Presión Intake

1: Carga de datos

library(readxl)
Produccio_n_Campo_Sacha_csv <- read_excel("Producción Campo Sacha.csv.xlsx")
View(Produccio_n_Campo_Sacha_csv)
str(Produccio_n_Campo_Sacha_csv)

## 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 ...

# 1 Extraer la variable continua
presion_intake <- Produccio_n_Campo_Sacha_csv$`Presión Intake`  
presion_intake <- as.numeric(presion_intake)
presion_intake <- na.omit(presion_intake)

2 Tabla de distribución de frecuencias

2.1 Sturges

Creación de la tabla de distribución de frecuencia

k <- 1 + (3.3 * log10(length(presion_intake)))  
k <- floor(k)

min <- min(presion_intake)  
max <- max(presion_intake)  
R <- max - min
A <- R / k

# Líneas EXACTAS del ejemplo del enlace:
Li <- round(seq(from = min, to = max - A, by = A), 4)
Ls <- round(seq(from = min + A, to = max, by = A), 4)

MC <- round((Li + Ls) / 2, 2)

ni <- numeric(length(Li))
for (i in 1:length(Li)) {
  ni[i] <- sum(presion_intake >= Li[i] & presion_intake < Ls[i])  
}
ni[length(Li)] <- sum(presion_intake >= Li[length(Li)] & presion_intake <= max)  

cat("Suma de ni =", sum(ni), "\n")

## Suma de ni = 7705

hi <- ni / sum(ni) * 100
cat("Suma de hi =", sum(hi), "\n")

## Suma de hi = 100

Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- round(cumsum(hi))
Hidsc <- round(rev(cumsum(rev(hi))))

TDFPresionIntake <- data.frame(Li, Ls, MC, ni, hi, Niasc, Nidsc, Hiasc, Hidsc)

library(gt)
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

tabla1_sturges <- TDFPresionIntake %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 1: Distribución de Frecuencias*"),
    subtitle = md("**Método Sturges - Variable: Presión Intake**")  
  ) %>%
  tab_source_note(
    source_note = md("Campo Sacha")
  ) %>%
  cols_label(
    Li = "L. Inferior",
    Ls = "L. Superior",
    MC = "Marca Clase",
    ni = "Frec. Abs.",
    hi = "Frec. Rel. %",
    Niasc = "Ni Asc.",
    Nidsc = "Ni Desc.",
    Hiasc = "Hi Asc. %",
    Hidsc = "Hi Desc. %"
  ) %>%
  fmt_number(
    columns = c(Li, Ls, MC),
    decimals = 2
  ) %>%
  fmt_number(
    columns = c(hi),
    decimals = 2,
    pattern = "{x}%"
  )

cat("\n=== TABLA 1: MÉTODO STURGES ===\n")

## 
## === TABLA 1: MÉTODO STURGES ===

tabla1_sturges

L. Inferior	L. Superior	Marca Clase	Frec. Abs.	Frec. Rel. %	Ni Asc.	Ni Desc.	Hi Asc. %	Hi Desc. %
Tabla 1: Distribución de Frecuencias
Método Sturges - Variable: Presión Intake
0.00	277.62	138.81	3817	49.54%	3817	7705	50	100
277.62	555.23	416.42	2503	32.49%	6320	3888	82	50
555.23	832.85	694.04	582	7.55%	6902	1385	90	18
832.85	1,110.46	971.65	156	2.02%	7058	803	92	10
1,110.46	1,388.08	1,249.27	112	1.45%	7170	647	93	8
1,388.08	1,665.69	1,526.88	143	1.86%	7313	535	95	7
1,665.69	1,943.31	1,804.50	89	1.16%	7402	392	96	5
1,943.31	2,220.92	2,082.12	107	1.39%	7509	303	97	4
2,220.92	2,498.54	2,359.73	80	1.04%	7589	196	98	3
2,498.54	2,776.15	2,637.35	48	0.62%	7637	116	99	2
2,776.15	3,053.77	2,914.96	43	0.56%	7680	68	100	1
3,053.77	3,331.38	3,192.58	23	0.30%	7703	25	100	0
3,331.38	3,609.00	3,470.19	2	0.03%	7705	2	100	0
Campo Sacha

Tabla de distribución

total_ni <- sum(TDFPresionIntake$ni)  
total_hi <- 100

TDFPresionIntakeCompleto <- rbind( 
  TDFPresionIntake,  
  data.frame(
    Li = " Total", 
    Ls = " ", 
    MC = " ",
    ni = total_ni, 
    hi = total_hi, 
    Niasc = " ", 
    Nidsc = " ", 
    Hiasc = " ", 
    Hidsc = " "
  )
)

TABLA 2 FORMATEADA: Con Total (TDFPresionIntakeCompleto)

tabla2_con_total <- TDFPresionIntakeCompleto %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 2: Distribución Completa*"),
    subtitle = md("**Variable: Presión Intake - Con Total**")  
  ) %>%
  tab_source_note(
    source_note = md("Fuente: Producción Campo Sacha")
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = Li == " Total")
  ) %>%
  cols_label(
    Li = "L. Inferior",
    Ls = "L. Superior",
    MC = "Marca Clase",
    ni = "Frec. Abs.",
    hi = "Frec. Rel. %",
    Niasc = "Ni Asc.",
    Nidsc = "Ni Desc.",
    Hiasc = "Hi Asc. %",
    Hidsc = "Hi Desc. %"
  )

cat("\n=== TABLA 2: CON FILA DE TOTAL ===\n")

## 
## === TABLA 2: CON FILA DE TOTAL ===

tabla2_con_total

L. Inferior	L. Superior	Marca Clase	Frec. Abs.	Frec. Rel. %	Ni Asc.	Ni Desc.	Hi Asc. %	Hi Desc. %
Tabla 2: Distribución Completa
Variable: Presión Intake - Con Total
0	277.6154	138.81	3817	49.53926022	3817	7705	50	100
277.6154	555.2308	416.42	2503	32.48539909	6320	3888	82	50
555.2308	832.8462	694.04	582	7.55353666	6902	1385	90	18
832.8462	1110.4615	971.65	156	2.02465931	7058	803	92	10
1110.4615	1388.0769	1249.27	112	1.45360156	7170	647	93	8
1388.0769	1665.6923	1526.88	143	1.85593770	7313	535	95	7
1665.6923	1943.3077	1804.5	89	1.15509409	7402	392	96	5
1943.3077	2220.9231	2082.12	107	1.38870863	7509	303	97	4
2220.9231	2498.5385	2359.73	80	1.03828683	7589	196	98	3
2498.5385	2776.1538	2637.35	48	0.62297210	7637	116	99	2
2776.1538	3053.7692	2914.96	43	0.55807917	7680	68	100	1
3053.7692	3331.3846	3192.58	23	0.29850746	7703	25	100	0
3331.3846	3609	3470.19	2	0.02595717	7705	2	100	0
Total			7705	100.00000000
Fuente: Producción Campo Sacha

2.2 Intervalos con R

Histograma de la variable

histo_PresionIntake <- hist(presion_intake, 
                             main = "Gráfica: Distribución de la Presión Intake\nCampo Sacha",  
                             xlab = "Presión Intake",  
                             ylab = "Cantidad", 
                             col = "lightblue",
                             border = "darkblue",
                             las = 1)

#### Creación de la tabla de distribución de frecuencia

Limites <- histo_PresionIntake$breaks  
LimInf <- Limites[1:(length(Limites)-1)]
LimSup <- Limites[2:length(Limites)]
Mc <- histo_PresionIntake$mids  
ni_R <- histo_PresionIntake$counts  

cat("\nSuma de ni (R automático) =", sum(ni_R), "\n")

## 
## Suma de ni (R automático) = 7705

hi_R <- ni_R / sum(ni_R) * 100
cat("Suma de hi (R automático) =", sum(hi_R), "\n")

## Suma de hi (R automático) = 100

Ni_asc <- cumsum(ni_R)
Ni_dsc <- rev(cumsum(rev(ni_R)))
Hi_asc <- round(cumsum(hi_R), 2) 
Hi_dsc <- round(rev(cumsum(rev(hi_R))), 2)

TDF_PresionIntake_R <- data.frame(LimInf, LimSup, Mc, ni_R,hi_R,  
                                  Ni_asc, Ni_dsc, Hi_asc,Hi_dsc)

Creación de la tabla de distribución de frecuencia

 tabla3_R_auto <- TDF_PresionIntake_R %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 3: Distribución - Intervalos R*"),
    subtitle = md("**Método Automático de R - Variable: Presión Intake**")  
  ) %>%
  tab_source_note(
    source_note = md("Intervalos generados automáticamente por hist()")
  ) %>%
  cols_label(
    LimInf = "L. Inferior",
    LimSup = "L. Superior",
    Mc = "Marca Clase",
    ni_R = "Frec. Abs.",
    hi_R = "Frec. Rel. %",
    Ni_asc = "Ni Asc.",
    Ni_dsc = "Ni Desc.",
    Hi_asc = "Hi Asc. %",
    Hi_dsc = "Hi Desc. %"
  ) %>%
  fmt_number(
    columns = c(hi_R, Hi_asc, Hi_dsc),
    decimals = 2,
    pattern = "{x}%"
  )

cat("\n=== TABLA 3: INTERVALOS AUTOMÁTICOS DE R ===\n")

## 
## === TABLA 3: INTERVALOS AUTOMÁTICOS DE R ===

tabla3_R_auto

L. Inferior	L. Superior	Marca Clase	Frec. Abs.	Frec. Rel. %	Ni Asc.	Ni Desc.	Hi Asc. %	Hi Desc. %
Tabla 3: Distribución - Intervalos R
Método Automático de R - Variable: Presión Intake
0	200	100	2456	31.88%	2456	7705	31.88%	100.00%
200	400	300	3064	39.77%	5520	5249	71.64%	68.12%
400	600	500	959	12.45%	6479	2185	84.09%	28.36%
600	800	700	382	4.96%	6861	1226	89.05%	15.91%
800	1000	900	149	1.93%	7010	844	90.98%	10.95%
1000	1200	1100	85	1.10%	7095	695	92.08%	9.02%
1200	1400	1300	87	1.13%	7182	610	93.21%	7.92%
1400	1600	1500	124	1.61%	7306	523	94.82%	6.79%
1600	1800	1700	78	1.01%	7384	399	95.83%	5.18%
1800	2000	1900	32	0.42%	7416	321	96.25%	4.17%
2000	2200	2100	90	1.17%	7506	289	97.42%	3.75%
2200	2400	2300	77	1.00%	7583	199	98.42%	2.58%
2400	2600	2500	17	0.22%	7600	122	98.64%	1.58%
2600	2800	2700	39	0.51%	7639	105	99.14%	1.36%
2800	3000	2900	19	0.25%	7658	66	99.39%	0.86%
3000	3200	3100	41	0.53%	7699	47	99.92%	0.61%
3200	3400	3300	5	0.06%	7704	6	99.99%	0.08%
3400	3600	3500	0	0.00%	7704	1	99.99%	0.01%
3600	3800	3700	1	0.01%	7705	1	100.00%	0.01%
Intervalos generados automáticamente por hist()

Tabla de distribución

total_ni_R <- sum(TDF_PresionIntake_R$ni_R)  
total_hi_R <- 100  

# Crear tabla con Total
TDF_PresionIntake_R_Completo <- rbind(  
  TDF_PresionIntake_R,  
  data.frame(
    LimInf = "Total",
    LimSup = " ", 
    Mc = " ",
    ni_R = total_ni_R,
    hi_R = total_hi_R, 
    Ni_asc = " ", 
    Ni_dsc = " ", 
    Hi_asc = " ", 
    Hi_dsc = " "
  )
)

library(gt)
library(dplyr)

tabla_PresionIntake_Final <- TDF_PresionIntake_R_Completo %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla de Distribución de Frecuencias*"),
    subtitle = md("**Variable: Presión Intake - Campo Sacha**")  
  )

# Mostrar
tabla_PresionIntake_Final

LimInf	LimSup	Mc	ni_R	hi_R	Ni_asc	Ni_dsc	Hi_asc	Hi_dsc
Tabla de Distribución de Frecuencias
Variable: Presión Intake - Campo Sacha
0	200	100	2456	31.87540558	2456	7705	31.88	100
200	400	300	3064	39.76638546	5520	5249	71.64	68.12
400	600	500	959	12.44646334	6479	2185	84.09	28.36
600	800	700	382	4.95781960	6861	1226	89.05	15.91
800	1000	900	149	1.93380921	7010	844	90.98	10.95
1000	1200	1100	85	1.10317975	7095	695	92.08	9.02
1200	1400	1300	87	1.12913692	7182	610	93.21	7.92
1400	1600	1500	124	1.60934458	7306	523	94.82	6.79
1600	1800	1700	78	1.01232966	7384	399	95.83	5.18
1800	2000	1900	32	0.41531473	7416	321	96.25	4.17
2000	2200	2100	90	1.16807268	7506	289	97.42	3.75
2200	2400	2300	77	0.99935107	7583	199	98.42	2.58
2400	2600	2500	17	0.22063595	7600	122	98.64	1.58
2600	2800	2700	39	0.50616483	7639	105	99.14	1.36
2800	3000	2900	19	0.24659312	7658	66	99.39	0.86
3000	3200	3100	41	0.53212200	7699	47	99.92	0.61
3200	3400	3300	5	0.06489293	7704	6	99.99	0.08
3400	3600	3500	0	0.00000000	7704	1	99.99	0.01
3600	3800	3700	1	0.01297859	7705	1	100	0.01
Total			7705	100.00000000

3 Histogramas

3.1 Histograma de frecuencia absoluta local (ni)

hist(presion_intake, 
     breaks = seq(min, max, A),  # Usar TUS intervalos calculados
     main = "Gráfica: Frecuencia de la Presión Intake\n(Campo Sacha - Intervalos propios)", 
     col = "blue", 
     xlab = "Presión Intake",  
     ylab = "Cantidad (ni)",
     right = FALSE)  # Para que sea [Li, Ls)

3.2 Histograma de frecuencia absoluta global (ni)

hist(presion_intake, 
     breaks = seq(min, max, A),
     main = "Gráfica: Frecuencia de la Presión Intake\n(Campo Sacha - Global)",  
     col = "blue", 
     xlab = "Presión Intake",
     ylab = "Cantidad", 
     ylim = c(0, length(presion_intake)))  # length(presion_intake) = tu n total

3.3 Histograma de porcentaje local (hi)

 barplot(TDFPresionIntake$hi,  # Tus frecuencias relativas (%)
        space = 0,  # Sin espacio entre barras
        col = "blue", 
        xlab = "Marca de Clase (MC)", 
        ylab = "Porcentaje (%)", 
        names.arg = TDFPresionIntake$MC)  # Nombres = Marcas de clase

3.4 Histograma de porcentaje global (hi)

barplot(TDFPresionIntake$hi, 
        space = 0,
        main = "Gráfica: Porcentaje de la Presión Intake\n(Campo Sacha - Global)",  
        col = "blue", 
        xlab = "Marca de Clase (MC)", 
        ylab = "Porcentaje (%)",
        names.arg = TDFPresionIntake$MC,  
        ylim = c(0, 100))  # Fijar eje Y de 0 a 100%

4 Diagramas

4.1 Ojivas

4.1.1 Ojivas combinadas (ni)

plot(TDFPresionIntake$Ls, TDFPresionIntake$Nidsc,
     type = "o",  # "o" = puntos con líneas
     xlim = c(0, max),  # Eje X desde 0 hasta máximo
     main = "Gráfica: Ojivas combinadas de la Presión Intake\n(Campo Sacha)", 
     ylab = "Frecuencia Acumulada", 
     col = "blue", 
     xlab = "Presión Intake",  
     pch = 16)

# Agregar ojiva ascendente
lines(TDFPresionIntake$Li, TDFPresionIntake$Niasc, 
      col = "black", 
      type = "b",  # "b" = puntos con líneas (pero discontinuas)
      pch = 16)

# Leyenda
legend("right",
       legend = c("Ojiva descendente (Nidsc)", "Ojiva ascendente (Niasc)"),
       col = c("blue", "black"), 
       pch = 16,
       lty = 1,
       cex = 0.8)

#### 4.1.2 Ojivas combinadas (hi) - Porcentajes

# Gráfico principal (ojiva descendente - porcentajes)
plot(TDFPresionIntake$Ls, TDFPresionIntake$Hidsc,  
     type = "o",  # "o" = puntos y líneas
     xlim = c(0, max),
     main = "Gráfica: Ojivas combinadas de la Presión Intake\n(Campo Sacha - Porcentajes)",  
     ylab = "Porcentaje Acumulado (%)", 
     col = "blue", 
     xlab = "Presión Intake",  
     ylim = c(0, 100))  # Porcentajes de 0 a 100%

# Agregar ojiva ascendente (porcentajes) - SIN "add=TRUE"
lines(TDFPresionIntake$Li, TDFPresionIntake$Hiasc,  
      col = "black", 
      type = "b")  # "b" = puntos con líneas discontinuas

# Leyenda
legend("right",
       legend = c("Ojiva descendente (Hidsc)", "Ojiva ascendente (Hiasc)"),
       col = c("blue", "black"), 
       pch = 1,  # Tipo de punto
       lty = 1,  # Tipo de línea
       cex = 0.7)  # Tamaño de texto

### 4.2 Diagrama de caja (Boxplot)

boxplot(presion_intake,
        horizontal = TRUE,  # Horizontal (como el ejemplo)
        col = "blue", 
        main = "Gráfica: Distribución de la Presión Intake\n(Campo Sacha)",  
        xlab = "Presión Intake", 
        notch = FALSE)  # Sin muesca

## 5: Resumen y outliers

# Resumen
summary(presion_intake)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     0.0   184.0   280.0   430.4   438.0  3609.0

# Identificar outliers
outliers <- boxplot.stats(presion_intake)$out  
num_outliers <- length(outliers) 
min_outliers <- min(outliers)
max_outliers <- max(outliers)

cat("Número de outliers:", num_outliers, "\n")

## Número de outliers: 822

if(num_outliers > 0) {
  cat("Mínimo outlier:", min_outliers, "\n")
  cat("Máximo outlier:", max_outliers, "\n")
}

## Mínimo outlier: 820 
## Máximo outlier: 3609

5:Indicadores estadísticos

5.1: Extraer la variable continua

# Media aritmética
x <- mean(presion_intake)  

# Mediana 
Me <- median(presion_intake) 

# Mínimo y máximo
ri <- min(presion_intake)  
rs <- max(presion_intake)  

# Mostrar resultados
cat("Media aritmética (x) =", x, "\n")

## Media aritmética (x) = 430.4465

cat("Mediana (Me) =", Me, "\n")

## Mediana (Me) = 280

cat("Mínimo (ri) =", ri, "\n")

## Mínimo (ri) = 0

cat("Máximo (rs) =", rs, "\n")

## Máximo (rs) = 3609

5.2 Dispersión

# Varianza
varianza <- var(presion_intake)  
cat("Varianza =", varianza, "\n")

## Varianza = 272157

# Desviación estándar
s <- sd(presion_intake) 
cat("Desviación estándar (s) =", s, "\n")

## Desviación estándar (s) = 521.6867

# Coeficiente de variación
CV <- (s / x) * 100
cat("Coeficiente de variación (CV) =", CV, "%\n")

## Coeficiente de variación (CV) = 121.1966 %

# 5.3 Forma 
library(e1071)

# Coeficiente de asimetría
As <- skewness(presion_intake)  

# Coeficiente de kurtosis  
k <- kurtosis(presion_intake) 

cat("Coeficiente de asimetría =", As, "\n")

## Coeficiente de asimetría = 2.857732

cat("Coeficiente de kurtosis =", k, "\n")

## Coeficiente de kurtosis = 8.790436

6: Tabla resumen

# 6 Tabla resumen 
Variable <- c("Presión Intake") 

TablaIndicadores <- data.frame(
  Variable,
  ri,                    # mínimo
  rs,                    # máximo  
  round(x, 2),           # media (x)
  Me,                    # mediana (Me)
  round(s, 2),           # desviación estándar (sd)
  round(CV, 2),          # coeficiente de variación (%)
  round(As, 2),          # asimetría (As)
  round(k, 2)            # kurtosis (K)
)

colnames(TablaIndicadores) <- c("Variable", "minimo", "máximo", "x", 
                                "Me", "sd", "Cv (%)", "As", "K")

library(gt)

tabla_resumen_gt <- TablaIndicadores %>%
  gt() %>%
  tab_header(
    title = md("*Tabla: Indicadores estadísticos*"),
    subtitle = md("**Variable: Presión Intake**")  
  ) %>%
  tab_source_note(
    source_note = md("Campo Sacha")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2)
  ) %>%
  fmt_number(
    columns = c("minimo", "máximo", "x", "Me", "sd", "Cv (%)", "As", "K"),
    decimals = 2
  ) %>%
  fmt_number(
    columns = "Cv (%)",
    pattern = "{x}%"
  )

# Mostrar tabla
tabla_resumen_gt

Variable	minimo	máximo	x	Me	sd	Cv (%)	As	K
Tabla: Indicadores estadísticos
Variable: Presión Intake
Presión Intake	0.00	3,609.00	430.45	280.00	521.69	121.20%	2.86	8.79
Campo Sacha

6.1:Outliers

# 1. Crear tabla 
TablaOutliers <- data.frame(
  Outliers = num_outliers,
  Mínimo = ifelse(num_outliers > 0, min_outliers, NA),
  Máximo = ifelse(num_outliers > 0, max_outliers, NA)
)

library(gt)

tabla_outliers_final <- TablaOutliers %>%
  gt() %>%
  tab_header(
    title = "Outliers - Presión Intake", 
    subtitle = "Campo Sacha"
  )

# 3. Mostrar
tabla_outliers_final

Outliers	Mínimo	Máximo
Outliers - Presión Intake
Campo Sacha
822	820	3609

7: CONCLUSIÓN

# El análisis de Presión Intake en Campo Sacha muestra:
# - Rango: 0 a 3,609 unidades
# - Media: 430.45, Mediana: 280.00
# - CV: 121.20% (variabilidad EXTREMA)
# - 822 outliers (51% de datos atípicos)
# - Asimetría: 2.86 (sesgo positivo fuerte)
#
# Estos indicadores sugieren operación con alta variabilidad y presencia
# significativa de valores extremos. Se recomienda revisar instrumentación
# para verificar validez de mediciones extremas (0 y >3,000 unidades).

Presión Intake

Davis Piguave

2025-12-10

1: Carga de datos

2 Tabla de distribución de frecuencias

2.1 Sturges

Creación de la tabla de distribución de frecuencia

Tabla de distribución

TABLA 2 FORMATEADA: Con Total (TDFPresionIntakeCompleto)

2.2 Intervalos con R

Histograma de la variable

Creación de la tabla de distribución de frecuencia

Tabla de distribución

3 Histogramas

3.1 Histograma de frecuencia absoluta local (ni)

3.2 Histograma de frecuencia absoluta global (ni)

3.3 Histograma de porcentaje local (hi)

3.4 Histograma de porcentaje global (hi)

4 Diagramas

4.1 Ojivas

4.1.1 Ojivas combinadas (ni)

5:Indicadores estadísticos

5.1: Extraer la variable continua

5.2 Dispersión

6: Tabla resumen

6.1:Outliers

7: CONCLUSIÓN