FECHA: 1/12/2025
#Estadistica Descriptiva
#Juan Arteaga
#1/12/2025
#VARIABLE CUALITATIVA ORDINAL:
#Cargar los Datos
setwd("C:/Users/arian/OneDrive/Escritorio/3 SEMESTRE/ESTADISTICA Y PROBABILIDAD")
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" ...
#Tipo_Contaminante
Tipo_Contaminante<-datos$Pollutant_Type
# Tabla de distribución de frecuencia
TDF_Tipo_Contaminante<-data.frame(table(Tipo_Contaminante))
ni <- TDF_Tipo_Contaminante$Freq
hi <- round((ni / sum(ni)) * 100, 2)
Tipo_Contaminante <- TDF_Tipo_Contaminante$Tipo_Contaminante
TDF_Tipo_Contaminante <- data.frame(Tipo_Contaminante, ni, hi)
Summary <- data.frame(Tipo_Contaminante = "TOTAL", ni = sum(ni),hi = 100)
TDF_Tipo_Contaminante_Suma<-rbind(TDF_Tipo_Contaminante, Summary)
colnames(TDF_Tipo_Contaminante) <- c("Tipo_Contaminante", "ni", "hi(%)")
# Limpiar espacios en blanco
TDF_Tipo_Contaminante_Suma$Tipo_Contaminante <- trimws(TDF_Tipo_Contaminante_Suma$Tipo_Contaminante)
#Ordenar la tabla en el orden deseado
niveles_ordenados <- c("Mercury", "Arsenic", "Lead",
"Cadmium", "Chromium",
"Pesticides", "TOTAL")
TDF_Tipo_Contaminante_Suma$Tipo_Contaminante <- factor(
TDF_Tipo_Contaminante_Suma$Tipo_Contaminante,
levels = niveles_ordenados
)
TDF_Tipo_Contaminante_Suma <- TDF_Tipo_Contaminante_Suma[
order(TDF_Tipo_Contaminante_Suma$Tipo_Contaminante),
]
# TABLA
library(dplyr)
library(gt)
TDF_Tipo_Contaminante_Suma %>%
gt() %>%
tab_header(
title = md("*Tabla Nro. 2*"),
subtitle = md("**Distribución de frecuencias de los Tipos de contaminantes según su peligrosidad**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 3")
) %>%
tab_options(
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),
row.striping.include_table_body = TRUE,
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
)
| Tabla Nro. 2 |
| Distribución de frecuencias de los Tipos de contaminantes según su peligrosidad |
| Tipo_Contaminante |
ni |
hi |
| Mercury |
458 |
15.27 |
| Arsenic |
489 |
16.30 |
| Lead |
529 |
17.63 |
| Cadmium |
516 |
17.20 |
| Chromium |
509 |
16.97 |
| Pesticides |
499 |
16.63 |
| TOTAL |
3000 |
100.00 |
| Autor: Grupo 3 |
#Graficas
# Diagrama de barrras local ni
barplot(ni, main = "Gráfica N°6: Distribución de frecuencias
de los Tipos de contaminantes según su peligrosidad ",
xlab = "Tipos de Contaminante",
ylab = "Cantidad",
col = "red",
ylim = c(0,600),
las = 2,
cex.names = 0.6,
names.arg = TDF_Tipo_Contaminante$Tipo_Contaminante)
#Diagrama de barras global ni
barplot(ni, main = "Gráfica N°7: Distribución de frecuencias
de los Tipos de contaminantes según su peligrosidad",
xlab = "Tipo de Contaminante",
ylab = "Cantidad",
col = "skyblue",
ylim = c(0,3000),
las=2,
cex.names = 0.5,
names.arg = TDF_Tipo_Contaminante$Tipo_Contaminante)
#Diagrama de barras local hi(%)
barplot(hi, main = "Gráfica N°8: Distribución de frecuencias porcentual
de los Tipos de contaminantes según su peligrosidad",
xlab = "Tipo de Contaminante",
ylab = "Porcentaje",
col = "green",
ylim = c(0,40),
las = 2,
cex.names = 0.6,
names.arg = TDF_Tipo_Contaminante$Tipo_Contaminante)
#Diagrama de barras global hi(%)
barplot(hi, main = "Gráfica N°9: Distribución de frecuencias porcentual
de los Tipos de contaminantes según su peligrosidad",
xlab = "Tipo de Contaminante",
ylab = "Porcentaje",
col = "blue",
ylim = c(0,100),
las = 2,
cex.names = 0.6,
names.arg = TDF_Tipo_Contaminante$Tipo_Contaminante)
#Diagrama circular
etiqueta_pie <- paste(TDF_Tipo_Contaminante$hi, "%")
pie(hi,
main = "Gráfica N°10 Distribución porcentual
de los Tipos de contaminantes según su peligrosidad",
radius = 1,
labels = etiqueta_pie,
col = rev(heat.colors(length(hi))),
cex = 0.9,
cex.main = 1)
legend("topright",
legend = TDF_Tipo_Contaminante$Tipo_Contaminante,
fill = colores <- c(rev(heat.colors(10))),
cex = 0.9,
title = "Leyenda")
