ANÁLISIS ESTADÍSTICO

1. CARGA DE LIBRERÍAS Y DATOS

                    #==============================ENCABEZADO===================
                    # TEMA: ESTADÍSTICA DESCRIPTIVA - INICIO DE PERFORACION
                    # AUTOR: GRUPO 3
                    # FECHA: 03-2026
                    #===========================================================

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

setwd("C:/Users/HP/Documents/PROYECTO ESTADISTICA/RStudio")
datos <- read.csv("tablap.csv", header = TRUE, dec = ",", sep = ";")

2. SELECCIÓN DE VARIABLE

Asignamos nuestra variable Spud.Initiation.year(Año de Inicio de Perforación) con el nombre de inicio

inicio <- datos$Spud.Initiation.year

3. TABLA DE DISTRIBUCIÓN DE CANTIDAD

TABLA DE DISTRIBUCIÓN ORIGINAL

ni_orig <- table(na.omit(inicio))
total_datos_orig <- sum(ni_orig)
hi_orig <- round(as.numeric(ni_orig) / total_datos_orig * 100, 2)

TDF_Original <- data.frame(
  Valor = names(ni_orig),
  ni = as.numeric(ni_orig),
  hi = hi_orig
)

TDF_Final_Original <- rbind(
  TDF_Original,
  data.frame(Valor = "TOTAL", ni = total_datos_orig, hi = 100)
)
Tabla N° 1. Tabla de distribución de cantidad del año de inicio de perforación de los pozos de gas natural en Nuevo México
Valor ni hi
1950 24 0.19
1951 71 0.57
1952 79 0.63
1953 107 0.85
1954 70 0.56
1955 162 1.29
1956 170 1.35
1957 157 1.25
1958 140 1.11
1959 150 1.19
1960 108 0.86
1961 105 0.84
1962 125 1.00
1963 61 0.49
1964 81 0.64
1965 97 0.77
1966 90 0.72
1967 66 0.53
1968 60 0.48
1969 80 0.64
1970 34 0.27
1971 55 0.44
1972 82 0.65
1973 122 0.97
1974 99 0.79
1975 132 1.05
1976 138 1.10
1977 257 2.05
1978 244 1.94
1979 253 2.01
1980 374 2.98
1981 323 2.57
1982 264 2.10
1983 151 1.20
1984 125 1.00
1985 210 1.67
1986 45 0.36
1987 52 0.41
1988 83 0.66
1989 114 0.91
1990 279 2.22
1991 72 0.57
1992 137 1.09
1993 104 0.83
1994 145 1.15
1995 106 0.84
1996 114 0.91
1997 178 1.42
1998 265 2.11
1999 287 2.28
2000 466 3.71
2001 518 4.12
2002 449 3.57
2003 529 4.21
2004 591 4.71
2005 720 5.73
2006 744 5.92
2007 613 4.88
2008 441 3.51
2009 152 1.21
2010 84 0.67
2011 137 1.09
2012 53 0.42
2013 32 0.25
2014 18 0.14
2015 16 0.13
2016 26 0.21
2017 38 0.30
2018 37 0.29
2019 36 0.29
2020 14 0.11
TOTAL 12561 100.00
Tabla 1 de 4

TABLA DE DISTRIBUCIÓN CON STURGES

Debido a la gran cantidad de filas presentes en la tabla original, se hizo uso de la regla de Sturges.

n_inicio <- length(na.omit(inicio))
k_sturges_inicio <- 1 + (3.322 * log10(n_inicio))
k_sturges_inicio
## [1] 14.61696
clasificacion_sturges_inicio <- cut(inicio, breaks = k_sturges_inicio, right = FALSE)

# Calculos de frecuencias para Sturges
ni_sturges_inicio <- table(clasificacion_sturges_inicio)
total_datos_sturges_inicio <- sum(ni_sturges_inicio)
hi_sturges_inicio <- round(as.numeric(ni_sturges_inicio) / total_datos_sturges_inicio * 100, 2)
Tabla N°2. Tabla de distribución del año de inicio de perforación de los pozos de gas natural en Nuevo México
Intervalo ni hi
[1950 - 1955) 351 2.79
[1955 - 1960) 779 6.20
[1960 - 1965) 480 3.82
[1965 - 1970) 393 3.13
[1970 - 1975) 392 3.12
[1975 - 1980) 1024 8.15
[1980 - 1985) 1237 9.85
[1985 - 1990) 504 4.01
[1990 - 1995) 737 5.87
[1995 - 2000) 950 7.56
[2000 - 2005) 2553 20.32
[2005 - 2010) 2670 21.26
[2010 - 2015) 324 2.58
[2015 - 2020) 167 1.33
TOTAL 12561 100.00
Tabla 2 de 4

TABLA DE DISTRIBUCIÓN AGRUPADA

Debido a que Sturges genera muchos intervalos, se procedió a agrupar los datos en intervalos prácticos.

inicio <- datos$Spud.Initiation.year 
# CLASIFICACION CON BUCLE FOR
clasificacion <- character(length(inicio))
for(i in seq_along(inicio)){
  if(inicio[i] >= 1950 & inicio[i] < 1960){
    clasificacion[i] <- "1950-1959"
  } else if(inicio[i] >= 1960 & inicio[i] < 1970){
    clasificacion[i] <- "1960-1969"
  } else if(inicio[i] >= 1970 & inicio[i] < 1980){
    clasificacion[i] <- "1970-1979"
  } else if(inicio[i] >= 1980 & inicio[i] < 1990){
    clasificacion[i] <- "1980-1989"
  } else if(inicio[i] >= 1990 & inicio[i] < 2000){
    clasificacion[i] <- "1990-1999"
  } else if(inicio[i] >= 2000 & inicio[i] < 2010){
    clasificacion[i] <- "2000-2009"
  } else if(inicio[i] >= 2010 & inicio[i] < 2020){
    clasificacion[i] <- "2010-2019"
  } else if(inicio[i] >= 2020 & inicio[i] <= 2030){
    clasificacion[i] <- "2020-2029"
  } else {
    clasificacion[i] <- NA
  }
}

clasificacion <- na.omit(clasificacion)
orden_intervalos <- c("1950-1959", "1960-1969", "1970-1979", "1980-1989", 
                      "1990-1999", "2000-2009", "2010-2019", "2020-2029")
clasificacion <- factor(clasificacion, levels = orden_intervalos)

# CÁLCULO DE FRECUENCIAS
ni <- table(clasificacion)
total_datos <- sum(ni)
hi <- round(as.numeric(ni) / total_datos * 100, 2) 
Ni_asc <- cumsum(ni)
Hi_asc <- cumsum(hi)
Ni_des <- rev(cumsum(rev(ni)))
Hi_des <- rev(cumsum(rev(hi)))

# TABLA DE DISTRIBUCIÓN DE FRECUENCIAS
tabla_base <- data.frame(Intervalo = orden_intervalos, ni = as.numeric(ni), hi = hi,
                         Ni_asc = as.numeric(Ni_asc), Hi_asc = round(Hi_asc, 2),
                         Ni_des = as.numeric(Ni_des), Hi_des = round(Hi_des, 2))

fila_total <- data.frame(Intervalo = "TOTAL", ni = total_datos, hi = 100, 
                         Ni_asc = NA, Hi_asc = NA, Ni_des = NA, Hi_des = NA)

TDF_Final_gt <- rbind(tabla_base, fila_total)
Tabla N°3. Distribución de cantidad del año de inicio de perforación de los pozos de gas natural en Nuevo México
Intervalo ni hi Ni_asc Hi_asc Ni_des Hi_des
1950-1959 1130 9.00 1130 9.00 12561 100.00
1960-1969 873 6.95 2003 15.95 11431 91.00
1970-1979 1416 11.27 3419 27.22 10558 84.05
1980-1989 1741 13.86 5160 41.08 9142 72.78
1990-1999 1687 13.43 6847 54.51 7401 58.92
2000-2009 5223 41.58 12070 96.09 5714 45.49
2010-2019 477 3.80 12547 99.89 491 3.91
2020-2029 14 0.11 12561 100.00 14 0.11
TOTAL 12561 100.00



Tabla 3 de 4

4. GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIAS

par(oma = c(1, 1, 1, 1))
#Gráfica 1
par(mar = c(7, 4, 4, 2) + 0.1)
barplot(ni, names.arg = orden_intervalos, las = 2, col = "skyblue",
        xlab = "", ylab = "Cantidad (ni)", 
        main = "Gráfica Nº 1: Distribución de cantidad de los años de\ninicio de perforación de los pozos de gas natural\nen Nuevo México")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 2
par(mar = c(7, 4, 4, 2) + 0.1)
barplot(ni, names.arg = orden_intervalos, las = 2, col = "darkgrey",
        xlab = "", ylab = "Cantidad (ni)",
        ylim = c(0, total_datos), 
        main = "Gráfica Nº 2: Distribución de cantidad de los años de
        inicio de perforación de los pozos de gas natural
        en Nuevo México")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 3
par(mar = c(7, 4, 4, 2) + 0.1)
barplot(hi, names.arg = orden_intervalos, las = 2, col = "lightgreen", 
        xlab = "", ylab = "Porcentaje (%)",
        main = "Gráfica Nº 3: Distribución de cantidad en porcentaje de los años 
        de inicio de perforación de los pozos de gas natural 
        en Nuevo México")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 4
par(mar = c(7, 4, 4, 2) + 0.1)
barplot(hi, names.arg = orden_intervalos, las = 2, col = "grey50", 
        ylim = c(0, 100), 
        xlab = "", ylab = "Porcentaje (%)",
        main = "Gráfica Nº 4: Distribución de cantidad en
        porcentaje de los años de inicio de perforación de los pozos 
        de gas natural en Nuevo México")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 5
par(mar = c(7, 4, 4, 2) + 0.1)
posicion_x <- 1:length(ni)
plot(posicion_x, Ni_asc, type = "o", pch = 1, col = "blue", 
     xaxt = "n",
     xlab = "",
     ylab = "Cantidad acumulada (Ni)",
     main = "Gráfica Nº 5: Ojiva combinada de los años de 
     inicio de perforación")
axis(1, at = posicion_x, labels = orden_intervalos, las = 2, 
     cex.axis = 0.7)
lines(posicion_x, Ni_des, type = "o", pch = 1, col = "red")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 6
par(mar = c(7, 4, 4, 2) + 0.1)
plot(posicion_x, Hi_asc, type = "o", pch = 1, col = "blue", 
     xaxt = "n", ylim = c(0, 100),
     xlab = "",
     ylab = "Porcentaje acumulado (Hi)",
     main = "Gráfica Nº 6: Ojiva combinada de los años de 
     inicio de perforación")
axis(1, at = posicion_x, labels = orden_intervalos, las = 2, cex.axis = 0.7)
lines(posicion_x, Hi_des, type = "o", pch = 1, col = "red")
box(which = "outer", col = "black")
mtext("Inicio de perforación (años)", side = 1, line = 5.5, cex = 1)

#Gráfica 7
#BOXPLOT
boxplot(inicio, horizontal = TRUE, col = "lightblue",
        xlab = "Inicio de perforación (años)",
        main = "Gráfica Nº 7: Distribución de cantidad de los años de inicio
        de perforación de los pozos de gas natural en Nuevo México")
box(which = "outer", col = "black")

summary(inicio)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1950    1978    1997    1990    2005    2020

5. INDICADORES ESTADÍSTICOS Y OUTLIERS

 #media
media_x <- mean(inicio, na.rm = TRUE)
media_x
## [1] 1990.086
#mínimo
val_min <- min(inicio, na.rm = TRUE)
val_min
## [1] 1950
#máximo
val_max <- max(inicio, na.rm = TRUE)
val_max
## [1] 2020
#mediana
mediana_Me <- median(inicio, na.rm = TRUE)
mediana_Me
## [1] 1997
#desviación estándar
desv_estandar <- sd(inicio, na.rm = TRUE)
desv_estandar
## [1] 17.32853
#coeficiente de variación
coef_variacion <- ((desv_estandar / media_x) * 100)
coef_variacion
## [1] 0.8707429
#asimetría
asimetria_As <- skewness(inicio, na.rm = TRUE)
asimetria_As
## [1] -0.6891418
#curtosis
curtosis_K <- kurtosis(inicio, na.rm = TRUE)
curtosis_K
## [1] -0.7097994
# Tabla de Indicadores Estadísticos
Variable_Nombre <- "Año de inicio"
TablaIndicadores <- data.frame(Variable = Variable_Nombre, 
                               mínimo = val_min, 
                               máximo = val_max, 
                               x = round(media_x, 0), 
                               Me = mediana_Me, 
                               sd = round(desv_estandar, 2), 
                               Cv = round(coef_variacion, 2), 
                               As = round(asimetria_As, 2), 
                               K = round(curtosis_K, 2))
Indicadores estadísticos de la variable Año de Inicio de Perforación
Variable mínimo máximo x Me sd Cv As K
Año de inicio 1950 2020 1990 1997 17.33 0.87 -0.69 -0.71
Tabla 3 de 4 
valores_atipicos <- boxplot.stats(inicio)$out 
n_atipicos <- length(valores_atipicos) 

if(n_atipicos > 0) {
  min_atipico <- min(valores_atipicos)
  max_atipico <- max(valores_atipicos)
} else {
  min_atipico <- 0
  max_atipico <- 0
}

TablaOutliers <- data.frame(Outliers = n_atipicos, Mínimo = min_atipico, Máximo = max_atipico)
Tabla N°4: Outliers de la variable año de inicio de perforación
Outliers Mínimo Máximo
0 0 0
Tabla 4 de 4

6. CONCLUSIÓN

La variable año de inicio presenta valores que fluctúan entre 1950 y 2020, con una concentración en torno a la mediana de 1997. La desviación estándar de 17.33 indica que se trata de un conjunto con una dispersión moderada y una marcada asimetría a la izquierda, respaldada por la total ausencia de valores atípicos. La acumulación de registros se encuentra en la parte alta de la variable, lo que evidencia que la gran mayoría de los inicios de perforación se realizaron en periodos recientes (particularmente el auge observado entre 2000 y 2009). Por todo lo anterior mencionado, el comportamiento de la variable es medianamente beneficioso, debido a que los registros modernos cuentan con información geológica más confiable y mejor documentada.