Commit c6a7a5f9 authored by Bakaniko's avatar Bakaniko

fixing typo en errors in code

parent 9a61f3d4
......@@ -33,6 +33,6 @@ COMPUTADORA,ordinateur
TELEFONO,ligne de téléphone terrestre
CELULAR, téléphone mobile
INTERNET,accès internet
TENENCIA,propiétaire du logement
TENENCIA,propriétaire du logement
NUMPERS,nombre de résidents du logement
TIPOHOG,type de foyer
......@@ -3,10 +3,23 @@ title: "StatsViviendaPersona15"
output: html_document
---
```{r library}
library(cluster)
library(cartography)
library(reshape2)
library(ggplot2)
library(rgdal)
#install.packages("cartography")
#install.packages("ggplot2")
#install.packages("reshape2")
#install.packages("cluster")
source("http://www.sthda.com/upload/rquery_cormat.r")
```
# Création du taux d'équipement des ménages par municipalité
```{r read.csv}
tab_frequence_2015_viv <- read.csv("tab_frequence_2015_viv.csv",header=TRUE, sep=",")
tab_frequence_2015_viv <- read.csv("../data/traitees/tab_frequence_2015_viv.csv",header=TRUE, sep=",")
```
```{r read.csv}
tab_Equipement <- tab_frequence_2015_viv[,c(114:144)]
......@@ -24,11 +37,6 @@ TabCor <- as.data.frame(cor(tab_Equipement_SI))
Le tableau "TabCor" contient l'ensemble des coefficient de corrélation des variables d'équipement entre elles.
```{r source}
source("http://www.sthda.com/upload/rquery_cormat.r")
```
```{r rquery.cormat}
TabCorAttrib<- rquery.cormat(TabCor, type="flatten", graph=FALSE)
```
......@@ -43,7 +51,7 @@ Les scores de la valeur-p sont extrêment faible, ce qui indique que les coeffic
rquery.cormat(tab_Equipement_SI)
```
L'ensemble des variables d'équipements sont extrêment corrélées entre elles. Les coefficients de corrélations sont supérieurs à 0.9 dans l'ensemble des cas. La construction d'un indicateur qui regroupe les variablements d'équipement permettraient de résumer le taux d'équipement des ménages par municipalités.
L'ensemble des variables d'équipements sont extrêment corrélées entre elles. Les coefficients de corrélations sont supérieurs à 0.9 dans l'ensemble des cas. La construction d'un indicateur qui regroupe les variables d'équipement permettraient de résumer le taux d'équipement des ménages par municipalités.
Cet indicateur sera relatif au contexte des municipalités de l'entité administrative de Mexico car il s'appuie sur les résultats statistiques obtenus pour l'étude de cet espace géographique.
......@@ -109,7 +117,7 @@ NbrOccupant<-(Tab_NUMPERS[,1]*1/(rowSums(Tab_NUMPERS)))+
```
# Calcule du nombre moyen de pièce par vivienda
# Calcule du nombre d'occupant moyen de pièce par vivienda
```{r}
Tab_TOTCUART <- tab_frequence_2015_viv[,c(16:40)]
......@@ -158,7 +166,7 @@ TotPersCuart <- as.data.frame(NbrOccupant/NbrPiece)
Hypothèse: Il existe une relation entre le niveau d'étude et le niveau de vie des population des différentes municipalités qui compose l'entité administrative de Mexico. Le niveau de vie des population sera caractérisé par leur taux d'équipement.
```{r readRDS}
tab_freq_pourc_pers_viv <- readRDS("tab_freq_pourc_pers_viv.rds")
tab_freq_pourc_pers_viv <- readRDS("../data/traitees/tab_freq_pourc_pers_viv.rds")
```
°) Sélection des variables caractérisant le niveau de formation
......@@ -179,13 +187,6 @@ Data <- cbind(Tab_NIVACAD,TxEquipement)
M <-as.data.frame(scale(Data ))
```
```{r install.packages}
install.packages("cluster")
```
```{r library}
library(cluster)
```
°) Classification des variables par rapport à leur distance euclidenne
```{r agnes}
......@@ -224,25 +225,10 @@ ClusProfile<- aggregate(M[, 1:10],by=list(M$Cluster),mean)
colnames(ClusProfile)[1] <-"CLUSTER"
```
```{r install.packages}
install.packages("reshape2")
```
```{r library}
library(reshape2)
```
```{r melt}
clusLong <-melt(ClusProfile, id.vars = "CLUSTER")
```
```{r install.packages}
install.packages("ggplot2")
```
```{r library}
library(ggplot2)
```
```{r ggplot}
ggplot(clusLong) +
......@@ -257,13 +243,6 @@ DataMap <- data.frame(tab_freq_pourc_pers_viv$code_mun, row.names(M), M$Cluster)
colnames(DataMap)[1] <-"Code_Mun"
```
```{r library}
library(rgdal)
```
```{r library}
library(rgdal)
```
```{r readOGR}
Municipios_2015 <- readOGR(dsn= "../data/areas_geoestadisticas_municipales.shp", layer = "areas_geoestadisticas_municipales",encoding= "utf8", stringsAsFactors = FALSE)
......@@ -275,27 +254,13 @@ projection <- "+proj=utm +zone=14 +datum=WGS84 +units=m +no_defs + ellps=WGS84"
```
```{r spTransform}
Municipios_2015 <- spTransform(Mexico_ZMVM, projection)
Municipios_2015 <- spTransform(Municipios_2015, projection)
```
```{r paste}
Municipios_2015$ID <- paste(Municipios_2015$CVE_ENT, Municipios_2015$CVE_MUN, sep="")
```
```{r installe.packages}
install.packages("cartography")
```
```{r library}
library(cartography)
```
```{r installe.packages}
install.packages("cartography")
```
```{r rCarto}
......@@ -317,7 +282,4 @@ layoutLayer(title = "CAH Niveau d'étude/Taux d'équipement de la population des
author = ,
scale = 0,
north = TRUE)
```
\ No newline at end of file
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment