setwd("~/1 EA1011")
library(pacman)
p_load("modeest","DT","prettydoc","readr","tidyverse")
DatosMobilityReport <- read_csv("sonora3.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(),
##   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)

Creación de data frame

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


##### GRAFICA 2
###
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

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%)")

p_load(gridExtra)
grid.arrange(gMR1,gMR2,gMR3,gMR4,gMR5,gMR6)

##medidas de tendencia central

comercio y recreacion

### *Media*

mean(Porcentaje_VR)

## [1] -38.07025

### *Desviación estandar*

sd(Porcentaje_VR)

## [1] 18.83316

### *Boxplot*


boxplot(Porcentaje_VR,col='red',lwd=2,main='comercio  y recreación')

### *Moda*

library(modeest)
mfv(Porcentaje_VR)

## [1] -31

Farmacia y abarrotes

### *Media*

mean(Porcentaje_F)

## [1] -13.31405

### *Desviación estandar*

sd(Porcentaje_F)

## [1] 9.166087

### *Boxplot*


boxplot(Porcentaje_VR,col='yellow',lwd=2,main='Farmacia y abarrotes')

### *Moda*

library(modeest)
mfv(Porcentaje_F)

## [1] -13

Parques

### *Media*

mean(Porcentaje_P)

## [1] -31.4876

### *Desviación estandar*

sd(Porcentaje_P)

## [1] 16.38546

### *Boxplot*


boxplot(Porcentaje_VR,col='blue',lwd=2,main='Parques')

### *Moda*

library(modeest)
mfv(Porcentaje_P)

## [1] -38

Estaciones de Transito

### *Media*

mean(Porcentaje_ET)

## [1] -36.21074

### *Desviación estandar*

sd(Porcentaje_ET)

## [1] 19.19892

### *Boxplot*


boxplot(Porcentaje_VR,col='pink',lwd=2,main='Estaciones de Transito')

### *Moda*

library(modeest)
mfv(Porcentaje_ET)

## [1] -29

Area de trabajo

### *Media*

mean(Porcentaje_AT)

## [1] -28.47521

### *Desviación estandar*

sd(Porcentaje_AT)

## [1] 18.71742

### *Boxplot*


boxplot(Porcentaje_VR,col='green',lwd=2,main='Area de trabajo')

### *Moda*

library(modeest)
mfv(Porcentaje_AT)

## [1] -40

Hogar

### *Media*

mean(Porcentaje_H)

## [1] 13.13636

### *Desviación estandar*

sd(Porcentaje_H)

## [1] 6.677049

### *Boxplot*


boxplot(Porcentaje_VR,col='brown',lwd=2,main='Hogar')

### *Moda*

library(modeest)
mfv(Porcentaje_H)

## [1] 13

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

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

solo el dia de la constitucion y candelaria

De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parque

se observa que tiene una pendiente muy pronunciada de febrero a los primeros de marzo, asi que en ese momento las personas tuvieron absoluta cuarentena masivamente, despues siguieron con esto pero ya de una manera mas tranquila menos personas lo hacia , mas siguen teniendo una tendecnia negativa en ese aspecto.

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

en base a los datos obtenidos se observa que el comportamiento dentro de l os meses de febrero a octubre, segun la tendencia prevista en el grafico se puede ver que todo indica que dentro de algunos 2 meses probablemente se este estabilizando a los parametro convencionales de las zonas residenciales.

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

Atraves del presente grafico se puede apreciar que existe una tendencia negativa de el area de trabajo anteriormente usada, mas es importante mencionar que existen pequeños picos por semana y estos son los dias sabado y domingo por lo que las personas salen los fines y no laboran, ademas se tiene aparentemente un comportamiento ciclico

¿Con qué grado de precisión está representada tu región?

Es similar en ciertas catracteristicas, mas dentro del area de comercio y recrracion realmente deve ser bastante variante, debido a que en mi region se encuentran abiertos lugares como la pressa, estadio yaqui, centro comerciales, bares y antros, donde se observa que al menos el 80% comienza a retomar sus estilos de vida normal.

U1A14

ismael

19/10/2020