0.- Librerias

library(readr)
library(dplyr)
library(knitr)
library(kableExtra)
library(ggplot2)

1.- Leer datos

setwd("C:/Users/CESAR/Downloads/proyecto x")
variables <- read.csv("C:/Users/CESAR/Downloads/proyecto x/GlobalweatherRepository.csv", header = TRUE, sep = (","), dec = ("."))

2.- Depuración y selección de la variable

Depuración

variables <- na.omit(variables)

Selección

Capital <- variables$location_name

3.- Frecuencias

Tabla 1

Tabla_Capital <- table(Capital)

ni_capital <- as.vector(Tabla_Capital) 
hi_capital <- round((ni_capital / sum(ni_capital)) * 100, 2)

4.- Tabla de frecuencia

Tabla 1

TDF_Capital_Base <- data.frame(
  Capital = names(Tabla_Capital),
  ni = ni_capital,
  hi = hi_capital
)
sumatoria_capital <- data.frame(
  Capital = "TOTAL", 
  ni = sum(ni_capital), 
  hi = 100
)
TDF_Capital_Suma <- rbind(TDF_Capital_Base, sumatoria_capital)

colnames(TDF_Capital_Suma) <- c("Capital", "Frecuencia Absoluta (ni)", "Frecuencia Relativa (hi %)")

kable(TDF_Capital_Suma, align = "c",
      caption = "Tabla 2: Tabla de distribución de frecuencia de las capitales del mundo para el análisis meteorológico del periodo mayo del 2024 a mayo del 2026") |> 
  kable_styling(full_width = TRUE, position = "center",
                bootstrap_options = c("striped", "hover", "condensed", "responsive")) |> 
  row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") |> 
  row_spec(nrow(TDF_Capital_Suma), bold = TRUE, background = "#EAEDED") |> 
  footnote(general = "Fuente: Global Weather Repository,(https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository)",
           general_title = "Nota: ",
           footnote_as_chunk = TRUE,
           title_format = c("italic", "bold"))

Tabla 2: Tabla de distribución de frecuencia de las capitales del mundo para el análisis meteorológico del periodo mayo del 2024 a mayo del 2026
Capital	Frecuencia Absoluta (ni)	Frecuencia Relativa (hi %)
’S-Gravenbrakel	178	0.13
’S Gravenjansdijk	431	0.30
’S Gravenjansdyk	12	0.01
’S Gravenstaffel	16	0.01
-Kingdom	1	0.00
Abu Dhabi	728	0.51
Abuja	728	0.51
Accra	729	0.51
Addis Ababa	726	0.51
Addis Abeba	1	0.00
Adkip	20	0.01
Aguaray	178	0.13
Airai	371	0.26
Algiers	726	0.51
Amman	729	0.51
Amsterdam	728	0.51
Andorra La Vella	728	0.51
Ankara	726	0.51
Antananarivo	728	0.51
Apia	722	0.51
Ar Riyadh	1	0.00
Ashgabat	727	0.51
Asmara	729	0.51
Astana	727	0.51
Asuncion	1	0.00
Athens	724	0.51
Aurora	423	0.30
Bafoussam	18	0.01
Baghdad	729	0.51
Baku	727	0.51
Bali	1	0.00
Bamako	727	0.51
Ban Lom	411	0.29
Bandar Seri Begawan	726	0.51
Bangkok	727	0.51
Bangui	727	0.51
Banjul	725	0.51
Basseterre	726	0.51
Beijing	725	0.51
Beijing Shi	1	0.00
Beirut	728	0.51
Belgrade	728	0.51
Belmopan	723	0.51
Berlin	728	0.51
Bern	729	0.51
Bishkek	727	0.51
Bissau	727	0.51
Bogot	726	0.51
Bogota	1	0.00
Bras	723	0.51
Bratislava	728	0.51
Brazzaville	726	0.51
Bridgetown	726	0.51
Brussels	727	0.51
Bucharest	726	0.51
Budapest	728	0.51
Buenos Aires	726	0.51
Bujumbura	729	0.51
Cairo	726	0.51
Canberra	727	0.51
Caracas	726	0.51
Carreria	25	0.02
Castries	727	0.51
Chi-Chi-Erh	41	0.03
Chi Chi Khvar	685	0.48
City Of San Marino	1	0.00
Colombo	728	0.51
Conakry	727	0.51
Copenhagen	727	0.51
Costa Rica	1	0.00
Dakar	729	0.51
Damascus	727	0.51
Dhaka	727	0.51
Dhidhdhoo	690	0.49
Dili	725	0.51
Djibouti	726	0.51
Dodoma	727	0.51
Doha	726	0.51
Douala	269	0.19
Dublin	726	0.51
Dushanbe	726	0.51
Felidhoo	34	0.02
Freetown	725	0.51
Funafuti	728	0.51
Gaborone	728	0.51
Garrapata	65	0.05
Georgetown	724	0.51
Grenada	1	0.00
Grindavik	36	0.03
Guatemala City	721	0.51
Hanoi	727	0.51
Harare	726	0.51
Havana	724	0.51
Helsinki	728	0.51
Ho Chi Minh City	1	0.00
Honiara	728	0.51
Islamabad	726	0.51
Ivory	458	0.32
Ivory Ivory Ban	1	0.00
Jakarta	728	0.51
Jerusalem	727	0.51
Juba	726	0.51
Kabul	729	0.51
Kampala	728	0.51
Kathmandu	727	0.51
Khartoum	726	0.51
Kigali	728	0.51
Kingston	269	0.19
Kingstown	726	0.51
Kinshasa	726	0.51
Kiyabo	1	0.00
Koror	320	0.23
Krasnyy Turkmenistan	1	0.00
Kuala Lumpur	727	0.51
Kuwait	1	0.00
Kuwait City	726	0.51
Kyiv	729	0.51
Laos	727	0.51
Libreville	727	0.51
Lilongwe	728	0.51
Lima	723	0.51
Lisbon	727	0.51
Ljubljana	728	0.51
Lom	315	0.22
Lome	1	0.00
London	726	0.51
Luanda	728	0.51
Lusaka	728	0.51
Luxembourg	726	0.51
Madrid	728	0.51
Majuro	728	0.51
Malabo	729	0.51
Male	1	0.00
Managua	722	0.51
Manama	728	0.51
Manila	726	0.51
Maputo	728	0.51
Maseru	726	0.51
Mbabane	726	0.51
Melbourne	1	0.00
Mexico (Grupo Mexico)	1	0.00
Mexico City	723	0.51
Meyungs	16	0.01
Minsk	727	0.51
Mogadishu	726	0.51
Moldova	1	0.00
Mombasa	1	0.00
Monaco	725	0.51
Monrovia	727	0.51
Montevideo	727	0.51
Morocco City	1	0.00
Moroni	728	0.51
Moscow	728	0.51
Muscat	728	0.51
N’djamena	729	0.51
Nairobi	728	0.51
Nan	729	0.51
Nassau	723	0.51
National	723	0.51
New Delhi	727	0.51
New Guatemala	1	0.00
New York	1	0.00
Ngaoundere	424	0.30
Niamey	728	0.51
Nicosia	728	0.51
Norman Gardens	36	0.03
Nouakchott	727	0.51
Nuku’alofa	1	0.00
Nuku`Aloia	725	0.51
Oslo	726	0.51
Ottawa	726	0.51
Ouagadougou	728	0.51
Palau	1	0.00
Palikir	726	0.51
Panama City	725	0.51
Paramaribo	725	0.51
Paris	727	0.51
Pasto	25	0.02
Pathein	16	0.01
Phnom Penh	726	0.51
Phnum Penh	1	0.00
Podgorica	726	0.51
Port-Au-Prince	725	0.51
Port Louis	727	0.51
Port Moresby	728	0.51
Port Of Spain	725	0.51
Port Royal	420	0.30
Port Vila	728	0.51
Porto-Novo	727	0.51
Prague	726	0.51
Praia	728	0.51
Pretoria	728	0.51
Pristina	1	0.00
Pyongyang	726	0.51
Quito	723	0.51
Rabat	726	0.51
Rangoon	288	0.20
Reykjavik	266	0.19
Riga	727	0.51
Riyadh	727	0.51
Rome	728	0.51
Roseau	724	0.51
S-Chanf	48	0.03
S. Manian	42	0.03
Saint George’s	723	0.51
Saint John’s	724	0.51
Saint Petersburg	1	0.00
San Ignacio	439	0.31
San Jose	266	0.19
San Juan	16	0.01
San Marino	725	0.51
San Salvador	721	0.51
Sanaa	729	0.51
Santiago	725	0.51
Santo Domingo	725	0.51
Sao Paulo	1	0.00
Sarajevo	728	0.51
Sartorio	10	0.01
Seoul	727	0.51
Singapore	728	0.51
Skopje	723	0.51
Sofia	727	0.51
Stockholm	727	0.51
Sucre	722	0.51
Surabaya	1	0.00
Suva	729	0.51
Tallinn	727	0.51
Tarawa	727	0.51
Tashkent	729	0.51
Tbilisi	725	0.51
Tegucigalpa	723	0.51
Tehran	727	0.51
Thimphu	726	0.51
Tirana	727	0.51
Tokyo	729	0.51
Tripoli	1	0.00
Tunis	726	0.51
Ulaanbaatar	727	0.51
Vaduz	727	0.51
Valletta	729	0.51
Vatican City	729	0.51
Vestmannaeyjar	424	0.30
Victoria	726	0.51
Vienna	728	0.51
Vientiane	1	0.00
Vilnius	727	0.51
Warsaw	729	0.51
Washington Harbor	703	0.50
Washington Park	16	0.01
Wellington	727	0.51
Windhoek	728	0.51
Yamoussoukro	267	0.19
Yangon	424	0.30
Yaounde	16	0.01
Yaren	727	0.51
Yerevan	728	0.51
Zagreb	725	0.51
TOTAL	141703	100.00
Nota: Fuente: Global Weather Repository,(https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository)

Tabla 2

TDF_Capital_Cuadrante_Base <- variables %>%
  filter(!is.na(latitude) & !is.na(longitude)) %>%
  mutate(
    Cuadrante = case_when(
      latitude >= 0 & longitude >= 0 ~ "Norte - Este",
      latitude >= 0 & longitude < 0  ~ "Norte - Oeste",
      latitude < 0  & longitude >= 0 ~ "Sur - Este",
      latitude < 0  & longitude < 0  ~ "Sur - Oeste",
      TRUE                           ~ "No Clasificado"
    )
  ) %>%
  group_by(location_name, Cuadrante) %>%
  summarise(ni = n(), .groups = "drop") %>%
  mutate(hi = round((ni / sum(ni)) * 100, 2)) %>%
  arrange(desc(ni))

sumatoria_capital_cuadrante <- data.frame(
  location_name = "TOTAL",
  Cuadrante = "-",
  ni = sum(TDF_Capital_Cuadrante_Base$ni),
  hi = sum(TDF_Capital_Cuadrante_Base$hi)
)

sumatoria_capital_cuadrante$hi <- 100.00


TDF_Capital_Cuadrante_Suma <- rbind(TDF_Capital_Cuadrante_Base, sumatoria_capital_cuadrante)

colnames(TDF_Capital_Cuadrante_Suma) <- c("Capital", "Cuadrante Geográfico", "Frecuencia Absoluta (ni)", "Frecuencia Relativa (hi %)")

kable(TDF_Capital_Cuadrante_Suma, align = "c",
      caption = "Tabla N.° 2: Distribución de frecuencia global por Capital y su respectivo Cuadrante Geográfico para el análisis meteorológico (Período: Mayo 2024 - Mayo 2026)") %>%
  kable_styling(full_width = TRUE, position = "center",
                bootstrap_options = c("striped", "hover", "condensed", "responsive")) |>

  row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") |>

  row_spec(nrow(TDF_Capital_Cuadrante_Suma), bold = TRUE, background = "#EAEDED") |>

  footnote(general = "Fuente: Global Weather Repository,(https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository).",
           general_title = "Grupo 2: ",
           footnote_as_chunk = TRUE,
           title_format = c("italic", "bold"))

Tabla N.° 2: Distribución de frecuencia global por Capital y su respectivo Cuadrante Geográfico para el análisis meteorológico (Período: Mayo 2024 - Mayo 2026)
Capital	Cuadrante Geográfico	Frecuencia Absoluta (ni)	Frecuencia Relativa (hi %)
Accra	Norte - Oeste	729	0.51
Amman	Norte - Este	729	0.51
Asmara	Norte - Este	729	0.51
Baghdad	Norte - Este	729	0.51
Bern	Norte - Este	729	0.51
Bujumbura	Sur - Este	729	0.51
Dakar	Norte - Oeste	729	0.51
Kabul	Norte - Este	729	0.51
Kyiv	Norte - Este	729	0.51
Malabo	Norte - Este	729	0.51
N’djamena	Norte - Este	729	0.51
Nan	Norte - Este	729	0.51
Sanaa	Norte - Este	729	0.51
Suva	Sur - Este	729	0.51
Tashkent	Norte - Este	729	0.51
Tokyo	Norte - Este	729	0.51
Valletta	Norte - Este	729	0.51
Vatican City	Norte - Este	729	0.51
Warsaw	Norte - Este	729	0.51
Abu Dhabi	Norte - Este	728	0.51
Abuja	Norte - Este	728	0.51
Amsterdam	Norte - Este	728	0.51
Andorra La Vella	Norte - Este	728	0.51
Antananarivo	Sur - Este	728	0.51
Beirut	Norte - Este	728	0.51
Belgrade	Norte - Este	728	0.51
Berlin	Norte - Este	728	0.51
Bratislava	Norte - Este	728	0.51
Budapest	Norte - Este	728	0.51
Colombo	Norte - Este	728	0.51
Funafuti	Sur - Este	728	0.51
Gaborone	Sur - Este	728	0.51
Helsinki	Norte - Este	728	0.51
Honiara	Sur - Este	728	0.51
Jakarta	Sur - Este	728	0.51
Kampala	Norte - Este	728	0.51
Kigali	Sur - Este	728	0.51
Lilongwe	Sur - Este	728	0.51
Ljubljana	Norte - Este	728	0.51
Luanda	Sur - Este	728	0.51
Lusaka	Sur - Este	728	0.51
Madrid	Norte - Oeste	728	0.51
Majuro	Norte - Este	728	0.51
Manama	Norte - Este	728	0.51
Maputo	Sur - Este	728	0.51
Moscow	Norte - Este	728	0.51
Muscat	Norte - Este	728	0.51
Nairobi	Sur - Este	728	0.51
Niamey	Norte - Este	728	0.51
Nicosia	Norte - Este	728	0.51
Ouagadougou	Norte - Oeste	728	0.51
Port Moresby	Sur - Este	728	0.51
Port Vila	Sur - Este	728	0.51
Praia	Norte - Oeste	728	0.51
Pretoria	Sur - Este	728	0.51
Rome	Norte - Este	728	0.51
Sarajevo	Norte - Este	728	0.51
Singapore	Norte - Este	728	0.51
Vienna	Norte - Este	728	0.51
Windhoek	Sur - Este	728	0.51
Yerevan	Norte - Este	728	0.51
Ashgabat	Norte - Este	727	0.51
Astana	Norte - Este	727	0.51
Baku	Norte - Este	727	0.51
Bamako	Norte - Oeste	727	0.51
Bangkok	Norte - Este	727	0.51
Bangui	Norte - Este	727	0.51
Bishkek	Norte - Este	727	0.51
Bissau	Norte - Oeste	727	0.51
Brussels	Norte - Este	727	0.51
Canberra	Sur - Este	727	0.51
Castries	Norte - Oeste	727	0.51
Conakry	Norte - Oeste	727	0.51
Copenhagen	Norte - Este	727	0.51
Damascus	Norte - Este	727	0.51
Dhaka	Norte - Este	727	0.51
Dodoma	Sur - Este	727	0.51
Hanoi	Norte - Este	727	0.51
Jerusalem	Norte - Este	727	0.51
Kathmandu	Norte - Este	727	0.51
Kuala Lumpur	Norte - Este	727	0.51
Laos	Sur - Este	727	0.51
Libreville	Norte - Este	727	0.51
Lisbon	Norte - Oeste	727	0.51
Minsk	Norte - Este	727	0.51
Monrovia	Norte - Oeste	727	0.51
Montevideo	Sur - Oeste	727	0.51
Moroni	Sur - Este	727	0.51
New Delhi	Norte - Este	727	0.51
Nouakchott	Norte - Oeste	727	0.51
Paris	Norte - Este	727	0.51
Port Louis	Sur - Este	727	0.51
Porto-Novo	Norte - Este	727	0.51
Riga	Norte - Este	727	0.51
Riyadh	Norte - Este	727	0.51
Seoul	Norte - Este	727	0.51
Sofia	Norte - Este	727	0.51
Stockholm	Norte - Este	727	0.51
Tallinn	Norte - Este	727	0.51
Tarawa	Sur - Este	727	0.51
Tehran	Norte - Este	727	0.51
Tirana	Norte - Este	727	0.51
Ulaanbaatar	Norte - Este	727	0.51
Vaduz	Norte - Este	727	0.51
Vilnius	Norte - Este	727	0.51
Wellington	Sur - Este	727	0.51
Yaren	Norte - Este	727	0.51
Addis Ababa	Norte - Este	726	0.51
Algiers	Norte - Este	726	0.51
Ankara	Norte - Este	726	0.51
Bandar Seri Begawan	Norte - Este	726	0.51
Basseterre	Norte - Oeste	726	0.51
Bogot	Norte - Este	726	0.51
Brazzaville	Sur - Este	726	0.51
Bridgetown	Norte - Oeste	726	0.51
Bucharest	Norte - Este	726	0.51
Buenos Aires	Sur - Oeste	726	0.51
Cairo	Norte - Este	726	0.51
Caracas	Norte - Oeste	726	0.51
Djibouti	Norte - Este	726	0.51
Doha	Norte - Este	726	0.51
Dublin	Norte - Oeste	726	0.51
Dushanbe	Norte - Este	726	0.51
Harare	Sur - Este	726	0.51
Islamabad	Norte - Este	726	0.51
Juba	Norte - Este	726	0.51
Khartoum	Norte - Este	726	0.51
Kingstown	Norte - Oeste	726	0.51
Kinshasa	Sur - Este	726	0.51
Kuwait City	Norte - Este	726	0.51
London	Norte - Oeste	726	0.51
Luxembourg	Norte - Este	726	0.51
Manila	Norte - Este	726	0.51
Maseru	Sur - Este	726	0.51
Mbabane	Sur - Este	726	0.51
Mogadishu	Norte - Este	726	0.51
Oslo	Norte - Este	726	0.51
Ottawa	Norte - Oeste	726	0.51
Palikir	Norte - Este	726	0.51
Phnom Penh	Norte - Este	726	0.51
Podgorica	Norte - Este	726	0.51
Prague	Norte - Este	726	0.51
Pyongyang	Norte - Este	726	0.51
Rabat	Norte - Oeste	726	0.51
Thimphu	Norte - Este	726	0.51
Tunis	Norte - Este	726	0.51
Victoria	Sur - Este	726	0.51
Banjul	Norte - Oeste	725	0.51
Beijing	Norte - Este	725	0.51
Dili	Sur - Este	725	0.51
Freetown	Norte - Oeste	725	0.51
Monaco	Norte - Este	725	0.51
Nuku`Aloia	Sur - Oeste	725	0.51
Panama City	Norte - Oeste	725	0.51
Paramaribo	Norte - Oeste	725	0.51
Port Of Spain	Norte - Oeste	725	0.51
Port-Au-Prince	Norte - Oeste	725	0.51
San Marino	Norte - Este	725	0.51
Santiago	Sur - Oeste	725	0.51
Santo Domingo	Norte - Oeste	725	0.51
Tbilisi	Norte - Este	725	0.51
Zagreb	Norte - Este	725	0.51
Athens	Norte - Este	724	0.51
Georgetown	Norte - Oeste	724	0.51
Havana	Norte - Oeste	724	0.51
Roseau	Norte - Oeste	724	0.51
Saint John’s	Norte - Oeste	724	0.51
Belmopan	Norte - Oeste	723	0.51
Bras	Sur - Oeste	723	0.51
Lima	Sur - Oeste	723	0.51
Mexico City	Norte - Oeste	723	0.51
Nassau	Norte - Oeste	723	0.51
National	Sur - Oeste	723	0.51
Quito	Sur - Oeste	723	0.51
Saint George’s	Norte - Oeste	723	0.51
Skopje	Norte - Este	723	0.51
Tegucigalpa	Norte - Oeste	723	0.51
Apia	Sur - Oeste	722	0.51
Managua	Norte - Oeste	722	0.51
Sucre	Sur - Oeste	722	0.51
Guatemala City	Norte - Oeste	721	0.51
San Salvador	Norte - Oeste	721	0.51
Washington Harbor	Norte - Oeste	703	0.50
Dhidhdhoo	Norte - Este	690	0.49
Chi Chi Khvar	Norte - Este	685	0.48
Ivory	Sur - Este	458	0.32
San Ignacio	Norte - Oeste	439	0.31
’S Gravenjansdijk	Norte - Este	431	0.30
Ngaoundere	Norte - Este	424	0.30
Vestmannaeyjar	Norte - Oeste	424	0.30
Yangon	Norte - Este	424	0.30
Aurora	Sur - Oeste	423	0.30
Port Royal	Norte - Oeste	420	0.30
Ban Lom	Norte - Este	411	0.29
Airai	Norte - Este	371	0.26
Koror	Norte - Este	320	0.23
Lom	Norte - Este	315	0.22
Rangoon	Norte - Este	288	0.20
Douala	Norte - Este	269	0.19
Kingston	Norte - Oeste	269	0.19
Yamoussoukro	Norte - Oeste	267	0.19
Reykjavik	Norte - Oeste	266	0.19
San Jose	Norte - Oeste	266	0.19
’S-Gravenbrakel	Norte - Este	178	0.13
Aguaray	Sur - Oeste	178	0.13
Garrapata	Sur - Oeste	65	0.05
S-Chanf	Norte - Este	48	0.03
S. Manian	Norte - Este	42	0.03
Chi-Chi-Erh	Norte - Este	41	0.03
Grindavik	Norte - Oeste	36	0.03
Norman Gardens	Norte - Oeste	36	0.03
Felidhoo	Norte - Este	34	0.02
Carreria	Sur - Oeste	25	0.02
Pasto	Sur - Oeste	25	0.02
Adkip	Norte - Este	20	0.01
Bafoussam	Norte - Este	18	0.01
’S Gravenstaffel	Norte - Este	16	0.01
Meyungs	Norte - Este	16	0.01
Pathein	Norte - Este	16	0.01
San Juan	Norte - Oeste	16	0.01
Washington Park	Norte - Oeste	16	0.01
Yaounde	Norte - Este	16	0.01
’S Gravenjansdyk	Norte - Este	12	0.01
Sartorio	Sur - Oeste	10	0.01
-Kingdom	Norte - Este	1	0.00
Addis Abeba	Norte - Este	1	0.00
Ar Riyadh	Norte - Este	1	0.00
Asuncion	Sur - Oeste	1	0.00
Bali	Sur - Este	1	0.00
Beijing Shi	Norte - Este	1	0.00
Bogota	Norte - Oeste	1	0.00
City Of San Marino	Norte - Este	1	0.00
Costa Rica	Norte - Oeste	1	0.00
Grenada	Norte - Oeste	1	0.00
Ho Chi Minh City	Norte - Este	1	0.00
Ivory Ivory Ban	Norte - Este	1	0.00
Kiyabo	Norte - Este	1	0.00
Krasnyy Turkmenistan	Norte - Este	1	0.00
Kuwait	Norte - Este	1	0.00
Lome	Norte - Este	1	0.00
Male	Norte - Este	1	0.00
Melbourne	Sur - Este	1	0.00
Mexico (Grupo Mexico)	Norte - Oeste	1	0.00
Moldova	Norte - Este	1	0.00
Mombasa	Sur - Este	1	0.00
Morocco City	Norte - Oeste	1	0.00
Moroni	Norte - Oeste	1	0.00
New Guatemala	Norte - Oeste	1	0.00
New York	Norte - Oeste	1	0.00
Nuku’alofa	Sur - Oeste	1	0.00
Palau	Norte - Este	1	0.00
Phnum Penh	Norte - Este	1	0.00
Pristina	Norte - Este	1	0.00
Saint Petersburg	Norte - Este	1	0.00
Sao Paulo	Sur - Oeste	1	0.00
Surabaya	Sur - Este	1	0.00
Tripoli	Norte - Este	1	0.00
Vientiane	Norte - Este	1	0.00
TOTAL		141703	100.00
Grupo 2: Fuente: Global Weather Repository,(https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository).

Tabla 3

TDF_Cuadrantes_Base <- variables %>%

  filter(!is.na(latitude) & !is.na(longitude)) %>%
  mutate(
    Cuadrante = case_when(
      latitude >= 0 & longitude >= 0 ~ "Norte - Este",
      latitude >= 0 & longitude < 0  ~ "Norte - Oeste",
      latitude < 0  & longitude >= 0 ~ "Sur - Este",
      latitude < 0  & longitude < 0  ~ "Sur - Oeste",
      TRUE                           ~ "No Clasificado"
    )
  ) %>%
 
  group_by(Cuadrante) %>%
  summarise(ni = n(), .groups = "drop") %>%

  mutate(hi = round((ni / sum(ni)) * 100, 2)) %>%
  arrange(desc(ni))
sumatoria_cuadrante <- data.frame(
  Cuadrante = "TOTAL",
  ni = sum(TDF_Cuadrantes_Base$ni),
  hi = sum(TDF_Cuadrantes_Base$hi)
)
TDF_Cuadrantes_Suma <- rbind(TDF_Cuadrantes_Base, sumatoria_cuadrante)

colnames(TDF_Cuadrantes_Suma) <- c("Cuadrante Geográfico (Capitales)", "Frecuencia Absoluta (ni)", "Frecuencia Relativa (hi %)")

kable(TDF_Cuadrantes_Suma, align = "c", 
      caption = "Tabla N.° 3: Distribución de frecuencia global por cuadrante geográfico para el análisis meteorológico (Período: Mayo 2024 - Mayo 2026)") %>%
  kable_styling(full_width = TRUE, position = "center",
                bootstrap_options = c("striped", "hover", "condensed", "responsive")) %>%
  row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") %>% 
  row_spec(nrow(TDF_Cuadrantes_Suma), bold = TRUE, background = "#EAEDED") %>% 
  footnote(general = "Fuente: Global Weather Repository, https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository.",
           general_title = "Grupo 2: ",
           footnote_as_chunk = TRUE,
           title_format = c("italic", "bold"))

Tabla N.° 3: Distribución de frecuencia global por cuadrante geográfico para el análisis meteorológico (Período: Mayo 2024 - Mayo 2026)
Cuadrante Geográfico (Capitales)	Frecuencia Absoluta (ni)	Frecuencia Relativa (hi %)
Norte - Este	79270	55.94
Norte - Oeste	31455	22.20
Sur - Este	23010	16.24
Sur - Oeste	7968	5.62
TOTAL	141703	100.00
Grupo 2: Fuente: Global Weather Repository, https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository.

5.-Gráficos

5.1.- Diagrama de barras por cuadrante geográfico de capitales

ggplot(TDF_Cuadrantes_Base, aes(x = reorder(Cuadrante, -ni), y = ni)) +
  geom_col(fill = "palegreen2", color = "black", width = 0.6) + 
  geom_text(aes(label = scales::comma(ni)), vjust = -0.5, fontface = "bold", size = 4) +
  scale_y_continuous(labels = scales::comma, limits = c(0, 85000)) +
  labs(
    title =                    "Gráfica N.1: Cantidad de registros por 
    cuadrante geográfico observada de la tabla 3 (Período: Mayo 2024 - 
    Mayo 2026)",
    x = "Cuadrante Geográfico",
    y = "Cantidad de Registros (ni)") +
  theme_bw() + 
  theme(
    plot.title = element_text(face = "bold", hjust = 0.5, size = 13),
    axis.title.x = element_text(size = 11),
    axis.title.y = element_text(size = 11),
    axis.text = element_text(size = 10),
    panel.grid.major.x = element_blank(), 
    panel.grid.minor = element_blank()
  )

## 5.2.- Diagrama de barras porcentual de las capitales por cuadrante geográfico

ggplot(TDF_Cuadrantes_Base, aes(x = reorder(Cuadrante, -ni), y = hi)) +
  geom_col(fill = "palegreen2", color = "black", width = 0.6) +
  geom_text(aes(label = paste0(hi, "%")), vjust = -0.5, fontface = "bold", size = 4) +
  scale_y_continuous(limits = c(0, 65)) +
  labs(
    title = "Gráfica N.2: Distribución porcentual de las capitales por cuadrante geográfico
(Período: Mayo 2024 - Mayo 2026)",
    x = "Cuadrante Geográfico",
    y = "Porcentaje del Total (hi %)"
  ) +
  theme_bw() +
  theme(
    plot.title = element_text(face = "bold", hjust = 0.5, size = 13),
    axis.title.x = element_text(size = 11),
    axis.title.y = element_text(size = 11),
    axis.text = element_text(size = 10),
    panel.grid.major.x = element_blank(),
    panel.grid.minor = element_blank()
  )

5.3.- Diagrama de barras general

ggplot(TDF_Cuadrantes_Base, aes(x = reorder(Cuadrante, -ni), y = ni)) +
  geom_col(fill = "palegreen2", color = "black", width = 0.6) + 
  geom_text(aes(label = scales::comma(ni)), vjust = -0.5, fontface = "bold", size = 4) +
 # Control del eje 
  scale_y_continuous(
    limits = c(0, 141703), 
    breaks = seq(0, 141703, by = 20000), 
    labels = scales::comma
  ) +
  labs(
    title = "Gráfica N.3: Cantidad de registros por cuadrante geográfico
    observada de la tabla 3 con relación al tamaño muestral para el el
    análisis meteorológico (Período: Mayo 2024 - Mayo 2026) ",
    x = "Cuadrante Geográfico",
    y = "Cantidad de Registros (ni)"
  ) +
  theme_bw() + 
  theme(
    plot.title = element_text(face = "bold", hjust = 0.5, size = 13),
    axis.title.x = element_text(size = 11, face = "bold"),
    axis.title.y = element_text(size = 11, face = "bold"),
    axis.text = element_text(size = 10),
    panel.grid.major.x = element_blank(), 
    panel.grid.minor = element_blank())

5.4.- Diagrama de barras porcentual general

ggplot(TDF_Cuadrantes_Base, aes(x = reorder(Cuadrante, -hi), y = hi)) +
  geom_bar(stat = "identity", fill = "palegreen2", color = "black", width = 0.6) +
  geom_text(aes(label = paste0(hi, "%")), vjust = -0.5, size = 4, fontface = "bold") +
  
  # Control del eje 
  scale_y_continuous(
    limits = c(0, 100),
    breaks = seq(0, 100, by = 10)
  ) +
  labs(
    title = "Gráfica N.4: Distribución Porcentual por cuadrante geográfico
    mundial recopilados en la tabla 3 para su respectivo análisis meteorológico 
    (Período: Mayo 2024 - Mayo 2026)",
    x = "Cuadrante Geográfico",
    y = "Porcentaje del Total (hi %)"
  ) +
  theme_bw(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold", size = 14, hjust = 0.5),
    axis.title.x = element_text(face = "bold", size = 11),
    axis.title.y = element_text(face = "bold", size = 11),
    axis.text = element_text(size = 10, face = "bold"),
    panel.grid.major.x = element_blank(), 
    panel.grid.minor = element_blank()  
  )

5.5.- Gráfica circular

TDF_Cuadrantes_Grafico <- TDF_Cuadrantes_Base %>%
  arrange(desc(Cuadrante)) %>%
  mutate(posicion_texto = cumsum(hi) - 0.5 * hi)

ggplot(TDF_Cuadrantes_Grafico, aes(x = "", y = hi, fill = Cuadrante)) +
  geom_bar(stat = "identity", width = 1, color = "black") +
  coord_polar("y", start = 0) +
  geom_text(aes(y = posicion_texto, label = paste0(hi, "%")), size = 4.5, fontface = "bold") +
  scale_fill_manual(values = c(
    "Sur - Oeste"  <- "#FFFFB3",
    "Norte - Oeste" <- "#D95F02",
    "Sur - Este"   <- "#33A02C",
    "Norte - Este" <- "#1F78B4"
  )) +
  labs(
 title = "                      Gráfica N.5: Distribución porcentual de las
 capitales por cuadrante geográfico 
    mundial con respecto al 100% del tamaño muestral desde mayo del 2024 a 
    mayo del 2026",
    fill = "Cuadrante Geográfico"
  ) +
  theme_void(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold", size = 14, hjust = 0.5),
    legend.position = "right",
    legend.title = element_text(face = "bold")
  )

6.- Indicadores de frecuencia

# 1. Extraccion de la frecuencia maxima
frecuencia_max_cuad <- max(TDF_Capital_Cuadrante_Base$ni)

# 2. Identificar que cuadrante tienen esa frecuencia maxima
modas_cuadrantes <- TDF_Capital_Cuadrante_Base$Cuadrante[TDF_Capital_Cuadrante_Base$ni == frecuencia_max_cuad]

# 3. Guardar SOLO la primera moda para evitar que colapse el diseño de la tabla
Mo_cuadrante <- unique(modas_cuadrantes)[2]

# 4. Construccion de la tabla usando guiones simples (evita los puntos negros)
tabla_indicadores_cuadrante <- data.frame(
  "Variable"         = c("Capital"),
  "Rango"            = c("-"),
  "X"                = c("-"),
  "Me"               = c("-"),
  "Mo"               = c(Mo_cuadrante),     
  "V"                = c("-"),
  "Sd"               = c("-"),
  "Cv"               = c("-"),
  "As"               = c("-"),
  "K"                = c("-"),
  "Valores_Atipicos" = c("No hay valores atipicos")
)

# 5. Renderizado limpio con kableExtra
kable(tabla_indicadores_cuadrante, align = 'c',       
      caption = "Tabla Nro. 5: Indicadores estadisticos de la variable Capital, seleccionadas por Cuadrante Geografico (Periodo: Mayo 2024 - Mayo 2026)") %>%
  kable_styling(full_width = TRUE, position = "center",                
                bootstrap_options = c("striped", "hover", "condensed", "responsive")) %>%  
  row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") %>%   
  footnote(general = "Fuente: Global Weather Repository, (https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository).",           
           general_title = "Grupo 2: ",           
           footnote_as_chunk = TRUE,           
           title_format = c("italic", "bold"))

Tabla Nro. 5: Indicadores estadisticos de la variable Capital, seleccionadas por Cuadrante Geografico (Periodo: Mayo 2024 - Mayo 2026)
Variable	Rango	X	Me	Mo	V	Sd	Cv	As	K	Valores_Atipicos
Capital				Norte - Este						No hay valores atipicos
Grupo 2: Fuente: Global Weather Repository, (https://www.kaggle.com/datasets/nelgiriyewithana/global-weather-repository).

7.- Conclusiones

los mismos moda que se obtuvieron en la variable país se observa lo mismo aqui ya que estas son sus capitales

Capitales

Jhonny Criollo

2026-05-30