U2A5

Marijose González del Real

19/Oct/2020

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

DatosMobilityReport  <- read_csv("sonora2.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(),
##   iso_3166_2_code = col_character(),
##   census_fips_code = col_logical(),
##   date = col_character(),
##   retail_and_recreation_percent_change_from_baseline = col_double(),
##   grocery_and_pharmacy_percent_change_from_baseline = col_double(),
##   parks_percent_change_from_baseline = col_double(),
##   transit_stations_percent_change_from_baseline = col_double(),
##   workplaces_percent_change_from_baseline = col_double(),
##   residential_percent_change_from_baseline = col_double()
## )
datatable(DatosMobilityReport)
  • Gráficas
##
Retail_Recreation_Percentage <- DatosMobilityReport$retail_and_recreation_percent_change_from_baseline
###
Grocery_Pharmacy_Percentage <-  DatosMobilityReport$grocery_and_pharmacy_percent_change_from_baseline
###
Parks_Percentage <- DatosMobilityReport$parks_percent_change_from_baseline
###
TransitStations_Percentage <- DatosMobilityReport$transit_stations_percent_change_from_baseline
###
Workplaces_Percentage <- DatosMobilityReport$workplaces_percent_change_from_baseline
###
Residential_Percentage <- DatosMobilityReport$residential_percent_change_from_baseline


###
Porcentaje_VR <- DatosMobilityReport$retail_and_recreation_percent_change_from_baseline
###
Porcentaje_F <-  DatosMobilityReport$grocery_and_pharmacy_percent_change_from_baseline
###
Porcentaje_P <- DatosMobilityReport$parks_percent_change_from_baseline
###
Porcentaje_ET <- DatosMobilityReport$transit_stations_percent_change_from_baseline
###
Porcentaje_AT <- DatosMobilityReport$workplaces_percent_change_from_baseline
###
Porcentaje_H <- DatosMobilityReport$residential_percent_change_from_baseline

# Data frame

FechaMR = seq(from = as.Date("2020-02-15"), to = as.Date("2020-10-13"), by = 'day')

dataMR <- data.frame(x=FechaMR,y=Retail_Recreation_Percentage)
  • Gráficas
gMR1 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_VR), size=1, colour="orange") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("a) Comercio y recreación (-45%)")
gMR2 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_F), size=1, colour="darkgreen") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("b) Farmacias y abarrotes (-11%)")

gMR3 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_P), size=1, colour="purple") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("c) Parques (-37%)")

gMR4 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_ET), size=1, colour="brown") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("d) Estaciones de tránsito (-43%)")

gMR5 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_AT), size=1, colour="red") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("e) Espacios de trabajo (-37%)")

gMR6 <- ggplot(data=dataMR) +
  geom_line(aes(x=FechaMR, y=Porcentaje_H), size=1, colour="blue") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle("f) Hogares (+18%)")
grid.arrange(gMR1,gMR2,gMR3,gMR4,gMR5,gMR6)

Análisis de movilidad regional utilizando datos de “google mobility report”

¿Ocurrió algo importante entre el 3 de enero y el 6 de febrero del 2020?

El puente del 3 de febrero debido al aniversario de la constitución mexicana del 5 de febrero y el día de los reyes magos.

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, el invierno duró muy poco.

  • ¿Los festivos cayeron el mismo día de la semana?

Sí, ambos días cayeron en lunes

  • ¿Tienes otras fuentes de datos (como tiques de peajes, parquímetros o viajes en metro) que puedan ayudarte a determinar el cambio previsto?

No

De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parques? De enero a mayo aproximadamente las personas dejaban de visitar parques, por lo cual, la curva se ve con una inclinación. Sin embargo, como en junio hasta octubre ha ido aumentando la curva, es decir, las personas empiezan a visitar parques nuevamente.

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?

Muy poco

  • 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?

Cambian debido a que si el clima es malo, es decir, llueve entonces las personas no visitarán parques y por ello en días soleados se espera que aumenten 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

¿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.

Varían en función del tipo de trabajo, ya que hay personas que no pueden trabajar de forma remota

  • 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.

Considero que las personas que pueden trabajar de forma remota, pueden pasar todo el día en sus casas, a excepción de cuando van al supermercado o lugares necesarios. Por ello, consideraría que pasan alrededor de 20 horas en sus casas.

Por otra parte las personas que deben ir a trabajar debido a que no pueden laborar vía remota, solo se encuentran en sus casas como 10 horas.

  • ¿Tienes que ajustar las estimaciones según la estación o los periodos académicos?

Si, ya que en periodos académicos es más propensa la gente a salir de casa.

¿Cómo pueden relacionarse los tipos de trabajo con los cambios en la movilidad los días laborables y los fines de semana?

Se relacionan con la forma en la que pueden trabajar, ya sea de forma remota y se da el caso en el que se trabaja el doble de manera remota.

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?

Considero que existen trabajos que son necesarios de forma presencial. Por ello, mucha gente en México se quedó sin trabajo, por lo cual, hace que aumente el vandalismo y la violencia intrafamiliar.

  • ¿Los efectos serían diferentes en las personas que trabajan entre semana que en las que lo hacen los fines de semana?

No, considero que serían iguales porque lo que importa es el tipo de trabajo.

¿Con qué grado de precisión está representada tu región?

Estos informes se crean con el mismo tipo de datos que se usan para mostrar las horas punta en Google Maps. Responde las siguientes preguntas:

  • ¿Cuántos lugares de interés muestra Google Maps en tu región? ¿Cuáles son las diferencias y similitudes entre tu región y otras regiones? Abre Google Maps y compruébalo.

Muestra 20 lugares de interés, considero que en otras regiones pueden ser mayor o menor la cantidad de lugares de interés debido a que varía dependiendo de la región.

  • ¿En tu región hay lugares de trabajo en los que no se permitan dispositivos móviles? Por ejemplo, edificios de organismos públicos o bases militares. ¿Qué efecto podría tener esto en el número de personas que acuden a los lugares de trabajo?

Los princiales serían los hospitales que exiten en la región y considero que es necesario pero el efecto que pueden tener sería el no estar actualizado a la información.