Número de habitantes

# Tema: Estadística Descriptiva
# Autor: Camila Zambrano
# Fecha: 30/05/2026

0.Carga de librerías

library(knitr)
library(kableExtra)
library(readr)
library(gt)
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following object is masked from 'package:kableExtra':
## 
##     group_rows

## 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

setwd("~/CAMILA")
datos <- read.csv("city_day.csv",
                  header = TRUE, 
                  sep = ",", dec = "." )

2. Selección de la variable

habitantes <- datos$Número.de.habitantes

3. Conteo (frecuencia)

# Valores mínimos y máximos
min <- min(habitantes)
max <- max(habitantes)

cortes <- c(0, 8000000, 16000000, 24000000, 32000000, 34000000)

intervalos_legibles <- paste(
  format(head(cortes, -1), big.mark = ",", scientific = FALSE, trim = TRUE),
  format(tail(cortes, -1), big.mark = ",", scientific = FALSE, trim = TRUE),
  sep = " - "
)

habitantes_cut <- cut(
  datos$Número.de.habitantes,
  breaks = cortes,
  right = TRUE,
  labels = intervalos_legibles
)

TDF_habitantes <- data.frame(table(habitantes_cut))

ni <- TDF_habitantes$Freq
sum(ni)

## [1] 29531

hi <- (ni/sum(ni))
sum(hi)

## [1] 1

# Frecuencias accumuladas
Ni_asc <- cumsum(ni)
Hi_asc <- cumsum(hi)
Ni_dsc <- rev(cumsum(rev(ni)))
Hi_dsc <- rev(cumsum(rev(hi)))

4. Tabla de distribución de frecuencia

TDF_habitantes <- data.frame(
  as.character(levels(habitantes_cut)),
  ni,
  "hi(%)" = round(hi * 100, 2),
  "Ni asc" = Ni_asc,
  "Ni dsc" = Ni_dsc,
  "Hi asc(%)" = round(Hi_asc * 100, 2),
  "Hi dsc(%)" = round(Hi_dsc * 100, 2)
)
colnames(TDF_habitantes) <- c("Intervalos de número de habitantes","ni","hi(%)",
                              "Ni asc","Ni dsc","Hi asc","Hi dsc")
totales <- data.frame( TDF_habitantes=" TOTAL ",
                       ni= sum(ni),
                       hi= sum(hi*100),
                       Ni_asc= "-",
                       Ni_dsc= "-",
                       Hi_asc= "-",
                       Hi_dsc= "-")
colnames(totales) <- c("Intervalos de número de habitantes","ni","hi(%)",
                       "Ni asc","Hi asc","Ni dsc","Hi dsc")
TDF_numerohabitantes <- rbind(TDF_habitantes,totales)


#Creación tabla
tabla_habitantes <- TDF_numerohabitantes %>%
  gt() %>%
  tab_header(
    title = md("*Tabla N°1*"),
    subtitle = md("**Distribucion de frecuencia del número de habitantes por 
                  ciudad en el análisis sobre la calidad del aire en India**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1")
  ) %>%
  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"
  )

tabla_habitantes

Tabla N°1
Distribucion de frecuencia del número de habitantes por ciudad en el análisis sobre la calidad del aire en India
Intervalos de número de habitantes	ni	hi(%)	Ni asc	Ni dsc	Hi asc	Hi dsc
0 - 8,000,000	16666	56.44	16666	29531	56.44	100
8,000,000 - 16,000,000	8847	29.96	25513	12865	86.39	43.56
16,000,000 - 24,000,000	2009	6.80	27522	4018	93.2	13.61
24,000,000 - 32,000,000	0	0.00	27522	2009	93.2	6.8
32,000,000 - 34,000,000	2009	6.80	29531	2009	100	6.8
TOTAL	29531	100.00	-	-	-	-
Autor: Grupo 1

5. Gráficas de distribución de frecuencia

5.1 Histograma

Diagrama de barras general

par(mar = c(8, 6, 4, 2))
barplot(ni,
        main="Gráfica N°1: Distribución de habitantes por intervalos
        en las ciudades sobre el análisis sobre la calidad del aire en India",
        xlab = "Número de habitantes",
        ylab = "Cantidad",
        col = "blue",
        ylim = c(0,max(ni)),
        names.arg=TDF_habitantes$`Intervalos de número de habitantes`,
        las=2,
        cex.names=0.4,
        cex.axis = 0.7,
        cex.main = 0.9,
        mgp = c(5, 1 , 0))

Diagrama de barras con relación al todo

barplot(ni,
        main="Gráfica N°2: Distribución de habitantes por intervalos
        en las ciudades sobre el análisis de la calidad del aire en India",
        xlab = "Número de habitantes",
        ylab = "Cantidad",
        col = "lightgreen",
        ylim = c(0,29531),
        names.arg=TDF_habitantes$`Intervalos de número de habitantes`,
        las=2,
        cex.names=0.4,
        cex.axis = 0.9,
        cex.main = 0.9,
        mgp = c(5, 1, 0))

5.2 Histograma porcentual

Histograma porcentual general

barplot(TDF_habitantes$`hi(%)`,
        main="Gráfica N°3: Distribución de habitantes por intervalos
        en las ciudades sobre el análisis de la calidad del aire en India",
        xlab = "Número de habitantes",
        ylab = "Porcentaje",
        col = "lightblue",
        names.arg=TDF_habitantes$`Intervalos de número de habitantes`,
        las=2,
        cex.names=0.4,
        cex.axis = 0.9,
        cex.main = 0.9,
        mgp = c(5, 1, 0))

Histograma porcentual con relación al todo

barplot(TDF_habitantes$`hi(%)`,
        main="Gráfica N°4: Distribución de habitantes por intervalos
        en las ciudades sobre el análisis de la calidad del aire en India", 
        xlab = "Número de habitantes",
        ylab = "Porcentaje",
        col = "green",
        ylim = c(0,100),
        names.arg=TDF_habitantes$`Intervalos de número de habitantes`,
        las=2,
        cex.names=0.4,
        cex.axis = 0.9,
        cex.main = 0.9,
        mgp = c(5, 1, 0))

6. Diagrama de cajas

options(scipen = 999)

boxplot(habitantes,
        horizontal = TRUE,
        main = "Gráfica N°5: Distribución del número de habitantes en las 
        ciudades sobre el análisis de la calidad del aire 
        en India",
        xlab = " Número de habitantes",
        col = "turquoise",
        pch = 1)

7. Ojivas

7.1 Ojivas Ascendentes y Descendentes (ni)

par(mar = c(9, 6, 4, 2))
x_pos <- 1:length(TDF_habitantes$`Intervalos de número de habitantes`)
plot(x_pos ,Ni_dsc,
     main = "Gráfica N°6: Distribución de Número de habitantes por ciudades
  sobre el análisis de la calidad del aire en India",
     xlab = " Número de habitantes",
     ylab = "Cantidad",
     col = "orange",
     type = "o",
     lwd = 3,
     xaxt="n",
     mgp = c(5, 1, 0),
     ylim = c(0, max(c(Ni_asc, Ni_dsc))))

lines(x_pos,Ni_asc,
      col = "green",
      type = "o",
      lwd = 3)
axis(side = 1, at = x_pos, labels = TDF_habitantes$`Intervalos de número de 
     habitantes`,
     las = 2, cex.axis = 0.4)

7.2 Ojivas Ascendentes y Descendentes (hi)

par(mar = c(9, 6, 4, 2))
x_por <- 1:length(TDF_habitantes$`Intervalos de número de habitantes`)
plot(x_pos, Hi_dsc * 100,
     main = "Gráfica N°7: Distribución de Número de havitantes por ciudad sobre 
     el análisis de la calidad del aire en India",
     xlab = " Número de habitantes",
     ylab = "Porcentaje",
     col = "red",
     type = "o",
     mgp = c(5, 1, 0),
     lwd = 2,
     xaxt="n")
lines(x_pos, Hi_asc * 100,
      col = "blue",
      type = "o",
      lwd = 3)
axis(side = 1, at = x_pos, labels =  TDF_habitantes$`Intervalos de número de 
     habitantes`, 
     las = 2, cex.axis = 0.4)

8. Indicadores Estadísticos

8.1 Indicadores de Tendencia Central

# Media aritmética
media <- mean(habitantes)
media

## [1] 8512278

# Mediana
mediana <- median(habitantes)
mediana

## [1] 3900000

# Moda
Mo <- "[0 -  8,000,000]"

8.2 Inidicadores de Dispersión

# Varianza
varianza <- var(habitantes)
varianza

## [1] 86969315752243

# Desviación estándar
sd <- sd(habitantes)
sd

## [1] 9325734

# Coeficiente de variación
cv <- round((sd / media)*100, 2)
cv

## [1] 109.56

8.3 Indicadores de Forma

# Asimetría 
library(e1071)
asimetria <- skewness(habitantes, type = 2)
asimetria

## [1] 1.370879

# Curtosis
curtosis <- kurtosis(habitantes)
curtosis

## [1] 1.180503

Tabla_indicadores <- data.frame(
  "Variable" = c("Número de habitantes"),
  "Rango" = "[8000,33800000]",
  "X" = media,
  "Me" = round(mediana, 2),
  "Mo" = "[0 -  8,000,000]",
  "V" = round(varianza, 2),
  "Sd" = round(sd, 2),
  "Cv" = cv,
  "As" = round(asimetria, 2),
  "K" = round(curtosis, 2),
  "Valores Atípicos" = "[10230,12238]"
)

library(knitr)

kable(
  Tabla_indicadores,
  align = "c",
  caption = "Conclusiones de la variable Número de habitantes"
)

Conclusiones de la variable Número de habitantes

Variable	Rango	X	Me	Mo	V	Sd	Cv	As	K	Valores.Atípicos
Número de habitantes	[8000,33800000]	8512278	3900000	[0 - 8,000,000]	86969315752243	9325734	109.56	1.37	1.18	[10230,12238]

9. Conclusiones

La variable número de habitantes fluctúa entre 8000 y 33800000, y sus valores giran entorno a 3900000 con una desviación estándar de 9325734, siendo un conjunto de valores muy heterogéneo. El conjunto de valores se concentra fuertemente en la parte alta de la variable. Con la presencia de valores atípicos del intervalo 10230 a 12238.