Análisis de la variable STAT_DATE

library(dplyr)
library(gt)

Dataset <- read.csv(
  "C:/Users/User/Downloads/Dataset.csv",
  header = TRUE,
  sep = ";"
)

Carga de datos

datos <- Dataset

FCH_ESTATUTO <- trimws(as.character(datos$STAT_DATE))
FCH_ESTATUTO <- FCH_ESTATUTO[!is.na(FCH_ESTATUTO) & FCH_ESTATUTO != ""]

anios <- substr(FCH_ESTATUTO, 1, 4)

anios <- anios[
  as.numeric(anios) >= 1990 &
  as.numeric(anios) <= 2010
]

n <- length(anios)

anios <- factor(
  anios,
  levels = sort(unique(anios)),
  ordered = TRUE
)

cat("Variable : STAT_DATE\n")

## Variable : STAT_DATE

cat("Nombre : FCH_ESTATUTO\n")

## Nombre : FCH_ESTATUTO

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

## n validos : 2503

Tabla de frecuencias

TDF <- as.data.frame(table(anios))

names(TDF) <- c("Anio", "fi")

TDF <- TDF %>%
  mutate(
    fri = round(fi / n * 100, 2),
    Ni_asc = cumsum(fi),
    Ni_des = rev(cumsum(rev(fi))),
    Hi_asc = round(cumsum(fri), 2),
    Hi_des = round(rev(cumsum(rev(fri))), 2)
  )

TDF_total <- TDF %>%
  add_row(
    Anio = "Total",
    fi = sum(TDF$fi),
    fri = round(sum(TDF$fri), 2),
    Ni_asc = max(TDF$Ni_asc),
    Ni_des = min(TDF$Ni_des),
    Hi_asc = max(TDF$Hi_asc),
    Hi_des = min(TDF$Hi_des)
  )

TDF_total

##     Anio   fi    fri Ni_asc Ni_des Hi_asc Hi_des
## 1   1990   41   1.64     41   2503   1.64 100.01
## 2   1991   42   1.68     83   2462   3.32  98.37
## 3   1992   40   1.60    123   2420   4.92  96.69
## 4   1993   41   1.64    164   2380   6.56  95.09
## 5   1994   32   1.28    196   2339   7.84  93.45
## 6   1995   46   1.84    242   2307   9.68  92.17
## 7   1996   65   2.60    307   2261  12.28  90.33
## 8   1997   78   3.12    385   2196  15.40  87.73
## 9   1998   87   3.48    472   2118  18.88  84.61
## 10  1999  117   4.67    589   2031  23.55  81.13
## 11  2000  126   5.03    715   1914  28.58  76.46
## 12  2001  175   6.99    890   1788  35.57  71.43
## 13  2002  196   7.83   1086   1613  43.40  64.44
## 14  2003  241   9.63   1327   1417  53.03  56.61
## 15  2004  374  14.94   1701   1176  67.97  46.98
## 16  2005  535  21.37   2236    802  89.34  32.04
## 17  2006  267  10.67   2503    267 100.01  10.67
## 18 Total 2503 100.01   2503    267 100.01  10.67

Tabla formateada

TDF_total %>%
  gt() %>%
  tab_header(
    title = md("**Tabla 1**"),
    subtitle = md("Distribución de frecuencias por año de estatuto")
  )

Anio	fi	fri	Ni_asc	Ni_des	Hi_asc	Hi_des
Tabla 1
Distribución de frecuencias por año de estatuto
1990	41	1.64	41	2503	1.64	100.01
1991	42	1.68	83	2462	3.32	98.37
1992	40	1.60	123	2420	4.92	96.69
1993	41	1.64	164	2380	6.56	95.09
1994	32	1.28	196	2339	7.84	93.45
1995	46	1.84	242	2307	9.68	92.17
1996	65	2.60	307	2261	12.28	90.33
1997	78	3.12	385	2196	15.40	87.73
1998	87	3.48	472	2118	18.88	84.61
1999	117	4.67	589	2031	23.55	81.13
2000	126	5.03	715	1914	28.58	76.46
2001	175	6.99	890	1788	35.57	71.43
2002	196	7.83	1086	1613	43.40	64.44
2003	241	9.63	1327	1417	53.03	56.61
2004	374	14.94	1701	1176	67.97	46.98
2005	535	21.37	2236	802	89.34	32.04
2006	267	10.67	2503	267	100.01	10.67
Total	2503	100.01	2503	267	100.01	10.67

Gráfico de frecuencia absoluta

TDF_graf <- TDF_total %>%
  filter(Anio != "Total")

barplot(
  TDF_graf$fi,
  names.arg = TDF_graf$Anio,
  las = 2,
  col = "#7030A0",
  main = "Frecuencia Absoluta",
  ylab = "Frecuencia absoluta"
)

Gráfico de frecuencia relativa

barplot(
  TDF_graf$fri,
  names.arg = TDF_graf$Anio,
  las = 2,
  col = "#C5A3D8",
  main = "Frecuencia Relativa",
  ylab = "Frecuencia relativa (%)"
)

Diagrama circular

pie(
  TDF_graf$fri,
  labels = TDF_graf$Anio,
  main = "Distribución porcentual"
)

Ojiva acumulada

plot(
  1:nrow(TDF_graf),
  TDF_graf$Hi_asc,
  type = "b",
  pch = 16,
  xaxt = "n",
  main = "Ojiva acumulada",
  ylab = "Frecuencia acumulada (%)"
)

axis(
  1,
  at = 1:nrow(TDF_graf),
  labels = TDF_graf$Anio,
  las = 2
)

Indicadores estadísticos

moda_idx <- which.max(TDF_graf$fi)

moda <- TDF_graf$Anio[moda_idx]
moda_fi <- TDF_graf$fi[moda_idx]
moda_fri <- TDF_graf$fri[moda_idx]

med_idx <- which(TDF_graf$Ni_asc >= n/2)[1]
mediana <- TDF_graf$Anio[med_idx]

data.frame(
  Indicador = c("Moda", "Mediana"),
  Resultado = c(
    paste0(moda, " (", moda_fi, " eventos, ", moda_fri, "%)"),
    mediana
  )
)

##   Indicador                  Resultado
## 1      Moda 2005 (535 eventos, 21.37%)
## 2   Mediana                       2003

Conclusión

La variable STAT_DATE representa el año del estado operativo registrado para cada instalación minera. El análisis permite identificar los períodos con mayor concentración de cambios de estado y proporciona una referencia temporal para relacionar la actividad minera con las emisiones estatales de CO₂, NOx y CH₄.

STATE_DATE