Caso de estudio 2
Equipo 4
12/3/2021
setwd("~/R")El aire en hermosillo
Cielo contaminado de hermosillo
Respirar un aire limpio
La importancia de respirar un aire limpio está fuera de toda duda. Basta con aplicar el sentido común o, por supuesto, con sentir el bienestar que ello supone para el organismo, para entender el gran valor de respirar un aire puro, que resulte saludable y nos transmita sensación de confort.
La respiración juega un papel vital para nuestra salud. Al tiempo que nos provee de oxígeno, el mismo hecho de la inhalación puede ser la puerta de entrada de partículas nocivas que provoquen reacciones alérgicas y enfermedades de distinta gravedad. También juega un importante papel en el pH de la sangre, de tal modo que una respiración superficial (muy habitual en ambientes polucionados) nos genera estrés, así como sensación de angustia y ansiedad constante.
La importancia de respirar un aire limpio es crucial para todo ser humano gracias a que este soporta al organismo. Por lo cual es importante que este sea aire limpio.
Las actividades humanas tienen un efecto negativo sobre el ambiente y el cambio climático, ahora, si tomamos el caso de estudio de Hermosillo, y nos planteamos la siguiente pregunta:
¿Cómo varió la calidad del aire en Hermosillo durante los primeros días de la cuarentena por COVID-19? ¿Mejoró la calidad del aire? ¿Por qué mejoró la calidad del aire? ¿Qué es y que produce el NO2? -La importancia de estas preguntas radica en que a mayor concentración de NO2 en la troposfera, mayor concentración de ozono (O3)
Los datos siguientes fueron tomados del siguiente enlace
https://ruoa.unam.mx/index.php?page=estaciones&id=6
con la fecha del 01/04/2020
library(readr)
periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00 <- read_csv("periodo_-2020-04-01-12_00_00-a--2020-04-30-12_00_00.csv")##
## -- Column specification --------------------------------------------------------
## cols(
## Fecha = col_datetime(format = ""),
## O3 = col_double()
## )View(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00)Conociendo los datos
head(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00) #Para conocer los primero datos## # A tibble: 6 x 2
## Fecha O3
## <dttm> <dbl>
## 1 2020-04-01 12:00:00 47.1
## 2 2020-04-01 13:00:00 47.8
## 3 2020-04-01 14:00:00 46.7
## 4 2020-04-01 15:00:00 47.2
## 5 2020-04-01 16:00:00 45.0
## 6 2020-04-01 17:00:00 40.7O3
El ozono es un gas incoloro y un componente natural de la atmosfera que se encuentra en concentraciones bajas y es vital para nosotros.
Se le llama el “ozono bueno” al que se encuentra en la ozonosfera que limita la radiación ultravioleta del sol, en el que nos concentraremos más es el denominado “ozono malo” el cual se encuentra al nivel del suelo y es producido por los automóviles, fábricas y otras reacciones químicas con el sol.
Los principales efectos negativos para el ser humano es que nos provocan efectos nocivos al sistema respiratorio.
Medidas de tendencia central
Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un solo valor a un conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el conjunto de los datos. Las medidas de tendencia central más utilizadas son: media, mediana y moda.
Media
median(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)## [1] 34.01Mediana
median(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)## [1] 34.01Para saber esto, ordenamos los datos de mayor a menor para una mejor apreciación
sort(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)## [1] 2.35 4.35 4.77 5.56 5.75 7.45 7.60 7.98 8.58 8.80 9.38 9.79
## [13] 9.82 10.26 10.36 10.53 10.74 11.37 11.37 11.80 12.08 12.09 12.14 12.48
## [25] 12.82 12.87 13.14 13.31 13.34 13.39 13.46 13.54 13.60 13.82 13.92 13.93
## [37] 13.98 14.00 14.09 14.31 14.35 14.42 14.62 14.82 14.88 14.88 14.96 14.97
## [49] 15.02 15.13 15.15 15.18 15.23 15.24 15.25 15.26 15.35 15.59 15.66 15.67
## [61] 15.77 15.81 15.88 15.89 15.90 15.91 15.93 16.05 16.10 16.15 16.21 16.31
## [73] 16.49 16.64 16.71 16.73 16.77 16.78 16.83 16.85 16.92 16.96 17.00 17.07
## [85] 17.08 17.16 17.25 17.39 17.41 17.55 17.66 17.66 17.72 17.78 17.83 17.86
## [97] 17.94 17.97 18.06 18.14 18.16 18.32 18.66 18.79 18.79 18.95 19.03 19.04
## [109] 19.05 19.13 19.13 19.14 19.15 19.19 19.24 19.33 19.33 19.36 19.52 19.57
## [121] 19.60 19.61 19.64 19.88 20.30 20.35 20.43 20.45 20.46 20.46 20.50 20.51
## [133] 20.63 20.80 20.80 20.82 20.90 21.03 21.09 21.10 21.16 21.19 21.20 21.26
## [145] 21.28 21.36 21.43 21.48 21.48 21.49 21.52 21.70 21.92 22.04 22.05 22.10
## [157] 22.16 22.17 22.18 22.22 22.25 22.31 22.34 22.37 22.40 22.55 22.66 22.67
## [169] 22.78 22.83 22.85 23.04 23.13 23.21 23.24 23.24 23.34 23.35 23.41 23.51
## [181] 23.69 24.19 24.26 24.38 24.48 24.49 24.51 24.58 24.71 24.82 25.02 25.02
## [193] 25.05 25.09 25.15 25.19 25.21 25.31 25.31 25.34 25.48 25.64 25.65 25.71
## [205] 25.78 25.79 25.81 25.84 25.85 25.90 25.98 26.03 26.06 26.15 26.15 26.26
## [217] 26.39 26.56 26.57 26.62 26.71 26.89 26.91 26.91 26.95 26.99 27.06 27.16
## [229] 27.16 27.25 27.43 27.46 27.57 27.58 27.59 27.62 27.64 27.67 27.71 27.93
## [241] 27.97 28.06 28.12 28.15 28.15 28.16 28.17 28.20 28.23 28.27 28.31 28.32
## [253] 28.40 28.41 28.42 28.45 28.61 28.62 28.64 28.68 28.68 28.70 28.74 28.76
## [265] 28.80 28.89 28.90 29.02 29.10 29.12 29.17 29.40 29.43 29.44 29.46 29.50
## [277] 29.61 29.74 29.77 29.80 29.87 29.87 29.92 30.04 30.10 30.15 30.25 30.28
## [289] 30.33 30.42 30.46 30.54 30.71 30.72 30.79 30.90 30.93 30.98 31.12 31.19
## [301] 31.26 31.31 31.40 31.53 31.53 31.60 31.70 31.79 31.89 31.90 31.92 31.93
## [313] 32.01 32.04 32.06 32.13 32.20 32.31 32.36 32.44 32.45 32.46 32.49 32.59
## [325] 32.68 32.74 32.74 32.77 32.78 32.80 33.11 33.17 33.17 33.20 33.27 33.31
## [337] 33.42 33.45 33.56 33.57 33.59 33.76 33.80 33.85 33.86 33.87 33.94 33.98
## [349] 34.04 34.08 34.18 34.20 34.27 34.35 34.45 34.46 34.59 34.62 34.63 34.69
## [361] 34.69 34.71 34.75 34.78 34.89 34.95 34.95 34.96 35.00 35.08 35.09 35.15
## [373] 35.17 35.38 35.40 35.51 35.53 35.54 35.54 35.55 35.59 35.60 35.60 35.62
## [385] 35.65 35.74 35.77 35.78 35.79 35.88 35.94 35.97 36.20 36.21 36.23 36.36
## [397] 36.43 36.49 36.52 36.52 36.54 36.56 36.62 36.67 36.70 36.71 36.74 36.76
## [409] 36.86 36.87 36.90 36.91 37.09 37.23 37.24 37.30 37.33 37.41 37.55 37.57
## [421] 37.58 37.60 37.67 37.72 37.75 37.77 37.79 37.86 37.90 37.97 38.03 38.05
## [433] 38.06 38.06 38.12 38.23 38.47 38.47 38.55 38.59 38.63 38.70 38.72 38.72
## [445] 38.83 38.97 38.98 39.01 39.05 39.14 39.19 39.25 39.26 39.27 39.50 39.61
## [457] 39.65 39.74 39.74 39.84 39.90 39.94 39.96 39.99 40.04 40.16 40.16 40.26
## [469] 40.30 40.40 40.40 40.57 40.64 40.64 40.66 40.66 40.68 40.71 40.72 40.72
## [481] 40.74 40.81 40.94 40.95 41.07 41.08 41.21 41.24 41.25 41.26 41.41 41.48
## [493] 41.60 41.65 41.69 41.80 41.89 41.93 41.96 42.00 42.08 42.09 42.09 42.11
## [505] 42.23 42.29 42.29 42.38 42.47 42.51 42.51 42.55 42.63 42.69 42.82 42.89
## [517] 43.08 43.12 43.13 43.13 43.19 43.35 43.36 43.36 43.37 43.38 43.43 43.45
## [529] 43.48 43.48 43.51 43.79 44.21 44.26 44.27 44.43 44.44 44.45 44.51 44.52
## [541] 44.57 44.64 44.64 44.65 44.70 44.79 44.90 44.90 44.93 45.04 45.05 45.06
## [553] 45.25 45.26 45.30 45.34 45.41 45.47 45.56 45.66 45.66 45.75 45.79 45.88
## [565] 45.88 45.90 45.93 45.99 46.00 46.05 46.07 46.14 46.15 46.16 46.23 46.23
## [577] 46.28 46.38 46.49 46.73 46.84 46.88 46.89 46.89 46.94 46.95 47.02 47.06
## [589] 47.16 47.18 47.25 47.26 47.34 47.39 47.42 47.44 47.45 47.56 47.63 47.64
## [601] 47.70 47.71 47.72 47.74 47.75 47.76 47.77 47.79 47.81 47.84 47.85 47.90
## [613] 47.96 48.01 48.05 48.09 48.12 48.35 48.36 48.40 48.41 48.56 48.59 48.75
## [625] 48.77 48.80 48.82 48.89 48.97 49.17 49.29 49.33 49.70 49.74 49.84 49.96
## [637] 49.99 50.06 50.10 50.24 50.26 50.39 50.72 51.23 51.26 51.30 51.35 51.37
## [649] 51.63 51.72 51.75 51.79 52.02 52.05 52.17 52.28 52.36 52.55 52.58 52.60
## [661] 52.74 52.89 53.29 53.35 53.49 53.56 53.56 53.68 53.83 54.01 54.03 54.17
## [673] 54.25 54.46 54.48 54.50 54.69 54.77 54.89 55.06 55.12 56.07 56.57 57.07
## [685] 57.61 57.71 58.13 58.21 58.49 58.54 58.90 59.64 60.06 61.92 63.34 64.34Moda
library(modeest)
mlv(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, method = "mfv")## [1] 11.37 14.88 17.66 18.79 19.13 19.33 20.46 20.80 21.48 23.24 25.02 25.31
## [13] 26.15 26.91 27.16 28.15 28.68 29.87 31.53 32.74 33.17 34.69 34.95 35.54
## [25] 35.60 36.52 38.06 38.47 38.72 39.74 40.16 40.40 40.64 40.66 40.72 42.09
## [37] 42.29 42.51 43.13 43.36 43.48 44.64 44.90 45.66 45.88 46.23 46.89 53.56Rango o amplitud
maximo <- max(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3) #valor más grande
maximo## [1] 64.34minimo <- min(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3) #valor más chico
minimo## [1] 2.35rango <- (maximo-minimo) #amplitud
rango## [1] 61.99cuartiles y tendencia central
Los cuartiles son valores que dividen una muestra de datos en cuatro partes iguales. Utilizando cuartiles puede evaluar rápidamente la dispersión y la tendencia central de un conjunto de datos, que son los pasos iniciales importantes para comprender sus datos.
summary(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.35 23.23 34.01 33.38 43.35 64.34Grafico de caja y bigote
boxplot(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)
Se puede detectar rápidamente los siguientes valores:
Primer cuartil: el 25% de los valores son menores o igual a este valor (punto 2 en el gráfico anterior).
Mediana o Segundo Cuartil: Divide en dos partes iguales la distribución. De forma que el 50% de los valores son menores o igual a este valor (punto 3 en el gráfico siguiente).
Tercer cuartil: el 75% de los valores son menores o igual a este valor (punto 4 en el gráfico siguiente). Rango Intercuartílico (RIC): Diferencia entre el valor del tercer cuartil y el primer cuartil.
Rango intercuartil
El rango intercuartílico IQR (o rango intercuartil) es una estimación estadística de la dispersión de una distribución de datos. Consiste en la diferencia entre el tercer y el primer cuartil. Mediante esta medida se eliminan los valores extremadamente alejados. El rango intercuartílico es altamente recomendable cuando la medida de tendencia central utilizada es la mediana (ya que este estadístico es insensible a posibles irregularidades en los extremos).
# IQR (Inter Quartil Range) = Q3-Q1
RIC = IQR(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)
RIC## [1] 20.12# Límite superior (Maximun)
Q3 <- 43.35
limitesuperior <- (Q3+1.5*RIC)
limitesuperior## [1] 73.53#Límite Inferior (Mínimo)
Q1 <- 23.23
limiteinferior <- (Q1+1.5*RIC)
limiteinferior## [1] 53.41Analisis de frecuencia
library(fdth)##
## Attaching package: 'fdth'## The following object is masked from 'package:modeest':
##
## mfv## The following objects are masked from 'package:stats':
##
## sd, varFrecuencias absolutas, relativas y acumuladas
dist <- fdt(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, breaks="Sturges")
dist## Class limits f rf rf(%) cf cf(%)
## [2.3265,8.0226) 8 0.01 1.15 8 1.15
## [8.0226,13.719) 25 0.04 3.59 33 4.74
## [13.719,19.415) 85 0.12 12.21 118 16.95
## [19.415,25.111) 76 0.11 10.92 194 27.87
## [25.111,30.807) 101 0.15 14.51 295 42.39
## [30.807,36.503) 103 0.15 14.80 398 57.18
## [36.503,42.199) 106 0.15 15.23 504 72.41
## [42.199,47.895) 107 0.15 15.37 611 87.79
## [47.895,53.591) 56 0.08 8.05 667 95.83
## [53.591,59.287) 24 0.03 3.45 691 99.28
## [59.287,64.983) 5 0.01 0.72 696 100.00Dist nos brinda una tabla con los cálculos de la distribución de frecuencias
Poligonos e histogramas
#Absolutos
plot(dist, type="fh")
plot(dist, type="fp")
#Acumulados
plot(dist, type="cfh")
plot(dist, type="cfp")
#Relativos
plot(dist, type="rfh")
plot(dist, type="rfp")
Medidas de dispersión: rango, varianza, desviación, estándar y coeficiente de variación
range(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 2.35 64.34min(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 2.35max(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 64.34max(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE) - min(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 61.99Luego, para conocer el rango de los valores se debe restar el valor máximo al mínimo
var(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 154.7211sd(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3, na.rm = TRUE)## [1] 12.43869Coeficiente de variación
sd(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)/mean(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3)## [1] 0.372654library(FinCal)## Warning: package 'FinCal' was built under R version 4.0.4coefficient.variation(sd=sd(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3), avg = mean(periodo_2020_04_01_12_00_00_a_2020_04_30_12_00_00$O3))## [1] 0.372654