(edad!="No especificado") %>%
na.omit() %>%
mutate(edad=factor(edad, levels=order_edad)) %>%
ggplot(aes(x=edad,y=r, fill=as_factor(ano))) +
geom_bar(stat="identity", position="dodge") + coord_flip() +
facet_wrap(~sexo, ncol=2) + theme_minimal() 
Podemos hacer un gráfico para ver cuáles grupos tienen mayor tasa de crecimiento:
pob_censo %>%
filter(edad!="No especificado") %>%
na.omit() %>%
filter(ano==2010) %>%
filter(sexo=="Total") %>%
mutate(edad=forcats::fct_reorder(edad, r)) %>%
ggplot(aes(x=edad,y=r)) +
geom_bar(stat="identity", alpha=0.6) + coord_flip() +
theme_minimal() 
Estructura por edad y sexo
Un elemento esencial para muchos cálculos en demográfica es tener la matriz “c” de la estructura por edad. Vamos a utilizar de nuevo algunas herramientas de “dplyr”
c<-pob_censo %>%
filter(!sexo%in%c("No especificado", "Total")) %>%
filter(!edad%in%c("No especificado", "Total")) %>%
group_by(ano) %>%
mutate(c=poblacion/sum(poblacion)) %>%
ungroup() %>%
group_by(ano,sexo) %>%
mutate(c_sex=poblacion/sum(poblacion)) Uno de los elementos esenciales para lo que vamos usar es para prorratear los no especificados y posteriormente, lo volveremos una matriz para estandarizar las tasas de mortalidad (siguiente práctica)
¿Cómo prorrateamos? Asumimos que los no especificados se comportan como toda la población. En este caso, tenemos, por eso hicimos la variable “c_sex”
Primero vamos a hacer sun subset de los no especificados
no_especificados<-pob_censo %>%
filter(edad=="No especificado") %>%
filter(sexo!="Total") %>%
select(sexo, ano, poblacion) %>%
rename(no_especificado=poblacion)Con esto hoy, haremos un merge, para multiplicar de manera más sencilla los no especificados con la variable “c_sex”
pobla<-merge(c,no_especificados, by=c("sexo", "ano"))
pobla## sexo ano edad poblacion ritmo fecha n
## 1 Hombre 1990 15-19 4759892 NA 1990-03-12 9.775342
## 2 Hombre 1990 20-24 3738128 NA 1990-03-12 9.775342
## 3 Hombre 1990 25-29 3050595 NA 1990-03-12 9.775342
## 4 Hombre 1990 30-34 2578736 NA 1990-03-12 9.775342
## 5 Hombre 1990 35-39 2210565 NA 1990-03-12 9.775342
## 6 Hombre 1990 40-44 1705013 NA 1990-03-12 9.775342
## 7 Hombre 1990 45-49 1452573 NA 1990-03-12 9.775342
## 8 Hombre 1990 50-54 1161875 NA 1990-03-12 9.775342
## 9 Hombre 1990 55-59 918864 NA 1990-03-12 9.775342
## 10 Hombre 1990 60-64 769917 NA 1990-03-12 9.775342
## 11 Hombre 1990 65-69 567641 NA 1990-03-12 9.775342
## 12 Hombre 1990 0-4 5160002 NA 1990-03-12 9.775342
## 13 Hombre 1990 70-74 394031 NA 1990-03-12 9.775342
## 14 Hombre 1990 5-9 5338285 NA 1990-03-12 9.775342
## 15 Hombre 1990 75-79 277835 NA 1990-03-12 9.775342
## 16 Hombre 1990 10-14 5230658 NA 1990-03-12 9.775342
## 17 Hombre 1990 80-84 179820 NA 1990-03-12 9.775342
## 18 Hombre 1990 90-94 38021 NA 1990-03-12 9.775342
## 19 Hombre 1990 85-89 99299 NA 1990-03-12 9.775342
## 20 Hombre 1990 95-99 15069 NA 1990-03-12 9.775342
## 21 Hombre 1990 100 y más 7092 NA 1990-03-12 9.775342
## 22 Hombre 2000 15-19 4909648 1.0314621 2000-02-14 9.934247
## 23 Hombre 2000 20-24 4303600 1.1512714 2000-02-14 9.934247
## 24 Hombre 2000 90-94 50843 1.3372347 2000-02-14 9.934247
## 25 Hombre 2000 25-29 3861482 1.2658127 2000-02-14 9.934247
## 26 Hombre 2000 95-99 25741 1.7082089 2000-02-14 9.934247
## 27 Hombre 2000 30-34 3383356 1.3120211 2000-02-14 9.934247
## 28 Hombre 2000 100 y más 8029 1.1321207 2000-02-14 9.934247
## 29 Hombre 2000 35-39 3023328 1.3676721 2000-02-14 9.934247
## 30 Hombre 2000 40-44 2494771 1.4631976 2000-02-14 9.934247
## 31 Hombre 2000 45-49 1957177 1.3473863 2000-02-14 9.934247
## 32 Hombre 2000 75-79 411197 1.4800043 2000-02-14 9.934247
## 33 Hombre 2000 50-54 1624033 1.3977691 2000-02-14 9.934247
## 34 Hombre 2000 85-89 125041 1.2592373 2000-02-14 9.934247
## 35 Hombre 2000 55-59 1234072 1.3430410 2000-02-14 9.934247
## 36 Hombre 2000 0-4 5401306 1.0467643 2000-02-14 9.934247
## 37 Hombre 2000 60-64 1045404 1.3578139 2000-02-14 9.934247
## 38 Hombre 2000 70-74 589106 1.4950753 2000-02-14 9.934247
## 39 Hombre 2000 65-69 779666 1.3735195 2000-02-14 9.934247
## 40 Hombre 2000 80-84 217330 1.2085975 2000-02-14 9.934247
## 41 Hombre 2000 10-14 5435737 1.0392071 2000-02-14 9.934247
## 42 Hombre 2000 5-9 5677711 1.0635833 2000-02-14 9.934247
## 43 Hombre 2010 0-4 5346943 0.9899352 2010-06-12 10.331507
## 44 Hombre 2010 5-9 5604175 0.9870483 2010-06-12 10.331507
## 45 Hombre 2010 10-14 5547613 1.0205816 2010-06-12 10.331507
## 46 Hombre 2010 15-19 5520121 1.1243415 2010-06-12 10.331507
## 47 Hombre 2010 20-24 4813204 1.1184134 2010-06-12 10.331507
## 48 Hombre 2010 95-99 25920 1.0069539 2010-06-12 10.331507
## 49 Hombre 2010 90-94 68130 1.3400075 2010-06-12 10.331507
## 50 Hombre 2010 25-29 4205975 1.0892126 2010-06-12 10.331507
## 51 Hombre 2010 100 y más 7228 0.9002366 2010-06-12 10.331507
## 52 Hombre 2010 35-39 3964738 1.3113820 2010-06-12 10.331507
## 53 Hombre 2010 30-34 4026031 1.1899519 2010-06-12 10.331507
## 54 Hombre 2010 40-44 3350322 1.3429377 2010-06-12 10.331507
## 55 Hombre 2010 65-69 1095273 1.4047977 2010-06-12 10.331507
## 56 Hombre 2010 45-49 2824364 1.4430805 2010-06-12 10.331507
## 57 Hombre 2010 75-79 579689 1.4097598 2010-06-12 10.331507
## 58 Hombre 2010 70-74 873893 1.4834223 2010-06-12 10.331507
## 59 Hombre 2010 50-54 2402451 1.4793117 2010-06-12 10.331507
## 60 Hombre 2010 80-84 355277 1.6347352 2010-06-12 10.331507
## 61 Hombre 2010 60-64 1476667 1.4125324 2010-06-12 10.331507
## 62 Hombre 2010 55-59 1869537 1.5149335 2010-06-12 10.331507
## 63 Hombre 2010 85-89 197461 1.5791700 2010-06-12 10.331507
## 64 Mujer 1990 35-39 2368551 NA 1990-03-12 9.775342
## 65 Mujer 1990 100 y más 12075 NA 1990-03-12 9.775342
## 66 Mujer 1990 65-69 616010 NA 1990-03-12 9.775342
## 67 Mujer 1990 40-44 1792757 NA 1990-03-12 9.775342
## 68 Mujer 1990 70-74 432996 NA 1990-03-12 9.775342
## 69 Mujer 1990 50-54 1231916 NA 1990-03-12 9.775342
## 70 Mujer 1990 45-49 1519287 NA 1990-03-12 9.775342
## 71 Mujer 1990 75-79 313001 NA 1990-03-12 9.775342
## 72 Mujer 1990 55-59 975620 NA 1990-03-12 9.775342
## 73 Mujer 1990 80-84 222012 NA 1990-03-12 9.775342
## 74 Mujer 1990 60-64 841400 NA 1990-03-12 9.775342
## 75 Mujer 1990 85-89 126151 NA 1990-03-12 9.775342
## 76 Mujer 1990 20-24 4091035 NA 1990-03-12 9.775342
## 77 Mujer 1990 0-4 5035176 NA 1990-03-12 9.775342
## 78 Mujer 1990 90-94 53168 NA 1990-03-12 9.775342
## 79 Mujer 1990 25-29 3353917 NA 1990-03-12 9.775342
## 80 Mujer 1990 5-9 5223949 NA 1990-03-12 9.775342
## 81 Mujer 1990 95-99 22620 NA 1990-03-12 9.775342
## 82 Mujer 1990 30-34 2808883 NA 1990-03-12 9.775342
## 83 Mujer 1990 10-14 5158434 NA 1990-03-12 9.775342
## 84 Mujer 1990 15-19 4904511 NA 1990-03-12 9.775342
## 85 Mujer 2000 20-24 4767534 1.1653613 2000-02-14 9.934247
## 86 Mujer 2000 10-14 5300756 1.0275902 2000-02-14 9.934247
## 87 Mujer 2000 0-4 5233851 1.0394574 2000-02-14 9.934247
## 88 Mujer 2000 5-9 5537612 1.0600433 2000-02-14 9.934247
## 89 Mujer 2000 30-34 3753167 1.3361778 2000-02-14 9.934247
## 90 Mujer 2000 25-29 4296261 1.2809682 2000-02-14 9.934247
## 91 Mujer 2000 100 y más 11728 0.9712629 2000-02-14 9.934247
## 92 Mujer 2000 35-39 3329210 1.4055893 2000-02-14 9.934247
## 93 Mujer 2000 15-19 5082487 1.0362882 2000-02-14 9.934247
## 94 Mujer 2000 40-44 2700062 1.5060948 2000-02-14 9.934247
## 95 Mujer 2000 85-89 165010 1.3080356 2000-02-14 9.934247
## 96 Mujer 2000 65-69 881119 1.4303648 2000-02-14 9.934247
## 97 Mujer 2000 45-49 2114914 1.3920438 2000-02-14 9.934247
## 98 Mujer 2000 90-94 71163 1.3384555 2000-02-14 9.934247
## 99 Mujer 2000 70-74 656568 1.5163373 2000-02-14 9.934247
## 100 Mujer 2000 50-54 1733920 1.4074986 2000-02-14 9.934247
## 101 Mujer 2000 95-99 37151 1.6423961 2000-02-14 9.934247
## 102 Mujer 2000 75-79 454073 1.4507078 2000-02-14 9.934247
## 103 Mujer 2000 55-59 1325159 1.3582737 2000-02-14 9.934247
## 104 Mujer 2000 80-84 266546 1.2005928 2000-02-14 9.934247
## 105 Mujer 2000 60-64 1152742 1.3700285 2000-02-14 9.934247
## 106 Mujer 2010 40-44 3658904 1.3551185 2010-06-12 10.331507
## 107 Mujer 2010 55-59 2025828 1.5287433 2010-06-12 10.331507
## 108 Mujer 2010 50-54 2661840 1.5351573 2010-06-12 10.331507
## 109 Mujer 2010 45-49 3104366 1.4678450 2010-06-12 10.331507
## 110 Mujer 2010 70-74 1000041 1.5231339 2010-06-12 10.331507
## 111 Mujer 2010 65-69 1221992 1.3868637 2010-06-12 10.331507
## 112 Mujer 2010 80-84 443659 1.6644744 2010-06-12 10.331507
## 113 Mujer 2010 75-79 665794 1.4662708 2010-06-12 10.331507
## 114 Mujer 2010 60-64 1639799 1.4225204 2010-06-12 10.331507
## 115 Mujer 2010 85-89 256703 1.5556815 2010-06-12 10.331507
## 116 Mujer 2010 20-24 5079067 1.0653447 2010-06-12 10.331507
## 117 Mujer 2010 0-4 5181379 0.9899745 2010-06-12 10.331507
## 118 Mujer 2010 90-94 96794 1.3601731 2010-06-12 10.331507
## 119 Mujer 2010 25-29 4582202 1.0665558 2010-06-12 10.331507
## 120 Mujer 2010 5-9 5443362 0.9829800 2010-06-12 10.331507
## 121 Mujer 2010 95-99 39812 1.0716266 2010-06-12 10.331507
## 122 Mujer 2010 30-34 4444767 1.1842710 2010-06-12 10.331507
## 123 Mujer 2010 10-14 5392324 1.0172745 2010-06-12 10.331507
## 124 Mujer 2010 100 y más 11247 0.9589870 2010-06-12 10.331507
## 125 Mujer 2010 35-39 4328249 1.3000829 2010-06-12 10.331507
## 126 Mujer 2010 15-19 5505991 1.0833261 2010-06-12 10.331507
## r c c_sex no_especificado
## 1 NA 5.894064e-02 0.1200358774 240058
## 2 NA 4.628838e-02 0.0942688352 240058
## 3 NA 3.777481e-02 0.0769304950 240058
## 4 NA 3.193189e-02 0.0650310634 240058
## 5 NA 2.737292e-02 0.0557464559 240058
## 6 NA 2.111278e-02 0.0429973477 240058
## 7 NA 1.798688e-02 0.0366312670 240058
## 8 NA 1.438723e-02 0.0293003886 240058
## 9 NA 1.137808e-02 0.0231720901 240058
## 10 NA 9.533705e-03 0.0194159159 240058
## 11 NA 7.028968e-03 0.0143148806 240058
## 12 NA 6.389511e-02 0.1301259288 240058
## 13 NA 4.879195e-03 0.0099367500 240058
## 14 NA 6.610275e-02 0.1346219040 240058
## 15 NA 3.440367e-03 0.0070064968 240058
## 16 NA 6.477003e-02 0.1319077455 240058
## 17 NA 2.226670e-03 0.0045347356 240058
## 18 NA 4.708053e-04 0.0009588209 240058
## 19 NA 1.229597e-03 0.0025041414 240058
## 20 NA 1.865959e-04 0.0003800130 240058
## 21 NA 8.781860e-05 0.0001788474 240058
## 22 0.0031182304 5.144785e-02 0.1054509869 1033675
## 23 0.0141799309 4.509711e-02 0.0924340945 1033675
## 24 0.0292527282 5.327801e-04 0.0010920222 1033675
## 25 0.0237274556 4.046419e-02 0.0829381430 1033675
## 26 0.0538989438 2.697381e-04 0.0005528734 1033675
## 27 0.0273366237 3.545394e-02 0.0726688002 1033675
## 28 0.0124913951 8.413531e-05 0.0001724494 1033675
## 29 0.0315182505 3.168124e-02 0.0649360038 1033675
## 30 0.0383143506 2.614253e-02 0.0535834879 1033675
## 31 0.0300140187 2.050912e-02 0.0420368723 1033675
## 32 0.0394639899 4.308904e-03 0.0088318204 1033675
## 33 0.0337093991 1.701812e-02 0.0348814992 1033675
## 34 0.0232031872 1.310296e-03 0.0026856705 1033675
## 35 0.0296888569 1.293175e-02 0.0265057923 1033675
## 36 0.0046006316 5.659990e-02 0.1160109744 1033675
## 37 0.0307900527 1.095471e-02 0.0224535208 1033675
## 38 0.0404838499 6.173199e-03 0.0126530067 1033675
## 39 0.0319477118 8.170064e-03 0.0167459152 1033675
## 40 0.0190714599 2.277385e-03 0.0046678831 1033675
## 41 0.0038712580 5.696070e-02 0.1167504944 1033675
## 42 0.0062051730 5.949632e-02 0.1219476892 1033675
## 43 -0.0009791196 4.819709e-02 0.0987340378 700219
## 44 -0.0012618007 5.051576e-02 0.1034839582 700219
## 45 0.0019718935 5.000592e-02 0.1024395120 700219
## 46 0.0113437017 4.975811e-02 0.1019318581 700219
## 47 0.0108320204 4.338599e-02 0.0888782741 700219
## 48 0.0006707463 2.336416e-04 0.0004786261 700219
## 49 0.0283284129 6.141205e-04 0.0012580553 700219
## 50 0.0082713090 3.791246e-02 0.0776654800 700219
## 51 -0.0101725349 6.515284e-05 0.0001334687 700219
## 52 0.0262383375 3.573796e-02 0.0732109154 700219
## 53 0.0168332571 3.629045e-02 0.0743427220 700219
## 54 0.0285398368 3.019964e-02 0.0618654096 700219
## 55 0.0328987154 9.872738e-03 0.0202247762 700219
## 56 0.0355011213 2.545868e-02 0.0521533261 700219
## 57 0.0332400045 5.225289e-03 0.0107042539 700219
## 58 0.0381698251 7.877229e-03 0.0161368813 700219
## 59 0.0379012384 2.165558e-02 0.0443624867 700219
## 60 0.0475710696 3.202450e-03 0.0065603715 700219
## 61 0.0334301775 1.331061e-02 0.0272674116 700219
## 62 0.0402043518 1.685192e-02 0.0345219571 700219
## 63 0.0442238891 1.779904e-03 0.0036462184 700219
## 64 NA 2.932922e-02 0.0576241144 252207
## 65 NA 1.495219e-04 0.0002937708 252207
## 66 NA 7.627910e-03 0.0149868129 252207
## 67 NA 2.219930e-02 0.0436157104 252207
## 68 NA 5.361690e-03 0.0105342933 252207
## 69 NA 1.525453e-02 0.0299710956 252207
## 70 NA 1.881298e-02 0.0369625007 252207
## 71 NA 3.875819e-03 0.0076149534 252207
## 72 NA 1.208088e-02 0.0237357095 252207
## 73 NA 2.749123e-03 0.0054012959 252207
## 74 NA 1.041886e-02 0.0204702917 252207
## 75 NA 1.562099e-03 0.0030691084 252207
## 76 NA 5.065834e-02 0.0995301637 252207
## 77 NA 6.234942e-02 0.1225000255 252207
## 78 NA 6.583671e-04 0.0012935161 252207
## 79 NA 4.153078e-02 0.0815969329 252207
## 80 NA 6.468695e-02 0.1270926549 252207
## 81 NA 2.800982e-04 0.0005503185 252207
## 82 NA 3.478175e-02 0.0683368842 252207
## 83 NA 6.387570e-02 0.1254987505 252207
## 84 NA 6.073143e-02 0.1193210967 252207
## 85 0.0154044088 4.995864e-02 0.0975533707 1020126
## 86 0.0027396549 5.554624e-02 0.1084641694 1020126
## 87 0.0038954998 5.484515e-02 0.1070951580 1020126
## 88 0.0058695676 5.802824e-02 0.1133107213 1020126
## 89 0.0291731355 3.932917e-02 0.0767973740 1020126
## 90 0.0249255131 4.502021e-02 0.0879101737 1020126
## 91 -0.0029351048 1.228969e-04 0.0002399786 1020126
## 92 0.0342710099 3.488655e-02 0.0681223579 1020126
## 93 0.0035881246 5.325901e-02 0.1039979450 1020126
## 94 0.0412230635 2.829375e-02 0.0552487196 1020126
## 95 0.0270303816 1.729128e-03 0.0033764377 1020126
## 96 0.0360298580 9.233182e-03 0.0180294736 1020126
## 97 0.0332962345 2.216203e-02 0.0432754102 1020126
## 98 0.0293445816 7.457119e-04 0.0014561386 1020126
## 99 0.0419053196 6.880129e-03 0.0134347068 1020126
## 100 0.0344076481 1.816962e-02 0.0354795038 1020126
## 101 0.0499440208 3.893026e-04 0.0007601845 1020126
## 102 0.0374514151 4.758198e-03 0.0092912503 1020126
## 103 0.0308241357 1.388625e-02 0.0271154285 1020126
## 104 0.0184025432 2.793116e-03 0.0054540693 1020126
## 105 0.0316915387 1.207950e-02 0.0235874286 1020126
## 106 0.0294138036 3.298118e-02 0.0644353386 697187
## 107 0.0410826862 1.826072e-02 0.0356759601 697187
## 108 0.0414879338 2.399370e-02 0.0468764859 697187
## 109 0.0371480524 2.798261e-02 0.0546696154 697187
## 110 0.0407268771 9.014321e-03 0.0176112794 697187
## 111 0.0316551019 1.101498e-02 0.0215199602 697187
## 112 0.0493160795 3.999121e-03 0.0078130822 697187
## 113 0.0370441932 6.001435e-03 0.0117250034 697187
## 114 0.0341121800 1.478107e-02 0.0288777743 697187
## 115 0.0427734021 2.313908e-03 0.0045206829 697187
## 116 0.0061267339 4.578247e-02 0.0894452005 697187
## 117 -0.0009752787 4.670470e-02 0.0912469719 697187
## 118 0.0297741649 8.724965e-04 0.0017045963 697187
## 119 0.0062367049 4.130375e-02 0.0806951310 697187
## 120 -0.0016615656 4.906620e-02 0.0958606385 697187
## 121 0.0066957983 3.588635e-04 0.0007011115 697187
## 122 0.0163700644 4.006492e-02 0.0782748240 697187
## 123 0.0016577455 4.860615e-02 0.0949618309 697187
## 124 -0.0040533989 1.013799e-04 0.0001980659 697187
## 125 0.0254007511 3.901463e-02 0.0762228771 697187
## 126 0.0077467948 4.963074e-02 0.0969635701 697187El prorateo queda así:
pobla<-pobla %>%
mutate(pob2=poblacion+round(c_sex*no_especificado,0)) %>%
select(-no_especificado)
pobla## sexo ano edad poblacion ritmo fecha n
## 1 Hombre 1990 15-19 4759892 NA 1990-03-12 9.775342
## 2 Hombre 1990 20-24 3738128 NA 1990-03-12 9.775342
## 3 Hombre 1990 25-29 3050595 NA 1990-03-12 9.775342
## 4 Hombre 1990 30-34 2578736 NA 1990-03-12 9.775342
## 5 Hombre 1990 35-39 2210565 NA 1990-03-12 9.775342
## 6 Hombre 1990 40-44 1705013 NA 1990-03-12 9.775342
## 7 Hombre 1990 45-49 1452573 NA 1990-03-12 9.775342
## 8 Hombre 1990 50-54 1161875 NA 1990-03-12 9.775342
## 9 Hombre 1990 55-59 918864 NA 1990-03-12 9.775342
## 10 Hombre 1990 60-64 769917 NA 1990-03-12 9.775342
## 11 Hombre 1990 65-69 567641 NA 1990-03-12 9.775342
## 12 Hombre 1990 0-4 5160002 NA 1990-03-12 9.775342
## 13 Hombre 1990 70-74 394031 NA 1990-03-12 9.775342
## 14 Hombre 1990 5-9 5338285 NA 1990-03-12 9.775342
## 15 Hombre 1990 75-79 277835 NA 1990-03-12 9.775342
## 16 Hombre 1990 10-14 5230658 NA 1990-03-12 9.775342
## 17 Hombre 1990 80-84 179820 NA 1990-03-12 9.775342
## 18 Hombre 1990 90-94 38021 NA 1990-03-12 9.775342
## 19 Hombre 1990 85-89 99299 NA 1990-03-12 9.775342
## 20 Hombre 1990 95-99 15069 NA 1990-03-12 9.775342
## 21 Hombre 1990 100 y más 7092 NA 1990-03-12 9.775342
## 22 Hombre 2000 15-19 4909648 1.0314621 2000-02-14 9.934247
## 23 Hombre 2000 20-24 4303600 1.1512714 2000-02-14 9.934247
## 24 Hombre 2000 90-94 50843 1.3372347 2000-02-14 9.934247
## 25 Hombre 2000 25-29 3861482 1.2658127 2000-02-14 9.934247
## 26 Hombre 2000 95-99 25741 1.7082089 2000-02-14 9.934247
## 27 Hombre 2000 30-34 3383356 1.3120211 2000-02-14 9.934247
## 28 Hombre 2000 100 y más 8029 1.1321207 2000-02-14 9.934247
## 29 Hombre 2000 35-39 3023328 1.3676721 2000-02-14 9.934247
## 30 Hombre 2000 40-44 2494771 1.4631976 2000-02-14 9.934247
## 31 Hombre 2000 45-49 1957177 1.3473863 2000-02-14 9.934247
## 32 Hombre 2000 75-79 411197 1.4800043 2000-02-14 9.934247
## 33 Hombre 2000 50-54 1624033 1.3977691 2000-02-14 9.934247
## 34 Hombre 2000 85-89 125041 1.2592373 2000-02-14 9.934247
## 35 Hombre 2000 55-59 1234072 1.3430410 2000-02-14 9.934247
## 36 Hombre 2000 0-4 5401306 1.0467643 2000-02-14 9.934247
## 37 Hombre 2000 60-64 1045404 1.3578139 2000-02-14 9.934247
## 38 Hombre 2000 70-74 589106 1.4950753 2000-02-14 9.934247
## 39 Hombre 2000 65-69 779666 1.3735195 2000-02-14 9.934247
## 40 Hombre 2000 80-84 217330 1.2085975 2000-02-14 9.934247
## 41 Hombre 2000 10-14 5435737 1.0392071 2000-02-14 9.934247
## 42 Hombre 2000 5-9 5677711 1.0635833 2000-02-14 9.934247
## 43 Hombre 2010 0-4 5346943 0.9899352 2010-06-12 10.331507
## 44 Hombre 2010 5-9 5604175 0.9870483 2010-06-12 10.331507
## 45 Hombre 2010 10-14 5547613 1.0205816 2010-06-12 10.331507
## 46 Hombre 2010 15-19 5520121 1.1243415 2010-06-12 10.331507
## 47 Hombre 2010 20-24 4813204 1.1184134 2010-06-12 10.331507
## 48 Hombre 2010 95-99 25920 1.0069539 2010-06-12 10.331507
## 49 Hombre 2010 90-94 68130 1.3400075 2010-06-12 10.331507
## 50 Hombre 2010 25-29 4205975 1.0892126 2010-06-12 10.331507
## 51 Hombre 2010 100 y más 7228 0.9002366 2010-06-12 10.331507
## 52 Hombre 2010 35-39 3964738 1.3113820 2010-06-12 10.331507
## 53 Hombre 2010 30-34 4026031 1.1899519 2010-06-12 10.331507
## 54 Hombre 2010 40-44 3350322 1.3429377 2010-06-12 10.331507
## 55 Hombre 2010 65-69 1095273 1.4047977 2010-06-12 10.331507
## 56 Hombre 2010 45-49 2824364 1.4430805 2010-06-12 10.331507
## 57 Hombre 2010 75-79 579689 1.4097598 2010-06-12 10.331507
## 58 Hombre 2010 70-74 873893 1.4834223 2010-06-12 10.331507
## 59 Hombre 2010 50-54 2402451 1.4793117 2010-06-12 10.331507
## 60 Hombre 2010 80-84 355277 1.6347352 2010-06-12 10.331507
## 61 Hombre 2010 60-64 1476667 1.4125324 2010-06-12 10.331507
## 62 Hombre 2010 55-59 1869537 1.5149335 2010-06-12 10.331507
## 63 Hombre 2010 85-89 197461 1.5791700 2010-06-12 10.331507
## 64 Mujer 1990 35-39 2368551 NA 1990-03-12 9.775342
## 65 Mujer 1990 100 y más 12075 NA 1990-03-12 9.775342
## 66 Mujer 1990 65-69 616010 NA 1990-03-12 9.775342
## 67 Mujer 1990 40-44 1792757 NA 1990-03-12 9.775342
## 68 Mujer 1990 70-74 432996 NA 1990-03-12 9.775342
## 69 Mujer 1990 50-54 1231916 NA 1990-03-12 9.775342
## 70 Mujer 1990 45-49 1519287 NA 1990-03-12 9.775342
## 71 Mujer 1990 75-79 313001 NA 1990-03-12 9.775342
## 72 Mujer 1990 55-59 975620 NA 1990-03-12 9.775342
## 73 Mujer 1990 80-84 222012 NA 1990-03-12 9.775342
## 74 Mujer 1990 60-64 841400 NA 1990-03-12 9.775342
## 75 Mujer 1990 85-89 126151 NA 1990-03-12 9.775342
## 76 Mujer 1990 20-24 4091035 NA 1990-03-12 9.775342
## 77 Mujer 1990 0-4 5035176 NA 1990-03-12 9.775342
## 78 Mujer 1990 90-94 53168 NA 1990-03-12 9.775342
## 79 Mujer 1990 25-29 3353917 NA 1990-03-12 9.775342
## 80 Mujer 1990 5-9 5223949 NA 1990-03-12 9.775342
## 81 Mujer 1990 95-99 22620 NA 1990-03-12 9.775342
## 82 Mujer 1990 30-34 2808883 NA 1990-03-12 9.775342
## 83 Mujer 1990 10-14 5158434 NA 1990-03-12 9.775342
## 84 Mujer 1990 15-19 4904511 NA 1990-03-12 9.775342
## 85 Mujer 2000 20-24 4767534 1.1653613 2000-02-14 9.934247
## 86 Mujer 2000 10-14 5300756 1.0275902 2000-02-14 9.934247
## 87 Mujer 2000 0-4 5233851 1.0394574 2000-02-14 9.934247
## 88 Mujer 2000 5-9 5537612 1.0600433 2000-02-14 9.934247
## 89 Mujer 2000 30-34 3753167 1.3361778 2000-02-14 9.934247
## 90 Mujer 2000 25-29 4296261 1.2809682 2000-02-14 9.934247
## 91 Mujer 2000 100 y más 11728 0.9712629 2000-02-14 9.934247
## 92 Mujer 2000 35-39 3329210 1.4055893 2000-02-14 9.934247
## 93 Mujer 2000 15-19 5082487 1.0362882 2000-02-14 9.934247
## 94 Mujer 2000 40-44 2700062 1.5060948 2000-02-14 9.934247
## 95 Mujer 2000 85-89 165010 1.3080356 2000-02-14 9.934247
## 96 Mujer 2000 65-69 881119 1.4303648 2000-02-14 9.934247
## 97 Mujer 2000 45-49 2114914 1.3920438 2000-02-14 9.934247
## 98 Mujer 2000 90-94 71163 1.3384555 2000-02-14 9.934247
## 99 Mujer 2000 70-74 656568 1.5163373 2000-02-14 9.934247
## 100 Mujer 2000 50-54 1733920 1.4074986 2000-02-14 9.934247
## 101 Mujer 2000 95-99 37151 1.6423961 2000-02-14 9.934247
## 102 Mujer 2000 75-79 454073 1.4507078 2000-02-14 9.934247
## 103 Mujer 2000 55-59 1325159 1.3582737 2000-02-14 9.934247
## 104 Mujer 2000 80-84 266546 1.2005928 2000-02-14 9.934247
## 105 Mujer 2000 60-64 1152742 1.3700285 2000-02-14 9.934247
## 106 Mujer 2010 40-44 3658904 1.3551185 2010-06-12 10.331507
## 107 Mujer 2010 55-59 2025828 1.5287433 2010-06-12 10.331507
## 108 Mujer 2010 50-54 2661840 1.5351573 2010-06-12 10.331507
## 109 Mujer 2010 45-49 3104366 1.4678450 2010-06-12 10.331507
## 110 Mujer 2010 70-74 1000041 1.5231339 2010-06-12 10.331507
## 111 Mujer 2010 65-69 1221992 1.3868637 2010-06-12 10.331507
## 112 Mujer 2010 80-84 443659 1.6644744 2010-06-12 10.331507
## 113 Mujer 2010 75-79 665794 1.4662708 2010-06-12 10.331507
## 114 Mujer 2010 60-64 1639799 1.4225204 2010-06-12 10.331507
## 115 Mujer 2010 85-89 256703 1.5556815 2010-06-12 10.331507
## 116 Mujer 2010 20-24 5079067 1.0653447 2010-06-12 10.331507
## 117 Mujer 2010 0-4 5181379 0.9899745 2010-06-12 10.331507
## 118 Mujer 2010 90-94 96794 1.3601731 2010-06-12 10.331507
## 119 Mujer 2010 25-29 4582202 1.0665558 2010-06-12 10.331507
## 120 Mujer 2010 5-9 5443362 0.9829800 2010-06-12 10.331507
## 121 Mujer 2010 95-99 39812 1.0716266 2010-06-12 10.331507
## 122 Mujer 2010 30-34 4444767 1.1842710 2010-06-12 10.331507
## 123 Mujer 2010 10-14 5392324 1.0172745 2010-06-12 10.331507
## 124 Mujer 2010 100 y más 11247 0.9589870 2010-06-12 10.331507
## 125 Mujer 2010 35-39 4328249 1.3000829 2010-06-12 10.331507
## 126 Mujer 2010 15-19 5505991 1.0833261 2010-06-12 10.331507
## r c c_sex pob2
## 1 NA 5.894064e-02 0.1200358774 4788708
## 2 NA 4.628838e-02 0.0942688352 3760758
## 3 NA 3.777481e-02 0.0769304950 3069063
## 4 NA 3.193189e-02 0.0650310634 2594347
## 5 NA 2.737292e-02 0.0557464559 2223947
## 6 NA 2.111278e-02 0.0429973477 1715335
## 7 NA 1.798688e-02 0.0366312670 1461367
## 8 NA 1.438723e-02 0.0293003886 1168909
## 9 NA 1.137808e-02 0.0231720901 924427
## 10 NA 9.533705e-03 0.0194159159 774578
## 11 NA 7.028968e-03 0.0143148806 571077
## 12 NA 6.389511e-02 0.1301259288 5191240
## 13 NA 4.879195e-03 0.0099367500 396416
## 14 NA 6.610275e-02 0.1346219040 5370602
## 15 NA 3.440367e-03 0.0070064968 279517
## 16 NA 6.477003e-02 0.1319077455 5262324
## 17 NA 2.226670e-03 0.0045347356 180909
## 18 NA 4.708053e-04 0.0009588209 38251
## 19 NA 1.229597e-03 0.0025041414 99900
## 20 NA 1.865959e-04 0.0003800130 15160
## 21 NA 8.781860e-05 0.0001788474 7135
## 22 0.0031182304 5.144785e-02 0.1054509869 5018650
## 23 0.0141799309 4.509711e-02 0.0924340945 4399147
## 24 0.0292527282 5.327801e-04 0.0010920222 51972
## 25 0.0237274556 4.046419e-02 0.0829381430 3947213
## 26 0.0538989438 2.697381e-04 0.0005528734 26312
## 27 0.0273366237 3.545394e-02 0.0726688002 3458472
## 28 0.0124913951 8.413531e-05 0.0001724494 8207
## 29 0.0315182505 3.168124e-02 0.0649360038 3090451
## 30 0.0383143506 2.614253e-02 0.0535834879 2550159
## 31 0.0300140187 2.050912e-02 0.0420368723 2000629
## 32 0.0394639899 4.308904e-03 0.0088318204 420326
## 33 0.0337093991 1.701812e-02 0.0348814992 1660089
## 34 0.0232031872 1.310296e-03 0.0026856705 127817
## 35 0.0296888569 1.293175e-02 0.0265057923 1261470
## 36 0.0046006316 5.659990e-02 0.1160109744 5521224
## 37 0.0307900527 1.095471e-02 0.0224535208 1068614
## 38 0.0404838499 6.173199e-03 0.0126530067 602185
## 39 0.0319477118 8.170064e-03 0.0167459152 796976
## 40 0.0190714599 2.277385e-03 0.0046678831 222155
## 41 0.0038712580 5.696070e-02 0.1167504944 5556419
## 42 0.0062051730 5.949632e-02 0.1219476892 5803765
## 43 -0.0009791196 4.819709e-02 0.0987340378 5416078
## 44 -0.0012618007 5.051576e-02 0.1034839582 5676636
## 45 0.0019718935 5.000592e-02 0.1024395120 5619343
## 46 0.0113437017 4.975811e-02 0.1019318581 5591496
## 47 0.0108320204 4.338599e-02 0.0888782741 4875438
## 48 0.0006707463 2.336416e-04 0.0004786261 26255
## 49 0.0283284129 6.141205e-04 0.0012580553 69011
## 50 0.0082713090 3.791246e-02 0.0776654800 4260358
## 51 -0.0101725349 6.515284e-05 0.0001334687 7321
## 52 0.0262383375 3.573796e-02 0.0732109154 4016002
## 53 0.0168332571 3.629045e-02 0.0743427220 4078087
## 54 0.0285398368 3.019964e-02 0.0618654096 3393641
## 55 0.0328987154 9.872738e-03 0.0202247762 1109435
## 56 0.0355011213 2.545868e-02 0.0521533261 2860883
## 57 0.0332400045 5.225289e-03 0.0107042539 587184
## 58 0.0381698251 7.877229e-03 0.0161368813 885192
## 59 0.0379012384 2.165558e-02 0.0443624867 2433514
## 60 0.0475710696 3.202450e-03 0.0065603715 359871
## 61 0.0334301775 1.331061e-02 0.0272674116 1495760
## 62 0.0402043518 1.685192e-02 0.0345219571 1893710
## 63 0.0442238891 1.779904e-03 0.0036462184 200014
## 64 NA 2.932922e-02 0.0576241144 2383084
## 65 NA 1.495219e-04 0.0002937708 12149
## 66 NA 7.627910e-03 0.0149868129 619790
## 67 NA 2.219930e-02 0.0436157104 1803757
## 68 NA 5.361690e-03 0.0105342933 435653
## 69 NA 1.525453e-02 0.0299710956 1239475
## 70 NA 1.881298e-02 0.0369625007 1528609
## 71 NA 3.875819e-03 0.0076149534 314922
## 72 NA 1.208088e-02 0.0237357095 981606
## 73 NA 2.749123e-03 0.0054012959 223374
## 74 NA 1.041886e-02 0.0204702917 846563
## 75 NA 1.562099e-03 0.0030691084 126925
## 76 NA 5.065834e-02 0.0995301637 4116137
## 77 NA 6.234942e-02 0.1225000255 5066071
## 78 NA 6.583671e-04 0.0012935161 53494
## 79 NA 4.153078e-02 0.0815969329 3374496
## 80 NA 6.468695e-02 0.1270926549 5256003
## 81 NA 2.800982e-04 0.0005503185 22759
## 82 NA 3.478175e-02 0.0683368842 2826118
## 83 NA 6.387570e-02 0.1254987505 5190086
## 84 NA 6.073143e-02 0.1193210967 4934605
## 85 0.0154044088 4.995864e-02 0.0975533707 4867051
## 86 0.0027396549 5.554624e-02 0.1084641694 5411403
## 87 0.0038954998 5.484515e-02 0.1070951580 5343102
## 88 0.0058695676 5.802824e-02 0.1133107213 5653203
## 89 0.0291731355 3.932917e-02 0.0767973740 3831510
## 90 0.0249255131 4.502021e-02 0.0879101737 4385940
## 91 -0.0029351048 1.228969e-04 0.0002399786 11973
## 92 0.0342710099 3.488655e-02 0.0681223579 3398703
## 93 0.0035881246 5.325901e-02 0.1039979450 5188578
## 94 0.0412230635 2.829375e-02 0.0552487196 2756423
## 95 0.0270303816 1.729128e-03 0.0033764377 168454
## 96 0.0360298580 9.233182e-03 0.0180294736 899511
## 97 0.0332962345 2.216203e-02 0.0432754102 2159060
## 98 0.0293445816 7.457119e-04 0.0014561386 72648
## 99 0.0419053196 6.880129e-03 0.0134347068 670273
## 100 0.0344076481 1.816962e-02 0.0354795038 1770114
## 101 0.0499440208 3.893026e-04 0.0007601845 37926
## 102 0.0374514151 4.758198e-03 0.0092912503 463551
## 103 0.0308241357 1.388625e-02 0.0271154285 1352820
## 104 0.0184025432 2.793116e-03 0.0054540693 272110
## 105 0.0316915387 1.207950e-02 0.0235874286 1176804
## 106 0.0294138036 3.298118e-02 0.0644353386 3703827
## 107 0.0410826862 1.826072e-02 0.0356759601 2050701
## 108 0.0414879338 2.399370e-02 0.0468764859 2694522
## 109 0.0371480524 2.798261e-02 0.0546696154 3142481
## 110 0.0407268771 9.014321e-03 0.0176112794 1012319
## 111 0.0316551019 1.101498e-02 0.0215199602 1236995
## 112 0.0493160795 3.999121e-03 0.0078130822 449106
## 113 0.0370441932 6.001435e-03 0.0117250034 673969
## 114 0.0341121800 1.478107e-02 0.0288777743 1659932
## 115 0.0427734021 2.313908e-03 0.0045206829 259855
## 116 0.0061267339 4.578247e-02 0.0894452005 5141427
## 117 -0.0009752787 4.670470e-02 0.0912469719 5244995
## 118 0.0297741649 8.724965e-04 0.0017045963 97982
## 119 0.0062367049 4.130375e-02 0.0806951310 4638462
## 120 -0.0016615656 4.906620e-02 0.0958606385 5510195
## 121 0.0066957983 3.588635e-04 0.0007011115 40301
## 122 0.0163700644 4.006492e-02 0.0782748240 4499339
## 123 0.0016577455 4.860615e-02 0.0949618309 5458530
## 124 -0.0040533989 1.013799e-04 0.0001980659 11385
## 125 0.0254007511 3.901463e-02 0.0762228771 4381391
## 126 0.0077467948 4.963074e-02 0.0969635701 5573593Hoy con esta población ya podemos hacer algunas proyecciones. Una variable n, que mide los años transcurridos entre el 1 de julio de 2009 y el censo de 2010
pobla_mit<-pobla %>%
filter(ano==2010) %>%
mutate(n=difftime(as.Date("2009-07-01"),
as.Date(fecha)
)
) %>%
mutate(n=as.numeric(n)/365)
pobla_mit## sexo ano edad poblacion ritmo fecha n
## 1 Hombre 2010 0-4 5346943 0.9899352 2010-06-12 -0.9479452
## 2 Hombre 2010 5-9 5604175 0.9870483 2010-06-12 -0.9479452
## 3 Hombre 2010 10-14 5547613 1.0205816 2010-06-12 -0.9479452
## 4 Hombre 2010 15-19 5520121 1.1243415 2010-06-12 -0.9479452
## 5 Hombre 2010 20-24 4813204 1.1184134 2010-06-12 -0.9479452
## 6 Hombre 2010 95-99 25920 1.0069539 2010-06-12 -0.9479452
## 7 Hombre 2010 90-94 68130 1.3400075 2010-06-12 -0.9479452
## 8 Hombre 2010 25-29 4205975 1.0892126 2010-06-12 -0.9479452
## 9 Hombre 2010 100 y más 7228 0.9002366 2010-06-12 -0.9479452
## 10 Hombre 2010 35-39 3964738 1.3113820 2010-06-12 -0.9479452
## 11 Hombre 2010 30-34 4026031 1.1899519 2010-06-12 -0.9479452
## 12 Hombre 2010 40-44 3350322 1.3429377 2010-06-12 -0.9479452
## 13 Hombre 2010 65-69 1095273 1.4047977 2010-06-12 -0.9479452
## 14 Hombre 2010 45-49 2824364 1.4430805 2010-06-12 -0.9479452
## 15 Hombre 2010 75-79 579689 1.4097598 2010-06-12 -0.9479452
## 16 Hombre 2010 70-74 873893 1.4834223 2010-06-12 -0.9479452
## 17 Hombre 2010 50-54 2402451 1.4793117 2010-06-12 -0.9479452
## 18 Hombre 2010 80-84 355277 1.6347352 2010-06-12 -0.9479452
## 19 Hombre 2010 60-64 1476667 1.4125324 2010-06-12 -0.9479452
## 20 Hombre 2010 55-59 1869537 1.5149335 2010-06-12 -0.9479452
## 21 Hombre 2010 85-89 197461 1.5791700 2010-06-12 -0.9479452
## 22 Mujer 2010 40-44 3658904 1.3551185 2010-06-12 -0.9479452
## 23 Mujer 2010 55-59 2025828 1.5287433 2010-06-12 -0.9479452
## 24 Mujer 2010 50-54 2661840 1.5351573 2010-06-12 -0.9479452
## 25 Mujer 2010 45-49 3104366 1.4678450 2010-06-12 -0.9479452
## 26 Mujer 2010 70-74 1000041 1.5231339 2010-06-12 -0.9479452
## 27 Mujer 2010 65-69 1221992 1.3868637 2010-06-12 -0.9479452
## 28 Mujer 2010 80-84 443659 1.6644744 2010-06-12 -0.9479452
## 29 Mujer 2010 75-79 665794 1.4662708 2010-06-12 -0.9479452
## 30 Mujer 2010 60-64 1639799 1.4225204 2010-06-12 -0.9479452
## 31 Mujer 2010 85-89 256703 1.5556815 2010-06-12 -0.9479452
## 32 Mujer 2010 20-24 5079067 1.0653447 2010-06-12 -0.9479452
## 33 Mujer 2010 0-4 5181379 0.9899745 2010-06-12 -0.9479452
## 34 Mujer 2010 90-94 96794 1.3601731 2010-06-12 -0.9479452
## 35 Mujer 2010 25-29 4582202 1.0665558 2010-06-12 -0.9479452
## 36 Mujer 2010 5-9 5443362 0.9829800 2010-06-12 -0.9479452
## 37 Mujer 2010 95-99 39812 1.0716266 2010-06-12 -0.9479452
## 38 Mujer 2010 30-34 4444767 1.1842710 2010-06-12 -0.9479452
## 39 Mujer 2010 10-14 5392324 1.0172745 2010-06-12 -0.9479452
## 40 Mujer 2010 100 y más 11247 0.9589870 2010-06-12 -0.9479452
## 41 Mujer 2010 35-39 4328249 1.3000829 2010-06-12 -0.9479452
## 42 Mujer 2010 15-19 5505991 1.0833261 2010-06-12 -0.9479452
## r c c_sex pob2
## 1 -0.0009791196 4.819709e-02 0.0987340378 5416078
## 2 -0.0012618007 5.051576e-02 0.1034839582 5676636
## 3 0.0019718935 5.000592e-02 0.1024395120 5619343
## 4 0.0113437017 4.975811e-02 0.1019318581 5591496
## 5 0.0108320204 4.338599e-02 0.0888782741 4875438
## 6 0.0006707463 2.336416e-04 0.0004786261 26255
## 7 0.0283284129 6.141205e-04 0.0012580553 69011
## 8 0.0082713090 3.791246e-02 0.0776654800 4260358
## 9 -0.0101725349 6.515284e-05 0.0001334687 7321
## 10 0.0262383375 3.573796e-02 0.0732109154 4016002
## 11 0.0168332571 3.629045e-02 0.0743427220 4078087
## 12 0.0285398368 3.019964e-02 0.0618654096 3393641
## 13 0.0328987154 9.872738e-03 0.0202247762 1109435
## 14 0.0355011213 2.545868e-02 0.0521533261 2860883
## 15 0.0332400045 5.225289e-03 0.0107042539 587184
## 16 0.0381698251 7.877229e-03 0.0161368813 885192
## 17 0.0379012384 2.165558e-02 0.0443624867 2433514
## 18 0.0475710696 3.202450e-03 0.0065603715 359871
## 19 0.0334301775 1.331061e-02 0.0272674116 1495760
## 20 0.0402043518 1.685192e-02 0.0345219571 1893710
## 21 0.0442238891 1.779904e-03 0.0036462184 200014
## 22 0.0294138036 3.298118e-02 0.0644353386 3703827
## 23 0.0410826862 1.826072e-02 0.0356759601 2050701
## 24 0.0414879338 2.399370e-02 0.0468764859 2694522
## 25 0.0371480524 2.798261e-02 0.0546696154 3142481
## 26 0.0407268771 9.014321e-03 0.0176112794 1012319
## 27 0.0316551019 1.101498e-02 0.0215199602 1236995
## 28 0.0493160795 3.999121e-03 0.0078130822 449106
## 29 0.0370441932 6.001435e-03 0.0117250034 673969
## 30 0.0341121800 1.478107e-02 0.0288777743 1659932
## 31 0.0427734021 2.313908e-03 0.0045206829 259855
## 32 0.0061267339 4.578247e-02 0.0894452005 5141427
## 33 -0.0009752787 4.670470e-02 0.0912469719 5244995
## 34 0.0297741649 8.724965e-04 0.0017045963 97982
## 35 0.0062367049 4.130375e-02 0.0806951310 4638462
## 36 -0.0016615656 4.906620e-02 0.0958606385 5510195
## 37 0.0066957983 3.588635e-04 0.0007011115 40301
## 38 0.0163700644 4.006492e-02 0.0782748240 4499339
## 39 0.0016577455 4.860615e-02 0.0949618309 5458530
## 40 -0.0040533989 1.013799e-04 0.0001980659 11385
## 41 0.0254007511 3.901463e-02 0.0762228771 4381391
## 42 0.0077467948 4.963074e-02 0.0969635701 5573593Hoy sí! a proyectar:
pobla_mit<-pobla_mit %>%
mutate(pobla_mit=pob2*exp(n*r))
pobla_mit## sexo ano edad poblacion ritmo fecha n
## 1 Hombre 2010 0-4 5346943 0.9899352 2010-06-12 -0.9479452
## 2 Hombre 2010 5-9 5604175 0.9870483 2010-06-12 -0.9479452
## 3 Hombre 2010 10-14 5547613 1.0205816 2010-06-12 -0.9479452
## 4 Hombre 2010 15-19 5520121 1.1243415 2010-06-12 -0.9479452
## 5 Hombre 2010 20-24 4813204 1.1184134 2010-06-12 -0.9479452
## 6 Hombre 2010 95-99 25920 1.0069539 2010-06-12 -0.9479452
## 7 Hombre 2010 90-94 68130 1.3400075 2010-06-12 -0.9479452
## 8 Hombre 2010 25-29 4205975 1.0892126 2010-06-12 -0.9479452
## 9 Hombre 2010 100 y más 7228 0.9002366 2010-06-12 -0.9479452
## 10 Hombre 2010 35-39 3964738 1.3113820 2010-06-12 -0.9479452
## 11 Hombre 2010 30-34 4026031 1.1899519 2010-06-12 -0.9479452
## 12 Hombre 2010 40-44 3350322 1.3429377 2010-06-12 -0.9479452
## 13 Hombre 2010 65-69 1095273 1.4047977 2010-06-12 -0.9479452
## 14 Hombre 2010 45-49 2824364 1.4430805 2010-06-12 -0.9479452
## 15 Hombre 2010 75-79 579689 1.4097598 2010-06-12 -0.9479452
## 16 Hombre 2010 70-74 873893 1.4834223 2010-06-12 -0.9479452
## 17 Hombre 2010 50-54 2402451 1.4793117 2010-06-12 -0.9479452
## 18 Hombre 2010 80-84 355277 1.6347352 2010-06-12 -0.9479452
## 19 Hombre 2010 60-64 1476667 1.4125324 2010-06-12 -0.9479452
## 20 Hombre 2010 55-59 1869537 1.5149335 2010-06-12 -0.9479452
## 21 Hombre 2010 85-89 197461 1.5791700 2010-06-12 -0.9479452
## 22 Mujer 2010 40-44 3658904 1.3551185 2010-06-12 -0.9479452
## 23 Mujer 2010 55-59 2025828 1.5287433 2010-06-12 -0.9479452
## 24 Mujer 2010 50-54 2661840 1.5351573 2010-06-12 -0.9479452
## 25 Mujer 2010 45-49 3104366 1.4678450 2010-06-12 -0.9479452
## 26 Mujer 2010 70-74 1000041 1.5231339 2010-06-12 -0.9479452
## 27 Mujer 2010 65-69 1221992 1.3868637 2010-06-12 -0.9479452
## 28 Mujer 2010 80-84 443659 1.6644744 2010-06-12 -0.9479452
## 29 Mujer 2010 75-79 665794 1.4662708 2010-06-12 -0.9479452
## 30 Mujer 2010 60-64 1639799 1.4225204 2010-06-12 -0.9479452
## 31 Mujer 2010 85-89 256703 1.5556815 2010-06-12 -0.9479452
## 32 Mujer 2010 20-24 5079067 1.0653447 2010-06-12 -0.9479452
## 33 Mujer 2010 0-4 5181379 0.9899745 2010-06-12 -0.9479452
## 34 Mujer 2010 90-94 96794 1.3601731 2010-06-12 -0.9479452
## 35 Mujer 2010 25-29 4582202 1.0665558 2010-06-12 -0.9479452
## 36 Mujer 2010 5-9 5443362 0.9829800 2010-06-12 -0.9479452
## 37 Mujer 2010 95-99 39812 1.0716266 2010-06-12 -0.9479452
## 38 Mujer 2010 30-34 4444767 1.1842710 2010-06-12 -0.9479452
## 39 Mujer 2010 10-14 5392324 1.0172745 2010-06-12 -0.9479452
## 40 Mujer 2010 100 y más 11247 0.9589870 2010-06-12 -0.9479452
## 41 Mujer 2010 35-39 4328249 1.3000829 2010-06-12 -0.9479452
## 42 Mujer 2010 15-19 5505991 1.0833261 2010-06-12 -0.9479452
## r c c_sex pob2 pobla_mit
## 1 -0.0009791196 4.819709e-02 0.0987340378 5416078 5421107.276
## 2 -0.0012618007 5.051576e-02 0.1034839582 5676636 5683429.989
## 3 0.0019718935 5.000592e-02 0.1024395120 5619343 5608848.871
## 4 0.0113437017 4.975811e-02 0.1019318581 5591496 5531691.603
## 5 0.0108320204 4.338599e-02 0.0888782741 4875438 4825632.358
## 6 0.0006707463 2.336416e-04 0.0004786261 26255 26238.312
## 7 0.0283284129 6.141205e-04 0.0012580553 69011 67182.455
## 8 0.0082713090 3.791246e-02 0.0776654800 4260358 4227084.224
## 9 -0.0101725349 6.515284e-05 0.0001334687 7321 7391.938
## 10 0.0262383375 3.573796e-02 0.0732109154 4016002 3917345.963
## 11 0.0168332571 3.629045e-02 0.0743427220 4078087 4013529.387
## 12 0.0285398368 3.019964e-02 0.0618654096 3393641 3303059.582
## 13 0.0328987154 9.872738e-03 0.0202247762 1109435 1075369.902
## 14 0.0355011213 2.545868e-02 0.0521533261 2860883 2766207.368
## 15 0.0332400045 5.225289e-03 0.0107042539 587184 568970.465
## 16 0.0381698251 7.877229e-03 0.0161368813 885192 853735.706
## 17 0.0379012384 2.165558e-02 0.0443624867 2433514 2347633.985
## 18 0.0475710696 3.202450e-03 0.0065603715 359871 344003.168
## 19 0.0334301775 1.331061e-02 0.0272674116 1495760 1449102.592
## 20 0.0402043518 1.685192e-02 0.0345219571 1893710 1822895.818
## 21 0.0442238891 1.779904e-03 0.0036462184 200014 191802.374
## 22 0.0294138036 3.298118e-02 0.0644353386 3703827 3601980.868
## 23 0.0410826862 1.826072e-02 0.0356759601 2050701 1972373.324
## 24 0.0414879338 2.399370e-02 0.0468764859 2694522 2590607.840
## 25 0.0371480524 2.798261e-02 0.0546696154 3142481 3033746.417
## 26 0.0407268771 9.014321e-03 0.0176112794 1012319 973981.364
## 27 0.0316551019 1.101498e-02 0.0215199602 1236995 1200427.507
## 28 0.0493160795 3.999121e-03 0.0078130822 449106 428593.964
## 29 0.0370441932 6.001435e-03 0.0117250034 673969 650712.717
## 30 0.0341121800 1.478107e-02 0.0288777743 1659932 1607114.219
## 31 0.0427734021 2.313908e-03 0.0045206829 259855 249529.449
## 32 0.0061267339 4.578247e-02 0.0894452005 5141427 5111653.123
## 33 -0.0009752787 4.670470e-02 0.0912469719 5244995 5249846.297
## 34 0.0297741649 8.724965e-04 0.0017045963 97982 95255.191
## 35 0.0062367049 4.130375e-02 0.0806951310 4638462 4611120.063
## 36 -0.0016615656 4.906620e-02 0.0958606385 5510195 5518880.799
## 37 0.0066957983 3.588635e-04 0.0007011115 40301 40046.010
## 38 0.0163700644 4.006492e-02 0.0782748240 4499339 4430057.542
## 39 0.0016577455 4.860615e-02 0.0949618309 5458530 5449958.919
## 40 -0.0040533989 1.013799e-04 0.0001980659 11385 11428.830
## 41 0.0254007511 3.901463e-02 0.0762228771 4381391 4277153.566
## 42 0.0077467948 4.963074e-02 0.0969635701 5573593 5532813.032Y finalmente graficamos:
pobla_mit%>%
mutate(edad=factor(edad, levels=order_edad[-22])) %>%
ggplot(aes(x=edad,y=pobla_mit)) +
geom_bar(stat="identity") + coord_flip() +
facet_wrap(~sexo) + theme_minimal() 
Ejercicio
- Con la base primera base sin grupos de edad, calcule con en cuánto tiempo se duplicaría la población de 2010, pero si creciera al ritmo que se crecía entre 1950 y 1960
- Con este crecimiento en qué fecha se duplicaría la población
- Proyecte la población a la mitad del año en 1995
- Haga un gráfico del inciso anterior.
Envíe sus respuestas acá: https://forms.gle/7WUCA59r547V7CC8A