PAISES

UNIVERSIDAD CENTRAL DEL ECUADOR

ESTUDIO ESTADÍSTICO DE LA CONTAMINACIÓN DEL SUELO Y SU IMPACTO EN LA SALUD

FECHA: 19/11/2025

#Estadística Descriptiva

#19/11/2025


#Cargar los datos 

library(gt)
library(dplyr)

setwd("/cloud/project")
datos<-read.csv("soil_pollution_diseases.csv",header = TRUE,dec = ".",sep = ",")


#Tablas Cualitativas Nominales

#País

País <- datos$Country
#Tabla de distribución de frecuencia
TDF_País<- data.frame(table(País))
ni <- TDF_País$Freq
hi <- round((ni / sum(ni)) *100,2)
País <- TDF_País$País
TDF_País <- data.frame(País,ni,hi)
Summary <- data.frame(País = "TOTAL", ni=sum(ni), hi = 100)

TDF_País_suma <- rbind(TDF_País,Summary)

colnames(TDF_País_suma) <- c("País", "ni", "hi(%)")

# TABLA 

TDF_País_suma %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 2*"),
    subtitle = md("**Tabla de distribución de los Países*")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  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
*Tabla de distribución de los Países
País	ni	hi(%)
Australia	278	9.27
Brazil	293	9.77
China	319	10.63
Germany	283	9.43
India	311	10.37
Kenya	271	9.03
Mexico	314	10.47
Nigeria	309	10.30
Pakistan	305	10.17
USA	317	10.57
TOTAL	3000	100.00
Autor: Grupo 3

#Graficas

# Diagrama de barrras local ni

barplot(ni, main = "Gráfica N°6: Distribución de los países",
        xlab = "Países",
        ylab = "Cantidad",
        col = "red",
        ylim = c(0,400),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

#Diagrama de barras global ni 

barplot(ni, main = "Gráfica N°7: Distribución de los países de estudio",
        xlab = "Países",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0,3000),
        las=2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

#Diagrama de barras local hi(%)

barplot(hi, main = "Gráfica N°8: Distribución porcentual 
        de los países de estudio",
        xlab = "Países",
        ylab = "Porcentaje",
        col = "green",
        ylim = c(0,15),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

#Diagrama de barras global hi(%)

barplot(hi, main = "Gráfica N°9: Distribución porcentual de 
los países de estudio",
        xlab = "Países",
        ylab = "Porcentaje",
        col = "blue",
        ylim = c(0,100),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

#Diagrama circular 


# Etiquetas con número + símbolo %
etiquetas <- paste0(hi, " %")


colores <- c("yellow", "khaki1", "gold", "orange", "darkorange", "red")


par(mar = c(2, 2, 4, 6))

pie(
  hi,
  labels = etiquetas,
  col = colores,
  main = "Gráfica N°10 Distribución porcentual de los países de estudio",
  cex = 1
)

legend(
  "topright",
  legend = TDF_País$País,
  fill = colores,
  title = "Leyenda",
  cex = 0.6,
  xpd = TRUE
)

# INDICADORES

# Función de moda
moda <- function(x) {
  frec <- table(x)         
  names(frec)[which.max(frec)]  
}

# Moda de la variable Paises
moda(datos$Country)

## [1] "China"