AVISO IMPORANTE!

Originalmente, la variable subtipo de líquidos era de naturaleza cualitativa nominal, ya que solo listaba nombres de fluidos sin un orden inherente. Para enriquecer el análisis de seguridad, se realizó una transformación a variable ordinal aplicando un criterio de volatilidad y riesgo de explosión.

#Se reclasificaron los fluidos en tres niveles jerárquicos: #Nivel 1: Bajo riesgo #Nivel 2: Medio riesgo #Nivel 3: Alto riesgo

1 Cargar datos

Importamos el archivo “database (1).csv” desde una ruta local y lo almacena en el objeto datos, usando espacios o tabulaciones como separador.

datos <- read.csv("database-_1_.csv")
zona<-datos$Liquid.Subtype

2 Tabla de frecuencia

Extraemos la variable subtipo de líquidos, omitimos las celdas en blanco o valores iguales a cero y verificamos el tamaño muestral. En la tabla de distribución de frecuencias de la variable Subtipo de Líquidos, el número de clases se determinó mediante la regla de Sturges y el ancho de clase se calculó a partir del rango total de los datos, asegurando una cobertura completa desde el valor mínimo hasta el valor máximo registrado en la muestra.

datos_liquidos <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "GASES LICUADOS",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO AlTAMENTE VOLÁTIL",
    TRUE ~ "AMONÍACO, BIODIESEL" 
  )) %>%
  mutate(Nivel_Riesgo = case_when(
    Subtipo_Clean == "CRUDO / CO2" ~ 1,
    Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "AMONÍACO, BIODIESEL") ~ 2,
    Subtipo_Clean %in% c("GASES LICUADOS", "LÍQUIDO AlTAMENTE VOLÁTIL") ~ 3,
    
    TRUE ~ 0
  ))
TDF_agrupada <- datos_liquidos %>%
  count(Nivel_Riesgo, Subtipo_Clean, name = "ni") %>%
  arrange(Nivel_Riesgo, desc(ni)) 
ni_total <- sum(TDF_agrupada$ni)
TDF_agrupada$hi <- (TDF_agrupada$ni / ni_total) * 100
TDF_agrupada$hi <- sprintf("%.2f", round(TDF_agrupada$hi, 2))
Sumatoria <- data.frame(
  Nivel_Riesgo = "",
  Subtipo_Clean = "TOTAL",
  ni = ni_total,
  hi = "100.00"
)

TDF_final <- rbind(TDF_agrupada, Sumatoria)
colnames(TDF_final) <- c("Nivel Riesgo", "Tipo de Subtipos de Líquidos", "ni", "hi (%)")
library(knitr)
library(kableExtra)

kable(TDF_final, align = 'c', 
      caption = "Tabla 1: Cantidad de Accidentes por Nivel de Riesgo") %>%
  kable_styling(full_width = FALSE, position = "center", 
                bootstrap_options = c("striped", "hover", "condensed")) %>%
  # 1. Estilo para la fila del TOTAL 
  row_spec(nrow(TDF_final), bold = TRUE, background = "#f2f2f2") %>%
  # 2. Estilo para Nivel de Riesgo 3
  row_spec(which(TDF_final$`Nivel Riesgo` == "3"), bold = TRUE)
Tabla 1: Cantidad de Accidentes por Nivel de Riesgo
Nivel Riesgo Tipo de Subtipos de Líquidos ni hi (%)
1 CRUDO / CO2 1446 51.74
2 DIESEL / QUEROSENO 410 14.67
2 GASOLINA 376 13.45
2 AMONÍACO, BIODIESEL 204 7.30
3 GASES LICUADOS 188 6.73
3 LÍQUIDO AlTAMENTE VOLÁTIL 171 6.12
TOTAL 2795 100.00

3 Cantidad absoluta local de Accidentes por Subtipos de líquidos

En la tabla de distribución de frecuencias de esta variable, se aplicó una clasificación por nivel de riesgo (Bajo, Medio y Alto) basada en la volatilidad de los componentes, evidenciando que la mayor cantidad de registros corresponde al Crudo/CO2 (riesgo bajo) con cerca de 1,500 casos, seguido por combustibles de riesgo medio como el Diesel y la Gasolina, mientras que las sustancias de alta volatilidad y riesgo elevado, como los gases licuados, muestran la menor incidencia de accidentes en la muestra estudiada.

datos_grafico <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2 ",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "AMONÍACO, BIODIESEL",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO ALTAMENTE VOLÁTIL",
    TRUE ~ "GASES LICUADOS"
  )) %>%
  mutate(Nivel_Riesgo = case_when(
    Subtipo_Clean == "CRUDO / CO2 " ~ "1. Bajo",
    Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "AMONÍACO, BIODIESEL") ~ "2. Medio",
    Subtipo_Clean %in% c("GASES LICUADOS", "LÍQUIDO ALTAMENTE VOLÁTIL") ~ "3. Alto",
    TRUE ~ "0. Desconocido"
  )) %>%
  count(Nivel_Riesgo, Subtipo_Clean, name = "ni")
ggplot(datos_grafico, aes(x = reorder(Subtipo_Clean, -ni), y = ni, fill = Nivel_Riesgo)) + 
  geom_bar(stat = "identity", width = 0.75, color = "black") + 
  scale_fill_manual(values = c(
    "1. Bajo" = "#AED6F1",  
    "2. Medio" = "#3498DB",  
    "3. Alto" = "#154360"    
  )) +
  
  labs(
    title = "Gráfica N1: Distribución local de Accidentes por Nivel de Riesgo",
    x = "Subtipos de líquidos",
    y = "Cantidad",
    fill = "Nivel de Riesgo"
  ) +
  
  theme_light() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, color = "black"),
    legend.position = "top"
  )

4 Cantidad Absoluta Global de Accidentes por Subtipos de líquidos

Extraemos la variable subtipo de líquidos, omitimos las celdas en blanco o valores iguales a cero y verificamos el tamaño muestral para determinar la frecuencia absoluta de accidentes tanto en el ámbito local como global.

datos_grafico_global <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "AMONÍACO, BIODIESEL",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO ALTAMENTE VOLÁTIL",
    TRUE ~ "GASES LICUADOS"
  )) %>%
  mutate(Nivel_Riesgo = case_when(
    Subtipo_Clean == "CRUDO / CO2" ~ "1. Bajo",
    Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "AMONÍACO, BIODIESEL") ~ "2. Medio",
    Subtipo_Clean %in% c("GASES LICUADOS","LÍQUIDO ALTAMENTE VOLÁTIL") ~ "3. Alto",
    TRUE ~ "0. Desconocido"
  )) %>%
  count(Nivel_Riesgo, Subtipo_Clean, name = "ni")
ggplot(datos_grafico_global, aes(x = reorder(Subtipo_Clean, -ni), y = ni, fill = Nivel_Riesgo)) + 
  
  geom_bar(stat = "identity", width = 0.7, color = "black") + 
  scale_fill_manual(values = c(
    "1. Bajo" = "#AED6F1",   
    "2. Medio" = "#3498DB",  
    "3. Alto" = "#154360"    
  )) +
  scale_y_continuous(
    limits = c(0, 2795),        
    breaks = seq(0, 2795, 500)  
  ) +
  
  labs(
    title = "Gráfica N2: Distribución global de Accidentes por Nivel de Riesgo",
    x = "Subtipos de Líquidos",
    y = "Cantidad",
    fill = "Nivel de Riesgo"
  ) +
  
  theme_light() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, color = "black"),
    legend.position = "top"
  )

5 Cantidad relativa global de Accidentes por Subtipos de Líquidos

Aunque parezca contradictorio que el mayor número de accidentes ocurra con sustancias de “bajo riesgo”, esto suele indicar que el volumen de transporte y manipulación del crudo es masivamente superior al de gases altamente volátiles. Es un recordatorio de que, estadísticamente, la mayoría de los problemas ocurren donde hay más actividad, incluso si la sustancia es más estable.

datos_hi_local <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "AMONÍACO, BIODIESEL",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO ALTAMENTE VOLÁTIL",
    TRUE ~ "GASES LICUADOS"
  )) %>%
  mutate(Nivel_Riesgo = case_when(
    Subtipo_Clean == "CRUDO / CO2" ~ "1. Bajo",
    Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "AMONÍACO, BIODIESEL") ~ "2. Medio",
    Subtipo_Clean %in% c("GASES LICUADOS", "LÍQUIDO ALTAMENTE VOLÁTIL") ~ "3. Alto",
    TRUE ~ "0. Desconocido"
  )) %>%
  count(Nivel_Riesgo, Subtipo_Clean, name = "ni") %>%
  mutate(hi_pct = (ni / sum(ni)) * 100)
ggplot(datos_hi_local, aes(x = reorder(Subtipo_Clean, -hi_pct), y = hi_pct, fill = Nivel_Riesgo)) +
  geom_bar(stat = "identity", width = 0.7, color = "black") +
  scale_fill_manual(values = c(
    "1. Bajo" = "#AED6F1",
    "2. Medio" = "#3498DB",  
    "3. Alto" = "#154360"    
  )) +
  scale_y_continuous(limits = c(0, 100), breaks = seq(0, 100, by = 20)) +
  
  labs(
    title = "Gráfica N3: Porcentaje global de Accidentes por Nivel de Riesgo",
    x = "Subtipos de Líquidos",
    y = "Porcentaje (%)",
    fill = "Nivel de Riesgo"
  ) +
  
  theme_classic() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, color = "black"),
    legend.position = "top"
  )

6 Cantidad relativa local de Accidentes por Subtipos de Líquidos

Extraemos la variable subtipo de líquidos, omitimos valores nulos o ceros y determinamos la frecuencia mediante la regla de Sturges. El análisis muestra que el Crudo/CO2 (riesgo bajo) concentra más del 50% de los incidentes (~1,450 casos) a nivel local y global. Las sustancias de alta volatilidad registran la menor cantidad de accidentes, vinculando la siniestralidad al volumen de operación manejado.

datos_hi_local <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "AMONÍACO, BIODIESEL",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO ALTAMENTE VOLÁTIL",
    TRUE ~ "GASES LICUADOS"
  )) %>%
  # 1. Agregamos la clasificación Ordinal
  mutate(Nivel_Riesgo = case_when(
    Subtipo_Clean == "CRUDO / CO2" ~ "1. Bajo",
    Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "AMONÍACO, BIODIESEL") ~ "2. Medio",
    Subtipo_Clean %in% c("GASES LICUADOS", "LÍQUIDO ALTAMENTE VOLÁTIL") ~ "3. Alto",
    TRUE ~ "0. Desconocido"
  )) %>%
  count(Nivel_Riesgo, Subtipo_Clean, name = "ni") %>%
  mutate(hi_pct = (ni / sum(ni)) * 100) 
ggplot(datos_hi_local, aes(x = reorder(Subtipo_Clean, -hi_pct), y = hi_pct, fill = Nivel_Riesgo)) +
  geom_bar(stat = "identity", width = 0.7, color = "black") +
  scale_fill_manual(values = c(
    "1. Bajo" = "#AED6F1",   
    "2. Medio" = "#3498DB",  
    "3. Alto" = "#154360"    
  )) +
  
  labs(
    title = "Gráfica N4: Porcentaje local de Accidentes por Nivel de Riesgo",
    x = "Subtipos de Líquidos",
    y = "Porcentaje (%)",
    fill = "Nivel de Riesgo"
  ) +
  
  theme_classic() +
  
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "top"
  )

7 Diagrama Circular

El diagrama circular de la variable subtipo de líquidos resalta visualmente la hegemonía del Crudo/CO2, que ocupa más de la mitad de la superficie total, reflejando su predominancia en la siniestralidad. Los sectores restantes se distribuyen entre combustibles de riesgo medio y gases de alta volatilidad, evidenciando que la gran mayoría de los incidentes se concentran en una sola categoría operativa. Esta representación permite confirmar que, a pesar de su bajo riesgo intrínseco, el volumen de manejo de este fluido es el factor determinante en la frecuencia de los accidentes.

library(dplyr)
library(ggplot2)

# 1. Preparación de los datos (agregando la columna de Nivel de Riesgo)
datos_grafico <- datos %>%
  mutate(Subtipo_Clean = case_when(
    is.na(Liquid.Subtype) | Liquid.Subtype == "" ~ "CRUDO / CO2",
    grepl("DIESEL", Liquid.Subtype) ~ "DIESEL / QUEROSENO",
    grepl("GASOLINE", Liquid.Subtype) ~ "GASOLINA",
    grepl("LPG", Liquid.Subtype) ~ "AMONÍACO, BIODIESEL",
    grepl("OTHER HVL", Liquid.Subtype) ~ "LÍQUIDO ALTAMENTE VOLÁTIL",
    TRUE ~ "GASES LICUADOS"
  )) %>%
  count(Subtipo_Clean, name = "ni") %>%
  mutate(hi_pct = round((ni / sum(ni)) * 100, 1)) %>%
  mutate(
    Subtipo_Clean = factor(Subtipo_Clean, levels = c(
      "AMONÍACO, BIODIESEL", "LÍQUIDO ALTAMENTE VOLÁTIL",                 
      "GASOLINA", "DIESEL / QUEROSENO", "GASES LICUADOS",
      "CRUDO / CO2"                 
    )),
    # NUEVO: Clasificando el Nivel de Riesgo para la segunda leyenda
    Nivel_Riesgo = case_when(
      Subtipo_Clean %in% c("AMONÍACO, BIODIESEL", "LÍQUIDO ALTAMENTE VOLÁTIL") ~ "Alto",
      Subtipo_Clean %in% c("GASOLINA", "DIESEL / QUEROSENO", "GASES LICUADOS") ~ "Medio",
      TRUE ~ "Bajo"
    ),
    Nivel_Riesgo = factor(Nivel_Riesgo, levels = c("Alto", "Medio", "Bajo"))
  )

# 2. Definición de colores
colores_riesgo_map <- c(
  "AMONÍACO, BIODIESEL" = "#154360",
  "LÍQUIDO ALTAMENTE VOLÁTIL" = "#154360",
  "GASOLINA" = "#3498DB",
  "DIESEL / QUEROSENO" = "#3498DB",
  "GASES LICUADOS" = "#3498DB",
  "CRUDO / CO2" = "#AED6F1"
)

# Colores para la nueva leyenda
colores_niveles <- c(
  "Alto" = "#154360",
  "Medio" = "#3498DB",
  "Bajo" = "#AED6F1"
)

# 3. Creación del Gráfico
ggplot(datos_grafico, aes(x = "", y = hi_pct, fill = Subtipo_Clean)) +
  geom_bar(stat = "identity", width = 1, color = "white", size = 1) +
  # TRUCO: Capa invisible asignada a 'color' para generar la segunda leyenda
  geom_point(aes(color = Nivel_Riesgo), alpha = 0, size = 0) +
  coord_polar("y", start = 0) +
  geom_text(aes(label = paste0(hi_pct, "%")), 
            position = position_stack(vjust = 0.5), 
            color = "white", size = 3.5, fontface = "bold") +
  scale_fill_manual(values = colores_riesgo_map) +
  scale_color_manual(values = colores_niveles) + 
  
  labs(
    title = "Gráfica N5: Distribución de diagrama circular por Subtipos Líquidos y Nivel de Riesgo",
    fill = "Subtipos de Líquidos",
    color = "Nivel de Riesgo" 
  ) +
  
  guides(
    fill = guide_legend(order = 1),
    color = guide_legend(order = 2, override.aes = list(alpha = 1, size = 5, shape = 15))
  ) +
  
  theme_void() +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", margin = margin(b = 10)),
    legend.position = "right", 
    legend.text = element_text(size = 9),
    legend.title = element_text(face = "bold", size = 10),
    legend.margin = margin(t = 10, r = 0, b = 0, l = 0)
  )
## Warning in geom_bar(stat = "identity", width = 1, color = "white", size = 1):
## Ignoring unknown parameters: `size`

8 Indicadores Estadístico

Los indicadores estadísticos de la variable subtipo de líquidos muestran una distribución con una moda contundente en la categoría Crudo/CO2, la cual representa la mayor frecuencia absoluta con aproximadamente 1,450 registros. Al analizar la concentración de los datos, se observa que el riesgo bajo domina la muestra con un peso superior al 50%, mientras que las medidas de dispersión reflejan una variabilidad reducida hacia las categorías de riesgo alto, confirmando una asimetría donde la siniestralidad se agrupa en fluidos de gran volumen operativo y baja volatilidad.

# --- CÁLCULO DE MEDIA, MEDIANA Y MODA (NIVEL DE RIESGO) ---

# 1. Cálculos estadísticos directos sobre la variable numérica
media_riesgo <- mean(datos_liquidos$Nivel_Riesgo, na.rm = TRUE)
mediana_riesgo <- median(datos_liquidos$Nivel_Riesgo, na.rm = TRUE)

# 2. Cálculo de la Moda agrupando las frecuencias de la tabla que ya creaste
frecuencias_riesgo <- TDF_agrupada %>%
  group_by(Nivel_Riesgo) %>%
  summarise(Total_ni = sum(ni)) %>%
  arrange(desc(Total_ni))

moda_riesgo <- frecuencias_riesgo$Nivel_Riesgo[1]

# 3. Construcción del Data Frame para la tabla
tabla_tendencia <- data.frame(
  Estadístico = c("Media", "Mediana", "Moda"),
  Valor = c(round(media_riesgo, 2), mediana_riesgo, moda_riesgo),
  Interpretación = c(
    "Promedio del nivel de riesgo de los accidentes (Escala 1 al 3)",
    "Punto central: el 50% de los incidentes son de este nivel o menor",
    "Nivel de Riesgo que ocurre con mayor frecuencia"
  )
)

# 4. Renderizado visual de la tabla con kableExtra
kable(tabla_tendencia, align = c('l', 'c', 'l'), 
      caption = "Tabla N2: Medidas de Tendencia Central (Nivel de Riesgo)") %>%
  kable_styling(full_width = FALSE, position = "center", 
                bootstrap_options = c("striped", "hover", "condensed")) %>%
  row_spec(1:3, bold = TRUE, background = "#ffeeba")
Tabla N2: Medidas de Tendencia Central (Nivel de Riesgo)
Estadístico Valor Interpretación
Media 1.61 Promedio del nivel de riesgo de los accidentes (Escala 1 al 3)
Mediana 1.00 Punto central: el 50% de los incidentes son de este nivel o menor
Moda 1.00 Nivel de Riesgo que ocurre con mayor frecuencia

9 Conclusión

El análisis de las medidas de tendencia central revela que la siniestralidad está fuertemente concentrada en el Nivel de Riesgo 1 (Bajo), correspondiente al manejo de Crudo y CO2, el cual representa tanto la moda como la mediana de la distribución. Esto confirma que al menos el 50% de los incidentes registrados pertenecen a la categoría de menor criticidad inmediata. No obstante, la media aritmética se sitúa en 1.61, un valor notablemente superior a la mediana. Esto evidencia una distribución con asimetría positiva