Estadística_Descriptiva.Rmd

---
title: "Modelaje Epidemiológico en `R`"
subtitle: "Limpieza de bases y estadística descriptiva I"
author: "Rodrigo Zepeda"
date: "`r Sys.Date()`"
output:
  tufte::tufte_html: 
    tufte_features: ["fonts", "background","italics"]
    toc: false
    includes:
      in_header: javascriptcall.html
    css: style.css
  tufte::tufte_handout:
    citation_package: natbib
    latex_engine: xelatex
  tufte::tufte_book:
    citation_package: natbib
    latex_engine: xelatex
bibliography: skeleton.bib
link-citations: yes
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE, message = FALSE, warnign = FALSE}
library(ggplot2)
library(knitr)
library(kableExtra)
library(haven)
library(ggplot2)
library(tidyverse)
library(lubridate)
filedir <- "~/Dropbox/CURSO_INSP_2019/course_files/"
options(tinytex.verbose = TRUE)
knitr::opts_chunk$set(tidy = FALSE, cache.extra = packageVersion('tufte'), error = TRUE)
options(htmltools.dir.version = FALSE)
```

# Estadística descriptiva y limpieza de bases
Existen dos formas de limpiar bases en `R`. La "clásica" usando sólo las funciones de `R` (como `which`, `subset` e identificadores de columnas) y la "nueva" (y más sencilla) usando el paquete de `tidyverse`. Yo estoy seguro que si ya conoces otro programa estadístico (por ejemplo `STATA`) te será mucho más fácil continuar limpiando tu base en èl. Aprenderemos a hacerlo en `R` de todas formas para entender cómo funciona ¡capaz que te convence!

Primero que nada, carguemos la librería de `tidyverse`:
```{r, eval = FALSE}
#No olvides instalarla con install.packages si aún 
#no lo has hecho
library("tidyverse")
```

# Descripción de una base de datos

Vamos a leer la base de datos `conjunto_de_datos_defunciones_generales_2017.CSV` la cual contiene el registro de mortalidad en México para el año `2017`:
```{r, echo = FALSE}
mortalidad.2017 <- read.csv(paste0(filedir,"conjunto_de_datos_defunciones_generales_2017.CSV"))
```

```{r, eval = FALSE}
#No olvides el directorio
mortalidad.2017 <- read.csv("conjunto_de_datos_defunciones_generales_2017.CSV")
```

Aquí sólo muestro las primeras columnas de la base y sus primeras entradas:

```{r, echo = FALSE}
kable(head(mortalidad.2017[,1:6])) 
```

La función `glimpse` nos permite darnos una idea de la composición de nuestros datos:
```{r, eval = FALSE}
mortalidad.2017 %>% glimpse() 
```

```{r, echo = FALSE}
mortalidad.2017 %>% select(1:7) %>% glimpse() 
```

El comando `ncol` nos muestra el número de columnas en la base de datos y `nrow` nos muestra el número de filas en la base de datos. 
```{r}
ncol(mortalidad.2017) #Columnas
nrow(mortalidad.2017) #Filas
```

Podemos ver los nombres de las columnas de la base de datos con `colnames`:
```{r}
#Mostramos las columnas
colnames(mortalidad.2017)
```

Una descripción de las variables las puedes encontrar en el archivo `diccionario_datos_defunciones_generales_2017.csv`. Donde aparece como sigue:

```{r, echo = FALSE}
defunciones.diccionario <- read.csv(paste0(filedir,"Catalogo_datos_inegi/diccionario_datos_defunciones_generales_2017.csv"), header = T, encoding="latin1", dec=",", comment.char="#")
defunciones.diccionario <- defunciones.diccionario[,c("NEMÓNICO","NOMBRE_CAMPO")]
kable(defunciones.diccionario)
```

Una vez tenemos una base de datos podemos analizar sus entradas usando el nombre de la base y corchetes. Por ejemplo:

```{r, eval = FALSE}
#Obtengo todo el registro de la columna sexo
mortalidad.2017[ ,"sexo"]
```

```{r, echo = FALSE}
#Obtengo todo el registro de sexo
head(mortalidad.2017[ ,"sexo"])
```

También podemos usar el número de columna:

```{r, eval = FALSE}
#Me regresa las observaciones de la columna 2
#dada por mun_regis
mortalidad.2017[ ,2]
```

```{r, echo = FALSE}
#Obtengo todo el registro de sexo
head(mortalidad.2017[ , 2])
```

También podemos acceder a la base por renglones. Por ejemplo, así vemos el tercer renglón:

```{r, eval = FALSE}
mortalidad.2017[3, ]
```

```{r, echo = FALSE}
#Obtengo todo el registro de sexo
mortalidad.2017[3, 1:6]
```

Finalmente, podemos combinar la primer entrada de la columna `lista1` se vería así:
```{r}
mortalidad.2017[1, "lista1"]
```

En resumen, la notación siempre es de la siguiente forma:
$$
\text{Base.de.datos}[\underbrace{f}_{fila},\overbrace{c}^{columna}]
$$
Esta notación `notación matricial` estándar en el mundo de computación y de las matemáticas. Siempre siempre primero es fila luego columna. ¡No lo olvides pues nos será útil para los modelos!

Otra forma de seleccionar una columna es con \$ seguido del nombre de la columna. Por ejemplo: 
```{r, eval = FALSE}
mortalidad.2017$edo_civil
```

```{r, echo = FALSE}
head(mortalidad.2017$edo_civil)
```

Por ciertos errores en los que se pueden incurrir al crear funciones, se recomienda que se utilice siempre la notación de doble corchete y se evite el signo de \$. Pero ambos métodos funcionan. Sólo recuerda que la notación es así: 

$$
\text{Base.de.datos}\$\text{Columna}[\underbrace{f}_{\text{Fila}}]
$$


Una última opción es con `select`:
```{r, eval = FALSE}
mortalidad.2017 %>% select(c("edo_civil"))
```

```{r, echo = FALSE}
head(mortalidad.2017$edo_civil)
```
la cual nos regresa la columna de estado civil. El comando [`select`](https://dplyr.tidyverse.org/reference/select.html) es bastante útil si, por ejemplo, no recordamos exactamente el nombre de la columna. Por ejemplo, si sólo recordamos que tiene la palabra `"civil"` pero no exactamente cómo se escribe podemos usar `contains`:

```{r, eval = FALSE}
#Podemos usar contains si recordamos que dice civil 
#pero no el nombre completo
mortalidad.2017 %>% select(contains("civil"))
```

```{r, echo = FALSE}
#Podemos usar contains si recordamos que dice civil 
#pero no el nombre completo
head(mortalidad.2017 %>% select(contains("civil")))
```

Podemos preguntarnos, de igual manera por la 7a entrada de `edo_civil` haciendo:

```{r}
mortalidad.2017$edo_civil[7]
```

Lo cual es equivalente a la forma anterior:
```{r, eval = FALSE}
mortalidad.2017[7, "edo_civil"]
```

En el caso del `tidyverse` el equivalente a `select`, para elegir fila, el equivalente se conoce como `slice`:
```{r}
#Selecciona la fila 11
mortalidad.2017 %>% slice(11)
```

Podemos combinar multiples argumentos con `%>%`^[En el mismo renglón debe estar el `%>%` que el último comando para no generar error]:
```{r}
mortalidad.2017 %>% 
  select(c("sexo","edo_civil")) %>% 
  slice(11:20)
```

Esta forma de combinación con `pipes` (`%>%`) será bastante útil más adelante. 

Para seleccionar múltiples filas o columnas, como vimos en el ejemplo anterior, hay que crear un vector usando `c`^[Se llama `c` por `concatenate` (concatenar).]. Un vector es una lista ordenada de variables del mismo tipo. Por ejemplo:
```{r}
mi.vector <- c(1, 141, 12)
```

Es un vector de 3 entradas. De hecho, la forma de acceder a sus entradas es la misma que la de los `data.frames` con un agregado: ¡sólo hay filas, no hay columnas!

```{marginfigure}
Intuitivamente podemos pensar un vector como una columna de una base de datos. En ella todas las variables son del mismo tipo. 
```

Para acceder a las entradas de un vector es de la siguiente forma: 
```{r}
#Para un vector sólo pongo el número de entrada ¡no hay columna!
mi.vector[2] #entrada 2
```

En general la notación es la siguiente: 
$$
\text{vector}[\underbrace{i}_{\text{Entrada}}]
$$

Un vector que ya nos encontramos antes es el de columnas. Podemos, por ejemplo, ver el nombre de la cuarta columna de la base combinando lo que sabemos de vectores con el comando `colnames`:
```{r}
#Regresa el nombre de la 5a columna
colnames(mortalidad.2017)[5]
```

La pregunta también puede hacerse al revés: podemos pedirle a `R` que nos conteste cuál es el número de columna para una columna dada. Por ejemplo, ¿cuál es el número de columna para `edad`?

```{r}
#Preguntamos a R cuál de las columnas se llama edad
which(colnames(mortalidad.2017) == "edad")
```

Nota que si preguntamos por una columna que no existe, `R` nos regresa lo siguiente: 
```{r}
#Preguntamos a R cuál de las columnas se llama edad
which(colnames(mortalidad.2017) == "Paraguas")
```

Esto significa que no hay ninguna columna con ese nombre. Finalmente, nota que el which puede regresar múltiples resultados si las cosas se repiten. Por ejemplo, el siguiente comando nos regresa las múltiples entradas del vector `nombres.de.amigos` donde hay un amigo que tiene el nombre de `Alejandro`:

```{r}
#Creo un vector con nombres de mis amigos
nombres.de.amigos <- c("Alejandro", "Beatriz", "Alejandro", "Carla")

#Pregunto por cuáles entradas contienen a Alejandro
which(nombres.de.amigos == "Alejandro")
```

Finalmente, podemos usar vectores para seleccionar múltiples columnas y filas, por ejemplo si deseo seleccionar, de la base, las columnas de `sexo` y `edad`:

```{r, eval = FALSE}
mortalidad.2017[ , c("sexo", "edad")]
```

```{r, echo = FALSE}
head(mortalidad.2017[ , c("sexo", "edad")])
```

Finalmente si quiero seleccionar sólo algunos renglones puedo ponerlos en un vector: 

```{r}
#Selecciona sólo el renglón 1 y el 7
mortalidad.2017[c(1, 7), c("sexo", "edad")]
```

Mientras que el `:` selecciona _del renglón 1 al renglón 7_ 
```{r}
#Selecciona del 1 al 7
mortalidad.2017[1:7, c("sexo", "edad")]
```

El equivalente usando `select` y `slice` es:
```{r}
mortalidad.2017 %>% 
  select(c("sexo","edad")) %>%
  slice(1:7)
```

**NOTA** Los dos puntos no funcionan para seleccionar columnas usando los nombres de las columnas como caracteres: 

```{r}
#Selecciona renglones del 2 al 7
#y las columnas 5 a 9
mortalidad.2017[2:7, 5:9]
```

Los `:` son una forma corta de hacer vectores, por eso los usamos:
```{r}
9:15
```

## Ejercicios 

1. Lee el archivo `diversidad_dieta_adultos_251116.dta` el cual contiene el cuestionario de frecuencia de consumo de nutrimentos de la encuesta nacional de salud y nutrición (ENSANUT) 2016. Para ello usa el comando `read_dta` de la librería `haven` o bien en `RStudio > Import Dataset > From STATA`. 

```{r, echo = FALSE}
ffq.2016 <- read_dta(paste0(filedir,"Cuestionario De Frecuencia De Consumo Adultos/diversidad_dieta_adultos_251116.dta"))
```

a. Determina los nombres de todas las columnas de las variables usando `R` (no vale ver el archivo). 
b. Determina el número de renglones y el número de filas totales de la base. 
c. Encuentra cuál fila contiene el `folio_sel` dado por: `r ffq.2016$folio_sel[1234]`. 
d. Regresa todas las mediciones para la `r nrow(ffq.2016)-10`a fila. 
e. Regresa la 5a columna.
f. Obtén el nombre de la `r ncol(ffq.2016)-1` columna. 
g. Obtén la entrada en la columna `5` y fila `14`. 
 
2. Considera la base de datos creada por el siguiente código:
```{r}
base.inventada <- data.frame(Tiempo = rexp(100), 
                             Enfermo = rbinom(100, 83, 1/3))
```

Determina qué ocasionó los resultados siguientes: 

a. ¿Por qué da error?
```{r}
#Primer error
base.inventada[ , 200]
```

b. ¿Por qué da `NA`?
```{r}
#NA
base.inventada[1000, ]
```

c. ¿Por qué dice esto?
```{r}
#Primer error
base.inventada[0,0]
```

d. ¿Por qué da `NULL`?
```{r}
#NULL
base.inventada[2, c("tiempo")]
```

e. Arregla este código para que no dé error
```{r, eval = FALSE}
base.inventada %>% select("Tiempo")
               %>% slice(2)
```

# Limpieza de la base de datos
De la base de mortalidad comencemos por quedarnos sólo con las columnas `ent_regis`, `sexo`, `edad`, `dia_ocurr`, `mes_ocurr`, `anio_ocurr` y `causa_def`. Para ello seleccionamos múltiples columnas mediante un vector con el nombre de las columnas a seleccionar: 

```{r}
#Reescribimos la variable sólo con las columnas que nos
#interesan
mortalidad.2017.editada <- mortalidad.2017 %>%
  select(c("ent_regis", "sexo", "edad", 
           "dia_ocurr", "mes_ocurr", "anio_ocur", "causa_def"))
```

**Ojo** `anio_ocur` tiene sólo una `r`. 

Utilicemos `colnames` para mejorar los nombres de las variables: 
```{r}
colnames(mortalidad.2017.editada) <- c("Entidad", "Sexo", "Edad", 
                                       "Día", "Mes", "Año", "Causa") 
```

Vamos a asociar a cada uno de los registros la variable correspondiente. Para ello leemos las bases. Comencemos con leer la base de causas de la defunción: 
```{r, eval = FALSE}
#Base mal leída
dic.causa <- read.csv("Catalogo_datos_inegi/decatcausa.csv")
```

```{r, echo = FALSE}
#Base mal leída
dic.causa <- read.csv(paste0(filedir,"Catalogo_datos_inegi/decatcausa.csv"))
head(dic.causa)
```

Según estés en `Mac` o `Windows` y el archivo provenga de la otra plataforma o de otro país puede que te llegues a topar con problemas como éste: las tildes se leen como quiere (seguro te ha pasado con `Excel`). Para leerlas correctamente, `R` contiene la variable `encoding`. [Usualmente el `encoding` es `UTF-8`](https://www.w3.org/International/questions/qa-choosing-encodings) pero [Windows es Windows](https://www.quora.com/Why-doesnt-Microsoft-use-UTF-8-on-Windows-10)... En mi experiencia con bases de datos mexicanas los `encodings` suelen ser `UTF-8`, `latin1` ó `WINDOWS-1252` así que siempre pruebo esos.^[ [No existe forma de detectar el `encoding` de un archivo](https://softwareengineering.stackexchange.com/questions/187169/how-to-detect-the-encoding-of-a-file). Y todos los programas se enfrentan a él. Mientras no haya una estandarización, seguiremos con estos problemas.] 

Probemos el encoding `latin1`:
```{r, eval = FALSE}
dic.causa <- read.csv("Catalogo_datos_inegi/decatcausa.csv",
                      encoding = "latin1")
```

```{r, echo = FALSE}
#Base con información de los estados
dic.causa <- read.csv(paste0(filedir,"Catalogo_datos_inegi/decatcausa.csv"), encoding="latin1")
head(dic.causa)
```

Repetimos el proceso con las otras bases:

```{r, eval = FALSE}
#Base con información de sexo
dic.edad <- read.csv("Catalogo_datos_inegi/deedad.csv", 
                     encoding="latin1")

#Base con información de sexo
dic.sexo <- read.csv("Catalogo_datos_inegi/desexo.csv", 
                     encoding="latin1")

#Base con información de los estados
dic.lugar <- read.csv("Catalogo_datos_inegi/decateml.csv", 
                        encoding="latin1")


```

```{r, echo = FALSE}
#Base con información de sexo
dic.edad <- read.csv(paste0(filedir,"Catalogo_datos_inegi/deedad.csv"), encoding="latin1")

#Base con información de sexo
dic.sexo <- read.csv(paste0(filedir,"Catalogo_datos_inegi/desexo.csv"), encoding="latin1")

#Base con información de los estados
dic.lugar <- read.csv(paste0(filedir,"Catalogo_datos_inegi/decateml.csv"), encoding="latin1")

#Base con información de los estados
dic.edad <- read.csv(paste0(filedir,"Catalogo_datos_inegi/deedad.csv"), encoding="latin1")

```

Vamos a pegar la base de edad. Para ello lo que necesitamos hacer un `merge`. `merge` combina dos bases de datos según identificadores en común. Para el `merge` especificamos la columna (o vector de columnas) que contienen el identificador común.  

```{r}
#Juntamos sexo con su identificador
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada, dic.sexo,
                                 by.x = "Sexo", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)
```

Para no tener dos columnas con sexo, borramos una de ellas y renombramos, usando `rename` la segunda de ellas:
```{r}
#Eliminamos la columna de sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Sexo"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Sexo" = "DESCRIP")
```

### Ejercicio 
Repite el proceso con las bases `deedad.csv` para la edad y `decatcausa.csv` para la causa de muerte, a fin de obtener una base de `mortalidad.2017.editada.v2` que se vea así:

```{r, echo = FALSE}
#Juntamos edad con su identificador
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada.v2, dic.edad,
                                 by.x = "Edad", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Edad"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Edad" = "DESCRIP")

#Juntamos causa
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada.v2, dic.causa,
                                 by.x = "Causa", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Causa"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Causa" = "DESCRIP")

kable(head(mortalidad.2017.editada.v2))
```

Finalmente, podemos unir los identificadores de entidad y localidad. Nota que el nombre de la entidad se puede obtener a partir de aquellos en `dic.lugar` que tienen en ceros el identificador de municipio y de localidad. Por lo que crearemos una sub-base que contenga sólo el nombre de las entidades. Para ello, utilizamos el comando `filter`:

```{r}
dic.entidad  <- dic.lugar %>% 
  filter(cve_mun == 0 & cve_loc == 0) %>%
  select(c("cve_ent", "nom_loc"))
```

Asignamos la entidad a la base:
```{r}
#Juntamos con la base
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada.v2,
                                    dic.entidad, by.x = "Entidad", 
                                    by.y = "cve_ent", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Entidad"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Entidad" = "nom_loc")
```

Nota que el comando `filter` lo que hace es seleccionar elementos de la base que cumplan con los criterios especificados. Por ejemplo, podemos generar una base sólo para `Sonora`:

```{r, eval = FALSE}
#Sólo Sonora
mortalidad.2017.editada.v2 %>% filter(Entidad == "Sonora")
```

El comando `distinct` te permite encontrar todos los valores que toma una variable:
```{r}
#Vemos cuáles valores toma Entidad
mortalidad.2017.editada.v2 %>% distinct(Entidad)
```

Por otro lado, el comando `count` cuenta el número de observaciones agrupadas por una variable. 
```{r, eval = FALSE}
mortalidad.2017.editada.v2 %>% count(Entidad)
```

Así se obtienen los datos que forman esta tabla:

```{r, echo = FALSE}
kable(mortalidad.2017.editada.v2 %>% count(Entidad))
```

Podemos combinar los comandos de `filter` y `count` para, por ejemplo, contar la cantidad de registros de hombres: 

```{r, eval = TRUE}
mortalidad.2017.editada.v2 %>% 
  filter(Sexo == "Hombres") %>%
  count(Entidad)
```

O bien los de mujeres:

```{r, eval = TRUE}
mortalidad.2017.editada.v2 %>% 
  filter(Sexo == "Hombres") %>%
  count(Entidad)
```

El comando `group_by` te permite generar una única tabla:

```{r, eval = TRUE}
mortalidad.2017.editada.v2 %>% 
  group_by(Sexo) %>%
  count(Entidad)
```

Podemos agrupar por múltiples variables:

```{r, eval = TRUE}
mortalidad.2017.editada.v2 %>% 
  group_by(Sexo, Mes) %>%
  count(Entidad)
```

Finalmente, podemos utilizar el comando `arrange` para reordenar la base de mayor a menor (`desc`). Así, podemos analizar los estados con mayor cantidad de defunciones:
```{r}
mortalidad.2017.editada.v2 %>%
  count(Entidad) %>%
  arrange(desc(n))
```

## Ejercicio
Responde las siguientes preguntas respecto a la mortalidad en México 2017:

a. ¿Cuántas mujeres murieron en Aguascalientes?

b. ¿Cuántos registros de hombres, mujeres y no especificado se tienen con `Causa` dada por `"Contacto traumático con maquinaria agrícola en calles y carreteras"`?

c. ¿Cuál es el estado donde hubo mayores registros de defunciones por `"Paniculitis, no especificada"` ?

d. Genera una gráfica como la siguiente (usando `ggplot2`) de mortalidad por `Enfermedad renal hipertensiva con insuficiencia renal` por `Entidad` y `Sexo`:

```{r, echo = FALSE}
enf.renal <- mortalidad.2017.editada.v2 %>% filter(Causa == "Enfermedad renal hipertensiva con insuficiencia renal") %>% group_by(Sexo) %>% count(Entidad)

ggplot(enf.renal) + 
  geom_col(aes(x = Entidad, y = n, fill = Sexo), position = "dodge") +
  theme_bw() + 
  theme(axis.text.x = element_text(angle = 90, hjust = 1, 
                                   size = 6),
        plot.background = element_rect(fill = "#fffff8"),
        panel.background = element_rect(fill = "#fffff8"),
        legend.background = element_rect(fill = "#fffff8")) + 
  ylab("Defunciones") + xlab("Entidad Federativa") +
  ggtitle("Defunciones por enfermedad renal hipertensiva con insuficiencia renal\nINEGI 2017") + 
  scale_fill_manual("Sexo", values = c("#6B06A2","#F38B00","#00A75F"))
```

# Ejemplo de análisis: Mortalidad por infarto del miocardio de 2010 a 2017.

Se desea hacer un análisis de la mortalidad por infarto del miocardio por estado de la república, sexo, año y mes. Para ello usaremos la función `str_detect`  que detecta si en un conjunto de caracteres (`string`) está la palabra:

```{r}
mortalidad.2017.editada.v2 %>% 
  distinct(Causa) %>%
  filter(str_detect(Causa, "Infarto|infarto"))
```

donde el comando `"Infarto|infarto"` busca la palabra con mayúscula o con minúscula. Esto nos permite obtener las categorías que nos interesan, aquellas con infarto al miocardio:

```{r}
causas.miocardio <- c(
  "Infarto agudo del miocardio, sin otra especificación",
  "Infarto transmural agudo del miocardio de la pared anterior",
  "Infarto transmural agudo del miocardio de la pared inferior",
  "Infarto subsecuente del miocardio, de parte no especificada",
  "Infarto agudo transmural del miocardio de otros sitios",
  "Infarto transmural agudo del miocardio, de sitio no especificado",
  "Infarto subsecuente del miocardio de la pared inferior",
  "Infarto subsecuente del miocardio de la pared anterior",
  "Infarto subendocárdico agudo del miocardio")
```

Finalmente, asociamos:
```{r}
mortalidad.miocardio <- mortalidad.2017.editada.v2 %>% 
  filter(Causa %in% causas.miocardio) %>%
  count(Sexo, Mes, Entidad)
```

El inicio de la base se ve así:
```{r, echo = FALSE}
head(mortalidad.miocardio)
```

Queremos repetir el mismo análisis para las bases de 2012 hasta 2017. Para ello resumiremos sólo los pasos necesarios para juntar las causas:

```{r, eval = TRUE}
mi.base <- "conjunto_de_datos_defunciones_generales_2017.CSV"
```

```{r, echo = FALSE}
mi.base <- paste0(filedir, mi.base)
```

```{r, eval = TRUE}
# 1 Leemos la base
mortalidad.2017 <- read.csv(mi.base)

# 2 Elegimos sólo las variables que nos interesan
mortalidad.2017.editada <- mortalidad.2017 %>%
  select(c("ent_regis", "sexo", "edad", 
           "dia_ocurr", "mes_ocurr", "anio_ocur", "causa_def"))

#Cambiamos los nombres de las variables
colnames(mortalidad.2017.editada) <- c("Entidad", "Sexo", "Edad", 
                                       "Día", "Mes", "Año", "Causa") 

# 3 Una vez que leímos previamente las bases de sexo dic.sexo
#   las de estados, dic.lugar y las de causa, dic.causa las asociamos:

#SEXO
#-----------------------------------------------------
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada, dic.sexo,
                                 by.x = "Sexo", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)

#Eliminamos la columna de sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Sexo"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Sexo" = "DESCRIP")

#CAUSA
#-----------------------------------------------------
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada.v2, 
                                    dic.causa, by.x = "Causa", 
                                    by.y = "CVE", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Causa"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Causa" = "DESCRIP")

#ENTIDAD
#-----------------------------------------------------
mortalidad.2017.editada.v2 <- merge(mortalidad.2017.editada.v2,
                                    dic.entidad, by.x = "Entidad", 
                                    by.y = "cve_ent", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  select(-c("Entidad"))

#Renombramos DESCRIP como Sexo
mortalidad.2017.editada.v2 <- mortalidad.2017.editada.v2 %>% 
                                  rename("Entidad" = "nom_loc")

# 4 Filtramos
mortalidad.miocardio <- mortalidad.2017.editada.v2 %>% 
  filter(Causa %in% causas.miocardio) %>%
  count(Sexo, Mes, Entidad)

# 5 Agregaré una columna a la base que se llame año con 2017
mortalidad.miocardio[, "Año"] <- 2017

# Renombraremos la columna n como defunciones
mortalidad.miocardio.2017 <- mortalidad.miocardio %>% 
  rename("Defunciones" = "n")
```

Observa que el código correspondiente a `Sexo`, `Causa` y `Entidad` es prácticamente el mismo y sólo cambian pequeñas cosas. Lo mismo ocurrirá si queremos usar la base de `2016`, tenemos que hacer `copy-paste` de lo que llevamos y cambiar sólo el año de la base:

```{r, eval = TRUE}
mi.base <- "conjunto_de_datos_defunciones_generales_2016.CSV"
```

```{r, echo = FALSE}
mi.base <- paste0(filedir, mi.base)
```

```{r, eval = TRUE}
# 1 Leemos la base
mortalidad.2016 <- read.csv(mi.base)

# 2 Elegimos sólo las variables que nos interesan
mortalidad.2016.editada <- mortalidad.2016 %>%
  select(c("ent_regis", "sexo", "edad", 
           "dia_ocurr", "mes_ocurr", "anio_ocur", "causa_def"))

#Cambiamos los nombres de las variables
colnames(mortalidad.2016.editada) <- c("Entidad", "Sexo", "Edad", 
                                       "Día", "Mes", "Año", "Causa") 

# 3 Una vez que leímos previamente las bases de sexo dic.sexo
#   las de estados, dic.lugar y las de causa, dic.causa las asociamos:

#SEXO
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada, dic.sexo,
                                 by.x = "Sexo", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)

#Eliminamos la columna de sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Sexo"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Sexo" = "DESCRIP")

#CAUSA
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada.v2, 
                                    dic.causa, by.x = "Causa", 
                                    by.y = "CVE", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Causa"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Causa" = "DESCRIP")

#ENTIDAD
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada.v2, 
                                    dic.entidad, by.x = "Entidad", 
                                    by.y = "cve_ent", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Entidad"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Entidad" = "nom_loc")

# 4 Filtramos
mortalidad.miocardio <- mortalidad.2016.editada.v2 %>% 
  filter(Causa %in% causas.miocardio) %>%
  count(Sexo, Mes, Entidad)

# 5 Agregaré una columna a la base que se llame año con 2016
mortalidad.miocardio[, "Año"] <- 2016

# Renombraremos la columna n como defunciones
mortalidad.miocardio.2016 <- mortalidad.miocardio %>% 
  rename("Defunciones" = "n")
```

Hacer `copy-paste` de comandos es un error muy común cuando se está empezando a programar. ¡Imagínate si tuvieras que hacer la mortalidad desde `1990`! Seguro nos vamos a equivocar. Peor aún, imagina que decidimos agregar localidad en las variables ¡tendríamos que modificar cada uno de los copy pastes! 

Quienes nos dedicamos a programar somos muy flojos y para ello inventamos el concepto de función. Éste nos permitirá repetir el mismo proceso para diferentes datos. 

# Funciones en `R`

Una función la podemos pensar como un pedazo de código que transforma un poco de código en otra cosa. 

```{r, echo = FALSE, fig.cap="Una función toma ciertos valores de input y regresa ciertos outputs"}
ggplot(data.frame(x = 1, y = 1), aes(x, y)) + 
  geom_rect(aes(xmin = -0.5, ymin = 0, xmax = 1.5, ymax = 1), fill = "firebrick") +
  annotate("text", x = 0.5, y = 0.5, label = "function(){}", color = "white", size = 8) + 
  annotate("text", x = -1.5, y = 0.5, label = "Input", size = 8) + 
  annotate("text", x = 2.5, y = 0.5, label = "Output", size = 8) + 
  geom_segment(aes(x = -1, y = 0.5, xend = -0.6, yend = 0.5), arrow = arrow(length = unit(0.25, "cm"))) +
  geom_segment(aes(x = 1.6, y = 0.5, xend = 1.9, yend = 0.5), arrow = arrow(length = unit(0.25, "cm"))) +
  theme_void() +
  xlim(-2,3) + ylim(-1,2) + 
  theme( plot.background = element_rect(fill = "#fffff8"),
        panel.background = element_rect(fill = "#fffff8"),
        legend.background = element_rect(fill = "#fffff8"))
```

```{marginfigure}
Por si te lo preguntabas, sí, también el diagrama lo hicimos con `ggplot2` ;)
```

Por ejemplo la siguiente función toma como `Input` un número y le suma `5` (yo sé que es una función muy inútil pero vamos paso a paso):

```{r}
#Defino mi función
suma.5 <- function(mi.numero){
  return(mi.numero + 5)
}

#Pruebo mi función
suma.5(10)
suma.5(1)
suma.5("Pingüino")
```

La estructura básica de una función en `R` es como sigue:
$$
\begin{aligned}
\text{Nombre.de.la.function}& \leftarrow\textrm{function}(\overbrace{\textrm{Inputs}}^{\text{Lo que necesita para funcionar}})\{
\\
& \text{Código} \\
& \text{return}(\underbrace{\text{Output}}_{\textrm{Lo que resulta}})
\\
\}
\end{aligned}
$$
Veamos otra función:

```{r}
#Función que dice ¡Hola ----! donde ---- es el nommbre que se mete
mi.saludo <- function(nombre){
  saludo <- paste0("¡Hola ", nombre, "!")
  return(saludo)
}

#Ejemplos
mi.saludo("Ana")
mi.saludo("Jesús")
```

Una función puede tener múltiples parámetros, por ejemplo la función que resta un número a otro:
```{r}
resta.numeros <- function(num.1, num.2){
  mi.resta <- num.1 - num.2
  return(mi.resta)
}

#Restamos dos números
resta.numeros(10, 3)

#Observa cómo el orden importa
resta.numeros(3, 10)
```

En general las buenas prácticas de `R` te piden que utilices [el formato `roxygen2`](https://kbroman.org/pkg_primer/pages/docs.html) para documentar la función ¡lo mejor es siempre poner qué hace tu función pues la idea es reciclarla cuantas veces sea necesaria!

```{r}
resta.numeros <- function(num.1, num.2){
  #' resta.numeros
  #' 
  #' Función que calcula num.1 - num.2
  #' @param num.1 Número que se va a restar
  #' @param num.2 Número que se resta de num.1
  #' @return num.1 - num.2
  
  mi.resta <- num.1 - num.2
  return(mi.resta)
}
```

En este caso, quizá no tiene mucho sentido documentar la función. Pero cuando uno trabaja con proyectos más grandes (o con más personas) ¡es bastante importante saber qué hace una función!

Por último, una función también puede regresar múltiples valores. Para ello está el comando `list`. Por ejemplo, la función que regresa la media y desviación estándar de un vector: 

```{r}
media.y.varianza <- function(mi.vector){
  #' media.y.varianza
  #'
  #' Función que calcula la media y desviación estándar de un vector
  #' @param mi.vector Un vector de R al cual calcular media y desviación
  #' @return mi.lista Lista de parámetros que contiene:
  #'           media    Media del vector
  #'           desv.est Desviación estándar del mismo
  
  #Calculamos la media
  media    <- mean(mi.vector)
  
  #Calculamos la desviación estándar
  desv.est <- sd(mi.vector)
  
  return(list(promedio = media, desviacion = desv.est))
}

#Veamos un ejemplo:
un.vector <- c(0.27, -0.34, 0.11, -0.6, 0.82, -0.41)

#Podemos calcular ambas
media.y.varianza(un.vector)

#Para acceder a un valor hay que usar $
media.y.varianza(un.vector)$promedio
```

donde `mean` es una función de `R` que calcula la media de un vector:
```{r}
#Cremos un vector
x <- c(1, 0.5, 2, 0.6, 0.4, 0, 0.2)
mean(x)
```

y `sd` calcula su desviación estándar:
```{r}
sd(x)
```

## Ejercicios
1. Construye una función que dada la altura (en metros) y peso (en kilogramos) de una persona, calcule su índice de masa corporal `IMC`. Recuerda que éste está dado por la fórmula:
$$
\text{IMC} = \dfrac{\text{Peso}}{(\text{Altura})^2}
$$
2. Construye una función que se llame `grafica.linea` que dado una base de datos (`data.frame`) que contiene las variables `x` y `y` cree una gráfica de línea con `ggplot` de `x` contra `y`. Prueba que con los siguientes datos funcione como en los ejemplos:

```{r, echo = FALSE}
grafica.linea <- function(mis.datos){
  ggplot(mis.datos) + geom_line(aes(x = x, y = y))
}
```

```{r}
#Primera base de datos
datos1 <- data.frame(x = 1:10, y = 1:10)
grafica.linea(datos1)
```

```{r}
#Segunda base de datos
x <- seq(0,10*pi, length.out = 250)
datos2 <- data.frame(x = x, y = sin(x))
grafica.linea(datos2)
```

3. Utiliza las funciones de `cos()`, `sin()` y `log()` para crear una única función que dado un número regrese su coseno, su seno y su logaritmo natural. El 'output' de la función debe ser algo así:

```{r, echo = FALSE}
ejercicio.3 <- function(numero){
  list(coseno = cos(numero), seno = sin(numero), logaritmo = log(numero))
}
```

```{r}
#Así debe de correr:
ejercicio.3(12)
```

## De vuelta al análisis de bases

Armados con el concepto de función podemos abstraer lo que tienen en común las secciones de Sexo, Entidad y Causa del apartado anterior:

```{r, eval = FALSE}
#SEXO
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada, dic.sexo,
                                 by.x = "Sexo", by.y = "CVE", 
                                 all.x = TRUE, all.y = FALSE)

#Eliminamos la columna de sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Sexo"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Sexo" = "DESCRIP")

#CAUSA
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada.v2, 
                                    dic.causa, by.x = "Causa", 
                                    by.y = "CVE", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Causa"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Causa" = "DESCRIP")

#ENTIDAD
#-----------------------------------------------------
mortalidad.2016.editada.v2 <- merge(mortalidad.2016.editada.v2, 
                                    dic.entidad, by.x = "Entidad", 
                                    by.y = "cve_ent", all.x = TRUE, 
                                    all.y = FALSE)

#Eliminamos la columna de edad
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  select(-c("Entidad"))

#Renombramos DESCRIP como Sexo
mortalidad.2016.editada.v2 <- mortalidad.2016.editada.v2 %>% 
                                  rename("Entidad" = "nom_loc")

```

Nota que en todos los casos aparecen los mismos tres comandos. Podemos abstraerlos para generar una función:
```{r}
indicadores.mortalidad <- function(base.mortalidad, base.indicadores,
                                   indicador.x, indicador.y, nombre.y){
  
    #SEXO
    #-----------------------------------------------------
    nueva.base <- merge(base.mortalidad, base.indicadores,
                        by.x = indicador.x, by.y = indicador.y, 
                        all.x = TRUE, all.y = FALSE)
    
    #Eliminamos la columna de sexo
    nueva.base <- nueva.base %>% select(-c(!!indicador.x))
    
    #Renombramos DESCRIP como Sexo
    nueva.base <- nueva.base %>% rename(!!indicador.x := nombre.y)
    
    return(nueva.base)

}
```

Veamos que funciona con lo que habíamos hecho para `2016`:
```{r}
# 1 Leemos la base
mortalidad.2016 <- read.csv(mi.base)

# 2 Elegimos sólo las variables que nos interesan
mortalidad.2016.editada <- mortalidad.2016 %>%
  select(c("ent_regis", "sexo", "edad", 
           "dia_ocurr", "mes_ocurr", "anio_ocur", "causa_def"))

#Cambiamos los nombres de las variables
colnames(mortalidad.2016.editada) <- c("Entidad", "Sexo", "Edad", 
                                       "Día", "Mes", "Año", "Causa") 

#Aquí cambiamos lo de sexo
mortalidad.2016.editada.v2 <- 
  indicadores.mortalidad(mortalidad.2016.editada, dic.sexo, 
                         "Sexo", "CVE", "DESCRIP")

#Aquí cambiamos lo de causa
mortalidad.2016.editada.v2 <- 
  indicadores.mortalidad(mortalidad.2016.editada.v2, dic.causa, 
                         "Causa", "CVE", "DESCRIP")

#Aquí cambiamos lo de estado
mortalidad.2016.editada.v2 <- 
  indicadores.mortalidad(mortalidad.2016.editada.v2, dic.entidad, 
                         "Entidad", "cve_ent", "nom_loc")

# 4 Filtramos
mortalidad.miocardio <- mortalidad.2016.editada.v2 %>% 
  filter(Causa %in% causas.miocardio) %>%
  count(Sexo, Mes, Entidad)

# 5 Agregaré una columna a la base que se llame año con 2016
mortalidad.miocardio[, "Año"] <- 2016

# Renombraremos la columna n como defunciones
mortalidad.miocardio.2016 <- mortalidad.miocardio %>% 
  rename("Defunciones" = "n")
```

¿Será que podemos abstraer aún más esta función? ¡Por supuesto! Vamos a crear una función que nos permita leer las bases de datos para cada uno de los años de tal manera que podamos hacer el análisis mucho más rápido. 

```{r}
analisis.mortalidad <- function(base, anio, causas){
  
  # 1 Leemos la base
  mortalidad <- read.csv(base)
  
  # 2 Elegimos sólo las variables que nos interesan
  mortalidad <- mortalidad %>%
    select(c("ent_regis", "sexo", "edad", 
             "dia_ocurr", "mes_ocurr", "anio_ocur", "causa_def"))
  
  #Cambiamos los nombres de las variables
  colnames(mortalidad) <- c("Entidad", "Sexo", "Edad", 
                                         "Día", "Mes", "Año", "Causa") 
  
  #Aquí cambiamos lo de sexo
  mortalidad <- 
    indicadores.mortalidad(mortalidad, dic.sexo, 
                           "Sexo", "CVE", "DESCRIP")
  
  #Aquí cambiamos lo de causa
  mortalidad <- 
    indicadores.mortalidad(mortalidad, dic.causa, 
                           "Causa", "CVE", "DESCRIP")
  
  #Aquí cambiamos lo de estado
  mortalidad <- 
    indicadores.mortalidad(mortalidad, dic.entidad, 
                           "Entidad", "cve_ent", "nom_loc")
  
  # 4 Filtramos
  mortalidad.causas <- mortalidad %>% 
    filter(Causa %in% !!causas) %>%
    count(Sexo, Mes, Entidad, Día)
  
  # 5 Agregaré una columna a la base que se llame año con 2016
  mortalidad.causas[, "Año"] <- anio
  
  # Renombraremos la columna n como defunciones
  mortalidad.causas <- mortalidad.causas %>% 
    rename("Defunciones" = "n")

  return(mortalidad.causas)
}
```

```{r, eval = TRUE}
datos.2016 <- "conjunto_de_datos_defunciones_generales_2016.CSV"
```

```{r, echo = FALSE}
datos.2016 <- paste0(filedir, datos.2016)
```

Veamos que sí sirve:
```{r}
base.2016 <- analisis.mortalidad(datos.2016, 2016, causas.miocardio)
```

Podemos, fácilmente, hacer los análisis para el resto de los años usando estas funciones:
```{r}
datos.2017 <- "conjunto_de_datos_defunciones_generales_2017.CSV"
datos.2015 <- "conjunto_de_datos_defunciones_generales_2015.CSV"
datos.2014 <- "conjunto_de_datos_defunciones_generales_2014.CSV"
datos.2013 <- "conjunto_de_datos_defunciones_generales_2013.CSV"
datos.2012 <- "conjunto_de_datos_defunciones_generales_2012.CSV"
```

```{r, echo = FALSE}
datos.2017 <- paste0(filedir, datos.2017)
datos.2015 <- paste0(filedir, datos.2015)
datos.2014 <- paste0(filedir, datos.2014)
datos.2013 <- paste0(filedir, datos.2013)
datos.2012 <- paste0(filedir, datos.2012)
```

```{r}
base.2017 <- analisis.mortalidad(datos.2017, 2017,
                                 causas.miocardio)
base.2015 <- analisis.mortalidad(datos.2015, 2015,
                                 causas.miocardio)
base.2014 <- analisis.mortalidad(datos.2014, 2014,
                                 causas.miocardio)
base.2013 <- analisis.mortalidad(datos.2013, 2013,
                                 causas.miocardio)
base.2012 <- analisis.mortalidad(datos.2012, 2012,
                                 causas.miocardio)
```

Finalmente, podemos juntar todos los datos en una sola base que contenga todos los años usando `bind_rows`:
```{r}
mortalidad <- base.2017 %>% 
   bind_rows(base.2016) %>% 
   bind_rows(base.2015) %>% 
   bind_rows(base.2014) %>%
   bind_rows(base.2013) %>%
   bind_rows(base.2012)
```

Sobre esta base, podemos hacer mas análisis, por ejemplo, analizar las muertes totales por año:
```{r, eval = FALSE}
mortalidad %>% 
  group_by(Año) %>% 
  summarise(Defunciones = sum(Defunciones))
```

O bien graficar la evolución de las muertes totales por año, mes y sexo. Para ello usaremos pegamos la fecha y usamos `as.Date`:
```{r}
#Eliminamos los registros que no tienen fecha
mortalidad.con.fecha <- mortalidad %>% 
  filter(Mes < 13 & Día < 32)

#Hacemos que R sepa que estamos hablando de una fecha
mortalidad.con.fecha$Fecha <-as.Date(paste(mortalidad.con.fecha$Año, 
                                        mortalidad.con.fecha$Mes, 
                                        mortalidad.con.fecha$Día, 
                                        sep = "-"))

#Eliminamos aquellos que quedaron sin fecha
mortalidad.con.fecha <- mortalidad.con.fecha %>%
  filter(!is.na(Fecha))

#Creamos la base agrupada por fecha y sexo
mortalidad.plot <- mortalidad.con.fecha %>% 
  group_by(Sexo, Fecha) %>%
  summarise(Defunciones = sum(Defunciones))

#Graficamos
ggplot(mortalidad.plot) + 
  geom_point(aes(x = Fecha, y = Defunciones, color = Sexo)) +
  theme_linedraw() +
  theme(plot.background = element_rect(fill = "#fffff8"),
        panel.background = element_rect(fill = "#fffff8"),
        legend.background = element_rect(fill = "#fffff8")) +
  ggtitle("Defunciones por infarto al miocardio en México (INEGI)")
```

O ajustar un modelo `Loess` que nos describa la mortalidad por mes y año gráficamente:
```{r}
#Eliminaremos a las personas de `Sexo no especificado` pues no
#es fácil describirlas (pocas mediciones relativamente):

#Creamos la base agrupada por fecha y sexo sin no especificado
mortalidad.plot <- mortalidad.plot %>% 
  filter(Sexo != "Sexo no especificado")

#Agregamos el loess
ggplot(mortalidad.plot) +
  geom_point(aes(x = Fecha, y = Defunciones, color = Sexo), 
              alpha = 0.1) +
  geom_smooth(aes(x = Fecha, y = Defunciones, color = Sexo), 
              method = "loess", span = 0.1, 
              method.args = list(degree = 1)) + 
  ggtitle("Defunciones de infarto miocardio ajustadas") +
  theme_linedraw() +
  theme(plot.background   = element_rect(fill = "#fffff8"),
        panel.background  = element_rect(fill = "#fffff8"),
        legend.background = element_rect(fill = "#fffff8"))
```

Finalmente, podemos utilizar la función `summarise` para obtener estadísticas descriptivas como pueden ser la media `mean`, varianza `var`, cuantiles `quantile`, mínimo `min`, máximo `max`, mediana `median` de defunciones por año y sexo:
```{r}
#Generamos la base de datos
resumen.mortalidad <- 
        mortalidad.con.fecha %>% 
          group_by(Año, Sexo) %>% 
          summarise(Promedio  = mean(Defunciones), 
                    Varianza  = var(Defunciones),
                    Cuantil75 = quantile(Defunciones, 0.75),
                    Mínimo    = min(Defunciones),
                    Máximo    = max(Defunciones),
                    Mediana   = median(Defunciones))
```

Así obtenemos la siguiente tabla:

```{r, echo = FALSE}
kable(resumen.mortalidad)
```

Finalmente guardamos la base de datos ya sea en un `RDS` (formato de base de datos de `R`) ó en un `csv` para leerlo con nuestro programa favorito (Excel, Stata, SPSS, etc).

```{r, eval = TRUE}
#Lee con readRDS
saveRDS(mortalidad.con.fecha, 
        file = "MortalidadMiocardio.rds" )

#Lee con Excel
write.csv(mortalidad.con.fecha,
          file = "MortalidadMiocardio.csv")
```

## Ejercicio
Describe la mortalidad por tus causas favoritas (NO enfermedad miocardio, _ej_ `diabetes`, `cólera`, `tumor`) en México durante los años 2012 a 2017 y realiza una gráfica de la evolución de la enfermedad por sexo y por estado. ¿Qué puedes concluir? ¿Cuál es el mínimo mensual por sexo?¿Y la varianza por estado? ¿Cómo se ven los cuartiles `quartiles` por año? ¿En qué entidad federativa hubo la mayor cantidad de defunciones por dicha causa en el periodo `2013-2016`?