Análisis Estadístico MONTH_COLL

CARGA DE DATOS Y LIBRERÍAS

# Cargar librerías 
library(moments)
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(gt)

# Cargar datos
datos <- read.csv("~/UNI/estadistica/2026/dataset_geologico_limpio_80.csv")
cat("Dimensiones:", nrow(datos), "observaciones:", ncol(datos), "variables\n\n")

## Dimensiones: 27784 observaciones: 58 variables

---

#Extraer la Variable

mesR_raw <- datos$MONTH_COLL
print("Primeros valores de MONTH_COLL:")

## [1] "Primeros valores de MONTH_COLL:"

print(head(mesR_raw))

## [1] "DICIEMBRE" "DICIEMBRE" "DICIEMBRE" "DICIEMBRE" "DICIEMBRE" "DICIEMBRE"

mesR <- na.omit(mesR_raw)

orden_meses <- c("ENERO","FEBRERO","MARZO","ABRIL","MAYO","JUNIO",
                 "JULIO","AGOSTO","SEPTIEMBRE","OCTUBRE","NOVIEMBRE","DICIEMBRE")

mesR <- toupper(trimws(as.character(mesR)))
mesR <- factor(mesR, levels = orden_meses, ordered = TRUE)

summary(mesR)

##      ENERO    FEBRERO      MARZO      ABRIL       MAYO      JUNIO      JULIO 
##        163        732       1878       1479       3437       4293       4213 
##     AGOSTO SEPTIEMBRE    OCTUBRE  NOVIEMBRE  DICIEMBRE 
##       3417       3332       2171       1309        315

n <- length(mesR)
print(paste("Número de observaciones válidas (n):", n))

## [1] "Número de observaciones válidas (n): 26739"

---

TABLA DE DISTRIBUCIÓN DE FRECUENCIA

Tabla de Distribucion de Frecuencia Simple

n <- length(mesR)

ni <- table(mesR)
hi <- prop.table(ni) * 100

Ni_asc <- cumsum(ni)
Hi_asc <- cumsum(hi)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_desc <- rev(cumsum(rev(hi)))

TablaFrecuencias_MONTH_COLL <- data.frame(
  MesR = names(ni),
  ni = as.numeric(ni),
  hi = round(as.numeric(hi), 2),
  Ni_asc = as.numeric(Ni_asc),
  Hi_asc = round(as.numeric(Hi_asc), 2),
  Ni_desc = as.numeric(Ni_desc),
  Hi_desc = round(as.numeric(Hi_desc), 2)
)

TablaFrecuencias_MONTH_COLL[nrow(TablaFrecuencias_MONTH_COLL) + 1, ] <- 
  c("TOTAL", sum(ni), sum(hi), NA, NA, NA, NA)

TablaFrecuencias_MONTH_COLL

##          MesR    ni    hi Ni_asc Hi_asc Ni_desc Hi_desc
## 1       ENERO   163  0.61    163   0.61   26739     100
## 2     FEBRERO   732  2.74    895   3.35   26576   99.39
## 3       MARZO  1878  7.02   2773  10.37   25844   96.65
## 4       ABRIL  1479  5.53   4252   15.9   23966   89.63
## 5        MAYO  3437 12.85   7689  28.76   22487    84.1
## 6       JUNIO  4293 16.06  11982  44.81   19050   71.24
## 7       JULIO  4213 15.76  16195  60.57   14757   55.19
## 8      AGOSTO  3417 12.78  19612  73.35   10544   39.43
## 9  SEPTIEMBRE  3332 12.46  22944  85.81    7127   26.65
## 10    OCTUBRE  2171  8.12  25115  93.93    3795   14.19
## 11  NOVIEMBRE  1309   4.9  26424  98.82    1624    6.07
## 12  DICIEMBRE   315  1.18  26739    100     315    1.18
## 13      TOTAL 26739   100   <NA>   <NA>    <NA>    <NA>

---

TablaFrecuencias_MONTH_COLL %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nº1**"),
    subtitle = md("**Distribución de frecuencias de la variable MONTH_COLL en depósitos marinos**")
  ) %>%
  tab_source_note(
    source_note = md("**Autor: Grupo 3**")
  ) %>%
  cols_label(
    MesR = "Mes",
    ni = "Frecuencia (ni)",
    hi = "Frecuencia relativa hi (%)",
    Ni_asc = "Ni Asc",
    Hi_asc = "Hi Asc (%)",
    Ni_desc = "Ni Desc",
    Hi_desc = "Hi Desc (%)"
  ) %>%
  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 = MesR == "TOTAL"
    )
  )

Tabla Nº1
Distribución de frecuencias de la variable MONTH_COLL en depósitos marinos
Mes	Frecuencia (ni)	Frecuencia relativa hi (%)	Ni Asc	Hi Asc (%)	Ni Desc	Hi Desc (%)
ENERO	163	0.61	163	0.61	26739	100
FEBRERO	732	2.74	895	3.35	26576	99.39
MARZO	1878	7.02	2773	10.37	25844	96.65
ABRIL	1479	5.53	4252	15.9	23966	89.63
MAYO	3437	12.85	7689	28.76	22487	84.1
JUNIO	4293	16.06	11982	44.81	19050	71.24
JULIO	4213	15.76	16195	60.57	14757	55.19
AGOSTO	3417	12.78	19612	73.35	10544	39.43
SEPTIEMBRE	3332	12.46	22944	85.81	7127	26.65
OCTUBRE	2171	8.12	25115	93.93	3795	14.19
NOVIEMBRE	1309	4.9	26424	98.82	1624	6.07
DICIEMBRE	315	1.18	26739	100	315	1.18
TOTAL	26739	100	NA	NA	NA	NA
Autor: Grupo 3

---

GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIA

par(mfrow = c(1,1))
par(mar = c(9,4,4,2))

tabla_graf <- TablaFrecuencias_MONTH_COLL[TablaFrecuencias_MONTH_COLL$MesR != "TOTAL", ]

tabla_graf$ni <- as.numeric(tabla_graf$ni)
tabla_graf$hi <- as.numeric(tabla_graf$hi)

barplot(tabla_graf$ni,
        names.arg = tabla_graf$MesR,
        las = 2,
        cex.names = 0.8,
        col = "lightgreen",
        main = "Grafica 1: Distribucion de Cantidad de Mes de Recoleccion 
        de Depositos Marinos",
        xlab = "Mes de recolección",
        ylab = "Cantidad",
        ylim = c(0, max(tabla_graf$ni) * 1.15))
abline(h = 0, lwd = 1)

---

par(mfrow = c(1,1))
par(mar = c(9,4,4,2))

barplot(tabla_graf$ni,
        names.arg = tabla_graf$MesR,
        las = 2,
        cex.names = 0.8,
        col = "skyblue",
        main = "Grafica 2: Distribucion de Cantidad de Mes de 
        Recoleccion de Depositos Marinos",
        xlab = "Mes de recolección",
        ylab = "Cantidad",
        ylim = c(0, max(tabla_graf$ni) * 1.15))
abline(h = 0, lwd = 1)

---

par(mfrow = c(1,1))
par(mar = c(9,4,4,2))

barplot(tabla_graf$hi,
        names.arg = tabla_graf$MesR,
        las = 2,
        cex.names = 0.8,
        col = "orchid",
        main = "Grafica 3: Distribucion de Cantidad en Porcentaje de 
        Mes de Recoleccion de Depositos Marinos",
        xlab = "Mes de recolección",
        ylab = "Porcentaje (%)",
        ylim = c(0, max(tabla_graf$hi) * 1.15))
abline(h = 0, lwd = 1)

---

par(mfrow = c(1,1))
par(mar = c(9,4,4,2))

barplot(tabla_graf$hi,
        names.arg = tabla_graf$MesR,
        las = 2,
        cex.names = 0.8,
        col = "mediumpurple",
        main = "Grafica 4: Distribucion de Cantidad en Porcentaje de 
        Mes de Recoleccion de Depositos Marinos",
        xlab = "Mes de recolección",
        ylab = "Porcentaje (%)",
        ylim = c(0, max(tabla_graf$hi) * 1.15))
abline(h = 0, lwd = 1)

---

par(mfrow = c(1,2))
par(mar = c(2,2,4,2))

colores <- rainbow(length(tabla_graf$hi))

pie(tabla_graf$hi,
    labels = paste0(round(tabla_graf$hi, 2), "%"),
    radius = 0.6,
    col = colores,
    main = "Grafica 5: Distribucion porcentual de 
    Mes de Recoleccion",
    cex.main = 0.8,
    cex = 0.7)

plot.new()
legend("center",
       legend = tabla_graf$MesR,
       fill = colores,
       title = "Mes",
       cex = 0.8,
       bg = "white",
       box.lwd = 0.7)

---

INDICADORES ESTADÍSTICOS

moda <- tabla_graf$MesR[which.max(tabla_graf$ni)]

tabla_posicion <- data.frame(
  Indicador = "Moda",
  Categoria = moda
)

tabla_posicion

##   Indicador Categoria
## 1      Moda     JUNIO

---

tabla_posicion %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nº2**"),
    subtitle = md("**Indicador de posición de la variable MONTH_COLL**")
  ) %>%
  tab_source_note(
    source_note = md("**Autor: Grupo 3**")
  ) %>%
  cols_label(
    Indicador = "Indicador de posición",
    Categoria = "Categoría modal"
  ) %>%
  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"
  )

Tabla Nº2
Indicador de posición de la variable MONTH_COLL
Indicador de posición	Categoría modal
Moda	JUNIO
Autor: Grupo 3

---

CONCLUSIONES

La variable MONTH_COLL presenta como mes más frecuente de recolección el mes de Junio. Esto permite identificar el periodo en el cual se realizaron más campañas de muestreo de depósitos marinos, lo cual puede relacionarse con condiciones oceanográficas favorables o con la planificación de las expediciones científicas.