A continuación, se presenta el análisis estadístico descriptivo de la variable Fatality Count. Para obtener una visión integral del fenómeno, el estudio se ha dividido en dos fases: primero, un análisis del inventario total que incluye eventos sin víctimas (fallecidos = 0), permitiendo observar la frecuencia de ocurrencia general; y segundo, un análisis específico de letalidad que excluye los ceros, centrado exclusivamente en la magnitud del impacto de los eventos mortales.

ANÁLISIS DE LA VARIABLE: NÚMERO DE MUERTOS

JUSTIFICACIÓN METODOLÓGICA DE LA AGRUPACIÓN

Antes de proceder con el análisis computacional, es imperativo justificar la segmentación de la variable Fatality Count. Debido a la naturaleza estocástica de los desastres geológicos, los datos presentan un sesgo positivo extremo (asimetría a la derecha) y una curtosis elevada, lo que indica que la gran mayoría de los eventos resultan en pocas o ninguna víctima, mientras que una minoría crítica genera impactos catastróficos.

Para este estudio, se han definido los siguientes rangos de amplitud variable:

Fase 1 (Inventario Total): [0-10], [10-100], [100-200], [200-300], [>300]

Fase 2 (Eventos Mortales): [1-10], [10-100], [100-200], [200-300], [>300]

Esta agrupación no lineal es una necesidad estadística: el uso de intervalos uniformes (de igual ancho) provocaría un “aplanamiento” de la distribución, donde el 90% de la información quedaría comprimida en una sola barra, invisibilizando la variabilidad de los incidentes menores. Al ensanchar los rangos en la “cola” de la distribución, logramos otorgar visibilidad analítica a los 1,413 valores atípicos (que alcanzan hasta los 5,000 fallecidos) sin sacrificar la resolución detallada en los eventos de baja magnitud.

PRIMERA FASE

1. CARGA DE LIBRERÍAS 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)
library(e1071)

datos_nuevoartes <- read_excel("datos_nuevoartes.xlsx")
fatality <- datos_nuevoartes$fatality_count
fatality <- fatality[!is.na(fatality)]
N_total  <- length(fatality)

2. DEFINICIÓN DE INTERVALOS REPRESENTATIVOS

cortes  <- c(0, 10, 100, 200, 300, Inf)
Li      <- cortes[-length(cortes)]
Ls      <- cortes[-1]
clases_etiquetas <- c("0 - 10", "10 - 100", "100 - 200", "200 - 300", "> 300")

3. CÁLCULO DE FRECUENCIAS

ni <- numeric(length(Li))
for (i in seq_along(Li)) {
  if (is.infinite(Ls[i])) {
    ni[i] <- sum(fatality >= Li[i])
  } else if (Li[i] == 0 && Ls[i] == 1) { 
    ni[i] <- sum(fatality == 0)
  } else if (Li[i] == 1 && Ls[i] == 2) { 
    ni[i] <- sum(fatality == 1)
  } else { 
    ni[i] <- sum(fatality >= Li[i] & fatality < Ls[i]) 
  }
}

# Marcas de Clase (Punto medio estimado para rangos representativos)

MC <- c(5, 55, 150, 250, 350)

hi     <- (ni / N_total) * 100
Ni_asc <- cumsum(ni)
Ni_dsc <- rev(cumsum(rev(ni)))
Hi_asc <- cumsum(hi)
Hi_dsc <- rev(cumsum(rev(hi)))

4. TABLA DE FRECUENCIAS

4.1. Tabla de Frecuencias Simple

TDF_final <- data.frame(
  Clase  = clases_etiquetas,
  Li     = Li,
  Ls     = Ls,
  MC     = MC,
  ni     = ni,
  hi     = hi,
  Ni_asc = Ni_asc,
  Ni_dsc = Ni_dsc,
  Hi_asc = Hi_asc,
  Hi_dsc = Hi_dsc
)

5. TABLA DE PRESENTACIÓN

tabla_presentacion <- TDF_final %>%
  rbind(data.frame(Clase="TOTAL", Li=NA, Ls=NA, MC=NA, ni=sum(ni), hi=100, 
                   Ni_asc=NA, Ni_dsc=NA, Hi_asc=NA, Hi_dsc=NA)) %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 9**"),
    subtitle = md("Distribución de frecuencias del número de fallecidos 
                  a nivel mundial")
  ) %>%
  fmt_number(columns = c(hi, Hi_asc, Hi_dsc, MC), decimals = 2) %>%
  sub_missing(columns = everything(), missing_text = "") %>%
  cols_label(
    Clase  = "Rango",
    Li     = "Li",
    Ls     = "Ls",
    MC     = "MC",
    ni     = "ni",
    hi     = "hi (%)",
    Ni_asc = "Ni (asc)",
    Ni_dsc = "Ni (desc)",
    Hi_asc = "Hi (asc %)",
    Hi_dsc = "Hi (desc %)"
  ) %>%
  tab_style(style = cell_text(weight = "bold"), locations = cells_body(rows = Clase == "TOTAL")) %>%
  tab_source_note(source_note = md("Elaborado por: Grupo 2 – Carrera de Geología"))

tabla_presentacion

Rango	Li	Ls	MC	ni	hi (%)	Ni (asc)	Ni (desc)	Hi (asc %)	Hi (desc %)
Tabla N° 9
Distribución de frecuencias del número de fallecidos a nivel mundial
0 - 10	0	10	5.00	9197	95.33	9197	9648	95.33	100.00
10 - 100	10	100	55.00	418	4.33	9615	451	99.66	4.67
100 - 200	100	200	150.00	16	0.17	9631	33	99.82	0.34
200 - 300	200	300	250.00	7	0.07	9638	17	99.90	0.18
> 300	300	Inf	350.00	10	0.10	9648	10	100.00	0.10
TOTAL				9648	100.00
Elaborado por: Grupo 2 – Carrera de Geología

6. HISTOGRAMAS (Local y Global)

6.1 Histograma Local de (ni)

# --- CONFIGURACIÓN DE GRÁFICA UNIFICADA ---

# 1. Definición de márgenes y parámetros base
par(mar=c(5, 4, 4, 2))
max_ni_real <- max(ni)

# 2. Generación del Barplot 
# Usamos el color Antique White (#FAEBD7) y quitamos el eje Y automático (yaxt = "n")
pos_x <- barplot(ni, 
                 col = "grey", 
                 border = "black", 
                 space = 0, 
                 las = 1, 
                 ylim = c(0, max_ni_real),
                 yaxt = "n",
                 xaxt = "n", # Lo quitamos para ponerlo manualmente en el paso 4
                 main = "Gráfica 19: Distribución local de la frecuencia absoluta\ndel número de fallecidos (Eventos Mortales)", 
                 xlab = "Número de fallecidos (Eventos Mortales)",
                 ylab = "Frecuencia absoluta (ni)")

# 3. Eje Y manual escalado al máximo real
# Creamos 5 divisiones exactas desde 0 hasta el máximo (9197 en tu caso)
ticks_y_ni <- round(seq(0, max_ni_real, length.out = 5), 0)
axis(side = 2, at = ticks_y_ni, labels = ticks_y_ni, las = 1)

# 4. Eje X en las intersecciones (Límites de los intervalos)
# Basado en tus nuevos cortes: 0-10, 10-100, 100-200, 200-300, 300+
etiquetas_x <- c(0, 10, 100, 200, 300, "Inf")
axis(side = 1, at = 0:length(ni), labels = etiquetas_x, cex.axis = 0.7)

# 5. Etiquetas de ni sobre cada barra
# xpd = TRUE permite que el texto se dibuje aunque esté en el límite del área de trazado
text(x = pos_x, 
     y = ni, 
     label = ni, 
     pos = 3,           # Posición arriba
     cex = 0.8,         # Tamaño
     font = 2,          # Negrita
     col = "black",
     xpd = TRUE)

6.2 Histograma Global de (ni)

# Margen izquierdo ajustado para valores grandes
par(mar=c(5, 5, 4, 2))

# Definimos el tope global solicitado
n_max_global <- 9648

# 1. Ploteo Global (Eje Y hasta 9648)
pos_global_fat <- barplot(ni, 
                       col = "grey", 
                       border = "black", 
                       space = 0, 
                       las = 1, 
                       ylim = c(0, n_max_global), 
                       yaxt = "n",         
                       main = "Gráfica 14: Distribución global de la frecuencia absoluta\ndel número de fallecidos a nivel mundial", 
                       xlab = "Número de fallecidos",
                       ylab = "Frecuencia absoluta (ni)")

# 2. Representación manual del eje Y con el tope de 9648
ticks_y_fat <- c(0, 2000, 4000, 6000, 8000, n_max_global)
axis(side = 2, at = ticks_y_fat, labels = ticks_y_fat, las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(ni), labels = c(Li, max(Ls)), cex.axis = 0.7)


# Línea de tope global
abline(h = n_max_global, col = "red", lty = 2)

# 5. Etiquetas de ni sobre cada barra
# xpd = TRUE permite que el texto se dibuje aunque esté en el límite del área de trazado
text(x = pos_x, 
     y = ni, 
     label = ni, 
     pos = 3,           # Posición arriba
     cex = 0.8,         # Tamaño
     font = 2,          # Negrita
     col = "black",
     xpd = TRUE)

6.3 Histograma Local de (hi)

par(mar=c(5, 5, 4, 2))

max_hi_fat <- max(hi)

# 1. Ploteo Local de hi
barplot(hi, 
        col = "#CDB79E", 
        border = "black", 
        space = 0, 
        las = 1, 
        ylim = c(0, max_hi_fat), 
        yaxt = "n", 
        main = "Gráfica 15: Distribución local de la frecuencia relativa\ndel número de fallecidos por intervalos", 
        xlab = "Número de fallecidos",
        ylab = "Porcentaje (%)")

# 2. Eje Y manual hasta el máximo real
ticks_y_hi <- seq(0, max_hi_fat, length.out = 5)
axis(side = 2, at = ticks_y_hi, labels = round(ticks_y_hi, 2), las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(hi), labels = c(Li, max(Ls)), cex.axis = 0.7)

# Etiquetas de hi sobre cada barra 
text(x = pos_x, 
     y = hi, 
     label = round(hi, 2), # Redondeamos hi a 2 decimales
     pos = 3,              # Posición arriba
     cex = 0.8,            # Tamaño
     font = 2,             # Negrita
     col = "black",
     xpd = TRUE)

6.4 Histograma Global de (hi)

par(mar=c(5, 5, 4, 2))

# 1. Ploteo Global de hi (Eje Y al 100)
barplot(hi, 
        col = "#CDB79E", 
        border = "black", 
        space = 0, 
        las = 1, 
        ylim = c(0, 100), 
        yaxt = "n", 
        main = "Gráfica 16: Distribución global de la frecuencia relativa\ndel número de fallecidos a nivel mundial", 
        xlab = "Número de fallecidos",
        ylab = "Porcentaje (%)")

# 2. Eje Y manual (0% a 100%)
ticks_hi_global <- seq(0, 100, by = 20)
axis(side = 2, at = ticks_hi_global, labels = paste0(ticks_hi_global, "%"), las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(hi), labels = c(Li, max(Ls)), cex.axis = 0.7)


# Línea de referencia 100%
abline(h = 100, col = "blue", lty = 2, lwd = 1.5)

# Etiquetas de hi sobre cada barra 
text(x = pos_x, 
     y = hi, 
     label = round(hi, 2), # Redondeamos hi a 2 decimales
     pos = 3,              # Posición arriba
     cex = 0.8,            # Tamaño
     font = 2,             # Negrita
     col = "black",
     xpd = TRUE)

7. DIAGRAMA DE CAJA (BOXPLOT)

par(mfrow = c(1, 1), mar = c(5, 4, 4, 2))
boxplot(fatality, col = "bisque", main = "Gráfica 17: Diagrama de Caja del número de
        fallecidos a nivel mundial",
        horizontal = TRUE, xlab = "Número de Fallecidos")

8. DIAGRAMA DE OJIVAS COMBINADAS

# Aumentamos el margen derecho (4to valor) para que la leyenda sea visible
par(mar = c(7, 5, 4, 11)) 

# Graficamos la Ojiva Ascendente
plot(1:length(ni), Ni_asc, type = "b", pch = 17, col = "black",
     xaxt = "n", xlab = "", ylab = "Frecuencia Acumulada",
     main = "Gráfica 18: Ojivas combinadas del número de fallecidos
     a nivel mundial",
     ylim = c(0, max(Ni_asc, na.rm = TRUE)))

# Graficamos la Ojiva Descendente
lines(1:length(ni), Ni_dsc, type = "b", pch = 16, col = "blue")

# Eje X con etiquetas rotadas
axis(1, at = 1:length(ni), labels = clases_etiquetas, las = 2)
mtext("Rangos", side = 1, line = 5)

# ÚNICA LEYENDA: Combinando toda la información
legend(
  "topright", 
  inset = c(0.04, 0.04),         # Se mueve a la derecha del área blanca
  xpd = TRUE,                  # Permite que la leyenda salga del gráfico
  legend = c("Ascendente (ni ≤)", "Descendente (ni ≥)"),
  col = c("black", "blue"),    # Colores exactos usados en plot y lines
  pch = c(17, 16),             # Símbolos exactos
  lty = 1,                     # Añade la línea al símbolo en la leyenda
  bty = "n",                   # Sin recuadro
  title = "Tipo de Ojiva",
  cex = 0.85                   # Tamaño ajustado para visibilidad
)

9. INDICADORES ESTADÍSTICOS

x_bar <- mean(fatality)
Me    <- median(fatality)
Mo    <- as.numeric(names(sort(table(fatality), decreasing = TRUE)[1]))
SD    <- sd(fatality)
CV    <- (SD / x_bar) * 100
As    <- skewness(fatality)
K     <- kurtosis(fatality)

9.1. Tabla de Indicadores estadísticos

tabla_indicadores <- data.frame(
  Variable = "Fatality Count",
  Min = min(fatality), Max = max(fatality), Media = x_bar,
  Mediana = Me, Moda = Mo, `Desv. Est.` = SD,
  `CV (%)` = CV, Asimetría = As, Curtosis = K
)

tabla_indicadores_gt <- tabla_indicadores %>%
  gt() %>%
  tab_header(title = md("**Tabla N° 10: Indicadores Estadísticos del número 
                        de fallecidos a nivel mundial**")) %>%
  fmt_number(columns = 4:10, decimals = 2) %>%
  tab_source_note(source_note = md("Elaborado por: Grupo 2 – Carrera de Geología"))

tabla_indicadores_gt

Variable	Min	Max	Media	Mediana	Moda	Desv..Est.	CV....	Asimetría	Curtosis
Tabla N° 10: Indicadores Estadísticos del número de fallecidos a nivel mundial
Fatality Count	0	5000	3.22	0.00	0.00	59.89	1,860.15	67.58	5,255.77
Elaborado por: Grupo 2 – Carrera de Geología

10. DETECCIÓN DE OUTLIERS

Q1 <- quantile(fatality, 0.25)
Q3 <- quantile(fatality, 0.75)
IQR_f <- Q3 - Q1
lim_inf <- Q1 - 1.5 * IQR_f
lim_sup <- Q3 + 1.5 * IQR_f
outliers_vec <- fatality[fatality < lim_inf | fatality > lim_sup]

10.1. Tabla de Outliers

tabla_outliers <- data.frame(
  Variable = "Fatality Count",
  Outliers_Detectados = as.character(length(outliers_vec)),
  Limite_Inferior = lim_inf,
  Limite_Superior = lim_sup,
  Q1 = Q1, Q3 = Q3
)

tabla_outliers_gt <- tabla_outliers %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 11**"),
    subtitle = md("Detección de outliers de la variable 
                  número de fallecidos a nivel mundial")
  ) %>%
  fmt_number(columns = 3:6, decimals = 2) %>%
  tab_source_note(source_note = md("Elaborado por: Grupo 2 – Carrera de Geología"))

tabla_outliers_gt

Variable	Outliers_Detectados	Limite_Inferior	Limite_Superior	Q1	Q3
Tabla N° 11
Detección de outliers de la variable número de fallecidos a nivel mundial
Fatality Count	1413	−1.50	2.50	0.00	1.00
Elaborado por: Grupo 2 – Carrera de Geología

11. CONCLUSIÓN

La variable número de fallecidos fluctua desde 0 hasta 5000, sus valores están entorno a 0, con una desviación estandar de 59.89 siendo un conjunto de valores muy heterogeneo con sesgo hacia la derecha, a excepción de 1413 valores atípicos que van desde 1 hasta 5000.

SEGUNDA FASE

1. CARGA DE LIBRERÍAS Y DATOS

library(readxl)
library(dplyr)
library(gt)
library(e1071)

datos_nuevoartes <- read_excel("datos_nuevoartes.xlsx")
fatality_raw <- datos_nuevoartes$fatality_count
fatality_raw <- fatality_raw[!is.na(fatality_raw)]

# FILTRADO: Solo eventos con fallecidos (> 0)
fatality <- fatality_raw[fatality_raw > 0]
N_total  <- length(fatality)

2. DEFINICIÓN DE INTERVALOS REPRESENTATIVOS (Sin el 0)

# Los rangos inician en 1 y se ensanchan para captar la letalidad
cortes  <- c(1, 10, 100, 200, 300, Inf)
Li      <- cortes[-length(cortes)]
Ls      <- cortes[-1]
clases_etiquetas <- c("1 - 10", "10 - 100", "100 - 200", "200 - 300", "> 300")

3. CÁLCULO DE FRECUENCIAS

ni <- numeric(length(Li))
for (i in seq_along(Li)) {
  if (is.infinite(Ls[i])) {
    ni[i] <- sum(fatality >= Li[i])
  } else {
    ni[i] <- sum(fatality >= Li[i] & fatality < Ls[i])
  }
}

# Marca de Clase (MC)
MC <- c(5, 55, 150, 250, 350)

hi     <- (ni / N_total) * 100
Ni_asc <- cumsum(ni)
Ni_dsc <- rev(cumsum(rev(ni)))
Hi_asc <- cumsum(hi)
Hi_dsc <- rev(cumsum(rev(hi)))

4. TABLA DE FRECUENCIAS

4.1 Creación de la tabla

TDF_final <- data.frame(
  Clase  = clases_etiquetas, Li = Li, Ls = Ls, MC = MC,
  ni = ni, hi = hi, Ni_asc = Ni_asc, Ni_dsc = Ni_dsc,
  Hi_asc = Hi_asc, Hi_dsc = Hi_dsc
)

4.2. Tabla para presentación

tabla_presentacion <- TDF_final %>%
  rbind(data.frame(Clase="TOTAL", Li=NA, Ls=NA, MC=NA, ni=sum(ni), hi=100, 
                   Ni_asc=NA, Ni_dsc=NA, Hi_asc=NA, Hi_dsc=NA)) %>%
  gt() %>%
  tab_header(
    title = md("*Tabla N° 12 (Eventos Mortales)*"),
    subtitle = md("Distribución de frecuencias del número de fallecidos a nivel mundial 
                  (sin considerar eventos sin fallecidos)")
  ) %>%
  fmt_number(columns = c(hi, Hi_asc, Hi_dsc, MC), decimals = 2) %>%
  sub_missing(columns = everything(), missing_text = "") %>%
  cols_label(
    Clase = "Rango", ni = "ni", hi = "hi (%)", 
    Ni_asc = "Ni (asc)", Ni_dsc = "Ni (desc)",
    Hi_asc = "Hi (asc %)", Hi_dsc = "Hi (desc %)"
  ) %>%
  tab_style(style = cell_text(weight = "bold"), locations = cells_body(rows = Clase == "TOTAL")) %>%
  tab_source_note(source_note = md("Elaborado por: Grupo 2 – Carrera de Geología"))

tabla_presentacion

Rango	Li	Ls	MC	ni	hi (%)	Ni (asc)	Ni (desc)	Hi (asc %)	Hi (desc %)
Tabla N° 12 (Eventos Mortales)
Distribución de frecuencias del número de fallecidos a nivel mundial (sin considerar eventos sin fallecidos)
1 - 10	1	10	5.00	1991	81.53	1991	2442	81.53	100.00
10 - 100	10	100	55.00	418	17.12	2409	451	98.65	18.47
100 - 200	100	200	150.00	16	0.66	2425	33	99.30	1.35
200 - 300	200	300	250.00	7	0.29	2432	17	99.59	0.70
> 300	300	Inf	350.00	10	0.41	2442	10	100.00	0.41
TOTAL				2442	100.00
Elaborado por: Grupo 2 – Carrera de Geología

5 HISTOGRAMAS DE FRECUENCIA ABSOLUTA

5.1. Histograma Local de (ni)

# Margen estándar
par(mar=c(5, 4, 4, 2))

# 1. Definimos el máximo real de ni
max_ni_real <- max(ni)

# 2. Graficamos Local (ni) con tope en el máximo valor obtenido
pos_x <- barplot(ni, 
                 col = "#FAEBD7", 
                 border = "black", 
                 space = 0, 
                 las = 1, 
                 ylim = c(0, max_ni_real),
                 yaxt = "n",
                 main = "Gráfica 19: Distribución local de la frecuencia absoluta\ndel número de fallecidos (Eventos Mortales)", 
                 xlab = "Número de fallecidos (Eventos Mortales)",
                 ylab = "Frecuencia absoluta (ni)")

# 3. Eje Y manual hasta el máximo real (sin decimales)
ticks_y_ni <- round(seq(0, max_ni_real, length.out = 5), 0)
axis(side = 2, at = ticks_y_ni, labels = ticks_y_ni, las = 1)

# 4. Eje X en las intersecciones
etiquetas_x <- c(1, 10, 100, 200, 300, Inf)
axis(side = 1, at = 0:length(ni), labels = etiquetas_x, cex.axis = 0.7)

# 5. Etiquetas de ni sobre cada barra
# xpd = TRUE permite que el texto se dibuje aunque esté en el límite del área de trazado
text(x = pos_x, 
     y = ni, 
     label = ni, 
     pos = 3,           # Posición arriba
     cex = 0.8,         # Tamaño
     font = 2,          # Negrita
     col = "black",
     xpd = TRUE)

5.2 Histograma global de (ni)

# Margen izquierdo ajustado para legibilidad
par(mar=c(5, 5, 4, 2))

n_max_global <- 2442

# 1. Ploteo Global (Eje Y hasta 2442)
pos_global <- barplot(ni, 
                      col = "#FAEBD7", 
                      border = "black", 
                      space = 0, 
                      las = 1, 
                      ylim = c(0, n_max_global), 
                      yaxt = "n",         
                      main = "Gráfica 20: Distribución global de la frecuencia absoluta\ndel número de fallecidos (Eventos Mortales)", 
                      xlab = "Número de fallecidos (Eventos Mortales)",
                      ylab = "Frecuencia absoluta (ni)")

# 2. Eje Y manual con el tope de 2442
ticks_y <- c(0, 500, 1000, 1500, 2000, n_max_global)
axis(side = 2, at = ticks_y, labels = ticks_y, las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(ni), labels = etiquetas_x, cex.axis = 0.7)

# Línea de tope global
abline(h = n_max_global, col = "black", lty = 2)

# 5. Etiquetas de ni sobre cada barra
# xpd = TRUE permite que el texto se dibuje aunque esté en el límite del área de trazado
text(x = pos_x, 
     y = ni, 
     label = ni, 
     pos = 3,           # Posición arriba
     cex = 0.8,         # Tamaño
     font = 2,          # Negrita
     col = "black",
     xpd = TRUE)

5.3 Histograma local de (hi)

par(mar=c(5, 5, 4, 2))

max_hi_real <- max(hi)

# 1. Ploteo Local de hi
barplot(hi, 
        col = "#7FFFD4", 
        border = "black", 
        space = 0, 
        las = 1, 
        ylim = c(0, max_hi_real), 
        yaxt = "n", 
        main = "Gráfica 21: Distribución local de la frecuencia relativa\ndel número de fallecidos (Eventos Mortales)", 
        xlab = "Número de fallecidos (Eventos Mortales)",
        ylab = "Porcentaje (%)")

# 2. Eje Y manual redondeado (quitando los 8 decimales)
ticks_y_hi <- seq(0, max_hi_real, length.out = 5)
axis(side = 2, at = ticks_y_hi, labels = round(ticks_y_hi, 2), las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(hi), labels = etiquetas_x, cex.axis = 0.7)

# Etiquetas de hi sobre cada barra 
text(x = pos_x, 
     y = hi, 
     label = round(hi, 2), # Redondeamos hi a 2 decimales
     pos = 3,              # Posición arriba
     cex = 0.8,            # Tamaño
     font = 2,             # Negrita
     col = "black",
     xpd = TRUE)

5.4 Histograma Global de (hi)

par(mar=c(5, 5, 4, 2))

# 1. Ploteo Global de hi (Tope 100%)
barplot(hi, 
        col = "#7FFFD4", 
        border = "black", 
        space = 0, 
        las = 1, 
        ylim = c(0, 100), 
        yaxt = "n", 
        main = "Gráfica 22: Distribución global de la frecuencia relativa
        del número de fallecidos (Eventos Mortales)", 
        xlab = "Número de fallecidos (Eventos Mortales)",
        ylab = "Porcentaje (%)")

# 2. Eje Y manual (0% a 100%)
ticks_hi_global <- seq(0, 100, by = 20)
axis(side = 2, at = ticks_hi_global, labels = paste0(ticks_hi_global, "%"), las = 1)

# 3. Eje X en las intersecciones
axis(side = 1, at = 0:length(hi), labels = etiquetas_x, cex.axis = 0.7)

# Línea de referencia 100%
abline(h = 100, col = "blue", lty = 2, lwd = 1.5)
# Etiquetas de hi sobre cada barra 
text(x = pos_x, 
     y = hi, 
     label = round(hi, 2), # Redondeamos hi a 2 decimales
     pos = 3,              # Posición arriba
     cex = 0.8,            # Tamaño
     font = 2,             # Negrita
     col = "black",
     xpd = TRUE)

6 DIAGRAMA DE CAJA (BOXPLOT)

par(mfrow = c(1, 1), mar = c(5, 4, 4, 2))
boxplot(fatality, col = "tomato", main = "Gráfica 23: Diagrama de Caja  de 
        la variable número de fallecidos a nivel mundial (excluyendo eventos sin fallecidos)",
        horizontal = TRUE, xlab = "Número de Fallecidos")

7. DIAGRAMA DE OJIVAS COMBINADAS

# Paso 1: Configurar márgenes amplios (Abajo, Izquierda, Arriba, Derecha)
# Aumentamos el margen derecho a 10 para dar espacio a la leyenda
par(mar = c(8, 5, 4, 10)) 

# Paso 2: Graficar Ojiva Ascendente (Negra)
plot(1:length(ni), Ni_asc, type = "b", pch = 17, col = "black",
     xaxt = "n", xlab = "", ylab = "Frecuencia Acumulada",
     main = "Gráfica 24: Ojivas combinadas de la variable número 
     de fallecidos a nivel mundial (excluyendo eventos sin fallecidos) ",
     ylim = c(0, max(Ni_asc) * 1.05)) # Un poco de espacio arriba

# Paso 3: Graficar Ojiva Descendente (Roja)
lines(1:length(ni), Ni_dsc, type = "b", pch = 16, col = "red")

# Paso 4: Ejes y etiquetas
axis(1, at = 1:length(ni), labels = clases_etiquetas, las = 2)
mtext("Rangos de Fallecidos", side = 1, line = 6)

# Paso 5: LEYENDA (Ajustada para que no desaparezca)
# La colocamos en 'topright' pero DENTRO del área primero para probar
legend(
  "topright", 
  inset = c(0.07, 0.07),         # Si sigue sin verse, cambia esto a c(0, 0)
  xpd = TRUE,                  # Permite dibujar fuera del recuadro
  legend = c("Ascendente (ni ≤)", "Descendente (ni ≥)"),
  col = c("black", "red"),
  pch = c(17, 16),
  lty = 1,
  bty = "n",                   # Sin borde para que no estorbe
  cex = 0.8                    # Un poco más pequeña para asegurar espacio
)

8. INDICADORES ESTADÍSTICOS

x_bar <- mean(fatality)
Me    <- median(fatality)
Mo    <- as.numeric(names(sort(table(fatality), decreasing = TRUE)[1]))
SD    <- sd(fatality)
CV    <- (SD / x_bar) * 100
As    <- skewness(fatality)
K     <- kurtosis(fatality)

8.1 Tabla de indicadores

tabla_indicadores <- data.frame(
  Variable = "Fatality Count",
  Min = min(fatality), Max = max(fatality), Media = x_bar,
  Mediana = Me, Moda = Mo, `Desv. Est.` = SD,
  `CV (%)` = CV, Asimetría = As, Curtosis = K
)

tabla_indicadores_gt <- tabla_indicadores %>%
  gt() %>%
  tab_header(title = md("*Tabla N° 13: Indicadores estadísticos del número de fallecidos a nivel mundial (excluyendo eventos sin fallecidos)*")) %>%
  fmt_number(columns = 4:10, decimals = 2)

tabla_indicadores_gt

Variable	Min	Max	Media	Mediana	Moda	Desv..Est.	CV....	Asimetría	Curtosis
Tabla N° 13: Indicadores estadísticos del número de fallecidos a nivel mundial (excluyendo eventos sin fallecidos)
Fatality Count	1	5000	12.72	3.00	1.00	118.54	931.99	34.18	1,339.22

9. DETECCIÓN DE OUTLIERS

Q1 <- quantile(fatality, 0.25)
Q3 <- quantile(fatality, 0.75)
IQR_f <- Q3 - Q1
lim_inf <- Q1 - 1.5 * IQR_f
lim_sup <- Q3 + 1.5 * IQR_f
outliers_vec <- fatality[fatality < lim_inf | fatality > lim_sup]

9.1 Tabla de Outliers

tabla_outliers <- data.frame(
  Variable = "Fatality Count (>0)",
  Outliers_Detectados = as.character(length(outliers_vec)),
  Limite_Inferior = lim_inf,
  Limite_Superior = lim_sup,
  Q1 = Q1,
  Q3 = Q3
)

tabla_outliers_gt <- tabla_outliers %>%
  gt() %>%
  tab_header(title = md("*Tabla N° 14: Detección de valores atípicos del número de fallecidos a nivel mundial (excluyendo eventos sin fallecidos)*")) %>%
  fmt_number(columns = 3:6, decimals = 2)

tabla_outliers_gt

Variable	Outliers_Detectados	Limite_Inferior	Limite_Superior	Q1	Q3
Tabla N° 14: Detección de valores atípicos del número de fallecidos a nivel mundial (excluyendo eventos sin fallecidos)
Fatality Count (>0)	241	−8.00	16.00	1.00	7.00

10. CONCLUSIÓN

La variable número de fallecidos (excluyendo eventos sin fallecidos) fluctua desde 1 hasta 5000, sus valores están entorno a 13 fallecidos, con una desviación estandar de 118.54 siendo un conjunto de valores muy heterogeneo con sesgo hacia la derecha, a excepción de 241 valores atípicos que van desde 7 hasta 5000.

Variable Cuantitativa Discreta: Número de muertos

Geología Grupo 2

2026-02-05

ANÁLISIS DE LA VARIABLE: NÚMERO DE MUERTOS

JUSTIFICACIÓN METODOLÓGICA DE LA AGRUPACIÓN

PRIMERA FASE

1. CARGA DE LIBRERÍAS Y DATOS

2. DEFINICIÓN DE INTERVALOS REPRESENTATIVOS

3. CÁLCULO DE FRECUENCIAS

4. TABLA DE FRECUENCIAS

4.1. Tabla de Frecuencias Simple

5. TABLA DE PRESENTACIÓN

6. HISTOGRAMAS (Local y Global)

6.1 Histograma Local de (ni)

6.2 Histograma Global de (ni)

6.3 Histograma Local de (hi)

6.4 Histograma Global de (hi)

7. DIAGRAMA DE CAJA (BOXPLOT)

8. DIAGRAMA DE OJIVAS COMBINADAS

9. INDICADORES ESTADÍSTICOS

9.1. Tabla de Indicadores estadísticos

10. DETECCIÓN DE OUTLIERS

10.1. Tabla de Outliers

11. CONCLUSIÓN

SEGUNDA FASE

1. CARGA DE LIBRERÍAS Y DATOS

2. DEFINICIÓN DE INTERVALOS REPRESENTATIVOS (Sin el 0)

3. CÁLCULO DE FRECUENCIAS

4. TABLA DE FRECUENCIAS

4.1 Creación de la tabla

4.2. Tabla para presentación

5 HISTOGRAMAS DE FRECUENCIA ABSOLUTA

5.1. Histograma Local de (ni)

5.2 Histograma global de (ni)

5.3 Histograma local de (hi)

5.4 Histograma Global de (hi)

6 DIAGRAMA DE CAJA (BOXPLOT)

7. DIAGRAMA DE OJIVAS COMBINADAS

8. INDICADORES ESTADÍSTICOS

8.1 Tabla de indicadores

9. DETECCIÓN DE OUTLIERS

9.1 Tabla de Outliers

10. CONCLUSIÓN