---
title: "Racismo"
author: "Jorge Moreno"
date: "2024-01-11"
output: pdf_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

```{r}
library(readxl)
library(ggplot2)
library(plotly)
library(dplyr)

detenidos=read_excel("D:/Descargas/DATABASES/detenidos.xlsx")
robos=read_excel("D:/Descargas/DATABASES/robos.xlsx")
goneppl=read_excel("D:/Descargas/DATABASES/goneppl.xlsx")

#Eliminar edades sin dato para que no estorben
detenidos2=detenidos[detenidos$edad!="SIN DATO",]
#El libro solo habla de clasificación en 2 categorías, así que sorry intersexuales
detenidos2=detenidos2[detenidos2$sexo!="INTERSEXUAL",]

detenidos2=detenidos2[,c(5,6,10)]

detenidos2$sexo<-as.factor(detenidos2$sexo)
detenidos2$edad=as.numeric(detenidos2$edad)
detenidos2$numero_detenciones=as.numeric(detenidos2$numero_detenciones)

#ggplot(data=detenidos,aes(edad,numero_detenciones,color=sexo))+geom_point()+theme_classic()


Hombres=filter(detenidos2,sexo=="HOMBRE")
Mujeres=filter(detenidos2,sexo=="MUJER")

mediaH=apply(Hombres[,-2],2,mean)
mediaM=apply(Mujeres[,-2],2,mean)

covH=cov(Hombres[,-2])
covM=cov(Mujeres[,-2])

nH=length(Hombres)
nM=length(Mujeres)

spooled=(((nH-1)/(nH+nM-2))*covH)+(((nM-1)/(nH+nM-2))*covM)
spooled
spooledinv<-solve(spooled)
spooledinv

haty<-(mediaH-mediaM)%*%spooledinv
haty

bary1<-(haty)%*%mediaH
bary1

bary2<-(haty)%*%mediaM
bary2

x<-c(bary1,bary2)
meany<-mean(x)
meany

clas=function(group,vector,crit){
  data=as.matrix(group[,c(1,3)])
  n=length(data[,1])
  v=matrix(c(rep(vector[1], n), rep(vector[2], n)), nrow = 2,byrow=T)
  critval=diag(data%*%v)
  critval2=critval>crit
  return(critval2)
  #TRUE significa va a la población 1. FALSE A LA 2
}

#Selección de muestra para clasificar:
HombresMuestra=Hombres[sample(100),]

MujeresMuestra=Mujeres[sample(100),]

muestra=rbind(HombresMuestra,MujeresMuestra)

for (i in 1:nrow(muestra)){
  verdad=clas(muestra[i,],haty,meany)
  if(verdad){
    muestra[i,2]="HOMBRE"
  } else{
    muestra[i,2]="MUJER"
  }
}

ggplot(data=muestra,aes(edad,numero_detenciones,color=sexo))+geom_point()+theme_classic()
```

El comportamiento discriminante probablemente se debe a que los hombres suelen ser más sospechosos al momento de detener a una persona, además de ser más propensos a cometer actos delictivos, lo que lleva a un mayor número de detenciones que las mujeres.

# Conglomerados

Se ha decidido agrupar a las provincias por el número de detenidos que lleven armas. Por ello, dos provincias serán más parecidas mientras menor sea el valor absoluto de la diferencia del número de individuos que lleven armas.

```{r}
#Clusters

#Eliminar detenciones en mar territorial, pues no son de una provincia:
detenidos3=detenidos[detenidos$nombre_provincia!="MAR TERRITORIAL",]
#Conservar solo observaciones que usen armas:
detenidos3=detenidos3[detenidos3$tipo_arma!="NINGUNA",]

detProv=table(detenidos3$nombre_provincia)
names(detProv)=c("AZU","BOL","CAÑ","CAR","CHI","COT","ORO","ESM","GAL","GUA","IMB","LOJ","RIO","MAN","MOR","NAP","ORE","PAS","PIC","SEL","SDO","SUC","TUN","ZAM")

matrizR=matrix(0,nrow=length(detProv),ncol=length(detProv),dimnames=list(names(detProv),names(detProv)))

for (i in 1:length(detProv)) {
  for (j in 1:length(detProv)) {
    matrizR[i,j]=abs(detProv[i]- detProv[j])
  }
}
matrizRE=scale(matrizR)
distR=as.dist(matrizRE)
clusterado=hclust(distR,method="complete")

plot(clusterado,hang=0.5,main="Provincias por peligro",xlab="Provincias",ylab="Distancia")
rect.hclust(clusterado, k = 5, border = "red")
```

A continuación, se agrupan distritos de Guayaquil de acuerdo a los robos a unidades económicas. Dos distritos son más parecidos mientras menor sea la diferencia entre sus cantidades de robos a unidades económicas.

```{r}
#Cluster robos

#Conservar solo observaciones de robos a unidades económicas:
robos2=robos[robos$`Subtipo de Incidente`=="Robo a unidades económicas",]

robDist=table(robos2$Distrito)

matrizR2=matrix(0,nrow=length(robDist),ncol=length(robDist),dimnames=list(names(robDist),names(robDist)))

for (i in 1:length(robDist)) {
  for (j in 1:length(robDist)) {
    matrizR2[i,j]=abs(robDist[i]-robDist[j])
  }
}

matrizRE2=scale(matrizR2)
distR2=as.dist(matrizRE2)
clusterado2=hclust(distR2,method="average")

plot(clusterado2,hang=0.5,main="Distritos más peligrosos para negocios",xlab="Distritos",ylab="Distancia")
rect.hclust(clusterado, k = 4, border = "blue")
```

Para los desaparecidos, se agrupará los mese de acuerdo al número de personas encontradas. Se considera que dos meses son similares mientras menor sea la diferencia entre sus cantidades de personas encontradas.


```{r}
#cluster goneppl

#Quitar motivos sin dato
goneppl2=goneppl[goneppl$`Motivo Desaparción`!="SIN _DATO",]

#Conservar solo los encontrados:
goneppl2=goneppl2[goneppl2$`Situación Actual`=="ENCONTRADO",]

gonemotif=table(goneppl2$`Motivo Desaparción`)
names(gonemotif)=c("Discapacidades","Extravío","Detención","Perdido","Prob. Econ.","Prob. Acad.","Prob. Fam.","Prob. Psic.","Prob. Soc.")

matrizR3=matrix(0,nrow=length(gonemotif),ncol=length(gonemotif),dimnames=list(names(gonemotif),names(gonemotif)))

for (i in 1:length(gonemotif)) {
  for (j in 1:length(gonemotif)) {
    matrizR3[i,j]=abs(gonemotif[i]-gonemotif[j])
  }
}

matrizRE3=scale(matrizR3)
distR3=as.dist(matrizRE3)
clusterado3=hclust(distR3,method="complete")

plot(clusterado3,hang=0.5,main="Motivos con los que más se encuentra al desaparecido",xlab="Motivos",ylab="Distancia")
rect.hclust(clusterado, k = 4, border = "green")
```