import numpy as np #Normal random devuelve una distribución gausiana normal. '''En normal el primer parámetro es la media de los valores, el segundo es la desviación estandar o ancho de la distribución, y el tercero es el tamaño del vector.''' vector = np.random.normal(0.0,1.0,100) print(vector)

#Cargamos los vectores Et que contienen los valores aleatorios vectEt1 = np.random.normal(0.0,1.0,100) vectEt2 = np.random.normal(0.0,1.0,100) #Creamos los vectores, en este caso, vacios vectorX1= np.zeros([100,1]) vectorX2= np.zeros([100,1]) #Solo el primer valor de cada vector es cero vectorX1[0],vectorX2[0] = 0,0 #Se realiza la fórmula for i in range(1,100): vectorX1[i] = 0.5 * vectorX1[i-1] + vectEt1[i] vectorX2[i] = 0.8 * vectorX2[i-1] + vectEt2[i] #Se procede a imprimir los vectores para verificar que hayan salido bien print("Vector X1") print(vectorX1) print("Vector X2") print(vectorX2)

#De manera semejante al anterior, se hace el mismo procedimiento vectVt = np.random.normal(0.0,1.0,100) vectorY= np.zeros([100,1]) for i in range(0,100): vectorY[i] = 2 * vectorX1[i] + 3 * vectorX2[i] + vectVt[i] print(vectorY)

#Concatenamos los 2 vectores en una matriz de 100x2 xtrain = np.concatenate((vectorX1,vectorX2),axis=1) ytrain= vectorY def ols_estimator(X, y): #Se añade a la matriz xtrain una columna con numero uno. X = np.c_[X,np.ones(X.shape[0])] #Se realiza la multiplicación de matrices #Debido a la forma de xtrain, no es necesario sacar su matriz transversal w = np.linalg.lstsq(X,y,rcond=None)[0] #retorna un vector con los valores del intercepto y coeficientes b de la ecuación return w b = ols_estimator(xtrain,ytrain) print(f"Los coeficientes b de la ecuacion 'y = Xb + v' son {b[0]} y {b[1]}")

from sklearn.model_selection import train_test_split #Se dividen en datos de entrenamiento y prueba, solo el 20% de la información será de prueba X_train, X_test, y_train, y_test = train_test_split(xtrain, ytrain, test_size=0.2) import sklearn.linear_model #Se realiza el modelo de regresión regresion = sklearn.linear_model.LinearRegression() regresion.fit(X_train, y_train) #Se realiza la predicción, aunque en este caso es más relevante los coeficientes Y_pred_multiple = regresion.predict(X_test) #Se imprimen los coeficientes de la ecuación de cada variable X print(f"Los coeficientes b de la ecuacion 'y = Xb + v' son {regresion.coef_}")

import pandas as pd import os #Se procede a extraer los nombres de cada archivo dataset. file = [f for f in os.listdir('./content/')] file

#Se revisa desde donde empiezan los dataset file[1]

#En la variable frame, se guardan los dataset usando sus nombres #frame = pd.read_csv('./content/'+file[1],sep=',') #frame['YEAR'] = int(file[1][-8:-4]) #En este bucle se guardan los dataset en uno solo, en este caso dentro de frame #for i in file[2:8]: # aux = pd.read_table('./content/'+i,sep=',') #aux['YEAR'] = i[-8:-4] #frame = frame.append(aux) #print(frame) #En la variable frame, se guardan la dataset del primer archivo usando sus nombres frame = pd.read_csv('./content/'+file[0],sep=',') # Se agrega una nueva columna AÑO, que contiene el año en string frame['YEAR'] = int(file[0][-8:-4]) #En este bucle se guardan los dataset en del segundo a ultimo valor, en este caso dentro de frame for i in file[1:7]: aux = pd.read_table('./content/'+i,sep=',') aux['YEAR'] = i[-8:-4] #Añade al dataframe frame = frame.append(aux) #Imprime el frame print(frame)

#Se repara en la variable dat, los atributos del dataset que se van a usar dat = frame[['RESIDENCIA','SEXO','YEAR','CANTIDAD']] #Se usa un filtro para tener solo las personas de residencia extranjera dat = dat[dat['RESIDENCIA']=='Extranjero'] #filtro para tener solo varones dat_masc = dat[dat['SEXO']=='Hombre'] #filtro para los años 2018 y 2019 dat_masc_2018 = dat_masc[dat_masc['YEAR']== 2018] dat_masc_2019 = dat_masc[dat_masc['YEAR']== 2019] #Se concatenan los dos filtros en uno solo dat_masc_2018_2019 = pd.concat([dat_masc_2018,dat_masc_2019])

#Se cambia el tipo de dato, debido a que su dataset origen era de puros caracteres. dat_masc_2018_2019['CANTIDAD'] = dat_masc_2018_2019['CANTIDAD'].astype(int) sum(dat_masc_2018_2019['CANTIDAD'])

#Se cambian los datos a enteros, como se explicó anteriormente frame['YEAR'] = frame['YEAR'].astype(int) frame['EDAD'] = frame['EDAD'].astype(int) frame['CANTIDAD'] = frame['CANTIDAD'].astype(int) #Se escogen los atributos a utilizar data2 = frame[['DEPARTAMENTO','SEXO','YEAR','EDAD','CANTIDAD']] #Se realizan los filtros data_areq = data2[data2['DEPARTAMENTO']=='Arequipa'] data_areq_women = data_areq[data_areq['SEXO']=='Mujer'] data_areq_women = data_areq_women[data_areq_women['YEAR'] <= 2018] data_areq_women = data_areq_women[data_areq_women['YEAR'] >= 2016] data_areq_young_women = data_areq_women[data_areq_women['EDAD']>=10] data_areq_young_women = data_areq_women[data_areq_women['EDAD']<=19] #Se suman la cantidad de mujeres de arequipa women_areq = sum(data_areq_women['CANTIDAD']) #Se suman la cant. de mujeres jóvenes de arequipa teenagers_areq = sum(data_areq_young_women['CANTIDAD']) print(f"% de adolecentes mujeres en arequipa en relacion a cant. de mujeres: {teenagers_areq/women_areq*100}%")

data_adults = frame[['YEAR','EDAD','CANTIDAD']] data_major_adults = data_adults[data_adults['EDAD'] >= 60] #se crea un nuevo atributo multiplicando los atributos edad y cantidad data_major_adults['EDAD_POR_CANTIDAD'] = data_major_adults['EDAD']*data_major_adults['CANTIDAD'] #Se agrupa la info por año. adults_group = data_major_adults.groupby(['YEAR'],as_index=False).sum() #se crea un nuevo atributo dividiento edad por cantidad, entre cantidad adults_group['PROM_EDAD'] = adults_group['EDAD_POR_CANTIDAD']/adults_group['CANTIDAD'] #Se ordena de acuerdo al mayor promedio de edad adults_group.sort_values(by=['PROM_EDAD'],inplace=True, ascending=False) print(adults_group[['YEAR','PROM_EDAD']])

#Se reutiliza el procedimiento anterior, usando los siguientes datos data4 = frame[['SEXO','EDAD','CANTIDAD','PROVINCIA']] males = data4[data4['SEXO'] == 'Hombre'] males['EDAD_POR_CANTIDAD'] = males['EDAD']*males['CANTIDAD'] males_group = males.groupby(['PROVINCIA'],as_index=False).sum() males_group['PROM_EDAD'] = males_group['EDAD_POR_CANTIDAD']/males_group['CANTIDAD'] males_group.sort_values(by=['PROM_EDAD'],inplace=True, ascending=False) males_group[['PROVINCIA','PROM_EDAD']].head()

#Se reutiliza el procedimiento anterior, usando los siguientes datos females = data4[data4['SEXO'] == 'Mujer'] females['EDAD_POR_CANTIDAD'] = females['EDAD']*females['CANTIDAD'] females_group = females.groupby(['PROVINCIA'],as_index=False).sum() females_group['PROM_EDAD'] = females_group['EDAD_POR_CANTIDAD']/females_group['CANTIDAD'] females_group.sort_values(by=['PROM_EDAD'],inplace=True, ascending=False) females_group[['PROVINCIA','PROM_EDAD']].head()

import seaborn as sns import matplotlib.pyplot as plt #En una variable se agrupan por sexo y se ordenan de acuerdo a promedios. data_adults = frame[['SEXO','EDAD']] groups_adults = data_adults.groupby(['SEXO'],as_index=False).mean() groups_adults.sort_values(by=['EDAD'],inplace=True, ascending=False) groups_adults

plt.figure(figsize=(13, 13)) sns.boxplot(x='SEXO',y='EDAD',data=frame,palette='flare')

#Histograma filtrando el sexo como Mujer framefemale = frame[frame['SEXO']=='Mujer'] framefemale['EDAD'].hist(color='plum',bins=30,figsize=(10,5))

#Histograma filtrando el sexo como Hombre framemale = frame[frame['SEXO']=='Hombre'] framemale['EDAD'].hist(color='sandybrown',bins=30,figsize=(10,5))

from scipy import stats adults = frame[['SEXO','EDAD']] group_adult = adults.groupby('SEXO') anova = stats.f_oneway(group_adult.get_group('Hombre')['EDAD'],group_adult.get_group('Mujer')['EDAD']) anova