1. CARGA DE LIBRERIAS Y DATOS

library(readxl)
library(dplyr)

## 
## Attaching package: 'dplyr'

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

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

library(gt)

datos <- read_excel("datos_nuevoartes.xlsx")

2. DEFINICIÓN DE LA VARIABLE

latitude <- datos$latitude
latitude <- latitude[!is.na(latitude)]
n_lat <- length(latitude)

3. PARÁMETROS DE CLASIFICACIÓN

k_lat <- 12

min_lat <- min(latitude)
max_lat <- max(latitude)

R_lat <- max_lat - min_lat
A_real <- R_lat / k_lat

4. AJUSTE DE AMPLITUD DE CLASE

A_lat <- ifelse(
  A_real <= 2, 2,
  ifelse(
    A_real <= 5, 5,
    ifelse(A_real <= 10, 10, ceiling(A_real / 10) * 10)
  )
)

5. DEFINICIÓN DE CLASES

Li0 <- floor(min_lat / A_lat) * A_lat

Li_lat <- seq(Li0, by = A_lat, length.out = k_lat)
Ls_lat <- Li_lat + A_lat
MC_lat <- round((Li_lat + Ls_lat) / 2, 2)

6. CÁLCULO DE FRECUENCIAS

ni_lat <- numeric(k_lat)

for (i in 1:k_lat) {
  if (i < k_lat) {
    ni_lat[i] <- sum(latitude >= Li_lat[i] & latitude < Ls_lat[i])
  } else {
    ni_lat[i] <- sum(latitude >= Li_lat[i] & latitude <= max_lat)
  }
}

hi_lat <- (ni_lat / sum(ni_lat)) * 100

Ni_asc <- cumsum(ni_lat)
Ni_dsc <- rev(cumsum(rev(ni_lat)))

Hi_asc <- cumsum(hi_lat)
Hi_dsc <- rev(cumsum(rev(hi_lat)))

7. TABLA DE FRECUENCIAS (SALLIDA SIMPLE)

TDF_latitude <- data.frame(
  Li = Li_lat,
  Ls = Ls_lat,
  MC = MC_lat,
  ni = ni_lat,
  hi = hi_lat,
  Ni_asc = Ni_asc,
  Ni_dsc = Ni_dsc,
  Hi_asc = Hi_asc,
  Hi_dsc = Hi_dsc
)

TDF_latitude <- rbind(
  TDF_latitude,
  data.frame(
    Li = "TOTAL",
    Ls = "",
    MC = "",
    ni = sum(ni_lat),
    hi = 100,
    Ni_asc = "",
    Ni_dsc = "",
    Hi_asc = "",
    Hi_dsc = ""
  )
)

TDF_latitude

##       Li  Ls  MC    ni          hi Ni_asc Ni_dsc            Hi_asc
## 1    -50 -40 -45    99   0.8973081     99  11033 0.897308075772682
## 2    -40 -30 -35   147   1.3323665    246  10934  2.22967461252606
## 3    -30 -20 -25   257   2.3293755    503  10787  4.55905012236019
## 4    -20 -10 -15   158   1.4320674    661  10530  5.99111755642164
## 5    -10   0  -5   498   4.5137315   1159  10372  10.5048490890963
## 6      0  10   5  1015   9.1996737   2174   9874  19.7045227952506
## 7     10  20  15  1394  12.6348228   3568   8859  32.3393455995649
## 8     20  30  25  1842  16.6953684   5410   7465  49.0347140396991
## 9     30  40  35  2554  23.1487356   7964   5623  72.1834496510469
## 10    40  50  45  2603  23.5928578  10567   3069  95.7763074413124
## 11    50  60  55   419   3.7976978  10986    466  99.5740052569564
## 12    60  70  65    47   0.4259947  11033     47               100
## 13 TOTAL         11033 100.0000000                                
##               Hi_dsc
## 1                100
## 2   99.1026919242273
## 3   97.7703253874739
## 4   95.4409498776398
## 5   94.0088824435784
## 6   89.4951509109037
## 7   80.2954772047494
## 8   67.6606544004351
## 9   50.9652859603009
## 10  27.8165503489531
## 11  4.22369255868757
## 12 0.425994743043596
## 13

8. TABLA DE PRESENTACIÓN

tabla_latitude <- TDF_latitude %>%
  mutate(
    hi = round(as.numeric(hi), 2),
    Hi_asc = round(as.numeric(Hi_asc), 2)
  ) %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 2**"),
    subtitle = md("Distribución de frecuencias de la variable Latitude (12 clases)")
  ) %>%
  cols_label(
    Li = "Límite inferior (°)",
    Ls = "Límite superior (°)",
    MC = "Marca de clase (°)",
    ni = "Frecuencia absoluta (ni)",
    hi = "Frecuencia relativa (%)",
    Ni_asc = "Frecuencia acumulada (Ni)",
    Hi_asc = "Frecuencia relativa acumulada (%)"
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = Li == "TOTAL")
  ) %>%
  tab_source_note(
    source_note = md("Elaborado por: Grupo 2 – Carrera de Geología")
  )

tabla_latitude

Límite inferior (°)	Límite superior (°)	Marca de clase (°)	Frecuencia absoluta (ni)	Frecuencia relativa (%)	Frecuencia acumulada (Ni)	Ni_dsc	Frecuencia relativa acumulada (%)	Hi_dsc
Tabla N° 2
Distribución de frecuencias de la variable Latitude (12 clases)
-50	-40	-45	99	0.90	99	11033	0.90	100
-40	-30	-35	147	1.33	246	10934	2.23	99.1026919242273
-30	-20	-25	257	2.33	503	10787	4.56	97.7703253874739
-20	-10	-15	158	1.43	661	10530	5.99	95.4409498776398
-10	0	-5	498	4.51	1159	10372	10.50	94.0088824435784
0	10	5	1015	9.20	2174	9874	19.70	89.4951509109037
10	20	15	1394	12.63	3568	8859	32.34	80.2954772047494
20	30	25	1842	16.70	5410	7465	49.03	67.6606544004351
30	40	35	2554	23.15	7964	5623	72.18	50.9652859603009
40	50	45	2603	23.59	10567	3069	95.78	27.8165503489531
50	60	55	419	3.80	10986	466	99.57	4.22369255868757
60	70	65	47	0.43	11033	47	100.00	0.425994743043596
TOTAL			11033	100.00			NA
Elaborado por: Grupo 2 – Carrera de Geología

9. HISTOGRAMAS

9.1 Histograma local ni

hist(
  latitude,
  breaks = k_lat,
  col = "grey",
  main = "Gráfica 5: Histograma de frecuencia absoluta de Latitude",
  xlab = "Latitude (°)",
  ylab = "Frecuencia"
)

9.2. Histograma ni

hist(
  latitude,
  main = "Gráfica Nº 6: Frecuencia de Latitude (Global)",
  ylab = "Cantidad",
  xlab = "Latitude (°)",
  col = "grey",
  ylim = c(0, length(latitude))
)

9.3. Histograma local hi

hist(
  latitude,
  breaks = k_lat,
  freq = FALSE,
  col = "grey",
  main = "Gráfica 6: Histograma de frecuencia relativa de Latitude",
  xlab = "Latitude (°)",
  ylab = "Densidad"
)

9.4. Histograma global hi

barplot(
  TDF_latitude$hi[TDF_latitude$Li != "TOTAL"],
  space = 0,
  main = "Gráfica Nº 8: Porcentaje de Latitude (Global)",
  ylab = "Porcentaje (%)",
  xlab = "Marca de Clase (°)",
  col = "grey",
  names.arg = TDF_latitude$MC[TDF_latitude$Li != "TOTAL"],
  ylim = c(0, 100)
)

10. DIAGRAMA DE OJIVAS

plot(
  Ls_lat,
  Ni_asc,
  type = "o",
  col = "blue",
  pch = 19,
  main = "Gráfica 7: Ojiva acumulada de Latitude",
  xlab = "Límites de clase (°)",
  ylab = "Frecuencia acumulada"
)

lines(
  Li_lat,
  Ni_dsc,
  type = "o",
  col = "red",
  pch = 17
)

legend(
  "right",
  legend = c("Ojiva ascendente (≤)", "Ojiva descendente (≥)"),
  col = c("blue", "red"),
  pch = c(19, 17),
  bty = "n"
)

11. DIAGRAMA DE CAJAS

boxplot(
  latitude,
  horizontal = TRUE,
  col = "grey",
  main = "Gráfica 8: Diagrama de caja de Latitude",
  xlab = "Latitude (°)"
)

12. INDICADORES ESTADÍSTICOS

x <- mean(latitude)
Me <- median(latitude)
Mo <- as.numeric(names(sort(table(round(latitude, 1)), decreasing = TRUE)[1]))

sd_lat <- sd(latitude)
CV <- (sd_lat / x) * 100
As <- mean((latitude - x)^3) / sd_lat^3
K  <- mean((latitude - x)^4) / sd_lat^4 - 3

12.1. Tabla de indicadores

tabla_indicadores <- data.frame(
  Variable = "Latitude",
  Media = round(x, 2),
  Mediana = round(Me, 2),
  Moda = round(Mo, 2),
  Desv_Est = round(sd_lat, 2),
  CV = round(CV, 2),
  Asimetría = round(As, 2),
  Curtosis = round(K, 2)
)

tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 3**"),
    subtitle = md("Indicadores estadísticos de la variable Latitude")
  ) %>%
  tab_source_note(
    source_note = md("Elaborado por: Grupo 2 – Carrera de Geología")
  )

Variable	Media	Mediana	Moda	Desv_Est	CV	Asimetría	Curtosis
Tabla N° 3
Indicadores estadísticos de la variable Latitude
Latitude	25.88	30.53	45.6	20.42	78.88	-1.12	1.1
Elaborado por: Grupo 2 – Carrera de Geología

13. DETECCIÓN Y UBICACIÓN DE OULIERS

13.1. Parámetros estadísticos

Q1_lat <- quantile(latitude, 0.25)
Q3_lat <- quantile(latitude, 0.75)
IQR_lat <- Q3_lat - Q1_lat

13.2. Definición de Rangos Críticos (Vallas)

lim_inf_valla <- Q1_lat - 1.5 * IQR_lat
lim_sup_valla <- Q3_lat + 1.5 * IQR_lat

13.3. Identificación de Outliers por ubicación

outliers_bajos <- latitude[latitude < lim_inf_valla]
outliers_altos <- latitude[latitude > lim_sup_valla]

13.4. Creación de Tabla Resumen de Rangos

Tabla_Rangos_Outliers <- data.frame(
  Zona = c("Outliers Inferiores (Sur)", "Datos Normales", "Outliers Superiores (Norte)"),
  Rango_Aceptado = c(
    paste("<", round(lim_inf_valla, 4)),
    paste(round(lim_inf_valla, 4), "a", round(lim_sup_valla, 4)),
    paste(">", round(lim_sup_valla, 4))
  ),
  Cantidad_Puntos = c(length(outliers_bajos), n_lat - length(outliers_bajos) - length(outliers_altos), length(outliers_altos))
)

13.5. Formatp GT para los rangos

tabla_outliers_final <- Tabla_Rangos_Outliers %>%
  gt() %>%
  tab_header(
    title = md("Tabla 3"),
    subtitle = md("Ubicación de Outliers y Rangos de Control para Latitude")
  ) %>%
  cols_label(
    Zona = "Zona de Distribución",
    Rango_Aceptado = "Rango Numérico (°)",
    Cantidad_Puntos = "N° de Registros"
  ) %>%
  tab_style(
    style = cell_fill(color = "mistyrose"),
    locations = cells_body(rows = c(1, 3)) # Resalta las zonas de outliers
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo Geología | Método de Tukey (1.5 * IQR)")
  )

tabla_outliers_final

Zona de Distribución	Rango Numérico (°)	N° de Registros
Tabla 3
Ubicación de Outliers y Rangos de Control para Latitude
Outliers Inferiores (Sur)	< -26.5054	287
Datos Normales	-26.5054 a 81.2892	10746
Outliers Superiores (Norte)	> 81.2892	0
Autor: Grupo Geología \| Método de Tukey (1.5 * IQR)

VARIABLE CUALITATIVA ORDINAL: TAMAÑO DE LOS DESLIZAMIENTOS

Grupo 2 – Carrera de Geología

2025-12-18

1. CARGA DE LIBRERIAS Y DATOS

2. DEFINICIÓN DE LA VARIABLE

3. PARÁMETROS DE CLASIFICACIÓN

4. AJUSTE DE AMPLITUD DE CLASE

5. DEFINICIÓN DE CLASES

6. CÁLCULO DE FRECUENCIAS

7. TABLA DE FRECUENCIAS (SALLIDA SIMPLE)

8. TABLA DE PRESENTACIÓN

9. HISTOGRAMAS

9.1 Histograma local ni

9.2. Histograma ni

9.3. Histograma local hi

9.4. Histograma global hi

10. DIAGRAMA DE OJIVAS

11. DIAGRAMA DE CAJAS

12. INDICADORES ESTADÍSTICOS

12.1. Tabla de indicadores

13. DETECCIÓN Y UBICACIÓN DE OULIERS

13.1. Parámetros estadísticos

13.2. Definición de Rangos Críticos (Vallas)

13.3. Identificación de Outliers por ubicación

13.4. Creación de Tabla Resumen de Rangos

13.5. Formatp GT para los rangos