Api_BE

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
api_be <- Produccio_n_Campo_Sacha_csv$Api_BE 
api_be <- as.numeric(api_be)
api_be <- na.omit(api_be)

2 Tabla de distribución de frecuencias

2.1 Sturges

Creación de la tabla de distribución de frecuencia

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

min <- min(api_be)  
max <- max(api_be)  
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(api_be >= Li[i] & api_be < Ls[i])  
}
ni[length(Li)] <- sum(api_be >= Li[length(Li)] & api_be <= 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))))

TDFApiBE <- 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 <- TDFApiBE %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 1: Distribución de Frecuencias*"),
    subtitle = md("**Método Sturges - Variable: Api_BE**")  
    
  ) %>%
  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: Api_BE
0.00	2.89	1.45	5	0.06%	5	7705	0	100
2.89	5.78	4.34	1	0.01%	6	7700	0	100
5.78	8.68	7.23	0	0.00%	6	7699	0	100
8.68	11.57	10.12	0	0.00%	6	7699	0	100
11.57	14.46	13.02	11	0.14%	17	7699	0	100
14.46	17.35	15.91	104	1.35%	121	7688	2	100
17.35	20.25	18.80	1564	20.30%	1685	7584	22	98
20.25	23.14	21.69	788	10.23%	2473	6020	32	78
23.14	26.03	24.58	2176	28.24%	4649	5232	60	68
26.03	28.92	27.48	1809	23.48%	6458	3056	84	40
28.92	31.82	30.37	1012	13.13%	7470	1247	97	16
31.82	34.71	33.26	205	2.66%	7675	235	100	3
34.71	37.60	36.15	30	0.39%	7705	30	100	0
Campo Sacha

Tabla de distribución

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

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


#### TABLA 2 FORMATEADA: Con Total (TDFApi_BECompleto)


tabla2_con_total <- TDFApiBECompleto %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 2: Distribución Completa*"),
    subtitle = md("**Variable: Api_BE - 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: Api_BE - Con Total
0	2.8923	1.45	5	0.06489293	5	7705	0	100
2.8923	5.7846	4.34	1	0.01297859	6	7700	0	100
5.7846	8.6769	7.23	0	0.00000000	6	7699	0	100
8.6769	11.5692	10.12	0	0.00000000	6	7699	0	100
11.5692	14.4615	13.02	11	0.14276444	17	7699	0	100
14.4615	17.3538	15.91	104	1.34977287	121	7688	2	100
17.3538	20.2462	18.8	1564	20.29850746	1685	7584	22	98
20.2462	23.1385	21.69	788	10.22712524	2473	6020	32	78
23.1385	26.0308	24.58	2176	28.24140169	4649	5232	60	68
26.0308	28.9231	27.48	1809	23.47826087	6458	3056	84	40
28.9231	31.8154	30.37	1012	13.13432836	7470	1247	97	16
31.8154	34.7077	33.26	205	2.66060999	7675	235	100	3
34.7077	37.6	36.15	30	0.38935756	7705	30	100	0
Total			7705	100.00000000
Fuente: Producción Campo Sacha

2.2 Intervalos con R

Histograma de la variable

histo_ApiBE <- hist(api_be, 
                    main = "Gráfica: Distribución de Api_BE\nCampo Sacha",  
                    xlab = "Api_BE",  
                    ylab = "Cantidad", 
                    col = "lightblue",
                    border = "darkblue",
                    las = 1)

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

Limites <- histo_ApiBE$breaks  
LimInf <- Limites[1:(length(Limites)-1)]
LimSup <- Limites[2:length(Limites)]
Mc <- histo_ApiBE$mids  
ni_R <- histo_ApiBE$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_ApiBE_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_ApiBE_R %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla 3: Distribución - Intervalos R*"),
    subtitle = md("**Método Automático de R - Variable: Api_BE**")  
  ) %>%
  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: Api_BE
0	2	1	5	0.06%	5	7705	0.06%	100.00%
2	4	3	0	0.00%	5	7700	0.06%	99.94%
4	6	5	1	0.01%	6	7700	0.08%	99.94%
6	8	7	0	0.00%	6	7699	0.08%	99.92%
8	10	9	0	0.00%	6	7699	0.08%	99.92%
10	12	11	0	0.00%	6	7699	0.08%	99.92%
12	14	13	11	0.14%	17	7699	0.22%	99.92%
14	16	15	0	0.00%	17	7688	0.22%	99.78%
16	18	17	313	4.06%	330	7688	4.28%	99.78%
18	20	19	1203	15.61%	1533	7375	19.90%	95.72%
20	22	21	658	8.54%	2191	6172	28.44%	80.10%
22	24	23	934	12.12%	3125	5514	40.56%	71.56%
24	26	25	1524	19.78%	4649	4580	60.34%	59.44%
26	28	27	1183	15.35%	5832	3056	75.69%	39.66%
28	30	29	1167	15.15%	6999	1873	90.84%	24.31%
30	32	31	487	6.32%	7486	706	97.16%	9.16%
32	34	33	147	1.91%	7633	219	99.07%	2.84%
34	36	35	68	0.88%	7701	72	99.95%	0.93%
36	38	37	4	0.05%	7705	4	100.00%	0.05%
Intervalos generados automáticamente por hist()

Tabla de distribución

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

# Crear tabla con Total
TDF_ApiBE_R_Completo <- rbind(  
  TDF_ApiBE_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 = " "
  )
)

# Usar gt (IGUAL que el ejemplo)
library(gt)
library(dplyr)

tabla_ApiBE_Final <- TDF_ApiBE_R_Completo %>%  
  gt() %>%
  tab_header(
    title = md("*Tabla de Distribución de Frecuencias*"),
    subtitle = md("**Variable: Api_BE - Campo Sacha**")  
  )

# Mostrar
tabla_ApiBE_Final

LimInf	LimSup	Mc	ni_R	hi_R	Ni_asc	Ni_dsc	Hi_asc	Hi_dsc
Tabla de Distribución de Frecuencias
Variable: Api_BE - Campo Sacha
0	2	1	5	0.06489293	5	7705	0.06	100
2	4	3	0	0.00000000	5	7700	0.06	99.94
4	6	5	1	0.01297859	6	7700	0.08	99.94
6	8	7	0	0.00000000	6	7699	0.08	99.92
8	10	9	0	0.00000000	6	7699	0.08	99.92
10	12	11	0	0.00000000	6	7699	0.08	99.92
12	14	13	11	0.14276444	17	7699	0.22	99.92
14	16	15	0	0.00000000	17	7688	0.22	99.78
16	18	17	313	4.06229721	330	7688	4.28	99.78
18	20	19	1203	15.61323816	1533	7375	19.9	95.72
20	22	21	658	8.53990915	2191	6172	28.44	80.1
22	24	23	934	12.12199870	3125	5514	40.56	71.56
24	26	25	1524	19.77936405	4649	4580	60.34	59.44
26	28	27	1183	15.35366645	5832	3056	75.69	39.66
28	30	29	1167	15.14600909	6999	1873	90.84	24.31
30	32	31	487	6.32057106	7486	706	97.16	9.16
32	34	33	147	1.90785204	7633	219	99.07	2.84
34	36	35	68	0.88254380	7701	72	99.95	0.93
36	38	37	4	0.05191434	7705	4	100	0.05
Total			7705	100.00000000

3 Histogramas

3.1 Histograma de frecuencia absoluta local (ni)

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

3.2 Histograma de frecuencia absoluta global (ni)

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

3.3 Histograma de porcentaje local (hi)

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

3.4 Histograma de porcentaje global (hi)

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

4 Diagramas

4.1 Ojivas

4.1.1 Ojivas combinadas (ni)

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

# Agregar ojiva ascendente
lines(TDFApiBE$Li, TDFApiBE$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(TDFApiBE$Ls, TDFApiBE$Hidsc,  
     type = "o",  # "o" = puntos y líneas
     xlim = c(0, max),
     main = "Gráfica: Ojivas combinadas de Api_BE\n(Campo Sacha - Porcentajes)",  
     ylab = "Porcentaje Acumulado (%)", 
     col = "blue", 
     xlab = "Api_BE",  
     ylim = c(0, 100))  # Porcentajes de 0 a 100%

# Agregar ojiva ascendente (porcentajes) - SIN "add=TRUE"
lines(TDFApiBE$Li, TDFApiBE$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(api_be,
        horizontal = TRUE,  # Horizontal (como el ejemplo)
        col = "blue", 
        main = "Gráfica: Distribución de Api_BE\n(Campo Sacha)",  
        xlab = "Api_BE", 
        notch = FALSE)  # Sin muesca

## 5: Resumen y outliers

# Resumen
summary(api_be)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00   20.70   25.10   24.72   27.90   37.60

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

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

## Número de outliers: 6

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

## Mínimo outlier: 0 
## Máximo outlier: 5

5:Indicadores estadísticos

5.1: Extraer la variable continua

# Media aritmética
x <- mean(api_be)  

# Mediana 
Me <- median(api_be) 

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

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

## Media aritmética (x) = 24.72485

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

## Mediana (Me) = 25.1

cat("Mínimo (ri) =", ri, "\n")

## Mínimo (ri) = 0

cat("Máximo (rs) =", rs, "\n")

## Máximo (rs) = 37.6

5.2 Dispersión

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

## Varianza = 18.07387

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

## Desviación estándar (s) = 4.251337

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

## Coeficiente de variación (CV) = 17.19459 %

# 5.3 Forma 

# install.packages("e1071")

library(e1071)

# Coeficiente de asimetría
As <- skewness(api_be)  

# Coeficiente de kurtosis  
k <- kurtosis(api_be) 

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

## Coeficiente de asimetría = -0.1674964

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

## Coeficiente de kurtosis = -0.07633838

6: Tabla resumen

# 6 Tabla resumen 

Variable <- c("Api_BE") 

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: Api_BE**")  
  ) %>%
  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)
  ) %>%
  # Formatear números (2 decimales)
  fmt_number(
    columns = c("minimo", "máximo", "x", "Me", "sd", "Cv (%)", "As", "K"),
    decimals = 2
  ) %>%
  # Añadir % al CV
  fmt_number(
    columns = "Cv (%)",
    pattern = "{x}%"
  )

# Mostrar tabla
tabla_resumen_gt

Variable	minimo	máximo	x	Me	sd	Cv (%)	As	K
Tabla: Indicadores estadísticos
Variable: Api_BE
Api_BE	0.00	37.60	24.72	25.10	4.25	17.19%	−0.17	−0.08
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 - Api_BE", 
    subtitle = "Campo Sacha"
  )

# 3. Mostrar
tabla_outliers_final

Outliers	Mínimo	Máximo
Outliers - Api_BE
Campo Sacha
6	0	5

7: CONCLUSIÓN

#La variable Api_BE en Campo Sacha opera de manera muy estable y predecible, con un valor típico alrededor de 25 (media 24.72) y poca variación (solo 17.19%). Su comportamiento es casi perfectamente simétrico y normal, y de todas las mediciones, solo 6 valores fueron excepcionalmente bajos (entre 0 y 5). Esto confirma que es un proceso bien controlado y confiable.

Api_BE

Davis Piguave

2025-12-11

1: Carga de datos

2 Tabla de distribución de frecuencias

2.1 Sturges

Creación de la tabla de distribución de frecuencia

Tabla de distribución

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