EDA_PROY_FINAL
María Clara Ávila y Mateo José Giraldo
2025-08-14
Librerías necesarias para el estudio
library(readxl)
library(ggplot2)
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tibble)
library(base)
library(Amelia)## Cargando paquete requerido: Rcpp## ##
## ## Amelia II: Multiple Imputation
## ## (Version 1.8.3, built: 2024-11-07)
## ## Copyright (C) 2005-2025 James Honaker, Gary King and Matthew Blackwell
## ## Refer to http://gking.harvard.edu/amelia/ for more information
## ##library(EnvStats)##
## Adjuntando el paquete: 'EnvStats'## The following objects are masked from 'package:stats':
##
## predict, predict.lm## The following object is masked from 'package:base':
##
## print.defaultlibrary(nortest)
library(corrplot)## corrplot 0.95 loadedlibrary(gridExtra)##
## Adjuntando el paquete: 'gridExtra'## The following object is masked from 'package:dplyr':
##
## combinelibrary(MASS) ##
## Adjuntando el paquete: 'MASS'## The following object is masked from 'package:EnvStats':
##
## boxcox## The following object is masked from 'package:dplyr':
##
## selectlibrary(corrplot)
library(tidyverse) ## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.0 ✔ readr 2.1.5
## ✔ lubridate 1.9.4 ✔ stringr 1.5.1
## ✔ purrr 1.1.0 ✔ tidyr 1.3.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ gridExtra::combine() masks dplyr::combine()
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ✖ MASS::select() masks dplyr::select()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(tidyr)
library(GGally)Datos horarios de radiación y variables meteorológicas para análisis de salud cutánea y edificaciones sostenibles en Chía, Cundinamarca (NASA POWER)
datos <- read.csv("C:/Users/Administrador/Downloads/DATASET_PROY_OFICIAL.csv",
sep=",",header=TRUE,
fileEncoding = "UTF-8")Naturaleza de los datos
head(datos)## YEAR MO DY HR ALLSKY_SFC_UVB ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## 1 2025 1 1 0 0 370.20 0.48 84.53
## 2 2025 1 1 1 0 372.25 0.49 84.48
## 3 2025 1 1 2 0 363.10 0.53 84.44
## 4 2025 1 1 3 0 367.58 0.48 84.43
## 5 2025 1 1 4 0 366.67 0.37 84.43
## 6 2025 1 1 5 0 365.10 0.30 84.47tail(datos)## YEAR MO DY HR ALLSKY_SFC_UVB ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## 5131 2025 8 2 18 -999 -999 -999 -999
## 5132 2025 8 2 19 -999 -999 -999 -999
## 5133 2025 8 2 20 -999 -999 -999 -999
## 5134 2025 8 2 21 -999 -999 -999 -999
## 5135 2025 8 2 22 -999 -999 -999 -999
## 5136 2025 8 2 23 -999 -999 -999 -999dim(datos)## [1] 5136 8colnames(datos)## [1] "YEAR" "MO" "DY"
## [4] "HR" "ALLSKY_SFC_UVB" "ALLSKY_SFC_LW_DWN"
## [7] "PRECTOTCORR" "PS"summary(datos)## YEAR MO DY HR
## Min. :2025 Min. :1.000 Min. : 1.00 Min. : 0.00
## 1st Qu.:2025 1st Qu.:2.000 1st Qu.: 8.00 1st Qu.: 5.75
## Median :2025 Median :4.000 Median :15.50 Median :11.50
## Mean :2025 Mean :4.056 Mean :15.53 Mean :11.50
## 3rd Qu.:2025 3rd Qu.:6.000 3rd Qu.:23.00 3rd Qu.:17.25
## Max. :2025 Max. :8.000 Max. :31.00 Max. :23.00
## ALLSKY_SFC_UVB ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## Min. :-999.00 Min. :-999.0 Min. :-999.000 Min. :-999.00
## 1st Qu.:-999.00 1st Qu.:-999.0 1st Qu.: 0.550 1st Qu.: 84.39
## Median : 0.00 Median : 366.5 Median : 2.420 Median : 84.54
## Mean :-443.27 Mean :-227.9 Mean : -6.914 Mean : 69.21
## 3rd Qu.: 0.01 3rd Qu.: 389.4 3rd Qu.: 6.970 3rd Qu.: 84.65
## Max. : 2.21 Max. : 436.5 Max. : 455.330 Max. : 84.93YEAR → Año del registro.
MO → Mes del registro.
DY → Día del registro.
HR → Hora del registro (horario local o UTC).
ALLSKY_SFC_UVB → Irradiancia UVB en superficie bajo cielo total en W/m².
ALLSKY_SFC_LW_DWN → Irradiancia de onda larga descendente en superficie bajo cielo total en W/m².
PRECTOTCORR → Precipitación total corregida en mm/h.
PS → Presión superficial en kPa.
Analisis de los datos
str(datos)## 'data.frame': 5136 obs. of 8 variables:
## $ YEAR : int 2025 2025 2025 2025 2025 2025 2025 2025 2025 2025 ...
## $ MO : int 1 1 1 1 1 1 1 1 1 1 ...
## $ DY : int 1 1 1 1 1 1 1 1 1 1 ...
## $ HR : int 0 1 2 3 4 5 6 7 8 9 ...
## $ ALLSKY_SFC_UVB : num 0 0 0 0 0 0 0.01 0.14 0.56 1.16 ...
## $ ALLSKY_SFC_LW_DWN: num 370 372 363 368 367 ...
## $ PRECTOTCORR : num 0.48 0.49 0.53 0.48 0.37 0.3 0.27 1.45 1.13 0.85 ...
## $ PS : num 84.5 84.5 84.4 84.4 84.4 ...table(datos$YEAR)##
## 2025
## 5136Con esta base de datos Analizar la exposición a radiación UVB y las condiciones meteorológicas en Chía para evaluarriesgos para la salud cutánea de la población y derivar recomendaciones de diseño para edificios sostenibles que reduzcan la exposición nociva al sol.
Variables categóricas:
table(datos$YEAR)##
## 2025
## 5136table(datos$MO)##
## 1 2 3 4 5 6 7 8
## 744 672 744 720 744 720 744 48table(datos$DY)##
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 192 192 168 168 168 168 168 168 168 168 168 168 168 168 168 168 168 168 168 168
## 21 22 23 24 25 26 27 28 29 30 31
## 168 168 168 168 168 168 168 168 144 144 96barplot(table(datos$ALLSKY_SFC_UVB),las=2)
barplot(table(datos$ALLSKY_SFC_LW_DWN),las=2)
barplot(table(datos$PRECTOTCORR),las=2)
barplot(table(datos$PS),las=2)
Datos faltantes
is.na(datos[1:8,])## YEAR MO DY HR ALLSKY_SFC_UVB ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## 1 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 2 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 3 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 4 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 5 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 6 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 7 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## 8 FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSEsuppressWarnings(missmap(datos))
No hay datos faltantes en esta tabla
Al haber datos negativos, siendo algo imposible en términos físicos, vamos a quitar esos valores.
datos_limpios <- datos %>%
filter(PS >= 0)
summary(datos_limpios$PS) ## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 82.96 84.40 84.54 84.40 84.65 84.93datos_limpios <- datos %>%
filter(ALLSKY_SFC_UVB >= 0)
summary(datos_limpios$ALLSKY_SFC_UVB) ## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.0000 0.0000 0.0000 0.3831 0.6200 2.2100datos_limpios <- datos %>%
filter(ALLSKY_SFC_LW_DWN >= 0)
summary(datos_limpios$ALLSKY_SFC_LW_DWN) ## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 309.0 375.6 387.2 387.6 400.9 436.5dim(datos_limpios)## [1] 2856 8Disminuye la dimensión
Verificamos normalidad:
safe_ks_test <- function(x) {
if(length(unique(x)) < 2) return(NA)
if(sd(x) == 0) return(NA)
x_scaled <- scale(x)
suppressWarnings({
tryCatch({
ks.test(x_scaled, "pnorm", mean = 0, sd = 1)$p.value
}, error = function(e) NA)
})
}
ks_resultados <- sapply(datos_limpios, safe_ks_test)
ks_tabla <- data.frame(
Variable = names(ks_resultados),
KS_pvalue = round(ks_resultados, 4),
Normalidad = ifelse(ks_resultados > 0.05, "Normal", "No normal"),
row.names = NULL
)
print(ks_tabla)## Variable KS_pvalue Normalidad
## 1 YEAR NA <NA>
## 2 MO 0.000 No normal
## 3 DY 0.000 No normal
## 4 HR 0.000 No normal
## 5 ALLSKY_SFC_UVB 0.000 No normal
## 6 ALLSKY_SFC_LW_DWN 0.020 No normal
## 7 PRECTOTCORR 0.000 No normal
## 8 PS 0.008 No normalIdentificamos si hay variables problemáticas
variables_problematicas <- names(which(is.na(ks_resultados)))
if(length(variables_problematicas) > 0) {
cat("\nVariables con algun problema técnico):\n")
print(variables_problematicas)
}##
## Variables con algun problema técnico):
## [1] "YEAR"Siendo que Año solo lleva un dato constante (2025), no sea relevante en el estudio y dar NO normal. Vemos que ninguno de nuestros datos son normales.
Visualización boxplot para cada variable numérica:
datos_limpios %>%
pivot_longer(cols = where(is.numeric), names_to = "Variable", values_to = "Valor") %>%
ggplot(aes(x = Variable, y = Valor)) +
geom_boxplot(outlier.colour = "red", fill = "lightblue") +
theme_minimal() +
coord_flip() +
labs(title = "Detección visual de outliers", x = "Variable", y = "Valor")
Detectamos e imputamos los datos atípicos
datos_dect <- datos_limpios
outliers_rosner <- list()
for (var in names(datos_dect)) {
x <- datos_dect[[var]]
# Verificar si la variable es numérica
if (!is.numeric(x)) {
cat("\nVariable", var, "no es numérica. Se omite.\n")
next # Saltar a la siguiente variable
}
# Calcular k_max seguro (evitar k=0 o k > n)
n <- length(x)
k_max <- min(10, floor(n * 0.1))
if (k_max < 1) {
cat("\nVariable", var, "tiene muy pocos datos. Se omite.\n")
next
}
if (length(unique(x)) == 1) {
cat("\nVariable", var, "es constante. No hay outliers.\n")
next
}
ros <- tryCatch(
expr = {
rosnerTest(x, k = k_max)
},
error = function(e) {
cat("\nError en", var, ":", e$message, "\n")
NULL
}
)
if (!is.null(ros)) {
outliers_rosner[[var]] <- ros
cat("\n=== Variable:", var, "===\n")
print(ros)
}
}##
## Variable YEAR es constante. No hay outliers.
##
## === Variable: MO ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 1.348239
## R.2 = 1.348905
## R.3 = 1.349572
## R.4 = 1.350239
## R.5 = 1.350908
## R.6 = 1.351577
## R.7 = 1.352248
## R.8 = 1.352920
## R.9 = 1.353592
## R.10 = 1.354266
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 0
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 2.487395 1.121911 4 2161 1.348239 4.287968 FALSE
## 2 1 2.486865 1.121751 4 2162 1.348905 4.287888 FALSE
## 3 2 2.486335 1.121589 4 2163 1.349572 4.287809 FALSE
## 4 3 2.485804 1.121428 4 2164 1.350239 4.287729 FALSE
## 5 4 2.485273 1.121266 4 2165 1.350908 4.287649 FALSE
## 6 5 2.484742 1.121103 4 2166 1.351577 4.287570 FALSE
## 7 6 2.484211 1.120940 4 2167 1.352248 4.287490 FALSE
## 8 7 2.483678 1.120777 4 2168 1.352920 4.287410 FALSE
## 9 8 2.483146 1.120614 4 2169 1.353592 4.287330 FALSE
## 10 9 2.482613 1.120450 4 2170 1.354266 4.287250 FALSE
##
##
##
## === Variable: DY ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 1.806546
## R.2 = 1.807896
## R.3 = 1.809249
## R.4 = 1.810605
## R.5 = 1.811965
## R.6 = 1.813327
## R.7 = 1.814693
## R.8 = 1.816061
## R.9 = 1.817433
## R.10 = 1.818808
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 0
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 15.40336 8.633404 31 721 1.806546 4.287968 FALSE
## 2 1 15.39790 8.629978 31 722 1.807896 4.287888 FALSE
## 3 2 15.39243 8.626545 31 723 1.809249 4.287809 FALSE
## 4 3 15.38696 8.623104 31 724 1.810605 4.287729 FALSE
## 5 4 15.38149 8.619656 31 725 1.811965 4.287649 FALSE
## 6 5 15.37601 8.616201 31 726 1.813327 4.287570 FALSE
## 7 6 15.37053 8.612738 31 727 1.814693 4.287490 FALSE
## 8 7 15.36504 8.609269 31 728 1.816061 4.287410 FALSE
## 9 8 15.35955 8.605792 31 729 1.817433 4.287330 FALSE
## 10 9 15.35406 8.602307 31 730 1.818808 4.287250 FALSE
##
##
##
## === Variable: HR ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 1.661034
## R.2 = 1.662128
## R.3 = 1.663225
## R.4 = 1.664324
## R.5 = 1.665424
## R.6 = 1.666528
## R.7 = 1.667633
## R.8 = 1.668740
## R.9 = 1.669850
## R.10 = 1.670962
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 0
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 11.50000 6.923399 0 1 1.661034 4.287968 FALSE
## 2 1 11.50403 6.921264 0 25 1.662128 4.287888 FALSE
## 3 2 11.50806 6.919124 0 49 1.663225 4.287809 FALSE
## 4 3 11.51209 6.916980 0 73 1.664324 4.287729 FALSE
## 5 4 11.51613 6.914831 0 97 1.665424 4.287649 FALSE
## 6 5 11.52017 6.912678 0 121 1.666528 4.287570 FALSE
## 7 6 11.52421 6.910520 0 145 1.667633 4.287490 FALSE
## 8 7 11.52826 6.908358 0 169 1.668740 4.287410 FALSE
## 9 8 11.53230 6.906191 0 193 1.669850 4.287330 FALSE
## 10 9 11.53635 6.904020 0 217 1.670962 4.287250 FALSE
##
##
##
## === Variable: ALLSKY_SFC_UVB ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 3.117333
## R.2 = 3.106111
## R.3 = 3.060574
## R.4 = 3.049009
## R.5 = 3.054527
## R.6 = 3.025694
## R.7 = 2.996667
## R.8 = 2.967449
## R.9 = 2.972570
## R.10 = 2.873994
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 0
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 0.3831057 0.5860440 2.21 2460 3.117333 4.287968 FALSE
## 2 1 0.3824658 0.5851479 2.20 2317 3.106111 4.287888 FALSE
## 3 2 0.3818290 0.5842600 2.17 2436 3.060574 4.287809 FALSE
## 4 3 0.3812022 0.5834020 2.16 421 3.049009 4.287729 FALSE
## 5 4 0.3805785 0.5825522 2.16 1956 3.054527 4.287649 FALSE
## 6 5 0.3799544 0.5816999 2.14 420 3.025694 4.287570 FALSE
## 7 6 0.3793368 0.5808665 2.12 396 2.996667 4.287490 FALSE
## 8 7 0.3787259 0.5800518 2.10 397 2.967449 4.287410 FALSE
## 9 8 0.3781215 0.5792557 2.10 444 2.972570 4.287330 FALSE
## 10 9 0.3775167 0.5784574 2.04 348 2.873994 4.287250 FALSE
##
##
##
## === Variable: ALLSKY_SFC_LW_DWN ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 4.294229
## R.2 = 3.983582
## R.3 = 3.872947
## R.4 = 3.758889
## R.5 = 3.625438
## R.6 = 3.622852
## R.7 = 3.612468
## R.8 = 3.589756
## R.9 = 3.484462
## R.10 = 3.466326
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 1
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 387.6236 18.31380 308.98 512 4.294229 4.287968 TRUE
## 2 1 387.6512 18.25773 314.92 530 3.983582 4.287888 FALSE
## 3 2 387.6767 18.21008 317.15 536 3.872947 4.287809 FALSE
## 4 3 387.7014 18.16531 319.42 464 3.758889 4.287729 FALSE
## 5 4 387.7253 18.12342 322.02 532 3.625438 4.287649 FALSE
## 6 5 387.7484 18.08475 322.23 511 3.622852 4.287570 FALSE
## 7 6 387.7714 18.04621 322.58 533 3.612468 4.287490 FALSE
## 8 7 387.7943 18.00798 323.15 535 3.589756 4.287410 FALSE
## 9 8 387.8169 17.97034 325.20 529 3.484462 4.287330 FALSE
## 10 9 387.8389 17.93511 325.67 416 3.466326 4.287250 FALSE
##
##
##
## === Variable: PRECTOTCORR ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 16.27643
## R.2 = 16.64534
## R.3 = 16.62721
## R.4 = 16.80364
## R.5 = 16.17348
## R.6 = 16.61217
## R.7 = 16.35847
## R.8 = 15.61968
## R.9 = 16.28419
## R.10 = 16.80536
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 10
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 7.648169 27.50491 455.33 2660 16.27643 4.287968 TRUE
## 2 1 7.491363 26.20185 443.63 2661 16.64534 4.287888 TRUE
## 3 2 7.338546 24.90143 421.38 2659 16.62721 4.287809 TRUE
## 4 3 7.193421 23.66789 404.90 2662 16.80364 4.287729 TRUE
## 5 4 7.053973 22.46925 370.46 2663 16.17348 4.287649 TRUE
## 6 5 6.926506 21.41704 362.71 2658 16.61217 4.287570 TRUE
## 7 6 6.801670 20.35694 339.81 2664 16.35847 4.287490 TRUE
## 8 7 6.684784 19.38038 309.40 2665 15.61968 4.287410 TRUE
## 9 8 6.578494 18.53463 308.40 2670 16.28419 4.287330 TRUE
## 10 9 6.472480 17.65315 303.14 2671 16.80536 4.287250 TRUE
##
##
##
## === Variable: PS ===
##
## Results of Outlier Test
## -------------------------
##
## Test Method: Rosner's Test for Outliers
##
## Hypothesized Distribution: Normal
##
## Data: x
##
## Sample Size: 2856
##
## Test Statistics: R.1 = 3.050053
## R.2 = 3.055570
## R.3 = 2.919352
## R.4 = 2.853259
## R.5 = 2.857842
## R.6 = 2.791292
## R.7 = 2.795607
## R.8 = 2.799941
## R.9 = 2.804297
## R.10 = 2.768189
##
## Test Statistic Parameter: k = 10
##
## Alternative Hypothesis: Up to 10 observations are not
## from the same Distribution.
##
## Type I Error: 5%
##
## Number of Outliers Detected: 0
##
## i Mean.i SD.i Value Obs.Num R.i+1 lambda.i+1 Outlier
## 1 0 84.54155 0.1414897 84.11 760 3.050053 4.287968 FALSE
## 2 1 84.54170 0.1412837 84.11 784 3.055570 4.287888 FALSE
## 3 2 84.54185 0.1410770 84.13 759 2.919352 4.287809 FALSE
## 4 3 84.54200 0.1408908 84.14 785 2.853259 4.287729 FALSE
## 5 4 84.54214 0.1407142 84.14 1000 2.857842 4.287649 FALSE
## 6 5 84.54228 0.1405370 84.15 761 2.791292 4.287570 FALSE
## 7 6 84.54242 0.1403694 84.15 783 2.795607 4.287490 FALSE
## 8 7 84.54256 0.1402012 84.15 808 2.799941 4.287410 FALSE
## 9 8 84.54269 0.1400327 84.15 1001 2.804297 4.287330 FALSE
## 10 9 84.54283 0.1398636 84.93 1834 2.768189 4.287250 FALSEfor (var in names(outliers_rosner)) {
if (!is.null(outliers_rosner[[var]]) &&
"all.stats" %in% names(outliers_rosner[[var]])) {
ros_stats <- outliers_rosner[[var]]$all.stats
filas_out <- ros_stats$Obs.Num[ros_stats$Outlier]
if (length(filas_out) > 0 && all(filas_out %in% 1:nrow(datos_dect))) {
datos_dect[filas_out, var] <- NA
}
}
}
datos_imput <- datos_dect #
for (var in names(datos_imput)) {
if (is.numeric(datos_imput[[var]])) { #
na_count <- sum(is.na(datos_imput[[var]]))
if (na_count > 0) {
mediana_val <- median(datos_imput[[var]], na.rm = TRUE)
datos_imput[[var]][is.na(datos_imput[[var]])] <- mediana_val
cat(sprintf("Imputados %d outliers en %s con mediana = %.2f\n",
na_count, var, mediana_val))
}
}
}## Imputados 1 outliers en ALLSKY_SFC_LW_DWN con mediana = 387.23
## Imputados 10 outliers en PRECTOTCORR con mediana = 2.09cat("\nResumen de NAs después del reemplazo:\n")##
## Resumen de NAs después del reemplazo:print(colSums(is.na(datos_dect)))## YEAR MO DY HR
## 0 0 0 0
## ALLSKY_SFC_UVB ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## 0 1 10 0cat("\nResumen estadístico después de imputación:\n")##
## Resumen estadístico después de imputación:print(summary(datos_imput))## YEAR MO DY HR ALLSKY_SFC_UVB
## Min. :2025 Min. :1.000 Min. : 1.0 Min. : 0.00 Min. :0.0000
## 1st Qu.:2025 1st Qu.:1.000 1st Qu.: 8.0 1st Qu.: 5.75 1st Qu.:0.0000
## Median :2025 Median :3.000 Median :15.0 Median :11.50 Median :0.0000
## Mean :2025 Mean :2.487 Mean :15.4 Mean :11.50 Mean :0.3831
## 3rd Qu.:2025 3rd Qu.:3.000 3rd Qu.:23.0 3rd Qu.:17.25 3rd Qu.:0.6200
## Max. :2025 Max. :4.000 Max. :31.0 Max. :23.00 Max. :2.2100
## ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## Min. :314.9 Min. : 0.000 Min. :84.11
## 1st Qu.:375.6 1st Qu.: 0.450 1st Qu.:84.44
## Median :387.2 Median : 2.095 Median :84.54
## Mean :387.7 Mean : 6.353 Mean :84.54
## 3rd Qu.:400.9 3rd Qu.: 6.683 3rd Qu.:84.64
## Max. :436.5 Max. :293.580 Max. :84.93datos_imput %>%
pivot_longer(cols = everything(), names_to = "Variable", values_to = "Valor") %>%
ggplot(aes(x = Variable, y = Valor)) +
geom_boxplot(outlier.colour = "red", fill = "lightblue", alpha = 0.7) +
stat_summary(fun = median, geom = "point", shape = 18, size = 3, color = "blue") +
theme_minimal() +
coord_flip() +
labs(title = "Distribución después de imputación de outliers",
subtitle = "Puntos azules = medianas imputadas",
x = "Variable",
y = "Valor") +
theme(plot.title = element_text(face = "bold"))
Ya todo limpio
datos_oficiales <- datos_imputCon nuestro dataset limpio, empezamos nuestro análisis descriptibo y las visualizaciones de estas relaciones para sacar conclusiones.
summary(datos_oficiales)## YEAR MO DY HR ALLSKY_SFC_UVB
## Min. :2025 Min. :1.000 Min. : 1.0 Min. : 0.00 Min. :0.0000
## 1st Qu.:2025 1st Qu.:1.000 1st Qu.: 8.0 1st Qu.: 5.75 1st Qu.:0.0000
## Median :2025 Median :3.000 Median :15.0 Median :11.50 Median :0.0000
## Mean :2025 Mean :2.487 Mean :15.4 Mean :11.50 Mean :0.3831
## 3rd Qu.:2025 3rd Qu.:3.000 3rd Qu.:23.0 3rd Qu.:17.25 3rd Qu.:0.6200
## Max. :2025 Max. :4.000 Max. :31.0 Max. :23.00 Max. :2.2100
## ALLSKY_SFC_LW_DWN PRECTOTCORR PS
## Min. :314.9 Min. : 0.000 Min. :84.11
## 1st Qu.:375.6 1st Qu.: 0.450 1st Qu.:84.44
## Median :387.2 Median : 2.095 Median :84.54
## Mean :387.7 Mean : 6.353 Mean :84.54
## 3rd Qu.:400.9 3rd Qu.: 6.683 3rd Qu.:84.64
## Max. :436.5 Max. :293.580 Max. :84.93Análisis y visualización
Boxplot irradiancia UVB por mes
ggplot(datos_oficiales, aes(x = MO, y = ALLSKY_SFC_UVB)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Irradiancia UVB por mes", x = "Mes", y = "ALLSKY_SFC_UVB (W/m²)") +
theme_minimal()## Warning: Continuous x aesthetic
## ℹ did you forget `aes(group = ...)`?
La altura de las cajas indica la dispersión de la irradiancia UVB. Al no
tener una caja visible, da a entender que todos los valores son muy
similares, es decir, poca variación).
Gráfico de violín para PS por mes:
ggplot(datos_oficiales, aes(x = PS, y = ALLSKY_SFC_UVB)) +
geom_point(alpha = 0.3) +
geom_smooth(method = "loess", color = "blue") +
labs(title = "Relación entre Presión Superficial y UVB", x = "PS (kPa)", y = "ALLSKY_SFC_UVB (W/m²)") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Mediante esta gráfica los datos muestran que, a medida que la presión
superficial aumenta ligeramente de 84.25 a 84.75 kPa, la radiación UVB
no sigue un patrón específico pues vemos que primero está en 0.5, luego
sube a 1.0, vuelve a 0.5 y cae a 0.0, lo que indicar que la presión
superficial no es el único factor que influye en la radiación UVB,
pudiendo ser las nubes, el ozono de la atmósfera o hora del día en que
fue tomado el dato y que puede afectar la medición.
Y vemos que el valor máximo que tomó la variable UVB es de 1.0 W/m² y ocurre en una presión de 84.50 kPa, lo que nos puede decir que estas radiaciones UVB pueden llegar a ser tan altas en presiones igual de altas, por lo cual nos puede dar indicios de correlación.
Por ello, hacemos una matriz de correlación para verificar e identificar cuánta variables se relacionan entre sí:
ggpairs(datos_oficiales, progress = FALSE)## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
## Warning in cor(x, y): La desviación estándar es cero
Vemos una correlación entre ALLSKY_SPC_LVB y PRECTOTCORR es negativa
pero significativa pues mayor precipitación, menor radiación UVB.
En los rayos UVB y la presión hay correlación negativa moderada porque la presión superficial más alta podría asociarse con menor UVB, como haber cielos despejados con alta presión.
Con las precipitaciones y la presión tiene una correlación negativa fuerte pues a mayor presión se relaciona con menor precipitación como en climas secos o los anticiclones.
Ahora vemos las estadísticas por mes:
resumen_mes <- datos_oficiales %>%
group_by(MO) %>%
summarise(
UVB_mediana = median(ALLSKY_SFC_UVB, na.rm = TRUE),
UVB_media = mean(ALLSKY_SFC_UVB, na.rm = TRUE),
PS_media = mean(PS, na.rm = TRUE),
Precip_mediana = median(PRECTOTCORR, na.rm = TRUE)
)
print(resumen_mes)## MO UVB_mediana UVB_media PS_media Precip_mediana
## 1 1 0 0.3960753 84.56856 0.365
## 2 2 0 0.3535565 84.49644 2.240
## 3 3 0 0.3692204 84.56747 3.200
## 4 4 0 0.4126149 84.52852 4.605Viendo los resultados de estas estadísticas vemos lo siguiente:
En la radiación UVB presenta una mediana = 0 en todos los meses, esto indica que más del 50% de los valores UVB son cero, es decir, periodos sin radiación UVB como las noches o días nublados. También se puede ver que la media de la radiación UVB aumenta en los meses de enero (0.396) a abril (0.413), posiblemente por mayor insolación en primavera.
En la presión superficial hay poca variación entre meses, diciendo así que hay un clima estable.
En cuanto a las precipitaciones hay un aumento progresivo en los meses de enero, con una medida de 0.365 mm, siendo la medida semejante a la época de sequía. Y en abril con 4.605 mm, siendo ese el tope máximo de precipitaciones registrada en el territorio. Eso da un patrón en el aumento de lluvias en la época de la primavera.
Por ello, la radiación UVB es muy baj pero existen horas y/o días con exposición constante. La presión es estable y las precipitaciones aumentan significativamente de invierno a primavera.