Recently Published
Ciclo I: Tasa Total de Matrícula 2023
La Tasa Total de Matrícula del Ciclo I refleja el porcentaje de niñas y niños matriculados en el nivel inicial, sin distinguir si cuentan o no con la edad normativa para el ciclo. Este indicador permite observar la demanda real del servicio educativo, mostrando cuántas familias buscan incorporar a sus hijos en programas de atención temprana.
Plot
tarea aca1
Plot
camelina circular cluster SSR
Ciclo I: Tasa Neta de Matrícula 2023
La Tasa Neta de Matrícula del Ciclo I permite identificar qué proporción de niñas y niños en la edad normativa accede efectivamente al nivel inicial. Este indicador es fundamental para evaluar el grado de oportunidad en el ingreso, ya que revela cuántos estudiantes comienzan su trayectoria educativa a tiempo.
Government Funding Analysis_full_code
This project applied exploratory data analysis and visualization techniques to investigate whether federal IIJA funding distribution reveals political bias by examining total funding, per capita allocation, and population-funding ratios across all 50 states. Using dumbbell plots, diverging bar charts, choropleth maps, and scatter plots, the analysis layers multiple perspectives to guide the viewer through a data-driven narrative — from broad national patterns to state-level exceptions. The visualizations demonstrated that per capita funding favors smaller, predominantly Red states, suggesting that formula-based allocation and infrastructure need outweigh political affiliation in determining federal funding distribution.
Radiografía de la marginación: Análisis de Mier y Noriega, NL (Censo 2020)
Radiografía de la marginación en Mier y Noriega, NL. Un estudio detallado sobre rezago educativo, analfabetismo y falta de servicios básicos (agua, drenaje e internet) en una de las zonas con mayor vulnerabilidad del estado.
Hertzsprung-Russell Diagram (N=96)
library(dslabs)
library(ggplot2)
library(scales)
data(stars)
stars$lum <- 10^((4.83 - stars$magnitude) / (100^0.2))
base <- ggplot(stars, aes(x = temp, y = lum, color = temp, size = lum)) +
scale_x_log10(trans = "reverse") +
scale_y_log10(labels = trans_format("log10", math_format(10^.x)))
grafico <- base + geom_point(alpha = 1) +
scale_color_gradientn(
colors = c("#FF0000", "#FF7F00", "#FFFF00", "#FFFFFF", "#0000FF"),
values = rescale(c(2500, 4000, 6000, 10000, 33600))
) + labs(x = "Temperatura (K)", y = "Luminosidad (solar)") + theme_dark()
grafico