In RichDeto/EPP: Evaluation of Proximity Programs

knitr::opts_chunk$set(echo = FALSE)
require(EPP); library(ggplot2)
pop <- pop_epp # Inlcuye aqui tu data.frame con información de la población a cubrir.
var_of_weight <- "ICC" # Nombre de la variable usada como "weight".
## Incluye aquí otros parametros que ajusten a tu caso
# m = 5 # Numero total de iteraciones.
# l = 4 # Numero total de iteraciones con el tamaño de grupo de g1.
# g1 = 5 # Tamaño de los grupos para las primeras l iteraciones.
# g2 = g1 * 0.5 # Tamaño de los grupos para las últimas m-l iteraciones.
# d1 = 1000 # Rango de distancia de los servicios para las primeras iteraciones.
# d2 = d1 * 2 # Segundo rango de distancias de atención de los servicios.
crs <- sp::CRS("+init=epsg:32721") # Sistema de Coordenadas de Referencia (CRS).

Inputs

Este reporte presenta la evaluación de cobertura por proximidad de r nrow(pop) individuos que presentan una media de r var_of_weight equivalente a r mean(pop$weight).

Outputs

set.seed(1)
proy <- eppproy(pop = pop, crs = crs)

La población que no pudo ser cubierta corresponde a r nrow(proy$unassigned) casos, con una media de r var_of_weight equivalente a r mean(proy$unassigned$weight).

Por su parte la población asignada a los nuevos centros fue de r nrow(proy$assigned_clusters) casos, con una media de r var_of_weight equivalente a r mean(proy$assigned_clusters$weight).

ggplot(proy$assigned_clusters, aes(x = id, y = weight, color = round)) + 
    geom_point(size = 6)

Desde el punto de los nuevos centros, este procesamiento sugiere ubicaciones para r nrow(proy$centros_clusters).

ggplot(proy$assigned_clusters, aes(x = id, y = cubre)) + 
    geom_bar(stat = "identity")

Para Visualizar los resultados, aquí está el mapa.

leafepp(proy, t = "proy", crs = sp::CRS("+init=epsg:32721"))

Bibliography

# crea un archivo bib con todos los paquetes usados en este documento
knitr::write_bib(c('base', 'rmarkdown', 'EPP'), file = 'reference.bib')

RichDeto/EPP documentation built on May 5, 2022, 10:23 p.m.