Leer librerías

library(prettydoc)
library(readr)
library(DT)
library(ggplot2)
library(tidyverse)
## -- Attaching packages ---------------------------------------------- tidyverse 1.3.0 --
## v tibble  3.0.3     v dplyr   1.0.2
## v tidyr   1.1.1     v stringr 1.4.0
## v purrr   0.3.4     v forcats 0.5.0
## -- Conflicts ------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Leer archivo.csv y presentar tabla

datosestado <- read.csv('movilidadmx.csv')
datatable(datosestado)

Creación de data frame y nombre de columna más sencillo

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

#Columnas (renombrar)

recreacion <- datosestado$retail_and_recreation_percent_change_from_baseline

tiendafarmacia <- datosestado$grocery_and_pharmacy_percent_change_from_baseline

parques <- datosestado$parks_percent_change_from_baseline

esttransito <- datosestado$parks_percent_change_from_baseline

esptrabajo <- datosestado$workplaces_percent_change_from_baseline 

casas <- datosestado$residential_percent_change_from_baseline

#datas frames

##recreación

graf1 <- data.frame(vfecha,recreacion)

##Tienda y farmacia

graf2 <- data.frame(vfecha,tiendafarmacia)

#Parque

graf3 <- data.frame(vfecha,parques)

#transito

graf4 <- data.frame(vfecha,esttransito)

#lugar de trabajo


graf5 <- data.frame(vfecha,esptrabajo)

#casas

graf6 <- data.frame(vfecha,casas)

Análisis de Comercio y recreación

Gráfico temporal

ggraf1 <- ggplot(data=graf1) +
  geom_line(aes(x=vfecha,y=recreacion), size=0.5, colour="red") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" Comercio y recreación ")

ggraf1

Media

mean(recreacion)
## [1] -38.07025

Desviación estandar

sd(recreacion)
## [1] 18.83316

Boxplot

boxplot(recreacion,col='red',lwd=2,main='Comercio y recreación')

Moda

library(modeest)
## Registered S3 method overwritten by 'rmutil':
##   method         from
##   print.response httr
mfv(recreacion)
## [1] -31

Análsis de tiendas y farmacias

Gráfico temporal

ggraf2 <- ggplot(data=graf2) +
  geom_line(aes(x=vfecha,y=tiendafarmacia), size=0.5, colour="green") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" Tiendas y farmacias ")

ggraf2

Media

mean(tiendafarmacia)
## [1] -13.31405

Desviación estandar

sd(tiendafarmacia)
## [1] 9.166087

Boxplot

boxplot(tiendafarmacia,col='green',lwd=2.5,main='Tiendas y farmacias')

Moda

library(modeest)
mfv(tiendafarmacia)
## [1] -13

Parques

Gráfico temporal

ggraf3 <- ggplot(data=graf3) +
  geom_line(aes(x=vfecha,y=parques), size=0.5, colour="blue") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" Parques ")

ggraf3

Media

mean(parques)
## [1] -31.4876

Desviación estandar

sd(parques)
## [1] 16.38546

Boxplot

boxplot(parques,col='brown',lwd=2.5,main='Parques')

Moda

mfv(parques)
## [1] -38

Estaciones de transito

Gráfico temporal

ggraf4 <- ggplot(data=graf4) +
  geom_line(aes(x=vfecha,y=esttransito), size=0.5, colour="orange") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" Transito ")

ggraf4

Media

mean(esttransito)
## [1] -31.4876

Desviación estandar

sd(esttransito)
## [1] 16.38546

Boxplot

boxplot(esttransito,col='pink',lwd=2,main='Transito')

Moda

mfv(esttransito)
## [1] -38

Espacios de trabajo

Gráfico temporal

ggraf5 <- ggplot(data=graf5) +
  geom_line(aes(x=vfecha,y=esptrabajo), size=0.5, colour="pink") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" Espacios de trabajo ")

ggraf5

Media

mean(esptrabajo)
## [1] -28.47521

Desviación estandar

sd(esptrabajo)
## [1] 18.71742

Boxplot

boxplot(esptrabajo, col='orange',lwd=2,main='Espacios de trabajo')

Moda

library(modeest)
mfv(esptrabajo)
## [1] -40

Casas

Gráfico temporal

ggraf6 <- ggplot(data=graf6) +
  geom_line(aes(x=vfecha,y=casas), size=0.5, colour="blue") +
  geom_hline(yintercept = 0) +
  theme_light() +
  xlab("Fecha") +
  ylab("Porcentaje") +
  ggtitle(" casas ")

ggraf6

Media

mean(casas)
## [1] 13.13636

Desviación estandar

sd(casas)
## [1] 6.677049

Boxplot

boxplot(casas,col='purple',lwd=2,main='Casas')

Moda

mfv(casas)
## [1] 13

Análisis

Análisis de movilidad local para Sonora utilizando datos de google mobility report

1.-¿Ocurrió algo importante entre el 3 de enero y el 6 de febrero del 2020? El día de la consitución Mexicana y el día de la candelaria.

2.- De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parques?

Bajo de manera notable , debido a que se observa que a mediados de Abril llego a su punto máximo por encima del 60% de la disminución de los parques , esto debido a que se fueron implementando de manera rmás rigurosa las medidas sanitarias, pero se nota una tendencia en la que las personas poco a poco van regresando a visitar los parques.

3.-¿Cuánto tiempo crees que pasará la gente en las zonas residenciales?

Como unos 2-3 meses más después del mes de Octubre , ya aunque hay ciertos sectores de la población que pueden continuar con sus ocupaciones desde casa , hay otros que no , por lo que se necesita que poco a poco la tendencia se vaya normalizando, según vayan informando las autoridades.

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

*En cuanto a la ocupación de los espacios de trabajo, se observa que disminuyen las ocupaciones de estos espacios, tambien se observa un comportamiento ciclico debido a que puede ser los fines de semana los cuales no se trabajan o como en el día del padre.

5.-¿Con qué grado de precisión está representada tu región?

Se parece en algunos aspectos, ya que el comercio y recreación si se notó que hubo una disminución de los mismos, debido a las disposiciones formales de las autoridades en suspender estas actividades , pero en el caso de las personas que se quedan en casa en ocasiones no es muy significativa.