FECHA: 23/11/2025
#Estadística Descriptiva
#Juan Arteaga
#23/11/2025
datos<-read.csv("soil_pollution_diseases.csv",header = TRUE,dec = ".",sep = ",")
str(datos)
## 'data.frame': 3000 obs. of 24 variables:
## $ Case_ID : chr "CASE_100000" "CASE_100001" "CASE_100002" "CASE_100003" ...
## $ Date_Reported : chr "12/9/2024" "1/1/2024" "24/2/2025" "24/9/2024" ...
## $ Region : chr "Africa" "Africa" "Europe" "Asia" ...
## $ Country : chr "Pakistan" "Germany" "Germany" "USA" ...
## $ Pollutant_Type : chr "Lead" "Lead" "Lead" "Lead" ...
## $ Pollutant_Concentration_mg_kg: int 7804 1633 16733 8923 9393 12347 644 1171 11161 12159 ...
## $ Soil_pH : int 83 796 535 566 764 518 489 814 524 819 ...
## $ Temperature_C : int 356 310 164 314 170 123 339 191 439 131 ...
## $ Humidity_. : int 649 731 338 305 586 912 530 697 781 347 ...
## $ Rainfall_mm : int 624 82 1217 1169 2370 3863 488 1247 3758 181 ...
## $ Crop_Type : chr "Wheat" "Potato" "Soybean" "Wheat" ...
## $ Farming_Practice : chr "Integrated" "Permaculture" "Organic" "Permaculture" ...
## $ Nearby_Industry : chr "Mining" "Mining" "Chemical" "None" ...
## $ Water_Source_Type : chr "Well" "Irrigation Canal" "River" "Irrigation Canal" ...
## $ Soil_Texture : chr "Sandy" "Silty" "Clay" "Silty" ...
## $ Soil_Organic_Matter_. : int 198 971 549 398 94 818 52 544 90 359 ...
## $ Disease_Type : chr "Gastrointestinal Disease" "Cancer" "Gastrointestinal Disease" "Neurological Disorder" ...
## $ Disease_Severity : chr "Moderate" "Mild" "Severe" "Severe" ...
## $ Health_Symptoms : chr "Breathing Difficulty" "Breathing Difficulty" "Nausea" "Fatigue" ...
## $ Age_Group_Affected : chr "Adults" "Elderly" "Children" "Adults" ...
## $ Gender_Most_Affected : chr "Male" "Both" "Both" "Male" ...
## $ Mitigation_Measure : chr "Government Regulation" "Community Awareness" "Soil Remediation" "Community Awareness" ...
## $ Case_Resolved : chr "No" "Yes" "Yes" "Yes" ...
## $ Follow_Up_Required : chr "Yes" "No" "No" "No" ...
#Tablas Cualitativas Nominales
#Industria Cercana
Industria_Cercana <- datos$Nearby_Industry
#Tabla de distribución de frecuencia
TDF_Industria_Cercana <- data.frame(table(Industria_Cercana))
ni <- TDF_Industria_Cercana$Freq
hi <- round((ni / sum(ni)) *100,2)
#Graficas
# Diagrama de barrras local ni
barplot(ni, main = "Gráfica N°26: Distribución de frecuencias de las Industrias Cercanas
al lugar de estudio",
xlab = "Industria cercana",
ylab = "Cantidad",
col = "red",
ylim = c(0,800),
las = 2,
cex.names = 0.6,
names.arg = TDF_Industria_Cercana$Industria_Cercana)
#Diagrama de barras global ni
barplot(ni, main = "Gráfica N°27: Distribución de frecuencias
de las Industrias Cercanas al lugar de estudio",
xlab = "Industria cercana",
ylab = "Cantidad",
col = "skyblue",
ylim = c(0,3000),
las=2,
cex.names = 0.6,
names.arg = TDF_Industria_Cercana$Industria_Cercana)
#Diagrama de barras local hi(%)
barplot(hi, main = "Gráfica N°28: Distribución de frecuencias porcentual de frecuencias
de las Industrias Cercanas al lugar de estudio",
xlab = "Práctica Agricola",
ylab = "Porcentaje",
col = "green",
ylim = c(0,30),
las = 2,
cex.names = 0.6,
names.arg = TDF_Industria_Cercana$Industria_Cercana)
#Diagrama de barras global hi(%)
barplot(hi, main = "Gráfica N°29: Distribución de frecuencias porcentual de frecuencias
de las Industrias Cercanas al lugar de estudio",
xlab = "Práctica Agricola",
ylab = "Porcentaje",
col = "blue",
ylim = c(0,100),
las = 1,
cex.names = 0.6,
names.arg = TDF_Industria_Cercana$Industria_Cercana)
# Diagrama Circular
# Etiquetas con número + símbolo %
etiquetas <- paste0(hi, " %")
colores <- c("yellow", "khaki1", "gold", "orange", "darkorange", "red")
par(mar = c(2, 2, 4, 6))
pie(
hi,
labels = etiquetas,
col = colores,
main = "Gráfica N°30 Distribución porcentual de frecuencias
de las Industrias Cercanas al lugar de estudio",
cex = 1
)
legend(
"topright",
legend = TDF_Industria_Cercana$Industria_Cercana,
fill = colores,
title = "Leyenda",
cex = 0.9,
xpd = TRUE
)
