Latitud de accidentes en oleoductos ocurridos en EE.UU. (2010-2017)
Grupo 1
1.Carga de datos
setwd("/cloud/project/")
datos<-read.csv("DerramesEEUU.csv", header = TRUE, sep=";" , dec=",")
str(datos)## 'data.frame': 2760 obs. of 59 variables:
## $ NumeroInforme : int 20100064 20100054 20100092 20100098 20100101 20100102 20100113 20100120 20100039 20100150 ...
## $ NumeroComplementario : int 15072 15114 15120 15127 15130 15132 15146 15162 15197 15205 ...
## $ DiaAccidente : int 8 25 10 28 27 29 11 23 15 11 ...
## $ MesAccidente : int 4 3 5 4 5 5 6 5 3 1 ...
## $ AnioAccidente : int 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 ...
## $ HoraAccidente : int 6 13 6 24 3 14 7 6 15 2 ...
## $ AmPmAccidente : chr "a. m." "p. m." "a. m." "p. m." ...
## $ IDOperador : int 31684 18779 30829 12105 20160 30003 1248 300 18718 32296 ...
## $ NombreOperador : chr "CONOCOPHILLIPS" "SUNOCO, INC (R&M)" "TEPPCO CRUDE PIPELINE, LLC" "MAGELLAN AMMONIA PIPELINE, L.P." ...
## $ NombreOleoductoInstalacion : chr "GD-03, GOLD LINE" "PHILADELPHIA REFINERY - WEST YARD" "HOBBS TO MIDLAND" "WHITING TO EARLY SEGMENT" ...
## $ UbicacionOleoducto : chr "ONSHORE" "ONSHORE" "ONSHORE" "ONSHORE" ...
## $ TipoOleoducto : chr "ABOVEGROUND" "ABOVEGROUND" "UNDERGROUND" "UNDERGROUND" ...
## $ TipoLiquido : chr "REFINED AND/OR PETROLEUM PRODUCT (NON-HVL), LIQUID" "REFINED AND/OR PETROLEUM PRODUCT (NON-HVL), LIQUID" "CRUDE OIL" "HVL OR OTHER FLAMMABLE OR TOXIC FLUID, GAS" ...
## $ SubtipoLiquido : chr "GASOLINE (NON-ETHANOL)" "OTHER" "-" "ANHYDROUS AMMONIA" ...
## $ NombreLiquido : chr "-" "VACUUM GAS OIL (VGO)" "-" "-" ...
## $ CiudadAccidente : chr "GREEN RIDGE" "PHILADELPHIA" "HOBBS" "SCHALLER" ...
## $ CondadoAccidente : chr "PETTIS" "PHILADELPHIA" "LEA" "IDA" ...
## $ EstadoAccidente : chr "MO" "PA" "NM" "IA" ...
## $ LatitudAccidente : num 38.6 39.9 32.6 42.5 30.2 ...
## $ LongitudAccidente : num -93.4 -75.2 -103.1 -95.3 -91.2 ...
## $ CategoriaCausa : chr "NATURAL FORCE DAMAGE" "MATERIAL/WELD/EQUIP FAILURE" "CORROSION" "MATERIAL/WELD/EQUIP FAILURE" ...
## $ SubcategoriaCausa : chr "TEMPERATURE" "NON-THREADED CONNECTION FAILURE" "EXTERNAL" "CONSTRUCTION, INSTALLATION OR FABRICATION-RELATED" ...
## $ LiberacionInvoluntariaBarriles : num 0.24 1700 2 0.36 1.31 ...
## $ LiberacionIntencionalBarriles : chr "0" "0" "-" "0.05" ...
## $ RecuperacionLiquidoBarriles : num 0.07 1699 0.48 0 0 ...
## $ PerdidaNetaBarriles : num 0.17 1 1.52 0.36 1.31 ...
## $ IgnicionLiquido : chr "NO" "NO" "NO" "NO" ...
## $ ExplosionLiquido : chr "NO" "NO" "NO" "NO" ...
## $ CierreOleoducto : chr "YES" "YES" "NO" "NO" ...
## $ DiaCierre : chr "8" "25" "-" "-" ...
## $ MesCierre : chr "4" "3" "-" "-" ...
## $ AnioCierre : chr "2010" "2010" "-" "-" ...
## $ HoraCierre : chr "6" "18" "-" "-" ...
## $ AmPmCierre : chr "a. m." "p. m." "-" "-" ...
## $ DiaReinicio : chr "9" "28" "-" "-" ...
## $ MesReinicio : chr "4" "3" "-" "-" ...
## $ AnioReinicio : chr "2010" "2010" "-" "-" ...
## $ HoraReinicio : chr "10" "16" "-" "-" ...
## $ AmPmReinicio : chr "a. m." "p. m." "-" "-" ...
## $ EvacuacionesPublicas : chr "-" "0" "-" "-" ...
## $ LesionesEmpleadosOperador : chr "-" "-" "-" "-" ...
## $ LesionesContratistasOperador : chr "-" "-" "-" "-" ...
## $ LesionesRescatistasEmergencia : chr "-" "-" "-" "-" ...
## $ OtrasLesiones : chr "-" "-" "-" "-" ...
## $ LesionesPublico : chr "-" "-" "-" "-" ...
## $ TodasLesiones : chr "-" "-" "-" "-" ...
## $ FallecimientosEmpleadosOperador : chr "-" "-" "-" "-" ...
## $ FallecimientosContratistasOperador : chr "-" "-" "-" "-" ...
## $ FallecimientosRescatistasEmergencia : chr "-" "-" "-" "-" ...
## $ OtrosFallecimientos : chr "-" "-" "-" "-" ...
## $ FallecimientosPublico : chr "-" "-" "-" "-" ...
## $ TodosFallecimientos : chr "-" "-" "-" "-" ...
## $ CostosDaniosPropiedad : chr "0" "0" "30000" "12000" ...
## $ CostosMercanciaPerdidas : chr "27" "0" "100" "30" ...
## $ CostosDaniosPropiedadesPublicasPrivadas: chr "0" "0" "1000" "5000" ...
## $ CostosRespuestaEmergencia : chr "0" "0" "-" "0" ...
## $ CostosRemediacionAmbiental : chr "0" "100000" "20000" "15000" ...
## $ OtrosCostos : chr "0" "0" "-" "0" ...
## $ TodosCostos : int 27 100000 51100 32030 5220 150 7500 9965 11497 165593 ...1.1 Extracción de datos
Latitud <- datos$LatitudAccidente
Latitud <- na.omit(Latitud) 2.Distribución de Frecuencias
2.1 Método teórico/manual: Regla de Sturges
2.1.1 Rango, número de clases y amplitud
R_Latitud <- max(Latitud) - min(Latitud)
k_Latitud <- floor(1 + (3.3 * log10(length(Latitud))))
A_Latitud <- R_Latitud / k_Latitud2.1.2 Límites, intervalos y marca de clase
Una vez determinada la amplitud y el número de clases mediante la regla de Sturges, se procedió a establecer los límites inferior y superior de cada intervalo.
liminf <- seq(from = min(Latitud), by = A_Latitud, length.out = k_Latitud)
limsup <- liminf + A_Latitud
limsup[k_Latitud] <- max(Latitud)
MC <- (liminf + limsup) / 22.1.3 Frecuencias Simples
2.1.3.1 Frecuencia absoluta
Con los intervalos previamente definidos, se procedió al cálculo de las
frecuencias simples de la variable. Para obtener la frecuencia absoluta
(ni), se utilizó un bucle for, que recorre secuencialmente
cada uno de los intervalos. En cada iteración, el código evalúa cuántos
datos de la variable se encuentran dentro de los límites inferior y
superior correspondientes a un rango específico.
ni <- numeric(k_Latitud)
for (i in 1:k_Latitud) {
if (i == k_Latitud) {
ni[i] <- sum(Latitud >= liminf[i] & Latitud <= limsup[i])
} else {
ni[i] <- sum(Latitud >= liminf[i] & Latitud < limsup[i])
}
}2.1.3.1 Frecuencia relativa
hi <- round((ni / length(Latitud)) * 100, 3)2.1.4 Frecuencias Acumuladas
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- cumsum(hi)
Hidsc <- rev(cumsum(rev(hi)))2.1.5 Tabla de distribución de frecuencias
tabla_Latitud <- data.frame(
liminf = round(liminf, 3),
limsup = round(limsup, 3),
MC = round(MC, 3),
ni = ni,
hi_porc = round(hi, 3),
Ni_asc = Niasc,
Ni_dsc = Nidsc,
Hiasc_porc = round(Hiasc, 3),
Hidsc_porc = round(Hidsc, 3)
)
total_ni <- sum(tabla_Latitud$ni)
total_hi <- 100
TDFLatitudCompleto <- rbind(tabla_Latitud, data.frame(
liminf = "TOTAL",
limsup = " ",
MC = " ",
ni = total_ni,
hi_porc = total_hi,
Ni_asc = " ",
Ni_dsc = " ",
Hiasc_porc = " ",
Hidsc_porc = " "
))
library(gt)
tabla_latitud_gt <- TDFLatitudCompleto %>%
gt() %>%
cols_label(
liminf = md("**liminf**"),
limsup = md("**limsup**"),
MC = md("**MC**"),
ni = md("**ni**"),
hi_porc = md("**hi (%)**"),
Ni_asc = md("**Ni ↑**"),
Ni_dsc = md("**Ni ↓**"),
Hiasc_porc = md("**Hi ↑ (%)**"),
Hidsc_porc = md("**Hi ↓ (%)**")
) %>%
tab_header(
title = md("**Tabla N° 1**"),
subtitle = md("**Distribución de la latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
tab_options(
table.background.color = "white",
row.striping.background_color = "white",
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2),
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(
rows = liminf == "TOTAL"
)
)
tabla_latitud_gt| Tabla N° 1 | ||||||||
| Distribución de la latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017) | ||||||||
| liminf | limsup | MC | ni | hi (%) | Ni ↑ | Ni ↓ | Hi ↑ (%) | Hi ↓ (%) |
|---|---|---|---|---|---|---|---|---|
| 21.304 | 25.384 | 23.344 | 3 | 0.109 | 3 | 2760 | 0.109 | 100.001 |
| 25.384 | 29.464 | 27.424 | 183 | 6.630 | 186 | 2757 | 6.739 | 99.892 |
| 29.464 | 33.544 | 31.504 | 980 | 35.507 | 1166 | 2574 | 42.246 | 93.262 |
| 33.544 | 37.623 | 35.583 | 557 | 20.181 | 1723 | 1594 | 62.427 | 57.755 |
| 37.623 | 41.703 | 39.663 | 675 | 24.457 | 2398 | 1037 | 86.884 | 37.574 |
| 41.703 | 45.783 | 43.743 | 218 | 7.899 | 2616 | 362 | 94.783 | 13.117 |
| 45.783 | 49.863 | 47.823 | 133 | 4.819 | 2749 | 144 | 99.602 | 5.218 |
| 49.863 | 53.942 | 51.902 | 0 | 0.000 | 2749 | 11 | 99.602 | 0.399 |
| 53.942 | 58.022 | 55.982 | 0 | 0.000 | 2749 | 11 | 99.602 | 0.399 |
| 58.022 | 62.102 | 60.062 | 0 | 0.000 | 2749 | 11 | 99.602 | 0.399 |
| 62.102 | 66.182 | 64.142 | 3 | 0.109 | 2752 | 11 | 99.711 | 0.399 |
| 66.182 | 70.261 | 68.221 | 8 | 0.290 | 2760 | 8 | 100.001 | 0.29 |
| TOTAL | 2760 | 100.000 | ||||||
| Autor: Grupo 1 | ||||||||
Como se puede observar, la tabla resulta difícil de interpretar debido a la gran magnitud de los valores. Por ello, para un análisis más claro de la variable, se emplearán los intervalos sugeridos por R, lo que facilita la visualización y comprensión de la distribución de los datos.
2.2 Método práctico: Software R
2.2.1 Generacion de histograma
histoLatitud <- hist(Latitud,
main ="Gráfica N°1: Distribución de la cantidad de accidentes en
oleoductos segun su latitud, ocurridos en EE.UU.",
xlab = "Latitud (°)",
ylab = "Cantidad",
col = "mistyrose",
border = "black")
2.2.2 Límites, intervalos y marca de clase
Después de crear el histograma en R, se pueden obtener los límites de
los intervalos usando breaks. Estos límites indican dónde
empieza y termina cada clase, permitiendo organizar los datos en grupos
claros y contiguos sin que se solapen.
Limites<-histoLatitud$breaks
Limites## [1] 20 25 30 35 40 45 50 55 60 65 70 75LimInf <- Limites[1:(length(Limites)-1)]
LimSup <- Limites[2:length(Limites)]
MC <- (LimInf + LimSup)/22.2.3 Frecuencias Simples
ni<-histoLatitud$counts
hi<-(ni/sum(ni)*100)2.2.4 Frecuencias Acumuladas
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- round(cumsum(hi), 3)
Hidsc <- round(rev(cumsum(rev(hi))), 3)2.2.5 Tabla de distribución de frecuencias
TDFLatitudR <- data.frame(LimInf, LimSup, MC, ni,
hi = round(hi,3) ,
Niasc, Nidsc, Hiasc, Hidsc)
total_ni <- sum(ni)
total_hi <- 100
TDFLatitudRFinal<-rbind(TDFLatitudR,
data.frame(LimInf="Total",
LimSup=" ",
MC=" ",
ni=total_ni,
hi=total_hi,
Niasc=" ",
Nidsc=" ",
Hiasc=" ",
Hidsc=" "))
library(gt)
tabla_LatitudR_gt <- TDFLatitudRFinal %>%
gt() %>%
cols_label(
LimInf = md("**LimInf**"),
LimSup = md("**LimSup**"),
MC = md("**MC**"),
ni = md("**ni**"),
hi = md("**hi (%)**"),
Niasc = md("**Ni ↑**"),
Nidsc = md("**Ni ↓**"),
Hiasc = md("**Hi ↑ (%)**"),
Hidsc = md("**Hi ↓ (%)**")
) %>%
tab_header(
title = md("**Tabla N° 2**"),
subtitle = md("**Distribución de la latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
tab_options(
table.background.color = "white",
row.striping.background_color = "white",
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2),
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(
rows = LimInf == "Total"
)
)
tabla_LatitudR_gt| Tabla N° 2 | ||||||||
| Distribución de la latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017) | ||||||||
| LimInf | LimSup | MC | ni | hi (%) | Ni ↑ | Ni ↓ | Hi ↑ (%) | Hi ↓ (%) |
|---|---|---|---|---|---|---|---|---|
| 20 | 25 | 22.5 | 3 | 0.109 | 3 | 2760 | 0.109 | 100 |
| 25 | 30 | 27.5 | 462 | 16.739 | 465 | 2757 | 16.848 | 99.891 |
| 30 | 35 | 32.5 | 908 | 32.899 | 1373 | 2295 | 49.746 | 83.152 |
| 35 | 40 | 37.5 | 670 | 24.275 | 2043 | 1387 | 74.022 | 50.254 |
| 40 | 45 | 42.5 | 552 | 20.000 | 2595 | 717 | 94.022 | 25.978 |
| 45 | 50 | 47.5 | 154 | 5.580 | 2749 | 165 | 99.601 | 5.978 |
| 50 | 55 | 52.5 | 0 | 0.000 | 2749 | 11 | 99.601 | 0.399 |
| 55 | 60 | 57.5 | 0 | 0.000 | 2749 | 11 | 99.601 | 0.399 |
| 60 | 65 | 62.5 | 2 | 0.072 | 2751 | 11 | 99.674 | 0.399 |
| 65 | 70 | 67.5 | 4 | 0.145 | 2755 | 9 | 99.819 | 0.326 |
| 70 | 75 | 72.5 | 5 | 0.181 | 2760 | 5 | 100 | 0.181 |
| Total | 2760 | 100.000 | ||||||
| Autor: Grupo 1 | ||||||||
3.Gráficas de Distribución de Frecuencias
A continuación, las gráficas de histogramas se presentan con escalas
local y global: la escala local ajusta el eje Y al valor máximo de la
categoría más alta, mientras que la escala global fija el eje Y a un
límite total, mostrando cada categoría en relación al conjunto
completo.
3.1 Histogramas
3.1.1 Histogramas frecuencias absolutas
- Histograma Frecuencia Absoluta (Escala Local)
barplot(TDFLatitudR$ni,
main="Gráfica N°2: Distribución de la cantidad de accidentes en
oleoductos según su latitud, registrados en EE.UU.",
ylab="Cantidad",
xlab="Latitud (°)",
las = 1,
space = 0,
axis.lty = 1.5,
cex.names = 0.9,
names.arg = TDFLatitudR$MC,
ylim = c(0, 1000),
col="pink1")
- Histograma Frecuencia Absoluta (Escala Global)
barplot(TDFLatitudR$ni,
main="Gráfica N°3: Distribución de la cantidad de accidentes en
oleoductos según su latitud, respecto al total registrado en EE.UU.",
ylab="Cantidad",
xlab="Latitud (°)",
col="pink2",
las = 1,
space = 0,
axis.lty = 1.5,
cex.names = 0.9,
names.arg = TDFLatitudR$MC,
ylim = c(0,length(Latitud)))
3.1.2 Histogramas frecuencias relativas
- Histograma Frecuencia Relativa (Escala Local)
barplot(hi,space = 0,
main="Gráfica N°4: Distribución porcentual de los accidentes
en oleoductos según su latitud, registrados en EE.UU.",
col="pink3",
xlab = "Latitud (°)",
ylab = "Porcentaje (%)",
las = 1,
axis.lty = 1.5,
names.arg =TDFLatitudR$MC,
ylim = c(0, 40))
- Histograma Frecuencia Relativa (Escala Global)
barplot(hi,space = 0,
main="Gráfica N°5: Distribución porcentual de los de accidentes
en oleoductos según su latitud, respecto al total registrado en EE.UU.",
col="pink4",
xlab = "Latitud (°)",
ylab = "Porcentaje (%)",
names.arg =TDFLatitudR$MC,
las = 1,
axis.lty = 1.5,
ylim = c(0,100))
3.2 Ojivas
3.2.1 Ojivas combinadas de la frecuencia absoluta acumulada
# Ojiva descendente
LimInf_ext <- c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup))
Nidsc_ext <- c(TDFLatitudR$Nidsc, 0)
plot(LimInf_ext, Nidsc_ext,
main = "Gráfica N°6: Ojivas combinadas de la distribución de la cantidad acumulada
de accidentes en oleoductos según su Latitud en EE.UU.",
xlab = "Latitud (°)",
ylab = "Cantidad",
las = 1,
col = "steelblue2",
type = "b",
xaxt = "n",
cex.axis = 0.8,
ylim = c(0, max(TDFLatitudR$Niasc)))
# Etiquetas de marcas de clase en el eje X
axis(1, at = c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup)),
labels = c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup)),
cex.axis = 0.8)
# Ojiva ascendente
LimSup_ext <- c(min(TDFLatitudR$LimInf), TDFLatitudR$LimSup)
Niasc_ext <- c(0, TDFLatitudR$Niasc)
lines(LimSup_ext, Niasc_ext, type = "b", col = "maroon1", pch = 1)
# Leyenda
legend("right",
legend = c("Ojiva descendente", "Ojiva ascendente"),
col = c("steelblue2","maroon1"),
pch = 1,
lty = 1,
cex = 0.7)
3.2.2 Ojivas combinadas de la frecuencia relativa acumulada
# Ojiva descendente (%)
LimInf_ext <- c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup))
Hidsc_ext <- c(TDFLatitudR$Hidsc, 0)
plot(LimInf_ext, Hidsc_ext,
main = "Gráfica N°7: Ojivas combinadas de la distribución porcentual acumulada
de accidentes en oleoductos según su Latitud en EE.UU.",
xlab = "Latitud (°)",
ylab = "Porcentaje (%)",
las = 1,
col = "turquoise4",
type = "b",
xaxt = "n",
cex.axis = 0.8,
ylim = c(0, max(TDFLatitudR$Hiasc)))
# Etiquetas de marcas de clase en el eje X
axis(1, at = c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup)),
labels = c(TDFLatitudR$LimInf, max(TDFLatitudR$LimSup)),
cex.axis = 0.8)
# Ojiva ascendente (%)
LimSup_ext <- c(min(TDFLatitudR$LimInf), TDFLatitudR$LimSup)
Hiasc_ext <- c(0, TDFLatitudR$Hiasc)
lines(LimSup_ext, Hiasc_ext, col = "violetred1", type = "b")
# Leyenda
legend("right",legend = c("Ojiva descendente", "Ojiva ascendente"),
col = c("turquoise4", "violetred1"),
pch = 1, lty = 1,cex = 0.7)
3.3 Diagrama de Caja y bigotes
boxplot(Latitud, horizontal = TRUE, col = "pink",
main = "Gráfica N°8: Distribución de la latitud de accidentes
en oleoductos ocurridos en EE.UU.",
xlab = "Latitud (°)")
4.Indicadores estadísticos
4.1 Indicadores de posición
- Tendencia Central
# Media
media <- mean(Latitud)
# Mediana
mediana <- median(Latitud)
Mo <- "[30, 35)"- No Centrales
# Cuartiles
ri <- min(Latitud)
rs <- max(Latitud)
summary(Latitud)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 21.30 31.13 35.05 35.85 40.31 70.264.2 Indicadores de dispersión
desviacion_estandar <- sd(Latitud)
coeficiente_variabilidad <- (desviacion_estandar / media) * 1004.3 Indicadores de forma
library(e1071)
As <- skewness(Latitud)
curtosis <- kurtosis(Latitud)4.4 Tabla de indicadores
library(gt)
Variable <- c("Latitud")
Tabla_indicadores_Latitud <- data.frame(
Variable,
ri = round(ri, 3),
rs = round(rs, 3),
media = round(media, 3),
mediana = round(mediana, 3),
Mo,
S = round(desviacion_estandar, 3),
`Cv (%)` = round(coeficiente_variabilidad, 3),
As = round(As, 3),
K = round(curtosis, 3)
)
colnames(Tabla_indicadores_Latitud) <- c("Variable","Mínimo","Máximo","x","Me","Mo","S","Cv (%)","As","K")
tabla_indicadores_gt <- Tabla_indicadores_Latitud %>%
gt() %>%
tab_header(
title = md("**Tabla N°3**"),
subtitle = md("**Indicadores estadísticos de la variable latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
cols_align(
align = "center",
columns = everything()
) %>%
tab_options(
table.background.color = "white",
row.striping.background_color = "white",
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.font.weight = "bold",
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2),
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
)
tabla_indicadores_gt| Tabla N°3 | |||||||||
| Indicadores estadísticos de la variable latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017) | |||||||||
| Variable | Mínimo | Máximo | x | Me | Mo | S | Cv (%) | As | K |
|---|---|---|---|---|---|---|---|---|---|
| Latitud | 21.304 | 70.261 | 35.85 | 35.048 | [30, 35) | 5.627 | 15.696 | 1.072 | 3.026 |
| Autor: Grupo 1 | |||||||||
5.Valores atípicos
5.1 Identificación de valores atípicos
outliers <- boxplot.stats(Latitud)$out
num_outliers <- length(outliers)
minimooutliers <- min(outliers)
maximooutliers <- max(outliers) 5.2 Tabla de Valores atípicos
Tabla_outliers_Latitud <- data.frame(
Outliers = num_outliers,
Mínimo = round(minimooutliers,3),
Máximo = round(maximooutliers,3)
)
library(gt)
Tabla_outliers_Latitud %>%
gt() %>%
tab_header(
title = md("**Tabla N°4**"),
subtitle = md("**Valores atípicos de la variable latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
cols_align(
align = "center",
columns = everything()
) %>%
tab_options(
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.font.weight = "bold",
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2),
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "grey",
table_body.border.bottom.color = "black"
)| Tabla N°4 | ||
| Valores atípicos de la variable latitud de accidentes en oleoductos ocurridos en EE.UU (2010-2017) | ||
| Outliers | Mínimo | Máximo |
|---|---|---|
| 11 | 63.425 | 70.261 |
| Autor: Grupo 1 | ||
6.Conclusión
La variable Latitud en grados fluctúa entre 21.3 y 70 grados y sus valores giran en torno a 35.85 grados, con una desviación estándar de 15.69, siendo un conjunto de valores homogéneo, cuyos valores se acumulan fuertemente en la parte baja, con la existencia de 11 valores atípicos desde 63.43 hasta 70.26 grados.
Por todo lo anterior, el comportamiento de la variable latitud
resulta beneficioso para el análisis espacial y la gestión del riesgo,
dado que evidencia un patrón de concentración en el eje norte–sur,
facilitando la identificación de las zonas de mayor incidencia y la
detección de casos aislados en latitudes extremas, lo cual favorece la
planificación preventiva y operativa.