I. INTRODUCCIÓN
En finales de 2019 e inicios de 2020 el virus COVID-19 dio aparición en la ciudad Wuhan China, el 23 de enero de 2020 se puso en cuarentena esta misma ciudad, lastimosamente esto no evito la propagación hacia otros países, ya que el día 28 de febrero de 2020 se confirmo el primer caso de COVID-19 en México.
A lo largo de este documento observaremos todos los datos relacionados con el COVID-19 en México desde el 22 de enero del 2020 a 17 de octubre de 2021. Observaremos los casos confirmados, las recuperaciones y los fallecimientos que se ocasionaron gracias a esta pandemia mundial dentro de México.
Imagen 1.1.
II. ANTECEDENTES
Estos virus se conocen desde mediados del siglo pasado, los cuales retomaron relevancia en 2002, cuando en China surgió el SARS-CoV, el MERS en al año 2012 en Arabia (cuyo principal mecanismo de transmisión identificado fue el contacto estrecho entre camellos y humanos), y ahora en 2019, nuevamente en China, el virus SARS-CoV2, que produce el coronavirus (CoVID19 por sus siglas en inglés), señaló la doctora Rocío Tirado Mendoza, profesora del Departamento de Microbiología y Parasitología.
Esta enfermedad causada por el virus SARS-CoV-2 fue registrada por primera vez en territorio mexicano el 28 de febrero de 2020, mientras que la primera muerte fue reportada el 19 de marzo de 2020.
III. OBJETIVO
Determinar cómo varían los contagios de Covid-19 durante el periodo Enero 2020 - Octubre 2021 en México.
Analizar como se comporta la serie de tiempo.
Comprobar a que eventos responden los picos de contagios.
library(pacman)
p_load(rmdformats,readr,readxl,ggplot2,plotly,DT,xfun,gridExtra,leaflet)Ubicación de donde se obtuvieron los datos
content <- paste(sep = "<br/>",
"<b><a href='https://coronavirus.jhu.edu/map.html'>Universidad Johns Hopkins</a></b>","Lng: -76.62053912413752, Lat: 39.3299635578193")
m <- leaflet() %>%
addTiles() %>%
addMarkers(lng=-76.62053912413752, lat= 39.3299635578193, popup= content)
mIV. TEORÍA
¿Qué es un virus?
- Es un agente infeccioso de estructura muy sencilla que está formado principalmente por un ácido nucleico (ADN o ARN) y una envoltura proteica que lo protege. Infectan a todo tipo de organismos, desde los animales o plantas, hasta los hongos o incluso bacterias u otros virus.
¿Cuáles son los síntomas del COVID-19?
- Son fiebre, tos seca y cansancio. Algunos pacientes pueden presentar dolores, congestión nasal, dolor de garganta o diarrea. La mayoría de las personas (alrededor del 80%) se recuperan de la enfermedad sin necesidad de tratamiento hospitalario. Alrededor de 1 de cada 5 personas que contraen la COVID‑19 desarrolla una enfermedad grave y tiene dificultad para respirar. Las personas mayores y las que padecen afecciones médicas subyacentes, como hipertensión arterial, problemas cardiacos o pulmonares, diabetes o cáncer tienen más probabilidades de desarrollar una enfermedad grave. Sin embargo, cualquier persona puede contraer la COVID‑19 y desarrollar una enfermedad grave.
¿Cómo se propaga la COVID‑19?
- La enfermedad se propaga principalmente de persona a persona a través de las gotículas que salen despedidas de la nariz o la boca de una persona infectada al toser, estornudar o hablar. Estas gotículas son relativamente pesadas, no llegan muy lejos y caen rápidamente al suelo. Una persona puede contraer la COVID‑19 si inhala las gotículas procedentes de una persona infectada por el virus. Por eso es importante mantenerse al menos a un metro (3 pies) de distancia de los demás. Estas gotículas pueden caer sobre los objetos y superficies que rodean a la persona, como mesas, pomos y barandillas, de modo que otras personas pueden infectarse si tocan esos objetos o superficies y luego se tocan los ojos, la nariz o la boca. Por ello es importante lavarse las manos frecuentemente con agua y jabón o con un desinfectante a base de alcohol.
Datos clave.
- En México hay 4931 nuevos contagios reportados de media cada día.
- Algunas personas infectadas no presentan síntomas, mientras que otras enferman de forma muy grave y algunas fallecen
- Ningún medicamento cura la COVID-19, pero algunos pueden ayudar a las personas con infecciones graves, y los médicos siempre están probando otros adicionales
Efectos del covid 19 en la economia de México
En el periodo que va de marzo a junio de 2020 se perdieron poco más de 1.1 millones de empleos formales, una reducción de 5.4% de todos los empleos formales registrados ante el IMSS. El grueso de la pérdida ocurrió en los meses de abril y mayo, en los cuales se perdieron 900 mil empleos.
Imagen 4.1.
V. METODOLOGÍA
Para este análisis se utilizarán las siguientes herramientas y metodologías:
Series de tiempo
Una serie de tiempo es una secuencia de datos u observaciones, medidos en determinados momentos y ordenados cronológicamente. Visualmente, es una curva que evoluciona en el tiempo. Una serie de tiempo es un conjunto de observaciones sobre los valores que toma una variable (cuantitativa) a través del tiempo.
Descomposición de una serie de tiempo
Proceso que identifica y calcula las diversas componentes existentes en una serie temporal, así como la forma en que estas se relacionan entre sí.
Transformación de una serie de tiempo
Las transformaciones de series temporales en el análisis de series temporales se realizan con el objetivo de lograr mayor cumplimiento en “las suposiciones de algunas técnicas estadísticas: normalidad, linealidad, homocedasticidad, etc.”
VI. RESULTADOS Y DISCUSIÓN
En el siguiente apartado se realizarán los análisis para obtención de resultados y se discutirán sus interpretaciones.
Importación de paquetes
setwd("~/R/ESTADISTICA") #Directorio de trabajo
library(pacman) #para importar la biblioteca "pacman"
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales")Datos globales de Johns Hopkins University para México
De lo general a lo particular
Importar datos de JHU
#se realiza la declaración de las variables que contendrán las url en donde se encuentran los datos crudos de confirmados, decesos, recuperados
url_conf <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
url_decesos <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"
url_recuperados <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv"
#Leer los archivos .csv de las url
datos_conf <- read.csv(url_conf)
datos_decesos <- read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)
#definir variables
conf_mex <- t(datos_conf[datos_conf$Country.Region=="Mexico" ,])
dec_mex <- t(datos_decesos[datos_decesos$Country.Region=="Mexico" ,])
rec_mex <- t(datos_recuperados[datos_recuperados$Country.Region=="Mexico" ,])
datos= read.csv("Casos_Diarios_Estado_Nacional_Confirmados.csv")
conf_mex_abs<- t(datos[datos$nombre=="Nacional" ,])
conf_mex_abs <- as.vector(conf_mex_abs)
conf_mex_abs <-conf_mex_abs[4:605]
conf_mex_abs <- as.numeric(conf_mex_abs)
conf_mex_abs <- as.vector(conf_mex_abs)
Fecha2 = seq(from = as.Date("2020-02-18"), to = as.Date("2021-10-11"), by = 'day')Formatear datos
- Eliminar campos no utilizables
- Formatear las fechas
- Crear un marco de datos (data frame)
#vector de fecha
Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2021-10-17"), by = "day" )
#casos confirmados
vec1 <- as.vector(conf_mex)
vec2 <- vec1[5:639]
num1 <- as.numeric(vec2)
Confirmados <- as.vector(num1)
#decesos
vec1 <- as.vector(dec_mex)
vec2 <- vec1[5:639]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)
#recuperados
vec1 <- as.vector(rec_mex)
vec2 <- vec1[5:639]
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)
#generación de un marco de datos (data frame)
datos1 <- data.frame(Fecha, Confirmados, Decesos, Recuperados)Graficación de datos
A continuación se presentan visualizaciones que representan los datos de confirmados, decesos y recuperados para México
Gráfica estática
gcov <- ggplot(data = datos1) +
geom_line(aes(Fecha, Confirmados, colour="Confirmados")) +
geom_line(aes(Fecha, Decesos, colour="Decesos")) +
geom_line(aes(Fecha, Recuperados, colour="Recuperados")) +
xlab("Fecha") +
ylab("COVID-19 en México") +
labs(colour="casos")+
ggtitle("Casos de COVID-19 en México (Fuente: JHU CSSE") +
scale_y_continuous(labels = comma)
gcov
En esta grafica podemos ver como los contagios cada vez aumentan mas rapido y que hay puntos en los que aumenta repentinamente y por un momento se estabiliza hasta volver a aumentar repentinamente, gracias a esto podemos darnos cuenta en donde se encuentran los picos de contagio.
Gráfica interactiva
Esto es usando el paquete “plotly”
ggplotly(gcov)Con esta grafica interactiva podemos ver los contagios totales de cada dia y ver como han subido respecto al anterior.
Gráfica animada
ggplot(data = datos1) +
geom_line(aes(Fecha, Confirmados, colour="Confirmados")) +
geom_line(aes(Fecha, Decesos, colour="Decesos")) +
geom_line(aes(Fecha, Recuperados, colour="Recuperados")) +
xlab("Fecha") +
ylab("COVID-19 en México") +
labs(colour="casos")+
ggtitle("Casos de COVID-19 en México (Fuente: JHU CSSE") +
scale_y_continuous(labels = comma) +
transition_reveal(Fecha)
Con esta grafica animada nos podemos dar cuenta de que al principio los contagios y los recuperados no eran tan distintos, pero podemos ver que poco a poco se van separando mas y mientras esto ocurre los decesos aumentan significativamente.
Para tratar este vector numerico como una serie de tiempo, utilizaremos el comando ts (time-series objects)
conf_mex.ts <- ts(Confirmados, start = c (2020, 18), frequency = 365 )
dec_mex.ts <- ts(Decesos, start = c (2020, 22), frequency = 365 )print(conf_mex.ts)## Time Series:
## Start = c(2020, 18)
## End = c(2021, 287)
## Frequency = 365
## [1] 0 0 0 0 0 0 0 0 0
## [10] 0 0 0 0 0 0 0 0 0
## [19] 0 0 0 0 0 0 0 0 0
## [28] 0 0 0 0 0 0 0 0 0
## [37] 0 1 4 5 5 5 5 5 6
## [46] 6 7 7 7 8 12 26 41 53
## [55] 82 93 118 164 203 251 316 367 405
## [64] 475 585 717 848 993 1094 1215 1378 1510
## [73] 1688 1890 2143 2439 2785 3181 3441 3844 4219
## [82] 4661 5014 5399 5847 6297 6875 7497 8261 8772
## [91] 9501 10544 11633 12872 13842 14677 15529 16752 17799
## [100] 19224 20739 22088 23471 24905 26025 27634 29616 31522
## [109] 33460 35022 36327 38324 40186 42595 45032 47144 49219
## [118] 51633 54346 56594 59567 62527 65856 68620 71105 74560
## [127] 78023 81400 84627 87512 90664 93435 97326 101238 105680
## [136] 110026 113619 117103 120102 124301 129184 133974 139196 142690
## [145] 146837 150264 154863 159793 165455 170485 175202 180545 185122
## [154] 191410 196847 202951 208392 212802 216852 220657 226089 231770
## [163] 238511 245251 252165 256848 261750 268008 275003 282283 289174
## [172] 295268 299750 304435 311486 317635 324041 331298 338913 344224
## [181] 349396 356255 362274 370712 378285 385036 390516 395489 402697
## [190] 408449 416179 424637 434193 439046 443813 449961 456100 462690
## [199] 469407 475902 480278 485836 492522 498380 505751 511369 517714
## [208] 522162 525733 531239 537031 543806 549734 556216 560164 563705
## [217] 568621 573888 579914 585738 591712 595841 599560 606036 610957
## [226] 616894 623090 629409 634023 637509 642860 647321 652364 658299
## [235] 663973 668381 671716 676487 680931 684113 688954 694121 697663
## [244] 700580 705263 710049 715457 720858 726431 730317 733717 738163
## [253] 743216 748315 753090 757953 761665 789780 794608 799188 804488
## [262] 810020 814328 817503 821045 825340 829396 834910 841661 847108
## [271] 851227 854926 860714 867559 874171 880775 886800 891160 895326
## [280] 901268 906863 912811 918811 924962 929392 933155 938405 943630
## [289] 949197 955128 961938 967825 972785 978531 986177 991835 997393
## [298] 1003253 1006522 1009396 1011153 1015071 1019543 1025969 1032688 1041875
## [307] 1049358 1060152 1070487 1078594 1090675 1101403 1107071 1113543 1122362
## [316] 1133613 1144643 1156770 1168395 1175850 1182249 1193255 1205229 1217126
## [325] 1229379 1241436 1250044 1255974 1267202 1277499 1289298 1301546 1313675
## [334] 1320545 1325915 1338426 1350079 1362564 1372243 1377217 1383434 1389430
## [343] 1401529 1413935 1426094 1437185 1443544 1448755 1455219 1466490 1479835
## [352] 1493569 1507931 1524036 1534039 1541633 1556028 1571901 1588369 1609735
## [361] 1630258 1641428 1649502 1668396 1688944 1711283 1732290 1752347 1763219
## [370] 1771740 1788905 1806849 1825519 1841893 1857230 1864260 1869708 1874092
## [379] 1886245 1886245 1912871 1926080 1932145 1936013 1946751 1957889 1968566
## [388] 1978954 1988695 1992794 1995892 2004575 2013563 2022662 2030491 2038276
## [397] 2041380 2043632 2052266 2060908 2069370 2076882 2084128 2086938 2089281
## [406] 2097194 2104987 2112508 2119305 2125866 2128600 2130477 2137884 2144486
## [415] 2150955 2157771 2163875 2166290 2167729 2169007 2175462 2182188 2187910
## [424] 2193639 2195772 2197160 2203041 2208755 2214542 2219845 2224904 2226550
## [433] 2227843 2232910 2238887 2244268 2247357 2249195 2250458 2251705 2256509
## [442] 2261879 2267019 2272064 2278420 2280213 2281840 2286352 2291246 2295435
## [451] 2299939 2304096 2305602 2306910 2311172 2315811 2319519 2323430 2326738
## [460] 2328391 2329534 2333126 2336944 2340934 2344755 2347780 2348873 2349900
## [469] 2352964 2355985 2358831 2361874 2364617 2365792 2366496 2368393 2371483
## [478] 2375115 2377995 2380690 2381923 2382745 2385512 2387512 2390140 2392744
## [487] 2395330 2396604 2397307 2399790 2402722 2405772 2408778 2411503 2412810
## [496] 2413742 2420659 2423928 2426822 2429631 2431702 2433681 2434562 2438011
## [505] 2441866 2445538 2448820 2452469 2454176 2455351 2459601 2463390 2467643
## [514] 2471741 2471741 2477283 2478551 2482784 2487747 2493087 2498357 2503408
## [523] 2505792 2507453 2513164 2519269 2525350 2531192 2537457 2540068 2541873
## [532] 2549862 2558369 2567821 2577140 2586721 2590500 2593574 2604711 2616827
## [541] 2629648 2642068 2654699 2659137 2664444 2678297 2693495 2709739 2709739
## [550] 2741983 2748518 2754438 2771846 2790874 2810097 2829443 2848252 2854992
## [559] 2861498 2880409 2901094 2922663 2944226 2964244 2971817 2978330 2997885
## [568] 3020596 3045571 3068329 3091971 3091971 3108438 3123252 3152205 3175374
## [577] 3197108 3217415 3225073 3231616 3249878 3271128 3291761 3311317 3328863
## [586] 3335700 3341264 3352410 3369747 3387885 3405294 3420880 3428384 3433511
## [595] 3449295 3465171 3479999 3479999 3506743 3511882 3516043 3528972 3542189
## [604] 3549229 3552983 3552983 3569677 3573044 3585565 3597168 3608976 3619115
## [613] 3619115 3632800 3635807 3645599 3655395 3664223 3671611 3678980 3678980
## [622] 3684242 3684242 3691924 3707234 3714392 3714392 3723235 3725242 3732429
## [631] 3738749 3744574 3749860 3755063 3757056La frequencia es de 365 ya que son los dias que tiene un año, por lo que cada dato representa los casos confirmados totales cada dia hasta el 17 de octubre de 2021
cycle(conf_mex.ts)## Time Series:
## Start = c(2020, 18)
## End = c(2021, 287)
## Frequency = 365
## [1] 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
## [19] 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53
## [37] 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71
## [55] 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
## [73] 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107
## [91] 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125
## [109] 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
## [127] 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161
## [145] 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179
## [163] 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197
## [181] 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215
## [199] 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233
## [217] 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251
## [235] 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269
## [253] 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287
## [271] 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305
## [289] 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323
## [307] 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341
## [325] 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359
## [343] 360 361 362 363 364 365 1 2 3 4 5 6 7 8 9 10 11 12
## [361] 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
## [379] 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
## [397] 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66
## [415] 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84
## [433] 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102
## [451] 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## [469] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138
## [487] 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156
## [505] 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174
## [523] 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192
## [541] 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210
## [559] 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228
## [577] 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246
## [595] 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264
## [613] 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282
## [631] 283 284 285 286 287Con esta tabla podemos ver que los datos cubren casi todo el año 2020 excepto por los primeros dias del año, ademas de que tambien cubren hasta el dia 291 de 2021, esto seria hasta mediados de octubre.
Gráfica de contagios diarios de COVID-19 en México
conf_mex_abs.ts=ts(data=conf_mex_abs,start=c(2020,48),frequency = 365)
plot(conf_mex_abs.ts, xlab = "Fecha", ylab = "COVID-19 en México")
Con esta gráfica podemos ver mejor los picos de contagio. Se ve claramente que los picos estan a mediados de 2020, a inicios de 2021 y a mediados de 2021. Esto se debe a que estas fechas corresponden a epocas donde la gente suele salir de vacaciones o juntarse en espacios cerrados.
Transformaciones basicas de una serie de tiempo
plot(log(conf_mex_abs.ts), xlab = "Fecha")
En esta grafica homogeneizamos los datos para ver en una mejor proporcion que tanto aumentan los casos de covid-19 cada dia. Podemos ver como al principio los casos subian drasticamente, pero a mediados de 2020 la curva comenzo a aplanarse, esto quiere decir que los casos dejaron de subir tan drasticamente, esto se debe a que en México se tardo bastante en dar un control para evitar que la gente siguiera saliendo de su casa a pesar de la situación.
Eliminacion de la tendencia
x<-log(conf_mex_abs.ts)
dif1.x<-diff(x)
plot(dif1.x, xlab = "Fecha")
En esta grafica podemos ver que no hay tendencia, esto se debe principalmente a que las personas salian cuando querian, solo no lo hacian cuando habia semaforo rojo, e inluso asi algunos lo seguian haciendo. Esto se puede deber a varias razones, pero la principal es que necesitaban salir para trabajar y conseguir dinero con el cual alimentar a su familia.
Eliminacion de la estacionalidad
dif2.dif1.x<-diff(dif1.x, log = 12)
plot(dif2.dif1.x, xlab = "Fecha")
Al analizarla podemos darnos cuenta que tiene cierta estacionalidad, sobretodo en las partes entre los picos de contagios.
Decesos por COVID-19 en México
desc_mex_mes <- c(0, 0, 93, 4629, 16153, 20580, 23714, 18927, 12813, 12784, 16114, 23548, 38572, 22989, 12695, 7297, 3780, 2932, 8086, 20753, 14365, 3184, 0, 0)
desc_mex_mes.ts <- ts(desc_mex_mes,start=c(2020,1),frequency=12)
print(desc_mex_mes.ts)## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 2020 0 0 93 4629 16153 20580 23714 18927 12813 12784 16114 23548
## 2021 38572 22989 12695 7297 3780 2932 8086 20753 14365 3184 0 0Estos son los datos de los decesos de cada mes.
Gráfica de caja y bigote de los decesos por COVID-19 en México
boxplot (desc_mex_mes.ts ~ cycle(desc_mex_mes.ts), col = "red", xlab = "Mes", ylab = "Decesos por COVID-19 en México")
Estos graficos de caja y bigote nos sirven para ver en que meses hubo mas decesos a causa del COVID-19.
Gráfica de serie de tiempo de los decesos por COVID-19 en México
plot(desc_mex_mes.ts, xlab = "Fecha", ylab = "Decesos por COVID-19 en México")
En esta grafica podemos ver como los picos de muertes son los mismos que los de contagios, obviamente esto se debe a que si hay mas contagios tambien habra mas muertes
Descomponer la serie de tiempo
Descomposición de serie de tiempo de los contagios diarios de COVID-19 en México
conf_mex2.ts <- ts(conf_mex_abs.ts,start=c(2020,1), end=c(2021, 365), frequency=365)
conf_mex2.ts.desc<- decompose(conf_mex2.ts)
plot(conf_mex2.ts.desc, xlab="Fecha")
Al descomponer la serie de tiempo, podemos ver que si bien la grafica no es ciclica, si tiene algun tipo de ciclo ya que los picos de contagio son por las mismas fechas. También aqui se puede apreciar mejor como tiende a estabilizarse despues de cada pico de contagios.
¿Cómo ha sido la variación de los casos en el tiempo?
Al analizar la grafica llegamos a la conclusión que la serie de tiempo varia segun muchos factores, sin embargo podemos estar seguros que uno de los mas importantes es la epoca del año, es decir que tiene mucho que ver el momento del año en el que se encuentra para aumentar mas o menos, a esto se le llama variación estacional.
¿Cómo se comporta esta serie de tiempo?
Esta serie de tiempo tiene una tendencia no lineal, esto debido a que tiene una gran varianza en el aumento de los contagios cada dia, ya que como se puede ver en la grafica, al comienzo no sube nada y despues poco a poco sube lentamente, pero de repente sube dramaticamente y vuelve a estabilizarse. Esto hace que la grafica se vea como varias curvas unidas.
¿Los picos de contagios a que eventos responden?
Identificamos 3 picos de contagio, estos corresponden a los meses de verano en los años 2020 y 2021, asi como las fechas de año nuevo en los primeros meses de 2021. Obviamente esto se debe a que en los meses de veradon las personas salen de vacaciones y los primeros meses del año las personas suelen reunirse con sus familias en espacios cerrados, lo que facilita la transmisión del virus.
Recomendaciones
Imagen 6.1. Acciones preventivas durante la pandemia
VII.CONCLUSIÓN
Conclusión General
- La conclusión que llegó el equipo fue este nuevo virus en forma de corona puede ser muy grave para personas de tercera edad y para personas con enfermedades cronicas, a tanto al pais, a principio de febrero es cuando llegó el virus a Mexico y se puede ver la tasa de contagios muy altas ya que nadie creia en este nuevo virus o simplemente nadie sabia de su existencia, por lo que el gobierno puso una campaña de cuarentena para aplanar los niveles de contagios, y por lo que se ve en las graficas se puede apreciar una menor cantidad de contagios gracias a la cuarentena, las vacunas y las medidas de prevención contra dicho virus.
Conclusión Individual
- La conclusión que pude llegar fue que el virus es muy contagioso, aunque desinfectes tus cosas, uses cubrebocas y tengas tu medidas de prevención, no estas 100% garantizado de que no te vayas a infectar, por lo que si no tienes ni una necesidad de salir de tu casa, no salgas, para no arriesgarte a que te infectes o infectes a tu familia.
Los datos para este análisis fueron obtenidos de:
VIII.BIBLIOGRAFÍA
COVID-19 | S.S.C. (s. f.). Que Es COVID-19. Recuperado de Salud Coahuila
Definición: Virus. (2020). Ambientech: Ciencias, Salud y Medio ambiente. Educación Secundaria. Recuperado de AmBientech
CoVID-19: antecedentes, medidas preventivas y síntomas. (2020). Gaceta FM. Recuperado Gaceta
Bhatia, G., Dutta, P. K., & McClure, J. (2021). México: los datos, gráficos y mapas más recientes sobre el coronavirus. Reuters. Recuperado de Reuters
Manuales MSD. (s. f.). Datos clave: COVID-19. Manual MSD versión para público general. Datos clave
Descomposición de series temporales. (s. f.). Wolters Kluwer. Recuperado de Descomposición
IX.DESCARGA DE DATOS
- Para la descarga de este código
Para fines de reproducibilidad inmediata se incluye todo el código para su descarga
xfun::embed_file("AE3UC1_11.Rmd")xfun::embed_file("Casos_Diarios_Estado_Nacional_Confirmados.csv")