#Instalar el modulo moments
#install.packages("moments")
#install.packages("corrplot")

library(moments)
library(corrplot)


#ADECUACIÓN DE LOS DATOS

#Leer los datos sin cabecera y tratándolos como caracteres
aux = read.csv2("data.csv", header = FALSE, colClasses = "character", sep = ",")

#Seleccionar sólo las filas y columnas que nos interesan
aux1 = aux[2:5,5:24]

#Se cambian los valores iguales a ".." por NA
aux1[aux1==".."] = NA

#Se agregan los nombres de las columnas
colnames(aux1) = c(1998:2017)

#Se convierten todos los valores a numéricos
aux1[] <- lapply(aux1, function(x) as.numeric(as.character(x)))

#Cambiar filas por columnas
data <- as.data.frame(t(aux1))

#Asignar nombres a las nuevas columnas
colnames(data) = c("educacion","defensa","salud","investigacion")
#lapply(data, class)


#BIBLIOTECA NATIVA DE R


#Matriz de correlación
Mcor = cor(na.omit(data))

#Matriz de covarianza
Mcov = cov(na.omit(data))

#Graficar las matrices de correlación y de varianza
corrplot(Mcor, method = "circle")
#corrplot(Mcov, method = "circle")



#BIBLIOTECA DE MOMENTOS

#Convertir el data frame en una matriz
library(ggplot2)
dataMatrix = data.matrix(data, rownames.force = NA)

skewness(na.omit(dataMatrix))
kurtosis(na.omit(dataMatrix))
#No sirve
#qplot(na.omit(dataMatrix), geom = 'histogram', binwidth = 2) + xlab('Time')


#CÁLCULO MANUAL DE LAS MATRICES

#Hallar las medias de cada variable
Mmedias = colMeans(na.omit(data))

#Crear una matriz con los datos
M = data.matrix(data, rownames.force = NA)

#Hallar la matriz de diferencia
for ( i in 1:nrow(M)){
   for ( j in 1:ncol(M)){
      D[i,j] = na.omit(M[i,j]) - Mmedias[j]
   }
}