CIUDAD

Univesidad Central del Ecuador

FIGEMPA-Ingeniería Ambiental

#ESTADISTICA INFERENCIAL
#Lorien Arcentales
#23/12/2025
#Carga de paquetes
library(gt)
library(dplyr)
#Carga de datos 
datos<-read.csv("city_day.csv", header = TRUE, dec = ".",
                sep = ",")
#Creación de tablas 
ciudad<-datos$City
#TDF variable ciudad
TDF_ciudad<-data.frame(table(ciudad))
ni <- TDF_ciudad$Freq
hi <- round((ni / sum(ni)) * 100, 2)
ciudad <- TDF_ciudad$ciudad
TDF_ciudad <- data.frame(ciudad, ni, hi,hi)
Summary <- data.frame(ciudad = "TOTAL", ni = sum(ni),hi = 100,hi=100)
TDF_ciudad <- rbind(TDF_ciudad,Summary)
colnames(TDF_ciudad) <- c("Ciudades", "ni", "hi(%)","P")
# TABLA CREACIÓN
library(gt)
library(dplyr)


TDF_ciudad %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 1*"),
    subtitle = md("**Distribucion de frecuencia de ciudades,estudio calidad del aire en India entre 2015-2020 **")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2\n Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  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. 1
**Distribucion de frecuencia de ciudades,estudio calidad del aire en India entre 2015-2020 **
Ciudades	ni	hi(%)	P
Ahmedabad	2009	6.80	6.80
Aizawl	113	0.38	0.38
Amaravati	951	3.22	3.22
Amritsar	1221	4.13	4.13
Bengaluru	2009	6.80	6.80
Bhopal	289	0.98	0.98
Brajrajnagar	938	3.18	3.18
Chandigarh	304	1.03	1.03
Chennai	2009	6.80	6.80
Coimbatore	386	1.31	1.31
Delhi	2009	6.80	6.80
Ernakulam	162	0.55	0.55
Gurugram	1679	5.69	5.69
Guwahati	502	1.70	1.70
Hyderabad	2006	6.79	6.79
Jaipur	1114	3.77	3.77
Jorapokhar	1169	3.96	3.96
Kochi	162	0.55	0.55
Kolkata	814	2.76	2.76
Lucknow	2009	6.80	6.80
Mumbai	2009	6.80	6.80
Patna	1858	6.29	6.29
Shillong	310	1.05	1.05
Talcher	925	3.13	3.13
Thiruvananthapuram	1112	3.77	3.77
Visakhapatnam	1462	4.95	4.95
TOTAL	29531	100.00	100.00
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#Creación de agrupacion de la variable ciudad por tamaño según el número de habitantes, por razón de visualización, analisis y exposición del proyecto

datos$Tamaño<-""
summary(datos$Número.de.habitantes)

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##     8000  1100000  3900000  8512278 12300000 33800000

for (i in 1:length(datos$Número.de.habitantes)) {
  
  if (datos$Número.de.habitantes[i] > 5000000) {
    datos$Tamaño[i] <- "GRANDE"
    
  } else if (datos$Número.de.habitantes[i] < 500000) {
    datos$Tamaño[i] <- "PEQUEÑA"
    
  } else {
    datos$Tamaño[i] <- "MEDIANA"
  }
}
tamañ0<-datos$Tamaño
Grupo <- table(datos$Tamaño)
hi_grupo <- prop.table(Grupo) * 100
TablaAgrupada <- data.frame(
  Tamaño = names(Grupo),
  ni = as.numeric(Grupo),
  hi = round(as.numeric(hi_grupo), 2),
  hi = round(as.numeric(hi_grupo), 2)
)
TotalFila <- data.frame(
  Tamaño = "TOTAL",
  ni = sum(TablaAgrupada$ni),
  hi = 100,
  hi=100
)
TablaAgrupada <- rbind(TablaAgrupada, TotalFila)
colnames(TablaAgrupada) <- c("Tamaño ciudad", "ni", "hi(%)","P")
#TABLA 2


TablaAgrupada %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 2*"),
    subtitle = md("**Distribucion de frecuencia del Tamaño de las ciudades según el número de habitantes,estudio calidad del aire en India entre 2015-2020 **")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2\n Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  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
**Distribucion de frecuencia del Tamaño de las ciudades según el número de habitantes,estudio calidad del aire en India entre 2015-2020 **
Tamaño ciudad	ni	hi(%)	P
GRANDE	12865	43.56	43.56
MEDIANA	13521	45.79	45.79
PEQUEÑA	3145	10.65	10.65
TOTAL	29531	100.00	100.00
Autor: Grupo 2 Fuente:https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

#GDF local cantidad y porcentaje
TablaPlot <- TablaAgrupada[TablaAgrupada$`Tamaño ciudad` != "TOTAL", ]

barplot(
  TablaPlot$ni,
  names.arg = TablaPlot$`Tamaño ciudad`,
  main = "Grafica Nro 1: Distribución del Tamaño de las ciudades según su número de habitantes,
  estudio calidad del aire en India, entre 2015-2020 ",
  xlab = "Tamaño ciudades",
  ylab = "Cantidad",
  col = c("lightblue"),
  ylim = c(0,13000),
  las = 2,
  cex.axis = 0.7,
  cex.names = 0.5,
  cex.main = 0.7
)

barplot(TablaPlot$`hi(%)`, main = "Gráfica N°2: Distribución porcentual del Tamaño de las ciudades 
según su número de habitantes, estudio calidad del aire en India, entre 2015-2020 ",
        xlab = "Tamaño Ciudades",
        ylab = "Porcentaje (%)",
        col = "lightblue",
        ylim = c(0,50),
        las = 2,
        cex.names = 0.5,
        cex.main = 0.9,
        cex.axis = 0.9,
        names.arg = TablaPlot$`Tamaño ciudad`)

#GDF probabilidad
TablaPlot <- TablaAgrupada[TablaAgrupada$`Tamaño ciudad` != "TOTAL", ]
barplot(TablaPlot$`P`,
        main="Gráfica No. 3:
        Distribución de probabilidad del Tamaño de las ciudades
según su número de habitantes, estudio calidad del aire en India, entre 2015-2020 ",
        xlab= "Tamaño Ciudades",
        ylab="Probabilidad (%) ",
        names.arg= TablaPlot$`Tamaño ciudad`,
        col = "blue",
        cex.names = 0.7,
        cex.main = 0.9,
        cex.axis = 0.8,
        ylim=c(0,100))

#Las ciudades medianas constituyen la categoría más probable, al presentar la mayor frecuencia relativa dentro de la variable nominal tamaño de ciudad.
 
x <- round((TablaAgrupada$ni[TablaAgrupada$`Tamaño ciudad` == "MEDIANA"] / 29531) * 100, 1)
print(paste("La probabilidad es de:", x, "%"))

## [1] "La probabilidad es de: 45.8 %"