1. CARGA DE DATOS

CARGA DE DATOS

knitr::opts_chunk$set(
    echo = TRUE,                   # Muestra el código R en el reporte final.
    message = FALSE,
    warning = FALSE,               # Message y warning evitan que se impriman alertas o mensajes de carga estorbosos en el HTML.
    fig.align = "center"           # Centra automáticamente todas las gráficas generadas.
)

datos <- read.csv("C:/Users/USER/Documents/PROYECTO ESTADISTICA/CMDB_Data.csv", 
                  header = TRUE, # Indica que la primera fila contienen los nombres de las variables.
                  sep = ";",     # Define que los puntos y comas es el separador de las columnas del archivo.
                  dec = ".",     # Establece el punto como el operador decimal para los números.
                  fileEncoding = "latin1")

# Verificación inicial del set de datos
str(datos)
## 'data.frame':    1366 obs. of  103 variables:
##  $ ï..LAB_ID            : chr  "C355417" "C360759" "C360762" "C360763" ...
##  $ PREVIOUS_LAB_ID1     : chr  "" "" "" "" ...
##  $ PREVIOUS_LAB_ID2     : chr  "" "" "" "" ...
##  $ PREVIOUS_LAB_ID3     : chr  "" "" "" "" ...
##  $ FIELD_ID             : chr  "RM0001" "RM0027" "RM0030" "RM0031" ...
##  $ JOB_ID               : chr  "MRP11968" "MRP12307" "MRP12307" "MRP12307" ...
##  $ PREVIOUS_JOB_ID1     : chr  "" "" "" "" ...
##  $ PREVIOUS_JOB_ID2     : chr  "" "" "" "" ...
##  $ PREVIOUS_JOB_ID3     : chr  "" "" "" "" ...
##  $ SUBMITTER            : chr  "Rare Metals Task" "Rare Metals Task" "Rare Metals Task" "Rare Metals Task" ...
##  $ PROJECT_NAME         : chr  "Critical and Rare Metals" "Critical and Rare Metals" "Critical and Rare Metals" "Critical and Rare Metals" ...
##  $ DATE_SUBMITTED       : chr  "30/6/2011" "31/8/2011" "31/8/2011" "31/8/2011" ...
##  $ COLLECTION           : chr  "Mackay-Keck Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" ...
##  $ COLLECTION_ID        : chr  "PHNC08_39_1183" "OD21441" "OD22811" "OD25716" ...
##  $ CONTINENT            : chr  "North America" "South America" "South America" "Africa" ...
##  $ COUNTRY              : chr  "United States" "Chile" "Chile" "South Africa" ...
##  $ STATE_PROVINCE       : chr  "Nevada" "Antofagasta" "Tarapacá" "Transvaal" ...
##  $ COUNTY               : chr  "Lyon" "El Loa" "El Tamarugal" "" ...
##  $ DISTRICT_NAME        : chr  "Yerington" "Chuquicamata" "Collahuasi/Quebrada Blanca" "" ...
##  $ DEPOSIT_NAME         : chr  "Pumpkin Hollow" "" "" "" ...
##  $ MINE_NAME            : chr  "Pumpkin Hollow" "Chuquicamata mine" "Collahuasi district" "" ...
##  $ DISTRICT_NAME_COLLECT: chr  "Yerington" "" "" "" ...
##  $ DEPOSIT_NAME_COLLECT : chr  "" "" "" "" ...
##  $ MINE_NAME_COLLECT    : chr  "Pumpkin Hollow" "Chuquicamata" "Poduosa mine" "Messina Mines Ltd." ...
##  $ LOCATE_DESC          : chr  "" "" "Level 25" "" ...
##  $ LATITUDE             : chr  "38,94021" "-22,2871" "-21,0309" "-24,7" ...
##  $ LONGITUDE            : chr  "-119,05178" "-68,8991" "-68,74951" "29,3" ...
##  $ DATUM                : chr  "WGS84" "WGS84" "WGS84" "" ...
##  $ LATITUDE_COLLECT     : chr  "38,92492" "22,28944" "" "" ...
##  $ LONGITUDE_COLLECT    : chr  "-119,1071" "-68,90111" "" "" ...
##  $ DATUM_COLLECT        : chr  "" "WGS84" "" "" ...
##  $ COORDINATES_QUAL     : chr  "100 m" "Exact" "" "" ...
##  $ COORDINATES_SOURCE   : chr  "1) iTouchMap.com, approx, A. Orkild-Norton; 2) Mineral Resource Deposit Database Deposit ID 10174173, ore body, M. Granitto" "1) Mindat.org, approx, A. Orkild-Norton; 2) Open-File Report 2017-1079 ID 549, mine, M. Granitto" "1) No coordinates; 2) Mineral Resource Deposit Database Deposit ID 10057511, district, M. Granitto" "1) No coordinates; 2) Google Earth Pro, approx ctr of former province of Transvaal, M. Granitto" ...
##  $ PRIMARY_CLASS        : chr  "rock" "rock" "rock" "rock" ...
##  $ SYSTEM_TYPE          : chr  "IOA-IOCG" "Porphyry Cu-Mo-Au" "Porphyry Cu-Mo-Au" "IOA-IOCG" ...
##  $ DEPOSIT_TYPE         : chr  "IOCG" "Supergene Cu" "Porphyry Cu" "IOCG" ...
##  $ SAMPLE_DESC          : chr  "Nearly solid chalcopyrite mixed with small light brown irregular inclusions of unknown mineralogy; clouds of ma"| __truncated__ "Chalcocite-bronchatite-antlerite(?); highly microfractured igneous rock with green copper sulfates coating microfractures" "Bornite-chalcopyrite; mostly massive chalcopyrite with numerous inclusions of micro-chalcopyrite and widely sca"| __truncated__ "Massive chalcopyrite, IOCG in shear zone; mostly massive fine grain cuprite with widely distributed malachite t"| __truncated__ ...
##  $ Al_pct_AES_ST        : chr  "0,33" "6,65" "0,46" "0,7" ...
##  $ Ca_pct_AES_ST        : chr  "1,1" "0,4" "-0,1" "0,3" ...
##  $ Fe_pct_AES_ST        : chr  "42,4" "0,25" "6,98" "27,8" ...
##  $ K_pct_AES_ST         : chr  "-0,1" "6,1" "0,2" "-0,1" ...
##  $ Mg_pct_AES_ST        : chr  "0,57" "0,1" "0,01" "0,33" ...
##  $ Mn_pct_AES_ST        : chr  "0,02" "-0,01" "-0,01" "-0,01" ...
##  $ P_pct_AES_ST         : chr  "-0,01" "0,01" "0,05" "0,01" ...
##  $ S_pct_AES_ST         : chr  "" "" "" "" ...
##  $ Si_pct_AES_ST        : chr  "" "" "" "" ...
##  $ Ti_pct_AES_ST        : chr  "0,01" "0,11" "-0,01" "-0,01" ...
##  $ F_pct_ISE_Fuse       : chr  "" "" "" "" ...
##  $ Ag_ppm_MS_ST         : chr  "58" "6" "468" "16" ...
##  $ As_ppm_MS_ST         : chr  "-30" "-30" "90" "-30" ...
##  $ Au_ppm               : chr  "" "" "" "" ...
##  $ Au_AM                : chr  "" "" "" "" ...
##  $ B_ppm_AES_ST         : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Ba_ppm_AES_ST        : chr  "-0,5" "924" "121" "174" ...
##  $ Be_ppm_AES_ST        : int  -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 ...
##  $ Bi_ppm_MS_ST         : chr  "1,5" "3,6" "190" "0,4" ...
##  $ Cd_ppm_MS_ST         : chr  "3,6" "-0,2" "0,9" "-0,2" ...
##  $ Ce_ppm_MS_ST         : chr  "0,4" "8,8" "16,3" "3,5" ...
##  $ Co_ppm_MS_ST         : chr  "209" "-0,5" "1,3" "44,8" ...
##  $ Cr_ppm_AES_ST        : int  -10 -10 -10 30 20 20 60 40 20 10 ...
##  $ Cs_ppm_MS_ST         : chr  "0,5" "1,4" "0,2" "-0,1" ...
##  $ Cu_ppm_AES_ST        : chr  "50000,11111" "23300" "50000,11111" "50000,11111" ...
##  $ Dy_ppm_MS_ST         : chr  "-0,05" "0,32" "1,38" "0,37" ...
##  $ Er_ppm_MS_ST         : chr  "-0,05" "0,22" "0,77" "0,23" ...
##  $ Eu_ppm_MS_ST         : chr  "-0,05" "0,14" "0,17" "0,1" ...
##  $ Ga_ppm_MS_ST         : chr  "5" "15" "6" "3" ...
##  $ Gd_ppm_MS_ST         : chr  "-0,05" "0,45" "1,5" "0,39" ...
##  $ Ge_ppm_MS_ST         : int  -1 5 -1 -1 3 8 8 1 2 2 ...
##  $ Hf_ppm_MS_ST         : int  -1 4 -1 -1 5 13 12 2 3 6 ...
##  $ Ho_ppm_MS_ST         : chr  "-0,05" "0,07" "0,25" "0,07" ...
##  $ In_ppm_MS_ST         : chr  "6,4" "-0,2" "3,7" "0,2" ...
##  $ La_ppm_MS_ST         : chr  "0,2" "4,6" "7,2" "1,7" ...
##  $ Li_ppm_AES_ST        : int  -10 -10 -10 -10 30 20 20 20 -10 20 ...
##  $ Lu_ppm_MS_ST         : chr  "-0,05" "-0,05" "0,08" "-0,05" ...
##  $ Mo_ppm_MS_ST         : chr  "-2" "60" "3" "2" ...
##  $ Nb_ppm_MS_ST         : chr  "-1" "4" "-1" "-1" ...
##  $ Nd_ppm_MS_ST         : chr  "0,2" "3,8" "9,1" "1,7" ...
##  $ Ni_ppm_AES_ST        : chr  "144" "6" "-5" "48" ...
##  $ Pb_ppm_MS_ST         : chr  "23" "16" "188" "39" ...
##  $ Pd_ppm_FA_MS         : chr  "" "" "" "" ...
##  $ Pr_ppm_MS_ST         : chr  "-0,05" "1,09" "2,21" "0,46" ...
##  $ Pt_ppm_FA_MS         : chr  "" "" "" "" ...
##  $ Rb_ppm_MS_ST         : chr  "1,2" "148" "7,1" "0,7" ...
##  $ Re_ppm_MS_HF         : chr  "" "" "" "" ...
##  $ Sb_ppm_MS_ST         : chr  "1,2" "2,4" "2,9" "0,3" ...
##  $ Sc_ppm_AES_ST        : int  -5 -5 -5 -5 11 6 15 10 5 6 ...
##  $ Se_ppm_MS_ST         : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Sm_ppm_MS_ST         : chr  "-0,1" "0,6" "1,6" "0,4" ...
##  $ Sn_ppm_MS_ST         : chr  "2" "3" "106" "-1" ...
##  $ Sr_ppm_AES_ST        : chr  "26,6" "114" "22,5" "38,4" ...
##  $ Ta_ppm_MS_ST         : chr  "-0,5" "-0,5" "-0,5" "-0,5" ...
##  $ Tb_ppm_MS_ST         : chr  "-0,05" "0,07" "0,23" "-0,05" ...
##  $ Te_ppm_MS_ST         : chr  "" "" "" "" ...
##  $ Th_ppm_MS_ST         : chr  "0,2" "9,7" "2,6" "0,2" ...
##  $ Tl_ppm_MS_ST         : chr  "-0,5" "0,5" "-0,5" "-0,5" ...
##  $ Tm_ppm_MS_ST         : chr  "-0,05" "-0,05" "0,08" "-0,05" ...
##  $ U_ppm_MS_ST          : chr  "0,3" "1,75" "0,63" "34,8" ...
##  $ V_ppm_AES_ST         : int  51 24 -5 493 68 20 40 159 39 61 ...
##  $ W_ppm_MS_ST          : chr  "-1" "28" "22" "11" ...
##   [list output truncated]

2. TABLA DE DISTRIBUICIÓN DE CANTIDAD

# LIMPIEZA DE LA VARIABLE CALCIO

calcio <- as.numeric(datos$Ca_pct_AES_ST)
calcio <- na.omit(calcio)
calcio <- subset(calcio, calcio > 0)

# SEPARAR OUTLIERS
caja <- boxplot(calcio, plot = FALSE)

limite_sup <- caja$stats[5]
limite_inf <- caja$stats[1]

calcio_outliers <- calcio[calcio < limite_inf | calcio > limite_sup]
calcio_sin_outliers <- calcio[calcio >= limite_inf & calcio <= limite_sup]

# RESUMEN
cat("Cantidad con outliers:", length(calcio), "\n")
## Cantidad con outliers: 44
cat("Cantidad de outliers:", length(calcio_outliers), "\n")
## Cantidad de outliers: 0
cat("Cantidad sin outliers:", length(calcio_sin_outliers), "\n")
## Cantidad sin outliers: 44
# HISTOGRAMA (BASE DE LA TABLA)
histograma <- hist(calcio_sin_outliers, breaks = 6, plot = FALSE)

# FRECUENCIA ABSOLUTA
ni <- histograma$counts

# FRECUENCIA RELATIVA
hi <- ni / sum(ni) * 100

# INTERVALOS
intervalos <- paste0(
  "[", round(histograma$breaks[-length(histograma$breaks)], 2),
  ", ",
  round(histograma$breaks[-1], 2),
  ")"
)

# TABLA
tabla_frecuencias <- data.frame(
  Intervalo = intervalos,
  ni = ni,
  hi = round(hi, 2)
)

print(tabla_frecuencias)
##   Intervalo ni    hi
## 1    [0, 5) 24 54.55
## 2   [5, 10)  7 15.91
## 3  [10, 15)  5 11.36
## 4  [15, 20)  5 11.36
## 5  [20, 25)  2  4.55
## 6  [25, 30)  1  2.27
# TABLA CON GT
library(gt)
library(dplyr)

tabla_calcio_gt <- tabla_frecuencias %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 1**"),
    subtitle = md("**Distribución de frecuencias de minas archivadas que contienen Calcio**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_calcio_gt
Tabla N° 1
Distribución de frecuencias de minas archivadas que contienen Calcio
Intervalo ni hi
[0, 5) 24 54.55
[5, 10) 7 15.91
[10, 15) 5 11.36
[15, 20) 5 11.36
[20, 25) 2 4.55
[25, 30) 1 2.27
Autor: Grupo 3

3. GRÁFICA DE DISTRIBUCIÓN DE CANTIDAD

histograma <- hist(calcio_sin_outliers,
                   breaks = 6,
                   freq = TRUE,
                   main="Gráfica 1. Distribución de cantidad de calcio en minas archivadas",
                   xlab="Calcio (%)",
                   ylab="Densidad",
                   col="lightblue")

4. CONJETURA DEL MODELO

# ==========================================
# CONJETURA DEL MODELO (CALCIO)
# ==========================================

# Histograma con densidad
histograma <- hist(calcio_sin_outliers,
                   breaks = 6,
                   freq = FALSE,
                   main = "Gráfica 2. Comparación de la realidad con el modelo exponencial de\nCalcio en minas archivadas",
                   xlab = "Calcio (%)",
                   ylab = "Densidad",
                   col = "lightblue",
                   border = "black")

# PARÁMETROS
media <- mean(calcio_sin_outliers)
lambda <- 1 / media

# MOSTRAR VALORES
cat("Media aritmética:", round(media, 2), "\n")
## Media aritmética: 7.77
cat("Lambda:", round(lambda, 4), "\n\n")
## Lambda: 0.1287
# CURVA EXPONENCIAL
x <- seq(min(calcio_sin_outliers), max(calcio_sin_outliers), 0.01)
curve(dexp(x, rate = lambda), add = TRUE, col = "black", lwd = 3)

# ==========================================
# CÁLCULO DE FRECUENCIAS (Fo y Fe)
# ==========================================

# FRECUENCIAS OBSERVADAS (Realidad)
Fo <- histograma$counts

# FRECUENCIAS ESPERADAS (Modelo Teórico)
h <- length(histograma$counts)

# Creamos un vector numérico vacío del tamaño exacto de los intervalos
P <- numeric(h) 

# Bucle para calcular la probabilidad de caer en cada intervalo de la curva
for (i in 1:h) {
  P[i] <- pexp(histograma$breaks[i+1], rate = lambda) - pexp(histograma$breaks[i], rate = lambda)
}

# Multiplicamos las probabilidades teóricas por el tamaño total de la muestra limpia
Fe <- P * length(calcio_sin_outliers)

# MOSTRAR RESULTADOS EN CONSOLA
cat("Frecuencias observadas (Fo):\n")
## Frecuencias observadas (Fo):
print(Fo)
## [1] 24  7  5  5  2  1
cat("\nFrecuencias esperadas (Fe):\n")
## 
## Frecuencias esperadas (Fe):
print(round(Fe, 2))
## [1] 20.87 10.97  5.77  3.03  1.59  0.84

5. TEST DE APROBACIÓN

# =========================
# TEST DE PEARSON
# =========================

n <- length(calcio_sin_outliers)

# Convertir a porcentajes (Asegúrate de que Fo y Fe ya estén calculados para el Calcio)
Fo <- (Fo/n)*100
Fe <- (Fe/n)*100

plot(Fo, Fe,
     main = "Gráfica 3: Correlación de frecuencias en el modelo exponencial (Calcio)",
     xlab = "Frecuencia Observada (%)",
     ylab = "Frecuencia Esperada (%)",
     pch = 19,
     col = "forestgreen") # Se cambió el color a verde oscuro para diferenciarlo

abline(a = 0, b = 1, col = "red", lwd = 2)

# =========================
# TEST DE PEARSON
# =========================
Correlacion <- cor(Fo, Fe) * 100

# =========================
# TEST DE CHI-CUADRADO
# =========================
# GRADOS DE LIBERTAD
gl <- length(histograma$counts) - 1

# ESTADÍSTICO
x2 <- sum((Fe - Fo)^2 / Fe)

# UMBRAL (Asumiendo 97% de confianza)
umbral <- qchisq(0.97, gl)

# =========================
# TABLA RESUMEN
# =========================
Variable <- c("Calcio (%)")

tabla_resumen <- data.frame(
  Variable,
  round(Correlacion, 2),
  round(x2, 2),
  round(umbral, 2)
)

colnames(tabla_resumen) <- c(
  "Variable",
  "Test Pearson (%)",
  "Chi Cuadrado",
  "Umbral de aceptación"
)

library(gt)
library(dplyr)

tabla_resumen_gt <- tabla_resumen %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 2**"), # Ajusta el número según el orden de tu informe
    subtitle = md("**Resultados de las pruebas de bondad de ajuste para el Calcio**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.border.bottom.color = "black"
  )

tabla_resumen_gt
Tabla N° 2
Resultados de las pruebas de bondad de ajuste para el Calcio
Variable Test Pearson (%) Chi Cuadrado Umbral de aceptación
Calcio (%) 95.85 7.78 12.37
Autor: Grupo 3

6. ESTIMACIÓN DE PROBABILIDADES

¿Cuál es la probabilidad de que una muestra aleatoria de sedimento presente una concentración de calcio menor o igual al 2 %?

# ==========================================
# CÁLCULO DE PROBABILIDADES (CALCIO <= 2%)
# ==========================================

# Como es "menor o igual a 2", calculamos el área desde 0 hasta 2
probabilidad_calcio <- pexp(2, rate = lambda)

# En porcentaje
cat("Probabilidad:", probabilidad_calcio * 100, "%\n")
## Probabilidad: 22.68714 %
# =========================
# GRÁFICA DE PROBABILIDAD
# =========================

# Rango para la curva (iniciamos en 0 para ver toda el área del modelo)
x <- seq(0, max(calcio_sin_outliers), 0.01)

# Curva exponencial
plot(x, dexp(x, rate = lambda),
     col = "black",
     lwd = 2,
     type = "l",
     main = "Gráfica 4. Cálculo de probabilidades del contenido de Calcio\nen Sedimentos Marinos (<= 2%)",
     ylab = "Densidad de probabilidad",
     xlab = "Calcio (%)")

# Área de probabilidad (0 al 2%)
x_area <- seq(0, 2, 0.01)
y_area <- dexp(x_area, rate = lambda)

# Línea del área
lines(x_area, y_area, col = "red", lwd = 2)

# Área sombreada (rojo semitransparente)
polygon(c(x_area, rev(x_area)),
        c(y_area, rep(0, length(y_area))),
        col = rgb(1, 0, 0, 0.5),
        border = NA)

# Leyenda
legend("topright",
       legend = c("Modelo exponencial", "Área de Probabilidad"),
       col = c("black", rgb(1, 0, 0, 0.5)),
       lwd = c(2, 8),
       cex = 0.8)

# Texto de la probabilidad dentro del gráfico
texto_prob <- paste0("Probabilidad = ", round(probabilidad_calcio * 100, 2), " %")

text(x = max(calcio_sin_outliers) * 0.4, # Ubicado a la derecha del área sombreada
     y = max(dexp(x, rate = lambda)) * 0.5, # A media altura
     labels = texto_prob,
     col = "black",
     cex = 1,
     font = 2)

Si se analizan los registros de 50 nuevas minas archivadas, ¿cuántas se esperaría que presenten un contenido de calcio entre el 1 % y el 2 %?

# ==========================================
# PROBABILIDAD DE CALCIO ENTRE 1% y 2%
# ==========================================

probabilidad_calcio <- pexp(2, rate = lambda) - pexp(1, rate = lambda)

# Cantidad esperada en 50 nuevas minas archivadas
minas_esperadas <- probabilidad_calcio * 50

# Mostrar resultados
cat("Probabilidad (1% a 2%):", round(probabilidad_calcio * 100, 2), "%\n")
## Probabilidad (1% a 2%): 10.61 %
cat("Cantidad de minas esperadas:", round(minas_esperadas), "\n")
## Cantidad de minas esperadas: 5

7. INTERVALOS DE CONFIANZA

# ==========================================
# INTERVALOS DE CONFIANZA (CALCIO)
# ==========================================

# CÁLCULOS
x <- mean(calcio_sin_outliers)
sigma <- sd(calcio_sin_outliers)
n <- length(calcio_sin_outliers)

# Error estándar de la media
e <- sigma / sqrt(n)

# Cálculo de los límites (usando Z=2)
li <- x - 2 * e
ls <- x + 2 * e

# MOSTRAR VALORES EN CONSOLA
cat("Media:", round(x, 2), "\n")
## Media: 7.77
cat("Desviación estándar de la muestra:", round(sigma, 2), "\n")
## Desviación estándar de la muestra: 7.57
cat("Tamaño muestral:", n, "\n")
## Tamaño muestral: 44
cat("Error estándar de la media (e):", round(e, 4), "\n")
## Error estándar de la media (e): 1.1407
cat("Límite inferior:", round(li, 2), "\n")
## Límite inferior: 5.49
cat("Límite superior:", round(ls, 2), "\n")
## Límite superior: 10.05
# =========================
# TABLA PROFESIONAL
# =========================
library(gt)
library(dplyr)

# Crear el dataframe base
tabla_media_calcio <- data.frame(
  "Límite_inferior" = round(li, 2),
  "Media_poblacional" = round(x, 2),
  "Límite_superior" = round(ls, 2),
  "Error_estándar" = round(e, 4)
)

# Ajustar los nombres de las columnas para que se vean bien al imprimir
colnames(tabla_media_calcio) <- c("Límite inferior", "Media poblacional", "Límite superior", "Error estándar")

# Crear la tabla con gt
tabla_media_calcio_gt <- tabla_media_calcio %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 3**"), # Ajusta este número según corresponda en tu documento
    subtitle = md("**Intervalo de confianza del contenido de Calcio (%) en minas archivadas**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_media_calcio_gt
Tabla N° 3
Intervalo de confianza del contenido de Calcio (%) en minas archivadas
Límite inferior Media poblacional Límite superior Error estándar
5.49 7.77 10.05 1.1407
Autor: Grupo 3

8. CONCLUSIÓN

La variable de Calcio se explica a través del modelo exponencial siendo la media aritmética de 7.77 que se encuentra en un intervalo definido por una desviación estandar de 7.57.

De esta manera logramos calcular probabilidades como por ejemplo, que al seleccionar aleatoriamente cualquier área del calcio que presenten una concentración entre 1 y 2 %.

Mediante el teorema de limite central, sabemos que la media aritmetica poblacional del calcio se encuentran entre 5.49 y 10.05 con un 95.4% de confianza.