ESTUDIO ESTADÍSTICO DE LA CALIDAD DEL AIRE EN INDIA

UNIVERSIDAD CENTRAL DEL ECUADOR

PROYECTO:ESTUDIO ESTADÍSTICO DE LA CALIDAD DEL AIRE EN INDIA

FECHA: 2/01/2026

# ==============================================================================
# ESTADÍSTICA INFERENCIAL
# VARIABLE CUALITATIVA NOMINAL: ZONA
# Autor: Ariel Chiluisa
# Fecha: 23/12/2025
# ==============================================================================

# --------------------------
# 1. CARGA DE PAQUETES
# --------------------------
library(gt)
library(dplyr)

# --------------------------
# 2. CARGA DE DATOS
# --------------------------
datos <- read.csv("C:/Users/JOSELYN/Desktop/kangle/Datos Cambiados.csv",
                  header = TRUE,
                  dec = ".",
                  sep = ",")

# --------------------------
# 3. TABLA DE FRECUENCIAS – ZONA
# --------------------------
Zona <- datos$Zona
TDF_Zona <- data.frame(table(Zona))

ni <- TDF_Zona$Freq
hi <- round((ni / sum(ni)) * 100, 2)
P  <- hi  # P = hi (%)

Zona <- TDF_Zona$Zona

TDF_Zona <- data.frame(Zona, ni, hi, P)

# Fila TOTAL
Summary <- data.frame(
  Zona = "TOTAL",
  ni = sum(ni),
  hi = 100,
  P  = 100
)

TDF_Zona <- rbind(TDF_Zona, Summary)

colnames(TDF_Zona) <- c("Zona", "ni", "hi(%)", "P")

# --------------------------
# 4. TABLA GT
# --------------------------
TDF_Zona %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 1*"),
    subtitle = md("**Distribución de frecuencia de la variable Zona, estudio de calidad del aire en India (2015–2020)**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 2  
    Fuente: https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    row.striping.include_table_body = TRUE
  )

Tabla Nro. 1
Distribución de frecuencia de la variable Zona, estudio de calidad del aire en India (2015–2020)
Zona	ni	hi(%)	P
Centro	289	0.98	0.98
Este	7873	26.66	26.66
Oeste	21369	72.36	72.36
TOTAL	29531	100.00	100.00
Autor: Grupo 2 Fuente: https://www.kaggle.com/datasets/rohanrao/air-quality-data-in-india

# --------------------------
# 5. GRÁFICAS (sin TOTAL)
# --------------------------
TablaPlot <- TDF_Zona[TDF_Zona$Zona != "TOTAL", ]

# Gráfica 1: Frecuencia absoluta
barplot(
  TablaPlot$ni,
  names.arg = TablaPlot$Zona,
  main = "Gráfica Nro. 1: Distribución de Zonas (Frecuencia Absoluta)",
  xlab = "Zonas",
  ylab = "Cantidad",
  col = "lightblue",
  las = 2,
  ylim = c(0, max(TablaPlot$ni) * 1.1)
)

# Gráfica 2: Frecuencia relativa (%)
barplot(
  TablaPlot$`hi(%)`,
  names.arg = TablaPlot$Zona,
  main = "Gráfica Nro. 2: Distribución porcentual de Zonas",
  xlab = "Zonas",
  ylab = "Porcentaje (%)",
  col = "lightgreen",
  las = 2,
  ylim = c(0, 100)
)

# Gráfica 3: Probabilidad (P)
barplot(
  TablaPlot$P,
  names.arg = TablaPlot$Zona,
  main = "Gráfica Nro. 3: Distribución de probabilidad de la variable Zona",
  xlab = "Zonas",
  ylab = "Probabilidad (%)",
  col = "orange",
  las = 2,
  ylim = c(0, 100)
)

zona_mayor <- TablaPlot$Zona[which.max(TablaPlot$ni)]
prob_zona  <- TablaPlot$P[which.max(TablaPlot$ni)]

print(paste("La zona más probable es:", zona_mayor,
            "con una probabilidad de", prob_zona, "%"))

## [1] "La zona más probable es: Oeste con una probabilidad de 72.36 %"