Caso de estudio 2: Usar losdatos de google mobility report para hacer un análisis regional de la movilidad de las personas (Usuarios android) en el estado de sonora
Datos
De esta página es de donde se consiguieron los datos de movilidad de México https://www.google.com/covid19/mobility/
Importación y filtración de datos
## Parsed with column specification:
## cols(
## country_region_code = col_character(),
## country_region = col_character(),
## sub_region_1 = col_character(),
## sub_region_2 = col_logical(),
## metro_area = col_logical(),
## iso_3166_2_code = col_character(),
## census_fips_code = col_logical(),
## fecha = col_character(),
## tiendas_y_ocio = col_double(),
## supermercados_y_farmacias = col_double(),
## parques = col_double(),
## estaciones_de_transporte = col_double(),
## lugares_de_trabajo = col_double(),
## zonas_residenciales = col_double()
## )Visualización de los datos
Reportes de movilidad para México: https://www.gstatic.com/covid19/mobility/2020-10-09_MX_Mobility_Report_es-419.pdf
Usar los datos de google mobility report para hacer una análisis regional de la movilidad de las personas (usuarios android) en el estado de Sonora:
¿Ocurrió algo importante entre el 3 de enero y el 6 de febrero del 2020?
El valor de referencia de cada día es el valor medio del periodo de cinco semanas de enero. Piensa en eventos locales y cambios estacionales que puedan sesgar el valor de referencia:
¿Hubo un invierno frío o un verano más largo de lo habitual en tu región?
El clima fue normal, no hubo invierno largo.
¿Los festivos cayeron el mismo día de la semana?
El 6 de enero es el día de los reyes mago, ademas el 2 de febrero es el dia le candelaria, aparte de esas 2, se celebran el día de la constitución mexicana, pero no se hace fiesta
¿Tienes otras fuentes de datos (como tiques de peajes, parquímetros o viajes en metro) que puedan ayudarte a determinar el cambio previsto?
Antes de la pandemia los parquimetros en Nogales recaudaban 1 millón de pesos al mes
Valor de referencia
Los datos muestran cómo cambia la cantidad de visitantes en los lugares categorizados (o el tiempo que pasan en ellos) en comparación con nuestros días de referencia. Un día de referencia representa un valor normal en ese día de la semana. El día de referencia es el valor medio del periodo de 5 semanas comprendido entre el 3 de enero y el 6 de febrero del 2020.
En cada región-categoría, el valor de referencia no es un valor único, sino 7 valores individuales. El mismo número de visitantes en dos días diferentes de la semana da lugar a cambios de porcentaje diferentes. Por lo tanto, recomendamos lo siguiente:
No deduzcas que los cambios mayores implican más visitas ni que los cambios menores implican menos visitas. Evita comparar los cambios de un día a otro. Sobre todo, los fines de semana con los días laborables.
¿Cómo hemos elegido los días normales de referencia? Probablemente no lo hemos hecho: un periodo corto del año no puede representar un valor normal en todas las regiones del mundo. Hemos elegido un periodo reciente previo a la disrupción general y a la respuesta de las comunidades al COVID-19. Aun así, en algunas regiones, el valor de referencia corresponde a un periodo en el que el COVID-19 ya estaba extendido. Para interpretar los datos de tu región, revisa la lista de comprobación local.
De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parques?
Tanto el tiempo meteorológico diario como el de cada estación tienen efecto en la cantidad de personas que van a los parques:
- En un año normal, ¿cambia la frecuencia de las visitas a los parques desde enero hasta ahora?
Diagrama de frecuencia de la visita a los parques en sonora
Se puede que los mas frecuente es que la gente visita un 30% por debajo del valor de referencia
Suponiendo que la base es como se comporta un año normal, entonces se puede ver que la frecuencia en la que las personas van a los parques al principio empieza a subir, esto debido probablemente a celebraciones, pero después en el 17 de marzo mas o menos cuando empezó la cuarentena, fue cuando las visitas a los parques bajaron de una manera exagerada, bajo en un 14%, esto puede significar que al oficializar la cuarentena las personas dejaron de frecuentar tanto los parques, se puede ver que en fechas festivas el porcentaje sube, debido a que las personas salen a celebrar.
- Según los registros meteorológicos, ¿cómo cambia la cantidad de personas que visitan parques en los días de lluvia en comparación con los días de sol?
plot(movilidadSonora$zonas_residenciales,movilidadSonora$parques,xlab="Zonas residencial",ylab="Parques",col ="green")
Debido a que este es un estado caliente, se sabe que el calor no afecta del todo a las visitas al parque, debido a que casi no llueve, en este estado las lluvias si pueden llegar a afectar la salida de las personas, no se pudo encontrar datos meteorológicos actuales, debido a que tardan un tiempo en poder publicar los datos. Pero se puede asumir que las lluvias si afecta que la visita de los parques.
¿Tienes registros de visitas a parques de años anteriores que puedan ayudarte a analizar los cambios de este año?
No cuento con los datos de las visitas a parques en años anteriores, pero se puede suponer que debido a la pendemia y la cuarentena las visitas bajaron.
¿Cuánto tiempo crees que pasará la gente en las zonas residenciales?
Haz una estimación del número de horas que crees que pasaba la gente en zonas residenciales antes de la respuesta al COVID-19. Realiza la estimación de los días laborables y de los fines de semana por separado:
- ¿Cómo podrían cambiar las horas de trabajo según el puesto? Por ejemplo, un empleado de oficina, un padre que se queda en casa, un estudiante, un empleado de supermercado o una enfermera que trabaja por turnos. Usa los datos demográficos de tu región para consultar la variedad de trabajos.
plot(movilidadSonora$zonas_residenciales,movilidadSonora$lugares_de_trabajo,xlab="Zonas residencial",ylab="Lugares de trabajo",col ="red")
La mayoría de las personas trabajan una jornada laboral de 8 horas, descansando el domingo, y a veces medio turno en sábado, esto significa que una persona esta en su casa aproximada mente 16 horas, esto entre semana, el sábado están aproximadamente 20 horas en casa, y probablemente en domingo estén todo el día en su casa, pero esto es una estimación, debido a que no pude encontrar datos de los trabajadores, pero se tiene sabe que que en sonora hay aproximadamente 3,055,334 de trabajadores, segun datos del inegi del 2018
- Por cada grupo de tu comunidad, estima el número de horas al día que crees que va a permanecer la gente en zonas residenciales durante la respuesta al COVID-19.
dist <- fdt(movilidadSonora$zonas_residenciales[3:7], breaks="Sturges")
plot(dist,type="fp",col ="red")
Se puede ver que las personas se mantienen mas horas al día en su cada, esto es debido a que ya no se sale tanto a lugares tales como parques, o tiendas.
- ¿Tienes que ajustar las estimaciones según la estación o los periodos académicos?
¿Cómo pueden relacionarse los tipos de trabajo con los cambios en la movilidad los días laborables y los fines de semana?
No informamos de ningún cambio en función de los tipos de trabajo, pero puedes pensar en los diferentes trabajos que realiza la gente de tu comunidad durante los fines de semana y los días laborables.
¿Qué efectos pueden tener las respuestas al COVID-19 en los diferentes trabajos?
En muchos trabajos bajaron lo sueldos, ademas de que despidieron a muchas personas, y en algunos establecimientos siguieron trabajando de igual forma, simplemente, siguieron trabajando, pero empezaron a seguir las medidas de sanidad.
¿Los efectos serían diferentes en las personas que trabajan entre semana que en las que lo hacen los fines de semana?
Semana de febrero, sin contar fines de semana
dist <- fdt(movilidadSonora$zonas_residenciales[3:7], breaks="Sturges")
plot(dist,type="fp",col ="red")
Se puede ver que era frecuente que las personas no estuvieran en su casa durante la semana, esto es probablemente porque no había empezado la pandemia, veremos la gráfica de ocio y parque para ver si tiene un número alto
se puede ver que en el intervalo donde las personas están menos en casa son mas altos en tiendas y lugares de ocio, especialmente en los primeros días de la semana, esto debido a que las personas hacen sus compras en lunes o martes. Ahora veremos la gráfica de los parques:
Se puede ver que las personas están mucho en los parques, esto es debido a que salen de trabajar y probablemente visitan un parque.
Fin de semana en febrero
dist <- fdt(movilidadSonora$zonas_residenciales[7:9], breaks="Sturges")
plot(dist,type="fp",col ="red")
Semana en marzo, sin contar fines de semana
dist <- fdt(movilidadSonora$zonas_residenciales[31:35], breaks="Sturges")
plot(dist,type="fp",col ="red")
Se puede ver que a comparación de las gráficas pasadas la frecuencia aumentos, la gente suele estar en su casa un 11% mas, esto puede significar que si se pueden quedar en casa lo hacen
dist <- fdt(movilidadSonora$zonas_residenciales[36:38], breaks="Sturges")
plot(dist,type="fp",col ="red")
Se puede ver que las personas están menos tiempo en su casa en los fines de semana, esto es debido a que a muchas personas no les importan que haya cuarentena.