U1A9

library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "knitr", "DT", "scales", "tidyverse", "gridExtra", "modeest", "fdth")

Análisis sobre el impacto de la pandemia del Covid-19 en el gobierno

Mexicano. ## Descripación ### Podremos mirar cómo fue y está trabajando el gobierno mexicano, la actividad con la que emplea su respectiva función como gobierno en contraste con esta pandemia.

Importación de datos.

Importaremos los datos a trabajar gracias a la pagina https://trends.google.com.mx/trends/explore?geo=MX&q=Gobierno,%2Fm%2F061s4 la cual fue usada

para la estracción de los datos.

library(readr)
datosPandemiaMexico <- read_csv("C:\\Users\\progr\\OneDrive\\Documentos\\Probabilidad y Estadistica\\datosPandemiaMexico.csv", 
    col_types = cols(Gobierno = col_number(), 
        Pandemia = col_number()))

names(datosPandemiaMexico)

## [1] "Gobierno" "Pandemia"

datatable(datosPandemiaMexico)

## Visualizamos los datos. ## Podremos ver los datos acomodades en filas y columnas para que puedan ser mas comprensibles.

head(datosPandemiaMexico)

## # A tibble: 6 x 2
##   Gobierno Pandemia
##      <dbl>    <dbl>
## 1       41        1
## 2       42        1
## 3       43        1
## 4       40        1
## 5       36        0
## 6       43        0

Analisis de correlación

Matriz de diagramas de dispercion

Podemos ver la increible corelación que presentan el gobierno o mejor dicho la actividad gubernamental en cuanto la pandemia surgio.

pairs(datosPandemiaMexico)

Matriz de correlación

A continuacion se hara una cuantificacion del grado de relacion lineal, por medio de la matriz de coeficientes de correlacion

cor(datosPandemiaMexico)

##           Gobierno  Pandemia
## Gobierno 1.0000000 0.7127347
## Pandemia 0.7127347 1.0000000

Recta de minimos cuadrados

Generaremos la recta de minimos cuadrados para poder describir el caso de regresion en cuanto a relacion y margenes de confiaza entre los datos.

datosReg <- lm(formula = datosPandemiaMexico,data = datosPandemiaMexico)
summary(datosReg)

## 
## Call:
## lm(formula = datosPandemiaMexico, data = datosPandemiaMexico)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -43.803  -9.534   1.166   6.185  31.074 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  38.8768     2.6141  14.872  < 2e-16 ***
## Pandemia      0.6790     0.0945   7.185 3.08e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 13.49 on 50 degrees of freedom
## Multiple R-squared:  0.508,  Adjusted R-squared:  0.4982 
## F-statistic: 51.62 on 1 and 50 DF,  p-value: 3.083e-09

Obtenemos la ecuacions de los minimos cuadrados

\[y=38.8768 + 0.6790x\] ## Grafiquemos los datos, observaremos la recta de minimos cuadrados.

plot(datosPandemiaMexico$Pandemia, datosPandemiaMexico$Gobierno, xlab = "Pandema", ylab="Gobierno")
abline(datosReg)

Calculemos que tan confiable es nuestro modelo

Podemos observar que nuestro modelo es muy confiable alcanzado un 97.5% de casos TRUE.

confint(datosReg)

##                  2.5 %    97.5 %
## (Intercept) 33.6262666 44.127349
## Pandemia     0.4891939  0.868828

Calculo de y predicciones de nuestro modelo

gradoConfianza <- data.frame(Pandemia=seq(30,50))
predict(datosReg,gradoConfianza)

##        1        2        3        4        5        6        7        8 
## 59.24714 59.92615 60.60516 61.28417 61.96318 62.64219 63.32120 64.00021 
##        9       10       11       12       13       14       15       16 
## 64.67922 65.35823 66.03725 66.71626 67.39527 68.07428 68.75329 69.43230 
##       17       18       19       20       21 
## 70.11131 70.79032 71.46933 72.14834 72.82735

Representaremos los intervalos de confianza en la tabla

plot(datosPandemiaMexico$Pandemia, datosPandemiaMexico$Gobierno, xlab = "Pandemia", ylab="Gobierno")
abline(datosReg)

intervaloConfianza <- predict(datosReg,gradoConfianza, interval= "confidence")
lines(gradoConfianza$Pandemia, intervaloConfianza[, 2], lty=2, col="red")
lines(gradoConfianza$Pandemia, intervaloConfianza[, 3], lty=2, col="red")

intervaloConfianza <- predict(datosReg,gradoConfianza, interval= "prediction")
lines(gradoConfianza$Pandemia, intervaloConfianza[, 2], lty=2, col="blue")
lines(gradoConfianza$Pandemia, intervaloConfianza[, 3], lty=2, col="blue")

Conclusión

##Gracias a los datos recopilados podemos deducir que si tiene mucha relación, y la pregunta es ¿cómo podemos decir que se relacionan?, es muy sencillo al inicio del año al no existir el riesgo de la pandemia el gobierno no tenía tanta actividad gubernamental (Actividad gubernamental se refiere a la cantidad de acciones a realizar por parte del gobierno tanto en el ámbito de salud, económico y político) con el pasar de los mese llegamos a febrero-marzo el cual pego el primero pico de infectados en México e hizo que el gobierno empezare su increíble actividad gubernamental.

Esta hipótesis esta respaldada por modelos con datos reales y recopilados de fuentes sumamente confiables, también se tiene que tomar en cuenta el criterio del desarrollador de este análisis, uno de los puntos más importantes es el nivel de confianza del modelo.