Nombre: Juan Pablo Valenzuela Castro ID: 00000216776 23/10/2020
Analisis comparativo de las emisiones de O2 de Marzo de 2019 y Marzo del 2020 para ver el impacto ambiental que ha tenido la pandemia y la cuarentena impuesta por el gobierno a causa de COVID-19
INTRODUCCIÓN
Durante el 2020 la población se ha visto afectada por una pandemia debido al virus COVID-19 y me he dado a la tarea de realizar análisis de emisiones de Ozono en el ambiente para medir el cambio ambiental que esta cuarentena ha provocado en el mundo.
Hipotésis
Considero que la concentración de gases disminuirá de 2019 a 2020 debido al confinamiento al hogar que fue impuesto por el gobierno debido a la pandemia provocada por el virus COVID-19.
COVID-19 en Mexico
ANTECEDENTES
“La cuarentena y el aislamiento existen en el mundo desde el siglo XIV; sólo que la manera en que éstos se realizan ha variado mucho. Originalmente duraban 40 días; luego se les limitó al tiempo de incubación de la enfermedad de que se tratara. Hoy, se recurre a un largo aislamiento no para eliminar la enfermedad, sino para reducir la velocidad de transmisión y evitar el colapso de los hospitales. En las epidemias del pasado, también había cierre de comercios, escuelas e industrias, y suspensión de actividades públicas de todo tipo, pero que el mundo entero esté aislado es un fenómeno inédito, que seguramente será analizado en el futuro”, señaló la doctora Ana María Carrillo Farga, académica de la Facultad de Medicina de la UNAM.
Durante su conferencia “Historia de las pandemias”, a través de Facebook Live de la Facultad, la especialista comentó: “En la historia de la humanidad ha habido un gran número de pandemias; se ha tratado de catástrofes que afectaron de manera profunda la salud de las colectividades, y su vida económica, política, social y cultural. Con frecuencia han cambiado el rumbo de la historia.«
Una de ellas fue la segunda pandemia de peste, conocida como “muerte negra”, que devastó Europa, Asia y el norte de África a mediados del siglo XIV y provocó una catástrofe demográfica; algunos historiadores estiman que, sólo en Europa, pudo haber causado 30 millones de muertes e incluso la desaparición de ciudades.
Pandemias en la historia
Pero todas las pandemias favorecieron avances en la salud pública de los países, como el desarrollo de vacunas, o el saneamiento de los puertos y de los recintos urbanos. También influyeron en la salud pública internacional, pues a mediados del siglo XIX representantes de diversos países comenzaron a reunirse para tratar de evitar el paso de epidemias de un país a otro.
La Organización Mundial de la Salud (OMS) fue creada en 1948, después de la Segunda Guerra Mundial, para intentar regular las relaciones intergubernamentales entre gobiernos y naciones soberanas. Tres años después se firmó el Reglamento Sanitario Internacional, que ha sido modificado en varias ocasiones, y volverá a serlo debido a la actual crisis sanitaria.
Sin embargo, en las últimas décadas ha habido retrocesos, pues la OMS ha perdido liderazgo frente a instituciones como el Banco Mundial y el Fondo Monetario Internacional, que impulsaron políticas neoliberales en salud, como el paso de la producción pública de vacunas al sector privado, mencionó.
Para concluir, la doctora Carrillo Farga se preguntó si la actual pandemia será una oportunidad para que la OMS retomé el liderazgo mundial y se cumplan los Objetivos del Milenio, “para entender que vivimos en mundos interconectados donde el daño a uno, significa el daño a todos, para seguir un nuevo modelo acorde a los Objetivos de Desarrollo Sostenible, que al tiempo que proteja el medio ambiente, garantice equidad en salud y justicia social, para entender que es necesaria más solidaridad de unas naciones con otras en el entendimiento de que nadie se salva solo”.
Cuarentenas en la historia
IMPORTAR DATOS
IMPORTAR PAQUETES
library(pacman)
p_load("base54enc","htmltools", "mime", "xgun", "prettydoc", "readr", "knitr", "DT", "scales", "tidyverse", "gridExtra", "modeest","fdth")## Installing package into 'C:/Users/brayam/Documents/R/win-library/3.6'
## (as 'lib' is unspecified)## Warning: package 'base54enc' is not available (for R version 3.6.3)## Warning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/3.6:
## no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/3.6/PACKAGES'## Warning in p_install(package, character.only = TRUE, ...):## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : there is no package called 'base54enc'## Installing package into 'C:/Users/brayam/Documents/R/win-library/3.6'
## (as 'lib' is unspecified)## Warning: package 'xgun' is not available (for R version 3.6.3)## Warning: unable to access index for repository http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/3.6:
## no fue posible abrir la URL 'http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/3.6/PACKAGES'## Warning in p_install(package, character.only = TRUE, ...):## Warning in library(package, lib.loc = lib.loc, character.only = TRUE,
## logical.return = TRUE, : there is no package called 'xgun'## Warning in p_load("base54enc", "htmltools", "mime", "xgun", "prettydoc", : Failed to install/load:
## base54enc, xgunIMPORTAR DATOS
datos2019 <- read.csv("2019-03-ERNO_hora_L1_caire.csv")
datos2020 <- read.csv("2020-03-ERNO_hora_L1_caire.csv")
datoslineales <- read.csv("datoslineales.csv")TRANSFORMAR Y FILTRAR
ozono2019 <- t(datos2019$O3)
ozono2019 <- as.vector(ozono2019)
ozono2019 <- as.numeric(ozono2019[2:745])
aozono2019 <- cumsum(ozono2019)
ozono2020 <- t(datos2020$O3)
ozono2020 <- as.vector(ozono2020)
ozono2020 <- as.numeric(ozono2020[2:745])
aozono2020 <- cumsum(ozono2020)
aozono2020## [1] 7.55 9.26 10.23 13.24 22.94 29.35 40.36 56.52
## [9] 84.34 120.56 161.14 198.23 235.80 273.26 310.49 346.79
## [17] 380.90 410.23 435.89 459.65 481.58 503.38 527.54 554.98
## [25] 590.33 626.94 662.39 697.77 733.53 762.96 786.66 816.68
## [33] 848.30 880.54 909.58 937.38 964.20 993.11 1025.41 1059.91
## [41] 1095.82 1124.92 1144.55 1178.69 1222.68 1264.71 1307.67 1348.40
## [49] 1384.86 1423.01 1460.51 1500.93 1539.51 1570.05 1586.91 1603.02
## [57] 1627.39 1665.22 1707.66 1749.58 1793.24 1839.30 1877.08 1915.60
## [65] 1949.47 1983.61 2006.92 2032.77 2055.81 2072.87 2086.90 2095.22
## [73] 2103.05 2114.00 2126.98 2148.02 2166.07 2173.25 2181.01 2204.75
## [81] 2236.28 2272.97 2313.01 2359.91 2411.09 2461.42 2510.25 2552.84
## [89] 2591.40 2618.49 2631.86 2638.97 2657.85 2671.82 2678.15 2690.66
## [97] 2715.17 2754.09 2782.22 2803.37 2818.27 2825.38 2829.55 2841.93
## [105] 2873.22 2907.85 2948.22 2992.05 3034.14 3074.97 3119.74 3163.25
## [113] 3204.41 3212.86 3236.75 3265.13 3288.58 3313.10 3335.84 3350.63
## [121] 3368.26 3392.91 3414.51 3430.27 3456.20 3470.04 3473.19 3485.02
## [129] 3509.62 3544.11 3582.66 3623.95 3666.28 3709.29 3753.31 3793.67
## [137] 3829.90 3860.05 3884.00 3905.58 3916.66 3921.58 3928.78 3930.42
## [145] 3931.16 3931.75 3935.66 3945.75 3963.49 3973.19 3982.24 3998.91
## [153] 4027.80 4062.26 4100.01 4142.03 4182.93 4225.99 4267.20 4303.27
## [161] 4337.27 4368.41 4394.91 4416.25 4422.54 4449.46 4484.24 4519.24
## [169] 4555.73 4589.01 4615.64 4643.02 4670.79 4694.73 4710.41 4726.95
## [177] 4746.74 4764.14 4786.99 4813.81 4838.17 4862.20 4884.73 4909.18
## [185] 4933.21 4947.87 4960.92 4975.30 4991.82 5005.96 5022.54 5040.49
## [193] 5056.76 5073.93 5087.19 5095.40 5105.32 5111.71 5114.24 5117.00
## [201] 5122.98 5135.43 5156.54 5184.99 5217.77 5250.60 5281.31 5308.65
## [209] 5331.51 5354.05 5367.24 5375.10 5383.52 5386.03 5386.62 5398.81
## [217] 5415.58 5434.34 5452.88 5476.06 5489.97 5493.09 5496.21 5503.57
## [225] 5515.02 5529.70 5549.98 5574.40 5601.12 5625.63 5646.95 5664.47
## [233] 5685.75 5698.22 5699.24 5699.51 5709.43 5713.84 5724.77 5732.74
## [241] 5739.20 5747.51 5750.42 5755.94 5760.28 5760.61 5761.13 5766.32
## [249] 5780.15 5797.93 5821.36 5846.93 5873.72 5902.62 5928.48 5950.04
## [257] 5968.05 5983.67 5993.98 6003.63 6014.26 6021.89 6028.78 6038.47
## [265] 6046.27 6056.54 6072.12 6087.16 6102.24 6110.15 6111.91 6120.44
## [273] 6137.22 6154.21 6168.06 6180.81 6195.88 6211.72 6228.48 6245.02
## [281] 6258.79 6266.02 6279.61 6293.35 6306.96 6324.54 6340.20 6359.83
## [289] 6379.26 6405.39 6430.09 6454.08 6474.70 6491.03 6501.25 6516.65
## [297] 6541.68 6569.55 6598.46 6629.26 6660.75 6693.29 6725.02 6758.18
## [305] 6789.40 6813.52 6828.63 6842.49 6857.98 6862.31 6863.09 6867.18
## [313] 6869.67 6871.48 6875.30 6878.49 6881.36 6884.03 6888.52 6899.14
## [321] 6920.13 6951.57 6989.91 7031.21 7072.56 7112.86 7153.30 7194.19
## [329] 7235.15 7273.95 7301.70 7325.17 7341.52 7347.45 7355.26 7362.66
## [337] 7370.91 7372.93 7374.26 7386.38 7395.60 7399.44 7405.38 7412.25
## [345] 7428.76 7455.60 7495.54 7540.39 7585.65 7630.27 7675.19 7719.63
## [353] 7764.15 7804.21 7834.75 7851.84 7868.14 7882.98 7884.68 7885.23
## [361] 7888.62 7897.96 7906.54 7918.03 7928.27 7932.32 7938.85 7952.19
## [369] 7972.84 8007.17 8049.26 8095.59 8143.32 8190.23 8232.70 8273.88
## [377] 8314.96 8348.09 8376.85 8399.63 8417.16 8432.78 8436.58 8437.34
## [385] 8442.38 8459.40 8474.19 8483.58 8489.87 8497.86 8503.04 8509.34
## [393] 8523.95 8551.26 8584.84 8619.18 8653.17 8687.73 8723.13 8758.61
## [401] 8794.90 8826.68 8852.95 8876.56 8896.17 8917.39 8932.21 8942.90
## [409] 8963.88 8992.41 9022.47 9038.93 9054.97 9072.67 9093.28 9112.99
## [417] 9138.46 9166.58 9188.67 9217.43 9240.87 9269.17 9296.72 9326.76
## [425] 9360.13 9389.10 9418.67 9449.54 9482.03 9517.59 9547.18 9576.34
## [433] 9599.55 9625.44 9645.32 9662.91 9676.76 9690.37 9700.35 9713.77
## [441] 9745.07 9776.78 9809.43 9842.81 9878.51 9915.80 9956.44 9995.07
## [449] 10032.24 10061.62 10077.20 10085.97 10099.54 10111.16 10124.22 10132.39
## [457] 10138.39 10139.54 10141.22 10146.12 10152.18 10157.19 10164.16 10181.00
## [465] 10206.98 10242.23 10283.31 10332.25 10384.66 10434.29 10485.29 10533.18
## [473] 10573.24 10605.70 10634.43 10658.59 10676.39 10699.18 10724.74 10745.16
## [481] 10760.62 10778.56 10799.18 10807.04 10811.08 10813.47 10819.04 10829.21
## [489] 10849.11 10881.65 10922.91 10966.58 11010.16 11056.33 11102.85 11150.40
## [497] 11197.70 11238.53 11268.98 11291.97 11311.52 11322.35 11323.69 11329.56
## [505] 11339.49 11347.27 11358.62 11372.05 11387.85 11404.76 11422.47 11443.23
## [513] 11474.58 11512.81 11558.52 11611.15 11663.22 11715.08 11764.82 11812.64
## [521] 11859.98 11897.34 11925.01 11950.13 11971.00 11988.95 12001.35 12007.55
## [529] 12017.50 12031.63 12045.61 12057.85 12064.88 12070.36 12078.33 12092.61
## [537] 12121.53 12157.95 12198.16 12238.62 12282.61 12326.42 12368.60 12409.23
## [545] 12445.53 12477.76 12502.73 12526.87 12552.05 12569.94 12579.03 12594.15
## [553] 12611.59 12632.74 12646.15 12655.66 12667.03 12676.35 12684.18 12695.65
## [561] 12717.09 12749.56 12793.51 12841.10 12887.16 12932.65 12978.76 13022.96
## [569] 13065.03 13097.95 13122.02 13140.07 13158.41 13175.18 13185.12 13193.69
## [577] 13201.98 13209.01 13218.17 13226.98 13234.13 13242.57 13251.80 13272.41
## [585] 13299.15 13335.38 13380.54 13435.07 13501.73 13564.38 13612.48 13658.20
## [593] 13701.69 13736.78 13766.82 13790.11 13811.65 13829.03 13835.93 13836.84
## [601] 13837.56 13838.15 13838.61 13839.18 13841.64 13848.21 13856.33 13867.56
## [609] 13885.89 13918.52 13959.30 14001.01 14042.48 14082.69 14122.99 14164.12
## [617] 14200.47 14234.88 14269.60 14302.23 14334.80 14364.07 14394.01 14423.20
## [625] 14453.94 14484.39 14520.14 14558.11 14595.70 14633.36 14672.57 14712.02
## [633] 14754.08 14797.39 14840.44 14885.93 14931.35 14977.68 15023.30 15069.88
## [641] 15111.48 15149.36 15185.64 15222.24 15257.33 15288.04 15312.00 15330.63
## [649] 15352.14 15369.09 15391.79 15423.06 15447.22 15465.81 15493.61 15527.55
## [657] 15569.75 15616.64 15667.42 15721.56 15778.44 15833.30 15888.67 15943.98
## [665] 15996.55 16041.65 16078.39 16114.34 16143.02 16172.89 16206.42 16238.78
## [673] 16268.82 16295.37 16329.53 16362.44 16373.38 16391.16 16410.42 16433.72
## [681] 16465.28 16503.92 16551.11 16599.27 16648.43 16699.39 16751.12 16803.29
## [689] 16852.24 16895.14 16929.14 16959.83 16987.64 17011.93 17040.19 17069.90
## [697] 17099.07 17112.28 17128.86 17146.24 17162.40 17179.62 17197.31 17212.91
## [705] 17241.21 17275.75 17323.13 17373.52 17426.70 17482.56 17538.35 17594.82
## [713] 17648.82 17688.60 17705.19 17737.63 17763.64 17788.32 17816.88 17846.21
## [721] 17876.68 17904.82 17926.96 17945.82 17965.85 17990.49 18007.44 18029.93
## [729] 18060.34 18102.10 18151.28 18205.99 18262.60 18332.86 18399.07 18448.19
## [737] 18492.03 18519.17 18537.83 18566.83 18597.24 18625.50 18654.42 18679.23pm10_2019 <- t(datos2019$PM10)
pm10_2019 <- as.vector(pm10_2019)
pm10_2019 <- as.numeric(pm10_2019[2:745])
apm10_2019 <- cumsum(pm10_2019)
pm10_2020 <- t(datos2020$PM10)
pm10_2020 <- as.vector(pm10_2020)
pm10_2020 <- as.numeric(pm10_2020[2:745])
apm10_2020 <- cumsum(pm10_2020)
Fecha2019 <- seq(from = as.POSIXct("2019-03-01 00:00:00"), to = as.POSIXct("2019-03-31 23:00:00"), by= "hour" )
Fecha2020 <- seq(from = as.POSIXct("2020-03-01 00:00:00"), to = as.POSIXct("2020-03-31 23:00:00"), by= "hour" )
frame <- data.frame(Fecha2019, ozono2019, ozono2020)
aframe <- data.frame(Fecha2020, aozono2020, aozono2019)
framepm <-data.frame(Fecha2019, pm10_2019, pm10_2020)
aframepm <- data.frame(Fecha2019, apm10_2019, apm10_2020)VISUALIZAR
TABLA
Gráficas utlizando ggplot
par(mfrow=c(2,2))
ggplot(data=frame) +
geom_line(aes(Fecha2019, ozono2019, colour = "2019"))+
geom_line(aes(Fecha2019, ozono2020, colour= "2020"))+
xlab("Dia")+
ylab("Emisiones de O3")+
ggtitle("Emisiones de Ozono durante marzo") +
scale_y_continuous(labels = comma)
ggplot(data=aframe) +
geom_line(aes(Fecha2020, aozono2019, colour = "2019"))+
geom_line(aes(Fecha2020, aozono2020, colour= "2020"))+
xlab("Dia")+
ylab("Emisiones de O3")+
ggtitle("Emisiones de Ozono acumuladas durante marzo") +
scale_y_continuous(labels = comma)
ggplot(data=framepm) +
geom_line(aes(Fecha2019, pm10_2019, colour = "2019"))+
geom_line(aes(Fecha2019, pm10_2020, colour= "2020"))+
xlab("Dia")+
ylab("Emisiones de PM10")+
ggtitle("Emisiones de PM10 durante marzo") +
scale_y_continuous(labels = comma)
ggplot(data=aframepm) +
geom_line(aes(Fecha2019, apm10_2019, colour = "2019"))+
geom_line(aes(Fecha2019, apm10_2020, colour= "2020"))+
xlab("Dia")+
ylab("Emisiones de PM10")+
ggtitle("Emisiones de PM10 acumuladas durante marzo") +
scale_y_continuous(labels = comma)
ANALIZAR
Media, Mediana y Moda.
Mediana
## [1] 28.25## [1] 24.395## [1] 30.735## [1] 21.1Media
## [1] 28.94699## [1] 25.10649## [1] 35.18395## [1] 23.83316Moda
## [1] 5.38## [1] 24.16## [1] 32.76## [1] 17.02Medidas de dispersion
Varianza
## [1] 277.2209## [1] 207.1665## [1] 462.9484## [1] 445.5147Desviación Estandar
## [1] 16.64995## [1] 14.39328## [1] 21.51624## [1] 21.10722## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.24 14.71 28.25 28.95 41.99 71.77## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.27 13.61 24.39 25.11 36.23 70.26## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -7.35 20.84 30.73 35.18 45.30 240.61## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -27.990 9.485 21.100 23.833 35.835 152.420Gráfico de caja y bigote
Analisis de regresión lineal
##
## Call:
## lm(formula = PM102019 ~ PM102020, data = datoslineales)
##
## Residuals:
## Min 1Q Median 3Q Max
## -42.408 -14.088 -4.312 10.312 209.632
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 32.40921 1.18324 27.390 < 2e-16 ***
## PM102020 0.11642 0.03718 3.132 0.00181 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 21.39 on 742 degrees of freedom
## Multiple R-squared: 0.01304, Adjusted R-squared: 0.01171
## F-statistic: 9.807 on 1 and 742 DF, p-value: 0.001807plot(datoslineales$PM102019, datoslineales$PM102020, xlab = "Emisiones de PM10 en 2019", ylab = "Emisiones de PM10 en 2020")
abline(regresion)
Residuos
# Intervalo de confianza
## 2.5 % 97.5 %
## (Intercept) 30.08631163 34.7321079
## PM102020 0.04343763 0.1894095PREGUNTAS A RESPONDER
*¿Este año tiene menor cantidad de contaminantes atmosféricos que el año pasado?
Si, las gráficas que realice lo afirman claramente. Anexo gráfica para repasar
ggplot(data=aframepm) +
geom_line(aes(Fecha2019, apm10_2019, colour = "2019"))+
geom_line(aes(Fecha2019, apm10_2020, colour= "2020"))+
xlab("Dia")+
ylab("Emisiones de PM10")+
ggtitle("Emisiones de PM10 acumuladas durante marzo") +
scale_y_continuous(labels = comma)
*¿Cuál es la influencia de la pandemia sobre la calidad del aire ?
Tuvo un impacto positivo ya que la cuarentena por la pandemia obligo a la sociedad a permanecer en casa y reducir el tráfico y por ende la emision de gases contaminantes para el ambiente.
*¿Que periodos de este año están más contaminados que el año pasado?
Con el analisis de datos que he realizado logro comprender que este año tiene mucha menor concentracion de gases contaminantes con relacion a cualquier año
*¿Qué es la estadística y que aplicaciones tiene en ingeniería (según su ingeniería)?
-La estadística es la ciencia que utiliza conjuntos de datos numéricos para obtener, a partir de ellos, inferencias basadas en el cálculo de probabilidades.
-Para mi la esadística tiene aplicación en todas las áreas por que todo al final de cuentas se termina contando, y ahora en el siglo XXI la ciencia de datos y la estadística es de suma importancia como lo hemos visto ahora con la pandemia que hemos visto. En la Ingeniería de software no es la excepción, ya que mediante algoritmos y datos estadísticos es facil predecir datos y modelarlos, se puede generar machine learning, inteligencia artificial y un sin fin de oportunidades que abre esta ciencia en el mundo del software, por que en este caso la estadística son datos y las computadoras se alimentan de datos, entonces para mi forman un gran equipo y una gran dupla para lograr cualquier objetivo que se te venga a la mente.
*Enliste y define los tipos de variables usados en estadística, de 2 ejemplos de cada uno. Defina distribución de frecuencia y explique que es la distribución normal.
-Variable cuantitativa:Son variables que se expresan numéricamente.
Ej: Los numeros del 1 al 10 o los numeros pares.
-Variable cualitativa: Son variables que se expresan, por norma general, en palabras.
Ej: Los lugares y colores.
-Distribución de frecuencia: son tablas en que se dispone las modalidades de la variable por filas. En las columnas se dispone el número de ocurrencias por cada valor, porcentajes, etc. La finalidad de las agrupaciones en frecuencias es facilitar la obtención de la información que contienen los datos.
-Distribución normal: Es una distribución con forma de campana donde las desviaciones estándar sucesivas con respecto a la media establecen valores de referencia para estimar el porcentaje de observaciones de los datos.
Pregunta de rescate
Para mi la felicidad es un sentimiento que puede convertirse en una desisión, podemos encontrar la felicidad aún cuando no tengamos todo aquello que anhelamos en la vida. Podrías decirme que eso es una actitud conformista, para algunos puede parecer una tontería, pero si lo vemos bien, ¿no se gana más con ser positivo que con ser negativo?
Siento que todo tiene mucho ver con la manera en la que vemos el mundo y aceptar muchas realidades que existen y solo vivir tu vida, dejar de complicarte la vida tratando de vivir la vida de los demas, fijandote en cosas, insignificantes. Amargarte el día es muy facil.
CONCLUSION
La pandemia por el virus COVID-19 a generado una reducción en la concentración de gases emitidos por los automoviles, ya que el confinamiento generó que la sociedad se quedara en sus casas y solo saliera para atender tareas de primera necesidad.
Todo esto se puede corroborar con el ánalisis de datos realizado por mi autoría.
Virus COVID-19