library(pacman)
p_load("readr","tidyverse","DT","prettydoc","gridExtra")
setwd("~/PyE")
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()
## )- 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?
Los días festivos 6 de enero y 5 de febrero.
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? hubo un invierno frio
¿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, estos datos no son otorgados
De enero hasta ahora, ¿cómo varía la cantidad de personas que visitan parques?
En enero se mostró una caída en la gráfica, pero hasta finales de marzo se empiezan a ver números negativos. Sin embargo, a mediados de abril llega a su punto mas bajo y de ahí sigue una tendencia positiva, pero sin sobre pasar el cero. Esto significa que la gente dejo de ir a los parques a finales de marzo y a partir de abril la gente sigue yendo a los parques pero no como antes.
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?
Solo en el verano disminuye un poco debido al calor.
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?
La cantidad de personas que van a los parques en tiempos de lluvia disminuyen, ya que el clima no es óptico para salir incluso en un año sin cuarentena.
¿Tienes registros de visitas a parques de años anteriores que puedan ayudarte a analizar los cambios de este año?
si
¿Cuánto tiempo crees que pasará la gente en las zonas residenciales?
Lo ideal seria que las personas pasaran al menos las 24 horas encerrados pero, no todas las personas tienen la capacidad económica de permanecer 24 horas en su casa
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.
Las horas de trabajo podrían variar dependiendo del oficio, como por ejemplo un trabajo de oficina se puede llevar acabo de forma remota, igual que el de los estudiantes, pero en el caso de un empleado de supermercado si podría ser menor las horas de trabajo para que se disminuya el tiempo al cual está expuesto al virus, así disminuyendo la probabilidad de contraerlo
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. La gente de bajos recursos es la que se quedará un menor tiempo en su casa, porque tiene que salir todos los días a trabajar.
¿Tienes que ajustar las estimaciones según la estación o los periodos académicos? Si, ya que en periodos académicos las personas son menos propensas a salir de sus casas y en temporadas de vacaciones las personas tienden a salir un más.
¿Cómo pueden relacionarse los tipos de trabajo con los cambios en la movilidad los días laborables y los fines de semana?
Los tipos de trabajo se pueden relacionar mediante la pregunta de si es esencial o no esencial y si se puede llevar acabo de manera remota. No todos los trabajos se descansas los fines ya seria independiente del tipo de trabajo
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? La mayoría de las personas en México tienen un trabajo que es necesario estar presente, incluso si ellos siguen trabajando no habría un mercado ya que las personas no estarían saliendo de sus casas por ende no estarían comprando lo que se vende ya sea un servicio o producto y esto provoca que las personas que no están generando un ingreso “fijo” se desesperen.
¿Los efectos serían diferentes en las personas que trabajan entre semana que en las que lo hacen los fines de semana? No, todo depende del tipo de trabajo
¿Con qué grado de precisión está representada tu región?
Con una alta precisión, pero no absoluta por que sin importar que la mayoría de los mexicanos usan un dispositivo Android no todos cuentan con el mismo sistema operativo o algún dispositivo en general
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. En obregón muestra los 6 lugares de interés mas recurridos
¿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?
No de los que yo este informado. En dado caso afectaría en la validez de los datos