Hace unas semanas, el Washington Post hizo. un gráfico de amplia circulación de Washington, DC, el número de pasajeros de la mañana de Metro para inauguraciones recientes y la Marcha de Mujeres del 21 de enero. Los números de asistencia de eventos grandes pueden ser difíciles y polémicos de calcular, y los conteos de usuarios aportan una objetividad atractiva a la conversación, incluso si los conteos están relacionados aproximadamente con los conteos de asistencia. Algunos asistentes no viajan en el Metro y algunos pasajeros no asisten al evento; sin embargo, cuando los conteos son excepcionales, algo debe estar sucediendo.
Para ver si son excepcionales, necesitamos poner los conteos en contexto, por lo que me puse a buscar datos de uso diario para el DC Metro. Lo mejor que encontré fueron las estimaciones diarias de pasajeros en Datos abiertos dc Para los años 2004 a 2015. Si bien no es lo último, es suficiente para dar un poco de contexto a los números citados, tanto al observar los recuentos típicos, tres inauguraciones y dos reuniones de sábado celebradas en 2010: Restaurando el honor (Glenn Beck) y Restaurar la cordura y / o el miedo (Jon Stewart y Stephen Colbert). Asistí al rally de Sanidad Restaurada y monté en el Metro esa mañana, y ambos estaban abarrotados cuerpo a cuerpo, así que tengo eso como una línea de base experiencial.
Una vista inicial de los datos.
Aquí hay un primer vistazo a los datos de conteo a lo largo del tiempo en JMP . Unos pocos valores atípicos y patrones saltan incluso en esta visión general.
Ya podemos ver un valor prominente correspondiente a la Inauguración de 2009. Los grupos bajo y alto sugieren que hay al menos dos categorías de días, y la agrupación por día de la semana verifica que los días de la semana son el grupo más grande.
Sin embargo, todavía hay un número significativo de conteos atípicos entre semana, especialmente los lunes. Al pasar sobre algunos de ellos confirma mis sospechas de que esos son días festivos. Dividir el gráfico por días de la semana fue una simple transformación con el botón derecho, pero JMP no conoce los días festivos de los EE. UU., así que escribí un guión para etiquetar los días festivos oficiales y luego los combiné con los domingos para obtener un gráfico general.
Etiqueté algunos días notables y agregué un suave para mostrar el aparente patrón estacional (más sobre eso más adelante). Con la clasificación, podemos ver que el feriado de 2009 de MLK, que fue el día anterior a la inauguración de 2009, y el feriado de inauguración de 2013 / MLK, también fueron excepcionales en el contexto de los feriados.
Los recuentos de interés recientes no están en este conjunto de datos. Pero el recuento para la inauguración de 2017 fue de 570,000, según la Autoridad de Tránsito del Área Metropolitana de Washington (WMATA) citada en un artículo del Washington Post , mientras que para la Marcha Femenina 2017 fue de poco más de 1 millón, Según un tweet de WMATA. .
El rally Restore Sanity se destaca del típico nivel de usuarios en sábado (800,000 vs. 300,000); sin embargo, no es fácil determinar una línea de base adecuada para las fechas de inauguración. El día de la inauguración es un día festivo local para los trabajadores federales. Para estimar su efecto, podemos utilizar los datos de la Oficina de Estadísticas Laborales de 2013, que dicen que DC tenía aproximadamente 740,000 trabajadores, y 200,000 de ellos eran trabajadores federales. El día de trabajo típico es aproximadamente 700,000, lo que es casi un viaje por trabajador (presumiblemente, aproximadamente la mitad de los trabajadores tomaron el Metro dos veces cada uno). Siguiendo esa proporción, habría aproximadamente 200,000 pasajeros menos trabajadores en el Día de Inauguración, y probablemente algunos trabajadores no federales también tengan el Día de Inauguración libre. Eso pondría el número de referencia del Día de la Inauguración en el rango de 400,000 a 500,000.
En caso de que se esté preguntando acerca de algunos de los valores atípicos sin etiqueta, puede probar esta versión interactiva de la tabla y sobrevolar los puntos de interés. Los otros altos cargos en la cantidad de usuarios del sábado son en su mayoría días del Festival Nacional de Flor de Cerezo a principios de abril. Muchos de los altos recuentos de vacaciones fueron para el Día de la Independencia. Los días bajos de invierno fueron de fuertes tormentas.
¡Cuidado con los insectos mentales!
Después de compartir el gráfico anterior en Twitter, busqué más en el patrón estacional y me di cuenta de que había caído en las tres trampas cognitivas que Alberto Cairo describió como "bichos mentales" en su libro. El Arte Verdadero : patronicidad, narración y confirmación.
Vi un altibajo modelo en los puntos, creó un historia En mi opinión, la cantidad de pasajeros estaba ligada a las estaciones, y confirmado agregando el spline más suave, que tenía una apariencia de onda sinusoidal. Afortunadamente, no me vendieron totalmente en esa confirmación y me di cuenta de que la suavidad de la spline está restringida para ser suave sin importar cómo se vean los datos, y 11 años de fluctuaciones pueden ser demasiado para resolver. Así que me propuse echar un vistazo más de cerca a los datos por día del año. Este gráfico muestra los días laborables para los 11 años.
Ahora pude ver que el patrón no es tan sinusoidal. En lugar de que la cantidad de pasajeros fluya con las estaciones, tenemos algunos efectos localizados. La mayor es la caída durante las últimas dos semanas del año, y ese pequeño bulto alrededor del día 100 es probablemente el Festival Nacional de la Flor de Cerezo en la primavera. Me imagino que los turistas son los responsables de las protestas del verano, pero ¿qué pasa con el baño en agosto? ¿Es entonces cuando los locales se toman vacaciones para escapar del calor y la humedad? ¿O es porque el Congreso suele ausentarse en agosto? (Residentes de DC: ¡Avísenme en comentarios!)
Después de darme cuenta de que mi historia de temporada estaba equivocada, volví a cambiar mi cuadro general con una suavidad más simple que solo muestra la tendencia a largo plazo de la cantidad de pasajeros durante los años.
Todavía estoy buscando datos más completos, pero este conjunto de datos ha sido interesante de explorar. ¡Aprendí mucho sobre cómo las personas usan el DC Metro! Experimentar los errores mentales de primera mano proporcionó una buena lección sobre exploración analítica. Al final, creo que se me ocurrió un gráfico que proporciona un contexto útil.
Interesante mirando la versión HTML interactiva. Hay algunos días de conteo extremadamente bajo. Al poder ver las fechas, parece que muchos de ellos se deben a eventos relacionados con el clima. En particular, los días de "conteo cero" y casi cero en los días 29 y 30 de octubre de 2012 fueron para el huracán Sandy, y El gobierno federal cerró el 30 . Otro día, en 2010 fue muy bajo y eso fue para un " evento de ventisca ". Al igual que con cualquier dato de moderado a grande, la influencia de estos puntos puede no ser muy grande en su análisis, pero siempre me gusta entender de dónde provienen esos datos atípicos. Una búsqueda de datos más detallada podría buscar todos los eventos de clima severo y agruparlos con el grupo de fines de semana y días festivos.
