library(readr)
trabajo_bioestad <- read_csv("C:/Users/Salomé Lema/Desktop/Yo/Universidad/2026 - 1/Bioestad/trabajo_bioestad.csv", 
    skip = 8)
## Rows: 32 Columns: 6
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (1): Session_Name
## dbl  (4): ObjectID, Latitude, Longitude, 1:Measurement_Value
## dttm (1): Timestamp
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Importar datos

En esta sección se importan los datos que le corresponden al recorrido desde La Buitrera hasta la Pontificia Universidad Javeriana; estos incluyen las mediciones del sonido y las coordenadasgráficas asociadas a cada punto de muestreo, como se puede observar en el siguiente mapa.

require (table1)
## Cargando paquete requerido: table1
## Warning: package 'table1' was built under R version 4.5.2
## 
## Adjuntando el paquete: 'table1'
## The following objects are masked from 'package:base':
## 
##     units, units<-
trabajo_bioestad$`1:Measurement_Value`
##  [1] 25 26 42 25 23 24 34 25 42 63 76 72 77 86 73 74 75 81 74 75 75 74 75 71 71
## [26] 67 67 73 71 69 72 67
table1(~.,data = trabajo_bioestad[,4:6])
Overall
(N=32)
Latitude
Mean (SD) 3.36 (0.0113)
Median [Min, Max] 3.35 [3.35, 3.37]
Longitude
Mean (SD) -76.5 (0.0162)
Median [Min, Max] -76.5 [-76.6, -76.5]
1:Measurement_Value
Mean (SD) 60.8 (20.6)
Median [Min, Max] 71.0 [23.0, 86.0] 
require(leaflet)
## Cargando paquete requerido: leaflet
## Warning: package 'leaflet' was built under R version 4.5.2
leaflet() %>% addTiles() %>%
  addCircleMarkers(lng = trabajo_bioestad$Longitude, lat = trabajo_bioestad$Latitude)

Jornada

Se creó una variable hipotética denominada jornada, la cual divide el total de las observaciones en dos categorías: día y noche. Esto se realizó con el objetivo de analizar posibles diferencias en los niveles de ruido según el momento del día donde se tomaron las grabaciones.

La variable de “jornada” se incorporó a los datos originales de la tabla para facilitar los análisis posteriores.

n=round(dim(trabajo_bioestad)[1]/2,0)

jornada=c(rep("dia",n),rep("noche",n))

trabajo_bioestad$jornada=jornada

Tabla de datos completos

Se elaboró una tabla resumen que presenta medidas descriptivas a nivel de ruido teniendo en cuenta la cantidad total de los datos. Se pueden observar la media y la mediana.

library(table1)
table1(~`1:Measurement_Value`,data = trabajo_bioestad)
Overall
(N=32)
1:Measurement_Value
Mean (SD) 60.8 (20.6)
Median [Min, Max] 71.0 [23.0, 86.0]

Exploración de ruido por jornada

En esta sección, se comparan los niveles de ruido “registrados” de día, noche y el conjunto total de datos. Se utiliza una tabla descriptiva que permite observar las diferencias de las medidas de tendencia central entre las distintas jornadas.

library(table1)
table1(~`1:Measurement_Value`,data = trabajo_bioestad)
Overall
(N=32)
1:Measurement_Value
Mean (SD) 60.8 (20.6)
Median [Min, Max] 71.0 [23.0, 86.0] 
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.2

Gráfico de barras

Para poder completar el análisis descriptivo se construyó un histograma dek nivel de ruido. El gráfico permite visualizar la distribución de las mediciones y detectar si hay asimetrías en los datos.

ggplot(data=trabajo_bioestad,aes(x=`1:Measurement_Value`))+geom_histogram(fill="purple")
## `stat_bin()` using `bins = 30`. Pick better value `binwidth`.

Gráfico de cajas

Para finalizar, se elaboró un diagrama de cajas, el cual sirve para comparar la distribución del nivel de ruido entre las jornadas de día y noche.

ggplot(data=trabajo_bioestad,aes(x= jornada,y=`1:Measurement_Value`,fill = jornada)) + geom_boxplot()

Conclusión

El análisis realizado permitió describir y poder observar visualmente las diferencias en los niveles de ruido, dependiendo de la zona donde se tomaron los datos, y la jornada respectiva de cada uno de estos, además de permitirnos evaluar su comportamiento general. Tanto las herramientas descriptivas, como las gráficas empleadas, proporcionan una visión clara de la distribución de los datos, además de facilitar la comparación entre las sesiones diurnas y nocturnas.

Estos resultados permiten tener una base sólida para análisis futuros interesados en analizar a mayor detalle la dinámica del ruido ambiental en la zona estudiada.