ANÁLISIS DE POZOS DE GAS NATURAL EN NUEVO MÉXICO: UN ENFOQUE BASADO EN DATOS

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. TABLA DE DISTRIBUCIÓN DE CANTIDAD POR STURGES

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

#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))

TDF_Sturges_P %>%
  gt() %>%
  tab_header(title = md("Tabla N°1. Tabla de distribucion de cantidad de 
      longitud de los pozos de gas natural en Nuevo México")) %>%
  tab_style(
    style = list(cell_fill(color = "lightgray"), cell_text(weight = "bold")),
    locations = list(
      cells_body(rows = Li == "TOTAL"),
      cells_title(groups = "title")
    )
  ) %>%
  tab_options(
    table.width = pct(90), 
    heading.title.font.weight = "bold",
    column_labels.font.weight = "bold" 
  ) %>%
  tab_source_note(
    source_note = md("**Tabla 1 de 4**")
  )

Tabla N°1. Tabla de distribucion 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

#GRAFICA 1
cortes_histograma_lon <- c(Li_s, maximo)
hist(longitud_pozos, 
     breaks = cortes_histograma_lon, 
     right = FALSE, 
     col = "darkgrey", 
     xaxt = "n", 
     xlab = "Longitud", 
     ylab = "Cantidad",
     main = "Grafica N°1: Distribución de cantidad de la longitud en pozos de
     gas natural en Nuevo México")
axis(1, at = cortes_histograma_lon, labels = round(cortes_histograma_lon, 3), las = 2)
box(which = "outer", col = "black")

3. TABLA DE DISTRIBUCIÓN DE CANTIDAD SIMPLIFICADA

Debido a que la tabla y la grafica presentan valores con decimales complejos vamos a agruparla

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=" "))

TDF_Simp_P %>%
gt() %>%
tab_header(title = md("TABLA N°2: Tabla de distribución de cantidad de la longitud en pozos
de gas natural en Nuevo México")) %>%
tab_style(
style = list(cell_fill(color = "lightgray"), cell_text(weight = "bold")),
locations = list(
cells_body(rows = Li == "TOTAL"),
cells_title(groups = "title")
)
) %>%
tab_options(
table.width = pct(95),
heading.title.font.weight = "bold",
column_labels.font.weight = "bold" 
)%>%
tab_source_note(
source_note = md("**Tabla 2 de 4**"))

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

par(oma = c(1, 1, 1, 1))
par(mfrow=c(1,1))
par(mar = c(6, 5, 4, 2) + 0.1)
colores <- gray.colors(length(ni_f), start = 0.3, end = 0.9)

# VECTORES PARA LOS POLÍGONOS DE LA LONGITUD
h_datos23_lon <- hist(longitud_pozos, plot = FALSE)
x_cant_lon <- h_datos23_lon$mids    
y_cant_lon <- h_datos23_lon$counts  

h_datos45_lon <- hist(longitud_pozos, plot = FALSE)
h_datos45_lon$counts <- (h_datos45_lon$counts / sum(h_datos45_lon$counts)) * 100
x_porc_lon <- h_datos45_lon$mids    
y_porc_lon <- h_datos45_lon$counts


#GRAFICA 1
hist(longitud_pozos, col = colores, xlab = "Longitud", ylab = "Cantidad",
     main = "Grafica N°2: 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", ylab = "Cantidad",
     ylim = c(0, n), 
     main = "Grafica N°3: 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 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", ylab = "Porcentaje (%)",
     main = "Grafica N°4: Distribución de cantidad en porcentaje 
        de la longitud en pozos de gas natural en Nuevo México")
lines(x_porc_lon, y_porc_lon, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

#GRAFICA 4
plot(h_porcentaje, col = colores, xlab = "Longitud", ylab = "Porcentaje (%)",
     ylim = c(0, 100),
     main = "Grafica N°5: Distribución de cantidad en porcentaje 
        de la longitud en pozos de gas natural en Nuevo México")
lines(x_porc_lon, y_porc_lon, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

#GRAFICA 5
plot(lss, Nidsc, type="b", col="blue", pch=19, bg="white", xlab="Longitud", ylab="Cant. Acumulada",
     main="Grafica N°6: 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", ylab="Porcentaje Acumulado",
     main="Grafica N°7: 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",
        main = "Grafica N°8: Distribución de cantidad de la longitud")
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", ylab = "Densidad",
     main = "Grafica N°9: 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("Tabla N.3: Indicadores estadisticos de la variable 
longitud en pozos de gas natural en Nuevo México")) %>%
  tab_style(
    style = list(cell_fill(color = "lightgray"), cell_text(weight = "bold")),
    locations = cells_title(groups = "title")
  ) %>%
  tab_options(
    column_labels.font.weight = "bold" # Subtítulos de columnas en negrita
  ) %>%
  tab_source_note(
    source_note = md("**Tabla 3 de 4**"))

Tabla N.3: Indicadores estadisticos de la variable longitud en pozos de gas natural en Nuevo México
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)

TablaOutliers %>% 
  gt() %>% 
  tab_header(title = md("TABLA N°4: Valores atípicos 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" # Subtítulos de columnas en negrita
  ) %>%
  tab_source_note(
    source_note = md("**Tabla 4 de 4**"))

TABLA N°4: Valores atípicos de la variable Longitud
Cantidad	Mínimo	Máximo
0	0	0
Tabla 4 de 4

names(which.max(table(longitud_pozos)))

## [1] "-103.2294998"

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.