ANÁLISIS ESTADÍSTICO

1. CARGA DE LIBRERÍAS Y DATOS

                    #==============================ENCABEZADO===================
                    # TEMA: ESTADÍSTICA DESCRIPTIVA - LONGITUD
                    # AUTOR: GRUPO 3
                    # FECHA: 03-2026
                    #===========================================================
library(dplyr)
library(e1071)
library(gt)

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

2. SELECCIÓN DE VARIABLE

Asignamos nuestra variable Longitude.of.well.pad (Longitud) con el nombre de longitud_pozos

longitud_pozos <- as.numeric(datos$Longitude.of.well.pad)
longitud_pozos <- na.omit(longitud_pozos)
n <- length(longitud_pozos)

3. TABLA DE DISTRIBUCIÓN DE CANTIDAD

TABLA DE DISTRIBUCIÓN CON STURGES

#Sturges
k <- floor(1 + 3.322 * log10(n))
k
## [1] 14
#minimo
minimo <- min(longitud_pozos)
minimo
## [1] -108.4039
#maximo
maximo <- max(longitud_pozos)
maximo
## [1] -103.0692
#rango
R <- maximo - minimo
R
## [1] 5.334686
#amplitud
A <- R / k
A
## [1] 0.381049
Li_s <- round(seq(from = minimo, to = maximo - A, by = A),3)
Ls_s <- round(seq(from = minimo + A, to = maximo, by = A),3)
MC_s <- round((Li_s + Ls_s) / 2, 2)

ni_s <- numeric(length(Li_s))
for (i in 1:length(Li_s)) {
  ni_s[i] <- sum(longitud_pozos >= Li_s[i] & longitud_pozos < Ls_s[i])
}
ni_s[length(Li_s)] <- sum(longitud_pozos >= Li_s[length(Li_s)] & longitud_pozos <= maximo)

TDF_Sturges <- data.frame(Li=Li_s, Ls=Ls_s, MC=MC_s, ni=ni_s, hi=round((ni_s/n)*100, 2))
TDF_Sturges_P <- rbind(TDF_Sturges, data.frame(Li="TOTAL", Ls="", MC="", ni=sum(ni_s), hi=100))
Tabla N°1. Tabla de distribución de cantidad de longitud de los pozos de gas natural en Nuevo México
Li Ls MC ni hi
-108.404 -108.023 -108.21 1470 11.70
-108.023 -107.642 -107.83 3057 24.34
-107.642 -107.261 -107.45 3247 25.85
-107.261 -106.88 -107.07 855 6.81
-106.88 -106.499 -106.69 0 0.00
-106.499 -106.118 -106.31 0 0.00
-106.118 -105.737 -105.93 0 0.00
-105.737 -105.355 -105.55 0 0.00
-105.355 -104.974 -105.16 207 1.65
-104.974 -104.593 -104.78 600 4.78
-104.593 -104.212 -104.4 1193 9.50
-104.212 -103.831 -104.02 828 6.59
-103.831 -103.45 -103.64 353 2.81
-103.45 -103.069 -103.26 751 5.98
TOTAL 12561 100.00
Tabla 1 de 4

TABLA DE DISTRIBUCIÓN AGRUPADA

Debido a los valores decimales resultantes de aplicar la regla de Sturges, se procedió a agrupar los datos en intervalos prácticos.

h_f <- hist(longitud_pozos, plot = FALSE)
lis <- h_f$breaks[1:(length(h_f$breaks)-1)]
lss <- h_f$breaks[2:length(h_f$breaks)]
MC_f <- h_f$mids
ni_f <- h_f$counts
hi_f <- (ni_f / sum(ni_f)) * 100

Niasc <- cumsum(ni_f); Nidsc <- rev(cumsum(rev(ni_f)))
Hiasc <- round(cumsum(hi_f), 2); Hidsc <- round(rev(cumsum(rev(hi_f))), 2)

TDF_Simp <- data.frame(Li=lis, Ls=lss, MC=MC_f, ni=ni_f, hi=round(hi_f, 2),
Niasc, Nidsc, Hiasc, Hidsc)
TDF_Simp_P <- rbind(TDF_Simp, data.frame(Li="TOTAL", Ls=" ", MC=" ", ni=sum(ni_f), hi=100,
Niasc=" ", Nidsc=" ", Hiasc=" ", Hidsc=" "))
TABLA N°2: Tabla de distribución de cantidad de la longitud en pozos de gas natural en Nuevo México
Li Ls MC ni hi Niasc Nidsc Hiasc Hidsc
-108.5 -108 -108.25 1630 12.98 1630 12561 12.98 100
-108 -107.5 -107.75 4010 31.92 5640 10931 44.9 87.02
-107.5 -107 -107.25 2972 23.66 8612 6921 68.56 55.1
-107 -106.5 -106.75 17 0.14 8629 3949 68.7 31.44
-106.5 -106 -106.25 0 0.00 8629 3932 68.7 31.3
-106 -105.5 -105.75 0 0.00 8629 3932 68.7 31.3
-105.5 -105 -105.25 171 1.36 8800 3932 70.06 31.3
-105 -104.5 -104.75 804 6.40 9604 3761 76.46 29.94
-104.5 -104 -104.25 1690 13.45 11294 2957 89.91 23.54
-104 -103.5 -103.75 453 3.61 11747 1267 93.52 10.09
-103.5 -103 -103.25 814 6.48 12561 814 100 6.48
TOTAL 12561 100.00
Tabla 2 de 4

4. GRÁFICAS DE DISTRIBUCIÓN

Creación de Polígono de Frecuencia

h_datos23_lon <- hist(longitud_pozos, plot = FALSE)
limite_inferior_lon <- h_datos23_lon$breaks[1]
limite_superior_lon <- tail(h_datos23_lon$breaks, 1)

x_cant_lon <- c(limite_inferior_lon, h_datos23_lon$mids, limite_superior_lon)
y_cant_lon <- c(0, h_datos23_lon$counts, 0)


#GRAFICA 1
hist(longitud_pozos, col = colores, xlab = "Longitud(grados)", ylab = "Cantidad(ni)",
     main = "Grafica N°1: Distribución de cantidad de la longitud en pozos
      de gas natural en Nuevo México")
lines(x_cant_lon, y_cant_lon, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

#GRAFICA 2
hist(longitud_pozos, col = colores, xlab = "Longitud(grados)", ylab = "Cantidad(ni)",
     ylim = c(0, n), 
     main = "Grafica N°2: Distribución de cantidad de la longitud en pozos
      de gas natural en Nuevo México")
box(which = "outer", col = "black")

#GRAFICA 3
h_porcentaje <- hist(longitud_pozos, plot = FALSE)
h_porcentaje$counts <- (h_porcentaje$counts / sum(h_porcentaje$counts)) * 100

plot(h_porcentaje, col = colores, xlab = "Longitud(grados)", ylab = "Porcentaje (%)",
     main = "Grafica N°3: Distribución de cantidad en porcentaje 
        de la longitud en pozos de gas natural en Nuevo México")
box(which = "outer", col = "black")

#GRAFICA 4
plot(h_porcentaje, col = colores, xlab = "Longitud(grados)", ylab = "Porcentaje (%)",
     ylim = c(0, 100),
     main = "Grafica N°4: Distribución de cantidad en porcentaje 
        de la longitud en pozos de gas natural en Nuevo México")
box(which = "outer", col = "black")

#GRAFICA 5
plot(lss, Nidsc, type="b", col="blue", pch=19, bg="white", xlab="Longitud(grados)", ylab="Cant. Acumulada(Ni)",
     main="Grafica N°5: Ojivas combinadas de cantidad acumulada de la 
     longitud en pozos de gas natural en Nuevo México")
lines(lis, Niasc, col="black", type="b", pch=1)
legend("right", legend=c("Descendente", "Ascendente"), col=c("blue", "black"), pch=c(19, 19), pt.bg="white", bty="n")
box(which = "outer", col = "black")

#GRAFICA 6
plot(lss, Hidsc, type="b", col="blue", pch=19, bg="white", ylim=c(0, 100),
     xlab="Longitud(grados)", ylab="Porcentaje Acumulado(Hi)",
     main="Grafica N°6: Ojivas combinadas de porcentaje acumulado de la 
     longitud en pozos de gas natural en Nuevo México")
lines(lis, Hiasc, col="black", type="b", pch=18)
legend("right", legend=c("Descendente", "Ascendente"), col=c("blue", "black"), pch=c(19, 19), pt.bg="white", bty="n")
box(which = "outer", col = "black")

#GRAFICA 7
boxplot(longitud_pozos, horizontal = TRUE, col = "skyblue", xlab = "Longitud (grados)",
        main = "Grafica N°7: Distribución de cantidad de la longitud de
        los pozos de gas natural en Nuevo México")
box(which = "outer", col = "black")

summary(longitud_pozos)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  -108.4  -107.8  -107.4  -106.6  -104.6  -103.1
#GRAFICA N°9: SUPERPOSICIÓN DE BOXPLOT SOBRE HISTOGRAMA (AGREGADO)
hist(longitud_pozos, prob = TRUE,
     col = colores, xlab = "Longitud (grados)", ylab = "Densidad",
     main = "Grafica N°8: Grafica N°9: Distribución de cantidad en porcentaje 
        de la longitud en pozos de gas natural en Nuevo México")
par(new = TRUE)
boxplot(longitud_pozos, horizontal = TRUE, axes = FALSE,
        col = rgb(0, 0.8, 1, alpha = 0.5))
box(which = "outer", col = "black")

5. INDICADORES ESTADÍSTICOS Y OUTLIERS

TablaInd <- data.frame(Variable="Longitud", min=min(longitud_pozos), max=max(longitud_pozos),
                       x=round(mean(longitud_pozos),2), Me=median(longitud_pozos), 
                       sd=round(sd(longitud_pozos),2), Cv=round(abs((sd(longitud_pozos)/mean(longitud_pozos))*100),2),
                       As=round(skewness(longitud_pozos),2), K=round(kurtosis(longitud_pozos),2))

#media
media_val <- mean(longitud_pozos)
media_val
## [1] -106.566
#desviacion estandar
desv_val <- sd(longitud_pozos)
desv_val
## [1] 1.69539
#minimo
min_val <- min(longitud_pozos)
min_val
## [1] -108.4039
#maximo
max_val <- max(longitud_pozos)
max_val
## [1] -103.0692
#coeficiente de variacion o desviacion relativa
cv_analisis <- abs(desv_val / media_val) * 100
cv_analisis
## [1] 1.590929
tipo_datos <- if(cv_analisis > 30) "heterogeneos" else "homogeneos"


#TABLA DE INDICADORES
TablaInd %>% 
  gt() %>% 
  tab_header(title = md("Indicadores estadisticos de la variable 
longitud")) %>%
  tab_style(
    style = list(cell_fill(color = "lightgray"), cell_text(weight = "bold")),
    locations = cells_title(groups = "title")
  ) %>%
  tab_options(
    column_labels.font.weight = "bold" 
  ) %>%
  tab_source_note(
    source_note = md("**Tabla 3 de 4**"))
Indicadores estadisticos de la variable longitud
Variable min max x Me sd Cv As K
Longitud -108.4039 -103.0692 -106.57 -107.434 1.7 1.59 0.84 -1.03
Tabla 3 de 4 
valores_atipicos <- boxplot.stats(longitud_pozos)$out 
conteo_atipicos <- length(boxplot.stats(longitud_pozos)$out)

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

TablaOutliers <- data.frame(Cantidad = n_atipicos, Mínimo = min_atipico, Máximo = max_atipico)
TABLA N°4: Valores atípicos de la variable Longitud
Cantidad Mínimo Máximo
0 0 0
Tabla 4 de 4

6. CONCLUSIÓN

La variable longitud de los pozos presenta valores que fluctúan entre -108.4 y -103.1, con una media de -106.57 y una mediana de -107.4. La desviación estándar de 1.7 indica una baja dispersión de los datos, lo que muestra que las longitudes se encuentran relativamente concentradas alrededor del promedio. Además, el coeficiente de asimetría de -0.84 evidencia una marcada asimetría negativa, mientras que la curtosis de -1.03 indica una distribución platicúrtica. En conjunto, estos resultados reflejan que la longitud de los pozos presenta una distribución relativamente homogénea, con una variabilidad espacial moderada dentro del área de estudio.