ESTUDIO ESTADÍSTICO DE LA CALIDAD DEL AIRE EN INDIA

UNIVERSIDAD CENTRAL DEL ECUADOR

PROYECTO:ESTUDIO ESTADÍSTICO DE LA CALIDAD DEL AIRE EN INDIA

FECHA: 22/11/2025

# ==============================================================================
# 1. CARGA DE PAQUETES Y DATOS
# ==============================================================================

# Cargar librerías necesarias
# Instala si no las tienes: install.packages(c("gt", "dplyr"))
library(gt)
library(dplyr)

# Carga de datos
# El archivo ya está cargado en el entorno
datos <- read.csv("C:/Users/JOSELYN/Desktop/kangle/Datos Cambiados.csv",
                  header = TRUE,
                  sep = ",",
                  dec = ".")

# ==============================================================================
# 2. PREPARACIÓN Y LIMPIEZA DE DATOS DE DIÓXIDO DE NITRÓGENO (NO2)
# ==============================================================================

# Extracción de los "-" (valores inexistentes) de la variable NO2
no2 <- datos$NO2[datos$NO2 != "-"]

# Tamaño muestral después de la limpieza
cat("Tamaño muestral del Dióxido de Nitrógeno (sin '-'):", length(no2), "\n")

## Tamaño muestral del Dióxido de Nitrógeno (sin '-'): 25946

# Conversión a numérico
no2 <- as.numeric(no2)

# ==============================================================================
# 3. CÁLCULOS PARA LA DISTRIBUCIÓN DE FRECUENCIAS DETALLADA (34 CLASES)
# ==============================================================================

N <- length(no2)
min_no2 <- min(no2)
max_no2 <- max(no2)
R <- max_no2 - min_no2

# Número de clases (k): Se mantienen 34 clases para replicar la estructura original
k_detallado <- 34

# Amplitud de clase (A)
A <- R / k_detallado

# Generación de límites de intervalos
Li <- seq(from = min_no2, to = max_no2 - A, by = A)
Ls <- c(seq(from = min_no2 + A, to = max_no2 - A, by = A), max_no2)

# Redondeo para cálculos de intervalos precisos
no2 <- round(no2, 3)
Li <- round(Li, 3)
Ls <- round(Ls, 3)

# Marcas de Clase (MC)
MC <- (Li + Ls) / 2

# Creación de frecuencias absolutas (ni)
ni <- numeric(length(Li))
for (i in 1:length(Li)) {
  if (i < length(Li)) {
    # Intervalo abierto por la derecha: [Li, Ls)
    ni[i] <- sum(no2 >= Li[i] & no2 < Ls[i])
  } else {
    # Último intervalo cerrado: [Li, Ls]
    ni[i] <- sum(no2 >= Li[i] & no2 <= Ls[i])
  }
}

# Frecuencias relativas y acumuladas
hi <- (ni / N) * 100
Ni_asc <- cumsum(ni)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_asc <- cumsum(hi)
Hi_desc <- rev(cumsum(rev(hi)))

# Formatear la columna Intervalo
Intervalo <- paste0("[", round(Li, 2), " - ", round(Ls, 2), ")")
# Corregir el último intervalo para que sea cerrado
Intervalo[length(Intervalo)] <- paste0("[", round(Li[length(Li)], 2), " - ",
                                       round(Ls[length(Ls)], 2), "]")

# Crear el Data Frame (TDF)
TDF_no2 <- 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)
)

# Agregar la fila de totales
totales <- data.frame(
  Intervalo = "Totales",
  MC = "-",
  ni = sum(ni),
  hi = sum(hi),
  Ni_ascendente = "-",
  Ni_descendente = "-",
  Hi_ascendente = "-",
  Hi_descendente = "-"
)
TDF_no2_completa <- rbind(TDF_no2, totales)

# ==============================================================================
# 4. TABLA DE FRECUENCIAS DETALLADA (Tabla Nro. 1)
# ==============================================================================

TDF_no2_completa %>%
  gt() %>%
  tab_header(
    title = "Tabla Nro. 1",
    subtitle = "Distribución de frecuencia de concentración de Dióxido de Nitrógeno (NO2), estudio calidad del aire en India entre 2015-2020"
  ) %>%
  tab_source_note(
    source_note = "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
Distribución de frecuencia de concentración de Dióxido de Nitrógeno (NO2), estudio calidad del aire en India entre 2015-2020
Intervalo	MC	ni	hi	Ni_ascendente	Ni_descendente	Hi_ascendente	Hi_descendente
[0.01 - 10.66)	5.34	5484	21.14	5484	25946	21.14	100
[10.66 - 21.32)	15.99	7277	28.05	12761	20462	49.18	78.86
[21.32 - 31.97)	26.64	4901	18.89	17662	13185	68.07	50.82
[31.97 - 42.62)	37.3	3096	11.93	20758	8284	80	31.93
[42.62 - 53.27)	47.95	1963	7.57	22721	5188	87.57	20
[53.27 - 63.93)	58.6	1227	4.73	23948	3225	92.3	12.43
[63.93 - 74.58)	69.25	721	2.78	24669	1998	95.08	7.7
[74.58 - 85.23)	79.91	469	1.81	25138	1277	96.89	4.92
[85.23 - 95.89)	90.56	253	0.98	25391	808	97.86	3.11
[95.89 - 106.54)	101.21	165	0.64	25556	555	98.5	2.14
[106.54 - 117.19)	111.87	132	0.51	25688	390	99.01	1.5
[117.19 - 127.84)	122.52	62	0.24	25750	258	99.24	0.99
[127.84 - 138.5)	133.17	52	0.20	25802	196	99.45	0.76
[138.5 - 149.15)	143.82	36	0.14	25838	144	99.58	0.55
[149.15 - 159.8)	154.48	26	0.10	25864	108	99.68	0.42
[159.8 - 170.46)	165.13	22	0.08	25886	82	99.77	0.32
[170.46 - 181.11)	175.78	20	0.08	25906	60	99.85	0.23
[181.11 - 191.76)	186.44	7	0.03	25913	40	99.87	0.15
[191.76 - 202.42)	197.09	6	0.02	25919	33	99.9	0.13
[202.42 - 213.07)	207.74	8	0.03	25927	27	99.93	0.1
[213.07 - 223.72)	218.4	5	0.02	25932	19	99.95	0.07
[223.72 - 234.38)	229.05	3	0.01	25935	14	99.96	0.05
[234.38 - 245.03)	239.7	5	0.02	25940	11	99.98	0.04
[245.03 - 255.68)	250.35	1	0.00	25941	6	99.98	0.02
[255.68 - 266.33)	261.01	0	0.00	25941	5	99.98	0.02
[266.33 - 276.99)	271.66	2	0.01	25943	5	99.99	0.02
[276.99 - 287.64)	282.31	1	0.00	25944	3	99.99	0.01
[287.64 - 298.29)	292.97	1	0.00	25945	2	100	0.01
[298.29 - 308.94)	303.62	0	0.00	25945	1	100	0
[308.94 - 319.6)	314.27	0	0.00	25945	1	100	0
[319.6 - 330.25)	324.92	0	0.00	25945	1	100	0
[330.25 - 340.9)	335.58	0	0.00	25945	1	100	0
[340.9 - 351.56)	346.23	0	0.00	25945	1	100	0
[351.56 - 362.21]	356.88	1	0.00	25946	1	100	0
Totales	-	25946	100.00	-	-	-	-
Autor: Grupo 2 Fuente: https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

# ==============================================================================
# 5. CÁLCULOS PARA LA DISTRIBUCIÓN SIMPLIFICADA (13 CLASES)
# ==============================================================================

# Se utiliza la función hist() para obtener los intervalos simplificados
Histograma_no2 <- hist(no2, breaks = 13, plot = FALSE) # No mostrar la gráfica aún

# Extraer elementos simplificados
Lis <- Histograma_no2$breaks[1:(length(Histograma_no2$breaks) - 1)]
Lss <- Histograma_no2$breaks[2:length(Histograma_no2$breaks)]
MCs <- (Lis + Lss) / 2
nis <- Histograma_no2$counts

# Frecuencias relativas y acumuladas simplificadas
his <- (nis / N) * 100
Nis_asc <- cumsum(nis)
His_asc <- cumsum(his)
Nis_desc <- rev(cumsum(rev(nis)))
His_desc <- rev(cumsum(rev(his)))

# Crear el Data Frame Simplificado
TDF_no2simplificado <- data.frame(
  Intervalo = paste0("[", round(Lis, 2), " - ", round(Lss, 2), ")"),
  MC = round(MCs, 2),
  ni = nis,
  hi = round(his, 2),
  Ni_asc = Nis_asc,
  Hi_asc = round(His_asc, 2),
  Ni_desc = Nis_desc,
  Hi_desc = round(His_desc, 2)
)

# Renombrar columnas con los nombres finales (usando comillas invertidas para % en R)
colnames(TDF_no2simplificado) <- c("Intervalo", "MC", "ni", "hi(%)",
                                   "Ni_asc", "Hi_asc (%)", "Ni_desc", "Hi_desc (%)")

# Agregar la fila de totales
totaless <- data.frame(
  Intervalo = "Totales",
  MC = "-",
  ni = sum(nis),
  `hi(%)` = sum(his),
  Ni_asc = "-",
  `Hi_asc (%)` = "-",
  Ni_desc = "-",
  `Hi_desc (%)` = "-"
)
# Asegurar que las columnas de totaless coincidan con los nombres finales
colnames(totaless) <- colnames(TDF_no2simplificado)

# Unir los data frames
TDF_no2simplificado_completa <- rbind(TDF_no2simplificado, totaless)

# ==============================================================================
# 6. TABLA DE FRECUENCIAS SIMPLIFICADA (Tabla Nro. 2)
# ==============================================================================

TDF_no2simplificado_completa %>%
  gt() %>%
  tab_header(
    title = "Tabla Nro. 2",
    subtitle = "Distribución de frecuencia simplificada de concentración de Dióxido de Nitrógeno (NO2), estudio calidad del aire en India entre 2015-2020"
  ) %>%
  tab_source_note(
    source_note = "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
Distribución de frecuencia simplificada de concentración de Dióxido de Nitrógeno (NO2), estudio calidad del aire en India entre 2015-2020
Intervalo	MC	ni	hi(%)	Ni_asc	Hi_asc (%)	Ni_desc	Hi_desc (%)
[0 - 20)	10	12018	46.32	12018	46.32	25946	100
[20 - 40)	30	8096	31.20	20114	77.52	13928	53.68
[40 - 60)	50	3436	13.24	23550	90.77	5832	22.48
[60 - 80)	70	1393	5.37	24943	96.13	2396	9.23
[80 - 100)	90	511	1.97	25454	98.1	1003	3.87
[100 - 120)	110	250	0.96	25704	99.07	492	1.9
[120 - 140)	130	101	0.39	25805	99.46	242	0.93
[140 - 160)	150	59	0.23	25864	99.68	141	0.54
[160 - 180)	170	41	0.16	25905	99.84	82	0.32
[180 - 200)	190	12	0.05	25917	99.89	41	0.16
[200 - 220)	210	13	0.05	25930	99.94	29	0.11
[220 - 240)	230	9	0.03	25939	99.97	16	0.06
[240 - 260)	250	2	0.01	25941	99.98	7	0.03
[260 - 280)	270	3	0.01	25944	99.99	5	0.02
[280 - 300)	290	1	0.00	25945	100	2	0.01
[300 - 320)	310	0	0.00	25945	100	1	0
[320 - 340)	330	0	0.00	25945	100	1	0
[340 - 360)	350	0	0.00	25945	100	1	0
[360 - 380)	370	1	0.00	25946	100	1	0
Totales	-	25946	100.00	-	-	-	-
Autor: Grupo 2 Fuente: https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

# ==============================================================================
# 7. GENERACIÓN DE GRÁFICOS
# ==============================================================================

# ==============================================================================
# 7. GRÁFICA N°1: Histograma Local
# ==============================================================================
# NOTA: Los códigos de escape para caracteres especiales (\u00E1, \u00B0, \u00B5)
# se mantienen para asegurar la compatibilidad con diferentes entornos R.

hist(no2, breaks = 13,
     main = "Gr\u00E1fica N\u00B01: Distribuci\u00F3n de la Concentraci\u00F3n de Di\u00F3xido de Nitr\u00F3geno (NO2)
     presente en el estudio sobre calidad del aire en India entre 2015-2020",
     xlab = "NO2 (\u00B5g/m\u00B3)",
     ylab = "Cantidad",
     # max(nis) es la altura máxima para el histograma 'local'
     ylim = c(0, max(nis)),
     col = "lightsalmon", # Nuevo color
     cex.main = 0.9,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_no2$breaks,
     labels = round(Histograma_no2$breaks, 0), las = 1,
     cex.axis = 0.9)

# 

# ----------------------------------
# Gráfica N°2: Histograma Global (Frecuencia Absoluta)
# ----------------------------------
hist(no2, breaks = 13,
     main = "Gr\u00E1fica N\u00B02: Distribuci\u00F3n de la Concentraci\u00F3n de Di\u00F3xido de Nitr\u00F3geno (NO2)
     presente en el estudio sobre calidad del aire en India entre 2015-2020",
     xlab = "NO2 (\u00B5g/m\u00B3)",
     ylab = "Cantidad",
     # length(no2) es la altura máxima (replicando el uso original)
     ylim = c(0, length(no2)),
     col = "lightsalmon",
     cex.main = 1,
     cex.lab = 1,
     cex.axis = 0.9,
     xaxt = "n")
axis(1, at = Histograma_no2$breaks,
     labels = round(Histograma_no2$breaks, 0), las = 1,
     cex.axis = 0.9)

# ==============================================================================
# 7. GRÁFICA N°3/4: Histograma Porcentual (Gráfico de Barras)
# ==============================================================================

barplot(TDF_no2simplificado_completa$`hi(%)`[1:(nrow(TDF_no2simplificado_completa)-1)],
        space = 0,
        col = "darksalmon", # Nuevo color
        main = "Gr\u00E1fica N\u00B03/4: Distribuci\u00F3n Porcentual de la Concentraci\u00F3n de NO2, estudio
        calidad del aire en India, 2015-2020",
        xlab = "NO2 (\u00B5g/m\u00B3)",
        ylab = "Porcentaje (%)",
        names.arg = TDF_no2simplificado_completa$MC[1:(nrow(TDF_no2simplificado_completa)-1)],
        ylim = c(0, max(TDF_no2simplificado_completa$`hi(%)`[1:(nrow(TDF_no2simplificado_completa)-1)]) * 1.1)
)

# ==============================================================================
# 7. GRÁFICA N°5: Box Plot
# ==============================================================================

boxplot(no2,
        horizontal = TRUE,
        col = "indianred", # Nuevo color
        border = "black",
        
        main = "Gr\u00E1fica N\u00B0 5: Distribuci\u00F3n de la concentraci\u00F3n de Di\u00F3xido de Nitr\u00F3geno (NO2),
        estudio calidad del aire en India desde 2015-2020",
        xlab = "NO2 (\u00B5g/m\u00B3)")

# 


# ==============================================================================
# 7. GRÁFICA N°6: Ojivas de Frecuencia Absoluta
# ==============================================================================

plot(Lss, Nis_asc, type = "b",
     main = "Gr\u00E1fica N\u00B06: Ojiva ascendente y descendente (Absoluta) de la
     distribuci\u00F3n de la concentraci\u00F3n de Di\u00F3xido de Nitr\u00F3geno (NO2)",
     xlab = "NO2 (\u00B5g/m\u00B3)",
     ylab = "Cantidad",
     pch = 19,
     col = "darkred", # Nuevo color
     ylim = c(0, N * 1.05))

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

# ==============================================================================
# 7. GRÁFICA N°7: Ojivas de Frecuencia Relativa
# ==============================================================================

plot(Lss, His_asc,
     type = "b",
     main = "Gr\u00E1fica N\u00B07: Ojiva ascendente y descendente (Relativa) de la distribuci\u00F3n
     de la concentraci\u00F3n de Di\u00F3xido de Nitr\u00F3geno (NO2)",
     xlab = "NO2 (\u00B5g/m\u00B3)",
     ylab = "Porcentaje %",
     col = "blue4", # Nuevo color
     pch = 19,
     ylim = c(0, 105))

# Ojiva descendente
lines(Lis, His_desc,
      type = "b",
      col = "red4", # Nuevo color
      pch = 19)

#