Metodología

Fuente de datos

Se usaron datos oficiales de la red RAMA y el catálogo de estaciones para 2022.

• 8,760 horas de monitoreo.
• 5 zonas geográficas.
• 6 contaminantes: O3, PM2.5, PM10, NO2, CO y SO2.
• 1.7% de valores faltantes.

Procedimiento general

1. Lectura del archivo oficial.
2. Limpieza de fechas, tipos y faltantes.
3. Transformación de formato ancho a formato largo.
4. Cálculo de variables derivadas: mes, temporada y periodo del día.
5. Análisis exploratorio.
6. ANOVA de dos factores.
7. Modelos de clasificación y clustering.

Pipeline

Volumen de datos

Decisiones importantes

• La imputación se hizo por grupo zona × periodo del día.
• O3 se excluyó de los predictores en clasificación para evitar data leakage.
• PCA y clustering se aplicaron sobre promedios zonales para resumir perfiles espaciales.

Fuente consultada

http://datosabiertos.aire.cdmx.gob.mx:8080/Opendata/IndiceCalidadAire/indice_2022.csv