Reporte descriptivo de pasajeros 2015

Estructura del dataframe

A continuación se presenta el detalle de estructura del dataframe pasajeros 2015, para verificar la asignación correcta del tipo de dato.

str(pasajeros)

## 'data.frame':    216 obs. of  6 variables:
##  $ Anio.mes                 : int  201501 201501 201501 201501 201501 201501 201501 201501 201501 201501 ...
##  $ Codigo.IATA              : chr  "CEN" "CLQ" "CME" "CPE" ...
##  $ Descripcion              : chr  "Ciudad Obregon" "Colima" "Ciudad del Carmen" "Campeche" ...
##  $ Estado                   : chr  "Sonora" "Colima" "Campeche" "Campeche" ...
##  $ Pasajeros.nacionales     : int  17149 8486 56079 13264 13153 4695 1315 1050 6684 5609 ...
##  $ Pasajeros.internacionales: int  721 124 3126 215 0 139 386 2684 61 10 ...

Se obtiene un resumen de las variables que conforman el dataframe:

Variable	Descripcion
Anio.mes	Año y mes del registro en formato AAAAMM. Por ejemplo, 201501 corresponde a enero de 2015.
Codigo.IATA	Código de tres letras asignado por la IATA (Asociación Internacional de Transporte Aéreo) que identifica al aeropuerto.
Descripcion	Nombre de la ciudad o localidad donde se ubica el aeropuerto.
Estado	Estado de la República Mexicana donde se encuentra el aeropuerto.
Pasajeros.nacionales	Número de pasajeros que realizaron vuelos nacionales (dentro de México) en ese aeropuerto durante el mes correspondiente.
Pasajeros.internacionales	Número de pasajeros que realizaron vuelos internacionales (fuera de México) desde o hacia ese aeropuerto durante el mes correspondiente.

Se muestran las primeras observaciones de la tabla:

Anio.mes	Codigo.IATA	Descripcion	Estado	Pasajeros.nacionales	Pasajeros.internacionales
201501	CEN	Ciudad Obregon	Sonora	17149	721
201501	CLQ	Colima	Colima	8486	124
201501	CME	Ciudad del Carmen	Campeche	56079	3126
201501	CPE	Campeche	Campeche	13264	215
201501	CTM	Chetumal	Quintana Roo	13153	0
201501	CVM	Ciudad Victoria	Tamaulipas	4695	139

Vamos a realizar el resumen numérico de cada variable del dataframe:

## Error in table(names(candidates))[["tested"]]: subíndice fuera de  los límites

Descriptive Statistics

N: 216

	Pasajeros. internaciona les	Pasajeros. nacionales
Mean	818.25	10608.42
Std.Dev	1522.77	11609.62
Min	0.00	63.00
Q1	7.00	1198.00
Median	107.00	7947.00
Q3	586.00	14979.50
Max	7042.00	56418.00
MAD	158.64	10027.57
IQR	577.00	13685.25
CV	1.86	1.09
Skewness	2.21	2.02
SE.Skewness	0.17	0.17
Kurtosis	4.05	4.48
N.Valid	216	216
N	216	216
Pct.Valid	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

De la tabla anterior, podemos obtener lo siguiente:

Comparación entre pasajeros internacionales y nacionales

Tendencia central

Media:

• Internacionales: 818.25
• Nacionales: 10,608.42

Se puede observar que los vuelos nacionales transportan muchos más pasajeros en promedio.

Mediana:

• Internacionales: 3.00
• Nacionales: 10,490.00

Se observa qye la mediana internacional es sorprendentemente baja, lo que indica que más de la mitad de los registros tienen muy pocos pasajeros internacionales.

Dispersión Desviación estándar (Std.Dev):

• Internacionales: 1,522.77
• Nacionales: 1,966.69

Se observa que aunque los nacionales tienen más pasajeros, su dispersión relativa es menor.

Coeficiente de variación (CV):

• Internacionales: 1.86
• Nacionales: 0.19

Se observa que el CV internacional es altísimo, lo que confirma una variabilidad extrema respecto a su media.

Rango intercuartílico (IQR):

• Internacionales: 577.00
• Nacionales: 13,665.25

Se observa que los nacionales tienen una amplitud intermedia mucho mayor, lo que refleja una distribución más extendida pero estable.

Forma de la distribución Skewness (asimetría):

• Internacionales: 2.52, se observa un sesgo positivo fuerte (cola larga hacia la derecha)
• Nacionales: -0.02, se observa una distribución casi simétrica.

Kurtosis:

• Internacionales: 6.14, se observa una distribución leptocúrtica, con picos altos y colas largas
• Nacionales: -0.92, se observe una distribución más plana, menos concentrada en la media

Finalmente, podemos concluir lo siguiente:

• Los pasajeros internacionales tienen una distribución muy sesgada, con muchos valores bajos y unos pocos muy altos. Esto podría reflejar meses de pandemia o restricciones severas, seguidos por picos de recuperación.
• Los pasajeros nacionales muestran una distribución más estable y simétrica, lo que sugiere una demanda más constante y menos afectada por eventos extremos.

dfsummary

La función dfSummary() del paquete summarytools genera un resumen completo y visualmente atractivo de todas las variables en un data frame, incluyendo estadísticas, tipos de datos, valores únicos, valores faltantes y gráficos embebidos.

Data Frame Summary

pasajeros

Dimensions: 216 x 6
Duplicates: 0

Variable	Stats / Values	Freqs (% of Valid)	Graph	Missing
Anio.mes [factor]	1. 201501 2. 201502 3. 201503 4. 201504 5. 201505 6. 201506 7. 201507 8. 201508 9. 201509 10. 201510 [ 2 others ]	18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 36 ( 16.7% )		0 (0.0%)
Codigo.IATA [factor]	1. CEN 2. CLQ 3. CME 4. CPE 5. CTM 6. CVM 7. GYM 8. LTO 9. MAM 10. NLD [ 8 others ]	12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 96 ( 44.4% )		0 (0.0%)
Descripcion [factor]	1. Campeche 2. Chetumal 3. Ciudad del Carmen 4. Ciudad Obregon 5. Ciudad Victoria 6. Colima 7. Guaymas 8. Loreto 9. Matamoros 10. Nogales [ 8 others ]	12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 96 ( 44.4% )		0 (0.0%)
Estado [factor]	1. Baja California Sur 2. Campeche 3. Colima 4. Michoacan 5. Nayarit 6. Oaxaca 7. Puebla 8. Quintana Roo 9. San Luis Potosi 10. Sonora [ 2 others ]	12 ( 5.6% ) 24 ( 11.1% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 24 ( 11.1% ) 12 ( 5.6% ) 12 ( 5.6% ) 36 ( 16.7% ) 48 ( 22.2% )		0 (0.0%)
Pasajeros.nacionales [integer]	Mean (sd) : 10608.4 (11609.6) min ≤ med ≤ max: 63 ≤ 7947 ≤ 56418 IQR (CV) : 13685.2 (1.1)	212 distinct values		0 (0.0%)
Pasajeros.internacionales [integer]	Mean (sd) : 818.2 (1522.8) min ≤ med ≤ max: 0 ≤ 107 ≤ 7042 IQR (CV) : 577 (1.9)	146 distinct values		0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

De esta tabla, se puede indicar lo siguiente:

• Anio.mes: Cada valor aparece 18 veces, lo que indica que hay 18 registros por mes (probablemente 18 ciudades o aeropuertos).
• Codigo.IATA: Cada código aparece 12 veces, lo que sugiere que hay datos mensuales por aeropuerto
• Descripción: Cada ciudad listada aparece 12 veces, lo que indica que hay un registro por mes para cada una (probablemente enero a diciembre).
• Estado: La mayoría de los estados tienen 12 registros, lo que sugiere una ciudad por estado con datos mensuales, con excepción de Sonora tiene 48 registros, lo que indica 4 ciudades con datos mensuales (4 × 12 = 48).
• Se tiene una distribución balanceada, ya que la mayoría de las ciudades y estados tienen igual número de registros, lo que facilita comparaciones justas.
• Presencia destacada de Sonora, su alta frecuencia sugiere que es un nodo importante en la red aérea del dataset.

Vamos ahora a obtener las tablas de frecuencia, para las variables categóricas

Anio.mes

Frequencies

pasajeros$Anio.mes

Type: Factor

		Valid		Total
Anio.mes	Freq	%	% Cum.	%	% Cum.
201501	18	8.33	8.33	8.33	8.33
201502	18	8.33	16.67	8.33	16.67
201503	18	8.33	25.00	8.33	25.00
201504	18	8.33	33.33	8.33	33.33
201505	18	8.33	41.67	8.33	41.67
201506	18	8.33	50.00	8.33	50.00
201507	18	8.33	58.33	8.33	58.33
201508	18	8.33	66.67	8.33	66.67
201509	18	8.33	75.00	8.33	75.00
201510	18	8.33	83.33	8.33	83.33
201511	18	8.33	91.67	8.33	91.67
201512	18	8.33	100.00	8.33	100.00
<NA>	0			0.00	100.00
Total	216	100.00	100.00	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

Codigo.IATA

Frequencies

pasajeros$Codigo.IATA

Type: Factor

		Valid		Total
Codigo.IATA	Freq	%	% Cum.	%	% Cum.
CEN	12	5.56	5.56	5.56	5.56
CLQ	12	5.56	11.11	5.56	11.11
CME	12	5.56	16.67	5.56	16.67
CPE	12	5.56	22.22	5.56	22.22
CTM	12	5.56	27.78	5.56	27.78
CVM	12	5.56	33.33	5.56	33.33
GYM	12	5.56	38.89	5.56	38.89
LTO	12	5.56	44.44	5.56	44.44
MAM	12	5.56	50.00	5.56	50.00
NLD	12	5.56	55.56	5.56	55.56
NOG	12	5.56	61.11	5.56	61.11
PAZ	12	5.56	66.67	5.56	66.67
PBC	12	5.56	72.22	5.56	72.22
PXM	12	5.56	77.78	5.56	77.78
TCN	12	5.56	83.33	5.56	83.33
TPQ	12	5.56	88.89	5.56	88.89
TSL	12	5.56	94.44	5.56	94.44
UPN	12	5.56	100.00	5.56	100.00
<NA>	0			0.00	100.00
Total	216	100.00	100.00	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

Descripción

## Error in if (tmp_name %in% colnames(obj)) {: the condition has length > 1

Frequencies

Type: Factor

		Valid		Total
	Freq	%	% Cum.	%	% Cum.
Campeche	12	5.56	5.56	5.56	5.56
Chetumal	12	5.56	11.11	5.56	11.11
Ciudad del Carmen	12	5.56	16.67	5.56	16.67
Ciudad Obregon	12	5.56	22.22	5.56	22.22
Ciudad Victoria	12	5.56	27.78	5.56	27.78
Colima	12	5.56	33.33	5.56	33.33
Guaymas	12	5.56	38.89	5.56	38.89
Loreto	12	5.56	44.44	5.56	44.44
Matamoros	12	5.56	50.00	5.56	50.00
Nogales	12	5.56	55.56	5.56	55.56
Nuevo Laredo	12	5.56	61.11	5.56	61.11
Poza Rica	12	5.56	66.67	5.56	66.67
Puebla	12	5.56	72.22	5.56	72.22
Puerto Escondido	12	5.56	77.78	5.56	77.78
Tamuin	12	5.56	83.33	5.56	83.33
Tehuacan	12	5.56	88.89	5.56	88.89
Tepic	12	5.56	94.44	5.56	94.44
Uruapan	12	5.56	100.00	5.56	100.00
<NA>	0			0.00	100.00
Total	216	100.00	100.00	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

Estado

Frequencies

pasajeros$Estado

Type: Factor

		Valid		Total
Estado	Freq	%	% Cum.	%	% Cum.
Baja California Sur	12	5.56	5.56	5.56	5.56
Campeche	24	11.11	16.67	11.11	16.67
Colima	12	5.56	22.22	5.56	22.22
Michoacan	12	5.56	27.78	5.56	27.78
Nayarit	12	5.56	33.33	5.56	33.33
Oaxaca	12	5.56	38.89	5.56	38.89
Puebla	24	11.11	50.00	11.11	50.00
Quintana Roo	12	5.56	55.56	5.56	55.56
San Luis Potosi	12	5.56	61.11	5.56	61.11
Sonora	36	16.67	77.78	16.67	77.78
Tamaulipas	36	16.67	94.44	16.67	94.44
Veracruz	12	5.56	100.00	5.56	100.00
<NA>	0			0.00	100.00
Total	216	100.00	100.00	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

Agregaciones que visualicen comportamientos interesantes

Evolución mensual de pasajeros nacionales e internacionales

Data Frame Summary

tabla1

Dimensions: 12 x 3
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Anio.mes [factor]	1. 201501 2. 201502 3. 201503 4. 201504 5. 201505 6. 201506 7. 201507 8. 201508 9. 201509 10. 201510 [ 2 others ]	1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 2 ( 16.7% )		12 (100.0%)	0 (0.0%)
2	Total_nacionales [integer]	Mean (sd) : 190951.6 (16537.9) min ≤ med ≤ max: 161468 ≤ 189015 ≤ 225940 IQR (CV) : 12898.2 (0.1)	12 distinct values		12 (100.0%)	0 (0.0%)
3	Total_internacionales [integer]	Mean (sd) : 14728.4 (1146) min ≤ med ≤ max: 12218 ≤ 14983.5 ≤ 16013 IQR (CV) : 1630.8 (0.1)	12 distinct values		12 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

2. Ranking de estados por volumen total de pasajeros

Data Frame Summary

tabla2

Dimensions: 12 x 2
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Estado [factor]	1. Baja California Sur 2. Campeche 3. Colima 4. Michoacan 5. Nayarit 6. Oaxaca 7. Puebla 8. Quintana Roo 9. San Luis Potosi 10. Sonora [ 2 others ]	1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 2 ( 16.7% )		12 (100.0%)	0 (0.0%)
2	Total_pasajeros [integer]	Mean (sd) : 205680 (211424.9) min ≤ med ≤ max: 1598 ≤ 146480 ≤ 804905 IQR (CV) : 152988 (1)	12 distinct values		12 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

3. Ciudades con mayor proporción de pasajeros internacionales

Data Frame Summary

tabla3

Dimensions: 18 x 4
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Descripcion [factor]	1. Campeche 2. Chetumal 3. Ciudad del Carmen 4. Ciudad Obregon 5. Ciudad Victoria 6. Colima 7. Guaymas 8. Loreto 9. Matamoros 10. Nogales [ 8 others ]	1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 8 ( 44.4% )		18 (100.0%)	0 (0.0%)
2	Total_nac [integer]	Mean (sd) : 127301.1 (141523.8) min ≤ med ≤ max: 1598 ≤ 96291 ≤ 591154 IQR (CV) : 154410.2 (1.1)	18 distinct values		18 (100.0%)	0 (0.0%)
3	Total_int [integer]	Mean (sd) : 9818.9 (18181.3) min ≤ med ≤ max: 0 ≤ 1296 ≤ 63056 IQR (CV) : 6185.8 (1.9)	15 distinct values		18 (100.0%)	0 (0.0%)
4	Proporcion_int [numeric]	Mean (sd) : 0.1 (0.2) min ≤ med ≤ max: 0 ≤ 0 ≤ 0.8 IQR (CV) : 0.1 (2.1)	15 distinct values		18 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

4. Tendencia por aeropuerto (Código IATA)

Data Frame Summary

tabla4_total

Dimensions: 18 x 2
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Codigo.IATA [factor]	1. CEN 2. CLQ 3. CME 4. CPE 5. CTM 6. CVM 7. GYM 8. LTO 9. MAM 10. NLD [ 8 others ]	1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 1 ( 5.6% ) 8 ( 44.4% )		18 (100.0%)	0 (0.0%)
2	Total [integer]	Mean (sd) : 137120 (150059.3) min ≤ med ≤ max: 1598 ≤ 103860.5 ≤ 623154 IQR (CV) : 122583.5 (1.1)	18 distinct values		18 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

5. Distribución de pasajeros por tipo y estado

Data Frame Summary

tabla5

Dimensions: 24 x 3
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Estado [factor]	1. Baja California Sur 2. Campeche 3. Colima 4. Michoacan 5. Nayarit 6. Oaxaca 7. Puebla 8. Quintana Roo 9. San Luis Potosi 10. Sonora [ 2 others ]	2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 2 ( 8.3% ) 4 ( 16.7% )		24 (100.0%)	0 (0.0%)
2	Tipo [character]	1. Internacionales 2. Nacionales	12 ( 50.0% ) 12 ( 50.0% )		24 (100.0%)	0 (0.0%)
3	Total [integer]	Mean (sd) : 102840 (167487) min ≤ med ≤ max: 0 ≤ 40173 ≤ 769864 IQR (CV) : 127201 (1.6)	22 distinct values		24 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

Crea gráficos descriptivos que incluyan

Un histograma de pasajeros nacionales

Data Frame Summary

pasajeros

Dimensions: 216 x 1
Duplicates: 4

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Pasajeros.nacionales [integer]	Mean (sd) : 10608.4 (11609.6) min ≤ med ≤ max: 63 ≤ 7947 ≤ 56418 IQR (CV) : 13685.2 (1.1)	212 distinct values		216 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En esta gráfica se puede observar lo siguiente:

• Tenemos un sesgo positivo, es decir, hay una cola larga hacia la derecha, lo que indica que unos pocos registros tienen valores muy altos (hasta 56,000 pasajeros).
• Las últimas barras del histograma representan casos excepcionales, como aeropuertos grandes o eventos puntuales con mucho tráfico.
• La mayoría de los aeropuertos en el dataset tienen tráfico nacional bajo o medio, probablemente regionales o secundarios.
• Solo unos pocos aeropuertos concentran volúmenes altos, lo que puede reflejar hubs como CDMX, Guadalajara o Monterrey.
• Este tipo de distribución es común en datos de transporte, donde la concentración de actividad no es uniforme.

Un histograma de pasajeros internacionales

Data Frame Summary

pasajeros

Dimensions: 216 x 1
Duplicates: 70

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Pasajeros.internacionales [integer]	Mean (sd) : 818.2 (1522.8) min ≤ med ≤ max: 0 ≤ 107 ≤ 7042 IQR (CV) : 577 (1.9)	146 distinct values		216 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En esta gráfica se puede observar lo siguiente:

• Se tiene un sesgo positivo fuerte. La cola larga hacia la derecha indica que unos pocos registros tienen valores muy altos, como los que alcanzan hasta 7,000 pasajeros.
• Las últimas barras representan aeropuertos con tráfico internacional considerable, probablemente ubicados en destinos turísticos o fronterizos.
• Alta concentración de tráfico internacional en pocos puntos, la mayoría de los aeropuertos mexicanos tienen vocación nacional, y solo unos pocos manejan vuelos internacionales relevantes.
• Se tiene una distribución desigual, esto puede reflejar políticas de conectividad, infraestructura limitada o demanda regional.

Un gráfico de barras con el total de pasajeros por estado o aeropuerto

Data Frame Summary

tabla_estado

Dimensions: 12 x 2
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Estado [factor]	1. Baja California Sur 2. Campeche 3. Colima 4. Michoacan 5. Nayarit 6. Oaxaca 7. Puebla 8. Quintana Roo 9. San Luis Potosi 10. Sonora [ 2 others ]	1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 1 ( 8.3% ) 2 ( 16.7% )		12 (100.0%)	0 (0.0%)
2	Total [integer]	Mean (sd) : 205680 (211424.9) min ≤ med ≤ max: 1598 ≤ 146480 ≤ 804905 IQR (CV) : 152988 (1)	12 distinct values		12 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En este gráfica, podemos ver lo siguiente:

• Campeche encabeza el ranking, lo que sugiere que sus aeropuertos (como Ciudad del Carmen y Campeche capital) tienen una actividad aérea destacada.
• Puebla y Sonora también muestran volúmenes altos, posiblemente por su ubicación estratégica o múltiples aeropuertos.
• San Luis Potosí y Baja California Sur aparecen con los menores totales, lo que podría reflejar menor demanda, infraestructura limitada o enfoque en otros medios de transporte.
• Pocos estados concentran gran parte del volumen, lo que puede estar relacionado con turismo, industria o conectividad.
• Estados con bajo volumen podrían beneficiarse de políticas de conectividad o inversión en infraestructura aeroportuaria.

Un boxplot para analizar la dispersión de pasajeros por mes

Data Frame Summary

pasajeros

Dimensions: 216 x 2
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Anio.mes [factor]	1. 201501 2. 201502 3. 201503 4. 201504 5. 201505 6. 201506 7. 201507 8. 201508 9. 201509 10. 201510 [ 2 others ]	18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 18 ( 8.3% ) 36 ( 16.7% )		216 (100.0%)	0 (0.0%)
2	Pasajeros.nacionales [integer]	Mean (sd) : 10608.4 (11609.6) min ≤ med ≤ max: 63 ≤ 7947 ≤ 56418 IQR (CV) : 13685.2 (1.1)	212 distinct values		216 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En esta gráfica, podemos ver:

• Algunos meses como marzo (201503) y julio (201507) muestran cajas más altas y más outliers, lo que sugiere variabilidad estacional o eventos puntuales.
• Otros meses tienen cajas más compactas, lo que indica menor variabilidad entre aeropuertos.
• La presencia de muchos puntos fuera de los bigotes sugiere que unos pocos aeropuertos concentran gran parte del tráfico nacional, mientras que la mayoría opera con volúmenes más modestos.
• No hay distribución uniforme,el tráfico nacional varía mucho entre aeropuertos y entre meses.
• Algunos meses podrían coincidir con vacaciones, ferias o eventos que elevan el tráfico.

Un gráfico que relacione una variable numérica y una categórica

Data Frame Summary

pasajeros

Dimensions: 216 x 2
Duplicates: 53

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Estado [factor]	1. Baja California Sur 2. Campeche 3. Colima 4. Michoacan 5. Nayarit 6. Oaxaca 7. Puebla 8. Quintana Roo 9. San Luis Potosi 10. Sonora [ 2 others ]	12 ( 5.6% ) 24 ( 11.1% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 12 ( 5.6% ) 24 ( 11.1% ) 12 ( 5.6% ) 12 ( 5.6% ) 36 ( 16.7% ) 48 ( 22.2% )		216 (100.0%)	0 (0.0%)
2	Pasajeros.internacionales [integer]	Mean (sd) : 818.2 (1522.8) min ≤ med ≤ max: 0 ≤ 107 ≤ 7042 IQR (CV) : 577 (1.9)	146 distinct values		216 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En esta gráfica podemos observar:

• Quintana Roo encabeza el gráfico con diferencia, lo que refleja su papel como principal destino turístico internacional (Cancún, Cozumel, etc.).
• Baja California Sur también destaca, probablemente por aeropuertos en Los Cabos y La Paz.
• Puebla y Veracruz aparecen con volúmenes moderados, lo que podría reflejar conectividad regional o vuelos fronterizos.
• La mayoría de los estados tienen barras cortas, lo que indica tráfico internacional limitado o nulo.
• El tráfico internacional está altamente concentrado en pocos estados costeros y turísticos.
• Estados con bajo volumen podrían beneficiarse de estrategias de promoción turística o inversión en conectividad aérea.

Un gráfico que relacione dos variables numéricas

## Error in if (grepl("^get\\(", deparse(call[[.p$var]]))) {: the condition has length > 1

Data Frame Summary

Dimensions: 216 x 2
Duplicates: 1

No	Variable	Stats / Values	Freqs (% of Valid)	Graph	Valid	Missing
1	Pasajeros.nacionales [integer]	Mean (sd) : 10608.4 (11609.6) min ≤ med ≤ max: 63 ≤ 7947 ≤ 56418 IQR (CV) : 13685.2 (1.1)	212 distinct values		216 (100.0%)	0 (0.0%)
2	Pasajeros.internacionales [integer]	Mean (sd) : 818.2 (1522.8) min ≤ med ≤ max: 0 ≤ 107 ≤ 7042 IQR (CV) : 577 (1.9)	146 distinct values		216 (100.0%)	0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-04

En este gráfica, podemos ver lo siguiente:

• La mayoría de los puntos están en el rango bajo (menos de 10,000 nacionales y menos de 500 internacionales), lo que indica que muchos aeropuertos tienen tráfico limitado, especialmente internacional.
• Algunos puntos se alejan del grupo, con más de 50,000 pasajeros nacionales y miles de internacionales, lo que sugiere aeropuertos grandes o destinos turísticos clave.
• Aunque no es perfectamente lineal, se observa que a mayor tráfico nacional, suele haber mayor tráfico internacional, lo que podría reflejar conectividad o vocación turística.
• Algunos puntos con alto volumen en ambos ejes podrían corresponder a Cancún, Ciudad de México, Guadalajara o Monterrey, que manejan tanto vuelos nacionales como internacionales.