ANÁLISIS ESTADÍSTICO

1. CARGA DE LIBRERÍAS Y DATOS

                    #==============================ENCABEZADO================================
                    # TEMA: ESTADISTICA DESCRIPTIVA - IMPACTO DEL ACERO
                    # 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 DISTRIBUCION CON STURGES

acero <- as.numeric(datos$Impact.steel.production..pad.)
acero <- na.omit(acero)
acero <- acero[acero >= 0] 
n <- length(acero)
#STURGES
k <- floor(1 + 3.322 * log10(n))
k

## [1] 14

#MINIMO
minimo <- min(acero)
minimo

## [1] 79121.28

#MAXIMO
maximo <- max(acero)
maximo

## [1] 310729.6

#RANGO
R <- maximo - minimo
R

## [1] 231608.3

#AMPLITUD
A <- R / k
A

## [1] 16543.45

Li_s <- round(seq(from = minimo, to = maximo - A, by = A), 2)
Ls_s <- round(seq(from = minimo + A, to = maximo, by = A), 2)
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(acero >= Li_s[i] & acero < Ls_s[i])
}
ni_s[length(Li_s)] <- sum(acero >= Li_s[length(Li_s)] & acero <= 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 Nº1. Tabla de distribucion de cantidad 
                        de impacto de acero en pozos de gas natural en 
                        Nuevo Mexico**")) %>%
  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(
    column_labels.font.weight = "bold" 
  )%>%
  tab_source_note(
    source_note = md("**Tabla 1 de 4**"))

Li	Ls	MC	ni	hi
Tabla Nº1. Tabla de distribucion de cantidad de impacto de acero en pozos de gas natural en Nuevo Mexico
79121.28	95664.74	87393.01	26	0.21
95664.74	112208.19	103936.46	437	3.48
112208.19	128751.64	120479.92	1574	12.53
128751.64	145295.09	137023.36	2542	20.24
145295.09	161838.55	153566.82	3018	24.03
161838.55	178382	170110.28	2580	20.54
178382	194925.45	186653.72	1387	11.04
194925.45	211468.9	203197.17	613	4.88
211468.9	228012.36	219740.63	237	1.89
228012.36	244555.81	236284.08	103	0.82
244555.81	261099.26	252827.54	28	0.22
261099.26	277642.71	269370.98	10	0.08
277642.71	294186.17	285914.44	3	0.02
294186.17	310729.62	302457.9	3	0.02
TOTAL			12561	100.00
Tabla 1 de 4

# GRAFICA N°1: DISTRIBUCIÓN DEL IMPACTO DE ACERO (STURGES)
cortes_histograma_ace <- c(Li_s, maximo)

par(mar = c(7.5, 4.1, 4.1, 2.1))
hist(acero, 
     breaks = cortes_histograma_ace,
     freq = TRUE,
     right = FALSE, 
     col = "darkgrey", 
     xaxt = "n", 
     xlab = "", 
     ylab = "Cantidad",
     main = "Grafica N°1: Distribución de cantidad de impacto de acero en
     pozos de gas natural en Nuevo México")

## Warning in plot.histogram(r, freq = freq1, col = col, border = border, angle =
## angle, : the AREAS in the plot are wrong -- rather use 'freq = FALSE'

axis(1, at = cortes_histograma_ace, labels = round(cortes_histograma_ace, 2), las = 2)
title(xlab = "Impacto de producción de acero", line = 5.5)
box(which = "outer", col = "black")

3. TABLA DE DISTRIBUCION AGRUPADA

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

h_f <- hist(acero, 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 Nº2: Tabla de distribucion de cantidad 
                        de impacto del acero en pozos de gas natural en 
                        Nuevo Mexico**")) %>%
  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(
    column_labels.font.weight = "bold" # Subtítulos de columnas en negrita
  )%>%
  tab_source_note(
    source_note = md("**Tabla 2 de 4**"))

Li	Ls	MC	ni	hi	Niasc	Nidsc	Hiasc	Hidsc
TABLA Nº2: Tabla de distribucion de cantidad de impacto del acero en pozos de gas natural en Nuevo Mexico
60000	80000	70000	1	0.01	1	12561	0.01	100
80000	100000	90000	68	0.54	69	12560	0.55	99.99
100000	120000	110000	997	7.94	1066	12492	8.49	99.45
120000	140000	130000	2636	20.99	3702	11495	29.47	91.51
140000	160000	150000	3572	28.44	7274	8859	57.91	70.53
160000	180000	170000	3089	24.59	10363	5287	82.5	42.09
180000	200000	190000	1442	11.48	11805	2198	93.98	17.5
200000	220000	210000	511	4.07	12316	756	98.05	6.02
220000	240000	230000	184	1.46	12500	245	99.51	1.95
240000	260000	250000	45	0.36	12545	61	99.87	0.49
260000	280000	270000	11	0.09	12556	16	99.96	0.13
280000	300000	290000	3	0.02	12559	5	99.98	0.04
300000	320000	310000	2	0.02	12561	2	100	0.02
TOTAL			12561	100.00
Tabla 2 de 4

4. GRAFICAS DE DISTRIBUCION

par(oma = c(1, 1, 1, 1))
par(mfrow=c(1,1))
color_acero <- "#B0C4DE" 
par(mar = c(6, 5, 4, 2) + 0.1)

#asignamos las variables para el poligono de frecuencia
x_c  <- MC_f    # Marca de clase para cantidad
y_c  <- ni_f    # Frecuencia absoluta

x_p  <- MC_f    # Marca de clase para porcentaje
y_p  <- hi_f    # Frecuencia porcentual


# Grafica 2: Histograma Frecuencia Absoluta
hist(acero, freq = TRUE, col = color_acero, border = "black",
     main = "Grafica Nº2: Distribucion de cantidad de impacto del acero 
     en pozos de gas natural en Nuevo Mexico",
     xlab = "Impacto del Acero", ylab = "Cantidad")
lines(x_c, y_c, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

# Grafica 3: Histograma Global
hist(acero, freq = TRUE, col = color_acero, border = "black", ylim = c(0, n),
     main = "Grafica Nº3: Distribucion de cantidad de impacto 
     del acero en pozos de gas natural en Nuevo Mexico",
     xlab = "Impacto del Acero", ylab = "Cantidad")
lines(x_c, y_c, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

# Grafica 4: Frecuencia Relativa
h_rel <- hist(acero, plot = FALSE)
h_rel$counts <- (h_rel$counts / sum(h_rel$counts)) * 100
plot(h_rel, col = color_acero, border = "black",
     main = "Grafica Nº4: Distribucion de cantidad en porcentaje de impacto 
     del acero en pozos de gas natural en Nuevo Mexico",
     xlab = "Impacto del Acero", ylab = "Porcentaje (%)")
lines(x_p, y_p, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

# Grafica 5: Frecuencia relativa global
plot(h_rel, col = color_acero, border = "black", ylim = c(0, 100),
     main = "Grafica Nº5: Distribucion de cantidad de impacto de acero 
     en pozos de gas natural en Nuevo Mexico",
     xlab = "Impacto del Acero", ylab = "Porcentaje (%)")
lines(x_p, y_p, type = "b", col = "red", pch = 19, lwd = 2)
box(which = "outer", col = "black")

#Grafica 6:ojivas
plot(lss, Nidsc, type="b", col="blue", pch=19, bg="white", xlab="Impacto del Acero", ylab="Cant. Acumulada",
     main="Gráfica Nº6: Ojivas combinadas de cantidad
     del Impacto del Acero en pozos de gas natural en 
     Nuevo México")
lines(lis, Niasc, col="black", type="b", pch=19)
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: Ojivas
plot(lss, Hidsc, type="b", col="blue", pch=19, bg="white", ylim=c(0, 100),
     main="Gráfica Nº7: Ojivas combinadas de cantidad en porcentaje
     del Impacto del Acero en pozos de gas natural en 
     Nuevo México",
     xlab="Impacto del Acero", ylab="Porcentaje Acumulado")
lines(lis, Hiasc, col="black", type="b", pch=19)
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 8: Boxplot
boxplot(acero, horizontal = TRUE, col = "skyblue",
        main = "Gráfica Nº8: Distribución de cantidad de Impacto de 
        Acero en pozos de gas natural en Nuevo México",
        xlab = "Impacto del Acero")
box(which = "outer", col = "black")

summary(acero)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   79121  136521  154798  156013  173025  310730

# Grafica 9: Superposición de Boxplot sobre Histograma
hist(acero, prob = TRUE, col = color_acero, border = "black",
     xlab = "Impacto del Acero", ylab = "Densidad",
     main = "Grafica Nº9: Análisis de densidad y cuartiles del Impacto del Acero")
par(new = TRUE)
boxplot(acero, horizontal = TRUE, axes = FALSE,
        col = rgb(0, 0.8, 1, alpha = 0.5))
box(which = "outer", col = "black")

5. INDICADORES ESTADISTICOS

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

# mediana
media_val <- mean(acero)
media_val

## [1] 156012.9

#desciacion estandar
desv_val <- sd(acero)
desv_val

## [1] 27225.15

#minimo
min_val <- min(acero)
min_val

## [1] 79121.28

#maximo
max_val <- max(acero)
max_val

## [1] 310729.6

#desviacion relativa
cv_analisis <- abs(desv_val / media_val) * 100
cv_analisis

## [1] 17.45058

tipo_datos <- if(cv_analisis > 30) "heterogeneos" else "homogeneos"
conteo_atipicos <- length(boxplot.stats(acero)$out)


# TABLA 3 CON GT
TablaInd %>% 
  gt() %>% 
  tab_header(title = md("Tabla Nº3: Indicadores estadísticos de la variable 
impacto de acero 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"
  ) %>%
  tab_source_note(
    source_note = md("**Tabla 3 de 4**"))

Variable	min	max	x	Me	sd	Cv	As	K
Tabla Nº3: Indicadores estadísticos de la variable impacto de acero en pozos de gas natural en Nuevo México
Acero	79121.28	310729.6	156012.9	154798.2	27225.15	17.45	0.5	0.56
Tabla 3 de 4

# VALORES ATÍPICOS
valores_atipicos <- boxplot.stats(acero)$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 4 CON GT 
TablaOutliers %>% 
  gt() %>% 
  tab_header(title = md("TABLA N°4: Valores atípicos de la variable Impacto de acero")) %>%
  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 4 de 4**"))

Cantidad	Mínimo	Máximo
TABLA N°4: Valores atípicos de la variable Impacto de acero
150	79121.28	310729.6
Tabla 4 de 4

names(which.max(table(acero)))

## [1] "79121.28346"

6. CONCLUSIÓN

La variable impacto de la producción de acero para la plataforma presenta valores que fluctúan entre 79121.3 y 310729.6, con una media de 156012.9 y un valor central de 154798.2. La desviación estándar de 27225.2, junto con un Coeficiente de Variación de 17.5%, indica una homogeneidad moderada en los datos. Esto refleja que el volumen de acero utilizado varía de forma controlada según las especificaciones técnicas de los pozos en Nuevo México. La asimetría de 0.5 indica una distribución con mayor concentración de proyectos en los rangos de impacto bajo y medio. Finalmente, se identificaron 148 valores atípicos, lo que sugiere la existencia de plataformas con requerimientos estructurales excepcionales que se desvían del diseño estándar de la región.

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

Grupo Nro. 3