library(pacman)
p_load(rmdformats,readr,readxl,ggplot2,plotly,DT,xfun,gridExtra,leaflet)Gráfica de serie de tiempo
library(readr)
Concentracion_Mov <- read_csv("Concentracion_Mov_sonora.csv")## Rows: 444 Columns: 11## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (1): Fecha
## dbl (10): O3, SO2, PM10, Reactivacion_Comercial, Supermercado_Farmacia, Parq...##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.library(DT)
library(readr)
concentracion <- read_csv("concentracion_sf.csv")## Rows: 444 Columns: 10## -- Column specification --------------------------------------------------------
## Delimiter: ","
## dbl (10): O3, SO2, PM10, Reactivacion_Comercial, Supermercado_Farmacia, Parq...##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.datatable(concentracion)Conf3X3 = matrix(c(1:9), nrow=3, byrow=TRUE)
Conf3X3## [,1] [,2] [,3]
## [1,] 1 2 3
## [2,] 4 5 6
## [3,] 7 8 9mov.ts<-ts(concentracion$covid,start=c(2020,02),frequency=365)
plot(mov.ts,main="Casos covid en Sonora",ylab="Casos")
layout(Conf3X3)
rComercial.ts<-ts(concentracion$O3,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="O3")
rComercial.ts<-ts(concentracion$SO2,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="s02")
rComercial.ts<-ts(concentracion$PM10,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="PM10")
rComercial.ts<-ts(concentracion$Reactivacion_Comercial,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Reactivación comercial")
rComercial.ts<-ts(concentracion$Supermercado_Farmacia,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Supermercado-Farmacia")
rComercial.ts<-ts(concentracion$Parques_Centros,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Parques-centros")
rComercial.ts<-ts(concentracion$Estaciones_Transito,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Estaciones-Transito")
rComercial.ts<-ts(concentracion$Lugares_Trabajo,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Lugares-Trabajo")
rComercial.ts<-ts(concentracion$Residencia,start=c(2020,02),frequency=365)
plot(rComercial.ts, ylab="Cambio de movilidad",main="Residencia")
Análisis de correlación de todas las variables
Correlación multiple
mov<-as.data.frame(concentracion)
round(cor(x = mov, method = "pearson"), 3)## O3 SO2 PM10 Reactivacion_Comercial
## O3 1.000 0.022 0.214 -0.067
## SO2 0.022 1.000 -0.047 0.050
## PM10 0.214 -0.047 1.000 0.111
## Reactivacion_Comercial -0.067 0.050 0.111 1.000
## Supermercado_Farmacia 0.061 0.181 0.147 0.875
## Parques_Centros -0.139 0.026 -0.066 0.807
## Estaciones_Transito -0.060 0.086 0.099 0.945
## Lugares_Trabajo -0.014 -0.048 0.069 0.571
## Residencia 0.009 -0.015 -0.110 -0.838
## covid 0.173 0.020 0.202 -0.130
## Supermercado_Farmacia Parques_Centros
## O3 0.061 -0.139
## SO2 0.181 0.026
## PM10 0.147 -0.066
## Reactivacion_Comercial 0.875 0.807
## Supermercado_Farmacia 1.000 0.651
## Parques_Centros 0.651 1.000
## Estaciones_Transito 0.871 0.767
## Lugares_Trabajo 0.485 0.353
## Residencia -0.726 -0.605
## covid -0.078 -0.174
## Estaciones_Transito Lugares_Trabajo Residencia covid
## O3 -0.060 -0.014 0.009 0.173
## SO2 0.086 -0.048 -0.015 0.020
## PM10 0.099 0.069 -0.110 0.202
## Reactivacion_Comercial 0.945 0.571 -0.838 -0.130
## Supermercado_Farmacia 0.871 0.485 -0.726 -0.078
## Parques_Centros 0.767 0.353 -0.605 -0.174
## Estaciones_Transito 1.000 0.465 -0.754 -0.043
## Lugares_Trabajo 0.465 1.000 -0.850 -0.313
## Residencia -0.754 -0.850 1.000 0.344
## covid -0.043 -0.313 0.344 1.000¿Qué variable de movilidad urbana aumenta más los casos de covid? La variable que aumenta más los casos de covid según lo analizado es la de residencia, después de buscar una explicación a esto, se concluyó que es porque para empezar es un lugar cerrado, en el cual las personas que ahí habitan por lo regular conviven de manera muy cercana, y aunque haya pocas personas que salgan de la residencia no asegura que no vaya a haber contagios, ya que si un habitante de esa residencia sale por ejemplo al supermercado, al momento que regresa a casa, aunque haya medidas de sanitización al entrar a la residencia, si esa persona contrajo el virus, contagiara a todas las demás personas que ahí habitan, porque los síntomas de covid no aparecen en el mismo momento que alguien se contagia, como para poner a la persona en aislamiento y evitar que más se contagien.
¿Qué variable de movilidad urbana aumenta o disminuye más los contaminantes? Tomando en cuenta primeramente a PM10 o partículas sólidas o líquidas de polvo, cenizas, hollín, partículas metálicas, cemento o polen, se puede observar que la actividad comercial que lo aumenta es la de supermercado-farmacia y reactivación comercial y se disminuye con la variable de residencia, ya que el aumento de PM10 está relacionado con procesos mecánicos o reacción de gases que son provocados por ciertas actividades por la población, ahora hablando del ozono se puede observar como la variable de movilidad que lo aumenta es la de residencia y lo disminuye la variable de movilidad de parques_centros, con el dióxido de azufre la variable supermercado-farmacia hace que aumente y la variable de residencia hace que este disminuya.