Consumo de Combustible (MPG) en la ciudad de Ann Arbor, Michigan
Grupo No. 5
2025-07-20
Variable Cualitativa Nominal-Tipo de Combustible
A partir de los datos muestrales, se construyeron tablas de frecuencia y gráficos que permiten calcular probabilidades empíricas, facilitando así la realización de inferencias sobre el uso predominante de combustibles en el periodo 1984–2017.
1 Cargar datos
setwd("C:/Users/Usuario/Documents/Trabajo Estadistica/PROYECTO/")
datos <- read.csv("database.csv", header = TRUE, sep = ",", dec = ".")Verificamos que rstudio nos lea correctamente los datos:
## 'data.frame': 38113 obs. of 81 variables:
## $ Vehicle.ID : int 26587 27705 26561 27681 27550 28426 27549 28425 27593 28455 ...
## $ Year : int 1984 1984 1984 1984 1984 1984 1984 1984 1984 1984 ...
## $ Make : chr "Alfa Romeo" "Alfa Romeo" "Alfa Romeo" "Alfa Romeo" ...
## $ Model : chr "GT V6 2.5" "GT V6 2.5" "Spider Veloce 2000" "Spider Veloce 2000" ...
## $ Class : chr "Minicompact Cars" "Minicompact Cars" "Two Seaters" "Two Seaters" ...
## $ Drive : chr "" "" "" "" ...
## $ Transmission : chr "Manual 5-Speed" "Manual 5-Speed" "Manual 5-Speed" "Manual 5-Speed" ...
## $ Transmission.Descriptor : chr "" "" "" "" ...
## $ Engine.Index : int 9001 9005 9002 9006 1830 1880 1831 1881 1524 1574 ...
## $ Engine.Descriptor : chr "(FFS)" "(FFS) CA model" "(FFS)" "(FFS) CA model" ...
## $ Engine.Cylinders : int 6 6 4 4 4 4 6 6 6 6 ...
## $ Engine.Displacement : num 2.5 2.5 2 2 2.5 2.5 4.2 4.2 4.2 4.2 ...
## $ Turbocharger : logi NA NA NA NA NA NA ...
## $ Supercharger : chr "" "" "" "" ...
## $ Fuel.Type : chr "Regular" "Regular" "Regular" "Regular" ...
## $ Fuel.Type.1 : chr "Regular Gasoline" "Regular Gasoline" "Regular Gasoline" "Regular Gasoline" ...
## $ Fuel.Type.2 : chr "" "" "" "" ...
## $ City.MPG..FT1. : int 17 17 18 18 18 18 13 13 15 15 ...
## $ Unrounded.City.MPG..FT1. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ City.MPG..FT2. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Unrounded.City.MPG..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ City.Gasoline.Consumption..CD. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ City.Electricity.Consumption : num 0 0 0 0 0 0 0 0 0 0 ...
## $ City.Utility.Factor : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.MPG..FT1. : int 24 24 25 25 17 17 13 13 20 19 ...
## $ Unrounded.Highway.MPG..FT1. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.MPG..FT2. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Unrounded.Highway.MPG..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.Gasoline.Consumption..CD. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.Electricity.Consumption : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.Utility.Factor : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Unadjusted.City.MPG..FT1. : num 21 21 23 23 22 22 16 16 19 19 ...
## $ Unadjusted.Highway.MPG..FT1. : num 34 34 35 35 24 24 18 18 27 26 ...
## $ Unadjusted.City.MPG..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Unadjusted.Highway.MPG..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Combined.MPG..FT1. : int 20 20 21 21 17 17 13 13 17 17 ...
## $ Unrounded.Combined.MPG..FT1. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Combined.MPG..FT2. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Unrounded.Combined.MPG..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Combined.Electricity.Consumption : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Combined.Gasoline.Consumption..CD. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Combined.Utility.Factor : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Annual.Fuel.Cost..FT1. : int 1750 1750 1650 1650 2050 2050 2700 2700 2050 2050 ...
## $ Annual.Fuel.Cost..FT2. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Gas.Guzzler.Tax : chr "" "" "" "" ...
## $ Save.or.Spend..5.Year. : int -2000 -2000 -1500 -1500 -3500 -3500 -6750 -6750 -3500 -3500 ...
## $ Annual.Consumption.in.Barrels..FT1.: num 16.5 16.5 15.7 15.7 19.4 ...
## $ Annual.Consumption.in.Barrels..FT2.: num 0 0 0 0 0 0 0 0 0 0 ...
## $ Tailpipe.CO2..FT1. : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ Tailpipe.CO2.in.Grams.Mile..FT1. : num 444 444 423 423 523 ...
## $ Tailpipe.CO2..FT2. : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ Tailpipe.CO2.in.Grams.Mile..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Fuel.Economy.Score : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ GHG.Score : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ GHG.Score..Alt.Fuel. : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ My.MPG.Data : chr "N" "N" "N" "N" ...
## $ X2D.Passenger.Volume : int 74 74 0 0 0 0 0 0 0 0 ...
## $ X2D.Luggage.Volume : int 7 7 0 0 0 0 0 0 0 0 ...
## $ X4D.Passenger.Volume : int 0 0 0 0 0 0 0 0 0 0 ...
## $ X4D.Luggage.Volume : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Hatchback.Passenger.Volume : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Hatchback.Luggage.Volume : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Start.Stop.Technology : chr "" "" "" "" ...
## $ Alternative.Fuel.Technology : chr "" "" "" "" ...
## $ Electric.Motor : chr "" "" "" "" ...
## $ Manufacturer.Code : chr "" "" "" "" ...
## $ Gasoline.Electricity.Blended..CD. : chr "False" "False" "False" "False" ...
## $ Vehicle.Charger : chr "" "" "" "" ...
## $ Alternate.Charger : chr "" "" "" "" ...
## $ Hours.to.Charge..120V. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Hours.to.Charge..240V. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Hours.to.Charge..AC.240V. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Composite.City.MPG : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Composite.Highway.MPG : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Composite.Combined.MPG : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Range..FT1. : int 0 0 0 0 0 0 0 0 0 0 ...
## $ City.Range..FT1. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.Range..FT1. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Range..FT2. : chr "" "" "" "" ...
## $ City.Range..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Highway.Range..FT2. : num 0 0 0 0 0 0 0 0 0 0 ...1.1 Cargar librerias
## Warning: package 'knitr' was built under R version 4.4.3## Warning: package 'kableExtra' was built under R version 4.4.32 Tabla de Distribución De Frecuencias
TDFTipoCombustible <- table(Tipo_Combustible)
Tabla <- as.data.frame(TDFTipoCombustible)
colnames(Tabla) <- c("Tipo de Combustible", "Frecuencia Absoluta (ni)")
# Calcular frecuencia relativa
Tabla$`Frecuencia Observada (fo)` <- round(
Tabla$`Frecuencia Absoluta (ni)` / sum(Tabla$`Frecuencia Absoluta (ni)`) * 100,
2
)2.1 Crear fila de totales
2.2 Unir fila total a la tabla
Tabla <- rbind(Tabla, fila_total)
# Mostrar la tabla formateada
kable(Tabla, format = "html", caption = "Tabla Nº1: Distribución de Frecuencias del Tipo de Combustible") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = FALSE, position = "center") %>%
column_spec(1, bold = TRUE)| Tipo de Combustible | Frecuencia Absoluta (ni) | Frecuencia Observada (fo) |
|---|---|---|
| CNG | 60 | 0.16 |
| Diesel | 1014 | 2.66 |
| Electricity | 133 | 0.35 |
| Gasoline or E85 | 1223 | 3.21 |
| Gasoline or natural gas | 20 | 0.05 |
| Gasoline or propane | 8 | 0.02 |
| Midgrade | 77 | 0.20 |
| Premium | 10133 | 26.59 |
| Premium and Electricity | 25 | 0.07 |
| Premium Gas or Electricity | 18 | 0.05 |
| Premium or E85 | 122 | 0.32 |
| Regular | 25258 | 66.27 |
| Regular Gas and Electricity | 20 | 0.05 |
| Regular Gas or Electricity | 2 | 0.01 |
| Total | 38113 | 100.00 |
| Total | 38113 | 100.00 |
3 Gráficas de distribución de frecuencia
3.1 Diagrama de barras ni
Creamos el diagrama de barras con la frecuencia absoluta
# Ajustar márgenes
par(mar = c(8, 4, 3, 2))
# Frecuencia Absoluta
barplot(TDFTipoCombustible,
main = "Gráfica No.1: \nDistribución Tipo de Combustible",
xlab = "",
ylab = "Frecuencia",
col = "goldenrod1",
las = 3,
cex.names = 0.8,
cex.axis = 0.9,
cex.main = 1.2,
ylim = c(0, max(TDFTipoCombustible) * 1.2),
border = "black")
mtext("Tipo de Combustible", side = 1, line = 4, cex = 1.1)
abline(h = pretty(range(TDFTipoCombustible), n = 5), col = "gray85", lty = "dotted")
3.2 Diagrama de barras fo
Creamos el diagrama de barras con la frecuencia observada
porcentajes <- TDFTipoCombustible / sum(TDFTipoCombustible) * 100
par(mar = c(8, 4, 3, 2))
barplot(porcentajes,
main = "Gráfica No.2: \nDistribución Porcentual Tipo de Combustible",
xlab = "",
ylab = "Porcentaje",
col = "goldenrod1",
las = 3,
cex.names = 0.8,
cex.axis = 0.9,
cex.main = 1.2,
ylim = c(0, 100),
border = "black")
mtext("Tipo de Combustible", side = 1, line = 4, cex = 1.1)
abline(h = pretty(range(porcentajes), n = 5), col = "gray85", lty = "dotted")
4 Modelo de probabilidad
Tabla_combustible <- Tabla[Tabla$`Tipo de Combustible` != "Total", ]
P_Combustible <- Tabla_combustible$`Frecuencia Absoluta (ni)` / sum(Tabla_combustible$`Frecuencia Absoluta (ni)`)
nombres_combustible <- Tabla_combustible$`Tipo de Combustible`barplot(P_Combustible,
main = "Gráfica Nº3: \nDistribución de Probabilidad de Tipo de Combustible",
xlab = "Tipo de Combustible",
ylab = "Probabilidad",
col = "goldenrod1",
names.arg = nombres_combustible,
las = 3,
cex.names = 0.8)
4.1 Probabilidad
# Calcular probabilidad (en porcentaje)
combustible_objetivo <- "Regular"
probabilidad_regular <- round(
(Tabla$`Frecuencia Absoluta (ni)`[Tabla$`Tipo de Combustible` == combustible_objetivo] /
sum(Tabla$`Frecuencia Absoluta (ni)`[Tabla$`Tipo de Combustible` != "Total"])) * 100,
1
)
print(paste("La probabilidad es de:", probabilidad_regular, "%"))## [1] "La probabilidad es de: 66.3 %"5 Conclusión
Como resultado del análisis, se determinó que el tipo de combustible más frecuente es Regular, con una participación del 66.3 %. Esta categoría representa la mayor proporción dentro del conjunto de datos, lo que sugiere una preferencia o disponibilidad predominante en el contexto estudiado.