Análisis estadístico de calidad del aire en Hermosillo, Sonora en Diciembre de 2019

Contaminación del Aire en Hermosillo, Sonora. La Voz del Pitic (2019)

Importar

Importar paquetes

library(pacman)
p_load("readr", "tidyverse", "DT", "prettydoc")

Importar datos

datos <- read.csv("u1a7.csv")

Transformar

Fecha = as.Date (datos$Fecha)
NO2 <- as.numeric(datos$NO2)
O3 <- as.numeric(datos$O3)
calidad <- data.frame(Fecha, NO2, O3)
no2o3 <- data.frame(NO2, O3)

Visualizar

#Tabla
datatable(datos)
#Grafico
ggplot(data = calidad)+
  geom_point(aes(Fecha, O3, colour = "O3"))+
  geom_point(aes(Fecha, NO2, colour = "NO2"))+
  xlab("Tiempo")+
  ylab("Concentración")+
  labs(colour = "Estados")+
  ggtitle("Calidad del aire para Diciembre 2019 en Hermosillo (ERNO, UNAM)")

Análisis de correlación

names(no2o3)
## [1] "NO2" "O3"
#Gráfico pairs
pairs(no2o3)

### Grado de correlación lineal

cor(no2o3)
##            NO2         O3
## NO2  1.0000000 -0.2805968
## O3  -0.2805968  1.0000000

Recta de mínimos cuadrados

regresion <- lm(O3 ~ NO2, data=datos)
summary(regresion)
## 
## Call:
## lm(formula = O3 ~ NO2, data = datos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -43.101 -10.744  -3.751  10.550  74.476 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  14.4955     0.5178  27.997  < 2e-16 ***
## NO2         -14.6900     1.8740  -7.839 1.64e-14 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 12.93 on 719 degrees of freedom
## Multiple R-squared:  0.07873,    Adjusted R-squared:  0.07745 
## F-statistic: 61.45 on 1 and 719 DF,  p-value: 1.64e-14

Redacción Personal

Generalmente se puede notar que hay una gran cantidad de ozono en el aire dependiendo de las horas que sean en el momento, todo esto por una reacción fotoquímica del NO2 producido por los automóviles, generando ozono O3, que obviamente están presente en mucha mayor medida en el día, por lo que en las horas de madrugada se presenta menos contaminación del aire, pero esto no sucede en todas las iteraciones medidas por los datos de UNAM.

Este análisis se nos hace más lógico al verlo representado en histogramas, tablas y gráficas para lo cual se usa R en esta ocasión, tomamos los datos de una muestra, y lo ponemos de tal forma, con dataframes, para poder verlo de manera que sea analizable, y que cada dato sea útil, y así darnos cuenta, como en esta ocasión, que la correlación que se hace entre el O3 y NO2 monitoreado en Hermosillo durante el mes de Diciembre de 2019 no están relacionados y presenta incoherencias por mediciones negativas en los datos de la UNAM.

Referencias Bibliográficas