library(readxl)
library(dplyr)
library(gt)
library(ggplot2)
library(scales)
library(forcats)
datos <- read_excel("dataset_mundial_petro.xlsx")
n     <- nrow(datos)
cat("Número de registros:", n, "\n")
## Número de registros: 8334
cat("Número de variables:", ncol(datos), "\n")
## Número de variables: 23

1 Configuración y Carga de Datos

En esta sección se cargan las librerías necesarias y se importa el dataset Global Oil and Gas Extraction Tracker (GOGET), que contiene registros de unidades de extracción de petróleo y gas a nivel mundial.

2 Extracción y Conteo Inicial

Se extrae la variable Location accuracy (Precisión de Ubicación) del dataset y se realiza el conteo inicial de registros por categoría. Esta variable es de escala ordinal, ya que sus categorías presentan un orden lógico de menor a mayor precisión geográfica.

conteo_inicial <- datos %>%
  count(`Location accuracy`, name = "fi") %>%
  arrange(desc(fi))

k <- nrow(conteo_inicial)
cat("Total de categorías:", k, "\n")
## Total de categorías: 3
cat("Categoría más frecuente:", conteo_inicial$`Location accuracy`[1],
    "con", conteo_inicial$fi[1], "registros\n")
## Categoría más frecuente: exact con 6353 registros
cat("Categoría menos frecuente:", conteo_inicial$`Location accuracy`[k],
    "con", conteo_inicial$fi[k], "registro(s)\n")
## Categoría menos frecuente: NA con 796 registro(s)

Vista previa del conteo:

head(conteo_inicial, 2)
## # A tibble: 2 × 2
##   `Location accuracy`    fi
##   <chr>               <int>
## 1 exact                6353
## 2 approximate          1185

3 Categorización y Ordenamiento Lógico

Dado que Location accuracy es una variable cualitativa ordinal, se organiza según el orden lógico de precisión geográfica: de menor a mayor exactitud en el registro de la ubicación.

tabla_freq <- conteo_inicial %>%
  mutate(
    `Location accuracy` = recode(`Location accuracy`,
      "exact"       = "Exacta",
      "approximate" = "Aproximada"
    ),
    hi_prop = fi / n,
    hi_pct  = hi_prop * 100
  ) %>%
  mutate(i = row_number()) %>%
  select(i, `Location accuracy`, fi, hi_pct, hi_prop)

cat("Verificación — suma de fi:", sum(tabla_freq$fi), "\n")
## Verificación — suma de fi: 8334
cat("Verificación — suma de hi (%):", round(sum(tabla_freq$hi_pct), 2), "(debe ser 100)\n")
## Verificación — suma de hi (%): 100 (debe ser 100)

4 Tabla de Distribución de Frecuencias

tabla_freq %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N° 2**"),
    subtitle = md("Agrupación por precisión de ubicación de yacimientos de extracción de petróleo y gas")
  ) %>%
  cols_label(
    i                   = md("**N°**"),
    `Location accuracy` = md("**Precisión de Ubicación**"),
    fi                  = md("**ni**"),
    hi_pct              = md("**(%)** "),
    hi_prop             = md("**(proporción)**")
  ) %>%
  tab_spanner(
    label   = md("**hi**"),
    columns = c(hi_pct, hi_prop)
  ) %>%
  fmt_number(columns = hi_pct,  decimals = 2) %>%
  fmt_number(columns = hi_prop, decimals = 3) %>%
  fmt_number(columns = fi,      decimals = 0, use_seps = TRUE) %>%
  grand_summary_rows(
    columns = c(fi, hi_pct, hi_prop),
    fns     = list(label = "Total", fn = "sum"),
    fmt     = list(
      ~ fmt_number(., columns = fi,      decimals = 0),
      ~ fmt_number(., columns = hi_pct,  decimals = 2),
      ~ fmt_number(., columns = hi_prop, decimals = 3)
    )
  ) %>%
  cols_hide(columns = i) %>%
  tab_source_note(source_note = "Autor: Grupo 5") %>%
  tab_options(
    table.width                       = pct(75),
    table.font.size                   = px(13),
    table.font.names                  = "Arial",
    heading.title.font.size           = px(15),
    heading.subtitle.font.size        = px(12),
    heading.align                     = "center",
    heading.background.color          = "#AAAAAA",
    heading.border.bottom.color       = "#AAAAAA",
    heading.border.bottom.width       = px(1),
    column_labels.font.weight         = "bold",
    column_labels.background.color    = "#FFFFFF",
    column_labels.border.top.color    = "#AAAAAA",
    column_labels.border.top.width    = px(1),
    column_labels.border.bottom.color = "#AAAAAA",
    column_labels.border.bottom.width = px(1),
    row.striping.include_table_body   = FALSE,
    source_notes.font.size            = px(11),
    source_notes.border.lr.color      = "transparent",
    table.border.top.color            = "#AAAAAA",
    table.border.top.width            = px(1),
    table.border.bottom.color         = "#AAAAAA",
    table.border.bottom.width         = px(1)
  ) %>%
  tab_style(
    style     = cell_text(color = "white", weight = "bold"),
    locations = cells_title(groups = c("title", "subtitle"))
  ) %>%
  tab_style(
    style     = cell_text(color = "#000000", weight = "bold"),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style     = cell_text(color = "#000000", weight = "bold"),
    locations = cells_column_spanners()
  ) %>%
  tab_style(
    style = list(
      cell_text(weight = "bold", color = "#000000"),
      cell_borders(sides = "top", color = "#333333", weight = px(1))
    ),
    locations = cells_grand_summary()
  ) %>%
  tab_style(
    style     = cell_text(color = "#333333"),
    locations = cells_body()
  )
Tabla N° 2
Agrupación por precisión de ubicación de yacimientos de extracción de petróleo y gas
Precisión de Ubicación ni
hi
(%) (proporción)
Exacta 6,353 76.23 0.762
Aproximada 1,185 14.22 0.142
NA 796 9.55 0.096
Total — 8,334 100.00 1.000
Autor: Grupo 5

5 Análisis Gráfico

tema_base <- theme_minimal(base_size = 12) +
  theme(
    legend.position    = "none",
    plot.title         = element_text(face = "bold", color = "#222222", size = 13),
    plot.subtitle      = element_text(color = "#555555", size = 10),
    plot.caption       = element_text(color = "#888888", size = 9),
    axis.title         = element_text(face = "bold", color = "#333333"),
    axis.text          = element_text(color = "#333333"),
    panel.grid.major.y = element_blank(),
    panel.grid.major.x = element_line(color = "#EEEEEE"),
    panel.grid.minor   = element_blank(),
    plot.background    = element_rect(fill = "white", color = NA),
    panel.background   = element_rect(fill = "white", color = NA)
  )

colores_loc <- c("#2E86C1", "#AED6F1")

loc_graf <- tabla_freq %>%
  mutate(`Location accuracy` = fct_reorder(`Location accuracy`, fi))

5.1 Diagrama de Barras de Cantidad

ggplot(loc_graf, aes(x = `Location accuracy`, y = fi, fill = `Location accuracy`)) +
  geom_col(width = 0.65, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = format(fi, big.mark = ",")),
    hjust = -0.1, size = 3.4, color = "#222222", fontface = "bold"
  ) +
  coord_flip() +
  scale_fill_manual(values = colores_loc) +
  scale_y_continuous(
    labels = label_comma(),
    expand = expansion(mult = c(0, 0.18))
  ) +
  labs(
    title   = "Gráfica N. 1: Distribución de yacimientos de petróleo y gas por precisión de ubicación",
    x       = "Precisión de Ubicación",
    y       = "Frecuencia Absoluta (fi)",
    caption = paste0("n = ", format(n, big.mark = ","), " | Fuente: Global Energy Monitor — GOGET 2023")
  ) +
  tema_base

5.2 Diagrama de Barras Porcentual

ggplot(loc_graf, aes(x = `Location accuracy`, y = hi_pct, fill = `Location accuracy`)) +
  geom_col(width = 0.65, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = paste0(round(hi_pct, 2), "%")),
    hjust = -0.1, size = 3.4, color = "#222222", fontface = "bold"
  ) +
  coord_flip() +
  scale_fill_manual(values = colores_loc) +
  scale_y_continuous(
    labels = function(x) paste0(x, "%"),
    expand = expansion(mult = c(0, 0.18))
  ) +
  labs(
    title   = "Gráfica N. 2: Distribución porcentual de yacimientos de petróleo y gas por precisión de ubicación",
    x       = "Precisión de Ubicación",
    y       = "Frecuencia Relativa (%)",
    caption = paste0("n = ", format(n, big.mark = ","), " | Fuente: Global Energy Monitor — GOGET 2023")
  ) +
  tema_base

5.3 Diagrama Circular

datos_pie <- tabla_freq %>%
  arrange(desc(fi)) %>%
  mutate(
    `Location accuracy` = fct_reorder(`Location accuracy`, hi_pct),
    etiqueta            = paste0(round(hi_pct, 1), "%")
  )

ggplot(datos_pie, aes(x = "", y = hi_pct, fill = `Location accuracy`)) +
  geom_col(width = 1, color = "white", linewidth = 0.6) +
  geom_text(
    aes(label = etiqueta),
    position  = position_stack(vjust = 0.5),
    size      = 3.5, color = "#1A1A1A", fontface = "bold"
  ) +
  coord_polar(theta = "y", start = 0) +
  scale_fill_manual(values = colores_loc) +
  labs(
    title   = "Gráfica N.3: Distribución Porcentual por Precisión de Ubicación",
    fill    = "Precisión de Ubicación",
    caption = paste0("n = ", format(n, big.mark = ","), " | Fuente: Global Energy Monitor — GOGET 2023")
  ) +
  theme_void(base_size = 12) +
  theme(
    plot.title      = element_text(face = "bold", color = "#222222", size = 13, hjust = 0.5),
    plot.caption    = element_text(color = "#888888", size = 9),
    legend.position = "right",
    legend.title    = element_text(face = "bold", color = "#222222"),
    legend.text     = element_text(size = 9, color = "#333333"),
    plot.background = element_rect(fill = "white", color = NA)
  )

6 Indicadores Estadísticos

moda_loc <- tabla_freq$`Location accuracy`[which.max(tabla_freq$fi)]

tabla_indicadores <- data.frame(
  "Variable"        = "Location accuracy",
  "Rango"           = "Precisión de Ubicación",
  "Media (X)"       = "-",
  "Mediana (Me)"    = "-",
  "Moda (Mo)"       = moda_loc,
  "Varianza (V)"    = "-",
  "Desv. Est. (Sd)" = "-",
  "C.V. (%)"        = "-",
  "Asimetría (As)"  = "-",
  "Curtosis (K)"    = "-",
  check.names = FALSE
)

tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N°3 de Conclusiones yacimientos de petróleo y gas por Precisión de Ubicación**")
  ) %>%
  tab_source_note(source_note = "Autor: Grupo 5") %>%
  tab_options(
    table.width                       = pct(92),
    table.font.size                   = px(13),
    table.font.names                  = "Arial",
    heading.title.font.size           = px(15),
    heading.align                     = "left",
    heading.border.bottom.color       = "#CCCCCC",
    heading.border.bottom.width       = px(1),
    column_labels.font.weight         = "bold",
    column_labels.background.color    = "#F0F0F0",
    column_labels.border.top.color    = "#AAAAAA",
    column_labels.border.top.width    = px(1),
    column_labels.border.bottom.color = "#AAAAAA",
    column_labels.border.bottom.width = px(1),
    row.striping.include_table_body   = FALSE,
    source_notes.font.size            = px(11),
    source_notes.border.lr.color      = "transparent",
    table.border.top.color            = "#AAAAAA",
    table.border.top.width            = px(1),
    table.border.bottom.color         = "#AAAAAA",
    table.border.bottom.width         = px(2)
  ) %>%
  tab_style(
    style     = cell_text(color = "#000000", weight = "bold"),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style     = cell_text(color = "#333333"),
    locations = cells_body()
  )
Tabla N°3 de Conclusiones yacimientos de petróleo y gas por Precisión de Ubicación
Variable Rango Media (X) Mediana (Me) Moda (Mo) Varianza (V) Desv. Est. (Sd) C.V. (%) Asimetría (As) Curtosis (K)
Location accuracy Precisión de Ubicación - - Exacta - - - - -
Autor: Grupo 5