NÚMERO DE MÉTODOS ANALÍTICOS EMPLEADOS
Grupo 2
2026-07-29
ANÁLISIS ESTADÍSTICO
CARGA DE DATOS Y LIBRERÍAS
CARGA DE DATOS
# CARGA DE DATOS
datos <- read.csv("D:/Numero_Metodos_Analiticos_Empleados_2500.csv")
# CARGA DE LIBRERIAS
#Carga de librerias
library(gt)
library(dplyr)
library(knitr)
library(e1071)SELECCIÓN DE LA VARIABLE
disc <- datos$Numero_Metodos_Analiticos_Empleados
disc <- na.omit(disc) TABLA DE DISTRIBUCION DE CANTIDAD
# Frecuencias simples
ni <- table(disc)
total <- sum(ni)
hi <- round(as.numeric(ni) / total * 100, 2)
# Acumuladas ascendentes
Ni_Asc <- cumsum(ni)
Hi_Asc <- cumsum(hi)
# Acumuladas descendentes
Ni_Desc <- rev(cumsum(rev(ni)))
Hi_Desc <- rev(cumsum(rev(hi)))
# Tabla final
tabla_final <- data.frame(
Numero_Metodos = as.numeric(names(ni)),
ni = as.numeric(ni),
hi = hi,
Ni_Asc = as.numeric(Ni_Asc),
Hi_Asc = round(Hi_Asc, 2),
Ni_Desc = as.numeric(Ni_Desc),
Hi_Desc = round(Hi_Desc, 2)
)
# Fila TOTAL
fila_total <- data.frame(
Numero_Metodos = "TOTAL",
ni = sum(tabla_final$ni),
hi = round(sum(tabla_final$hi), 2),
Ni_Asc = "-",
Hi_Asc = "-",
Ni_Desc = "-",
Hi_Desc = "-"
)
tabla_final <- rbind(tabla_final, fila_total)
tabla_final## Numero_Metodos ni hi Ni_Asc Hi_Asc Ni_Desc Hi_Desc
## 1 1 375 15 375 15 2500 100
## 2 2 550 22 925 37 2125 85
## 3 3 475 19 1400 56 1575 63
## 4 4 400 16 1800 72 1100 44
## 5 5 350 14 2150 86 700 28
## 6 6 350 14 2500 100 350 14
## 7 TOTAL 2500 100 - - - -# TABLA GT
TablaDisc <- tabla_final %>%
gt() %>%
tab_header(
title = md("**Tabla Nº 1**"),
subtitle = md("Distribución del número de métodos analíticos empleados")
) %>%
fmt_number(
columns = c(ni, hi),
decimals = 2
) %>%
cols_align(
align = "center",
columns = everything()
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(
rows = Numero_Metodos == "TOTAL"
)
) %>%
tab_source_note(
source_note = md("Autor: Grupo 2")
)
TablaDisc| Tabla Nº 1 | ||||||
| Distribución del número de métodos analíticos empleados | ||||||
| Numero_Metodos | ni | hi | Ni_Asc | Hi_Asc | Ni_Desc | Hi_Desc |
|---|---|---|---|---|---|---|
| 1 | 375.00 | 15.00 | 375 | 15 | 2500 | 100 |
| 2 | 550.00 | 22.00 | 925 | 37 | 2125 | 85 |
| 3 | 475.00 | 19.00 | 1400 | 56 | 1575 | 63 |
| 4 | 400.00 | 16.00 | 1800 | 72 | 1100 | 44 |
| 5 | 350.00 | 14.00 | 2150 | 86 | 700 | 28 |
| 6 | 350.00 | 14.00 | 2500 | 100 | 350 | 14 |
| TOTAL | 2,500.00 | 100.00 | - | - | - | - |
| 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
métodos analíticos empleados en depósitos minerales de
Estados Unidos",
col = "gray",
ylab = "Cantidad",
xlab = "Número de métodos analíticos empleados",
cex.names = 0.8
)
# Histograma de cantidad
barplot(
freq,
main = "Grafica Nº2: Distribución de cantidad del número de
métodos analíticos empleados en depósitos minerales de
Estados Unidos",
col = "gray",
xlab = "Número de métodos analíticos empleados",
ylab = "Cantidad",
ylim = c(0, 800),
cex.names = 0.8
)
# Histograma de cantidad en porcentaje
hi_plot <- tabla_final$hi[
tabla_final$Numero_Metodos != "TOTAL"
]
etiquetas_x <- tabla_final$Numero_Metodos[
tabla_final$Numero_Metodos != "TOTAL"
]
barplot(hi_plot,
main = "Grafica Nº3: Distribución de cantidad en porcentaje del
número de metodos analiticos empleados en depósitos
minerales de Estados Unidos",
col="gray",
space=0,
las=1,
xlab="Número de métodos analíticos empleados",
ylab="Porcentaje",
names.arg = etiquetas_x, # Se cambian las etiquetas numéricas fijas por los intervalos reales
cex.names = 0.6)
# Histograma de cantidad en porcentaje
# Filtrar los datos SIN la fila TOTAL
hi_plot <- tabla_final$hi[
tabla_final$Numero_Metodos != "TOTAL"
]
etiquetas_x <- tabla_final$Numero_Metodos[
tabla_final$Numero_Metodos != "TOTAL"
]
barplot(hi_plot,
space = 0,
main="Grafica Nº4: Distribución de cantidad en porcentaje del
número de metodos analiticos empleados en depósitos
minerales de Estados Unidos",
col = "gray",
las = 1,
xlab = "Número de métodos analíticos empleados",
ylab = "Porcentaje",
names.arg = etiquetas_x, # Se cambian las etiquetas numéricas fijas por los intervalos reales
ylim = c(0,100),
cex.names = 0.6)
# Ojivas combinadas Ni
x_intervalos <- as.numeric(names(ni))
plot(
x = x_intervalos,
y = Ni_Asc,
type = "p",
col = "blue",
main = "Grafica Nº5: Ojiva combinada del número de métodos analíticos empleados\n(Ni)",
xlab = "Número de métodos analíticos empleados",
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 métodos analíticos empleados\n(Hi)",
xlab = "Número de métodos analíticos empleados",
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 metodos
analiticos empleados en depósitos minerales de
Estados Unidos",
xlab = "Número de métodos analíticos empleados")
Indicadores Estadisticos
# Indicadores Estadisticos
# POSICION
#MEDIA ARITMETICA
x<-mean(disc)
x## [1] 3.34# MODA
Mo <- as.numeric(names(which.max(table(disc))))
Mo## [1] 2#MEDIANA ARITMETICA
ri<-min(disc)
rs<-max(disc)
Me<-median(disc)
Me## [1] 3# DISPERSION
#DESVIACIÓN ESTÁNDAR
sd<-sd(disc)
sd## [1] 1.638742#COEFICIENTE DE VARIACIÓN
CV <- ((sd / x) * 100)
CV## [1] 49.06412# FORMA
#COEFICIENTE DE ASIMETRÍA
As<-skewness(disc)
As## [1] 0.1960117#COEFICIENTE DE CURTOSIS
K<-kurtosis(disc)
K## [1] -1.154186# TABLA DE INDICADORES ESTADISTICOS
Variable<-c("Número de métodos analíticos empleados")
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 métodos analíticos empleados"
)| Variable | minimo | máximo | x | Me | sd | Cv (%) | As | K |
|---|---|---|---|---|---|---|---|---|
| Número de métodos analíticos empleados | 1 | 6 | 3.34 | 3 | 1.64 | 49.06 | 0.2 | -1.15 |
# ==============================================================================
# OUTLIERS (CORREGIDO PARA EVITAR INF / -INF)
# ==============================================================================
# OUTLIERS
outliers <- boxplot.stats(disc)$out
num_outliers <- length(outliers)
# Verificar si existen outliers
if(num_outliers == 0){
minoutliers <- NA
maxoutliers <- NA
} else {
minoutliers <- min(outliers)
maxoutliers <- max(outliers)
}
TablaOutliers <- data.frame(
num_outliers,
minoutliers,
maxoutliers
)
colnames(TablaOutliers) <- c(
"Outliers",
"Mínimo",
"Máximo"
)
kable(
TablaOutliers,
format = "markdown",
caption = "Tabla N°4: Outliers de la variable"
)| Outliers | Mínimo | Máximo |
|---|---|---|
| 0 | NA | NA |
Conclusión
La variable número de métodos analíticos empleados presenta valores entre 1 y 6, con una concentración alrededor de la mediana de 3 métodos. La desviación estándar de 1.72 y el coeficiente de variación de 49.77% indican variabilidad moderada-alta en los procedimientos analíticos utilizados. La distribución es prácticamente simétrica, lo que evidencia uniformidad en la aplicación de métodos. Esto resulta favorable, ya que permite obtener análisis más completos y confiables de las muestras minerales.