Provincia-variable.R

# Tema: Estadística Descriptiva
# Autor: Grupo 1
# Fecha: 25/11/2025

setwd("C:/Users/LENOVO/OneDrive/Escritorio/ESTADISTICA")
datos <- read.csv("china_water_pollution_data.csv")

#Extraccion variable cualitativa nominal
Provincia <- datos$Province

#Tabla de distribución de frecuencia
TDF_Provincia <- data.frame(table(Provincia))
ni <- TDF_Provincia$Freq
sum(ni)

## [1] 3000

hi <- round((ni/sum(ni))*100,2)
sum(hi)

## [1] 100

Provincia <- TDF_Provincia$Provincia
TDF_Provincia <- data.frame(Provincia,ni,hi)

Sumatoria <- data.frame(Provincia = "Sumatoria",
                        ni = sum(ni),
                        hi = sum(hi))

TDF_Provincia_suma <- rbind(TDF_Provincia,Sumatoria)
colnames(TDF_Provincia) <- c("Provincia","ni","hi (%)")
colnames(TDF_Provincia_suma) <- c("Provincia","ni","hi (%)")


library(knitr)

## Warning: package 'knitr' was built under R version 4.5.2

library(kableExtra)

## Warning: package 'kableExtra' was built under R version 4.5.2

kable(TDF_Provincia_suma, align = 'c',
      caption = "Tabla de Distribucion de Frecuencias de provincias
    sobre el estudio de la contaminación dela gua en China") %>%
  kable_styling(full_width = FALSE, position = "center",
                bootstrap_options = c("striped", "hover", "condensed"))

Tabla de Distribucion de Frecuencias de provincias sobre el estudio de la contaminación dela gua en China

Provincia	ni	hi (%)
Beijing	299	9.97
Guangdong	301	10.03
Henan	292	9.73
Hubei	292	9.73
Jiangsu	293	9.77
Shandong	300	10.00
Shanghai	312	10.40
Sichuan	311	10.37
Yunnan	296	9.87
Zhejiang	304	10.13
Sumatoria	3000	100.00

# Graficas

# Diagrama de barrras local
par(mar = c(10, 4, 4, 2))
par(mgp = c(6, 1, 0))

barplot(
  ni,
  main = "Gráfica N°1: Distribución de provincias del estudio sobre 
  la contaminación del agua",
  xlab = "Provincia",
  ylab = "Cantidad",
  col = "skyblue",
  ylim = c(0, 300),
  names.arg = TDF_Provincia$Provincia,
  las = 3   
)

barplot(hi,main="Gráfica N°2: Distribución porcentual por provincias sobre la
        contamincion del agua en China",
        xlab = "Región",
        ylab = "Porcentaje",
        col = "green",
        ylim = c(0,15),
        names.arg=TDF_Provincia$Provincia,
        las = 3)

# Diagrama de barrras global
barplot(ni,main="Gráfica N°3:Distribución de provincias del estudio sobre 
  la contaminación del agua ",
        xlab = "Región",
        ylab = "Cantidad",
        col = "pink",
        ylim = c(0,3000),
        names.arg = TDF_Provincia$Provincia,
        las = 3)

barplot(hi,main="Gráfica N°4: Distribución porcentual por provincias sobre la
        contamincion del agua en China",
        xlab = "Región",
        ylab = "Porcentaje",
        col = "skyblue",
        ylim = c(0,100),
        names.arg=TDF_Provincia$Provincia)

# Definir colores para 10 provincias (tonos suaves)
colores <- terrain.colors(10)  # paleta suave de 10 colores

# Diagrama circular con nombres y porcentaje en cada porción
pie(hi,
    main = "Gráfica N°5: Distribución por provincias del porcentaje incluidos 
    en el estudio sobre la contaminación del agua",
    radius = 1,
    labels = paste0(TDF_Provincia$Provincia, " (", TDF_Provincia$`hi (%)`, "%)"),
    col = colores,
    cex = 0.8,       
    cex.main = 1
)

# Leyenda
legend("bottomright",
       legend = TDF_Provincia$Provincia,
       fill = colores,
       cex = 0.8,
       title = "Leyenda")