ANÁLISIS ESTADÍSTICO

CARGA DE DATOS Y LIBRERÍAS

CARGA DE DATOS

# CARGA DE DATOS

library(readxl)

datos <- read_excel("D:/dataset_variables_discretas_mineria.xlsx")

# Extraer y dejar solo datos válidos 

disc <- as.integer(datos$`Número de Minerales Identificados`)
disc <- na.omit(disc) 

# CARGA DE LIBRERIAS

#Carga de librerias
library(gt)
library(dplyr)
library(knitr)
library(e1071)

#Agrupar la variable en intervalos

clasificacion <- character(length(disc))

for(i in seq_along(disc)){
  if(disc[i] >= 1 & disc[i] < 2){
    clasificacion[i] <- "[1 , 2)"
  } else if(disc[i] >= 2 & disc[i] < 3){
    clasificacion[i] <- "[2 , 3)"
  } else if(disc[i] >= 3 & disc[i] < 4){
    clasificacion[i] <- "[3 , 4)"
  } else if(disc[i] >= 4 & disc[i] < 5){
    clasificacion[i] <- "[4 , 5)"
  } else if(disc[i] >= 5 & disc[i] < 6){
    clasificacion[i] <- "[5 , 6)"
  } else if(disc[i] >= 6 & disc[i] < 7){
    clasificacion[i] <- "[6 , 7)"
  } else if(disc[i] >= 7 & disc[i] < 8){
    clasificacion[i] <- "[7 , 8)"
  } else if(disc[i] >= 8 & disc[i] < 9){
    clasificacion[i] <- "[8 , 9)"
  } else if(disc[i] >= 9 & disc[i] < 10){
    clasificacion[i] <- "[9 , 10)"
  } else if(disc[i] >= 10 & disc[i] <= 11){
    clasificacion[i] <- "[10 , 11]"
  } else {
    clasificacion[i] <- NA
  }
}

# Quitar posibles NA de la clasificación
clasificacion <- na.omit(clasificacion)

#Orden adecuado

orden <- c("[1 , 2)",
           "[2 , 3)",
           "[3 , 4)",
           "[4 , 5)",
           "[5 , 6)",
           "[6 , 7)",
           "[7 , 8)",
           "[8 , 9)",
           "[9 , 10)",
           "[10 , 11]")

clasificacion <- factor(clasificacion, levels = orden)

TABLA DE DISTRIBUCION DE CANTIDAD

# 4) Frecuencias simples
ni <- table(clasificacion)
total <- sum(ni)
hi <- round(as.numeric(ni) / total * 100, 0) 

# 5) Acumuladas ascendente
Ni_Asc <- cumsum(ni)
Hi_Asc <- cumsum(hi)

# 6) Acumuladas descendente
Ni_Desc <- rev(cumsum(rev(ni)))
Hi_Desc <- rev(cumsum(rev(hi)))

# 7) Tabla final 
tabla_final <- data.frame(
  Intervalo = orden,
  ni = as.numeric(ni),
  hi = hi,
  Ni_Asc = as.numeric(Ni_Asc),
  Hi_Asc = round(Hi_Asc, 3),
  Ni_Desc = as.numeric(Ni_Desc),
  Hi_Desc = round(Hi_Desc, 3)
)

# Verificar que las proporciones sumen 100
sum(tabla_final$hi)

## [1] 100

tail(tabla_final$Hi_Asc,1)

## [1] 100

head(tabla_final$Hi_Desc,1)

## [1] 100

# Calcular sumatorias simples
suma_ni <- sum(tabla_final$ni)
suma_hi <- sum(tabla_final$hi)

# Crear fila total
fila_total <- data.frame(
  Intervalo = "TOTAL",
  ni = suma_ni,
  hi = round((suma_hi),2),
  Ni_Asc = "-",
  Hi_Asc = "-",
  Ni_Desc = "-",
  Hi_Desc = "-"
)

# Unir a la tabla
tabla_final <- rbind(tabla_final, fila_total)

tabla_final

##    Intervalo   ni  hi Ni_Asc Hi_Asc Ni_Desc Hi_Desc
## 1    [1 , 2)    0   0      0      0    2500     100
## 2    [2 , 3)  259  10    259     10    2500     100
## 3    [3 , 4)  278  11    537     21    2241      90
## 4    [4 , 5)  299  12    836     33    1963      79
## 5    [5 , 6)  266  11   1102     44    1664      67
## 6    [6 , 7)  271  11   1373     55    1398      56
## 7    [7 , 8)  263  11   1636     66    1127      45
## 8    [8 , 9)  308  12   1944     78     864      34
## 9   [9 , 10)  280  11   2224     89     556      22
## 10 [10 , 11]  276  11   2500    100     276      11
## 11     TOTAL 2500 100      -      -       -       -

# TABLA GT
TablaDisc <- tabla_final %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nº. 1*"),
    subtitle = md("**Tabla de distribución de la cantidad de minerales identificados en las muestras mineras**")
  ) %>%
  tab_source_note(
    source_note = md("__Autor: Grupo 2__")
  ) %>%
  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 = Intervalo == "TOTAL"   
    )
  )

TablaDisc

Intervalo	ni	hi	Ni_Asc	Hi_Asc	Ni_Desc	Hi_Desc
Tabla Nº. 1
Tabla de distribución de la cantidad de minerales identificados en las muestras mineras
[1 , 2)	0	0	0	0	2500	100
[2 , 3)	259	10	259	10	2500	100
[3 , 4)	278	11	537	21	2241	90
[4 , 5)	299	12	836	33	1963	79
[5 , 6)	266	11	1102	44	1664	67
[6 , 7)	271	11	1373	55	1398	56
[7 , 8)	263	11	1636	66	1127	45
[8 , 9)	308	12	1944	78	864	34
[9 , 10)	280	11	2224	89	556	22
[10 , 11]	276	11	2500	100	276	11
TOTAL	2500	100	-	-	-	-
Autor: Grupo 2

Gráficas de distribución de cantidad

# Histograma de cantidad

freq <- table(disc)

barplot(freq,
        main="Grafica Nº1: Distribución de cantidad del número de minerales
identificados en depósitos minerales de Estados Unidos",
        col="gray",
        ylab="Cantidad",
        xlab="Número de minerales identificados",
        cex.names=0.8)

# Histograma de cantidad

freq <- table(disc)

barplot(freq,
        main="Grafica Nº2: Distribución de cantidad del número de minerales
identificados en depósitos minerales de Estados Unidos",
        col="gray",
        xlab="Número de minerales identificados",
        ylab="Cantidad",
        ylim=c(0,800),
        cex.names=0.8)

# Histograma de cantidad en porcentaje

etiquetas_x <- c(1,2,3,4,5,6,7,8,9,10)

hi_plot <- tabla_final$hi[tabla_final$Intervalo != "TOTAL"]

barplot(hi_plot,
        main = "Grafica Nº3: Distribución de cantidad en porcentaje del número 
        de minerales identificados en depósitos minerales de 
        Estados Unidos",
        col="gray", 
        space=0.3,
        las=1,
        xlab="Número de minerales identificados",
        ylab="Porcentaje",
        names.arg = etiquetas_x,
        cex.names = 0.6)

# Histograma de cantidad en porcentaje

# Filtrar los datos SIN la fila TOTAL
hi_plot <- tabla_final$hi[tabla_final$Intervalo != "TOTAL"]

barplot(hi_plot,
        space = 0.3,
        main="Grafica Nº4: Distribución de cantidad en porcentaje del número 
        de minerales identificados en depósitos minerales de 
        Estados Unidos",
        col = "gray",
        las = 1,
        xlab = "Número de minerales identificados",
        ylab = "Porcentaje",
        names.arg = etiquetas_x,
        ylim = c(0,100),
        cex.names = 0.6)

# Ojivas combinadas Ni

x_intervalos <- c(1,2,3,4,5,6,7,8,9,10)

plot(x = x_intervalos,
     y = Ni_Asc,
     type = "p",
     col = "blue",
     main = "Grafica Nº5: Ojiva combinada del número de minerales identificados\n(Ni)",
     xlab = "Número de minerales identificados",
     ylab = "Cantidad acumulada (Ni)",
     las = 2
)

lines(x = x_intervalos,
      y = Ni_Desc,
      type = "p",
      col = "red")

# Ojivas combinadas Hi

plot(x = x_intervalos,
     y = Hi_Asc,
     type = "p",
     col = "blue",
     main = "Grafica Nº6: Ojiva combinada del número de minerales identificados\n(Hi)",
     xlab = "Número de minerales identificados",
     ylab = "Porcentaje acumulado (Hi)",
     las = 2,
     ylim = c(0, 100)
)

lines(x = x_intervalos,
      y = Hi_Desc,
      type = "p",
      col = "black")

# DIAGRAMA DE CAJA

boxplot(disc,
        horizontal = TRUE,
        col = "blue",
        main = "Gráfica Nº7: Distribución de cantidad del número de minerales
     identificados en depósitos minerales de Estados Unidos",
        xlab = "Número de minerales identificados")

Indicadores Estadisticos

# POSICION

#MEDIA ARITMETICA
x<-mean(disc)
x

## [1] 6.0356

# MODA
Mo <- as.numeric(names(which.max(table(disc))))
Mo

## [1] 8

#MEDIANA ARITMETICA

ri<-min(disc)
rs<-max(disc)
Me<-median(disc)
Me

## [1] 6

# DISPERSION

#DESVIACIÓN ESTÁNDAR
sd<-sd(disc)
sd

## [1] 2.572349

#COEFICIENTE DE VARIACIÓN
CV <- ((sd / x) * 100)
CV

## [1] 42.61961

# FORMA

#COEFICIENTE DE ASIMETRÍA
As<-skewness(disc)
As

## [1] -0.01304585

#COEFICIENTE DE CURTOSIS
K<-kurtosis(disc)
K

## [1] -1.242733

# TABLA DE INDICADORES ESTADISTICOS

Variable<-c("Número de Minerales Identificados")

TablaIndicadores<-data.frame(
  Variable,
  ri,
  rs,
  round(x,2),
  Me,
  round(sd,2), 
  round(CV,2), 
  round(As,2),
  round(K,2)
)

colnames(TablaIndicadores)<-c(
  "Variable",
  "minimo",
  "máximo",
  "x",
  "Me",
  "sd",
  "Cv (%)",
  "As",
  "K"
)

kable(
  TablaIndicadores,
  format = "markdown",
  caption = "Tabla N°3. Indicadores estadísticos de la variable número de minerales identificados"
)

Tabla N°3. Indicadores estadísticos de la variable número de minerales identificados
Variable	minimo	máximo	x	Me	sd	Cv (%)	As	K
Número de Minerales Identificados	2	10	6.04	6	2.57	42.62	-0.01	-1.24

Conclusión

#conclucion
"La variable número de minerales identificados presenta valores entre 2 y 10, con una concentración en torno a la mediana de 6 minerales. La desviación estándar de 2.57 y el coeficiente de variación de 42.62% indican una distribución heterogénea. La asimetría cercana a cero evidencia una distribución equilibrada, lo que resulta favorable para la caracterización mineralógica, ya que refleja diversidad y estabilidad en los minerales identificados."

## [1] "La variable número de minerales identificados presenta valores entre 2 y 10, con una concentración en torno a la mediana de 6 minerales. La desviación estándar de 2.57 y el coeficiente de variación de 42.62% indican una distribución heterogénea. La asimetría cercana a cero evidencia una distribución equilibrada, lo que resulta favorable para la caracterización mineralógica, ya que refleja diversidad y estabilidad en los minerales identificados."

NUMERO DE MINERALES IDENTIFICADOS

Grupo 2

2026-06-18

ANÁLISIS ESTADÍSTICO

CARGA DE DATOS Y LIBRERÍAS

TABLA DE DISTRIBUCION DE CANTIDAD

Gráficas de distribución de cantidad

Indicadores Estadisticos

Conclusión