Residuos Orgánicos

0. Librerías

# -------------------------
# Cargar librerías
# -------------------------
library(gt)
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

1.Leer datos

# -------------------------
# Cargar datos
# -------------------------

datos <- read.csv("waterPollution.csv",
                  sep = ",",
                  stringsAsFactors = FALSE)

2. Extracción y depuración de la variable

# ================================
# VARIABLE CUANTITATIVA CONTINUA
# ================================

CFP <- na.omit(datos$composition_food_organic_waste_percent)

# Datos para gráficos
CFP_graf <- CFP[CFP >= 0.01]

3. Frecuencia

3.1 Rango

# Valores mínimo y máximo
minimo <- min(CFP)
maximo <- max(CFP)

3.2 Uso de la Regla de Sturges

# Regla de Sturges
k <- 1 + (3.3 * log10(length(CFP)))
k <- floor(k)

# Rango y amplitud
R <- maximo - minimo
A <- R / k

3.3 Límites de clase

# Límites de clase
Li <- round(seq(from = minimo, to = maximo - A, by = A), 4)
Ls <- round(seq(from = minimo + A, to = maximo, by = A), 4)

# Marca de clase
MC <- round((Li + Ls) / 2, 2)

3.4 Creación de columnas

# Frecuencia absoluta
ni <- numeric(length(Li))

for (i in 1:length(Li)) {
  ni[i] <- sum(CFP >= Li[i] & CFP < Ls[i])
}

# Incluir el valor máximo en el último intervalo
ni[length(Li)] <- sum(CFP >= Li[length(Li)] & CFP <= maximo)

# Frecuencia relativa
hi <- round((ni / sum(ni)) * 100, 2)

# Crear tabla base
TDF_CFP <- data.frame(
  Li, Ls, MC, ni, hi
)

# ========================================================
# frecuencias acumuladas 
# ========================================================

# Calcular frecuencias acumuladas con todos los intervalos
TDF_CFP$Niasc <- cumsum(TDF_CFP$ni)
TDF_CFP$Nidsc <- rev(cumsum(rev(TDF_CFP$ni)))
TDF_CFP$Hiasc <- round(cumsum(TDF_CFP$hi))
TDF_CFP$Hidsc <- round(rev(cumsum(rev(TDF_CFP$hi))))

4. Tabla de distribución de frecuencia

4.1 Tabla general con Sturges

TDF_CFP_Completo <- rbind(
  TDF_CFP,
  data.frame(
    Li = "Total",
    Ls = " ",
    MC = " ",
    ni = sum(TDF_CFP$ni),
    hi = 100,
    Niasc = " ",
    Nidsc = " ",
    Hiasc = " ",
    Hidsc = " "
  )
)

# ================================
# TABLA GT
# ================================
tabla_CFP <- TDF_CFP_Completo %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nº1*"),
    subtitle = md("**Distribución de frecuencias del Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_CFP

Tabla Nº1
Distribución de frecuencias del Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)
Li	Ls	MC	ni	hi	Niasc	Nidsc	Hiasc	Hidsc
12.78	16.0813	14.43	370	1.86	370	19893	2	100
16.0813	19.3827	17.73	4001	20.11	4371	19523	22	98
19.3827	22.684	21.03	0	0.00	4371	15522	22	78
22.684	25.9853	24.33	493	2.48	4864	15522	24	78
25.9853	29.2867	27.64	22	0.11	4886	15029	25	76
29.2867	32.588	30.94	10332	51.94	15218	15007	76	75
32.588	35.8893	34.24	460	2.31	15678	4675	79	24
35.8893	39.1907	37.54	168	0.84	15846	4215	80	21
39.1907	42.492	40.84	228	1.15	16074	4047	81	20
42.492	45.7933	44.14	0	0.00	16074	3819	81	19
45.7933	49.0947	47.44	3223	16.20	19297	3819	97	19
49.0947	52.396	50.75	0	0.00	19297	596	97	3
52.396	55.6973	54.05	0	0.00	19297	596	97	3
55.6973	58.9987	57.35	117	0.59	19414	596	98	3
58.9987	62.3	60.65	479	2.41	19893	479	100	2
Total			19893	100.00
Autor: Grupo 3

4.2 Tabla Simplificada

# =============================================
# TABLA SIMPLIFICADA (BASADA EN EL HISTOGRAMA)
# =============================================

limites_exactos <- seq(minimo, maximo, length.out = 11) 

histoP <- hist(
  CFP,
  breaks = limites_exactos,
  plot = FALSE 
)

# 2. Extraer datos del histograma para la tabla
Limites <- histoP$breaks
LimInf <- round(Limites[1:(length(Limites) - 1)], 2)
LimSup <- round(Limites[2:length(Limites)], 2)
Mc <- round(histoP$mids, 2)
ni <- histoP$counts
hi <- round((ni / sum(ni)) * 100, 2)

# 3. Crear el DataFrame base (Tendrá exactamente 10 filas)
TDF_Histo_CFP <- data.frame(
  LimInf,
  LimSup,
  Mc,
  ni,
  hi
)

# 4. Calcular frecuencias acumuladas continuas
TDF_Histo_CFP$Ni_asc <- cumsum(TDF_Histo_CFP$ni)
TDF_Histo_CFP$Ni_dsc <- rev(cumsum(rev(TDF_Histo_CFP$ni)))
TDF_Histo_CFP$Hi_asc <- round(cumsum(TDF_Histo_CFP$hi), 2)
TDF_Histo_CFP$Hi_dsc <- round(rev(cumsum(rev(TDF_Histo_CFP$hi))), 2)


TDF_Histo_CFP$Hi_asc[nrow(TDF_Histo_CFP)] <- 100.00
TDF_Histo_CFP$Hi_dsc[1] <- 100.00

# 5. Crear fila de totales
TDF_Histo_CFP_Completo <- rbind(
  TDF_Histo_CFP,
  data.frame(
    LimInf = "Total",
    LimSup = " ",
    Mc = " ",
    ni = sum(TDF_Histo_CFP$ni),
    hi = 100,
    Ni_asc = " ",
    Ni_dsc = " ",
    Hi_asc = " ",
    Hi_dsc = " "
  )
)

# 6. Generar y mostrar la Tabla con 'gt'
tabla_Histo_CFP <- TDF_Histo_CFP_Completo %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nº2*"),
    subtitle = md("**Distribución simplificada de frecuencias de Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

# Imprimir la tabla 
tabla_Histo_CFP

Tabla Nº2
Distribución simplificada de frecuencias de Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)
LimInf	LimSup	Mc	ni	hi	Ni_asc	Ni_dsc	Hi_asc	Hi_dsc
12.78	17.73	15.26	4371	21.97	4371	19893	21.97	100
17.73	22.68	20.21	0	0.00	4371	15522	21.97	78.03
22.68	27.64	25.16	493	2.48	4864	15522	24.45	78.03
27.64	32.59	30.11	10354	52.05	15218	15029	76.5	75.55
32.59	37.54	35.06	499	2.51	15717	4675	79.01	23.5
37.54	42.49	40.02	357	1.79	16074	4176	80.8	20.99
42.49	47.44	44.97	82	0.41	16156	3819	81.21	19.2
47.44	52.4	49.92	3141	15.79	19297	3737	97	18.79
52.4	57.35	54.87	117	0.59	19414	596	97.59	3
57.35	62.3	59.82	479	2.41	19893	479	100	2.41
Total			19893	100.00
Autor: Grupo 3

5. Gráficas

5.1 Histograma (ni)

# =========================================
# Histograma generado por RStudio 
# =========================================
todos_limites_cfp <- c(TDF_Histo_CFP$LimInf[1], TDF_Histo_CFP$LimSup)

hist(
  CFP,
  breaks = todos_limites_cfp,
  main = "Gráfica Nº1: Distribución de frecuencias del Porcentaje de Residuos \nOrgánicos en el estudio de la calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Cantidad",
  col = "darkslateblue",
  border = "black",
  xaxt = "n"
)

axis(
  side = 1,
  at = todos_limites_cfp,
  labels = round(todos_limites_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

5.2 Histograma General (ni)

# ===========================================================
# Histograma con relación a la totalidad de los datos
# ===========================================================
bp <- barplot(
  TDF_Histo_CFP$ni,
  col = "slateblue",
  border = "black",
  main = "Gráfica Nº2: Distribución de frecuencias del Porcentaje de Residuos \nOrgánicos en el estudio de la calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Cantidad",
  space = 0,
  xaxt = "n",
  ylim = c(0, 20000)
)

limites_etiquetas_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))

axis(
  side = 1,
  at = 0:length(TDF_Histo_CFP$ni),
  labels = round(limites_etiquetas_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

5.3 Histograma Porcentual (hi)

# ======================================
# Histograma porcentual que genera RStudio
# ======================================
bp <- barplot(
  TDF_Histo_CFP$hi,
  col = "darkslateblue",
  border = "black",
  main = "Gráfica Nº3: Distribución porcentual de frecuencias del Porcentaje de \nResiduos Orgánicos en el estudio de la calidad de agua en 
  Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Porcentaje (%)",
  space = 0,
  xaxt = "n",
  ylim = c(0, max(TDF_Histo_CFP$hi) * 1.15)
)

limites_etiquetas_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))

axis(
  side = 1,
  at = 0:length(TDF_Histo_CFP$hi),
  labels = round(limites_etiquetas_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

5.4 Histograma Porcentual General (hi)

# ===========================================================
# Histograma porcentual con relación a la totalidad 
# ===========================================================
hi_global_cfp <- round((TDF_Histo_CFP$ni / length(CFP)) * 100, 2)

bp <- barplot(
  hi_global_cfp,
  space = 0,
  col = "slateblue",
  border = "black",
  main = "Gráfica Nº4: Distribución porcentual de frecuencias del Porcentaje de \nResiduos Orgánicos en el estudio de la calidad de agua en 
  Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Porcentaje (%)",
  xaxt = "n",
  ylim = c(0, 100)
)

limites_etiquetas_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))

axis(
  side = 1,
  at = 0:length(TDF_Histo_CFP$ni),
  labels = round(limites_etiquetas_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

5.5 Polígono de frecuencias (hi)

bp <- barplot(
  TDF_Histo_CFP$hi,
  col = "slateblue",
  border = "black",
  main = "Gráfica Nº5: Polígono de frecuencia de la distribución porcentual del 
  Porcentaje de Residuos Orgánicos en el estudio de la 
  calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Porcentaje (%)",
  space = 0,
  xaxt = "n",
  ylim = c(0, max(TDF_Histo_CFP$hi) * 1.2)
)

limites_etiquetas_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))

# 3. Dibujamos el eje X 
axis(
  side = 1,
  at = 0:length(TDF_Histo_CFP$hi),
  labels = round(limites_etiquetas_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

# 4. Polígono superpuesto
lines(
  bp,
  TDF_Histo_CFP$hi,
  type = "o",
  pch = 16,
  lwd = 2,
  col = "black"
)

# 5. Etiquetas de texto
text(
  bp,
  TDF_Histo_CFP$hi,
  labels = round(TDF_Histo_CFP$hi, 2),
  pos = 3,
  cex = 0.8,
  col = "black"
)

grid()

legend(
  "topright",
  legend = c("Frecuencia relativa (%)"),
  col = "black",
  lwd = 2,
  pch = 16,
  bty = "n"
)

5.6 Boxplot

# =============================
# BOXPLOT CON VALORES ATÍPICOS
# =============================
boxplot(
  CFP,
  horizontal = TRUE,
  col = "slateblue",
  main = "Gráfica Nº6: Diagrama de caja del Porcentaje de Residuos Orgánicos \nen el estudio de la calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)"
)

points(
  mean(CFP),
  1,
  text = "",
  pch = 19,
  col = "red"
)

## Warning in plot.xy(xy.coords(x, y), type = type, ...): "text" es un parámetro
## gráfico inválido

legend(
  "topright",
  legend = "Media",
  pch = 19,
  col = "red"
)

5.7 Ojiva ascendente y descendente (Ni)

# =========================
# OJIVAS Ni
# =========================
par(mar = c(10, 4, 7, 2))

# 1. Definir todos los límites de clase 
todos_limites_cfp <- c(TDF_Histo_CFP$LimInf[1], TDF_Histo_CFP$LimSup)

# Ojiva Ascendente
x_asc_cfp <- c(TDF_Histo_CFP$LimInf[1], TDF_Histo_CFP$LimSup)
y_asc_cfp <- c(0, TDF_Histo_CFP$Ni_asc)

# Ojiva Descendente
x_dsc_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))
y_dsc_cfp <- c(TDF_Histo_CFP$Ni_dsc, 0)

plot(
  x_dsc_cfp,
  y_dsc_cfp,
  main = "Gráfica Nº7: Ojiva ascendente y descendente del Porcentaje de 
  Residuos Orgánicos en el estudio de la calidad 
  de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Frecuencia acumulada",
  col = "slateblue",
  type = "o",
  lwd = 2,
  xaxt = "n",
  ylim = c(0, max(TDF_Histo_CFP$Ni_asc) * 1.05)
)

# 4. Dibujar la ojiva ascendente
lines(
  x_asc_cfp,
  y_asc_cfp,
  col = "black",
  type = "o",
  lwd = 2
)

# 5. Dibujar el eje X 
axis(
  side = 1,
  at = todos_limites_cfp,
  labels = round(todos_limites_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

# 6. Leyenda
legend(
  "right",
  legend = c(
    "Ojiva descendente",
    "Ojiva ascendente"
  ),
  col = c("slateblue", "black"),
  pch = c(16, 16),
  lty = 1,
  bty = "n"
)

5.8 Ojiva ascendente y descendente (Hi)

# =========================
# OJIVAS PORCENTUALES
# =========================
par(mar = c(10, 4, 7, 2))

# 1. Definir todos los límites de clase 
todos_limites_cfp <- c(TDF_Histo_CFP$LimInf[1], TDF_Histo_CFP$LimSup)

# Ojiva Ascendente
x_asc_p_cfp <- c(TDF_Histo_CFP$LimInf[1], TDF_Histo_CFP$LimSup)
y_asc_p_cfp <- c(0, TDF_Histo_CFP$Hi_asc)

# Ojiva Descendente
x_dsc_p_cfp <- c(TDF_Histo_CFP$LimInf, tail(TDF_Histo_CFP$LimSup, 1))
y_dsc_p_cfp <- c(TDF_Histo_CFP$Hi_dsc, 0)

plot(
  x_asc_p_cfp,
  y_asc_p_cfp,
  type = "o",
  col = "black",
  pch = 16,
  lwd = 2,
  main = "Gráfica Nº8: Ojiva ascendente y descendente porcentual del Porcentaje 
  de Residuos Orgánicos en el estudio de la 
  calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de residuos orgánicos (%)",
  ylab = "Porcentaje acumulado (%)",
  ylim = c(0, 100),
  xaxt = "n"
)

# 4. Ojiva Descendente
lines(
  x_dsc_p_cfp,
  y_dsc_p_cfp,
  type = "o",
  col = "darkslateblue",
  pch = 17,
  lwd = 2
)

# 5. Dibujar el eje X 
axis(
  side = 1,
  at = todos_limites_cfp,
  labels = round(todos_limites_cfp, 1),
  las = 1,
  cex.axis = 0.8
)

grid()

# 6. Leyenda
legend(
  "right",
  legend = c(
    "Ojiva Ascendente (%)",
    "Ojiva Descendente (%)"
  ),
  col = c("black", "darkslateblue"),
  pch = c(16, 17),
  lty = 1,
  bty = "n"
)

6 Indicadores Estadísticos

6.1 Indicadores de Tendencia Central

# =========================
# INDICADORES ESTADISTICOS
# =========================

# 1. Limpieza previa de la variable CFP
CFP <- na.omit(datos$composition_food_organic_waste_percent)
CFP <- as.numeric(CFP)

# 2. Criterio del boxplot para atípicos y su rango con la cantidad al lado
atipicos_cfp <- boxplot.stats(CFP)$out
n_atipicos_cfp <- length(atipicos_cfp)

if (n_atipicos_cfp > 0) {
  rango_atipicos_cfp <- paste0("[", round(min(atipicos_cfp), 2), " ; ", round(max(atipicos_cfp), 2), "] (Valores: ", n_atipicos_cfp, ")")
} else {
  rango_atipicos_cfp <- "No existen"
}

media <- round(mean(CFP), 2)
mediana <- round(median(CFP), 2)

# =========================
# MODA (INTERVALO MODAL)
# =========================
# Moda basada en Intervalo Modal
fila_modal <- which.max(TDF_Histo_CFP$ni)
moda_intervalar <- paste0(
  "[", round(TDF_Histo_CFP$LimInf[fila_modal], 2),  
  " ; ", round(TDF_Histo_CFP$LimSup[fila_modal], 2), "]"
)

6.2 Dispersión

varianza <- var(CFP)
desv_est <- sd(CFP)
cv <- round((desv_est / media) * 100, 2)

6.3 Asimetría

library(e1071)

asimetria <- skewness(CFP, type = 2)
curtosis <- kurtosis(CFP)

6.4 Tabla de Indicadores

# =========================
# TABLA RESUMEN FINAL
# =========================
tabla_indicadores <- data.frame(
  Variable = "Residuos Orgánicos (%)",
  Rango = paste0("[", round(min(CFP), 2), " ; ", round(max(CFP), 2), "]"),
  X = media,
  Me = mediana,
  Mo = moda_intervalar,
  V = round(varianza, 2),
  Sd = round(desv_est, 2),
  Cv = cv,
  As = round(asimetria, 2),
  K = round(curtosis, 2),
  Valores_Atipicos = rango_atipicos_cfp
)

tabla_indicadores_gt <- tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("*Tabla Nº3*"),
    subtitle = md("**Indicadores estadísticos de la variable Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)**")
  ) %>%
  cols_label(
    Valores_Atipicos = "Rango Atípicos"
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_indicadores_gt

Tabla Nº3
Indicadores estadísticos de la variable Porcentaje de Residuos Orgánicos en el estudio de la calidad de agua en Europa (1991-2017)
Variable	Rango	X	Me	Mo	V	Sd	Cv	As	K	Rango Atípicos
Residuos Orgánicos (%)	[12.78 ; 62.3]	32.17	32	[27.64 ; 32.59]	128.29	11.33	35.21	0.44	-0.06	[12.78 ; 62.3] (Valores: 9434)
Autor: Grupo 3

7. Conclusión

La variable Residuos Orgánicos (%) fluctúa entre 12.78 y 62.3, y sus valores giran en torno a una mediana de 32, con una desviación estándar de 11.33. Dado que el coeficiente de variación es de 35.21%, se trata de un conjunto de valores heterogéneo. Los datos presentan una asimetría positiva, lo que indica que los valores se acumulan de manera pronunciada en la parte baja de la variable. Con la presencia de valores atípicos en el intervalo de 12.78 a 62.3 (9434 valores), resulta perjudicial para la gestión ambiental, ya que evidencia una acumulación o presencia focalizada de residuos orgánicos en los cuerpos hídricos o zonas de estudio en Europa.