País

UNIVERSIDAD CENTRAL DEL ECUADOR

ESTUDIO ESTADÍSTICO DE LA CONTAMINACIÓN DEL SUELO Y SU IMPACTO EN LA SALUD

FECHA: 19/11/2025

# =========================
# ESTADÍSTICA Descriptiva
# Fecha: 19/11/2025
# =========================

library(gt)
library(dplyr)

# -------------------------
# Cargar datos
# -------------------------
setwd("C:/Users/Alexander/Downloads")

datos <- read.csv(
  "soil_pollution_diseases.csv",
  sep = ",",
  stringsAsFactors = FALSE
)

# =========================
# TABLAS CUALITATIVAS NOMINALES
# =========================

País <- datos$Country

TDF_País <- data.frame(table(País))

ni <- TDF_País$Freq
hi <- round((ni / sum(ni)) * 100, 2)

TDF_País <- data.frame(País = TDF_País$País, ni, hi)
Summary <- data.frame(País = "TOTAL", ni = sum(ni), hi = 100)

TDF_País_suma <- rbind(TDF_País, Summary)
colnames(TDF_País_suma) <- c("País", "ni", "hi(%)")

# =========================
# TABLA
# =========================

TDF_País_suma %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nro. 2*"),
    subtitle = md("**Tabla de distribución de los países**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  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
Tabla de distribución de los países
País	ni	hi(%)
Australia	278	9.27
Brazil	293	9.77
China	319	10.63
Germany	283	9.43
India	311	10.37
Kenya	271	9.03
Mexico	314	10.47
Nigeria	309	10.30
Pakistan	305	10.17
USA	317	10.57
TOTAL	3000	100.00
Autor: Grupo 3

# =========================
# GRÁFICAS
# =========================

# Diagrama de barras local ni
barplot(ni,
        main = "Gráfica N°6: Distribución de los países",
        xlab = "Países",
        ylab = "Cantidad",
        col = "red",
        ylim = c(0,400),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

# Diagrama de barras global ni
barplot(ni,
        main = "Gráfica N°7: Distribución de los países",
        xlab = "Países",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0,3000),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

# Diagrama de barras local hi(%)
barplot(hi,
        main = "Gráfica N°8: Distribución porcentual de los países",
        xlab = "Países",
        ylab = "Porcentaje",
        col = "green",
        ylim = c(0,15),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

# Diagrama de barras global hi(%)
barplot(hi,
        main = "Gráfica N°9: Distribución porcentual de los países",
        xlab = "Países",
        ylab = "Porcentaje",
        col = "blue",
        ylim = c(0,100),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_País$País)

# =========================
# DIAGRAMA CIRCULAR
# =========================

etiquetas <- paste0(hi, " %")

colores <- c("yellow", "khaki1", "gold", "orange", "darkorange", "red")

par(mar = c(2, 2, 4, 6))

pie(
  hi,
  labels = etiquetas,
  col = colores,
  main = "Gráfica N°10 Distribución porcentual de los países",
  cex = 1
)

legend(
  "topright",
  legend = TDF_País$País,
  fill = colores,
  title = "Leyenda",
  cex = 0.5,
  xpd = TRUE
)

# =========================
# INDICADORES
# =========================
moda <- function(x) {
  frec <- table(x)
  names(frec)[which.max(frec)]
}
moda_país <- moda(datos$Country)
moda_país

## [1] "China"

cat("El valor más frecuente de la variable País es:", moda_país)

## El valor más frecuente de la variable País es: China