DIA

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
# =========================

# -------------------------
# Cargar datos
# -------------------------
setwd("C:/Users/Alexander/Downloads")
# Extraemos los datos 
df <- read.csv("soil_pollution_diseases.csv", sep = ",", stringsAsFactors = FALSE)
# 1. Cargar dataset CSV
df <- read.csv("soil_pollution_diseases.csv", sep = ",", stringsAsFactors = FALSE)

# 2. Convertir la columna a fecha (formato día/mes/año)
df$Date_Reported <- as.Date(df$Date_Reported, format = "%Y-%m-%d")

# 3. Crear columnas separadas de día, mes y año
df$Day   <- as.integer(format(df$Date_Reported, "%d"))
df$Month <- as.integer(format(df$Date_Reported, "%m"))
df$Year  <- as.integer(format(df$Date_Reported, "%Y"))
# Extraemos la variable Discreta
Dia <- df$Day

# Tabla de distribución de frecuencias por días 
TDF.Dia <- table(Dia)
Tabla_Dia <- as.data.frame(TDF.Dia)

# Frecuencias relativas (porcentaje)
hi <- (Tabla_Dia$Freq / sum(Tabla_Dia$Freq)) * 100
ni <- Tabla_Dia$Freq

Tabla_Dia <- data.frame(Tabla_Dia, hi)

# Acumuladas
Niasc  <- cumsum(ni)
Hiasc  <- cumsum(hi)
Nidsc  <- rev(cumsum(rev(ni)))
Hidsc  <- rev(cumsum(rev(hi)))

Tabla_dia_final <- data.frame(
  Dia = Tabla_Dia$Dia,
  ni = Tabla_Dia$Freq,
  `hi (%)` = round(Tabla_Dia$hi, 2),
  Ni_asc = Niasc,
  `Hi_asc(%)` = round(Hiasc, 2),
  Ni_dsc = Nidsc,
  `Hi_dsc(%)` = round(Hidsc, 2)
)

# Totales
Tabla_dia_final$Dia <- as.character(Tabla_dia_final$Dia)

totales <- c(
  Dia = "Total",
  ni = sum(ni),
  `hi (%)` = 100,
  Ni_asc = "-",
  `Hi_asc(%)` = "-",
  Ni_dsc = "-",
  `Hi_dsc(%)` = "-"
)

TDF_dias_total <- rbind(Tabla_dia_final, totales)

# Formato gt
library(gt)

tabla_dias_gt <- TDF_dias_total %>% 
  gt() %>% 
  tab_header(
    title = md("*Tabla N°5*"),
    subtitle = md("**Tabla de distribución
                  simples y acumuladas de los días del estudio**")
  ) %>% 
  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"
  ) %>% 
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = Dia == "Total"
    )
  )

tabla_dias_gt

Tabla N°5
Tabla de distribución simples y acumuladas de los días del estudio
Dia	ni	hi....	Ni_asc	Hi_asc...	Ni_dsc	Hi_dsc...
1	109	3.63	109	3.63	3000	100
2	99	3.3	208	6.93	2891	96.37
3	107	3.57	315	10.5	2792	93.07
4	92	3.07	407	13.57	2685	89.5
5	91	3.03	498	16.6	2593	86.43
6	96	3.2	594	19.8	2502	83.4
7	97	3.23	691	23.03	2406	80.2
8	99	3.3	790	26.33	2309	76.97
9	84	2.8	874	29.13	2210	73.67
10	103	3.43	977	32.57	2126	70.87
11	86	2.87	1063	35.43	2023	67.43
12	103	3.43	1166	38.87	1937	64.57
13	100	3.33	1266	42.2	1834	61.13
14	101	3.37	1367	45.57	1734	57.8
15	86	2.87	1453	48.43	1633	54.43
16	115	3.83	1568	52.27	1547	51.57
17	102	3.4	1670	55.67	1432	47.73
18	92	3.07	1762	58.73	1330	44.33
19	87	2.9	1849	61.63	1238	41.27
20	107	3.57	1956	65.2	1151	38.37
21	89	2.97	2045	68.17	1044	34.8
22	104	3.47	2149	71.63	955	31.83
23	81	2.7	2230	74.33	851	28.37
24	115	3.83	2345	78.17	770	25.67
25	114	3.8	2459	81.97	655	21.83
26	101	3.37	2560	85.33	541	18.03
27	114	3.8	2674	89.13	440	14.67
28	86	2.87	2760	92	326	10.87
29	95	3.17	2855	95.17	240	8
30	98	3.27	2953	98.43	145	4.83
31	47	1.57	3000	100	47	1.57
Total	3000	100	-	-	-	-
Autor: Grupo 3

# Criterio de agrupación  por semanas (1, 2, 3, 4)

Semana <- sapply(Dia, function(d) {
  if (d >= 1 & d <= 7) {
    1
  } else if (d >= 8 & d <= 14) {
    2
  } else if (d >= 15 & d <= 21) {
    3
  } else {
    4
  }
})

Semana <- factor(Semana, levels = c(1, 2, 3, 4))

# Tabla de frecuencias por semanas numéricas
TDF_Semana <- table(Semana)
Tabla_Semana <- as.data.frame(TDF_Semana)

# Frecuencias relativas (porcentaje)
hi <- (Tabla_Semana$Freq / sum(Tabla_Semana$Freq)) * 100
ni <- Tabla_Semana$Freq

Tabla_Semana <- data.frame(Tabla_Semana, hi)

# Acumuladas
Niasc  <- cumsum(ni)
Hiasc  <- cumsum(hi)
Nidsc  <- rev(cumsum(rev(ni)))
Hidsc  <- rev(cumsum(rev(hi)))

Tabla_semana_final <- data.frame(
  Semana = Tabla_Semana$Semana,
  ni = Tabla_Semana$Freq,
  `hi (%)` = round(Tabla_Semana$hi, 2),
  Ni_asc = Niasc,
  `Hi_asc(%)` = round(Hiasc, 2),
  Ni_dsc = Nidsc,
  `Hi_dsc(%)` = round(Hidsc, 2)
)

# Totales
totales <- data.frame(
  Semana = "Total",
  ni = sum(ni),
  `hi (%)` = 100,
  Ni_asc = "-",
  `Hi_asc(%)` = "-",
  Ni_dsc = "-",
  `Hi_dsc(%)` = "-",
  stringsAsFactors = FALSE
)

TDF_semanas_total <- rbind(Tabla_semana_final, totales)

# Formato gt para semanas
tabla_semanas_gt <- TDF_semanas_total %>%
  gt() %>%
  tab_header(
    title = md("*Tabla N°6*"),
    subtitle = md("**Distribución de frecuencias de los días agrupados por semanas**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = Semana == "Total"
    )
  )

tabla_semanas_gt

Tabla N°6
Distribución de frecuencias de los días agrupados por semanas
Semana	ni	hi....	Ni_asc	Hi_asc...	Ni_dsc	Hi_dsc...
1	691	23.03	691	23.03	3000	100
2	676	22.53	1367	45.57	2309	76.97
3	678	22.60	2045	68.17	1633	54.43
4	955	31.83	3000	100	955	31.83
Total	3000	100.00	-	-	-	-
Autor: Grupo 3

# GRÁFICAS

# Frecuencia absoluta
barplot(Tabla_Semana$Freq,
        main = "Gráfica N°14: Distribución de la contaminación 
        del suelo según la semana",
        xlab = "Semana",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0, max(Tabla_Semana$Freq)*1.1),
        names.arg = Tabla_Semana$Semana,
        las = 1,
        cex.names = 1)

# Porcentaje
barplot(Tabla_Semana$hi,
        main = "Gráfica N°15:Distribución porcentual de la contaminación 
        del suelo según la semana",
        xlab = "Semana",
        ylab = "Porcentaje %",
        col = "lightgreen",
        ylim = c(0, 100),
        names.arg = Tabla_Semana$Semana,
        las = 1,
        cex.names = 1)

# Frecuencia absoluta global
barplot(Tabla_Semana$Freq,
        main = "Gráfica N°16: Distribución de la contaminación 
        del suelo según la semana",
        xlab = "Semana",
        ylab = "Cantidad de registros",
        col = "skyblue",
        ylim = c(0, 3000),
        names.arg = Tabla_Semana$Semana,
        las = 1,
        cex.names = 1)

# Porcentaje global
barplot(Tabla_Semana$hi,
        main = "Gráfica N°17: Distribución porcentual de la contaminación 
        del suelo según la semana",
        xlab = "Semana",
        ylab = "Porcentaje %",
        col = "lightgreen",
        ylim = c(0, 100),
        names.arg = Tabla_Semana$Semana,
        las = 1,
        cex.names = 1)

# Diagrama de caja
boxplot(as.numeric(Tabla_Semana$Semana),
        horizontal = TRUE,
        col = "brown",
        main = "Gráfica N°18: Distribución segun la semana del Estudio de 
        Contaminación del Suelo",
        xlab = "Semana")

# Ojiva acumulada
x_pos <- 1:length(Tabla_Semana$Semana)

plot(x_pos, Tabla_semana_final$Ni_dsc[1:4],
     main = "Gráfica N°19: Distribución ascendente y descendente 
     de las semanas del estudio",
     xlab = "Semana",
     ylab = "Cantidad",
     col = "orange",
     type = "p",
     lwd = 3,
     xaxt="n")

lines(x_pos, Tabla_semana_final$Ni_asc[1:4],
      col = "green",
      type = "p",
      lwd = 3)

axis(side = 1, at = x_pos, labels = Tabla_Semana$Semana, las = 1, cex.axis = 0.9)

# Ojiva porcentual
plot(x_pos, Tabla_semana_final$Hi_dsc.[1:4],
     main = "Gráfica N°20: Distribución ascendente y descendente 
     de las semanas del estudio",
     xlab = "Semana",
     ylab = "Porcentaje %",
     col = "red",
     type = "p",
     lwd = 2,
     xaxt = "n")

lines(x_pos, Tabla_semana_final$Hi_asc.[1:4],
      col = "blue",
      type = "p",
      lwd = 3)
# Personalizar etiquetas del eje X

axis(side = 1, at = x_pos, labels = Tabla_Semana$Semana, las = 1, cex.axis = 0.9)

# INDICADORES ESTADISTICOS

# Variable discreta: Semana (numérica)
Semana_num <- as.numeric(as.character(Semana))

# Media
media <- round(mean(Semana_num), 2)

# Moda
max_frecuencia <- max(Tabla_Semana$Freq)
moda <- Tabla_Semana$Semana[Tabla_Semana$Freq == max_frecuencia]

# Mediana
mediana <- median(Semana_num)

# Dispersión
varianza <- var(Semana_num)
sd <- sd(Semana_num)
cv <- round((sd / media) * 100, 2)

# Forma
library(e1071)
asimetria <- skewness(Semana_num, type = 2)
curtosis <- kurtosis(Semana_num)

# Tabla resumen
tabla_indicadores_semana <- data.frame(
  Variable = "Semana",
  Rango = paste0("[", min(Semana_num), " ; ", max(Semana_num), "]"),
  X = media,
  Me = mediana,
  Mo = paste(moda, collapse = ", "),
  V = round(varianza, 2),
  Sd = round(sd, 2),
  Cv = cv,
  As = round(asimetria, 2),
  K = round(curtosis, 2),
  Valores_Atipicos = "No hay presencia de valores atípicos",
  stringsAsFactors = FALSE
)

library(gt)

fila_semana <- which(tabla_indicadores_semana$Variable == "Semana")

tabla_indicadores_semana_gt <- tabla_indicadores_semana %>% 
  gt() %>% 
  tab_header(
    title = md("*Tabla N°8*"),
    subtitle = md("**Indicadores estadísticos de la variable Semana**")
  ) %>% 
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>% 
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    row.striping.include_table_body = TRUE
  ) %>% 
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = fila_semana)
  )

tabla_indicadores_semana_gt

Tabla N°8
Indicadores estadísticos de la variable Semana
Variable	Rango	X	Me	Mo	V	Sd	Cv	As	K	Valores_Atipicos
Semana	[1 ; 4]	2.63	3	4	1.33	1.15	43.85	-0.15	-1.42	No hay presencia de valores atípicos
Autor: Grupo 3

##============##
## CONCLUSIÓN ##
##============##
# La variable Dia clasificada en Semanas fluctua entre 1 y 4, y gira entorno a 3 con una desviación estandar de 1.15 siendo un conjuto de datos heterogeneo, los valores de acumulan de manera debil en la parte media alta de la variable. Sin presencia de valores atipicos.