ANÁLISIS ESTADÍSTICO DE LONGITUD

1. CARGA DE DATOS Y LIBRERÍAS

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

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

# LIMPIEZA DE VARIABLE
longitud <- as.numeric(datos$Longitude.of.well.pad)
longitud <- na.omit(longitud)
n <- length(longitud)

2. TABLA DE DISTRIBUCION CON STURGES

# STURGES
k <- floor(1 + 3.322 * log10(n))
minimo <- min(longitud)
maximo <- max(longitud)
R <- maximo - minimo
A <- R/k

# LIMITES
Li <- round(seq(minimo, maximo-A, by=A),2)
Ls <- round(seq(minimo+A, maximo, by=A),2)
MC <- round((Li+Ls)/2,2)

# FRECUENCIAS
ni <- numeric(length(Li))
for(i in 1:length(Li)){
  ni[i] <- sum(longitud >= Li[i] & longitud < Ls[i])
}
ni[length(Li)] <- sum(longitud >= Li[length(Li)] & longitud <= maximo)

hi <- (ni/sum(ni))*100
Niasc <- cumsum(ni)
Nidsc <- rev(cumsum(rev(ni)))
Hiasc <- round(cumsum(hi),2)
Hidsc <- round(rev(cumsum(rev(hi))),2)

# TABLA FINAL
TDFlongitud <- round(data.frame(Li, Ls, MC, ni, hi, Niasc, Nidsc, Hiasc, Hidsc),2)
fila_total <- data.frame(Li = "TOTAL", Ls = "", MC = "", ni = sum(TDFlongitud$ni), 
                         hi = round(sum(TDFlongitud$hi),2), Niasc = "", Nidsc = "", 
                         Hiasc = "", Hidsc = "")
TDFlongitud_p <- rbind(TDFlongitud, fila_total)

# TABLA GT
TDFlongitud_p %>%
  gt() %>%
  tab_header(title = md("*Tabla Nº:1*"), subtitle = md("Tabla de distribución de la longitud de los pozos (Sturges)")) %>%
  tab_source_note(source_note = md("Autor: KATHERINE FERNANDA SINGO CARDENAS")) %>%
  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)
Tabla Nº:1
Tabla de distribución de la longitud de los pozos (Sturges)
Li Ls MC ni hi Niasc Nidsc Hiasc Hidsc
-108.4 -108.02 -108.21 1487 11.84 1487 12560 11.84 100
-108.02 -107.64 -107.83 3058 24.35 4545 11073 36.19 88.16
-107.64 -107.26 -107.45 3230 25.72 7775 8015 61.9 63.81
-107.26 -106.88 -107.07 853 6.79 8628 4785 68.69 38.1
-106.88 -106.5 -106.69 0 0.00 8628 3932 68.69 31.31
-106.5 -106.12 -106.31 0 0.00 8628 3932 68.69 31.31
-106.12 -105.74 -105.93 0 0.00 8628 3932 68.69 31.31
-105.74 -105.36 -105.55 0 0.00 8628 3932 68.69 31.31
-105.36 -104.97 -105.16 211 1.68 8839 3932 70.37 31.31
-104.97 -104.59 -104.78 599 4.77 9438 3721 75.14 29.63
-104.59 -104.21 -104.4 1197 9.53 10635 3122 84.67 24.86
-104.21 -103.83 -104.02 822 6.54 11457 1925 91.22 15.33
-103.83 -103.45 -103.64 352 2.80 11809 1103 94.02 8.78
-103.45 -103.07 -103.26 751 5.98 12560 751 100 5.98
TOTAL 12560 100.00
Autor: KATHERINE FERNANDA SINGO CARDENAS

2. TABLA DE DISTRIBUCION AGRUPADA

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

Niasc_f <- cumsum(ni_f)
Nidsc_f <- rev(cumsum(rev(ni_f)))
Hiasc_f <- round(cumsum(hi_f), 2)
Hidsc_f <- round(rev(cumsum(rev(hi_f))), 2)

TDFlongitud_f <- round(data.frame(lis, lss, MC_f, ni_f, hi_f, Niasc_f, Nidsc_f, Hiasc_f, Hidsc_f),2)
fila_total_f <- data.frame(lis = "TOTAL", lss = "", MC_f = "", ni_f = sum(TDFlongitud_f$ni_f), 
                           hi_f = round(sum(TDFlongitud_f$hi_f),2), Niasc_f = "", 
                           Nidsc_f = "", Hiasc_f = "", Hidsc_f = "")
TDFlongitud_t <- rbind(TDFlongitud_f, fila_total_f)

TDFlongitud_t %>%
  gt() %>%
  tab_header(title = md("*Tabla Nº:2*"), subtitle = md("Tabla de distribución simplificada de la longitud")) %>%
  tab_source_note(source_note = md("Autor: KATHERINE FERNANDA SINGO CARDENAS")) %>%
  tab_options(table.border.top.color = "black", table.border.bottom.color = "black", 
              row.striping.include_table_body = TRUE)
Tabla Nº:2
Tabla de distribución simplificada de la longitud
lis lss MC_f ni_f hi_f Niasc_f Nidsc_f Hiasc_f Hidsc_f
-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
Autor: KATHERINE FERNANDA SINGO CARDENAS

3. GRAFICAS DE DISTRIBUCION

par(mar = c(6, 5, 4, 2) + 0.1)
colores <- gray.colors(length(ni_f), start = 0.3, end = 0.9)
color_abs <- "#76D7C4" 
color_rel <- "#F1948A" 

# Grafica 1: Histograma Cantidad
hist(longitud, col = "gray", xlab = "Longitud del pozo (Longitude of well pad)", 
     ylab = "Cantidad", main = "Gráfica Nº1: Distribución de la longitud de los pozos de gas natural")

# Grafica 2: Colores
hist(longitud, col = colores, xlab = "Longitud del pozo (Longitude of well pad)", 
     ylab = "Cantidad", main = "Gráfica Nº2: Distribución de la longitud de los pozos de gas natural")

# Grafica 3: Global ni
hist(longitud, col = colores, xlab = "Longitud del pozo (Longitude of well pad)", 
     ylab = "Cantidad", ylim = c(0, max(ni_f) + 5), 
     main = "Gráfica Nº3: Distribución de la longitud de los pozos de gas natural")

# Grafica 4: Local hi
breaks_long <- seq(from = floor(min(longitud)), to = ceiling(max(longitud)), by = 1)
etiquetas_x <- breaks_long[-1]
barplot(hi_f, names.arg = etiquetas_x[1:length(hi_f)], col = color_abs, ylim = c(0, max(hi_f) + 5), 
        space = 0, cex.names = 0.6, ylab = "Porcentaje (%)", xlab = "Longitude of well pad", 
        main = "Gráfica Nº4: Distribución porcentual de la longitud de los pozos")

# Grafica 5: Global hi
barplot(hi_f, names.arg = etiquetas_x[1:length(hi_f)], col = color_rel, ylim = c(0, 100), 
        space = 0, cex.names = 0.6, ylab = "Porcentaje (%)", xlab = "Longitud del pozo", 
        main = "Gráfica Nº5: Distribución porcentual de la longitud (Global)")

# Grafica 6: Boxplot
boxplot(longitud, horizontal = TRUE, col = colores, xlab = "Longitud del pozo", 
        main = "Gráfica Nº6: Distribución de la longitud de los pozos de gas natural")

# Grafica 7: Ojiva Ni
plot(lss, Nidsc_f, type="o", col="blue", pch=19, xlab="Longitud del pozo", 
     ylab="Cantidad acumulada", main="Gráfica Nº7: Ojiva combinada de la longitud (Ni)")
lines(lis, Niasc_f, col="black", type="b", pch=18)

# Grafica 8: Ojiva Hi
plot(lss, Hidsc_f, type="o", col="blue", pch=19, xlab="Longitud del pozo", 
     ylab="Porcentaje acumulado (%)", main="Gráfica Nº8: Ojiva combinada porcentual (Hi)")
lines(lis, Hiasc_f, col="black", type="b", pch=18)

4. INDICADORES ESTADISTICOS

ri <- min(longitud); rs <- max(longitud)
x <- mean(longitud); Me <- median(longitud)
desv <- sd(longitud); CV <- (desv / x) * 100
As <- skewness(longitud); K <- kurtosis(longitud)

TablaIndicadores <- data.frame("Longitud", ri, rs, round(x,2), Me, round(desv,2), 
                               round(CV,2), round(As,2), round(K,2))
colnames(TablaIndicadores) <- c("Variable", "mínimo", "máximo", "x̄", "Me", "sd", "CV (%)", "As", "K")

kable(TablaIndicadores, format = "markdown", 
      caption = "Tabla N°3. Indicadores estadísticos de la variable longitud")
Tabla N°3. Indicadores estadísticos de la variable longitud
Variable mínimo máximo x̄ Me sd CV (%) As K
Longitud -108.4039 -103.0692 -106.57 -107.434 1.7 -1.59 0.84 -1.03 
# PESTAÑA OUTLIERS (OPCIONAL SEGÚN TU ESTRUCTURA)
outliers <- boxplot.stats(longitud)$out
TablaOutliers <- data.frame(length(outliers))
colnames(TablaOutliers) <- c("Outliers")
kable(TablaOutliers, format = "markdown", caption = "Tabla N°4: Número de valores atípicos")
Tabla N°4: Número de valores atípicos
Outliers
0

5. CONCLUSIÓN

## La variable longitud de los pozos presenta valores que fluctúan entre -108.4039 y -103.0692, con una media de -106.57 y una mediana de -107.43. La desviación estándar de 1.7 e 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 ligera asimetría positiva, 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.