# UNIVERSIDAD CENTRAL DEL ECUADOR
# Facultad de IngenierC-a en GeologC-a, Minas, Petroleos y Ambiental
# IngenierC-a Ambiental
# Autor: Domenica Yepez
# Variable : Continua total de plantaciones forestales
# Directorio de trabajo
setwd("C:/Users/HP/OneDrive - Universidad Central del Ecuador/SEMESTRE III/Estadistica/Incendios en Chile/Datos")
# Cargar los datos
library(readr)
datos <- read_delim("Conaf_Data_Chile_2017.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)
## Rows: 5234 Columns: 30
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## chr (5): temporada, ambito, nombre_inc, inicio_c, combus_i
## dbl (23): Column1, codreg, codprov, codcom, numero, utm_este, utm_norte, cau...
## num (2): long, lat
##
## 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.
# Extraer la variable total plantación
total_plantacion <-na.omit(as.numeric(datos$total_plan))
#analizar la variable por el diagrama de caja
options(scipen = 999)
Caja_total_plantacion<- boxplot(total_plantacion, horizontal = T,
main = "Gráfica N°: Distribución de Superficie total
de plantaciones afectada en Chile",
xlab = " Superficie (ha) ",
col = "#B5EAD7",
pch = 1)
#valores de cero de total plantación
total_plantacion_cero<-subset(total_plantacion, total_plantacion==0)
length(total_plantacion_cero)
## [1] 3838
#valores mayores de cero de total plantación
total_plantacion.1<- subset(total_plantacion, total_plantacion>0)
Caja_total_plantacion.1<- boxplot(total_plantacion.1, horizontal=T,
main = "Gráfica N°: Distribución de Superficie total
de plantaciones mayor a cero afectada en Chile",
xlab = " Superficie (ha)",
col = "#FFDAC1",
pch = 1)
length(total_plantacion.1)
## [1] 1396
#se divide los valores mayores de cero en comunes y no comunes
total_plantacion.1_comunes<- subset(total_plantacion.1,total_plantacion.1 < min(Caja_total_plantacion.1$out))
caja_mat_comunes<- boxplot(total_plantacion.1_comunes, horizontal=T,
main = "Gráfica N°: Distribución de Superficie total
de plantaciones comunes afectada en Chile",
xlab = "Superficie (ha)",
col = "#D6E0F0",
pch = 1)
total_plantacion.1_outliers<- subset(total_plantacion.1,total_plantacion.1 >= min(Caja_total_plantacion.1$out) & total_plantacion.1 < 2000000)
caja_mat_outliers<- boxplot(total_plantacion.1_outliers, horizontal=T,
main= "Gráfica N°: Distribución de Superficie total
de plantaciones no comunes afectada en Chile",
xlab= "Superficie (ha)",
col= "#FFDAC1",
phc= 1)
# Estadística descriptiva para la variable total plantación comunes
min <- min(total_plantacion.1_comunes )
max <- max(total_plantacion.1_comunes )
R <- max-min
K <- floor(1+3.33*log10(length(total_plantacion.1_comunes )))
A <- (R/K)
lim_inf <- seq(from=min,to=max-A,by=A)
lim_sup <- seq(from=min+A,to=max+A,by=A)[1:K]
MC <- (lim_inf+lim_sup)/2
ni <- c()
for (i in 1:K) {
if (i != K) {
ni[i] <- length(subset(total_plantacion.1_comunes,
total_plantacion.1_comunes >= lim_inf[i] & total_plantacion.1_comunes < lim_sup[i]))
} else {
ni[i] <- length(subset(total_plantacion.1_comunes,
total_plantacion.1_comunes >= lim_inf[i] & total_plantacion.1_comunes <= lim_sup[i]))
}
}
sum(ni)
## [1] 1155
hi <- ni/sum(ni)*100
sum(hi)
## [1] 100
Ni_asc <- cumsum(ni)
Hi_asc <- cumsum(hi)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_desc <- rev(cumsum(rev(hi)))
TDF_total_plantacion <- data.frame(round(lim_inf,2),
round(lim_sup,2),
round(MC,2),ni,
round(hi,2),
Ni_asc,
Ni_desc,
round(Hi_asc,2),
round(Hi_desc,2))
colnames(TDF_total_plantacion) <- c("Lim inf","Lim sup","MC","ni","hi(%)",
"Ni asc","Hi asc(%)","Ni desc","Hi desc(%)")
totales <- c(lim_inf = "TOTAL", lim_sup = "-", MC = "-", ni = sum(ni), hi = sum(hi),
Ni_asc = "-", Ni_desc = "-", Hi_asc = "-", Hi_desc = "-")
TDF_total_plantacion <- rbind(TDF_total_plantacion, totales)
TDF_total_plantacion
## Lim inf Lim sup MC ni hi(%) Ni asc Hi asc(%) Ni desc Hi desc(%)
## 1 1 9.64 5.32 684 59.22 684 1155 59.22 100
## 2 9.64 18.27 13.95 177 15.32 861 471 74.55 40.78
## 3 18.27 26.91 22.59 98 8.48 959 294 83.03 25.45
## 4 26.91 35.55 31.23 57 4.94 1016 196 87.97 16.97
## 5 35.55 44.18 39.86 38 3.29 1054 139 91.26 12.03
## 6 44.18 52.82 48.5 30 2.6 1084 101 93.85 8.74
## 7 52.82 61.45 57.14 27 2.34 1111 71 96.19 6.15
## 8 61.45 70.09 65.77 14 1.21 1125 44 97.4 3.81
## 9 70.09 78.73 74.41 8 0.69 1133 30 98.1 2.6
## 10 78.73 87.36 83.05 14 1.21 1147 22 99.31 1.9
## 11 87.36 96 91.68 8 0.69 1155 8 100 0.69
## 12 TOTAL - - 1155 100 - - - -
# Simplificar la tabla de Distribución de frecuencia con el histograma
Hist_densidad <- hist(total_plantacion.1_comunes , main="Gráfica N°:Distribución de superficie total
afectada en Chile para la elaboración de la TDF",
xlab = "Superficie (ha)",
ylab= "Cantidad", col ="#CBAACB")
k.1 <- length(Hist_densidad$breaks)
Li<- Hist_densidad$breaks[1:(length(Hist_densidad$breaks) - 1)]
Ls <- Hist_densidad$breaks[2:length(Hist_densidad$breaks)]
ni.1 <- Hist_densidad$counts
sum(ni.1)
## [1] 1155
MC.1<- Hist_densidad$mids
hi.1 <- (ni.1/sum(ni.1))
sum(hi.1)
## [1] 1
Ni_asc.1<- cumsum(ni.1)
Hi_asc.1 <- cumsum(hi.1)
Ni_desc.1 <- rev(cumsum(rev(ni.1)))
Hi_desc.1 <- rev(cumsum(rev(hi.1)))
TDF_total_plantacion.1 <- data.frame(Li = round(Li, 2),
Ls = round(Ls, 2),
MC.1 = round(MC.1, 2),
ni.1 = ni.1,
hi.1 = round(hi.1 * 100, 2),
Ni_asc.1 = Ni_asc.1,
Hi_asc.1 = round(Hi_asc.1 * 100, 2),
Ni_desc.1 = Ni_desc.1,
Hi_desc.1 = round(Hi_desc.1 * 100, 2))
colnames(TDF_total_plantacion.1) <- c("Lim inf","Lim sup","MC","ni","hi(%)",
"Ni asc","Hi asc(%)","Ni desc","Hi desc(%)")
totales <- c(Li = "TOTAL", Ls = "-", MC.1 = "-", ni.1 = sum(ni.1), hi.1 = sum(hi.1*100),
Ni_asc.1= "-", Ni_desc.1 = "-", Hi_asc.1 = "-", Hi_desc.1 = "-")
TDF_total_plantacion.1 <- rbind(TDF_total_plantacion.1, totales)
TDF_total_plantacion.1
## Lim inf Lim sup MC ni hi(%) Ni asc Hi asc(%) Ni desc Hi desc(%)
## 1 0 10 5 738 63.9 738 63.9 1155 100
## 2 10 20 15 167 14.46 905 78.35 417 36.1
## 3 20 30 25 89 7.71 994 86.06 250 21.65
## 4 30 40 35 53 4.59 1047 90.65 161 13.94
## 5 40 50 45 35 3.03 1082 93.68 108 9.35
## 6 50 60 55 29 2.51 1111 96.19 73 6.32
## 7 60 70 65 14 1.21 1125 97.4 44 3.81
## 8 70 80 75 17 1.47 1142 98.87 30 2.6
## 9 80 90 85 9 0.78 1151 99.65 13 1.13
## 10 90 100 95 4 0.35 1155 100 4 0.35
## 11 TOTAL - - 1155 100 - - - -
##################### Gr??ficas ###############################
# Histograma con la rergla de Sturgest###
breaks_sturges <- c(lim_inf, tail(lim_sup, 1))
hist(total_plantacion.1_comunes, breaks = breaks_sturges,
main = "Gráfica N°: Distribución de Superficie total de plantaciones
comunes afectadas en Chile ",
col = "salmon",
xlab = "Superficie (ha)",
ylab = "Cantidad",
xaxt = "n")
axis(side = 1, at = breaks_sturges, labels = round(breaks_sturges, 1), las = 1, cex.axis = 0.8)
# Histograma de ni que genera Rstudio
# Local
hist(total_plantacion.1_comunes,
main = "Gráfica N°: Distribución de Superficie total de plantaciones
comunes afectadas en Chile",
col = "skyblue",
xlab = "Superficie (ha)",
ylab = "Cantidad")
# Gobal
hist(total_plantacion.1_comunes,
main = "Gráfica N°: Distribución de Superficie total de plantaciones
comunes afectadas en Chile",
col = "salmon",
xlab = "Superficie (ha)",
ylab = "Cantidad",
ylim=c(0,1155))
# Histograma de hi que genera Rstudio
#Local
barplot(hi.1*100,space=0,
col = "skyblue",
main ="Gráfica N°: Distribución de Superficie total de plantaciones
comunes afectadas en Chile",
ylab="Porcentaje (%)",
xlab="Superficie (ha)",
names.arg = MC.1)
# Global
barplot(hi.1*100,space=0,
col = "salmon",
main ="Gráfica N°: Distribución de Superficie total de plantaciones
comunes afectadas en Chile",
ylab="Porcentaje (%)",
xlab="Superficie (ha)",
ylim = c(0,100),
names.arg = MC.1)
# Ojivas Ni_asc Ni_dsc global y local ####
plot(MC.1, Ni_desc.1,
main = "Gráfica N°: Ojiva acumulada absoluta de Superficie total de
plantaciones comunes afectada en Chile",
xlab = " Superficie (ha)",
ylab = "Cantidad",
col = "salmon",
type = "o",
lwd = 3,
pch = 16,
ylim = c(0,1155))
lines(MC.1, Ni_asc.1,
col = "blue",
type = "o",
pch = 16,
lwd = 3)
# Ojivas Hi_asc y Hi_dsc global y local ###
plot(MC.1, Hi_desc.1*100,
main = "Gráfica N°: Ojiva acumulada relativa de Superficie total de
plantaciones comunes afectada en Chile",
xlab = " Superficies (ha)",
ylab = "Porcentaje (%)",
col = "salmon",
type = "o",
lwd = 3,
pch = 16,
ylim = c(0,100))
lines(MC.1, Hi_asc.1*100,
col = "blue",
type = "o",
pch = 16,
lwd = 3)
### Indicadores ###
# Tendencia central
## Media aritmC)tica
x <- mean(total_plantacion.1_comunes)
x
## [1] 14.29784
## Mediana
Me <- median(total_plantacion.1_comunes)
Me
## [1] 6
# DisperciC3n
## varianza
V<-var(total_plantacion.1_comunes)
V
## [1] 344.4658
## DeviaciC3n estandar
desv <- sd(total_plantacion.1_comunes)
desv
## [1] 18.55979
### coeficiente variabilidad ####
CV <- (desv/x)*100
CV
## [1] 129.8084
# FORMA
## Asimetria
library(e1071)
## Warning: package 'e1071' was built under R version 4.4.3
As <- skewness(total_plantacion.1_comunes)
As
## [1] 2.045562
# Curtosis
Ku<- kurtosis(total_plantacion.1_comunes)
Ku
## [1] 3.988659
# Outliers
outliers<- Caja_total_plantacion.1$out
outliers
## [1] 160 132 590 330 300 2201 100 1735
## [9] 205 1153 25315 1448 23891 10919 3698 713
## [17] 753 157 222 5203 6566 782 213 583
## [25] 355 189 7447 414 156 247 1327 622
## [33] 3188 10148 68665 4910 150 110 24810 1500
## [41] 39210 12250 13450 100 16220 130 480 177880
## [49] 6490 69980 3350 2920 1023 150 224 100
## [57] 100 200 400 150 200 1452 200 450
## [65] 257302 500 100 100 99674 4581 124134 196471
## [73] 14500 1399 900 200 104 102 101 168
## [81] 3677 159 6044 1031 1974 9411 172 100
## [89] 400 382 192 382 724 150 700 162
## [97] 15800 6500 8500 243 164 1596 396817 138
## [105] 28600 11992049 484277 510341 41414 355 159 774
## [113] 142 122 442 124 14562 5194 125 411
## [121] 14775 1627 283 157492 29307 140 125 157
## [129] 203 112 250 1012 8414 3619 43006 100
## [137] 175 115 130 1477 324 142 126 599
## [145] 164 140 400 310 960 515 200 500
## [153] 122 190 1013 250 485 3095 183 801
## [161] 300 169466 14656 1643 1000 279 21694 2191
## [169] 8185 50096 63628 3220 13516 48795 5808 92569
## [177] 4737 275 3002 63130 21295 2006 351 170
## [185] 2200 220 738 181 3800 170 298 1006
## [193] 328 881 2024 296 335 174 1326 398
## [201] 183 103 115849 7209 391 2745 805 3345
## [209] 337 345 200 379 107021 176 287 514
## [217] 1500 112 1586 537 1081 126 6377 111
## [225] 112 150 200 12164 146 849 3015 1500
## [233] 140 230 245 13958 19171 1265 800 1043
## [241] 160
# tabla de indicadores de la variable
tabla_indicadores <- data.frame(
Variable = "Latitud",
Rango = paste0("{", round(min(total_plantacion.1_comunes)), "-", round(max(total_plantacion.1_comunes)), "}"),
Media = round(x, 2),
Mediana = round(Me, 2),
Moda = "0-10",
Varianza = round(V, 2),
Desviacion = round(desv, 2),
Coeficiente_Variacion = round(CV, 2),
Asimetria = round(As, 2),
Curtosis = round(Ku, 2),
Valores_Atipicos = paste(length(outliers), "entre [", min(outliers), "-", max(outliers), "]")
)
library(knitr)
kable(tabla_indicadores, align = 'c', caption = "Tabla: Conclusiones de la variable total plantaciones comunes")
Tabla: Conclusiones de la variable total plantaciones
comunes
| Latitud |
{1-96} |
14.3 |
6 |
0-10 |
344.47 |
18.56 |
129.81 |
2.05 |
3.99 |
241 entre [ 100 - 11992049 ] |