TIPO DE CULTIVO

#UNIVERSIDAD CENTRAL DEL ECUADOR ### PROYECTO:ESTUDIO ESTADÍSTICO DE LA CONTAMINACIÓN DEL SUELO Y SU IMPACTO EN LA SALUD ### FECHA: 23/11/2025

#Estadistica Descriptiva

#Juan Arteaga

#19/11/2025

library(dplyr)
library(gt)

#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" ...

#Tablas Cualitativas Nominales

#Tipo de Cultivo

Tipo_Cultivo<-datos$Crop_Type

# Tabla de distribución de frecuencia

TDF_Tipo_Cultivo<-data.frame(table(Tipo_Cultivo))

ni <- TDF_Tipo_Cultivo$Freq
hi <- round((ni / sum(ni)) * 100, 2)
Tipo_Cultivo <- TDF_Tipo_Cultivo$Tipo_Cultivo
TDF_Tipo_Cultivo <- data.frame(Tipo_Cultivo, ni, hi)
Summary <- data.frame(Tipo_Cultivo = "TOTAL", ni = sum(ni),hi = 100)

TDF_Tipo_Cultivo_suma<-rbind(TDF_Tipo_Cultivo, Summary)
colnames(TDF_Tipo_Cultivo) <- c("Tipo de cultivo", "ni", "hi(%)")

# TABLA 

TDF_Tipo_Cultivo_suma %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 3*"),
    subtitle = md("**Tabla de distribución de frecuencias de los Tipos de cultivo**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: 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. 3
Tabla de distribución de frecuencias de los Tipos de cultivo
Tipo_Cultivo	ni	hi
Corn	526	17.53
Cotton	485	16.17
Potato	493	16.43
Rice	483	16.10
Soybean	497	16.57
Wheat	516	17.20
TOTAL	3000	100.00
Autor: 3

#Graficas
# Diagrama de barrras local ni

barplot(ni, main = "Gráfica N°11: Distribución de frecuencias 
        de los Tipos de cultivo ",
        xlab = "Tipos de Cultivo",
        ylab = "Cantidad",
        col = "red",
        ylim = c(0,600),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_Tipo_Cultivo$`Tipo de cultivo`)

#Diagrama de barras global ni 

barplot(ni, main = "Gráfica N°12: Distribución de frecuencias 
        de los Tipos de cultivo",
        xlab = "Tipo de Cultivo",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0,3000),
        las=2,
        cex.names = 0.5,
        names.arg = TDF_Tipo_Cultivo$`Tipo de cultivo`)

#Diagrama de barras local hi(%)

barplot(hi, main = "Gráfica N°13: Distribución de frecuencias porcentual
        de los Tipos de cultivo",
        xlab = "Tipo de Cultivo",
        ylab = "Porcentaje",
        col = "green",
        ylim = c(0,20),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_Tipo_Cultivo$`Tipo de cultivo`)

#Diagrama de barras global hi(%)

barplot(hi, main = "Gráfica N°14: Distribución de frecuencias porcentual 
        de los Tipos de cultivo",
        xlab = "Tipo de Cultivo",
        ylab = "Porcentaje",
        col = "blue",
        ylim = c(0,100),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_Tipo_Cultivo$`Tipo de cultivo`)

#Diagrama circular

etiqueta_pie <- paste(TDF_Tipo_Cultivo$hi, "%")
pie(hi,
    main = "Gráfica N°15 Distribución porcentual
    de los Tipos de cultivo",
    radius = 1,
    labels = etiqueta_pie,
    col = rev(heat.colors(length(hi))),
    cex = 0.9,
    cex.main = 1)

legend("topright",
       legend = TDF_Tipo_Cultivo$`Tipo de cultivo`,
       fill = colores <- c(rev(heat.colors(10))),
       cex = 0.9,
       title = "Leyenda")