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
#Histogram(xyleno)
#Elemnetos simplificados 
Lis<-Histograma_xyleno$breaks [1:18]
Lss<-Histograma_xyleno$breaks [2:19]
MCs<-(Lis+Lis)/2
nis<-Histograma_xyleno$counts
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) 0 10588 92.70 10588 92.7 11422 100
[10 - 20) 10 610 5.34 11198 98.04 834 7.3
[20 - 30) 20 143 1.25 11341 99.29 224 1.96
[30 - 40) 30 34 0.30 11375 99.59 81 0.71
[40 - 50) 40 21 0.18 11396 99.77 47 0.41
[50 - 60) 50 11 0.10 11407 99.87 26 0.23
[60 - 70) 60 4 0.04 11411 99.9 15 0.13
[70 - 80) 70 1 0.01 11412 99.91 11 0.1
[80 - 90) 80 3 0.03 11415 99.94 10 0.09
[90 - 100) 90 1 0.01 11416 99.95 7 0.06
[100 - 110) 100 2 0.02 11418 99.96 6 0.05
[110 - 120) 110 1 0.01 11419 99.97 4 0.04
[120 - 130) 120 1 0.01 11420 99.98 3 0.03
[130 - 140) 130 1 0.01 11421 99.99 2 0.02
[140 - 150) 140 0 0.00 11421 99.99 1 0.01
[150 - 160) 150 0 0.00 11421 99.99 1 0.01
[160 - 170) 160 0 0.00 11421 99.99 1 0.01
[170 - 180] 170 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",
     ylim = c(0, length(xyleno)),
     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)")

# Ojiva ascendente
plot(Lss, Nis_asc, type = "b", main = "Gráfica N°6:Ojiva ascendente y descendente de la 
     distribución local del concentración de xyleno",
     xlab = "Xyleno (µg/m3)",
     ylab = "Cantidad", pch = 19,col="turquoise")

# Ojiva descendente
lines(Lis, Nis_desc, type = "b", col = "black", pch = 19)  # agrega en rojo

# Ojiva ascendente
plot(Lss, His_asc,
     type = "b",
     main = " Gráfica N°7:Ojiva ascendete y descendete de la distribución
     de la concentración de xyleno",
     xlab = "Xyleno(µg/m3)",
     ylab = "Porcentaje %",
     col="blue",
     pch = 19)

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