I. Introduccion
El brote de coronavirus ha sido ampliamente reportado en los noticieros del mundo y la Organización Mundial de la Salud (OMS), lo ha declarado oficialmente como una pandemia.
Esto significa que la enfermedad se está extendiendo en varios países de todo el mundo, al mismo tiempo afectando a cientos de miles de personas en todos los continentes, causando un número de muertes que, a la fecha, sigue en ascenso. Mientras las autoridades sanitarias trabajan para frenar su expansión y efectos en la población
II. Antecedentes
El virus apareció por primera vez en China en noviembre de 2019 y provoca una enfermedad llamada COVID-19, que se extendió por el mundo. Afecta principalmente a los siguientes grupos poblacionales:
- Personas de la tercera edad.
- Personas con sobrepeso u obesidad.
- Personas con enfermedades crónicas como: cáncer, diabetes, e hipertensión.
- Mujeres con embarazo.
III. Cronología de la pandemia en México
28 febrero 2020 Se anuncia oficialmente el primer infectado de Covid-19 en el país. 18 marzo 2020 Se informa las primeras muertes por el virus. 20 marzo 2020 Suspensión de clases presenciales por la pandemia. 23 marzo 2020 Inicia la Jornada de Sana Distancia, con un personaje creado por las autoridades fererales para acompañarnos durante la pandemia: Susana Distancia. 24 marzo 2020 El gobierno federal declara transmisión comunitaria del virus y activa la fase 2 de la contingencia. 30 marzo 2020 El Consejo de Salubridad General decreta emergencia sanitaria por el virus SARS-CoV-2. Este decreto, cuyos plazos se han prorrogado una y otra vez, cerró buena parte de los servicios de los gobiernos de todos los niveles, así como de los otros poderes de la Unión: Judicial y Legislativo. 21 abril 2020 Se realiza la declaratoria de la fase 3 de la emergencia, las más grave en términos de medidas precautorias e instrucciones para el distanciamiento social. 13 de mayo 2020 Se presenta el plan de regreso a la nueva normalidad, basado por un semáforo regional. 1 de junio 2020 Se declara el inicio de la nueva normalidad con medidas para prevenir contagios. 14 de noviembre 2020 México supera el millón de casos confirmados de contagios de la nueva enfermedad de coronavirus. 19 de noviembre 2020 Se superan las 100,000 muertes por el virus. 18 de diciembre 2020 El Estado de México y la Ciudad de México anuncian su regreso al semáforo rojo por una elevada ocupación hospitalaria. 23 de diciembre 2020 Llegan al país las primeras vacunas contra la Covid-19, las de Pzifer y BioNTech. 24 de diciembre 2020 Inicia la aplicación de vacunas al personal de salud. 20 de enero 2021 Llegan a México, provenientes de Argentina, 5,230 litros de la vacuna de AstraZeneca para ser envasados. 24 de enero 2021 El presidente Andrés Manuel López Obrador anuncia que se contagió de Covid-19. 29 de enero 2021 Reaparece el presidente López Obrador mediante un video en redes sociales. 15 de febrero 2021 Arranca la aplicación de vacunas para adultos mayores. 16 de febrero 2021 Se superan los 2 millones de infectados. 20 de febrero 2021 Se contagia de Covid-19 Hugo López-Gatell, encargado de la estrategia nacional contra la expansión del virus.
Factores a considerar
En México el 80% de la población utilizaba de manera frecuente cómo método de transporte el sistema público, cerca del 40% l utiliza como único método de transporte, este número bajó de forma significativa con el inicio de la pandemia.
III. Objetivo
El objetivo es el de realizar un estudio de lineas de tiempo sobre la pandemia en México y analizar sus picos para así poder tener una idea más clara sobre su comportamiento.
IV. Metodología
Estadística Descriptiva
La estadística descriptiva es un conjunto de técnicas numéricas y gráficas para describir y analizar un grupo de datos, sin extraer conclusiones (inferencias) sobre la población a la que pertenecen.
V. Resultados
Importamos los datos
Los datos pueden descargarse en los siguientes elaces:
library(pacman)
p_load("markdown","knitr","dplyr","tidyr", "tidyverse","lubridate","summarytools","ggpubr", "kableExtra", "reshape2", "sf", "tmap", "readr", "devtools", "plotly", "gganimate", "gifski", "Hmisc", "Rcpp")datos <- read.csv("CasosDiarios_Estado_Nacional_Confirmados_20211017.csv")Primera parte datos diarios y acumulados
#Leer datos
#Casos diarios PUEBLA
puebla <- t(datos[datos$nombre == "PUEBLA" ,])# t = transpuesta
puebla <- as.vector(puebla)
puebla <- puebla
puebla <- puebla[4:609]
puebla <- as.numeric(puebla)
puebla<- as.vector(puebla)
cpuebla <- cumsum(puebla)#Casos diarios Guanajuato
guanajuato <- t(datos[datos$nombre == "GUANAJUATO" ,])# t = transpuesta
guanajuato <- as.vector(guanajuato)
guanajuato <- guanajuato
guanajuato <- guanajuato[4:609]
guanajuato <- as.numeric(guanajuato)
guanajuato <- as.vector(guanajuato)
cguanajuato <- cumsum(guanajuato) Series de tiempo
Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre otros). El termino se aplica a datos que se registran de forma periodica que en este caso muestran diariamente y mensualmente en los siguientes graficos.
Fecha
Fecha <- seq(from= as.Date("2020-02-18"), to = as.Date("2021-10-15"), by = "day" )Data frame de datos absolutos
puegua <- data.frame(Fecha, puebla, guanajuato)Data frame de datos acumulados
cpuegua <- data.frame(Fecha, cpuebla, cguanajuato)#Grafiquemos los datos
plot(puebla)
Grafica Puebla
ggplot(data = puegua) +
ggtitle("Casos diarios COVID-19 en Puebla")+
geom_line(mapping = aes(x = Fecha, y = puebla ))
Guanajuato y Puebla
ggplot(data=cpuegua) +
geom_line(aes(Fecha, cguanajuato, colour = 'guanajuato')) +
geom_line(aes(Fecha, cpuebla, colour ='puebla') )+
xlab('Fecha')+
ylab('Casos Diarios') +
labs(colour = "Estados")+
transition_reveal(Fecha)
Grafica combinada de datos acumulados y absolutos
Grafica para Puebla
hist(puebla,xlab = "Casos por COVID-19",ylab = "Concurrencia de los datos",main = "Casos de COVID-19 a nivel nacional en puebla")
hist(guanajuato,xlab = "Casos por COVID-19",ylab = "Concurrencia de los datos",main = "Casos de COVID-19 a nivel nacional en guanajuato")
Medidas de posicion central
##Puebla y guanajuato
Calculo individual de las medidas principales de valores confirmados para Puebla y Guanajuato (Media, Mediana)
Media
mean(puebla)## [1] 202.2954mean(guanajuato)## [1] 302.3465Mediana
median(puebla)## [1] 162median(guanajuato)## [1] 223.5Resumen de posicion central
summary(puebla)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0 63.5 162.0 202.3 284.0 789.0summary(guanajuato)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0 53.0 223.5 302.3 454.0 1261.0Grafico de caja y bigote
boxplot(puebla, guanajuato)
Analisis de series de tiempo
puebla.ts <- ts(puebla, start = c (2020,1), frequency = 12)
guanajuato.ts <- ts(guanajuato, start = c (2020,1), frequency = 12)Graficos
plot(puebla.ts)
plot(guanajuato.ts)
Grafico de caja y bigote
boxplot(puebla.ts ~ cycle(puebla.ts))
boxplot(guanajuato.ts ~ cycle(guanajuato.ts))
cycle(puebla.ts)## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 2020 1 2 3 4 5 6 7 8 9 10 11 12
## 2021 1 2 3 4 5 6 7 8 9 10 11 12
## 2022 1 2 3 4 5 6 7 8 9 10 11 12
## 2023 1 2 3 4 5 6 7 8 9 10 11 12
## 2024 1 2 3 4 5 6 7 8 9 10 11 12
## 2025 1 2 3 4 5 6 7 8 9 10 11 12
## 2026 1 2 3 4 5 6 7 8 9 10 11 12
## 2027 1 2 3 4 5 6 7 8 9 10 11 12
## 2028 1 2 3 4 5 6 7 8 9 10 11 12
## 2029 1 2 3 4 5 6 7 8 9 10 11 12
## 2030 1 2 3 4 5 6 7 8 9 10 11 12
## 2031 1 2 3 4 5 6 7 8 9 10 11 12
## 2032 1 2 3 4 5 6 7 8 9 10 11 12
## 2033 1 2 3 4 5 6 7 8 9 10 11 12
## 2034 1 2 3 4 5 6 7 8 9 10 11 12
## 2035 1 2 3 4 5 6 7 8 9 10 11 12
## 2036 1 2 3 4 5 6 7 8 9 10 11 12
## 2037 1 2 3 4 5 6 7 8 9 10 11 12
## 2038 1 2 3 4 5 6 7 8 9 10 11 12
## 2039 1 2 3 4 5 6 7 8 9 10 11 12
## 2040 1 2 3 4 5 6 7 8 9 10 11 12
## 2041 1 2 3 4 5 6 7 8 9 10 11 12
## 2042 1 2 3 4 5 6 7 8 9 10 11 12
## 2043 1 2 3 4 5 6 7 8 9 10 11 12
## 2044 1 2 3 4 5 6 7 8 9 10 11 12
## 2045 1 2 3 4 5 6 7 8 9 10 11 12
## 2046 1 2 3 4 5 6 7 8 9 10 11 12
## 2047 1 2 3 4 5 6 7 8 9 10 11 12
## 2048 1 2 3 4 5 6 7 8 9 10 11 12
## 2049 1 2 3 4 5 6 7 8 9 10 11 12
## 2050 1 2 3 4 5 6 7 8 9 10 11 12
## 2051 1 2 3 4 5 6 7 8 9 10 11 12
## 2052 1 2 3 4 5 6 7 8 9 10 11 12
## 2053 1 2 3 4 5 6 7 8 9 10 11 12
## 2054 1 2 3 4 5 6 7 8 9 10 11 12
## 2055 1 2 3 4 5 6 7 8 9 10 11 12
## 2056 1 2 3 4 5 6 7 8 9 10 11 12
## 2057 1 2 3 4 5 6 7 8 9 10 11 12
## 2058 1 2 3 4 5 6 7 8 9 10 11 12
## 2059 1 2 3 4 5 6 7 8 9 10 11 12
## 2060 1 2 3 4 5 6 7 8 9 10 11 12
## 2061 1 2 3 4 5 6 7 8 9 10 11 12
## 2062 1 2 3 4 5 6 7 8 9 10 11 12
## 2063 1 2 3 4 5 6 7 8 9 10 11 12
## 2064 1 2 3 4 5 6 7 8 9 10 11 12
## 2065 1 2 3 4 5 6 7 8 9 10 11 12
## 2066 1 2 3 4 5 6 7 8 9 10 11 12
## 2067 1 2 3 4 5 6 7 8 9 10 11 12
## 2068 1 2 3 4 5 6 7 8 9 10 11 12
## 2069 1 2 3 4 5 6 7 8 9 10 11 12
## 2070 1 2 3 4 5 6cycle(guanajuato.ts)## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 2020 1 2 3 4 5 6 7 8 9 10 11 12
## 2021 1 2 3 4 5 6 7 8 9 10 11 12
## 2022 1 2 3 4 5 6 7 8 9 10 11 12
## 2023 1 2 3 4 5 6 7 8 9 10 11 12
## 2024 1 2 3 4 5 6 7 8 9 10 11 12
## 2025 1 2 3 4 5 6 7 8 9 10 11 12
## 2026 1 2 3 4 5 6 7 8 9 10 11 12
## 2027 1 2 3 4 5 6 7 8 9 10 11 12
## 2028 1 2 3 4 5 6 7 8 9 10 11 12
## 2029 1 2 3 4 5 6 7 8 9 10 11 12
## 2030 1 2 3 4 5 6 7 8 9 10 11 12
## 2031 1 2 3 4 5 6 7 8 9 10 11 12
## 2032 1 2 3 4 5 6 7 8 9 10 11 12
## 2033 1 2 3 4 5 6 7 8 9 10 11 12
## 2034 1 2 3 4 5 6 7 8 9 10 11 12
## 2035 1 2 3 4 5 6 7 8 9 10 11 12
## 2036 1 2 3 4 5 6 7 8 9 10 11 12
## 2037 1 2 3 4 5 6 7 8 9 10 11 12
## 2038 1 2 3 4 5 6 7 8 9 10 11 12
## 2039 1 2 3 4 5 6 7 8 9 10 11 12
## 2040 1 2 3 4 5 6 7 8 9 10 11 12
## 2041 1 2 3 4 5 6 7 8 9 10 11 12
## 2042 1 2 3 4 5 6 7 8 9 10 11 12
## 2043 1 2 3 4 5 6 7 8 9 10 11 12
## 2044 1 2 3 4 5 6 7 8 9 10 11 12
## 2045 1 2 3 4 5 6 7 8 9 10 11 12
## 2046 1 2 3 4 5 6 7 8 9 10 11 12
## 2047 1 2 3 4 5 6 7 8 9 10 11 12
## 2048 1 2 3 4 5 6 7 8 9 10 11 12
## 2049 1 2 3 4 5 6 7 8 9 10 11 12
## 2050 1 2 3 4 5 6 7 8 9 10 11 12
## 2051 1 2 3 4 5 6 7 8 9 10 11 12
## 2052 1 2 3 4 5 6 7 8 9 10 11 12
## 2053 1 2 3 4 5 6 7 8 9 10 11 12
## 2054 1 2 3 4 5 6 7 8 9 10 11 12
## 2055 1 2 3 4 5 6 7 8 9 10 11 12
## 2056 1 2 3 4 5 6 7 8 9 10 11 12
## 2057 1 2 3 4 5 6 7 8 9 10 11 12
## 2058 1 2 3 4 5 6 7 8 9 10 11 12
## 2059 1 2 3 4 5 6 7 8 9 10 11 12
## 2060 1 2 3 4 5 6 7 8 9 10 11 12
## 2061 1 2 3 4 5 6 7 8 9 10 11 12
## 2062 1 2 3 4 5 6 7 8 9 10 11 12
## 2063 1 2 3 4 5 6 7 8 9 10 11 12
## 2064 1 2 3 4 5 6 7 8 9 10 11 12
## 2065 1 2 3 4 5 6 7 8 9 10 11 12
## 2066 1 2 3 4 5 6 7 8 9 10 11 12
## 2067 1 2 3 4 5 6 7 8 9 10 11 12
## 2068 1 2 3 4 5 6 7 8 9 10 11 12
## 2069 1 2 3 4 5 6 7 8 9 10 11 12
## 2070 1 2 3 4 5 6Descomposicion de una serie de tiempo
Identifica y calcula los diversos componentes existentes en una serie temporal, así como la forma en que estas se relacionan entre sí. Una serie temporal es un conjunto de observaciones de una misma variable ordenadas en el tiempo.
\[ serie observada = Tendencia + efecto estacional + residuos \] Tendencia:
Se denomina tendencia de una serie temporal a su comportamiento o movimiento a largo plazo.
Efecto estacional:
Los efectos estacionales se refieren a comportamientos atípicos en ciertas fechas.
Residuos:
consiste en movimientos irregulares y pasajeros provocados por factores esporádicos e imprevisibles.
puebla.ts.desc <- decompose(puebla.ts)
plot(puebla.ts.desc, xlab = "Año")
guanajuato.ts.desc <- decompose(guanajuato.ts)
plot(guanajuato.ts.desc, xlab = "Año")
Transformaciones basicas de una serie de tiempo
Estabilización de la varianza
Convertimos la serie a Logaritmica:
Podemos encontrarnos con una serie que no sea estacionaria en varianza, es decir, la varianza aumenta conforme avanza la serie. Para hacer que la serie sea constante en varianza se utiliza la transformación logarítmica, que consiste en tomar logaritmos en todos los datos de la serie. Una vez la serie esta transformada ya podriamos proceder a eliminar la tendencia y la estacionalidad con las diferenciaciones anteriores si fuese necesario.
plot(log(puebla.ts))
plot(log(guanajuato.ts))
Eliminacion de la tendencia:
La desestacionalización o ajuste estacional es la eliminación de la componente estacional de una serie temporal a través de un procedimiento. Para eliminar la estacionalidad de una serie, se utiliza una diferenciación estacional, que consiste en hacerle a la serie una transformación similar a la diferenciación regular para la eliminación de la tendencia, solo que en este caso la diferencia que se toma es la frecuencia anual de los datos.
x <- log(puebla.ts)
dif1.x <- diff(x)
plot(dif1.x)
x <- log(guanajuato.ts)
dif1.x <- diff(x)
plot(dif1.x)
Eliminacion de la estacionalidad
Para eliminar la estacionalidad de una serie, se utiliza una diferenciación estacional, que consiste en hacerle a la serie una transformación similar a la diferenciación regular para la eliminación de la tendencia, solo que en este caso la diferencia que se toma es la frecuencia anual de los datos.
dif12.dif1.x <- diff(dif1.x, lag=12)
plot(dif12.dif1.x)
CONCLUSIÓN
Como se puede observar en las gráficas los picos de contagios tanto en Puebla como en Guanajuato suben en las mismas fechas, esto es debido a que en esas fechas hubo aglomeraciones ya sea porque en esa fecha se celebraba algo o hubo algún evento en especifico. Por consecuente las personas se contagiaron ya que es mucho más probable ser contagiado cuando te encuentras en lugar con muchas más personas que cuando estás en tu casa. Además en la mayoría de los eventos grandes la gente bebe o come algo por consecuente se olvidan de las recomendaciones basicas para evitar contagiarse como usar cubrebocas, y con tanta gente reunida en un mismo sitio es más dificil guardar sana distancia, por lo tanto eres mucho más propenso a contagiarte estando en un evento así.