0.Librerias

library(knitr)
library(kableExtra)
library(e1071)

1.Leer Datos

variables <- read.csv("C:/Users/WAN/Downloads/GlobalWeatherRepository.csv")

2. Extracción y Depuración de la Variable

Humedad <- na.omit(variables$humidity)

# Total de datos

n_total <- length(Humedad)

3. Frecuencias

3.1 Max y Min

valor_min <- min(Humedad)
valor_max <- max(Humedad)

rango <- valor_max - valor_min

3.2.Regla de Sturges

K_sturges <- floor(1 + 3.322 * log10(n_total))

cat("Número de clases:", K_sturges, "\n")
## Número de clases: 18
A_sturges <- rango / K_sturges

cat("Amplitud Sturges:", A_sturges, "\n")
## Amplitud Sturges: 5.444444

3.3. Intervalos

Li1 <- seq( valor_min,
            valor_max - A_sturges,
            by = A_sturges
)

Ls1 <- Li1 + A_sturges

3.4. Bucle para las columnas de la tabla

ni1 <- numeric(length(Li1))

for(i in 1:length(Li1)){
  
  if(i == length(Li1)){
    
    ni1[i] <- sum(
      Humedad >= Li1[i] &
        Humedad <= Ls1[i]
    )
    
  } else {
    
    ni1[i] <- sum(
      Humedad >= Li1[i] &
        Humedad < Ls1[i]
    )
  }
}

# Frecuencia relativa
hi1 <- (ni1 / sum(ni1)) * 100

# Acumuladas
Ni_asc1 <- cumsum(ni1)
Hi_asc1 <- cumsum(hi1)

Ni_dsc1 <- rev(cumsum(rev(ni1)))
Hi_dsc1 <- rev(cumsum(rev(hi1)))

# Marca de clase
MC1 <- (Li1 + Ls1)/2

3.5.Frecuencia para tabla con amplitud ajustada

amplitud <- 20

# Intervalos
Li2 <- seq(
  floor(valor_min/15)*15,
  ceiling(valor_max/15)*15 - 15,
  by = 15
)

Ls2 <- Li2 + 15

#Frecuencias

ni2 <- numeric(length(Li2))

for(i in 1:length(Li2)){
  
  if(i == length(Li2)){
    
    ni2[i] <- sum(
      Humedad >= Li2[i] &
        Humedad <= Ls2[i]
    )
    
  } else {
    
    ni2[i] <- sum(
      Humedad >= Li2[i] &
        Humedad < Ls2[i]
    )
  }
}

# Frecuencia relativa
hi2 <- (ni2 / sum(ni2)) * 100

# Acumuladas
Ni_asc2 <- cumsum(ni2)
Hi_asc2 <- cumsum(hi2)

Ni_dsc2 <- rev(cumsum(rev(ni2)))
Hi_dsc2 <- rev(cumsum(rev(hi2)))

# Marca de clase
MC2 <- (Li2 + Ls2)/2

4.Tabla de Distribución de Frecuencias

4.1. Tabla según Sturges

# Convertir a caracteres para poder mezclar números y texto

Tabla_Sturges <- data.frame(
  
  Lim_inf = round(Li1,2),
  
  Lim_sup = round(Ls1,2),
  
  MC = round(MC1,2),
  
  ni = ni1,
  
  hi = round(hi1,2),
  
  Ni_asc = Ni_asc1,
  
  Hi_asc = round(Hi_asc1,2),
  
  Ni_dsc = Ni_dsc1,
  
  Hi_dsc = round(Hi_dsc1,2)
  
)

Tabla_Sturges2 <- Tabla_Sturges
Tabla_Sturges2[] <- lapply(Tabla_Sturges2, as.character)

# Fila de totales

fila_total <- data.frame(
  Lim_inf = "TOTAL",
  Lim_sup = "",
  MC = "",
  ni = as.character(sum(ni1)),
  hi = as.character(round(sum(hi1), 2)),
  Ni_asc = "",
  Hi_asc = "",
  Ni_dsc = "",
  Hi_dsc = ""
)

# Agregar fila

Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)


kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N1: Distribución de frecuencias de la Humedad de los 
  registros meteorológicos mundiales mediante la regla de Sturges, 
  período 2024–2026 "
) |>
  
  kableExtra::kable_styling(
    full_width = TRUE,
    position = "center",
    bootstrap_options = c(
      "striped",
      "hover",
      "condensed",
      "responsive"
    )
  ) |>
  
  kableExtra::row_spec(
    0,
    bold = TRUE,
    color = "white",
    background = "#2C3E50"
  ) |>
  
  kableExtra::row_spec(
    nrow(Tabla_Sturges2),
    bold = TRUE,
    background = "#EAEDED"
  )|>
  footnote(
    general = "Elaborado por Grupo 2. 
    Fuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic","bold")
  )
Tabla N1: Distribución de frecuencias de la Humedad de los registros meteorológicos mundiales mediante la regla de Sturges, período 2024–2026
Lim_inf Lim_sup MC ni hi Ni_asc Hi_asc Ni_dsc Hi_dsc
2 7.44 4.72 574 0.41 574 0.41 141703 100
7.44 12.89 10.17 1919 1.35 2493 1.76 141129 99.59
12.89 18.33 15.61 3642 2.57 6135 4.33 139210 98.24
18.33 23.78 21.06 3509 2.48 9644 6.81 135568 95.67
23.78 29.22 26.5 4431 3.13 14075 9.93 132059 93.19
29.22 34.67 31.94 4166 2.94 18241 12.87 127628 90.07
34.67 40.11 37.39 5564 3.93 23805 16.8 123462 87.13
40.11 45.56 42.83 5362 3.78 29167 20.58 117898 83.2
45.56 51 48.28 5786 4.08 34953 24.67 112536 79.42
51 56.44 53.72 8120 5.73 43073 30.4 106750 75.33
56.44 61.89 59.17 7364 5.2 50437 35.59 98630 69.6
61.89 67.33 64.61 10654 7.52 61091 43.11 91266 64.41
67.33 72.78 70.06 10281 7.26 71372 50.37 80612 56.89
72.78 78.22 75.5 15021 10.6 86393 60.97 70331 49.63
78.22 83.67 80.94 14306 10.1 100699 71.06 55310 39.03
83.67 89.11 86.39 17508 12.36 118207 83.42 41004 28.94
89.11 94.56 91.83 13951 9.85 132158 93.26 23496 16.58
94.56 100 97.28 9545 6.74 141703 100 9545 6.74
TOTAL 141703 100
Nota: Elaborado por Grupo 2.
Fuente: Global Weather Repository.

4.2. Tabla agrupada y ajustada

TDF_Humedad <- data.frame(
  
  Lim_inf = round(Li2,2),
  
  Lim_sup = round(Ls2,2),
  
  MC = round(MC2,2),
  
  ni = ni2,
  
  hi = round(hi2,2),
  
  Ni_asc = Ni_asc2,
  
  Hi_asc = round(Hi_asc2,2),
  
  Ni_dsc = Ni_dsc2,
  
  Hi_dsc = round(Hi_dsc2,2)
  
)

# Convertir todo a texto
TDF_Humedad[] <- lapply(TDF_Humedad, as.character)

# Fila TOTAL
TDF_Total <- data.frame(
  
  Lim_inf = "TOTAL",
  
  Lim_sup = "",
  
  MC = "",
  
  ni = as.character(sum(ni2)),
  
  hi = as.character(round(sum(hi2),2)),
  
  Ni_asc = "",
  
  Hi_asc = "",
  
  Ni_dsc = "",
  
  Hi_dsc = "",
  
  stringsAsFactors = FALSE
  
)

# Agregar fila total
TDF_Humedad <- rbind(TDF_Humedad, TDF_Total)

# Renombrar columnas
colnames(TDF_Humedad) <- c(
  
  "Lim. Inf.",
  
  "Lim. Sup.",
  
  "MC",
  
  "ni",
  
  "hi (%)",
  
  "Ni Asc",
  
  "Hi Asc",
  
  "Ni Dsc",
  
  "Hi Dsc"
  
)

# Mostrar tabla

kable(
  TDF_Humedad,
  align = "c",
  caption = "Tabla N2: Distribución de frecuencias Humedad 
  temperatura °C de los registros meteorológicos mundiales con amplitud 
  de clase de 15°, período 2024–2026"
) |>
  
  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_Humedad),
    bold = TRUE,
    background = "#EAEDED"
  ) |>
  
  footnote(
    general = "Elaborado por Grupo 2. 
    Fuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic","bold")
  )
Tabla N2: Distribución de frecuencias Humedad temperatura °C de los registros meteorológicos mundiales con amplitud de clase de 15°, período 2024–2026
Lim. Inf. Lim. Sup. MC ni hi (%) Ni Asc Hi Asc Ni Dsc Hi Dsc
0 15 7.5 3651 2.58 3651 2.58 141703 100
15 30 22.5 10424 7.36 14075 9.93 138052 97.42
30 45 37.5 13952 9.85 28027 19.78 127628 90.07
45 60 52.5 19367 13.67 47394 33.45 113676 80.22
60 75 67.5 29240 20.63 76634 54.08 94309 66.55
75 90 82.5 41573 29.34 118207 83.42 65069 45.92
90 105 97.5 23496 16.58 141703 100 23496 16.58
TOTAL 141703 100
Nota: Elaborado por Grupo 2.
Fuente: Global Weather Repository.

5. Gráficos de Distribución de Frecuencias

5.1.Histograma Original (ni)

hist(
  Humedad,
  
  main = "Gráfico N°1. Distribución de frecuencias absolutas de 
  la Humedads de los registros meteorológicos mundiales agrupados
  en intervalos de 20°, período 2024–2026",
  
  xlab = "Humedad",
  
  ylab = "Frecuencia",
  
  col = "lightgreen",
  
  border = "black"
)

grid()

5.2.Histograma con relación al todo (ni)

hist(
  Humedad,
  
  breaks = c(Li2, max(Ls2)),
  
  ylim = c(0, n_total),
  
  main = "Gráfico N°2. Histograma y polígono de frecuencias 
  absolutas de la Humedad de los registros meteorológicos mundiales, 
  período 2024–2026",
  
  xlab = "Humedad",
  
  ylab = "Frecuencia",
  
  col = "lightgreen",
  
  border = "black"
)

grid()

5.3. Histograma original (hi)

barplot(
  hi2,
  
  names.arg = paste(Li2, Ls2, sep = " a "),
  
  
  main = "Gráfico N°3. Distribución de frecuencias relativas de la 
 Humedad de los registros meteorológicos mundiales agrupados en 
  intervalos de 15°, período 2024–2026",
  
  xlab = "Intervalos de Celsius",
  
  ylab = "Frecuencia Relativa (%)",
  
  col = "skyblue",
  
  las = 2
)

5.4.Histograma con relacion a todo (hi)

barplot(
  hi2,
  
  names.arg = paste(Li2, Ls2, sep = " a "),
  
  ylim = c(0, 100),
  
  main = "Gráfico N°4. Histograma y polígono de frecuencias relativas 
  de la Humedad de los registros meteorológicos mundiales, período 
  2024–2026",
  
  xlab = "Intervalos de Humedad",
  
  ylab = "Frecuencia Relativa (%)",
  
  col = "lightgreen",
  
  las = 2
)

5.5.Polígono de frecuencias (ni)

bp <- barplot(
  hi2,
  names.arg = paste(Li2, Ls2, sep = "-"),
  col = "lightgreen",
  border = "black",
  ylim = c(0, max(hi2)*1.2),
  main = "Gráfico N°5. Polígono de frecuencias absolutas de la Humedad de los registros meteorológicos mundiales, período 2024–2026",
  xlab = "Humedad",
  ylab = "Frecuencia relativa (%)"
)

# Polígono cerrado desde el límite inferior hasta el límite superior

x_pol <- c(
  bp[1] - 1,   # inicio del primer intervalo (-45)
  bp,            # centros de barras
  bp[length(bp)] + 0.5  # final del último intervalo (75)
)

y_pol <- c(
  0,
  hi2,
  0
)

lines(
  x_pol,
  y_pol,
  type = "o",
  col = "red",
  lwd = 2,
  pch = 16
)

grid()

5.6. Ojiva ascendente y descendente (ni)

plot(
  Ls2,
  Ni_asc2,
  
  type = "o",
  
  pch = 16,
  
  lwd = 2,
  
  col = "blue",
  
  ylim = c(0, max(Ni_asc2)),
  
  main = "Gráfico N°6. Polígono de frecuencias relativas de la Humedad de los registros meteorológicos mundiales, período 2024–2026",
  
  xlab = "Humedad",
  
  ylab = "Frecuencia Acumulada (Ni)"
)

lines(
  Li2,
  Ni_dsc2,
  
  type = "o",
  
  pch = 17,
  
  lwd = 2,
  
  col = "red"
)

legend(
  "right",
  
  legend = c(
    "Ojiva Ascendente",
    "Ojiva Descendente"
  ),
  
  col = c(
    "blue",
    "red"
  ),
  
  pch = c(
    16,
    17
  ),
  
  lwd = 2,
  
  bty = "n"
)

grid()

5.7.Ojiva ascentende y descendente (hi)

# Ascendente: inicia en 0
x_asc <- c(Li2[1], MC2)
y_asc <- c(0, Ni_asc2)

# Descendente: termina en 0
x_dsc <- c(MC2, Ls2[length(Ls2)])
y_dsc <- c(Ni_dsc2, 0)

# Crear gráfico vacío
plot(
  x_asc,
  y_asc,
  type = "o",
  pch = 16,
  col = "blue",
  lwd = 2,
  ylim = c(0, n_total),
  xlab = "Celsius",
  ylab = "Frecuencia Acumulada (Ni)",
  main = "Gráfico N°7: Ojivas ascendente y descendente de frecuencias absolutas acumuladas de la Temperatura Celsius de los registros meteorológicos mundiales, período 2024–2026"
)

# Agregar ojiva descendente
lines(
  x_dsc,
  y_dsc,
  type = "o",
  pch = 17,
  col = "red",
  lwd = 2
)

# Cuadrícula
grid()

# Leyenda
legend(
  "right",
  legend = c(
    "Ojiva Ascendente",
    "Ojiva Descendente"
  ),
  col = c("blue", "red"),
  pch = c(16, 17),
  lwd = 2,
  bty = "n"
)

5.8. Bloxplot

Q1 <- quantile(Humedad, 0.25)

Q3 <- quantile(Humedad, 0.75)

RIC <- Q3 - Q1

Lim_inf <- Q1 - 1.5 * RIC

Lim_sup <- Q3 + 1.5 * RIC
bp <- boxplot(
  Humedad,
  horizontal = TRUE,
  outline = FALSE,
  main = "Gráfico N°8: Ojivas ascendente y descendente de frecuencias relativas acumuladas de la Temperatura Humedad de los registros meteorológicos mundiales, período 2024–2026",
  xlab = "Humedad",
  col = "lightblue"
)

atipicos <- Humedad[
  Humedad < Lim_inf |
    Humedad > Lim_sup
]

points(
  atipicos,
  rep(1, length(atipicos)),
  col = "red",
  pch = 19,
  cex = 0.8
)

abline(v = Lim_inf, col = "blue", lwd = 2, lty = 2)
abline(v = Lim_sup, col = "blue", lwd = 2, lty = 2)

#Outliers

Lim_inf2 <- Q1 - 1.0 * RIC
Lim_sup2 <- Q3 + 1.0 * RIC

atipicos2 <- Humedad[
  Humedad < Lim_inf2 |
    Humedad > Lim_sup2
]

length(atipicos2)
## [1] 4194
legend(
  "topright",
  legend = c(
    "Atípicos",
    "Límites de Tukey"
  ),
  col = c("red", "blue"),
  pch = c(19, NA),
  lty = c(NA, 2),
  lwd = c(NA, 2),
  bty = "n"
)

grid()

6. Indicadores Estadísticos

6.1.Tendencia central

media <- mean(Humedad)

mediana <- median(Humedad)

# Moda aproximada usando la clase modal

tabla_moda <- TDF_Humedad[
  TDF_Humedad$`Lim. Inf.` != "TOTAL",
]

ni_num <- as.numeric(tabla_moda$ni)

max_ni <- max(ni_num)

moda <- as.numeric(
  tabla_moda$MC[
    ni_num == max_ni
  ]
)

6.2.Dispersión

varianza <- var(Humedad)

desv_est <- sd(Humedad)

cv <- (desv_est / media) * 100

6.3.Forma

asimetria <- skewness(Humedad)

curtosis <- kurtosis(Humedad)

6.4.Valores atípicos

Q1 <- quantile(Humedad, 0.25)

Q3 <- quantile(Humedad, 0.75)

RIC <- Q3 - Q1

lim_inf <- Q1 - 1.5 * RIC

lim_sup <- Q3 + 1.5 * RIC

atipicos <- Humedad[
  Humedad < lim_inf |
    Humedad > lim_sup
]

n_atipicos <- length(atipicos)

intervalo_atipicos <- paste0(
  "[",
  round(lim_inf,2),
  "; ",
  round(lim_sup,2),
  "]"
)

# Rango

rango_texto <- paste0(
  "[",
  round(min(Humedad),2),
  "; ",
  round(max(Humedad),2),
  "]"
)

6.5. Tabla de indicadores

tabla_indicadores <- data.frame(
  
  Variable = "Celsius",
  
  Rango = rango_texto,
  
  Media = round(media,2),
  
  Mediana = round(mediana,2),
  
  Moda = round(moda,2),
  
  Varianza = round(varianza,2),
  
  Desv_Est = round(desv_est,2),
  
  CV = round(cv,2),
  
  Asimetria = round(asimetria,2),
  
  Curtosis = round(curtosis,2),
  
  N_Atipicos = n_atipicos
)

# Mostrar tabla

kable(
  tabla_indicadores,
  align = "c",
  caption = " Indicadores estadísticos descriptivos de la variable 
 Humedad en registros meteorológicos mundiales, período 2024–2026 en 
  registros meteorológicos mundiales, período 2024–2026"
) |>
  kable_styling(
    full_width = FALSE,
    position = "center",
    bootstrap_options = c(
      "striped",
      "hover",
      "condensed",
      "responsive"
    )
  ) |>
  row_spec(
    0,
    bold = TRUE,
    color = "white",
    background = "#2C3E50"
  )
Indicadores estadísticos descriptivos de la variable Humedad en registros meteorológicos mundiales, período 2024–2026 en registros meteorológicos mundiales, período 2024–2026
Variable Rango Media Mediana Moda Varianza Desv_Est CV Asimetria Curtosis N_Atipicos
Celsius [2; 100] 66.75 72 82.5 566.56 23.8 35.66 -0.65 -0.49 0 
tabla_indicadores

7. Conclusiones

El comportamiento de la temperatura en grados Celsius fluctúa entre -29.8 °C y 79.3 °C, y sus valores giran en torno a la mediana de 23.7 °C, debido a la presencia de 1989 valores atípicos que pueden influir en la media aritmética de 21.24 °C. Presenta una desviación estándar de 9.64 °C y un coeficiente de variación de 45.41 %, por lo que constituye un conjunto de datos heterogéneo. La distribución muestra una concentración moderada de los datos alrededor de la media (curtosis ligeramente leptocúrtica de 0.76 y una mayor acumulación de observaciones en los valores altos de temperatura, con una cola extendida hacia los valores bajos asimetría negativa de -0.83. Por todo lo anterior, el comportamiento de la temperatura mundial durante el período 2024–2026 se caracteriza por una predominancia de temperaturas templadas a cálidas, aunque existen registros extremos tanto de frío como de calor que generan una amplia variabilidad en los datos analizados.