##### UNIVERSIDAD CENTRAL DEL ECUADOR #####
#### AUTOR: LEONARDO RUIZ ####
### CARRERA: INGENIERÍA EN PETROLEOS #####
##1. Carga de Datos
library(readxl)
datos <- read_excel("C:/Users/LEO/Documents/Producción Campo Sacha.csv.xlsx")
str(datos)
## 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 ...
##2.Extraer la variable continua
Api_BH <- datos$Api_BH
Api_BH <- as.numeric(Api_BH)
Api_BH <- na.omit(Api_BH)
##3. Cálculo de intervalos (sturges)
R <- max(Api_BH) - min(Api_BH)
k <- floor(1 + (3.3 * log10(length(Api_BH))))
A <- R / k
liminf <- seq(from = min(Api_BH),
by = A,
length.out = k)
limsup <- liminf + A
limsup[k] <- max(Api_BH)
MC <- (liminf + limsup) / 2
##4.Tabla de distribución de frecuencias
#4.1 Frecuencia absoluta
ni <- numeric(k)
for (i in 1:k) {
if (i == k) {
ni[i] <- sum(Api_BH >= liminf[i] & Api_BH <= limsup[i])
} else {
ni[i] <- sum(Api_BH >= liminf[i] & Api_BH < limsup[i])
}
}
#4.2 Frecuencias relativas y acumuladas
hi <- (ni / length(Api_BH)) * 100
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- cumsum(hi)
Hidsc <- rev(cumsum(rev(hi)))
#4.3 Tabla de frecuencias
tabla_Api_BH <- data.frame(
Límite_Inferior = round(liminf, 2),
Límite_Superior = round(limsup, 2),
Marca_Clase = round(MC, 2),
ni = ni,
hi_porc = round(hi, 2),
Ni_asc = Niasc,
Ni_dsc = Nidsc,
Hiasc_porc = round(Hiasc, 2),
Hidsc_porc = round(Hidsc, 2))
# TABLA 1 CON GT()
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
library(e1071)
tabla_Api_BH %>%
gt() %>%
tab_header(
title = md("**Tabla 1: Distribución de Frecuencias de Api_BH**"),
subtitle = md("Campo Sacha | Método Sturges")
) %>%
tab_source_note(
source_note = md("**Campo Sacha**")
) %>% # ¡SOLO UN PARÉNTESIS AQUÍ!
cols_label(
Límite_Inferior = "L. Inferior",
Límite_Superior = "L. Superior",
Marca_Clase = "Marca Clase",
hi_porc = "hi %",
Ni_asc = "Ni Asc.",
Ni_dsc = "Ni Desc.",
Hiasc_porc = "Hi Asc. %",
Hidsc_porc = "Hi Desc. %"
) %>%
fmt_number(
columns = c(Límite_Inferior, Límite_Superior, Marca_Clase),
decimals = 2
) %>%
fmt_number(
columns = c(hi_porc, Hiasc_porc, Hidsc_porc),
decimals = 2,
pattern = "{x}%"
)
| Tabla 1: Distribución de Frecuencias de Api_BH |
| Campo Sacha | Método Sturges |
| L. Inferior |
L. Superior |
Marca Clase |
ni |
hi % |
Ni Asc. |
Ni Desc. |
Hi Asc. % |
Hi Desc. % |
| 0.00 |
3.38 |
1.69 |
12 |
1.88% |
12 |
639 |
1.88% |
100.00% |
| 3.38 |
6.76 |
5.07 |
0 |
0.00% |
12 |
627 |
1.88% |
98.12% |
| 6.76 |
10.14 |
8.45 |
0 |
0.00% |
12 |
627 |
1.88% |
98.12% |
| 10.14 |
13.52 |
11.83 |
0 |
0.00% |
12 |
627 |
1.88% |
98.12% |
| 13.52 |
16.90 |
15.21 |
0 |
0.00% |
12 |
627 |
1.88% |
98.12% |
| 16.90 |
20.28 |
18.59 |
79 |
12.36% |
91 |
627 |
14.24% |
98.12% |
| 20.28 |
23.66 |
21.97 |
58 |
9.08% |
149 |
548 |
23.32% |
85.76% |
| 23.66 |
27.04 |
25.35 |
415 |
64.95% |
564 |
490 |
88.26% |
76.68% |
| 27.04 |
30.42 |
28.73 |
56 |
8.76% |
620 |
75 |
97.03% |
11.74% |
| 30.42 |
33.80 |
32.11 |
19 |
2.97% |
639 |
19 |
100.00% |
2.97% |
| Campo Sacha |
##5. Gráficos
#5.1 Histograma
hist(Api_BH,
main = "Gráfica No.1: Distribución de Api_BH - Campo Sacha",
breaks = seq(min(Api_BH), max(Api_BH) + A, by = A),
xlab = "Api_BH",
ylab = "Cantidad",
col = "lightblue",
border = "darkblue",
xaxt = "n") # IMPORTANTE: Suprimir eje X automático
# Eje X personalizado con MARCAS DE CLASE
axis(1, at = MC, # Posiciones: Marcas de Clase
labels = round(MC, 2), # Etiquetas: valores redondeados
las = 1) # Etiquetas horizontales
#5.2 Ojivas
x_asc <- c(min(liminf), limsup)
y_asc <- c(0, Niasc)
x_desc <- c(liminf, max(limsup))
y_desc <- c(Nidsc, 0)
x_range <- range(c(x_asc, x_desc))
y_range <- c(0, max(c(y_asc, y_desc)))
plot(x_asc, y_asc, type = "o", col = "skyblue",
main = "Gráfica No.2: Ojivas Ascendente y Descendente de Api_BH",
xlab = "Api_BH",
ylab = "Frecuencia acumulada",
xlim = x_range, ylim = y_range,
xaxt = "n", pch = 16, lwd = 2)
axis(1, at = pretty(x_range),
labels = format(pretty(x_range), scientific = FALSE))
axis(2, at = pretty(y_range))
lines(x_desc, y_desc, type = "o", col = "steelblue4", pch = 17, lwd = 2)
legend("right",
legend = c("Ojiva Ascendente", "Ojiva Descendente"),
col = c("skyblue", "steelblue4"),
pch = c(16, 17),
lty = 1,
lwd = 2,
cex = 0.8)
#5.3 Diagramas de cajas
boxplot(Api_BH,
horizontal = TRUE,
col = "steelblue",
main = "Gráfica No.3: Distribución de Api_BH - Campo Sacha",
xlab = "Api_BH",
xaxt = "n")
axis(1, at = pretty(Api_BH),
labels = format(pretty(Api_BH), scientific = FALSE))
# Outliers
outliers <- boxplot.stats(Api_BH)$out
cat("\nNúmero de outliers:", length(outliers), "\n")
##
## Número de outliers: 64
if(length(outliers) > 0) {
cat("Outliers:", round(outliers, 2), "\n")
}
## Outliers: 0 0 0 0 18.6 18.6 0 31.4 17.7 17.7 17.7 17.7 17.7 17.7 17.7 33.8 33.8 33.8 33.8 32.8 32.8 32.8 33.8 33.8 33.8 19 33.8 32.8 33.8 33.8 0 0 0 18.6 18 18 18.6 18 18.9 31.9 18.6 18.9 18.6 18.9 31.9 18.6 18.6 18.9 18.9 18.9 18.9 18.9 18.9 18.9 18.9 0 0 18.9 0 0 18.9 18.9 18.9 18.9
##6. Indicadores estadísticos
get_mode_interval <- function() {
idx <- which.max(ni)
return(paste0("[", round(liminf[idx], 2), ", ", round(limsup[idx], 2), "]"))
}
media <- mean(Api_BH)
mediana <- median(Api_BH)
moda_intervalo <- get_mode_interval()
desv <- sd(Api_BH)
varianza <- var(Api_BH)
cv <- (desv / media) * 100
asim <- skewness(Api_BH)
curt <- kurtosis(Api_BH)
# CREAR DATA.FRAME DE INDICADORES (¡ESTA PARTE FALTABA!)
indicadores <- data.frame(
Indicador = c("Mínimo", "Máximo", "Media", "Mediana", "Moda (intervalo)",
"Desviación Estándar", "Varianza", "Coef. Variación (%)",
"Asimetría", "Curtosis", "N° Outliers"),
Valor = c(round(min(Api_BH), 2), round(max(Api_BH), 2),
round(media, 2), round(mediana, 2), moda_intervalo,
round(desv, 2), round(varianza, 2), round(cv, 2),
round(asim, 2), round(curt, 2), length(outliers))
)
# TABLA 2 CON GT()
indicadores %>%
gt() %>%
tab_header(
title = md("**Tabla 2: Indicadores Estadísticos de Api_BH**")
) %>%
tab_source_note(
source_note = md("**Campo Sacha**")
) %>%
cols_label(
Indicador = "Indicador",
Valor = "Valor"
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(columns = Indicador)
)
| Tabla 2: Indicadores Estadísticos de Api_BH |
| Indicador |
Valor |
| Mínimo |
0 |
| Máximo |
33.8 |
| Media |
24.44 |
| Mediana |
25.1 |
| Moda (intervalo) |
[23.66, 27.04] |
| Desviación Estándar |
4.47 |
| Varianza |
19.96 |
| Coef. Variación (%) |
18.28 |
| Asimetría |
-2.99 |
| Curtosis |
14.58 |
| N° Outliers |
64 |
| Campo Sacha |
##7. Conclusión
#La variable Api_BH fluctúa entre 0.00 y 33.8 y sus valores están en torno a los 25.1 (media = 24.44 ), con una desviación estándar de 4.47 siendo un conjunto de valores homogéneos (CV = 18.28%) cuyos valores se concentran en el intervalo modal [23.66, 27.04] y con distribución leptocúrtica (K = 14.58) y sesgo pronunciado hacia la izquierda (As = -2.99) a excepción de los 64 valores atípicos identificados, por lo tanto el comportamiento de la variable indica un proceso de variabilidad baja con mediciones consistentes en el rango principal, aunque con presencia significativa de lecturas extremas que requieren análisis particular.