Caso de estudio: Movilidad durante la cuarentene en Sonora México
Lectura de datos
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc", "readr", "knitr", "DT", "scales", "tidyverse", "gridExtra", "modeest" , "fdth")
movilidad <- read_csv("2020_MX_Region_Mobility_Report.csv")## 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(),
## porcentajeRecreacion = col_double(),
## porcentajeFarmacias = col_double(),
## porcentajeParques = col_double(),
## PorcentajeTransito = col_double(),
## PorcentajeTrabajo = col_double(),
## PorcentajeRecidencial = col_double()
## )## # A tibble: 6 x 14
## country_region_~ country_region sub_region_1 sub_region_2 metro_area
## <chr> <chr> <chr> <lgl> <lgl>
## 1 MX Mexico <NA> NA NA
## 2 MX Mexico <NA> NA NA
## 3 MX Mexico <NA> NA NA
## 4 MX Mexico <NA> NA NA
## 5 MX Mexico <NA> NA NA
## 6 MX Mexico <NA> NA NA
## # ... with 9 more variables: iso_3166_2_code <chr>, census_fips_code <lgl>,
## # fecha <chr>, porcentajeRecreacion <dbl>, porcentajeFarmacias <dbl>,
## # porcentajeParques <dbl>, PorcentajeTransito <dbl>, PorcentajeTrabajo <dbl>,
## # PorcentajeRecidencial <dbl>Filtro de los datos de Sonora
## # A tibble: 243 x 7
## fecha porcentajeRecre~ porcentajeFarma~ porcentajeParqu~ PorcentajeTrans~
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 15/0~ 7 6 0 -7
## 2 16/0~ 6 6 -1 -3
## 3 17/0~ 4 4 2 3
## 4 18/0~ 3 -1 5 1
## 5 19/0~ 1 -1 3 1
## 6 20/0~ 1 0 12 3
## 7 21/0~ 0 -1 3 8
## 8 22/0~ 1 -1 5 -1
## 9 23/0~ 3 0 6 0
## 10 24/0~ -3 -1 8 0
## # ... with 233 more rows, and 2 more variables: PorcentajeTrabajo <dbl>,
## # PorcentajeRecidencial <dbl>¿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?
No, muy normal, según el clima no se noto una sensación termica diferente
- ¿Los festivos cayeron el mismo día de la semana?
No, no cayeron los mismos dias de la semana por la diferencia de horas en el año
- ¿Tienes otras fuentes de datos (como tiques de peajes, parquímetros o viajes en metro) que puedan ayudarte a determinar el cambio previsto?
No poseo esos datos por el momento
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 visitas a los parques
Viendo la grafica de frecuencias podemos ver que las visitas a los parques han disminuido debido a la pandemia, a diferencia de los años “normales.”
Considerando que la baseline es considerada como lo “Normal” de cada año, si se puede apreciar una diferencia en la frecuencia de las visitas a los parques en cada año
- 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?
Datos meteorologicos inaccesibles, Sin embargo se sabe que Sonora es un estado caliente y que el clima si afecta en las visitas a los parques ya que el clima por lo general es caliente y seco, así que cuando llueve si se ven afectadas las visitas a los parques
- ¿Tienes registros de visitas a parques de años anteriores que puedan ayudarte a analizar los cambios de este año?
No poseo esos datos, pero puedo suponer que los cambios serian algo evidentes por la pandemia padecida este año 2020
¿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:
plot(filtro$porcentajeParques, filtro$PorcentajeRecidencial, xlab="Residencial", ylab = "Parques", col = "blue")
Como se puede apreciar se puede ver que la gente pasa mas tiempo en casa que en otros sitios esto por su estilo de vida, ademas de contar con los fines de semana donde hay veces que se trabaja los sabados, esto nos dice que si en promedio son 8 horas de jornada de trabajo en los dias normales nos dejan 16 horas de las cuales las mayoria se pasan muy probablemente en la casa
¿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. 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.
¿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?
¿Los efectos serían diferentes en las personas que trabajan entre semana que en las que lo hacen los fines de semana?
Dias laborales antes de la pandemia (Febrero)
Dias laborales después de la pandemia (Marzo)
Fin de semana antes de la pandemia (febrero)
Fin de semana antes de la pandemia (Marzo)
Podemos ver que tanto al inicio del año (Antes de la pandemia) se puede ver una frecuencia, una rutina en cuanto a su estadia en casa y trabajo, eso mismo se ve en los fines de semana, pero en cuanto comenzo la pandemia las personas al inicio de la misma se empezaron a quedar mucho mas tiempo en sus hogares, esto obviamente por el panico y la peticion del gobierno
Penultima semana de Septiembre
dist <- fdt(filtro$PorcentajeRecidencial[220:224], breaks="Sturges")
plot(dist,type="fp",col ="red")
Ultimo Fin de Semana de septiembre
dist <- fdt(filtro$PorcentajeRecidencial[224:226], breaks="Sturges")
plot(dist,type="fp",col ="red")
Podemos ver que la frecuencia de estadia en las casas a fechas recientes, se redujo bastante esto por la gradual despreocupación de la gente hacia el virus, ya que se ve como trantan de volver a la frecuencia rutinaria que se ve en el mes de Febrero al inicio de este año 2020