TOLUENO

Univercidad Central del Eciador

FIGEMPA-Ingeniería Ambiental

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

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

#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 21490
tolueno<-datos$Toluene[datos$Toluene != "-"]
length(tolueno)

## [1] 21490

tolueno <- as.numeric(tolueno)
min<-min(tolueno)
max<-max(tolueno)
R=max-min
k=1+(3.3)*log(length(tolueno))
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
tolueno <- round(tolueno, 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(tolueno >= Li[i] & tolueno < Ls[i])
  } else {
    ni[i] <- sum(tolueno >= Li[i] & tolueno <= 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_tolueno <- 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_tolueno<- rbind(TDF_tolueno, totales)
library(gt)
library(dplyr)
TDF_tolueno %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 1*"),
    subtitle = md("**Distribucion de frecuencia de concentración de Tolueno,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 Tolueno,estudio calidad del aire en India entre 2015-2020 **
Intervalo	MC	ni	hi	Ni_ascendente	Ni_descendente	Hi_ascendente	Hi_descendente
[0 - 13.78)	6.89	17720	82.46	17720	21490	82.46	100
[13.78 - 27.57)	20.68	1940	9.03	19660	3770	91.48	17.54
[27.57 - 41.35)	34.46	1160	5.40	20820	1830	96.88	8.52
[41.35 - 55.13)	48.24	279	1.30	21099	670	98.18	3.12
[55.13 - 68.92)	62.03	151	0.70	21250	391	98.88	1.82
[68.92 - 82.7)	75.81	113	0.53	21363	240	99.41	1.12
[82.7 - 96.48)	89.59	48	0.22	21411	127	99.63	0.59
[96.48 - 110.27)	103.38	18	0.08	21429	79	99.72	0.37
[110.27 - 124.05)	117.16	6	0.03	21435	61	99.74	0.28
[124.05 - 137.83)	130.94	7	0.03	21442	55	99.78	0.26
[137.83 - 151.62)	144.73	4	0.02	21446	48	99.8	0.22
[151.62 - 165.4)	158.51	5	0.02	21451	44	99.82	0.2
[165.4 - 179.18)	172.29	3	0.01	21454	39	99.83	0.18
[179.18 - 192.97)	186.07	1	0.00	21455	36	99.84	0.17
[192.97 - 206.75)	199.86	4	0.02	21459	35	99.86	0.16
[206.75 - 220.53)	213.64	2	0.01	21461	31	99.87	0.14
[220.53 - 234.32)	227.43	1	0.00	21462	29	99.87	0.13
[234.32 - 248.1)	241.21	1	0.00	21463	28	99.87	0.13
[248.1 - 261.88)	254.99	1	0.00	21464	27	99.88	0.13
[261.88 - 275.67)	268.78	3	0.01	21467	26	99.89	0.12
[275.67 - 289.45)	282.56	1	0.00	21468	23	99.9	0.11
[289.45 - 303.23)	296.34	0	0.00	21468	22	99.9	0.1
[303.23 - 317.02)	310.12	0	0.00	21468	22	99.9	0.1
[317.02 - 330.8)	323.91	0	0.00	21468	22	99.9	0.1
[330.8 - 344.58)	337.69	0	0.00	21468	22	99.9	0.1
[344.58 - 358.37)	351.48	0	0.00	21468	22	99.9	0.1
[358.37 - 372.15)	365.26	1	0.00	21469	22	99.9	0.1
[372.15 - 385.93)	379.04	0	0.00	21469	21	99.9	0.1
[385.93 - 399.72)	392.83	0	0.00	21469	21	99.9	0.1
[399.72 - 413.5)	406.61	3	0.01	21472	21	99.92	0.1
[413.5 - 427.28)	420.39	2	0.01	21474	18	99.93	0.08
[427.28 - 441.07)	434.17	10	0.05	21484	16	99.97	0.07
[441.07 - 454.85]	447.96	6	0.03	21490	6	100	0.03
Totales	-	21490	100.00	-	-	-	-
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#PROCESO DE SIMPLIFICACIÓN
#Histograma(tolueno)
#Elemnetos simplificados 
Lis<-Histograma_tolueno$breaks [1:10]
Lss<-Histograma_tolueno$breaks [2:11]
MCs<-(Lis+Lis)/2
nis<-Histograma_tolueno$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_toluenosimplificado <- 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_toluenosimplificado) <- 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_toluenosimplificado <- rbind(TDF_toluenosimplificado, totaless)
#Tabla 2 
TDF_toluenosimplificado %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 2*"),
    subtitle = md("**Distribucion de frecuencia simplificado de concentración de Tolueno,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 Tolueno,estudio calidad del aire en India entre 2015-2020 **
Intervalo	MC	ni	hi(%)	Ni_asc	Hi_asc (%)	Ni_desc	Hi_desc (%)
[0 - 50)	0	21021	97.82	21021	97.82	21490	100
[50 - 100)	50	392	1.82	21413	99.64	469	2.18
[100 - 150)	100	33	0.15	21446	99.8	77	0.36
[150 - 200)	150	11	0.05	21457	99.85	44	0.2
[200 - 250)	200	6	0.03	21463	99.87	33	0.15
[250 - 300)	250	5	0.02	21468	99.9	27	0.13
[300 - 350)	300	0	0.00	21468	99.9	22	0.1
[350 - 400)	350	1	0.00	21469	99.9	22	0.1
[400 - 450)	400	19	0.09	21488	99.99	21	0.1
[450 - 500]	450	2	0.01	21490	100	2	0.01
Totales	-	21490	100.00	-	-	-	-
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#GRAFICAS

#Histogramas local
hist(tolueno, breaks = 11,
     main = "Gráfica N°1: Distribución de la Concentración de Tolueno
     presente en el estudio sobre calidad del aire en India entre 2015-2020 ",
     xlab = " Tolueno (µg/m3)",
     ylab = "Cantidad",
     ylim = c(0, max(nis)),
     col = "purple",
     cex.main = 0.9,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_tolueno$breaks,
     labels = Histograma_tolueno$breaks, las = 1,
     cex.axis = 0.9)

#Histograma global
hist(tolueno, breaks = 11,
     main = "Gráfica N°2:Distribución de la Concentración de Tolueno
     presente en el estudio sobre calidad del aire en India entre 2015-2020",
     xlab = "Tolueno (µg/m3)",
     ylab = "Cantidad",
     ylim = c(0, length(tolueno)),
     col = "purple",
     cex.main = 1,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_tolueno$breaks,
     labels = Histograma_tolueno$breaks, las = 1,
     cex.axis = 0.9)

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

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

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

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

#Ojivas locales

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

plot(
  x, Nis_asc,
  type = "b",
  col = "orange",
  pch = 19,
  main = "Gráfica N°6:Distribución de concentración de Tolueno en el 
  estudio calidad del aire en India 2015-2020",
  xlab = "Tolueno (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 Tolueno en el 
  estudio calidad del aire en India 2015-2020",
  xlab = "Tolueno (µg/m3)",
  ylab = "Porcentaje (%)",
  col = "blue",
  pch = 19,
  ylim = c(0, 100)   
)

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

#INDICADORES

#Indicadores de Tendencia Central

# Mediana
Me <- median(tolueno)
Me

## [1] 2.97

# Media
X <- mean(tolueno)
X

## [1] 8.700972

# Moda
Mo <- "[0,50]"
Mo

## [1] "[0,50]"

#Indicadores de Dispersión

# Varianza
var(tolueno)

## [1] 398.7675

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

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

## [1] 229.505

#Indicadores de Forma

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

## [1] 11.6645

# Curtosis
K <- kurtosis(tolueno)
K

## [1] 216.6744

valoresatipicos<-"2427,[44,21367]"
Variable <- "Tolueno"
Rango <- "[0,455.85]"

Tabla_indicadores <- data.frame(Variable,Rango,round(X,3),Me,Mo,round(desv,2),round(CV,2),round(As,2),round(K,2),
                                valoresatipicos)
colnames(Tabla_indicadores) <- c("Variable","Rango","X", "Me", "Mo","sd","CV","As","K","Valores atípicos")

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	Valores atípicos
Tolueno	[0,455.85]	8.701	2.97	[0,50]	19.97	229.5	11.66	216.67	2427,[44,21367]
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india