Variables_Ordinales
Braider Albuja
11-09-2025
Cargar los datos
setwd("D:/Data")
datos <- read.csv("derrames_globales_.csv", header = TRUE, sep = ";", dec =".")
str(datos)## 'data.frame': 3550 obs. of 23 variables:
## $ Id : int 6786 6250 8220 6241 6216 6620 6262 6229 6201 6221 ...
## $ Dia : int 19 3 21 16 19 7 10 12 18 29 ...
## $ Mes : int 1 6 4 3 12 10 2 5 3 1 ...
## $ ANo : chr "A" "1979" "2010" "1978" ...
## $ Nombre : chr "Arabian Gulf Spills; Persian Gulf, Kuwait" "IXTOC I; Bahia de Campeche, Mexico" "Deepwater Horizon; Gulf of Mexico" "Amoco Cadiz; Brittany, France" ...
## $ Ubicacion : chr "Persian Gulf, Kuwait" "Bahia de Campeche, Mexico" "Gulf of Mexico" "Brittany, France" ...
## $ Latitud : chr "29,5" "19,4083" "28,7367" "48,5833" ...
## $ Longuitud : chr "48" "-92,325" "-88,3872" "-4,71667" ...
## $ Amenaza : chr "Oil" "Oil" "Oil" "Oil" ...
## $ Etiquetas : chr "" "Collision" "" "Grounding" ...
## $ Tipo_de_crudo : chr "Kuwait crude oil" "IXTOC I crude oil" "Diesel, crude oil" "Arabian light crude, Iranian light crude, Bunker C" ...
## $ Recuperacion_en_superficie_aplicada: int NA NA 1 NA NA NA NA NA NA NA ...
## $ Recuperacion_en_costas_aplicada : int NA NA 1 NA NA NA NA NA NA NA ...
## $ Tratamiento_biologico_aplicado : int 1 NA 1 1 NA NA NA NA NA NA ...
## $ Dispersion_quimica_aplicada : int NA 1 1 1 NA NA NA 1 1 1 ...
## $ Quema_aplicada : int NA 1 1 NA NA NA NA 1 1 1 ...
## $ Maximo_liberacion_galones : int 336000009 -1 205000000 68000017 -1 -1 -1 9240000 36100000 -1 ...
## $ Barreras_de_contencion_flotantes : int 35 12 182 17 3 3 7 8 5 6 ...
## $ Causa_principal : chr "DaNo del tanque " "Incendio y explosion " "Incendio y explosion " "DaNo del tanque " ...
## $ Volumen_derramados_galones : chr "336.000.000" "365.000.000" "600.000.000" "68.000.000" ...
## $ Respuesta_actual_galones : chr "336000000" "252000000" "168000000" "68700000" ...
## $ Fuente_respuesta : chr "description and posts" "posts" "description" "posts" ...
## $ etiqueta_actualizacion : chr "RA updated" "RA newly acquired" "RA updated" "RA updated" ...1 Variable de Recuperacion en superficie aplicada
Re_s <- as.logical(datos$Recuperacion_en_superficie_aplicada)
Re_s <- na.omit(Re_s)
str(Re_s) ## logi [1:316] TRUE FALSE TRUE TRUE TRUE TRUE ...
## - attr(*, "na.action")= 'omit' int [1:3234] 1 2 4 5 6 7 8 9 10 11 ...TDF_Re_s <- table(Re_s)
tabla1 <- as.data.frame(TDF_Re_s)
colnames(tabla1) <- c("Recuperacion_aplicada","ni")
tabla1$hi <- round(tabla1$ni/sum(tabla1$ni)*100 ,2)
print(tabla1)## Recuperacion_aplicada ni hi
## 1 FALSE 46 14.56
## 2 TRUE 270 85.441.1 Gráfica 1: Distribución de la recuperacion en superficie aplicada (local)
barplot(tabla1$ni,
names.arg = tabla1$Recuperacion_aplicada,
main = "Distribución de la recuperacion en superficie aplicada (local)",
xlab = "Recuperacion en superficie aplicada",
ylab = "Cantidad",
col = "skyblue",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
1.2 Gráfica 2: Distribución de la recuperacion en superficie aplicada (global)
barplot(tabla1$ni,
names.arg = tabla1$Recuperacion_aplicada,
main = "Distribución de la recuperacion en superficie aplicada (global)",
xlab = "Recuperacion en superficie aplicada",
ylab = "Cantidad",
col = "blue",
ylim = c(0, sum(tabla1$ni)),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
1.3 Gráfica 3: Distribución porcentual de la recuperacion en superficie aplicada (local)
barplot(tabla1$hi,
names.arg = tabla1$Recuperacion_aplicada,
main = "Distribución de la recuperacion en superficie aplicada (local)",
xlab = "Recuperacion en superficie aplicada",
ylab = "Porcentaje (%)",
col = "green",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
1.4 Gráfica 4: Distribución porcentual de la recuperacion en superficie aplicada (global)
barplot(tabla1$hi,
names.arg = tabla1$Recuperacion_aplicada,
main = "Distribución de la recuperacion en superficie aplicada (global)",
xlab = "Recuperacion en superficie aplicada",
ylab = "Porcentaje (%)",
col = "darkgreen",
ylim = c(0, 100),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
1.5 Gráfica 5: Distribución de la recuperacion en superficie aplicada
etiqueta_sup <- paste0(round(tabla1$hi, 2), "%")
colores <- rev(heat.colors(nrow(tabla1)))
pie(tabla1$hi,
main = "Distribución de la recuperacion en superficie aplicada",
radius = 1,
col = colores,
labels = etiqueta_sup,
cex = 0.8)
legend("bottomleft",
legend = tabla1$Recuperacion_aplicada,
title = "Recuperacion en superficie aplicada",
fill = colores,
cex = 0.8,
inset = 0.001,
bty = "n") 
1.6 Indicadores
#MODA
moda_sup <- names(TDF_Re_s)[which.max(TDF_Re_s )]
print(paste("MODA (Recuperacion en superficie aplicada):", moda_sup))## [1] "MODA (Recuperacion en superficie aplicada): TRUE"#MEDIANA
supm <- ceiling((length(Re_s) + 1) / 2)
mediana_sup <- Re_s[supm]
print(paste("MEDIANA (Recuperacion en superficie aplicada):", mediana_sup))## [1] "MEDIANA (Recuperacion en superficie aplicada): TRUE"1.7 Conclusión
La variable fluctúa entre verdadero y falso, donde los datos con mayor frecuencia están en verdadero con una mediana de verdadero, lo cual nos indica con mayor frecuencia se remedia derrames de hidrocarburos en superficie terrestre.
2 Variable de Recuperacion en costas aplicada
Re_c <- as.logical(datos$Recuperacion_en_costas_aplicada)
Re_c <- na.omit(Re_c)
str(Re_c) ## logi [1:217] TRUE TRUE FALSE TRUE TRUE TRUE ...
## - attr(*, "na.action")= 'omit' int [1:3333] 1 2 4 5 6 7 8 9 10 11 ...TDF_Re_c <- table(Re_c)
tabla2 <- as.data.frame(TDF_Re_c)
colnames(tabla2) <- c("Recuperacion_costas","ni")
tabla2$hi <- round(tabla2$ni/sum(tabla2$ni)*100 ,2)
print(tabla2)## Recuperacion_costas ni hi
## 1 FALSE 36 16.59
## 2 TRUE 181 83.412.1 Gráfica 1: Distribución de la recuperacion en costas aplicada (local)
barplot(tabla2$ni,
names.arg = tabla2$Recuperacion_costas,
main = "Distribución de la recuperacion en costas aplicada (local)",
xlab = "Recuperacion en costas aplicada",
ylab = "Cantidad",
col = "skyblue",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
2.2 Gráfica 2: Distribución de la recuperacion en costas aplicada (global)
barplot(tabla2$ni,
names.arg = tabla2$Recuperacion_costas,
main = "Distribución de la recuperacion en costas aplicada (global)",
xlab = "Recuperacion en costas aplicada",
ylab = "Cantidad",
col = "blue",
ylim = c(0, sum(tabla2$ni)),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
2.3 Gráfica 3: Distribución porcentual de la recuperacion en costas aplicada (local)
barplot(tabla2$hi,
names.arg = tabla2$Recuperacion_costas,
main = "Distribución de la recuperacion en costas aplicada (local)",
xlab = "Recuperacion en costas aplicada",
ylab = "Porcentaje (%)",
col = "green",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
2.4 Gráfica 4: Distribución porcentual de la recuperacion en costas aplicada (global)
barplot(tabla2$hi,
names.arg = tabla2$Recuperacion_costas,
main = "Distribución de la recuperacion en costas aplicada (global)",
xlab = "Recuperacion en costas aplicada",
ylab = "Porcentaje (%)",
col = "darkgreen",
ylim = c(0, 100),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
2.5 Gráfica 5: Distribución de la recuperacion en costas aplicada
etiqueta_cos <- paste0(round(tabla2$hi, 2), "%")
colores <- rev(heat.colors(nrow(tabla2)))
pie(tabla2$hi,
main = "Distribución de la recuperacion en costas aplicada",
radius = 1,
col = colores,
labels = etiqueta_cos,
cex = 0.8)
legend("bottomleft",
legend = tabla2$Recuperacion_costas,
title = "Recuperacion en costas aplicada",
fill = colores,
cex = 0.8,
inset = 0.001,
bty = "n") 
2.6 Indicadores
# MODA
moda_cos <- names(TDF_Re_c)[which.max(TDF_Re_c )]
print(paste("MODA (Recuperacion en costas aplicada):", moda_cos))## [1] "MODA (Recuperacion en costas aplicada): TRUE"# MEDIANA
cosm <- ceiling((length(Re_c) + 1) / 2)
mediana_cos <- Re_c[cosm]
print(paste("MEDIANA (Recuperacion en costas aplicada):", mediana_cos))## [1] "MEDIANA (Recuperacion en costas aplicada): TRUE"2.7 Conclusión
La variable fluctúa entre verdadero y falso, donde los datos con mayor frecuencia están en verdadero con una mediana de verdadero, lo cual nos indica con mayor frecuencia se corrige los derrames de hidrocarburos en las costas.
3 Variable de tratamiento biologico aplicado
Tr_b <- as.logical(datos$Tratamiento_biologico_aplicado)
Tr_b <- na.omit(Tr_b)
str(Tr_b) ## logi [1:30] TRUE TRUE TRUE TRUE TRUE TRUE ...
## - attr(*, "na.action")= 'omit' int [1:3520] 2 5 6 7 8 9 10 11 12 13 ...TDF_Tr_b <- table(Tr_b)
tabla3<- as.data.frame(TDF_Tr_b)
colnames(tabla3) <- c("Tratamiento_biologico","ni")
tabla3$hi <- round(tabla3$ni/sum(tabla3$ni)*100 ,2)
print(tabla3)## Tratamiento_biologico ni hi
## 1 FALSE 12 40
## 2 TRUE 18 603.1 Gráfica 1: Distribución del tratamiento biologico aplicado (local)
barplot(tabla3$ni,
names.arg = tabla3$Tratamiento_biologico,
main = "Distribución del tratamiento biologico aplicado (local)",
xlab = "Tratamiento biologico aplicado",
ylab = "Cantidad",
col = "skyblue",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
3.2 Gráfica 2: Distribución del tratamiento biologico aplicado (global)
barplot(tabla3$ni,
names.arg = tabla3$Tratamiento_biologico,
main = "Distribución del tratamiento biologico aplicado (global)",
xlab = "Tratamiento biologico aplicado",
ylab = "Cantidad",
col = "blue",
ylim = c(0, sum(tabla3$ni)),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
3.3 Gráfica 3: Distribución porcentual del tratamiento biologico aplicado (local)
barplot(tabla3$hi,
names.arg = tabla3$Tratamiento_biologico,
main = "Distribución del tratamiento biologico aplicado (local)",
xlab = "Tratamiento biologico aplicado",
ylab = "Porcentaje (%)",
col = "green",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
3.4 Gráfica 4: Distribución porcentual del tratamiento biologico aplicado (global)
barplot(tabla3$hi,
names.arg = tabla3$Tratamiento_biologico,
main = "Distribución del tratamiento biologico aplicado (global)",
xlab = "Tratamiento biologico aplicado",
ylab = "Porcentaje (%)",
col = "darkgreen",
ylim = c(0, 100),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
3.5 Gráfica 5: Distribución del tratamiento biologico aplicado
etiqueta_bio <- paste0(round(tabla3$hi, 2), "%")
colores <- rev(heat.colors(nrow(tabla3)))
pie(tabla3$hi,
main = "Distribución del tratamiento biologico aplicado",
radius = 1,
col = colores,
labels = etiqueta_bio,
cex = 0.8)
legend("bottomleft",
legend = tabla3$Tratamiento_biologico,
title = "Tratamiento biologico aplicado",
fill = colores,
cex = 0.8,
inset = 0.001,
bty = "n") 
3.6 Indicadores
# MODA
moda_bio <- names(TDF_Tr_b)[which.max(TDF_Tr_b )]
print(paste("MODA (Tratamiento biologico aplicado):", moda_bio))## [1] "MODA (Tratamiento biologico aplicado): TRUE"# MEDIANA
biom <- ceiling((length(Tr_b) + 1) / 2)
mediana_bio <- Tr_b[biom]
print(paste("MEDIANA (Tratamiento biologico aplicado):", mediana_bio))## [1] "MEDIANA (Tratamiento biologico aplicado): TRUE"3.7 Conclusión
La variable fluctúa entre verdadero y falso, donde los datos con mayor frecuencia están en verdadero con una mediana de verdadero, lo cual nos indica con mayor frecuencia se usan microorganismos para degradar hidrocarburos contaminantes.
4 Variable de dispersion quimica aplicada
Di_q <- as.logical(datos$Dispersion_quimica_aplicada)
Di_q <- na.omit(Di_q)
str(Di_q) ## logi [1:93] TRUE TRUE TRUE TRUE TRUE TRUE ...
## - attr(*, "na.action")= 'omit' int [1:3457] 1 5 6 7 13 17 18 21 22 23 ...TDF_Di_q <- table(Di_q)
tabla4<- as.data.frame(TDF_Di_q)
colnames(tabla4) <- c("Dispersion_quimica","ni")
tabla4$hi <- round(tabla4$ni/sum(tabla4$ni)*100 ,2)
print(tabla4)## Dispersion_quimica ni hi
## 1 FALSE 20 21.51
## 2 TRUE 73 78.494.1 Gráfica 1: Distribución de la dispersion quimica aplicada (local)
barplot(tabla4$ni,
names.arg = tabla4$Dispersion_quimica,
main = "Distribución de la dispersion quimica aplicada (local)",
xlab = "Dispersion quimica aplicada",
ylab = "Cantidad",
col = "skyblue",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
4.2 Gráfica 2: Distribución de la dispersion quimica aplicada (global)
barplot(tabla4$ni,
names.arg = tabla4$Dispersion_quimica,
main = "Distribución de la dispersion quimica aplicada (global)",
xlab = "Dispersion quimica aplicada",
ylab = "Cantidad",
col = "blue",
ylim = c(0, sum(tabla4$ni)),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
4.3 Gráfica 3: Distribución porcentual de la dispersion quimica aplicada (local)
barplot(tabla4$hi,
names.arg = tabla4$Dispersion_quimica,
main = "Distribución de la dispersion quimica aplicada (local)",
xlab = "Dispersion quimica aplicada",
ylab = "Porcentaje (%)",
col = "green",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
4.4 Gráfica 4: Distribución porcentual de la dispersion quimica aplicada (global)
barplot(tabla4$hi,
names.arg = tabla4$Dispersion_quimica,
main = "Distribución de la dispersion quimica aplicada (global)",
xlab = "Dispersion quimica aplicada",
ylab = "Porcentaje (%)",
col = "darkgreen",
ylim = c(0, 100),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
4.5 Gráfica 5: Distribución de la dispersion quimica aplicada
etiqueta_qui <- paste0(round(tabla4$hi, 2), "%")
colores <- rev(heat.colors(nrow(tabla4)))
pie(tabla4$hi,
main = "Distribución de la dispersion quimica aplicada",
radius = 1,
col = colores,
labels = etiqueta_qui,
cex = 0.8)
legend("bottomleft",
legend = tabla4$Dispersion_quimica,
title = "Dispersion quimica aplicada",
fill = colores,
cex = 0.8,
inset = 0.001,
bty = "n") 
4.6 Indicadores
# MODA
moda_qui <- names(TDF_Di_q)[which.max(TDF_Di_q )]
print(paste("MODA (Dispersion quimica aplicada):", moda_qui))## [1] "MODA (Dispersion quimica aplicada): TRUE"# MEDIANA
quim <- ceiling((length(Di_q) + 1) / 2)
mediana_qui <- Di_q[quim]
print(paste("MEDIANA (Dispersion quimica aplicada):", mediana_qui))## [1] "MEDIANA (Dispersion quimica aplicada): FALSE"4.7 Conclusión
La variable fluctúa entre verdadero y falso, donde los datos con mayor frecuencia están en verdadero con una mediana de falso, lo cual nos indica con mayor frecuencia se remedia derrames de hidrocarburos con quimicos.
5 Variable de la quema aplicada
Qu_a <- as.logical(datos$Quema_aplicada)
Qu_a <- na.omit(Qu_a)
str(Qu_a) ## logi [1:68] TRUE TRUE TRUE TRUE TRUE TRUE ...
## - attr(*, "na.action")= 'omit' int [1:3482] 1 4 5 6 7 11 12 14 16 17 ...TDF_Qu_a <- table(Qu_a)
tabla5<- as.data.frame(TDF_Qu_a)
colnames(tabla5) <- c("Quema_aplicada","ni")
tabla5$hi <- round(tabla5$ni/sum(tabla5$ni)*100 ,2)
print(tabla5)## Quema_aplicada ni hi
## 1 FALSE 19 27.94
## 2 TRUE 49 72.065.1 Gráfica 1: Distribución de la quema aplicada (local)
barplot(tabla5$ni,
names.arg = tabla5$Quema_aplicada,
main = "Distribución de la quema aplicada (local)",
xlab = "Quema aplicada",
ylab = "Cantidad",
col = "skyblue",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
5.2 Gráfica 2: Distribución de la quema aplicada (global)
barplot(tabla5$ni,
names.arg = tabla5$Quema_aplicada,
main = "Distribución de la quema aplicada (global)",
xlab = "Quema aplicada",
ylab = "Cantidad",
col = "blue",
ylim = c(0, sum(tabla5$ni)),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
5.3 Gráfica 3: Distribución porcentual de la quema aplicada (local)
barplot(tabla5$hi,
names.arg = tabla5$Quema_aplicada,
main = "Distribución de la quema aplicada (local)",
xlab = "Quema aplicada",
ylab = "Porcentaje (%)",
col = "green",
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
5.4 Gráfica 4: Distribución porcentual de la quema aplicada (global)
barplot(tabla5$hi,
names.arg = tabla5$Quema_aplicada,
main = "Distribución de la quema aplicada (global)",
xlab = "Quema aplicada",
ylab = "Porcentaje (%)",
col = "darkgreen",
ylim = c(0, 100),
las = 2,
cex.names = 0.8,
cex.axis = 0.8,
cex.lab = 1.2)
5.5 Gráfica 5: Distribución de la quema aplicada
etiqueta_que <- paste0(round(tabla5$hi, 2), "%")
colores <- rev(heat.colors(nrow(tabla5)))
pie(tabla5$hi,
main = "Distribución de la quema aplicada",
radius = 1,
col = colores,
labels = etiqueta_que,
cex = 0.8)
legend("bottomleft",
legend = tabla5$Quema_aplicada,
title = "Quema aplicada",
fill = colores,
cex = 0.8,
inset = 0.001,
bty = "n") 
5.6 Indicadores
# MODA
moda_que <- names(TDF_Qu_a)[which.max(TDF_Qu_a )]
print(paste("MODA (Quema aplicada):", moda_que))## [1] "MODA (Quema aplicada): TRUE"# MEDIANA
quem <- ceiling((length(Qu_a) + 1) / 2)
mediana_que <- Qu_a[quem]
print(paste("MEDIANA (Quema aplicada):", mediana_que))## [1] "MEDIANA (Quema aplicada): FALSE"5.7 Conclusión
La variable fluctúa entre verdadero y falso, donde los datos con mayor frecuencia están en verdadero con una mediana de falso, lo cual nos indica con mayor frecuencia se elimina gases inflamables y de alta presión.