file.exists("~/INGENIERÍA AMBIENTAL/Semestre 3/Estadística y Probabilidad/Proyecto Eficiencia Energética Aragón/1.Datos")[1] TRUEEficiencia energética de los edificios en Aragón
Estadística descriptiva
Día de emisión
Variable cuantitativa discreta
Periodo de tiempo representado en días que corresponde al momento de emisión.
Estadística descriptiva
Buscamos el directorio de trabajo y cargamos la tabla de datos o el dataset:
setwd("~/INGENIERÍA AMBIENTAL/Semestre 3/Estadística y Probabilidad/Proyecto Eficiencia Energética Aragón/1.Datos")
library(readr)
datos <- read.csv("Edificios_Reales.csv", sep = ";", dec = ".")Verificamos que rstudio nos lea correctamente los datos
str(datos)'data.frame': 167479 obs. of 17 variables:
$ Día_Emisión : int 29 26 26 12 27 17 13 8 7 16 ...
$ Mes_Emisión : int 6 9 2 6 6 6 2 4 4 12 ...
$ Año_Emisión : int 2013 2013 2014 2013 2013 2013 2014 2014 2014 2013 ...
$ Emision_CO2 : num 30.1 46.1 20.3 39.2 103.8 ...
$ Clasificacion_Emisiones: chr "E" "E" "D" "E" ...
$ Demanda_energética : num 142.3 174.4 94.2 187.7 409 ...
$ Clasificacion_consumo : chr "E" "E" "D" "E" ...
$ Tipo_edificio : chr "Vivienda individual" "Vivienda individual" "Vivienda individual" "Vivienda individual" ...
$ Estado_edificio : chr "Existente" "Existente" "Existente" "Existente" ...
$ Anio_construccion : int 1962 1974 1999 1970 1965 1968 1966 1963 2006 1970 ...
$ Superficie_m2 : num 49 81 72 65 46 ...
$ Municipio : chr "ZARAGOZA" "ZARAGOZA" "ZARAGOZA" "ZARAGOZA" ...
$ Provincia : chr "ZARAGOZA" "ZARAGOZA" "ZARAGOZA" "ZARAGOZA" ...
$ Coordenadas._x : num 674904 674063 671872 676129 674807 ...
$ Coordenadas._y : num 4612931 4612970 4612102 4613402 4613068 ...
$ Anio_emision : int 2013 2013 2014 2013 2013 2013 2014 2014 2014 2013 ...
$ Dias_hasta_expiracion : int 3652 3652 3652 3652 3652 3652 3652 3653 3653 3652 ...Cargamos la variable
Por la gran cantidad de datos, es mejor verificar el comportamiento general de la variable para saber si toca realizar el analisis estadístico en un cierto intervalo. Es así, que se crea un historama:
dia_emision0<-datos$Día_Emisión
n<-length(dia_emision0)
n[1] 167479Como tal, vemos que la variable tiene demasiados valores, entonces se decide agrupar por semana (intervalos).
datos$Grupo <- 0
for (i in 1:length(datos$Día_Emisión))
{ if (datos$Día_Emisión[i] <= 7) { datos$Grupo[i] <- "01-07" }
else if (datos$Día_Emisión[i] >= 8 & datos$Día_Emisión[i] <= 14)
{ datos$Grupo[i] <- "08-14" }
else if (datos$Día_Emisión[i] >= 15 & datos$Día_Emisión[i] <= 21)
{ datos$Grupo[i] <- "15-21" }
else if (datos$Día_Emisión[i] >= 22 & datos$Día_Emisión[i] <= 28)
{ datos$Grupo[i] <- "22-27" }
else if (datos$Día_Emisión[i] >= 29)
{ datos$Grupo[i] <- "29-31" } } Tabla de frecuencias
Realizamos la tabla con las frecuencias simples y las acumuladas:
dia_emision<-datos$Grupo
tabla_dia<-data.frame(table(dia_emision))
ni<-tabla_dia$Freq
n<-sum(ni)
n[1] 167479hi<- (ni/n)*100
Ni<- cumsum(ni)
Ni_dsc <- rev(cumsum(rev(ni)))
Hi<- cumsum(hi)
Hi_dsc <- rev(cumsum(rev(hi)))
Número<-1:length(ni)
TDF_dia_emision<-data.frame(Número,tabla_dia,round(hi,2),Ni,round(Hi,2),Ni_dsc,round(Hi_dsc,2))
colnames(TDF_dia_emision)<-c("N°","Intervalo","ni","hi (%)","Ni","Hi (%)","Ni_dsc","Hi_dsc (%)")
library(knitr)Warning: package 'knitr' was built under R version 4.4.2kable(TDF_dia_emision, format = "markdown", caption = "Tabla 1. Frecuencias de los valores de día de emisión")| N° | Intervalo | ni | hi (%) | Ni | Hi (%) | Ni_dsc | Hi_dsc (%) |
|---|---|---|---|---|---|---|---|
| 1 | 01-07 | 34723 | 20.73 | 34723 | 20.73 | 167479 | 100.00 |
| 2 | 08-14 | 38400 | 22.93 | 73123 | 43.66 | 132756 | 79.27 |
| 3 | 15-21 | 39180 | 23.39 | 112303 | 67.05 | 94356 | 56.34 |
| 4 | 22-27 | 41174 | 24.58 | 153477 | 91.64 | 55176 | 32.95 |
| 5 | 29-31 | 14002 | 8.36 | 167479 | 100.00 | 14002 | 8.36 |
Gráficas
Creamos el histograma con la frecuencia absoluta para visualizar el conteo de ocurrencias de los valores de la variable.
barplot(TDF_dia_emision$ni, space = 0,main = "Gráfica N°7.1.1.-Número de edificios en la
Comunidad Autónoma de Aragón por días de emisión",ylab="Cantidad",xlab="Día de emisión",
col = "skyblue",names.arg = TDF_dia_emision$Intervalo,axis.lty = 1,cex.names = 0.8,
las=1,cex.axis = 0.7)
barplot(TDF_dia_emision$ni, space = 0,main = "Gráfica N°7.1.2.-Número de edificios en la
Comunidad Autónoma de Aragón por días de emisión",ylab="Cantidad",xlab="Día de Emisión",
col = "skyblue",names.arg = TDF_dia_emision$Intervalo,axis.lty = 1,cex.names = 0.8,las=1,cex.axis = 0.7,
ylim = c(0,n))
Ahora, creamos el histograma con la frecuencia relativa para visualizar el porcentaje de ocurrencias de los valores.
barplot(TDF_dia_emision$`hi (%)`, space = 0,main = "Gráfica N°7.1.3.-Porcentaje de edificios por
días de emisión en la Comunidad Autónoma de Aragón",ylab="Porcentaje (%)",xlab="Día de Emisión",
col = "red3",names.arg = TDF_dia_emision$Intervalo,axis.lty = 1,cex.names = 0.8,las=1,cex.axis = 0.7)
barplot(TDF_dia_emision$`hi (%)`, space = 0,main = "Gráfica N°7.1.4.-Porcentaje de edificios por
días de emisión en la Comunidad Autónoma de Aragón",ylab="Porcentaje (%)",xlab="Día de Emisión",
col = "red3",names.arg = TDF_dia_emision$Intervalo,axis.lty = 1,cex.names = 0.8,las=1,cex.axis = 0.7,
ylim = c(0,100))
Realizamos el diagrama de sector circular:
colores <- c(topo.colors(5))
etiqueta<- paste(TDF_dia_emision$`hi (%)`,"%",sep="")
pie(TDF_dia_emision$`hi (%)`,main = "Gráfica 7.1.5.-Porcentaje de edificios por día de emisión
en la comunidad Autónoma de Aragón",
labels = etiqueta,col = colores,cex=1)
legend("bottomright",legend = TDF_dia_emision$Intervalo,fill = colores,cex = 0.8,title = "Leyenda")
Se crea el diagrama de caja que nos ayuda con la representación de los cuartiles de la variable, donde el cuartil 2 representa la mediana de la variable. Además, nos representa los valores atípicos (outliers) en nuestro intervalo de estudio.
caja<-boxplot(datos$Día_Emisión, horizontal = T, col = "salmon",
main= "Gráfica N°7.1.6.-Distribución de los edificios según su
día de emisión en la Comunidad Autónoma de Aragón",xlab="Día de Emisión")
Adicionalmente, se crean las ojivas que nos representa las frecuencias acumuladas y, de igual manera, el intercepto de las gráficas de la ojiva ascendente y la descendente representa la mediana en el eje horizontal.
tabla<-data.frame(table(dia_emision0))
ni<-tabla$Freq
n<-sum(ni)
n[1] 167479hi<- (ni/n)*100
Ni<- cumsum(ni)
Ni_dsc <- rev(cumsum(rev(ni)))
Hi<- cumsum(hi)
Hi_dsc <- rev(cumsum(rev(hi)))
x<-1:5
plot(Ni, type = "b",col="green3",ylab = "Cantidad",
xlab="Día de emisión", main= "Gráfica N°7.1.7.-Distribución de los edificios
de la Comunidad Autónoma de Aragón según su día de emisión")
lines(Ni_dsc,add=TRUE,type = "b",col="red3")Warning in plot.xy(xy.coords(x, y), type = type, ...): "add" es un parámetro
gráfico inválidolegend("right", legend = c("Ni ascendente", "Ni descendente"), col = c("green3", "red3"), lty = 1, pch = 0.4,
cex = 0.8, pt.cex = 1)
plot(Hi, type = "b",col="green3",ylab = "Porcentaje (%)",
xlab="Día de emisión", main= "Gráfica N°7.1.8.-Distribución de los edificios
de la Comunidad Autónoma de Aragón según su día de emisión")
lines(Hi_dsc,add=TRUE,type = "b",col="red3")Warning in plot.xy(xy.coords(x, y), type = type, ...): "add" es un parámetro
gráfico inválidolegend("right", legend = c("Hi ascendente", "Hi descendente"), col = c("green3", "red3"), lty = 1, pch = 0.4,
cex = 0.8, pt.cex = 1)
Indicadores
Los indicadores estadísticos son valores numéricos que resumen, describen y analizan características de un conjunto de datos. Estos indicadores permiten simplificar y entender grandes volúmenes de información de manera más eficiente. Se utilizan para tomar decisiones informadas.
ri<-min(dia_emision0)
rs<-max(dia_emision0)
mediana<-median(dia_emision0)
mediana[1] 16media_aritmetica<-mean(dia_emision0)
media_aritmetica[1] 16.22258desviación_estandar<-sd(dia_emision0)
desviación_estandar[1] 8.704765coeficiente_variabilidad <- (desviación_estandar/media_aritmetica) * 100
coeficiente_variabilidad[1] 53.65833library(e1071)Warning: package 'e1071' was built under R version 4.4.2coeficiente_asimetria <- skewness(dia_emision0)
coeficiente_asimetria[1] -0.05810843curtosis<-kurtosis(dia_emision0)
curtosis[1] -1.168891Variable<-c("Dia de emisión")
# Identificar los valores atípicos
outliers<-boxplot.stats(dia_emision0)$out
# Contar los valores atípicos
num_outliers <- length(outliers)
num_outliers[1] 0minimooutliers<-min(outliers)Warning in min(outliers): ningún argumento finito para min; retornando Infminimooutliers[1] Infmax1<-caja$stats[1]
max1[1] 1min2<-caja$stats[5]
maximooutliers<-max(outliers)Warning in max(outliers): ningun argumento finito para max; retornando -Infmaximooutliers[1] -InfTabla_indicadores<-data.frame(Variable,ri,rs,round(media_aritmetica,2),mediana,round(desviación_estandar,2), round(coeficiente_variabilidad,2), round(coeficiente_asimetria,2),round(curtosis,2))
colnames(Tabla_indicadores)<-c("Variable","minimo","máximo","x","Me","s","Cv (%)","As","K")
library(knitr)
kable(Tabla_indicadores, format = "markdown", caption = "Tabla 2. Indicadores estadíticos de la variable Día de emision")| Variable | minimo | máximo | x | Me | s | Cv (%) | As | K |
|---|---|---|---|---|---|---|---|---|
| Dia de emisión | 1 | 31 | 16.22 | 16 | 8.7 | 53.66 | -0.06 | -1.17 |
Tabla_outliers<-data.frame(num_outliers)
colnames(Tabla_outliers)<-c("Outliers")
library(knitr)
kable(Tabla_outliers, format = "markdown", caption = "Tabla 3. Outliers de la variable")| Outliers |
|---|
| 0 |
Conclusiones
La variable “Día de emisión” esta comprendida en un rango entre el 1 y 31. La media de los días de emisión es 16.22, con una mediana de 16 y una dispersión estándar de 8.7 días, lo que indica una dispersión moderada de los valores. El coeficiente de variación del 53.66 % sugiere una variabilidad relativamente alta en la distribución de los días de emisión. La distribución de los datos es aproximadamente simétrica, con un coeficiente de asimetría de -0.06, y presenta una curtosis de -1.17, lo que indica una distribución más plana en comparación con una distribución normal. En cuanto a los valores atípicos, no se han identificado valores atípicos en la variable “Día de emisión”, lo que sugiere que todas las emisiones registradas siguen un patrón coherente dentro de los meses sin valores extremos.Lo que sugiere que las emisiones de CO₂ se reparten de manera regular en el tiempo sin concentraciones excesivas en días específicos.