Variable Original: MSTATE

Nombre Variable: ESTADO_MINA

Tipo: Cualitativa Nominal

Escala: Nominal

Justificación de la variable: El estado donde se ubica físicamente cada mina es la variable geográfica principal del proyecto. Permite identificar qué regiones concentran mayor actividad minera y correlacionarlas con los niveles de emisiones de CO2, NOx y CH4 por estado.

1 Carga y Preparación de los Datos

library(dplyr)
library(gt)

datos <- read.csv("~/Estudio/TERCER SEMESTRE/Estadistica/Dataset.csv",
                   sep = ";", stringsAsFactors = FALSE)

ESTADO_MINA <- trimws(as.character(datos$MSTATE))
ESTADO_MINA <- ESTADO_MINA[!is.na(ESTADO_MINA) & ESTADO_MINA != ""]
n <- length(ESTADO_MINA)

cat("n validos :", n, "\n")
## n validos : 2921

2 Agrupación por Región Geográfica

Se agrupan los 50 estados en 8 regiones geográficas para mantener la tabla con máximo 10 filas (recomendación académica).

region <- character(length(ESTADO_MINA))

for (i in 1:length(ESTADO_MINA)) {
  if (ESTADO_MINA[i] %in% c("KY","WV","VA","PA","TN")) {
    region[i] <- "Appalachia"
  } else if (ESTADO_MINA[i] %in% c("AL","GA","MS","AR","LA","FL","SC","NC","TX")) {
    region[i] <- "Sur"
  } else if (ESTADO_MINA[i] %in% c("OH","IN","NY","MD","NJ","CT","MA","VT","NH","ME","RI","DE")) {
    region[i] <- "Noreste"
  } else if (ESTADO_MINA[i] %in% c("IL","MO","KS","IA","MN","WI","ND","SD","NE","MI")) {
    region[i] <- "Centro"
  } else if (ESTADO_MINA[i] %in% c("AZ","NM","CO","UT","NV","CA")) {
    region[i] <- "Suroeste"
  } else if (ESTADO_MINA[i] %in% c("WA","OR","ID","MT","WY")) {
    region[i] <- "Noroeste"
  } else if (ESTADO_MINA[i] %in% c("AK","HI")) {
    region[i] <- "Alaska/Hawaii"
  } else {
    region[i] <- "Otros"
  }
}

cat("Distribucion por region:\n")
## Distribucion por region:
print(table(region))
## region
## Alaska/Hawaii    Appalachia        Centro       Noreste      Noroeste 
##            20          1506           161           338           130 
##         Otros           Sur      Suroeste 
##            64           403           299

3 Tabla de Distribución de Frecuencias

NOTA: al ser variable NOMINAL no se calculan frecuencias acumuladas (Ni/Hi), ya que las categorías (regiones) no tienen un orden lógico entre sí.

TDF <- as.data.frame(table(region)) %>%
  rename(Region = region, ni = Freq) %>%
  arrange(desc(ni)) %>%
  mutate(hi = round(ni / sum(ni) * 100, 2))

# Ajuste matemático para forzar que la suma de 'hi' sea exactamente 100
diferencia <- 100 - sum(TDF$hi, na.rm = TRUE)
if (diferencia != 0 & nrow(TDF) > 0) {
  pos_max <- which.max(TDF$ni)
  TDF$hi[pos_max] <- TDF$hi[pos_max] + diferencia
}

# Fila total
TDF_total <- TDF %>%
  mutate(Region = as.character(Region)) %>%
  bind_rows(
    data.frame(Region = "TOTAL", ni = sum(TDF$ni), hi = sum(TDF$hi))
  )

TDF_total %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°1**"),
    subtitle = "Distribución Nominal por Región Geográfica (MSTATE)"
  ) %>%
  cols_label(Region = "Región", ni = "Frecuencia", hi = "Porcentaje (%)") %>%
  cols_align(align = "center", columns = everything()) %>%
  fmt_number(columns = c(ni, hi), decimals = 0) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = Region == "TOTAL")
  ) %>%
  tab_source_note(source_note = md("Autor: Grupo 4 - Minas"))
Tabla N°1
Distribución Nominal por Región Geográfica (MSTATE)
Región Frecuencia Porcentaje (%)
Appalachia 1,506 52
Sur 403 14
Noreste 338 12
Suroeste 299 10
Centro 161 6
Noroeste 130 4
Otros 64 2
Alaska/Hawaii 20 1
TOTAL 2,921 100
Autor: Grupo 4 - Minas

4 Diagramas de Barras

par(mar = c(8, 5, 4, 2))
barplot(TDF_graf$ni,
        names.arg = TDF_graf$Region,
        main = "Gráfica N°1: Distribución de cantidad por región geográfica\nen instalaciones mineras de Estados Unidos",
        xlab = "", ylab = "Cantidad (ni)",
        col = "#2E75B6",
        las = 2, cex.names = 0.9)

par(mar = c(8, 5, 4, 2))
barplot(TDF_graf$hi,
        names.arg = TDF_graf$Region,
        main = "Gráfica N°2: Distribución de cantidad en porcentaje\npor región geográfica en instalaciones mineras de Estados Unidos",
        xlab = "", ylab = "Porcentaje (%)",
        col = "#AEC6E8",
        las = 2, cex.names = 0.9,
        ylim = c(0, max(TDF_graf$hi) * 1.2))

5 Diagrama Circular

colores <- c("#1f78b4","#33a02c","#e31a1c","#ff7f00",
             "#6a3d9a","#b15928","#a6cee3","#b2df8a")

par(mar = c(5, 2, 4, 14), xpd = TRUE)
pie(TDF_graf$hi,
    labels = NA,
    col = colores[1:nrow(TDF_graf)],
    radius = 0.8,
    main = "Gráfica N°3: Distribución de cantidad en porcentaje\npor región geográfica")
legend("right",
       inset = c(-0.35, 0),
       legend = paste0(TDF_graf$Region, " (", TDF_graf$hi, "%)"),
       fill = colores[1:nrow(TDF_graf)],
       title = "REGIÓN",
       bty = "n", xpd = TRUE, cex = 0.8)

par(xpd = FALSE)

6 Indicadores Estadísticos

moda_region <- TDF_graf[TDF_graf$ni == max(TDF_graf$ni), ]
moda_region
##       Region   ni    hi
## 1 Appalachia 1506 51.56

7 Conclusión

conclusion <- sprintf(
  "La variable estado de la mina fue agrupada en 8 regiones geográficas para facilitar su análisis. El total de registros válidos es de %d instalaciones mineras. La región con mayor concentración es '%s', con %d instalaciones (%.0f%% del total). Esta distribución geográfica no es uniforme: %s concentra la mayor actividad minera del país, lo cual es consistente con la hipótesis del proyecto de que existe una correlación entre densidad minera por estado y los niveles de emisiones de CO2, NOx y CH4 reportados para el año 2018."
  , n, moda_region$Region[1], moda_region$ni[1], moda_region$hi[1], moda_region$Region[1]
)
print(conclusion)
## [1] "La variable estado de la mina fue agrupada en 8 regiones geográficas para facilitar su análisis. El total de registros válidos es de 2921 instalaciones mineras. La región con mayor concentración es 'Appalachia', con 1506 instalaciones (52% del total). Esta distribución geográfica no es uniforme: Appalachia concentra la mayor actividad minera del país, lo cual es consistente con la hipótesis del proyecto de que existe una correlación entre densidad minera por estado y los niveles de emisiones de CO2, NOx y CH4 reportados para el año 2018."