Exploración y Producción de los Pozos Petrolíferos en Brasil
Leonardo Ruiz
2026-03-08
knitr::opts_chunk$set(echo = TRUE)
setwd("C:/Users/LEO/Documents/ESTA")
Datos <- read.csv("tabela_de_pocos_janeiro_2018.csv", header = TRUE, sep = ";" , dec = ".", fileEncoding = "Latin1")1 Introducción y Metodología
El presente informe estadístico analiza la variable Cota Altimétrica de pozos petroleros de Brasil.
library(readxl)
library(dplyr)
library(gt)
library(e1071)
# Carga de datos
Datos_Brutos <- read_xlsx("C:/Users/LEO/Documents/ESTA/tabela_de_pocos_janeiro_2018.xlsx", sheet = 1)
colnames(Datos_Brutos) <- trimws(colnames(Datos_Brutos))
# Selección y cambio de la variable LATITUDE_BASE_DD renombrada como lat_base_gd
Datos <- Datos_Brutos %>%
select(any_of(c("POCO", "LATITUDE_BASE_DD"))) %>%
mutate(lat_base_gd = as.numeric(gsub(",", ".", as.character(LATITUDE_BASE_DD))))
Variable <- na.omit(Datos$lat_base_gd)
# Filtro para valores razonables de latitud en el territorio de Brasil (entre -35 y 5 grados)
Variable <- Variable[Variable >= -35 & Variable <= 5]
if(length(Variable) == 0) {
stop("ERROR: No hay datos válidos para la variable seleccionada.")
}
# 2. CÁLCULOS MATEMÁTICOS PARA LA TABLA
N <- length(Variable)
K <- floor(1 + 3.322 * log10(N))
breaks_table <- seq(min(Variable), max(Variable), length.out = K + 1)
# Cálculo de ni usando cut
ni <- as.vector(table(cut(Variable, breaks = breaks_table, include.lowest = TRUE, right = FALSE)))
# Cálculo de vectores estadísticos (Mantenemos los valores reales sin redondear para la tabla)
hi <- (ni / sum(ni)) * 100
Ni_asc <- cumsum(ni)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_asc <- cumsum(hi)
Hi_desc <- rev(cumsum(rev(hi)))
# Creación de la Tabla de Distribución de Frecuencias (TDF)
TDF_Latitud <- data.frame(
Li = round(breaks_table[1:K], 2),
Ls = round(breaks_table[2:(K+1)], 2),
MC = round((breaks_table[1:K] + breaks_table[2:(K+1)]) / 2, 2),
ni = ni,
hi = hi,
Ni_asc = Ni_asc,
Ni_desc = Ni_desc,
Hi_asc = Hi_asc,
Hi_desc = Hi_desc
)
col_gris_azulado <- "#5D6D7E"
col_ejes <- "#2E4053"
# Configuración de los breaks automáticos e histograma base para distribución geográfica
breaks_auto <- seq(min(Variable), max(Variable), length.out = K + 1)
h_base <- hist(Variable, breaks = breaks_auto, plot = FALSE)
limite_x <- c(min(breaks_auto), max(breaks_auto))2 Distribución de Frecuencias
Tabla de distribución de frecuencias para la Cota Altimétrica.
TDF_Latitud %>%
gt(rowname_col = "Li") %>%
tab_header(
title = md("**DISTRIBUCIÓN DE FRECUENCIAS: LATITUD BASE**"),
subtitle = md("Variable: **lat_base_gd**")
) %>%
tab_source_note(source_note = "Fuente: Datos ANP 2018") %>%
grand_summary_rows(
columns = c(ni, hi),
fns = list("TOTAL" = ~sum(., na.rm = TRUE))
) %>%
# Formateamos números enteros
fmt_number(
columns = c(ni, Ni_asc, Ni_desc),
decimals = 0,
use_seps = TRUE
) %>%
# Formateamos los porcentajes a 2 decimales
fmt_number(
columns = c(hi, Hi_asc, Hi_desc),
decimals = 2
) %>%
cols_label(
Ls = "Lím. Sup", MC = "Marca Clase (Xi)",
ni = "ni", hi = "hi (%)",
Ni_asc = "Ni (Asc)", Ni_desc = "Ni (Desc)",
Hi_asc = "Hi (Asc)", Hi_desc = "Hi (Desc)"
) %>%
tab_stubhead(label = "Lím. Inf") %>%
# Alineación de datos al centro
cols_align(align = "center", columns = everything()) %>%
# Alineación del Stub (Lím. Inf y la palabra TOTAL) al centro
tab_style(
style = cell_text(align = "center"),
locations = cells_stub()
) %>%
# Estética de los encabezados (Azul oscuro / Verde petróleo con texto blanco)
tab_style(
style = list(cell_fill(color = "#1F4E5B"), cell_text(color = "white", weight = "bold")),
locations = list(cells_title(), cells_column_labels(), cells_stubhead())
) %>%
tab_options(
table.border.top.style = "none",
table.border.bottom.color = "#2E4053",
column_labels.border.bottom.color = "#2E4053",
data_row.padding = px(6)
)| DISTRIBUCIÓN DE FRECUENCIAS: LATITUD BASE | ||||||||
| Variable: lat_base_gd | ||||||||
| Lím. Inf | Lím. Sup | Marca Clase (Xi) | ni | hi (%) | Ni (Asc) | Ni (Desc) | Hi (Asc) | Hi (Desc) |
|---|---|---|---|---|---|---|---|---|
| -32.93 | -30.43 | -31.68 | 12 | 0.04 | 12 | 29,575 | 0.04 | 100.00 |
| -30.43 | -27.93 | -29.18 | 18 | 0.06 | 30 | 29,563 | 0.10 | 99.96 |
| -27.93 | -25.44 | -26.68 | 303 | 1.02 | 333 | 29,545 | 1.13 | 99.90 |
| -25.44 | -22.94 | -24.19 | 877 | 2.97 | 1,210 | 29,242 | 4.09 | 98.87 |
| -22.94 | -20.44 | -21.69 | 3,079 | 10.41 | 4,289 | 28,365 | 14.50 | 95.91 |
| -20.44 | -17.94 | -19.19 | 2,029 | 6.86 | 6,318 | 25,286 | 21.36 | 85.50 |
| -17.94 | -15.45 | -16.70 | 135 | 0.46 | 6,453 | 23,257 | 21.82 | 78.64 |
| -15.45 | -12.95 | -14.20 | 163 | 0.55 | 6,616 | 23,122 | 22.37 | 78.18 |
| -12.95 | -10.45 | -11.70 | 11,444 | 38.69 | 18,060 | 22,959 | 61.07 | 77.63 |
| -10.45 | -7.96 | -9.21 | 1,051 | 3.55 | 19,111 | 11,515 | 64.62 | 38.93 |
| -7.96 | -5.46 | -6.71 | 611 | 2.07 | 19,722 | 10,464 | 66.68 | 35.38 |
| -5.46 | -2.96 | -4.21 | 9,444 | 31.93 | 29,166 | 9,853 | 98.62 | 33.32 |
| -2.96 | -0.47 | -1.71 | 274 | 0.93 | 29,440 | 409 | 99.54 | 1.38 |
| -0.47 | 2.03 | 0.78 | 52 | 0.18 | 29,492 | 135 | 99.72 | 0.46 |
| 2.03 | 4.53 | 3.28 | 83 | 0.28 | 29,575 | 83 | 100.00 | 0.28 |
| TOTAL | — | — | 29575 | 100 | — | — | — | — |
| Fuente: Datos ANP 2018 | ||||||||
3 Análisis Gráfico
3.1 GRÁFICO 1: Histograma Absoluto
par(mar = c(8, 5, 4, 2))
plot(h_base,
main = "Gráfica No.1: Distribución de lat_base_gd de Pozos Petroleros de Brasil",
xlab = "Latitud Base - lat_base_gd (Grados)", ylab = "Frecuencia Absoluta",
col = col_gris_azulado, border = "white", axes = FALSE,
ylim = c(0, max(h_base$counts) * 1.1),
xlim = limite_x)
axis(1, at = round(seq(limite_x[1], limite_x[2], length.out = 10), 2), las = 2, cex.axis = 0.7)
axis(2)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted") 
3.2 GRÁFICO 2: Histograma Global
par(mar = c(8, 5, 4, 2))
plot(h_base,
main = "Gráfica N°2: Distribución de lat_base_gd de Pozos Petroleros de Brasil",
xlab = "Latitud Base - lat_base_gd (Grados)", ylab = "Total Pozos",
col = col_gris_azulado, border = "white", axes = FALSE,
ylim = c(0, sum(h_base$counts)),
xlim = limite_x)
axis(1, at = round(seq(limite_x[1], limite_x[2], length.out = 10), 2), las = 2, cex.axis = 0.7)
axis(2)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
3.3 GRÁFICO 3: Porcentajes (Local)
h_porc <- h_base
h_porc$counts <- (h_porc$counts / sum(h_porc$counts)) * 100
par(mar = c(8, 5, 4, 2))
plot(h_porc,
main = "Gráfica N°3: Distribución Porcentual de lat_base_gd de Pozos Petroleros de Brasil",
xlab = "Latitud Base - lat_base_gd (Grados)", ylab = "Porcentaje (%)",
col = col_gris_azulado, border = "white", axes = FALSE, freq = TRUE,
ylim = c(0, max(h_porc$counts)*1.2),
xlim = limite_x)
axis(1, at = round(seq(limite_x[1], limite_x[2], length.out = 10), 2), las = 2, cex.axis = 0.7)
axis(2)
text(x = h_base$mids,
y = h_porc$counts,
label = paste0(round(h_porc$counts, 1), "%"),
pos = 3, cex = 0.6, col = col_ejes)
3.4 GRÁFICO 4: Global Porcentual
par(mar = c(8, 5, 4, 2))
plot(h_porc,
main = "Gráfica No.4: Distribución Porcentual de lat_base_gd de Pozos Petroleros de Brasil",
xlab = "Latitud Base - lat_base_gd (Grados)", ylab = "% del Total",
col = col_gris_azulado, border = "white", axes = FALSE, freq = TRUE,
ylim = c(0, 100),
xlim = limite_x)
axis(1, at = round(seq(limite_x[1], limite_x[2], length.out = 10), 2), las = 2, cex.axis = 0.7)
axis(2)
text(x = h_base$mids,
y = h_porc$counts,
label = paste0(round(h_porc$counts, 1), "%"),
pos = 3, cex = 0.6, col = col_ejes)
4 Diagrama de Caja y Ojivas
4.1 GRÁFICO 5: Boxplot
col_acento <- "#C0392B"
par(mar = c(8, 5, 4, 2))
boxplot(Variable, horizontal = TRUE, col = col_gris_azulado,
main = "Gráfica No.5: Diagrama de Caja (lat_base_gd)",
xlab = "Latitud Base - lat_base_gd (Grados)", outline = TRUE, outpch = 19,
outcol = col_acento, axes = FALSE, xlim = c(0.7, 1.3),
ylim = limite_x)
axis(1, at = round(seq(limite_x[1], limite_x[2], length.out = 10), 2), las = 2, cex.axis = 0.7)
box()
4.2 GRÁFICO 6: Ojivas
col_azul_oscuro <- "#2E4053"
col_rojo_fuerte <- "#C0392B"
par(mar = c(8, 5, 4, 8), xpd = TRUE)
x_vals_ojiva <- breaks_table
plot(x_vals_ojiva, c(0, Ni_asc), type = "o", col = col_azul_oscuro,
lwd=2, pch=19, axes=F,
main = "Gráfica No.6: Ojivas Ascendente y Descendente (lat_base_gd)",
xlab = "Latitud Base - lat_base_gd (Grados)", ylab = "Frecuencia acumulada")
lines(x_vals_ojiva, c(Ni_desc, 0), type = "o", col = col_rojo_fuerte,
lwd=2, pch=19)
axis(1, at = round(seq(min(breaks_table), max(breaks_table), length.out = 10), 2), las = 2, cex.axis = 0.6)
axis(2)
legend("right", legend = c("Ascendente", "Descendente"),
col = c(col_azul_oscuro, col_rojo_fuerte),
lty = 1, pch = 19, cex = 0.7, lwd=2,
inset = c(-0.15, 0), bty="n")
grid()
5 Resumen Estadístico
media_val <- mean(Variable)
mediana_val <- median(Variable)
sd_val <- sd(Variable)
status_atipicos <- if(length(boxplot.stats(Variable)$out) > 0) {
paste0(length(boxplot.stats(Variable)$out), " [", round(min(boxplot.stats(Variable)$out), 2), "; ", round(max(boxplot.stats(Variable)$out), 2), "]")
} else { "0 (Sin atípicos)" }
df_resumen <- data.frame(
Variable = "lat_base_gd",
Rango = paste0("[", round(min(Variable), 2), " ; ", round(max(Variable), 2), "]"),
Media = media_val,
Mediana = mediana_val,
Moda = paste(round(TDF_Latitud$MC[TDF_Latitud$hi == max(TDF_Latitud$hi)], 2), collapse = ", "),
Varianza = var(Variable),
Desv_Std = sd_val,
CV_Porc = (sd_val / abs(media_val)) * 100,
Asimetria = skewness(Variable, type = 2),
Curtosis = kurtosis(Variable, type = 2),
Atipicos = status_atipicos
)
df_resumen %>%
gt() %>%
tab_header(title = md("**CONCLUSIONES Y ESTADÍSTICOS**"), subtitle = "Variable: lat_base_gd") %>%
fmt_number(columns = c(Media, Mediana, Varianza, Desv_Std, CV_Porc, Curtosis), decimals = 2) %>%
fmt_number(columns = Asimetria, decimals = 4) %>%
cols_width(
Variable ~ px(140),
Rango ~ px(120),
Moda ~ px(100),
Atipicos ~ px(220),
everything() ~ px(85)
) %>%
tab_options(column_labels.background.color = "#2E4053") %>%
tab_style(style = list(cell_text(weight = "bold", color = "white")), locations = cells_column_labels())| CONCLUSIONES Y ESTADÍSTICOS | ||||||||||
| Variable: lat_base_gd | ||||||||||
| Variable | Rango | Media | Mediana | Moda | Varianza | Desv_Std | CV_Porc | Asimetria | Curtosis | Atipicos |
|---|---|---|---|---|---|---|---|---|---|---|
| lat_base_gd | [-32.93 ; 4.53] | −11.41 | −10.71 | -11.7 | 39.50 | 6.28 | 55.06 | −0.6504 | −0.51 | 810 [-32.93; -23.71] |
6 Conclusiones
min_txt <- format(min(Variable), scientific = FALSE)
max_txt <- format(max(Variable), scientific = FALSE)
asimetria_val <- skewness(Variable, type = 2)
centro_valor <- format(round(if(abs(asimetria_val) > 0.5) median(Variable) else mean(Variable), 2), scientific = FALSE)
cv_calc <- (sd(Variable) / abs(mean(Variable))) * 100
tipo_homogeneidad <- if(cv_calc > 30) "heterogénea" else "homogénea"
donde_se_concentra <- if(asimetria_val > 0) "valores bajos" else "valores altos"
juicio_operativo <- if(median(Variable) > 500) "aguas profundas / ultraprofundas" else "aguas someras"
cat(paste0(
"## Análisis de lat_base_gd\n\n",
"La variable **lat_base_gd** oscila entre **", min_txt, "** y **", max_txt, "** metros. ",
"El centro de la distribución se localiza en **", centro_valor, "** metros. ",
"La muestra se define como una variable **", tipo_homogeneidad, "** (CV: ", round(cv_calc, 2), "%), ",
"presentando una mayor densidad en los **", donde_se_concentra, "** de la escala. ",
"Desde el punto de vista de ingeniería, estos valores se consideran **", juicio_operativo, "** para el diseño de los sistemas de producción submarinos."
))6.1 Análisis de lat_base_gd
La variable lat_base_gd oscila entre -32.92657 y 4.528003 metros. El centro de la distribución se localiza en -10.71 metros. La muestra se define como una variable heterogénea (CV: 55.06%), presentando una mayor densidad en los valores altos de la escala. Desde el punto de vista de ingeniería, estos valores se consideran aguas someras para el diseño de los sistemas de producción submarinos.