##### UNIVERSIDAD CENTRAL DEL ECUADOR #####
#### AUTOR: Liss Murillo ####
### CARRERA: INGENIERÍA EN PETROLEOS #####
###Grupo 4###
# 1. CARGAR DATOS
library(readxl)
datos<- read_excel("r-graficas/Producción Campo Sacha.csv.xlsx")
View(datos)
str(datos)
## tibble [8,344 × 31] (S3: tbl_df/tbl/data.frame)
## $ mes : chr [1:8344] "Ene" "Ene" "Ene" "Ene" ...
## $ día : num [1:8344] 1 1 1 1 1 1 1 1 1 1 ...
## $ Pozo : chr [1:8344] "SACHA-001A" "SACHA-019A" "SACHA-052B" "SACHA-083A" ...
## $ Campo : chr [1:8344] "SACHA" "SACHA" "SACHA" "SACHA" ...
## $ Reservorio : chr [1:8344] "U" "U" "U INFERIOR" "HOLLIN INFERIOR" ...
## $ Bpd : num [1:8344] NA 53 249 139 186 136 NA 456 161 164 ...
## $ Bppd_BH : num [1:8344] 159 NA NA NA NA NA 155 NA NA NA ...
## $ Bfpd_BE : num [1:8344] NA 534 346 1158 1163 ...
## $ Bfpd_BH : num [1:8344] 695 NA NA NA NA NA 441 NA NA NA ...
## $ Bapd_BE : num [1:8344] NA 481 97 1019 977 ...
## $ Bapd_BH : num [1:8344] 536 NA NA NA NA NA 286 NA NA NA ...
## $ Bsw_BE : num [1:8344] NA 90.1 28 88 84 ...
## $ Bsw_BH : num [1:8344] 77.1 NA NA NA NA ...
## $ Api_BE : num [1:8344] NA 26.7 27.8 27.7 24 20.5 NA 28.5 29.9 26.3 ...
## $ Api_BH : num [1:8344] 27.8 NA NA NA NA NA 23.2 NA NA NA ...
## $ Gas_BE : num [1:8344] NA 10.76 50.55 1.11 27.9 ...
## $ Gas_BH : num [1:8344] 32.3 NA NA NA NA ...
## $ Salinidad_BE : num [1:8344] NA 15920 30227 1600 13000 ...
## $ Salinidad_BH : num [1:8344] 10800 NA NA NA NA NA 3800 NA NA NA ...
## $ Rgl_BE : num [1:8344] NA 20.15 146.1 0.96 23.99 ...
## $ Rgl_BH : num [1:8344] 46.5 NA NA NA NA ...
## $ Gor_BE : num [1:8344] NA 203.02 203.01 7.99 150 ...
## $ Gor_BH : num [1:8344] 203 NA NA NA NA ...
## $ Horas_BE : num [1:8344] NA 4 5 4 4 10 NA 4 10 10 ...
## $ Horas_BH : num [1:8344] 4 NA NA NA NA NA 4 NA NA NA ...
## $ Bomba_BE : chr [1:8344] NA "SF-320|SF-320|SF-900|SFGH2500/520/180/9259" "RC 1000|RC 1000|RC 1000/300/120/9250" "P23/68/30/7000" ...
## $ Bomba_BH : chr [1:8344] "JET 12K/0//0" NA NA NA ...
## $ Frecuencia Operaciones: num [1:8344] NA 65 62 46 59 52 NA 58.5 57 54 ...
## $ Voltaje : num [1:8344] NA 479 457 364 440 452 NA 475 455 439 ...
## $ Amperaje : num [1:8344] NA 29 35 14 59 30 NA 23 35 34 ...
## $ Presión Intake : num [1:8344] NA 484 406 0 345 162 NA 546 338 0 ...
# 2. EXTRAER Salinidad_BE
if(!"Salinidad_BE" %in% colnames(datos)) {
col_sal <- grep("sal|salin", colnames(datos), ignore.case = TRUE, value = TRUE)[1]
datos$Salinidad_BE <- datos[[col_sal]]
}
# Extraer variable
Salinidad_BE <- datos$Salinidad_BE
# Convertir a numérico y eliminar NAs
Salinidad_BE <- as.numeric(Salinidad_BE)
ValorNulo <- is.na(Salinidad_BE)
Salinidad_BE <- na.omit(Salinidad_BE)
# 3. CALCULAR INTERVALOS (STURGES)
n <- length(Salinidad_BE)
k <- 1 + (3.3 * log10(n))
k <- floor(k)
min_val <- min(Salinidad_BE)
max_val <- max(Salinidad_BE)
R <- max_val - min_val
A <- R / k
A <- round(A, 2)
min_val <- round(min_val, 2)
max_val <- round(max_val, 2)
# 4. CREAR LÍMITES DE INTERVALOS
Li <- round(seq(from = min_val, to = max_val - A, by = A), 4)
Ls <- round(seq(from = min_val + A, to = max_val, by = A), 4)
MC <- round((Li + Ls) / 2, 2)
# 5. FRECUENCIAS
ni <- numeric(length(Li))
for (i in 1:length(Li)) {
if (i < length(Li)) {
ni[i] <- sum(Salinidad_BE >= Li[i] & Salinidad_BE < Ls[i])
} else {
ni[i] <- sum(Salinidad_BE >= Li[i] & Salinidad_BE <= max_val)
}
}
# 6. CALCULAR TODAS LAS FRECUENCIAS
hi <- ni / sum(ni) * 100
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- cumsum(hi)
Hidsc <- rev(cumsum(rev(hi)))
TDF_Salinidad_BE_es <- data.frame(
Li = Li,
Ls = Ls,
MC = MC,
"ni (FA)" = ni,
"hi (FR)" = round(hi, 4),
"Ni (FAAa)" = Niasc,
"Hi (FRAa)" = round(Hiasc, 4),
"Ni (FAAd)" = Nidsc,
"Hi (FRAd)" = round(Hidsc, 4)
)
# 7. MOSTRAR TABLA DE DISTRIBUCIÓN
cat("\n" , rep("=", 80), "\n", sep = "")
##
## ================================================================================
cat("TABLA 1: DISTRIBUCIÓN DE FRECUENCIAS - Salinidad_BE\n")
## TABLA 1: DISTRIBUCIÓN DE FRECUENCIAS - Salinidad_BE
cat(rep("=", 80), "\n\n", sep = "")
## ================================================================================
print(TDF_Salinidad_BE_es)
## Li Ls MC ni..FA. hi..FR. Ni..FAAa. Hi..FRAa. Ni..FAAd.
## 1 0.00 6153.85 3076.93 1515 19.6626 1515 19.6626 7705
## 2 6153.85 12307.70 9230.78 1360 17.6509 2875 37.3134 6190
## 3 12307.70 18461.55 15384.62 1278 16.5866 4153 53.9001 4830
## 4 18461.55 24615.40 21538.47 487 6.3206 4640 60.2206 3552
## 5 24615.40 30769.25 27692.32 700 9.0850 5340 69.3056 3065
## 6 30769.25 36923.10 33846.18 392 5.0876 5732 74.3933 2365
## 7 36923.10 43076.95 40000.02 705 9.1499 6437 83.5432 1973
## 8 43076.95 49230.80 46153.88 471 6.1129 6908 89.6561 1268
## 9 49230.80 55384.65 52307.73 348 4.5165 7256 94.1726 797
## 10 55384.65 61538.50 58461.57 161 2.0896 7417 96.2622 449
## 11 61538.50 67692.35 64615.43 132 1.7132 7549 97.9753 288
## 12 67692.35 73846.20 70769.27 156 2.0247 7705 100.0000 156
## Hi..FRAd.
## 1 100.0000
## 2 80.3374
## 3 62.6866
## 4 46.0999
## 5 39.7794
## 6 30.6944
## 7 25.6067
## 8 16.4568
## 9 10.3439
## 10 5.8274
## 11 3.7378
## 12 2.0247
# GRÁFICAS LOCAL vs GLOBAL
cat("\n" , rep("=", 60), "\n", sep = "")
##
## ============================================================
cat("GRÁFICAS: LOCAL vs GLOBAL\n")
## GRÁFICAS: LOCAL vs GLOBAL
cat(rep("=", 60), "\n")
## = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
# 1. PREPARAR
if("Pozo" %in% colnames(datos)) {
pozos <- unique(datos$Pozo)
local_pozos <- pozos[1:min(9, length(pozos))]
Sal_local <- na.omit(as.numeric(datos$Salinidad_BE[datos$Pozo %in% local_pozos]))
Sal_global <- Salinidad_BE
cat("LOCAL:", length(local_pozos), "pozos,", length(Sal_local), "datos\n")
cat("GLOBAL:", length(Sal_global), "datos\n\n")
# 2. CREAR 2 GRÁFICAS
par(mfrow = c(1, 2))
# Gráfica LOCAL
hist(Sal_local, breaks = 10, col = rgb(0.2,0.4,0.8,0.6), border = "white",
main = paste("LOCAL\n", length(local_pozos), " pozos", sep = ""),
xlab = "Salinidad", ylab = "Frecuencia", las = 1)
# Gráfica GLOBAL
hist(Sal_global, breaks = k, col = rgb(0.8,0.4,0.2,0.6), border = "white",
main = "GLOBAL\nTodos los pozos",
xlab = "Salinidad", ylab = "Frecuencia", las = 1)
par(mfrow = c(1, 1))
} else {
cat("SOLO GLOBAL (no hay columna Pozo)\n\n")
hist(Salinidad_BE, breaks = k, col = "lightblue", border = "white",
main = "Salinidad_BE (GLOBAL)", xlab = "Salinidad", ylab = "Frecuencia", las = 1)
}
## LOCAL: 9 pozos, 300 datos
## GLOBAL: 7705 datos
# GRÁFICA OJIVA ASCENDENTE
cat("\n" , rep("=", 60), "\n", sep = "")
##
## ============================================================
cat("OJIVA ASCENDENTE - Salinidad_BE\n")
## OJIVA ASCENDENTE - Salinidad_BE
cat(rep("=", 60), "\n\n", sep = "")
## ============================================================
# Crear puntos para la ojiva
puntos_x <- c(Ls)
puntos_y <- cumsum(ni)
# 1. Configurar márgenes para espacio a la derecha
par(mar = c(5, 4, 4, 8))
# 2. Crear ojiva
plot(puntos_x, puntos_y,
type = "b",
pch = 16,
col = "#A0F0ED",
lwd = 2,
main = "OJIVA ASCENDENTE\nSalinidad_BE",
xlab = "Límite Superior del Intervalo",
ylab = "Frecuencia Acumulada",
las = 1,
xlim = c(min_val, max_val),
ylim = c(0, n * 1.05))
# 3. Grid
grid(col = "gray80", lty = "dotted")
# 4. Eje derecho con porcentajes
porcentajes <- c(0, 25, 50, 75, 100)
axis(4,
at = porcentajes/100 * n,
labels = paste0(porcentajes, "%"),
las = 1,
col.axis = "darkred")
mtext("Porcentaje Acumulado", side = 4, line = 3, col = "darkred")
# 5. Puntos importantes (50% y 75%)
# 50%
indice_50 <- which.max(Hiasc >= 50)
if(length(indice_50) > 0) {
x50 <- puntos_x[indice_50 + 1]
y50 <- puntos_y[indice_50 + 1]
points(x50, y50, col = "red", pch = 17, cex = 1.3)
segments(x50, 0, x50, y50, col = "red", lty = 2)
segments(min_val, y50, x50, y50, col = "red", lty = 2)
}
# 75%
indice_75 <- which.max(Hiasc >= 75)
if(length(indice_75) > 0) {
x75 <- puntos_x[indice_75 + 1]
y75 <- puntos_y[indice_75 + 1]
points(x75, y75, col = "darkgreen", pch = 15, cex = 1.3)
segments(x75, 0, x75, y75, col = "darkgreen", lty = 2)
segments(min_val, y75, x75, y75, col = "darkgreen", lty = 2)
}
# DIAGRAMA DE CAJA
cat("\n" , rep("=", 60), "\n", sep = "")
##
## ============================================================
cat("4.2 Diagrama de caja\n")
## 4.2 Diagrama de caja
cat(rep("=", 60), "\n\n", sep = "")
## ============================================================
# Exactamente como el ejemplo
boxplot(Salinidad_BE,
horizontal = TRUE,
col = "#5AD9D2",
main = "Distribución de Salinidad (Salinidad_BE)",
xlab = "Salinidad")
cat("ESTADÍSTICAS:\n")
## ESTADÍSTICAS:
s <- boxplot.stats(Salinidad_BE)$stats
cat("• Mín:", round(s[1], 2), "\n")
## • Mín: 0
cat("• Q1: ", round(s[2], 2), "\n")
## • Q1: 8600
cat("• Med:", round(s[3], 2), "\n")
## • Med: 17000
cat("• Q3: ", round(s[4], 2), "\n")
## • Q3: 37500
cat("• Máx:", round(s[5], 2), "\n")
## • Máx: 80000
# 5. INDICADORES ESTADÍSTICOS
cat("\n" , rep("=", 70), "\n", sep = "")
##
## ======================================================================
cat("5. INDICADORES ESTADÍSTICOS - Salinidad_BE\n")
## 5. INDICADORES ESTADÍSTICOS - Salinidad_BE
cat(rep("=", 70), "\n\n", sep = "")
## ======================================================================
if(!require(e1071)) {
install.packages("e1071")
library(e1071)
}
## Cargando paquete requerido: e1071
# 5.1 MEDIDAS DE POSICIÓN
# Media aritmética
x <- mean(Salinidad_BE)
cat("Media aritmética (x̄):", round(x, 4), " (Salinidad)\n")
## Media aritmética (x̄): 22946.26 (Salinidad)
# Mediana (de los datos originales)
Me <- median(Salinidad_BE)
cat("Mediana (Me): ", round(Me, 4), " (Salinidad)\n")
## Mediana (Me): 17000 (Salinidad)
# Mediana de las marcas de clase (opcional)
Me_MC <- median(MC)
cat("Mediana de MC: ", round(Me_MC, 4), " (Salinidad)\n")
## Mediana de MC: 36923.1 (Salinidad)
# Mínimo y máximo
ri <- min(Salinidad_BE)
rs <- max(Salinidad_BE)
cat("Mínimo (ri): ", round(ri, 4), " (Salinidad)\n")
## Mínimo (ri): 0 (Salinidad)
cat("Máximo (rs): ", round(rs, 4), " (Salinidad)\n")
## Máximo (rs): 80000 (Salinidad)
# Moda (aproximada)
calcular_moda <- function(x) {
freq <- table(round(x, 1)) # Redondear a 1 decimal
moda_val <- as.numeric(names(freq)[which.max(freq)])
return(moda_val)
}
Mo <- calcular_moda(Salinidad_BE)
cat("Moda aproximada (Mo): ", round(Mo, 4), " (Salinidad)\n")
## Moda aproximada (Mo): 30227 (Salinidad)
# Cuartiles
Q1 <- quantile(Salinidad_BE, 0.25)
Q2 <- quantile(Salinidad_BE, 0.50) # Igual que mediana
Q3 <- quantile(Salinidad_BE, 0.75)
cat("\nCuartiles:\n")
##
## Cuartiles:
cat(" Q1 (25%): ", round(Q1, 4), " (Salinidad)\n")
## Q1 (25%): 8600 (Salinidad)
cat(" Q2 (50% - Mediana): ", round(Q2, 4), " (Salinidad)\n")
## Q2 (50% - Mediana): 17000 (Salinidad)
cat(" Q3 (75%): ", round(Q3, 4), " (Salinidad)\n")
## Q3 (75%): 37500 (Salinidad)
# Percentiles
percentiles <- quantile(Salinidad_BE, probs = c(0.10, 0.25, 0.50, 0.75, 0.90, 0.95, 0.99))
cat("\nPercentiles seleccionados:\n")
##
## Percentiles seleccionados:
for(i in 1:length(percentiles)) {
cat(" P", names(percentiles)[i], ": ",
round(percentiles[i], 4), " (Salinidad)\n", sep = "")
}
## P10%: 1600 (Salinidad)
## P25%: 8600 (Salinidad)
## P50%: 17000 (Salinidad)
## P75%: 37500 (Salinidad)
## P90%: 50000 (Salinidad)
## P95%: 58000 (Salinidad)
## P99%: 71500 (Salinidad)
# 5.2 MEDIDAS DE DISPERSIÓN
cat("\n\n5.2 MEDIDAS DE DISPERSIÓN:\n")
##
##
## 5.2 MEDIDAS DE DISPERSIÓN:
cat("---------------------------\n")
## ---------------------------
# Rango
R <- rs - ri
cat("Rango (R): ", round(R, 4), " (Salinidad)\n")
## Rango (R): 80000 (Salinidad)
# Rango intercuartílico
RIQ <- Q3 - Q1
cat("Rango intercuartílico:", round(RIQ, 4), " (Salinidad)\n")
## Rango intercuartílico: 28900 (Salinidad)
# Varianza
varianza <- var(Salinidad_BE)
cat("Varianza (s²): ", round(varianza, 4), "\n")
## Varianza (s²): 337424381
# Desviación estándar
s <- sd(Salinidad_BE)
cat("Desviación estándar (s):", round(s, 4), " (Salinidad)\n")
## Desviación estándar (s): 18369.11 (Salinidad)
# Coeficiente de variación
CV <- (s / x) * 100
cat("Coeficiente de variación (CV):", round(CV, 2), "%\n")
## Coeficiente de variación (CV): 80.05 %
# Error estándar de la media
EE <- s / sqrt(n)
cat("Error estándar de la media: ", round(EE, 4), " (Salinidad)\n")
## Error estándar de la media: 209.2676 (Salinidad)
# 5.3 MEDIDAS DE FORMA
cat("\n\n5.3 MEDIDAS DE FORMA:\n")
##
##
## 5.3 MEDIDAS DE FORMA:
cat("---------------------\n")
## ---------------------
# Coeficiente de asimetría (skewness)
As <- skewness(Salinidad_BE)
cat("Coeficiente de asimetría (As):", round(As, 4), "\n")
## Coeficiente de asimetría (As): 0.781
# Interpretación de asimetría
if(abs(As) < 0.5) {
cat(" Interpretación: Distribución aproximadamente simétrica\n")
} else if(As > 0) {
cat(" Interpretación: Asimetría positiva (cola a la derecha)\n")
} else {
cat(" Interpretación: Asimetría negativa (cola a la izquierda)\n")
}
## Interpretación: Asimetría positiva (cola a la derecha)
# Coeficiente de curtosis (kurtosis)
k <- kurtosis(Salinidad_BE)
cat("\nCoeficiente de curtosis (k): ", round(k, 4), "\n")
##
## Coeficiente de curtosis (k): -0.2608
# Curtosis exceso
k_exceso <- k - 3
cat("Curtosis exceso (k-3): ", round(k_exceso, 4), "\n")
## Curtosis exceso (k-3): -3.2608
# Interpretación de curtosis
if(abs(k_exceso) < 0.5) {
cat(" Interpretación: Mesocúrtica (similar a normal)\n")
} else if(k_exceso > 0) {
cat(" Interpretación: Leptocúrtica (más picuda que normal)\n")
} else {
cat(" Interpretación: Platicúrtica (más aplanada que normal)\n")
}
## Interpretación: Platicúrtica (más aplanada que normal)
# 5.4 RESUMEN EN TABLA
cat("\n\n" , rep("-", 70), "\n", sep = "")
##
##
## ----------------------------------------------------------------------
cat("RESUMEN DE INDICADORES ESTADÍSTICOS\n")
## RESUMEN DE INDICADORES ESTADÍSTICOS
cat(rep("-", 70), "\n\n", sep = "")
## ----------------------------------------------------------------------
# Crear tabla resumen
resumen_estadisticas <- data.frame(
"Categoría" = c(
rep("POSICIÓN", 8),
rep("DISPERSIÓN", 6),
rep("FORMA", 3)
),
"Indicador" = c(
"n (tamaño muestra)",
"Media aritmética",
"Mediana",
"Moda aproximada",
"Mínimo",
"Máximo",
"Q1 (25%)",
"Q3 (75%)",
"Rango",
"Rango intercuartílico",
"Varianza",
"Desviación estándar",
"Coeficiente variación",
"Error estándar",
"Asimetría",
"Curtosis",
"Curtosis exceso"
),
"Valor" = c(
n,
round(x, 4),
round(Me, 4),
round(Mo, 4),
round(ri, 4),
round(rs, 4),
round(Q1, 4),
round(Q3, 4),
round(R, 4),
round(RIQ, 4),
round(varianza, 4),
round(s, 4),
paste0(round(CV, 2), "%"),
round(EE, 4),
round(As, 4),
round(k, 4),
round(k_exceso, 4)
),
"Unidad" = c(
"observaciones",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"Salinidad",
"(Salinidad)²",
"Salinidad",
"%",
"Salinidad",
"adimensional",
"adimensional",
"adimensional"
)
)
print(resumen_estadisticas)
## Categoría Indicador Valor Unidad
## 1 POSICIÓN n (tamaño muestra) 7705 observaciones
## 2 POSICIÓN Media aritmética 22946.2616 Salinidad
## 3 POSICIÓN Mediana 17000 Salinidad
## 4 POSICIÓN Moda aproximada 30227 Salinidad
## 5 POSICIÓN Mínimo 0 Salinidad
## 6 POSICIÓN Máximo 80000 Salinidad
## 7 POSICIÓN Q1 (25%) 8600 Salinidad
## 8 POSICIÓN Q3 (75%) 37500 Salinidad
## 9 DISPERSIÓN Rango 80000 Salinidad
## 10 DISPERSIÓN Rango intercuartílico 28900 Salinidad
## 11 DISPERSIÓN Varianza 337424380.5333 (Salinidad)²
## 12 DISPERSIÓN Desviación estándar 18369.1149 Salinidad
## 13 DISPERSIÓN Coeficiente variación 80.05% %
## 14 DISPERSIÓN Error estándar 209.2676 Salinidad
## 15 FORMA Asimetría 0.781 adimensional
## 16 FORMA Curtosis -0.2608 adimensional
## 17 FORMA Curtosis exceso -3.2608 adimensional
# 6. TABLA RESUMEN FINAL
cat("\n" , rep("=", 70), "\n", sep = "")
##
## ======================================================================
cat("6. TABLA RESUMEN\n")
## 6. TABLA RESUMEN
cat(rep("=", 70), "\n\n", sep = "")
## ======================================================================
cat("La tabla anterior (Resumen de Indicadores Estadísticos) es la tabla resumen.\n")
## La tabla anterior (Resumen de Indicadores Estadísticos) es la tabla resumen.
cat("Contiene todas las medidas calculadas organizadas por categoría.\n")
## Contiene todas las medidas calculadas organizadas por categoría.
# 7. CONCLUSIÓN
cat("\n" , rep("=", 70), "\n", sep = "")
##
## ======================================================================
cat("7. CONCLUSIÓN\n")
## 7. CONCLUSIÓN
cat(rep("=", 70), "\n\n", sep = "")
## ======================================================================
cat("ANÁLISIS DE LA SALINIDAD EN EL CAMPO SACHA:\n\n")
## ANÁLISIS DE LA SALINIDAD EN EL CAMPO SACHA:
cat("1. El análisis de", n, "observaciones de salinidad muestra:\n")
## 1. El análisis de 7705 observaciones de salinidad muestra:
cat(" • Promedio:", round(x, 1), " (Salinidad ")
## • Promedio: 22946.3 (Salinidad
if(x < 10) {
cat("baja")
} else if(x < 22) {
cat("media")
} else if(x < 31) {
cat("alta")
} else {
cat("muy alta")
}
## muy alta
cat(")\n")
## )
cat(" • Variabilidad:", round(CV, 1), "% (")
## • Variabilidad: 80.1 % (
if(CV > 30) {
cat("alta")
} else if(CV > 15) {
cat("moderada")
} else {
cat("baja")
}
## alta
cat(")\n")
## )
cat(" • Distribución: ")
## • Distribución:
if(abs(As) < 0.5) {
cat("aproximadamente simétrica")
} else if(As > 0) {
cat("sesgo positivo")
} else {
cat("sesgo negativo")
}
## sesgo positivo
cat("\n\n")
cat("2. El análisis estadístico completo proporciona una caracterización\n")
## 2. El análisis estadístico completo proporciona una caracterización
cat(" detallada del comportamiento de la salinidad en el campo Sacha.\n")
## detallada del comportamiento de la salinidad en el campo Sacha.
cat("\n✓ Análisis estadístico completado exitosamente\n")
##
## ✓ Análisis estadístico completado exitosamente