03_nombres.Rmd

---
title: "Ejercicios"
author: "nombre"
date: "2024-08-01"
output: html_document
---

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

library(dplyr)
library(ggplot2)
```


```{r carga-datos}
nombres <- datos::nombres
```

1. Calculá cuantos bebés de cada sexo fueron llamados "Mary" o "Kerry". 

```{r}
nombres %>% 
  filter(nombre %in% c("Mary", "Kerry")) %>% 
  group_by(sexo, nombre) %>% 
  summarise(cantidad = sum(n)) %>% 
  arrange(nombre)
```


2. Calculá la cantidad de bebés de cada sexo llamado "Mary" para cada año y hacé un gráfico donde el eje x sea el año, el eje y la cantidad de nacidos y haya una linea de color distinto para cada sexo.


```{r}
nombres %>% 
  filter(nombre %in% "Mary") %>% 
  group_by(nombre, anio, sexo) %>%
  summarise(cantidad = sum(n)) %>% 
  ggplot(aes(anio, cantidad)) +
  geom_line(aes(color = sexo))
```

3. Repetí el gráfico anterior para el nombre "Kerry".

```{r}
nombres %>% 
  filter(nombre == "Kerry") %>% 
  group_by(nombre, anio, sexo) %>%
  summarise(cantidad = sum(n)) %>% 
  ggplot(aes(anio, cantidad)) +
  geom_line(aes(color = sexo))
```


4. ¿Cuál fue la proporción máxima para cada sexo en cada año? Hacé un gráfico mostrando la evolución de eta variable. (podés calcular el máximo con `max(prop)`)

```{r}
nombres %>%
  group_by(anio, sexo) %>% 
  summarise(max_prop = max(prop)) %>% 
  ggplot(aes(anio, max_prop)) +
  geom_line(aes(colour = sexo))
```