Tasa de probabilidad de los tipos de oleoductos
Grupo 1
1.Carga de datos
setwd("/cloud/project/")
datos<-read.csv("DerramesEEUU.csv", header = TRUE, sep=";" , dec=",",na.strings ="-")
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" NA "ANHYDROUS AMMONIA" ...
## $ NombreLiquido : chr NA "VACUUM GAS OIL (VGO)" NA NA ...
## $ 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" NA "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 : int 8 25 NA NA 27 NA NA 23 15 11 ...
## $ MesCierre : int 4 3 NA NA 5 NA NA 5 3 1 ...
## $ AnioCierre : int 2010 2010 NA NA 2010 NA NA 2010 2010 2010 ...
## $ HoraCierre : int 6 18 NA NA 3 NA NA 7 16 2 ...
## $ AmPmCierre : chr "a. m." "p. m." NA NA ...
## $ DiaReinicio : int 9 28 NA NA 27 NA NA 23 15 15 ...
## $ MesReinicio : int 4 3 NA NA 5 NA NA 5 3 1 ...
## $ AnioReinicio : int 2010 2010 NA NA 2010 NA NA 2010 2010 2010 ...
## $ HoraReinicio : int 10 16 NA NA 24 NA NA 9 18 15 ...
## $ AmPmReinicio : chr "a. m." "p. m." NA NA ...
## $ EvacuacionesPublicas : int NA 0 NA NA 0 0 0 0 NA 0 ...
## $ LesionesEmpleadosOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesContratistasOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesRescatistasEmergencia : int NA NA NA NA NA NA NA NA NA NA ...
## $ OtrasLesiones : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesPublico : int NA NA NA NA NA NA NA NA NA NA ...
## $ TodasLesiones : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosEmpleadosOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosContratistasOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosRescatistasEmergencia : int NA NA NA NA NA NA NA NA NA NA ...
## $ OtrosFallecimientos : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosPublico : int NA NA NA NA NA NA NA NA NA NA ...
## $ TodosFallecimientos : int NA NA NA NA NA NA NA NA NA NA ...
## $ CostosDaniosPropiedad : int 0 0 30000 12000 2720 NA 750 1300 NA 29360 ...
## $ CostosMercanciaPerdidas : int 27 0 100 30 1500 150 300 340 46 136233 ...
## $ CostosDaniosPropiedadesPublicasPrivadas: int 0 0 1000 5000 0 0 0 0 NA NA ...
## $ CostosRespuestaEmergencia : int 0 0 NA 0 1000 NA 400 2445 10999 NA ...
## $ CostosRemediacionAmbiental : int 0 100000 20000 15000 NA NA 6050 3350 452 NA ...
## $ OtrosCostos : int 0 0 NA 0 NA NA 0 2530 NA NA ...
## $ TodosCostos : int 27 100000 51100 32030 5220 150 7500 9965 11497 165593 ...1.1 Extracción de datos
TipoOleoducto <- na.omit(datos$TipoOleoducto) 2.Distribución de Frecuencias
TDFTipoOleoducto <- table(TipoOleoducto)
TablaTipoOleoducto <- as.data.frame(TDFTipoOleoducto)
names(TablaTipoOleoducto) <- c("Tipo_de_Oleoducto","Fo")
TablaTipoOleoducto$Probabilidad <- round(TablaTipoOleoducto$Fo / sum(TablaTipoOleoducto$Fo), 3)2.1 Tabla de Frecuencia
TDFFinalTipoOleoducto <- rbind(
TablaTipoOleoducto,
data.frame(Tipo_de_Oleoducto = "TOTAL",
Fo = sum(TablaTipoOleoducto$Fo),
Probabilidad = 1)
)
library(gt)
tabla_TipoOleoducto <- TDFFinalTipoOleoducto %>%
gt() %>%
cols_label(
Tipo_de_Oleoducto = md("**Tipo de Oleoducto**"),
Fo = md("**Frecuencia Observada**"),
Probabilidad = md("**Probabilidad**")
) %>%
tab_header(
title = md("**Tabla N° 1**"),
subtitle = md("**Distribución de accidentes por Tipo de causa en EE.UU. (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
tab_options(
table.background.color = "white",
row.striping.background_color = "white",
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.font.weight = "bold", # corregido
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2), # requiere library(gt)
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(
rows = Tipo_de_Oleoducto == "TOTAL"
)
)
tabla_TipoOleoducto| Tabla N° 1 | ||
| Distribución de accidentes por Tipo de causa en EE.UU. (2010-2017) | ||
| Tipo de Oleoducto | Frecuencia Observada | Probabilidad |
|---|---|---|
| ABOVEGROUND | 1466 | 0.532 |
| TANK | 300 | 0.109 |
| TRANSITION AREA | 16 | 0.006 |
| UNDERGROUND | 976 | 0.354 |
| TOTAL | 2758 | 1.000 |
| Autor: Grupo 1 | ||
2.2 Gráficas
2.2.1 Distribución de frecuencias
barplot(TablaTipoOleoducto$Fo,
main = "Gráfica No.1: Distribución de frecuencias de accidentes
por Tipos de Oleoductos en EE.UU",
xlab = "Tipo de Oleoducto",
ylab = "Frecuencia",
col = "pink",
names.arg = TablaTipoOleoducto$Tipo_de_Oleoducto,
las = 1,
cex.names = 0.8,
cex.axis = 0.8,
cex.main = 1.2)
2.2.2 Distribución porcentual
TablaTipoOleoducto$Porcentaje <- TablaTipoOleoducto$Probabilidad * 100
barplot(TablaTipoOleoducto$Porcentaje,
main = "Gráfica No.2: Distribución porcentual de accidentes
por Tipos de Oleoductos en EE.UU",
xlab = "Tipo de Oleoducto",
ylab = "Porcentaje (%)",
col = "pink2",
names.arg = TablaTipoOleoducto$Tipo_de_Oleoducto,
las = 1,
cex.names = 0.8,
cex.axis = 0.8,
cex.main = 1.2)
2.2.3 Distribución de Probabilidad
barplot(TablaTipoOleoducto$Probabilidad,
main = "Gráfica No.3: Distribución de probabilidad de accidentes
por Tipos de Oleoductos en EE.UU",
xlab = "Tipo de Oleoducto",
ylab = "Probabilidad",
col = "pink3",
names.arg = TablaTipoOleoducto$Tipo_de_Oleoducto,
las = 1,
cex.names = 0.8,
cex.axis = 0.8,
cex.main = 1.2)
3.Cálculo de Probabilidad
- ¿Cuál es la probabilidad de que un accidente en oleoductos se encuentre sobre el suelo”
3.1 Definición del objetivo
Oleoducto_objetivo <- "ABOVEGROUND"3.2 Estimación de la probabilidad
probabilidad <- round(
(TablaTipoOleoducto$Fo[TablaTipoOleoducto$Tipo_de_Oleoducto == Oleoducto_objetivo] /
sum(TablaTipoOleoducto$Fo)) * 100,
1
)La probabilidad de que ocurra un accidente en un tipo de oleoducto ABOVEGROUND es de: 53.2 %
3.3. Gráfica
# Gráfico con oleoducto objetivo resaltado
colores <- ifelse(TablaTipoOleoducto$Tipo_de_Oleoducto == Oleoducto_objetivo, "#FF34B3", "lightpink")
par(mar = c(6, 6, 4, 2))
bp <- barplot(
height = TablaTipoOleoducto$Porcentaje,
names.arg = TablaTipoOleoducto$Tipo_de_Oleoducto,
main = "Gráfica No.4: Distribución de probabilidad de Tipos de Oleoductos",
xlab = "Tipo de Oleoducto",
ylab = "Probabilidad (%)",
col = colores,
las = 1,
cex.names = 0.8,
cex.axis = 0.8,
cex.main = 1.2,
ylim = c(0, 100)
)
# Etiqueta encima de la barra resaltada
text(
x = bp[TablaTipoOleoducto$Tipo_de_Oleoducto == Oleoducto_objetivo],
y = TablaTipoOleoducto$Porcentaje[TablaTipoOleoducto$Tipo_de_Oleoducto == Oleoducto_objetivo] + 5,
labels = paste0(probabilidad, "%"),
col = "black",
font = 2,
cex = 0.9
)
4.Conclusión
A partir de los datos analizados, se estima que la probabilidad de ocurrencia de un accidente en un oleoducto del tipo ABOVEGROUND (sobre el suelo) es de aproximadamente 53.2 %.
Este resultado sugiere que más de la mitad de los accidentes
registrados durante el periodo de estudio se produjeron en este tipo de
infraestructura. Esto podría indicar que los oleoductos sobre el suelo
presentan una mayor exposición o vulnerabilidad a factores de riesgo en
comparación con otros tipos de oleoductos.