XYLENO

Univercidad Central del Ecuador

FIGEMPA-Ingeenieía Ambiental

# Cargar datos
datos <- read.csv(
  "city_day.csv",
  header = TRUE,
  sep = ",",
  dec = "."
)

# Crear vector ozono sin guiones
xyleno <- datos$Xylene[datos$Xylene != "-"]
xyleno <- as.numeric(xyleno)

#Estadística descriptiva
#5/12/2025
#Lorien Arcentales
#Carga de paquetes
library(gt)
library(dplyr)
datos<-read.csv("city_day.csv", header = TRUE, dec = ".",
                sep = ",")
#Extraccion de los "-" de la variable ozono porque son valores inexistentes, 
# para un mejor analisis, cambia tamaño muestral de 29531 a 11422
xyleno<-datos$Xylene[datos$Xylene != "-"]
length(xyleno)

## [1] 11422

xyleno <- as.numeric(xyleno)
min<-min(xyleno)
max<-max(xyleno)
R=max-min
k=1+(3.3)*log(length(xyleno))
k<-floor(k)
A<-R/k
#Generación de intervalos
Li <- seq(from = min, to = max - A, by = A)
Ls <- c (seq(from = min + A, to = max - A, by = A), max)  # último límite = max
MC<-(Li+Ls)/2
#Creación de ni
xyleno <- round(xyleno, 3)  # redondear los datos de ozono
Li <- round(Li, 3)        # redondear límites inferiores
Ls <- round(Ls, 3)  
ni <- numeric(length(Li))
for (i in 1:length(Li)) {
  if (i < length(Li)) {
    ni[i] <- sum(xyleno >= Li[i] & xyleno < Ls[i])
  } else {
    ni[i] <- sum(xyleno >= Li[i] & xyleno <= Ls[i])  # Último intervalo cerrado
  }
}
N <- sum(ni)
hi <- (ni / N) * 100
Ni_asc <- cumsum(ni)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_asc <- cumsum(hi)
Hi_desc <- rev(cumsum(rev(hi)))
Intervalo <- paste0("[", round(Li,2), " - ", round(Ls,2), ")")
Intervalo[length(Intervalo)] <- paste0("[", round(Li[length(Li)],2), " - ", 
                                       round(Ls[length(Ls)],2), "]")
TDF_xyleno <- data.frame(
  Intervalo = Intervalo,
  MC = round(MC, 2),
  ni = ni,
  hi = round(hi, 2),
  Ni_ascendente = Ni_asc,
  Ni_descendente = Ni_desc,
  Hi_ascendente = round(Hi_asc, 2),
  Hi_descendente = round(Hi_desc, 2)
)
# Crear fila de totales
totales <- data.frame(
  Intervalo = "Totales",
  MC = "-",
  ni = sum(ni),
  hi = sum(hi),
  Ni_ascendente = "-",
  Ni_descendente = "-",
  Hi_ascendente = "-",
  Hi_descendente = "-"
)
# Agregar al final del data.frame
TDF_xyleno <- rbind(TDF_xyleno, totales)
library(gt)
library(dplyr)
TDF_xyleno %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 1*"),
    subtitle = md("**Distribucion de frecuencia de concentración de xyleno,estudio calidad del aire en India entre 2015-2020 **")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2\n Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  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. 1
**Distribucion de frecuencia de concentración de xyleno,estudio calidad del aire en India entre 2015-2020 **
Intervalo	MC	ni	hi	Ni_ascendente	Ni_descendente	Hi_ascendente	Hi_descendente
[0 - 5.5)	2.75	9523	83.37	9523	11422	83.37	100
[5.5 - 10.99)	8.24	1178	10.31	10701	1899	93.69	16.63
[10.99 - 16.49)	13.74	367	3.21	11068	721	96.9	6.31
[16.49 - 21.98)	19.24	167	1.46	11235	354	98.36	3.1
[21.98 - 27.48)	24.73	84	0.74	11319	187	99.1	1.64
[27.48 - 32.98)	30.23	37	0.32	11356	103	99.42	0.9
[32.98 - 38.47)	35.72	11	0.10	11367	66	99.52	0.58
[38.47 - 43.97)	41.22	18	0.16	11385	55	99.68	0.48
[43.97 - 49.46)	46.71	9	0.08	11394	37	99.75	0.32
[49.46 - 54.96)	52.21	9	0.08	11403	28	99.83	0.25
[54.96 - 60.45)	57.71	5	0.04	11408	19	99.88	0.17
[60.45 - 65.95)	63.2	3	0.03	11411	14	99.9	0.12
[65.95 - 71.44)	68.7	0	0.00	11411	11	99.9	0.1
[71.44 - 76.94)	74.19	1	0.01	11412	11	99.91	0.1
[76.94 - 82.44)	79.69	1	0.01	11413	10	99.92	0.09
[82.44 - 87.93)	85.18	1	0.01	11414	9	99.93	0.08
[87.93 - 93.43)	90.68	1	0.01	11415	8	99.94	0.07
[93.43 - 98.92)	96.18	1	0.01	11416	7	99.95	0.06
[98.92 - 104.42)	101.67	0	0.00	11416	6	99.95	0.05
[104.42 - 109.92)	107.17	2	0.02	11418	6	99.96	0.05
[109.92 - 115.41)	112.66	0	0.00	11418	4	99.96	0.04
[115.41 - 120.91)	118.16	1	0.01	11419	4	99.97	0.04
[120.91 - 126.4)	123.66	1	0.01	11420	3	99.98	0.03
[126.4 - 131.9)	129.15	0	0.00	11420	2	99.98	0.02
[131.9 - 137.4)	134.65	0	0.00	11420	2	99.98	0.02
[137.4 - 142.89)	140.14	1	0.01	11421	2	99.99	0.02
[142.89 - 148.39)	145.64	0	0.00	11421	1	99.99	0.01
[148.39 - 153.88)	151.13	0	0.00	11421	1	99.99	0.01
[153.88 - 159.38)	156.63	0	0.00	11421	1	99.99	0.01
[159.38 - 164.87)	162.13	0	0.00	11421	1	99.99	0.01
[164.87 - 170.37]	167.62	1	0.01	11422	1	100	0.01
Totales	-	11422	100.00	-	-	-	-
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#PROCESO DE SIMPLIFICACIÓN
#Hist(xyleno)
#Elemnetos simplificados 
breaks <- Histograma_xyleno$breaks

Lis <- breaks[1:(length(breaks)-1)]
Lss <- breaks[2:length(breaks)]
MCs<-(Lis+Lss)/2
nis<-Histograma_xyleno$counts
N<-length(xyleno)
his <- (nis / N) * 100
Nis_asc <- cumsum(nis) 
His_asc <- cumsum(his) 
Nis_desc <- rev(cumsum(rev(nis)))
His_desc <- rev(cumsum(rev(his)))
Intervalos <- paste0("[", round(Lis,2), " - ", round(Lss,2), ")")
Intervalos[length(Intervalos)] <- paste0("[", round(Lis[length(Lis)],2), 
                                        " - ", round(Lss[length(Lss)],2), "]")
TDF_xylenosimplificado <- data.frame(
  Intervalo = Intervalos,
  MC = round(MCs, 2),
  ni = nis,
  hi= round(his, 2),
  Ni_ascendente = Nis_asc,
  Hi_ascendente = round(His_asc, 2),
  Ni_descendente = Nis_desc,
  Hi_descendente = round(His_desc, 2)
)
colnames(TDF_xylenosimplificado) <- c(
  "Intervalo",
  "MC",
  "ni",
  "hi(%)",
  "Ni_asc",
  "Hi_asc (%)",
  "Ni_desc",
  "Hi_desc (%)"
)
totaless <- data.frame(
  Intervalo = "Totales",
  MC = "-",
  ni = sum(nis),           # suma total de ni
  hi = sum(his),            # suma total de hi (%)
  Ni_ascendente = "-",
  Ni_descendente = "-",
  Hi_ascendente = "-",
  Hi_descendente = "-"
)
colnames(totaless) <- c(
  "Intervalo",
  "MC",
  "ni",
  "hi(%)",
  "Ni_asc",
  "Hi_asc (%)",
  "Ni_desc",
  "Hi_desc (%)"
)
# Agregar al final de la tabla
TDF_xylenosimplificado <- rbind(TDF_xylenosimplificado, totaless)
#Tabla 2 
TDF_xylenosimplificado %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 2*"),
    subtitle = md("**Distribucion de frecuencia simplificado de concentración de Xyleno,estudio calidad del aire en India entre 2015-2020 **")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2\n Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  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
**Distribucion de frecuencia simplificado de concentración de Xyleno,estudio calidad del aire en India entre 2015-2020 **
Intervalo	MC	ni	hi(%)	Ni_asc	Hi_asc (%)	Ni_desc	Hi_desc (%)
[0 - 10)	5	10588	92.70	10588	92.7	11422	100
[10 - 20)	15	610	5.34	11198	98.04	834	7.3
[20 - 30)	25	143	1.25	11341	99.29	224	1.96
[30 - 40)	35	34	0.30	11375	99.59	81	0.71
[40 - 50)	45	21	0.18	11396	99.77	47	0.41
[50 - 60)	55	11	0.10	11407	99.87	26	0.23
[60 - 70)	65	4	0.04	11411	99.9	15	0.13
[70 - 80)	75	1	0.01	11412	99.91	11	0.1
[80 - 90)	85	3	0.03	11415	99.94	10	0.09
[90 - 100)	95	1	0.01	11416	99.95	7	0.06
[100 - 110)	105	2	0.02	11418	99.96	6	0.05
[110 - 120)	115	1	0.01	11419	99.97	4	0.04
[120 - 130)	125	1	0.01	11420	99.98	3	0.03
[130 - 140)	135	1	0.01	11421	99.99	2	0.02
[140 - 150)	145	0	0.00	11421	99.99	1	0.01
[150 - 160)	155	0	0.00	11421	99.99	1	0.01
[160 - 170)	165	0	0.00	11421	99.99	1	0.01
[170 - 180]	175	1	0.01	11422	100	1	0.01
Totales	-	11422	100.00	-	-	-	-
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#GRAFICAS

#Histogramas local
hist(xyleno, breaks = 19,
     main = "Gráfica N°1: Distribución de la Concentración de Xyleno
     presente en el estudio sobre calidad del aire en India entre 2015-2020 ",
     xlab = " Xyleno (µg/m3)",
     ylab = "Cantidad",
     ylim = c(0, max(nis)),
     col = "orange",
     cex.main = 0.9,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_xyleno$breaks,
     labels = Histograma_xyleno$breaks, las = 1,
     cex.axis = 0.9)

#Histograma global
hist(xyleno, breaks = 19,
     main = "Gráfica N°2:Distribución de la Concentración de Xyleno
     presente en el estudio sobre calidad del aire en India entre 2015-2020",
     xlab = "Xyleno (µg/m3)",
     ylab = "Cantidad",
     col = "orange",
     cex.main = 1,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_xyleno$breaks,
     labels = Histograma_xyleno$breaks, las = 1,
     cex.axis = 0.9)

#Histograma porcentual global
TDF_xylenosimplificado$`hi (%)` <- as.numeric(TDF_xylenosimplificado$`hi(%)`)

post<-barplot(TDF_xylenosimplificado$`hi(%)`[1:(nrow(TDF_xylenosimplificado)-1)],
        space = 0,
        col = "orange",
        main = "Gráfica N°3:Distribución de la Concentración de xyleno, estudio
        calidad del aire en India, 2015-2020",
        xlab = "Xyleno (µg/m3)",
        ylab = "Porcentaje (%)",
        names.arg = TDF_xylenosimplificado$MC[1:(nrow(TDF_xylenosimplificado)-1)],
        ylim = c(0,100), xaxt = "n"
        )
axis(side = 1,
     at = post,
     labels = TDF_xylenosimplificado$MC[1:(nrow(TDF_xylenosimplificado)-1)],
     tck = -0.02)

#Histograma porcentual local
n <- as.numeric(nrow(TDF_xylenosimplificado))
pos<-barplot(
  TDF_xylenosimplificado$`hi(%)`[1:(n-1)],
  space = 0,
  main = "Gráfica No. 4:Distribución concentración de Xyleno en el estudio 
  calidad del aire en India, 2015-2020",
  ylab = "Porcentaje (%)",
  xlab = "Xyleno (µg/m3)",
  names.arg = TDF_xylenosimplificado$MC[1:(n-1)],
  col = "orange"
)
axis(side = 1,
     at = pos,
     labels = TDF_xylenosimplificado$MC[1:(nrow(TDF_xylenosimplificado)-1)],
     tck = -0.04,   # controla la longitud de la rayita
     las = 1)       # rota las etiquetas si quieres verticales

#Box plot
Cajaxyleno<-boxplot(xyleno, horizontal = T,col = "pink", border = "black",
                   main= "Gráfica No. 5: Distribución de la concentración de xyleno,
                   estudio calidad del aire en India desde 2015-2020",
                   xlab="Xyleno (µg/m3)")

#Ojivas locales

# Usar un único eje X para ambas ojivas
x <- Lss

plot(
  x, Nis_asc,
  type = "b",
  col = "red",
  pch = 19,
  main = "Gráfica N°6:Distribución de concentración de Xyleno en el 
  estudio calidad del aire en India 2015-2020",
  xlab = "Xyleno (µg/m3)",
  ylab = "Cantidad",
  ylim = c(0, max(c(Nis_asc, Nis_desc)))   # 👈 Eje Y iniciando en 0
)

# Ojiva descendente
lines(
  x, Nis_desc,
  type = "b",
  col = "blue",
  pch = 19
)

#Ojiva porcentual 

# Usar un único eje X para ambas ojivas
x <- Lss   

# Ojiva ascendente porcentual
plot(
  x, His_asc,
  type = "b",
  main ="Gráfica N°7:Distribución de concentración de Xyleno en el 
  estudio calidad del aire en India 2015-2020",
  xlab = "Xyleno (µg/m3)",
  ylab = "Porcentaje (%)",
  col = "blue",
  pch = 19,
  ylim = c(0, 100)   
)

# Ojiva descendente porcentual
lines(
  x, His_desc,
  type = "b",
  col = "red",
  pch = 19
)

#INDICADORES

#Indicadores de Tendencia Central

# Mediana
Me <- median(xyleno)
Me

## [1] 0.98

# Media
X <- mean(xyleno)
X

## [1] 3.070128

# Moda
Mo <- "[0,10]"
Mo

## [1] "[0,10]"

#Indicadores de Dispersión

# Varianza
var(xyleno)

## [1] 39.98346

# Desviación estandar
desv<-round(sd(xyleno), 2)

# Coeficiente de variación 
CV <- (sd(xyleno)/X)*100
CV

## [1] 205.9604

#Indicadores de Forma

# Coeficiente de Asimetría
library(e1071)
As <- skewness(xyleno)
As

## [1] 7.889443

# Curtosis
K <- kurtosis(xyleno)
K

## [1] 119.9056

Variable <- "Xyleno"
Rango <- "[0,170.37]"

Tabla_indicadores <- data.frame(Variable,Rango,round(X,3),Me,Mo,round(desv,2),round(CV,2),round(As,2),round(K,2))
colnames(Tabla_indicadores) <- c("Variable","Rango","X", "Me", "Mo","sd","CV","As","K")
#Paquetes  la tabla 
library(gt)
library(dplyr)
Tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 3*"),
    subtitle = md("**Indicadores Estadísticos de concentración de Xyleno,estudio calidad del aire en India entre 2015-2020 **")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2\n Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  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
**Indicadores Estadísticos de concentración de Xyleno,estudio calidad del aire en India entre 2015-2020 **
Variable	Rango	X	Me	Mo	sd	CV	As	K
Xyleno	[0,170.37]	3.07	0.98	[0,10]	6.32	205.96	7.89	119.91
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india