Librerías necesarias

library(COVID19)
## Warning: package 'COVID19' was built under R version 4.0.2
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.0.2
datos=covid19(country='US',level=2)
## We have invested a lot of time and effort in creating COVID-19 Data Hub, please cite the following when using it:
## 
##   Guidotti, E., Ardia, D., (2020), "COVID-19 Data Hub", Journal of Open
##   Source Software 5(51):2376, doi: 10.21105/joss.02376.
## 
## A BibTeX entry for LaTeX users is
## 
##   @Article{,
##     title = {COVID-19 Data Hub},
##     year = {2020},
##     doi = {10.21105/joss.02376},
##     author = {Emanuele Guidotti and David Ardia},
##     journal = {Journal of Open Source Software},
##     volume = {5},
##     number = {51},
##     pages = {2376},
##   }
## 
## To retrieve citation and metadata of the data sources see ?covid19cite. To hide this message use 'verbose = FALSE'.
library(fdth)
## 
## Attaching package: 'fdth'
## The following objects are masked from 'package:stats':
## 
##     sd, var
library(psych)
## Warning: package 'psych' was built under R version 4.0.2
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
library(corrplot)
## Warning: package 'corrplot' was built under R version 4.0.2
## corrplot 0.84 loaded

Variables Cuantitativas

tests=datos$tests

confirmados=datos$confirmed

recuperados=datos$recovered

muertes=datos$deaths

ESTADISTICA DESCRIPTIVA UNIVARIANTE Gráfica acumulada de los tests realizados de COVID-19 en USA

ggplot(datos, aes(x=date, y=tests))+geom_line(linetype=1,color='blue')+ ggtitle('Tests COVID-19 US')

Gráficas acumuladas de casos COVID-19 en USA

ggplot(datos, aes(x=date, y=confirmados))+geom_line(linetype=1, color='red')+ ggtitle('Casos confirmados COVID-19 en US')

ggplot(datos, aes(x=date, y=recuperados))+geom_line(linetype=1,color='green')+ ggtitle('Casos recuperados COVID-19 en US')

ggplot(datos, aes(x=date, y=muertes))+geom_line(linetype=1,color='black') + ggtitle('Muertes COVID-19 en US')

Tablas de frecuencia

(dis_frecc=fdt(tests,breaks="Sturges"))
##               Class limits    f   rf rf(%)    cf  cf(%)
##            [0,491302.9187) 9633 0.88 88.21  9633  88.21
##  [491302.9187,982605.8373)  752 0.07  6.89 10385  95.10
##  [982605.8373,1473908.756)  250 0.02  2.29 10635  97.39
##  [1473908.756,1965211.675)   99 0.01  0.91 10734  98.30
##  [1965211.675,2456514.593)   50 0.00  0.46 10784  98.75
##  [2456514.593,2947817.512)   35 0.00  0.32 10819  99.08
##  [2947817.512,3439120.431)   30 0.00  0.27 10849  99.35
##  [3439120.431,3930423.349)   14 0.00  0.13 10863  99.48
##  [3930423.349,4421726.268)   13 0.00  0.12 10876  99.60
##  [4421726.268,4913029.187)   12 0.00  0.11 10888  99.71
##  [4913029.187,5404332.105)   12 0.00  0.11 10900  99.82
##  [5404332.105,5895635.024)    8 0.00  0.07 10908  99.89
##  [5895635.024,6386937.943)    4 0.00  0.04 10912  99.93
##  [6386937.943,6878240.861)    4 0.00  0.04 10916  99.96
##   [6878240.861,7369543.78)    4 0.00  0.04 10920 100.00
(dis_frec=fdt(confirmados,breaks="Sturges"))
##           Class limits    f   rf rf(%)    cf  cf(%)
##          [0,31010.367) 9030 0.83 82.69  9030  82.69
##  [31010.367,62020.733)  906 0.08  8.30  9936  90.99
##    [62020.733,93031.1)  403 0.04  3.69 10339  94.68
##    [93031.1,124041.47)  184 0.02  1.68 10523  96.36
##  [124041.47,155051.83)  103 0.01  0.94 10626  97.31
##   [155051.83,186062.2)  105 0.01  0.96 10731  98.27
##   [186062.2,217072.57)   17 0.00  0.16 10748  98.42
##  [217072.57,248082.93)   15 0.00  0.14 10763  98.56
##   [248082.93,279093.3)   15 0.00  0.14 10778  98.70
##   [279093.3,310103.67)   16 0.00  0.15 10794  98.85
##  [310103.67,341114.03)   22 0.00  0.20 10816  99.05
##   [341114.03,372124.4)   29 0.00  0.27 10845  99.31
##   [372124.4,403134.77)   52 0.00  0.48 10897  99.79
##  [403134.77,434145.13)   19 0.00  0.17 10916  99.96
##   [434145.13,465155.5)    4 0.00  0.04 10920 100.00
(dis_frecu=fdt(recuperados,breaks="Sturges"))
##             Class limits    f   rf rf(%)    cf  cf(%)
##            [0,15426.538) 9781 0.90 89.57  9781  89.57
##    [15426.538,30853.076)  530 0.05  4.85 10311  94.42
##    [30853.076,46279.614)  239 0.02  2.19 10550  96.61
##    [46279.614,61706.152)  144 0.01  1.32 10694  97.93
##     [61706.152,77132.69)  120 0.01  1.10 10814  99.03
##     [77132.69,92559.228)   48 0.00  0.44 10862  99.47
##   [92559.228,107985.766)   37 0.00  0.34 10899  99.81
##  [107985.766,123412.304)    4 0.00  0.04 10903  99.84
##  [123412.304,138838.842)    3 0.00  0.03 10906  99.87
##   [138838.842,154265.38)    2 0.00  0.02 10908  99.89
##   [154265.38,169691.918)    3 0.00  0.03 10911  99.92
##  [169691.918,185118.456)    2 0.00  0.02 10913  99.94
##  [185118.456,200544.994)    2 0.00  0.02 10915  99.95
##  [200544.994,215971.532)    2 0.00  0.02 10917  99.97
##   [215971.532,231398.07)    3 0.00  0.03 10920 100.00
(dis_frecuc=fdt(muertes,breaks="Sturges"))
##           Class limits    f   rf rf(%)    cf  cf(%)
##          [0,1691.2113) 9521 0.87 87.19  9521  87.19
##  [1691.2113,3382.4227)  617 0.06  5.65 10138  92.84
##   [3382.4227,5073.634)  236 0.02  2.16 10374  95.00
##   [5073.634,6764.8453)  210 0.02  1.92 10584  96.92
##  [6764.8453,8456.0567)  139 0.01  1.27 10723  98.20
##  [8456.0567,10147.268)   19 0.00  0.17 10742  98.37
##  [10147.268,11838.479)   20 0.00  0.18 10762  98.55
##  [11838.479,13529.691)   25 0.00  0.23 10787  98.78
##  [13529.691,15220.902)   14 0.00  0.13 10801  98.91
##  [15220.902,16912.113)   26 0.00  0.24 10827  99.15
##  [16912.113,18603.325)    5 0.00  0.05 10832  99.19
##  [18603.325,20294.536)    6 0.00  0.05 10838  99.25
##  [20294.536,21985.747)    6 0.00  0.05 10844  99.30
##  [21985.747,23676.959)   15 0.00  0.14 10859  99.44
##   [23676.959,25368.17)   61 0.01  0.56 10920 100.00

Histogramas

hist_test=hist(tests,breaks="Sturges",main = 'Tests COVID-19 en US')

hist_conf=hist(confirmados,breaks="Sturges",main ='Casos Confirmados COVID-19 en US')

hist_recu=hist(recuperados,breaks="Sturges",main ='Casos Recuperados COVID-19 en US')

hist_muerte=hist(muertes,breaks="Sturges",main ='Muertes COVID-19 en US')

Diagramas de caja

boxplot(tests,horizontal = TRUE,col='blue',main = 'Tests COVID-19 en US')

boxplot(confirmados,horizontal = TRUE,col='red',main ='Casos Confirmados COVID-19 en US')

boxplot(recuperados,horizontal = TRUE,col='green',main ='Casos Recuperados COVID-19 en US')

boxplot(muertes,horizontal = TRUE,main ='Muertes COVID-19 en US')

Resumen estadístico de casos COVID-19 en USA

summary(tests)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       0       0   24535  214069  186198 7296578
sd(tests)
## [1] 547043.2
summary(confirmados)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       0       0    1370   20514   16788  460550
sd(confirmados)
## [1] 51674.68
summary(recuperados)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       0       0       0    5464    2372  229107
sd(recuperados)
## [1] 15600.32
summary(muertes)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     0.0     0.0    33.0   940.6   542.0 25117.0
sd(muertes)
## [1] 2784.675

Variables Cualitativas

restricciones=datos$stay_home_restrictions

seguimiento=datos$contact_tracing

cancelacion=datos$cancel_events

Restricciones

'Es necesario indicar que significa cada valor, dado la base:
  0: Sin medidas -
  1: se recomienda no salir de casa - 
  2: se requiere no salir de la casa con excepciones para el ejercicio diario, las compras de comestibles y los viajes "esenciales" - 
  3: Se requiere no salir de la casa con excepciones mínimas (por ejemplo, se permite salir solo una vez pocos días, o solo una persona puede irse a la vez, etc.).'
## [1] "Es necesario indicar que significa cada valor, dado la base:\n  0: Sin medidas -\n  1: se recomienda no salir de casa - \n  2: se requiere no salir de la casa con excepciones para el ejercicio diario, las compras de comestibles y los viajes \"esenciales\" - \n  3: Se requiere no salir de la casa con excepciones mínimas (por ejemplo, se permite salir solo una vez pocos días, o solo una persona puede irse a la vez, etc.)."
tabla_f=as.data.frame(table(restricciones))
(tabla_frec=transform(tabla_f,
          Rel=round((Freq/100),3)))
##   restricciones Freq   Rel
## 1             0 3365 33.65
## 2             2 7555 75.55
barplot(table(restricciones), col = c("lightblue","pink","blue","red"),
        main = "Diagrama de barras de las frecuencias absolutas\n de la variable \"Restricciones(salir de casa)\"")

Seguimiento

'Es necesario indicar que significa cada valor, dado la base :
0: Sin seguimiento de contacto 
1: Seguimiento de contacto limitado, no realizado para todos los casos 
2: Seguimiento de contacto completo, realizado para todos los casos.'
## [1] "Es necesario indicar que significa cada valor, dado la base :\n0: Sin seguimiento de contacto \n1: Seguimiento de contacto limitado, no realizado para todos los casos \n2: Seguimiento de contacto completo, realizado para todos los casos."
tabla_fr=as.data.frame(table(seguimiento))
(tabla_frecu=transform(tabla_fr,
                     Rel=round((Freq/100),3)))
##   seguimiento Freq   Rel
## 1           0 2839 28.39
## 2           1 8081 80.81
barplot(table(seguimiento), col = c("lightblue","blue","red"),
        main = "Diagrama de barras de las frecuencias absolutas\n de la variable \"Seguimiento a contagiados\"")

Cancelación

'Es necesario indicar que significa cada valor, dado la base :
0: sin medidas 
1: se recomienda cancelar 
2: se requiere cancelar.'
## [1] "Es necesario indicar que significa cada valor, dado la base :\n0: sin medidas \n1: se recomienda cancelar \n2: se requiere cancelar."
tabla_fre=as.data.frame(table(cancelacion))
(tabla_frecu=transform(tabla_fre,
                      Rel=round((Freq/100),3)))
##   cancelacion Freq   Rel
## 1           0 2878 28.78
## 2           1  334  3.34
## 3           2 7708 77.08
barplot(table(cancelacion), col = c("lightblue","blue","red"),
        main = "Diagrama de barras de las frecuencias absolutas\n de la variable \"Cancelacion de eventos\"")

ESTADISTICA DESCRIPTIVA MULTIVARIANTE

data_new=data.frame(datos[3:6])

Matriz de correlación

(m_corr=cor(data_new))
##               tests confirmed recovered    deaths
## tests     1.0000000 0.8966076 0.5413541 0.7153335
## confirmed 0.8966076 1.0000000 0.6292888 0.8885646
## recovered 0.5413541 0.6292888 1.0000000 0.5958244
## deaths    0.7153335 0.8885646 0.5958244 1.0000000
corrplot(m_corr)

Matriz de covarianzas y varianzas

(m_cov=cov(data_new))
##                  tests   confirmed  recovered     deaths
## tests     299256244698 25345554727 4619941721 1089694289
## confirmed  25345554727  2670272222  507295762  127861934
## recovered   4619941721   507295762  243369923   25883690
## deaths      1089694289   127861934   25883690    7754413

Diagrama de Dispersión

library(psych)
d2=outlier(data_new,cex=1)#potenciales datos atipicos(Q-Q distancia de mahalanobis vs quantiles)

covid.d2=data.frame(data_new,d2)
(pairs.panels(covid.d2,bg=c("yellow","blue")[(d2>25)+1],pch = 21,stars=TRUE))
## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## NULL

Restricciones y Confirmados

boxplot(confirmados~restricciones)

ggplot(datos, aes(x=restricciones, y=confirmados))+geom_line(linetype=1, color='red')+ ggtitle('Casos confirmados COVID-19 apesar de las restricciones')

Cancelación de eventos y Confirmados

box_factores_c=boxplot(confirmados~cancelacion)

ggplot(datos, aes(x=cancelacion, y=confirmados))+geom_line(linetype=1, color='blue')+ ggtitle('Casos confirmados COVID-19 apesar de cancelaciones a eventos')

Seguimiento a contagiados y Confirmados

box_factores_c=boxplot(confirmados~seguimiento)

ggplot(datos, aes(x=seguimiento, y=confirmados))+geom_line(linetype=1, color='red')+ ggtitle('Casos confirmados COVID-19 apesar de seguimiento a contagiados')

Librerias necesarias

library(covid19italy)
## Warning: package 'covid19italy' was built under R version 4.0.2
covid=covid19italy::italy_total

ESTADISTICA DESCRIPTIVA UNIVARIANTE

Variables Cuantitativas

tests2=covid$total_tests

confirmados2=covid$cumulative_positive_cases

recuperados2=covid$recovered

muertes2=covid$death

Variables Cualitativas

inhome=covid$home_confinement

inten=covid$intensive_care

inhospi=covid$total_hospitalized

Histogramas

histtest=hist(tests2,breaks="Sturges",main = 'Tests COVID-19 en ITALIA')

histconf=hist(confirmados2,breaks="Sturges",main ='Casos Confirmados de COVID-19 en ITALIA')

histrecu=hist(recuperados2,breaks="Sturges",main ='Casos Recuperados de COVID-19 en ITALIA')

histmuert=hist(muertes2,breaks="Sturges",main ='Muertos por COVID-19 en ITALIA')

Diagramas de caja

boxplot(tests2,horizontal = TRUE,main = 'Tests COVID-19 en ITALIA')

boxplot(confirmados2,horizontal = TRUE,main ='Casos Confirmados de COVID-19 en ITALIA')

boxplot(recuperados2,horizontal = TRUE,main ='Casos Recuperados de  COVID-19 en ITALIA')

boxplot(muertes2,horizontal = TRUE,main ='Muertos por COVID-19 en ITALIA')

Resumen estadístico

summary(tests2)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    4324   63859  342753  524390  893490 1707743
sd(tests2)
## [1] 517211.8
summary(confirmados2)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     221    9033   59767   55546   97924  108257
sd(confirmados2)
## [1] 42192.99
summary(recuperados2)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       1    1014    9862   17196   29959   63120
sd(recuperados2)
## [1] 18784.69
summary(muertes2)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       7     680    7834   10068   18707   26384
sd(muertes2)
## [1] 9335.02

Tablas de Frecuencia método de Sturges

(tbtest=fdt(covid$total_tests,breaks ="Sturges"))
##               Class limits  f   rf rf(%) cf  cf(%)
##      [4280.76,250072.1414) 27 0.44 43.55 27  43.55
##  [250072.1414,495863.5229)  9 0.15 14.52 36  58.06
##  [495863.5229,741654.9043)  7 0.11 11.29 43  69.35
##  [741654.9043,987446.2857)  5 0.08  8.06 48  77.42
##  [987446.2857,1233237.667)  5 0.08  8.06 53  85.48
##  [1233237.667,1479029.049)  5 0.08  8.06 58  93.55
##   [1479029.049,1724820.43)  4 0.06  6.45 62 100.00
(tbconf=fdt(confirmados2,breaks="Sturges"))
##             Class limits  f   rf rf(%) cf  cf(%)
##      [218.79,15807.4729) 19 0.31 30.65 19  30.65
##  [15807.4729,31396.1557)  5 0.08  8.06 24  38.71
##  [31396.1557,46984.8386)  4 0.06  6.45 28  45.16
##  [46984.8386,62573.5214)  4 0.06  6.45 32  51.61
##  [62573.5214,78162.2043)  5 0.08  8.06 37  59.68
##  [78162.2043,93750.8871)  6 0.10  9.68 43  69.35
##   [93750.8871,109339.57) 19 0.31 30.65 62 100.00
(tbrecup=fdt(recuperados2,breaks="Sturges"))
##         Class limits  f   rf rf(%) cf  cf(%)
##      [0.99,9108.163) 30 0.48 48.39 30  48.39
##  [9108.163,18215.34)  8 0.13 12.90 38  61.29
##  [18215.34,27322.51)  7 0.11 11.29 45  72.58
##  [27322.51,36429.68)  5 0.08  8.06 50  80.65
##  [36429.68,45536.85)  5 0.08  8.06 55  88.71
##  [45536.85,54644.03)  4 0.06  6.45 59  95.16
##   [54644.03,63751.2)  3 0.05  4.84 62 100.00
(tbmuert=fdt(muertes2,breaks="Sturges"))
##           Class limits  f   rf rf(%) cf  cf(%)
##       [6.93,3812.7743) 25 0.40 40.32 25  40.32
##  [3812.7743,7618.6186)  6 0.10  9.68 31  50.00
##  [7618.6186,11424.463)  4 0.06  6.45 35  56.45
##  [11424.463,15230.307)  5 0.08  8.06 40  64.52
##  [15230.307,19036.151)  7 0.11 11.29 47  75.81
##  [19036.151,22841.996)  7 0.11 11.29 54  87.10
##   [22841.996,26647.84)  8 0.13 12.90 62 100.00

Tablas de Frecuencia método de Freedman-Diaconis

(tbtest1=fdt(covid$total_tests,breaks ="FD"))
##               Class limits  f   rf rf(%) cf  cf(%)
##       [4280.76,348388.694) 31 0.50 50.00 31  50.00
##    [348388.694,692496.628) 11 0.18 17.74 42  67.74
##   [692496.628,1036604.562)  7 0.11 11.29 49  79.03
##  [1036604.562,1380712.496)  7 0.11 11.29 56  90.32
##   [1380712.496,1724820.43)  6 0.10  9.68 62 100.00
(tbconf1=fdt(confirmados2,breaks="FD"))
##             Class limits  f   rf rf(%) cf  cf(%)
##      [218.79,36592.3833) 25 0.40 40.32 25  40.32
##  [36592.3833,72965.9767)  9 0.15 14.52 34  54.84
##   [72965.9767,109339.57) 28 0.45 45.16 62 100.00
(tbrecup1=fdt(recuperados2,breaks="FD"))
##         Class limits  f   rf rf(%) cf  cf(%)
##      [0.99,12751.03) 34 0.55 54.84 34  54.84
##  [12751.03,25501.07) 10 0.16 16.13 44  70.97
##  [25501.07,38251.12)  8 0.13 12.90 52  83.87
##  [38251.12,51001.16)  5 0.08  8.06 57  91.94
##   [51001.16,63751.2)  5 0.08  8.06 62 100.00
(tbmuert1=fdt(muertes2,breaks="FD"))
##           Class limits  f   rf rf(%) cf  cf(%)
##       [6.93,8887.2333) 32 0.52 51.61 32  51.61
##  [8887.2333,17767.537) 13 0.21 20.97 45  72.58
##   [17767.537,26647.84) 17 0.27 27.42 62 100.00

Diagrama de barras

barplot(tests2)

barplot(confirmados2)

barplot(recuperados2)

barplot(muertes2)

ESTADISTICA DESCRIPTIVA MULTIVARIANTE

datos2=data.frame(covid$cumulative_positive_cases,covid$recovered,covid$death, covid$total_tests)

Matriz de correlación

(m_corr=cor(datos2))
##                                 covid.cumulative_positive_cases covid.recovered
## covid.cumulative_positive_cases                       1.0000000       0.8939798
## covid.recovered                                       0.8939798       1.0000000
## covid.death                                           0.9725242       0.9702165
## covid.total_tests                                     0.9166307       0.9983352
##                                 covid.death covid.total_tests
## covid.cumulative_positive_cases   0.9725242         0.9166307
## covid.recovered                   0.9702165         0.9983352
## covid.death                       1.0000000         0.9810854
## covid.total_tests                 0.9810854         1.0000000

Matriz de covarianza

(m_cov=cov(datos2))
##                                 covid.cumulative_positive_cases covid.recovered
## covid.cumulative_positive_cases                      1780248375       708552483
## covid.recovered                                       708552483       352864541
## covid.death                                           383050460       170132743
## covid.total_tests                                   20003366433      9699487925
##                                 covid.death covid.total_tests
## covid.cumulative_positive_cases   383050460       20003366433
## covid.recovered                   170132743        9699487925
## covid.death                        87142598        4736859440
## covid.total_tests                4736859440      267508035377

Diagrama de dispersión

disp=outlier(datos2,cex=1)

covid.disp=data.frame(datos2,disp)
(pairs.panels(covid.disp,bg=c("yellow","blue")[(d2>25)+1],pch = 21,stars=TRUE))
## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## Warning in x * y: NAs producidos por enteros excedidos

## NULL

Restricciones y Confirmados

boxplot(confirmados2~inhome)

ggplot(covid, aes(x=inhome, y=confirmados2))+geom_line(linetype=1, color='red')+ ggtitle('Casos confirmados COVID-19 apesar de la cuarentena en casa')

Cuidado intensivo y Muertos

box_factores_c=boxplot(muertes2~inten)

ggplot(covid, aes(x=inten, y=muertes2))+geom_line(linetype=1, color='blue')+ ggtitle('Personas fallecidas por covid apesar del cuidado intensivo')

Hospitalizadas y casos confirmados

box_factores_c=boxplot(confirmados2~inhospi)

ggplot(covid, aes(x=confirmados2, y=inhospi))+geom_line(linetype=1, color='red')+ ggtitle('Personas Hospitalizadas por casos positivos')

ANÁLISIS

Franchesca Bone
Para US:
ESTADISTICA DESCRIPTIVA UNIVARIANTE

En los datos de US se puede observar que las tablas de frecuencias constan de 15 clases (defino por la regla de Sturges), además que los primeros 2 intervalos poseen más del 90.68% para el numero de confirmados, 93.19% de los datos de la variable número de recuperados, 94.95% de los datos de la variable número de tests y 93.21% de los datos de la variable número de muertes por covid-19.

Al realizar los histogramas para las variables cuantitativas, podemos observar que su distribución se puede aproximar a una distribución exponencial, confirmando lo observado en la tabla de frecuencias, dado que el área bajo la curva es mucho más prominente en el primer rectángulo(intervalo).

También podemos observar que existen un gran número de datos que superan el bigote superior de cada variable cuantitativa, lo que nos indica que existen potenciales datos atípicos en todas las variables.

En cuanto a las variables cualitativas, podemos observar en la tabla de frecuencia que durante el tiempo en que el covid-19 fue detectado hasta la actualidad en Estados Unidos pasaron de No poner restricciones(0) en 33.65% de las veces a restringir la salida de la casa con excepciones para el ejercicio diario, las compras de comestibles y los viajes esenciales(2) en un 72.75%; en cuanto a los seguimientos a contagiados durante el tiempo en que el covid-19 fue detectado hasta la actualidad en Estados Unidos pasaron de No tener seguimiento (0) con un 28.39% de las veces a un Seguimiento limitado, no realizado para todos los casos (1) con un 78.01%, finalmente en la cancelación de eventos en Estados Unidos pasaron de No tomar medidas(0) con un 28.78% a requerir cancelar dichos eventos (2) con un 74,28%.

ESTADISTICA DESCRIPTIVA MULTIVARIANTE

Podemos observar que la matriz de correlación entre las variables cuantitativas, las variables tests y confirmados presentan una correlación alta de un 0.88. A su vez, las variables confirmados y muertos presentan una correlación de 0.90 (infiriendo una gran correlación entre dichas variables o la influenza de una en la otra).

En el diagrama de dispersión, observamos centroide, correlaciones, valores azules son los datos atípicos la línea roja es la regresión presentado por las variables. También podemos inferir que es necesario realizar un escalamiento de las variables dado que existen distribuciones de tipo exponencial.

En el diagrama de cajas ente restricciones segmentados por Confirmados existen demasiados datos atípicos, se podría asumir que existieron errores en la recopilación de datos, mientras en la gráfica podemos observar el aumento y disminución del número de casos de confirmados con covid-19 a pesar de las restricciones propuestas por el gobierno.

En cuanto a la cancelación de eventos y Confirmados, podemos observar el aumento y disminución del número de casos de confirmados con covid-19 a pesar de la cancelación de eventos públicos. Y de acuerdo al seguimiento de contagiados y confirmados, podemos observar el aumento y disminución del número de casos de confirmados con covid-19 a pesar del seguimiento realizado por el gobierno.

Diego Berrezueta Para Italia:

Primer análisis del caso, en las fechas del 22 al 28 del mes de abril se presentaron el mayor número de personas contagiadas que tomaron el test. A partir de esta fecha el número de casos positivos empezaron a descender.

El número de prueba tomados siguen en aumentó casi lineal desde el 29 de marzo hasta la fecha. personas que tomaron la prueba= número de personas el día de ayer + 35000 +- x (20000). donde x es la variación de personas que asisten a tomar el test.

El número de personas que realizaban Cuarentena o Aislamiento en casa incremento linealmente con la cantidad de personas con resultados positivos de COVID.

El 3 de abril fue el día de mayor cantidad de muertes en las salas de cuidado intensivo, por lo que se puede suponer que mejoraron la calidad médica a nivel nacional y las seguridades con respecto al virus.