Todos los Costos 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
Costos <- datos$TodosCostos
Costos <- na.omit(Costos)
# Cantidad de datos de la variable
n <- length(Costos)Cantidad total de datos: 2760
1.2 Diagrama de Caja
Dado el gran volumen de datos, resulta conveniente analizar primero el comportamiento general de la variable para determinar si es necesario realizar el análisis estadístico dentro de un intervalo específico.
Por ello, se elaboró un diagrama de caja (boxplot) con el fin de identificar el rango en el que se agrupan la mayoría de los valores y obtener así un conjunto representativo de datos.
options(scipen = 999)
caja_costos <- boxplot(Costos,
horizontal = TRUE,
main = "Gráfica N°1: Distribución de todos los costos involucrados en
accidentes en oleoductos EE.UU. (2010-2017)",
xlab = "Todos los Costos",
col = "pink3")
Debido a la presencia de valores atípicos extremadamente altos, se decidió enfocar el análisis en los valores más representativos de la gráfica, con el fin de observar con mayor precisión la distribución de los datos, donde se concentra la mayor parte de la información.
Identificación de valores comunes y atípicos
VC_costos<-subset(Costos,Costos <min(caja_costos$out))
VO_costos<-subset(Costos,Costos >=min(caja_costos$out))2.Distribución de Frecuencias
2.1 Método teórico/manual: Regla de Sturges
2.1.1 Rango, número de clases y amplitud
R_Costos <- max(VC_costos) - min(VC_costos)
k_Costos <- floor(1 + (3.3 * log10(length(VC_costos))))
A_Costos <- R_Costos / k_Costos2.1.2 Límites, intervalos y marca de clase
Una vez determinada la amplitud y el número de clases mediante la regla de Sturges, se procedió a establecer los límites inferior y superior de cada intervalo.
liminf <- seq(from = min(VC_costos), by = A_Costos, length.out = k_Costos)
limsup <- liminf + A_Costos
limsup[k_Costos] <- max(VC_costos)
MC <- (liminf + limsup) / 22.1.3 Frecuencias Simples
2.1.3.1 Frecuencia absoluta
Con los intervalos previamente definidos, se procedió al cálculo de las
frecuencias simples de la variable. Para obtener la frecuencia absoluta
(ni), se utilizó un bucle for, que recorre secuencialmente
cada uno de los intervalos. En cada iteración, el código evalúa cuántos
datos de la variable se encuentran dentro de los límites inferior y
superior correspondientes a un rango específico.
ni <- numeric(k_Costos)
for (i in 1:k_Costos) {
if (i == k_Costos) {
ni[i] <- sum(VC_costos >= liminf[i] & VC_costos <= limsup[i])
} else {
ni[i] <- sum(VC_costos >= liminf[i] & VC_costos < limsup[i])
}
}2.1.3.1 Frecuencia relativa
hi <- round((ni / length(VC_costos)) * 100, 3)2.1.4 Frecuencias Acumuladas
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- cumsum(hi)
Hidsc <- rev(cumsum(rev(hi)))2.1.5 Tabla de distribución de frecuencias
tabla_Costos <- data.frame(
liminf = round(liminf, 3),
limsup = round(limsup, 3),
MC = round(MC, 3),
ni = ni,
hi_porc = round(hi, 3),
Ni_asc = Niasc,
Ni_dsc = Nidsc,
Hiasc_porc = round(Hiasc, 3),
Hidsc_porc = round(Hidsc, 3)
)
total_ni <- sum(tabla_Costos$ni)
total_hi <- 100
TDFCostosCompleto <- rbind(tabla_Costos, data.frame(
liminf = "TOTAL",
limsup = " ",
MC = " ",
ni = total_ni,
hi_porc = total_hi,
Ni_asc = " ",
Ni_dsc = " ",
Hiasc_porc = " ",
Hidsc_porc = " "
))
library(gt)
tabla_Costos_gt <- TDFCostosCompleto %>%
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 Todos los Costos involucrados en accidentes
de 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_Costos_gt| Tabla N° 1 | ||||||||
| Distribución de Todos los Costos involucrados en accidentes de oleoductos ocurridos en EE.UU (2010-2017) | ||||||||
| liminf | limsup | MC | ni | hi (%) | Ni ↑ | Ni ↓ | Hi ↑ (%) | Hi ↓ (%) |
|---|---|---|---|---|---|---|---|---|
| 0 | 23343.5 | 11671.75 | 1389 | 59.132 | 1389 | 2349 | 59.132 | 100 |
| 23343.5 | 46687 | 35015.25 | 374 | 15.922 | 1763 | 960 | 75.054 | 40.868 |
| 46687 | 70030.5 | 58358.75 | 170 | 7.237 | 1933 | 586 | 82.291 | 24.946 |
| 70030.5 | 93374 | 81702.25 | 72 | 3.065 | 2005 | 416 | 85.356 | 17.709 |
| 93374 | 116717.5 | 105045.75 | 69 | 2.937 | 2074 | 344 | 88.293 | 14.644 |
| 116717.5 | 140061 | 128389.25 | 58 | 2.469 | 2132 | 275 | 90.762 | 11.707 |
| 140061 | 163404.5 | 151732.75 | 64 | 2.725 | 2196 | 217 | 93.487 | 9.238 |
| 163404.5 | 186748 | 175076.25 | 39 | 1.660 | 2235 | 153 | 95.147 | 6.513 |
| 186748 | 210091.5 | 198419.75 | 38 | 1.618 | 2273 | 114 | 96.765 | 4.853 |
| 210091.5 | 233435 | 221763.25 | 25 | 1.064 | 2298 | 76 | 97.829 | 3.235 |
| 233435 | 256778.5 | 245106.75 | 27 | 1.149 | 2325 | 51 | 98.978 | 2.171 |
| 256778.5 | 280122 | 268450.25 | 24 | 1.022 | 2349 | 24 | 100 | 1.022 |
| TOTAL | 2349 | 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 Generación del histograma
histoCostos <- hist(VC_costos,
main ="Gráfica N°1: Distribución de la cantidad de Todos los Costos
involucrados en accidentes en oleoductos ocurridos en EE.UU.",
xlab = "Todos los Costos",
ylab = "Frecuencia",
col = "pink",
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 <- histoCostos$breaks
Limites## [1] 0 20000 40000 60000 80000 100000 120000 140000 160000 180000
## [11] 200000 220000 240000 260000 280000 300000LimInf <- Limites[-length(Limites)]
LimSup <- Limites[-1]
MC <- (LimInf + LimSup)/22.2.3 Frecuencias Simples
ni_r <- histoCostos$counts
hi_r <- (ni_r/sum(ni_r)*100)2.2.4 Frecuencias Acumuladas
Niasc <- cumsum(ni_r)
Nidsc <- rev(cumsum(rev(ni_r)))
Hiasc <- round(cumsum(hi_r), 3)
Hidsc <- round(rev(cumsum(rev(hi_r))), 3)2.2.5 Tabla de distribución de frecuencias
options(scipen = 999)
TDFCostosR <- data.frame(LimInf, LimSup, MC, ni_r, hi_r = round(hi_r,3),
Niasc, Nidsc, Hiasc, Hidsc)
total_ni <- sum(ni_r)
total_hi <- 100
TDFCostosRFinal <- rbind(TDFCostosR,
data.frame(LimInf="Total",
LimSup=" ",
MC=" ",
ni_r=total_ni,
hi_r=total_hi,
Niasc=" ",
Nidsc=" ",
Hiasc=" ",
Hidsc=" "))
tabla_CostosR_gt <- TDFCostosRFinal %>%
gt() %>%
cols_label(
LimInf = md("**LimInf**"),
LimSup = md("**LimSup**"),
MC = md("**MC**"),
ni_r = md("**ni**"),
hi_r = 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 Todos los Costos involucrados en
accidentes en oleductos 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_CostosR_gt| Tabla N° 2 | ||||||||
| Distribución de Todos los Costos involucrados en accidentes en oleductos ocurridos en EE.UU (2010-2017) | ||||||||
| LimInf | LimSup | MC | ni | hi (%) | Ni ↑ | Ni ↓ | Hi ↑ (%) | Hi ↓ (%) |
|---|---|---|---|---|---|---|---|---|
| 0 | 20000 | 10000 | 1310 | 55.768 | 1310 | 2349 | 55.768 | 100 |
| 20000 | 40000 | 30000 | 339 | 14.432 | 1649 | 1039 | 70.2 | 44.232 |
| 40000 | 60000 | 50000 | 213 | 9.068 | 1862 | 700 | 79.268 | 29.8 |
| 60000 | 80000 | 70000 | 108 | 4.598 | 1970 | 487 | 83.865 | 20.732 |
| 80000 | 100000 | 90000 | 59 | 2.512 | 2029 | 379 | 86.377 | 16.135 |
| 100000 | 120000 | 110000 | 55 | 2.341 | 2084 | 320 | 88.719 | 13.623 |
| 120000 | 140000 | 130000 | 47 | 2.001 | 2131 | 265 | 90.719 | 11.281 |
| 140000 | 160000 | 150000 | 58 | 2.469 | 2189 | 218 | 93.189 | 9.281 |
| 160000 | 180000 | 170000 | 38 | 1.618 | 2227 | 160 | 94.806 | 6.811 |
| 180000 | 200000 | 190000 | 33 | 1.405 | 2260 | 122 | 96.211 | 5.194 |
| 200000 | 220000 | 210000 | 25 | 1.064 | 2285 | 89 | 97.275 | 3.789 |
| 220000 | 240000 | 230000 | 17 | 0.724 | 2302 | 64 | 97.999 | 2.725 |
| 240000 | 260000 | 250000 | 29 | 1.235 | 2331 | 47 | 99.234 | 2.001 |
| 260000 | 280000 | 270000 | 17 | 0.724 | 2348 | 18 | 99.957 | 0.766 |
| 280000 | 300000 | 290000 | 1 | 0.043 | 2349 | 1 | 100 | 0.043 |
| Total | 2349 | 100.000 | ||||||
| Autor: Grupo 1 | ||||||||
3.Gráficas de Distribución de Frecuencias
3.1 Histogramas
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.
3.1.1 Histogramas frecuencias absolutas
- Histograma Frecuencia Absoluta (Escala Local)
barplot(TDFCostosR$ni_r,
main="Gráfica N°2: Distribución de la cantidad de todos los
costos de accidentes en oleoductos ocurridos en EE.UU.",
ylab="Cantidad",
las = 2,
space = 0,
axis.lty = 1.5,
cex.names = 0.8,
names.arg = TDFCostosR$MC,
col="pink1",
ylim = c(0, 1400))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
- Histograma Frecuencia Absoluta (Escala Global)
barplot(TDFCostosR$ni_r,
main="Gráfica N°3: Distribución de la cantidad de todos los costos de
accidentes en oleoductos, respecto al total registrado en EE.UU.",
ylab="Cantidad",
col="pink2",
las = 2,
space = 0,
axis.lty = 1.5,
cex.names = 0.8,
names.arg = TDFCostosR$MC,
ylim = c(0,length(VC_costos)))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
3.1.2 Histogramas frecuencias relativas
- Histograma Frecuencia Relativa (Escala Local)
barplot(hi_r,space = 0,
main = "Gráfica N°4: Distribución porcentual de todos los costos de
accidentes en oleoductos",
col="pink3",
ylab = "Porcentaje (%)",
las = 2,
axis.lty = 1.5,
cex.names = 0.8,
names.arg =TDFCostosR$MC,
ylim = c(0, 60))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
- Histograma Frecuencia Relativa (Escala Global)
barplot(hi_r,space = 0,
main="Gráfica N°5: Distribución porcentual de todos los costos de
accidentes en oleoductos, respecto al total registrado en EE.UU.",
col="pink4",
ylab = "Porcentaje (%)",
names.arg =TDFCostosR$MC,
las = 2,
cex.names = 0.8,
axis.lty = 1.5,
ylim = c(0,100))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
3.2 Ojivas
3.2.1 Ojivas combinadas con la frecuencia absoluta acumulada
# Ojiva descendente
LimInf_ext <- c(TDFCostosR$LimInf, max(TDFCostosR$LimSup))
Nidsc_ext <- c(TDFCostosR$Nidsc, 0)
plot(LimInf_ext, Nidsc_ext,
main = "Gráfica N°6: Ojivas combinadas de la distribución de la cantidad
de todos los costos involucrados en accidentes de oleoductos en EE.UU.",
ylab = "Cantidad",
xlab = "",
las = 2,
col = "steelblue2",
type = "b",
xaxt = "n",
cex.axis = 0.8,
ylim = c(0, max(TDFCostosR$Niasc)))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
# Etiquetas de marcas de clase en el eje X
axis(1, at = c(TDFCostosR$LimInf, max(TDFCostosR$LimSup)),
labels = c(TDFCostosR$LimInf, max(TDFCostosR$LimSup)),las=2,
cex.axis = 0.7)
# Ojiva ascendente
LimSup_ext <- c(min(TDFCostosR$LimInf), TDFCostosR$LimSup)
Niasc_ext <- c(0, TDFCostosR$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 con la frecuencia relativa acumulada
# Ojiva descendente (%)
LimInf_ext <- c(TDFCostosR$LimInf, max(TDFCostosR$LimSup))
Hidsc_ext <- c(TDFCostosR$Hidsc, 0)
plot(LimInf_ext, Hidsc_ext,
main = "Gráfica N°7: Ojivas combinadas de la distribución porcentual
de todos los costos involucrados en accidentes de oleoductos en EE.UU.",
xlab = "",
ylab = "Porcentaje (%)",
las = 2,
col = "turquoise4",
type = "b",
xaxt = "n",
cex.axis = 0.8,
ylim = c(0, max(TDFCostosR$Hiasc)))
mtext("Todos los Costos ($)", side = 1, line = 3.5, cex = 1)
# Etiquetas de marcas de clase en el eje X
axis(1, at = c(TDFCostosR$LimInf, max(TDFCostosR$LimSup)),
labels = c(TDFCostosR$LimInf, max(TDFCostosR$LimSup)), las = 2,
cex.axis = 0.7)
# Ojiva ascendente (%)
LimSup_ext <- c(min(TDFCostosR$LimInf), TDFCostosR$LimSup)
Hiasc_ext <- c(0, TDFCostosR$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(VC_costos, horizontal = TRUE, col = "pink",
main = "Gráfica N°8: Distribución de todos los costos de
accidentes en oleoductos ocurridos en EE.UU.",
xlab = "Todos los Costos")
4.Indicadores estadísticos
4.1 Indicadores de posición
- Tendencia Central
# Media
media <- mean(VC_costos)
# Mediana
mediana <- median(VC_costos)
# Moda
Mo <- "[0,20000)"- No Centrales
# Cuartiles
ri <- min(VC_costos)
rs <- max(VC_costos)
summary(VC_costos)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0 3904 15220 40727 46528 2801224.2 Indicadores de dispersión
# Desviación estándar
desviacion_estandar <- sd(VC_costos)
# Coeficiente de variabilidad
coeficiente_variabilidad <- (desviacion_estandar / media) * 1004.3 Indicadores de forma
library(e1071)
# Coeficiente de asimetría
As <- skewness(VC_costos)
# Coeficiente de curtosis
curtosis <- kurtosis(VC_costos)4.4 Tabla de indicadores
library(gt)
Variable <- c("Todos los Costos")
Tabla_indicadores_Costos <- 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_Costos) <- c("Variable","Mínimo",
"Máximo","x",
"Me","Mo",
"S","Cv (%)",
"As","K")
tabla_indicadores_gt <- Tabla_indicadores_Costos %>%
gt() %>%
tab_header(
title = md("**Tabla N°3**"),
subtitle = md("**Indicadores estadísticos de la variable Todos los Costos
de accidentes 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 Todos los Costos de accidentes ocurridos en EE.UU (2010-2017) | |||||||||
| Variable | Mínimo | Máximo | x | Me | Mo | S | Cv (%) | As | K |
|---|---|---|---|---|---|---|---|---|---|
| Todos los Costos | 0 | 280122 | 40727.32 | 15220 | [0,20000) | 58936.11 | 144.709 | 2.065 | 3.72 |
| Autor: Grupo 1 | |||||||||
5.Valores atípicos
5.1 Identificación de valores atípicos
outliers <- boxplot.stats(VC_costos)$out
num_outliers <- length(outliers)
minimooutliers <- min(outliers)
maximooutliers <- max(outliers) 5.2 Tabla de Valores atípicos
Tabla_outliers_Costos <- data.frame(
Outliers = num_outliers,
Mínimo = minimooutliers,
Máximo = maximooutliers
)
library(gt)
Tabla_outliers_Costos %>%
gt() %>%
tab_header(
title = md("**Tabla N°4**"),
subtitle = md("**Valores atípicos de la variable Todos los Costos
de accidentes 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 Todos los Costos de accidentes ocurridos en EE.UU (2010-2017) | ||
| Outliers | Mínimo | Máximo |
|---|---|---|
| 288 | 110600 | 280122 |
| Autor: Grupo 1 | ||
6.Conclusión
La variable TodosCostos en dólares fluctúa entre 0 a 280.122 dólares, y sus valores giran en torno a 15.220 dólares, con una desviación estándar de 58936, siendo un conjunto de valores muy heterogéneo, donde los valores se acumulan fuertemente en la parte baja de la variable, con la existencia de 288 valores atípicos desde 110.600 hasta 280.122 dólares.
Por todo lo anterior, el comportamiento no resulta beneficioso, ya
que evidencia la naturaleza inherente del riesgo en los accidentes de
oleoductos, con exposición a pérdidas financieras significativas por
eventos extremos.No obstante, la fuerte concentración de los costos en
valores bajos indica que una proporción importante de los incidentes no
genera impactos económicos elevados.