AE4UC1_12
Joshiva Yzair Ruiz Tapia, Jesús Gilberto Aldana Castro, Jesús Omar Hernández Iturbe
24/10/2021
Librerias utilizadas
library(pacman) #para importar la biblioteca "pacman"
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales","psych","GGally","fdth","modeest")xfun::embed_file("movilidad.csv")xfun::embed_file("movilidad sin fechas.csv")Download movilidad sin fechas.csv
datos=read.csv("movilidad.csv")
conf_mex <- t(datos$Contagio_diarios)
dec_mex <- t(datos$Muertes_diarias)
rec_mex <- t(datos$Recuperados_diarios)INTRODUCCIÓN
Desde el comienzo de la pandemia de COVID-19, hemos visto como los casos suben y bajan creando olas de contagios, muchas personas pueden llegar a pensar que esto sucede por algún mal manejo de la pandemia por parte del gobierno, tal vez por desobediencia de los ciudadanos a la cuarentena impuesta por el gobierno, o simplemente por el hartazgo de llevar cuidados estrictos como el aislamiento social.
En este trabajo, el equipo plantea que la verdadera causa de los picos a la alta en casos de COVID-19 sea por la movilidad, pues a mayor movilidad, podemos suponer un mayor riesgo para las personas.
Fecha <- seq(from = as.Date("2021-01-1"), to = as.Date("2021-10-19"), by = "day" )
#casos confirmados
vec1 <- as.vector(conf_mex)
num1 <- as.numeric(vec1)
Confirmados <- as.vector(num1)
#decesos
vec1 <- as.vector(dec_mex)
num1 <- as.numeric(vec1)
Decesos <- as.vector(num1)
#recuperados
vec1 <- as.vector(rec_mex)
num1 <- as.numeric(vec1)
Recuperados <- as.vector(num1)
#generación de un marco de datos (data frame)
datos1 <- data.frame(Fecha, Confirmados, Decesos, Recuperados)gcov <- ggplot(data = datos1) +
geom_line(aes(Fecha, Confirmados, colour="Confirmados")) +
geom_line(aes(Fecha, Decesos, colour="Decesos")) +
geom_line(aes(Fecha, Recuperados, colour="Recuperados")) +
xlab("Fecha") +
ylab("COVID-19 en México") +
labs(colour="casos")+
ggtitle("Estado de COVID-19 en México 2021") +
scale_y_continuous(labels = comma)
ggplotly(gcov)En esta grafica se puede observar como se ha desenvuelto el virus COVID-19 en México en 2021 vemos que la propagacion del virus fue en incremento, los recuperados de este virus, al igual que la propagacion fue incrementando pero a menor medida y por ultimo, vemos que los casos de muertos por el virus fue mucho mas estable, aun vemos que la cantidad de muertos fue de casi 300 mil muertes en lo que va del año 2021
hist(datos$Contagio_diarios,xlab = "Casos por COVID-19",ylab = "Concurrencia de los datos",main = "Casos de COVID-19 a nivel nacional en mexico")
En la tabla podemos observar el acumulado de contagios de COVID-19 en México y su concurrencia en los datos, por lo que podemos darnos cuenta que el acumulado más alto se encuentra desde los 2,000,000 y los 2,500,000 contagios, teniendo una concurrencia máxima en los datos de 60.
Medidas de tendencia central
con estas medidas observamos como fue el promedio o casos usuales por dia, en la propagacion del COVID-19 2021
Media
El promedio (o la media) del total de contagios de COVID-19 fue de:
mean(datos$Contagio_diarios)## [1] 2553577Mediana
Teniendo que la cifra intermedia del total de los contagios fue de:
median(datos$Contagio_diarios)## [1] 2404247Moda
En varios días, el número de contagios que se repitió fue de:
mlv(datos$Contagio_diarios)## [1] 1886245 2471741 2709739 3091971 3479999 3552983 3619115 3678980 3684242
## [10] 3714392Varianza
var(datos$Contagio_diarios)## [1] 376582196965Desviación Estandar
sd(datos$Contagio_diarios)## [1] 613662.9Grafico de caja y bigote
En esta grafica se ve mejor como los datos, se observa que la tendencia central de la grafica es hacia abajo lo que nos da a entender que pese a que los numeros fueron entre comillas “bajos” ya que estos se mantiene en la cifra de 2 millones
summary(datos$Contagio_diarios)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1437185 2167369 2404247 2553577 2966137 3762689boxplot(datos$Contagio_diarios,main="Casos de COVID-19 a nivel nacional en México")
Análisis de series de tiempo
revolucion.ts=ts(data=datos$Contagio_diarios,start=c(2021,1),frequency = 320)
plot(revolucion.ts)
En esta serie de tiempo nos muestra como los casos de COVID fueron en incremento en el 2021, pese a que la grafica nos muestre que los datos van en incremento vemos que no se muestra afectada por estacionalidad o alguna tendencia, la razon de que los datos incrementen es debido a las festividades que se celebran en México.
Estacionalidad de la varianza
plot(log(revolucion.ts))
Al homogeneizar los datos, vemos que no cambia mucho respecto a la grafica original.
Eliminacion de la tendencia
x=log(revolucion.ts)
difi.x=diff(x)
plot(difi.x)
En estra grafica vemos que no hay ninguna tendencia en el aumento de contagios en México los datos se mantienen estables, pese a que existen algunos picos de crecimiento en los casos esto es debido a las festividades de se celebran en México
Eliminacion de la estacionalidad
dif12.dif1.x=diff(difi.x,log=12)
plot(dif12.dif1.x)
al observar la grafica, vemos que hay cierta estacionalidad, y esto es debido a que las fechas en las cuales el incremento de propagacion es de gran tamaño, y es debido a que en esas fechas se celebran dias festivos, causando que sea mucho mas facil la propagacion.
comercio_recreacion=t(datos$Comercio_Recreacion)
mercado_farmacias=t(datos$Mercado_Farmacias)
parques=t(datos$Parques)
transito=t(datos$Transito)
lugar_trabajo=t(datos$Lugares_Trabajo)
recidencia_casa=t(datos$Recidencia_Casa)vec1 <- as.vector(comercio_recreacion)
num1 <- as.numeric(vec1)
Comercio_recreacion <- as.vector(num1)
vec1 <- as.vector(mercado_farmacias)
num1 <- as.numeric(vec1)
Mercado_farmacias <- as.vector(num1)
vec1 <- as.vector(parques)
num1 <- as.numeric(vec1)
Parques <- as.vector(num1)
vec1 <- as.vector(lugar_trabajo)
num1 <- as.numeric(vec1)
Lugar_trabajo <- as.vector(num1)
vec1 <- as.vector(recidencia_casa)
num1 <- as.numeric(vec1)
Recidencia_casa <- as.vector(num1)
datos2 <- data.frame(Fecha, Comercio_recreacion, Mercado_farmacias, Parques, Lugar_trabajo, Recidencia_casa)gcov <- ggplot(data = datos1) +
geom_line(aes(Fecha, Comercio_recreacion, colour="Comercio y Recreacion")) +
geom_line(aes(Fecha, Mercado_farmacias, colour="Mercado y Farmacias")) +
geom_line(aes(Fecha, Parques, colour="Parques")) +
geom_line(aes(Fecha, Lugar_trabajo, colour="Lugares de trabajo")) +
geom_line(aes(Fecha, Recidencia_casa, colour="Recidencia en casa")) +
xlab("Fecha") +
ylab("Metodos de propagacion de COVID-19 en México 2021") +
labs(colour="casos")+
ggtitle("Movilidad de COVID-19 en México 2021") +
scale_y_continuous(labels = comma)
ggplotly(gcov)En esta gráfica, se puede observar que al comienzo del año la movilidad más alta estaba en la residencia en casa, por lo cual podemos pensar que los contagios diarios pueden estar a la baja, pues las personas se encuentran aisladas, pero con el paso del tiempo se puede observar su descenso en la gráfica y las demás actividades comienzan a tomar protagonismo, principalmente los lugares de trabajo (reactivación económica) y también los mercados y farmacias
datosSinFechas=read.csv("movilidad sin fechas.csv")Análisis de relación entre variables
datossf <- as.data.frame(datosSinFechas)
round(cor(x = datossf, method = "pearson"), 3)## Comercio_Recreacion Mercado_Farmacias Parques Transito
## Comercio_Recreacion 1.000 0.981 0.938 0.898
## Mercado_Farmacias 0.981 1.000 0.926 0.880
## Parques 0.938 0.926 1.000 0.896
## Transito 0.898 0.880 0.896 1.000
## Lugares_Trabajo 0.491 0.469 0.528 0.800
## Recidencia_Casa -0.578 -0.548 -0.624 -0.820
## Contagio_diarios 0.798 0.784 0.712 0.742
## Muertes_diarias 0.905 0.886 0.841 0.839
## Recuperados_diarios -0.244 -0.252 -0.144 -0.233
## Lugares_Trabajo Recidencia_Casa Contagio_diarios
## Comercio_Recreacion 0.491 -0.578 0.798
## Mercado_Farmacias 0.469 -0.548 0.784
## Parques 0.528 -0.624 0.712
## Transito 0.800 -0.820 0.742
## Lugares_Trabajo 1.000 -0.917 0.428
## Recidencia_Casa -0.917 1.000 -0.424
## Contagio_diarios 0.428 -0.424 1.000
## Muertes_diarias 0.476 -0.531 0.953
## Recuperados_diarios -0.160 0.010 -0.684
## Muertes_diarias Recuperados_diarios
## Comercio_Recreacion 0.905 -0.244
## Mercado_Farmacias 0.886 -0.252
## Parques 0.841 -0.144
## Transito 0.839 -0.233
## Lugares_Trabajo 0.476 -0.160
## Recidencia_Casa -0.531 0.010
## Contagio_diarios 0.953 -0.684
## Muertes_diarias 1.000 -0.463
## Recuperados_diarios -0.463 1.000Gráficos de disperción de variables
ggpairs(datosSinFechas, lower = list(continuous = "smooth"),
diag = list(continuous = "barDiag"), axisLabels = "none")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Se puede observas que en el grafico de relacion 1-1 que las variables que poseen una mayor relacion lineal con contagios diaros son lugares de trabajo con 0.428 y Recidencia en casa con -0.424 estos datos nos muestran donde se contagia mas la gente.
¿Porque se ha propagado tanto el virus?
A principios del año 2021 se declaro México en cuarentena, el gobierno le indicó a las personas que solo debían de salir a realizar actividades necesarias como realizar compras de comida, farmacia o ir al médico. Se pudiera pensar que los contagios fueron creciendo debido a que las personas no obedecieron la cuarentena o que se enfadaron del aislamiento, pero como podemos notar en las gráficas pasadas, los picos han sido en ciertos lapsos de tiempo, por lo cual, podemos decir que el virus se ha propagado por la movilidad de las personas, pues los picos han ocurrido en festividades que se celebran en méxico o también en periodos vacacionales.
Podemos ver también en las gráficas que los casos van a la baja, asumimos que esto es gracias a la vacunación, pues se ha logrado vacunar a adultos mayores, personas con enfermedades como cáncer, diabetes, hipertensión, y también a los jóvenes, sumando un gran porcentaje de la población Mexicana.