Humedad

0.- Librerias

library(readr)
library(dplyr)
library(knitr)
library(kableExtra)
library(ggplot2)
library(moments)

1.- leer datos

variables <- read_csv("C:/Users/CESAR/Downloads/proyecto x/GlobalWeatherRepository.csv", show_col_types = TRUE)

2.- Depuración y selección de la variable

Depuración

variables <- na.omit(variables)

Selección

Humedad <- variables$humidity

3.- Frecuancias

Tabla 1 aplicando sturges

Max y min

n_total <- length(Humedad)
valor_min <- min(Humedad, na.rm = TRUE)
valor_max <- max(Humedad, na.rm = TRUE)
rango <- valor_max - valor_min

Regla de Sturges

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

## [1] 18

A_sturges <- rango / K_sturges
A_sturges

## [1] 5.444444

Intervalos

Li1 <- seq(valor_min,
           valor_max - A_sturges,
           by = A_sturges)
Ls1 <- Li1 + A_sturges

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],
      na.rm = TRUE
    )
  } else {
    ni1[i] <- sum(
      Humedad >= Li1[i] &
        Humedad < Ls1[i],
      na.rm = TRUE
    )
  }
}
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

Tabla simplificada

Li1 <- seq(0, 90, by = 10)
Ls1 <- seq(10, 100, by = 10)

# 3.2 Bucle para el conteo de frecuencias absolutas (ni1)
ni1 <- numeric(length(Li1))

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

# Frecuencia relativa (Porcentaje)
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

4.- Tablas de frecuencia

Tabla 1

n_total <- length(Humedad)
valor_min <- min(Humedad, na.rm = TRUE)
valor_max <- max(Humedad, na.rm = TRUE)
rango <- valor_max - valor_min
K_sturges <- floor(1 + 3.322 * log10(n_total))
A_sturges <- rango / K_sturges

Li1 <- seq(valor_min,
           valor_max - A_sturges,
           by = A_sturges)
Ls1 <- Li1 + A_sturges
ni1 <- numeric(length(Li1))

for(i in 1:length(Li1)){
  if(i == length(Li1)){
    ni1[i] <- sum(
      Humedad >= Li1[i] &
        Humedad <= Ls1[i],
      na.rm = TRUE
    )
  } else {
    ni1[i] <- sum(
      Humedad >= Li1[i] &
        Humedad < Ls1[i],
      na.rm = TRUE
    )
  }
}
hi1 <- (ni1 / sum(ni1)) * 100


Ni_asc1 <- cumsum(ni1)
Hi_asc1 <- cumsum(hi1)
Ni_dsc1 <- rev(cumsum(rev(ni1)))
Hi_dsc1 <- rev(cumsum(rev(hi1)))
MC1 <- (Li1 + Ls1) / 2

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_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 = ""
)
Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)
kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N.1: Distribución de frecuencias de temperatura en Fahrenheit de los registros meteorológicos en capotales del mundo 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.\nFuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic", "bold")
  )

Tabla N.1: Distribución de frecuencias de temperatura en Fahrenheit de los registros meteorológicos en capotales del mundo 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.

tabla simplificada

Li1 <- seq(0, 90, by = 10)
Ls1 <- seq(10, 100, by = 10)
ni1 <- numeric(length(Li1))

# 3.2 Bucle para el conteo de frecuencias absolutas (ni1)
ni1 <- numeric(length(Li1))

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

# Frecuencia relativa (Porcentaje)
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
hi1 <- (ni1 / sum(ni1)) * 100
Ni_asc1 <- cumsum(ni1)
Hi_asc1 <- cumsum(hi1)

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

MC1 <- (Li1 + Ls1) / 2
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)
)


if (tail(Tabla_Sturges$Hi_asc, 1) != 100.00) {
  Tabla_Sturges$Hi_asc[nrow(Tabla_Sturges)] <- 100.00
}


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

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 = ""
)
Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)
kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N2: Distribución de frecuencias de NO2 optimizada con rangos de 50 en 50 (0 a 450), 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.\nFuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic", "bold")
  )

Tabla N2: Distribución de frecuencias de NO2 optimizada con rangos de 50 en 50 (0 a 450), período 2024-2026

Lim_inf	Lim_sup	MC	ni	hi	Ni_asc	Hi_asc	Ni_dsc	Hi_dsc
0	10	5	1178	0.83	1178	0.83	141703	100
10	20	15	5653	3.99	6831	4.82	140525	99.17
20	30	25	7244	5.11	14075	9.93	134872	95.18
30	40	35	8782	6.2	22857	16.13	127628	90.07
40	50	45	10873	7.67	33730	23.8	118846	83.87
50	60	55	13664	9.64	47394	33.45	107973	76.2
60	70	65	17239	12.17	64633	45.61	94309	66.55
70	80	75	27253	19.23	91886	64.84	77070	54.39
80	90	85	26321	18.57	118207	83.42	49817	35.16
90	100	95	23496	16.58	141703	100	23496	16.58
TOTAL			141703	100
Nota: Elaborado por Grupo 2. Fuente: Global Weather Repository.

5.- Gráficos

5.1.- Histograma ni

cortes_hist <- c(Li1, Ls1[length(Ls1)])
hist(
  Humedad,
  breaks = cortes_hist,
  col = "#FF7F0E",            
  border = "black",             
  main = "Gráfico N°1 :Histograma de Frecuencias absoluta de Humedad %
  para el análisis meteorológico en capitales del mundo",
  sub = "Periodo: Mayo 2024 - Mayo 2026",
  xlab = "Humedad (%)",
  ylab = "Frecuencia Absoluta (ni)", 
  axes = FALSE,                
  xlim = c(0, 100),             
  font.main = 2,
  col.main = "black"
)
axis(
  side = 1, 
  at = cortes_hist, 
  labels = round(cortes_hist, 1), 
  las = 1,                      
  font = 2,                      
  col = "#2C3E50",
  cex.axis = 0.75               
)
axis(
  side = 2, 
  las = 1, 
  font = 2, 
  col = "#2C3E50",
  cex.axis = 0.8
)

5.2.- Histograma hi

cortes_hist <- c(Li1, Ls1[length(Ls1)])
# Guardamos el objeto histograma sin graficarlo primero para modificar sus alturas
h_rel <- hist(Humedad, breaks = cortes_hist, plot = FALSE)
h_rel$counts <- hi1
h_rel$density <- hi1  
# 3. Graficamos con el mismo diseño exacto
plot(
  h_rel,
  freq = TRUE, # Usamos TRUE para que respete el reemplazo que hicimos en $counts
  col = "#FF7",            
  border = "black",             
  main = "Gráfico N°2: Histograma de Frecuencias Relativas de Humedad %
  para el análisis meteorológico en capitales del mundo",
  sub = "Periodo: Mayo 2024 - Mayo 2026",
  xlab = "Humedad (%)",
  ylab = "Frecuencia Relativa (hi %)", 
  axes = FALSE,                
  xlim = c(0, 100),             
  font.main = 2,
  col.main = "black"
)

# 4. Ejes idénticos al diseño original
axis(
  side = 1, 
  at = cortes_hist, 
  labels = round(cortes_hist, 1), 
  las = 1,                       
  font = 2,                       
  col = "#2C3E50",
  cex.axis = 0.75               
)

axis(
  side = 2, 
  las = 1, 
  font = 2, 
  col = "#2C3E50",
  cex.axis = 0.8
)

5.3.- Histograma de ni con el tamaño muestral

par(mar = c(5, 5.5, 4, 2) + 0.1)
hist(
  Humedad,
  breaks = cortes_hist,                           
  right = FALSE,                             
  col = "#FF7F0E",                           
  border = "black",                          
  main = "Gráfico N°3 : Histograma de Frecuencia absolutas de humedad (%) 
  para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Humedad (%)",
  ylab = "",                                 
  yaxt = "n",                                
  ylim = c(0, 140000)                         
)

marcas_y <- seq(0, 140000, by = 20000)
axis(side = 2, at = marcas_y, labels = format(marcas_y, big.mark = ","), font = 2, las = 1)

mtext(text = "Frecuencia Absoluta (ni)", side = 2, line = 4.5, font = 2)

5.4.- Histograma de Hi con el tamaño muestral

cortes_hist <- c(Li1, Ls1[length(Ls1)])
h_rel <- hist(Humedad, breaks = cortes_hist, plot = FALSE)
h_rel$counts <- hi1
h_rel$density <- hi1 
plot(
  h_rel,
  freq = TRUE, 
  col = "#FF7",       
  border = "black",              
  main = "Gráfico N°4: Histograma de Frecuencias Relativas de Humedad %\npara el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 - Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Humedad (%)",
  ylab = "Frecuencia Relativa (hi %)", 
  axes = FALSE,                
  xlim = c(0, 100),
  ylim = c(0, 100), 
  font.main = 2,
  col.main = "black"
)
axis(
  side = 1, 
  at = cortes_hist, 
  labels = round(cortes_hist, 1), 
  las = 1,                       
  font = 2,                       
  col = "#2C3E50",
  cex.axis = 0.75               
)

marcas_y <- seq(0, 100, by = 5) 
axis(
  side = 2, 
  at = marcas_y, 
  labels = paste0(marcas_y, "%"), 
  las = 1, 
  font = 2, 
  col = "#2C3E50",
  cex.axis = 0.8
)

5.5.- Poligono de frecuencia Ni

par(mar = c(5, 5.5, 4, 2) + 0.1)
cortes <- c(Li1, Ls1[length(Ls1)])  
marcas_clase <- MC1                

marcas_poligono <- c(marcas_clase[1] - 5, marcas_clase, marcas_clase[length(marcas_clase)] + 5)
ni_poligono <- c(0, Tabla_Sturges$ni, 0)

hist(
  Humedad,
  breaks = cortes,                           
  right = FALSE,                             
  col = "#FF7F0E",                           
  border = "black",                          
  main = "Gráfico N°5 : Poligono de frecuencias, temperatura 
  en Fahrenheit para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Humedad (%)",
  ylab = "",                                 
  yaxt = "n",                                
  ylim = c(0, 30000)                         
)

marcas_y <- seq(0, 30000, by = 10000)
axis(side = 2, at = marcas_y, labels = format(marcas_y, big.mark = ","), font = 2, las = 1)

mtext(text = "Frecuencia Absoluta (ni)", side = 2, line = 4.5, font = 2)


lines(
  x = marcas_poligono, 
  y = ni_poligono, 
  col = "red",            
  lwd = 3,                  
  type = "o",               
  pch = 19                  
)

5.6.- Ojivas ascendente y descendente (ni)

puntos_eje_x <- c(Li1, Ls1[length(Ls1)]) 

ni_asc_ojiva <- c(0, Tabla_Sturges$Ni_asc)
ni_dsc_ojiva <- c(sum(Tabla_Sturges$ni), Tabla_Sturges$Ni_dsc)

limite_max_y <- 150000
marcas_y     <- seq(0, limite_max_y, by = 30000)

plot(
  1, 
  type = "n",
  main = "Gráfico N°6: Ojivas de Frecuencias Absolutas Acumuladas",
  sub = "Fuente: Global Weather Repository",
  xlab = "Humedad (%)",
  ylab = "",                             
  xaxt = "n",                             
  yaxt = "n",                             
  xlim = c(0, 100),                     
  ylim = c(0, limite_max_y),
  xaxs = "i"                             
)

axis(side = 1, at = puntos_eje_x, labels = puntos_eje_x, font = 2)
axis(side = 2, at = marcas_y, labels = format(marcas_y, big.mark = ","), font = 2, las = 1)

mtext(text = "Frecuencia Absoluta Acumulada (Ni)", side = 2, line = 4.5, font = 2)


grid(nx = NULL, ny = NULL, lty = "dashed", col = "lightgray", lwd = 1)

lines(
  x = puntos_eje_x, 
  y = ni_asc_ojiva, 
  col = "#2980b9",                        
  lwd = 3,                                
  type = "o",                             
  pch = 19                                
)
lines(
  x = puntos_eje_x, 
  y = ni_dsc_ojiva, 
  col = "#e74c3c",                        
  lwd = 3, 
  type = "o", 
  pch = 19
)
legend(
  "bottomright",                                                
  legend = c("Ojiva Ascendente (Hi asc)", "Ojiva Descendente (Hi dsc)"),
  col = c("#2980b9", "#e74c3c"),
  lty = 1,
  lwd = 3,
  pch = 19,
  bty = "n",  
  cex = 0.75, # Un tamaño equilibrado para que quepa perfecto abajo
  text.font = 2
)

5.7.- Ojivas ascendente y descendente (hi)

 puntos_eje_x <- c(Li1, Ls1[length(Ls1)]) 

hi_asc_ojiva <- c(0, Tabla_Sturges$Hi_asc)
hi_dsc_ojiva <- c(100, Tabla_Sturges$Hi_dsc)

limite_max_y <- 100
marcas_y     <- seq(0, 100, by = 20)

plot(
  1, 
  type = "n",
  main = "Gráfico N°7: Ojivas de Frecuencias Relativas Acumuladas",
  sub = "Fuente: Global Weather Repository",
  xlab = "Humedad (%)",
  ylab = "",                             
  xaxt = "n",                             
  yaxt = "n",                             
  xlim = c(0, 100),                     
  ylim = c(0, limite_max_y),
  xaxs = "i"                              
)

axis(side = 1, at = puntos_eje_x, labels = puntos_eje_x, font = 2)
axis(side = 2, at = marcas_y, labels = paste0(marcas_y, "%"), font = 2, las = 1)

mtext(text = "Frecuencia Relativa Acumulada (%)", side = 2, line = 4.5, font = 2)

grid(nx = NULL, ny = NULL, lty = "dashed", col = "lightgray", lwd = 1)

lines(
  x = puntos_eje_x, 
  y = hi_asc_ojiva, 
  col = "#2980b9",                        
  lwd = 3,                                
  type = "o",                             
  pch = 19                                
)

lines(
  x = puntos_eje_x, 
  y = hi_dsc_ojiva, 
  col = "#e74c3c",                        
  lwd = 3, 
  type = "o", 
  pch = 19
)

legend(
  "bottomright",                                                
  legend = c("Ojiva Ascendente (Hi asc)", "Ojiva Descendente (Hi dsc)"),
  col = c("#2980b9", "#e74c3c"),
  lty = 1,
  lwd = 3,
  pch = 19,
  bty = "n",  
  cex = 0.75, # Un tamaño equilibrado para que quepa perfecto abajo
  text.font = 2
)

5.8.- Diagrama de caja y bigotes

datos_reconstruidos <- rep(MC1, times = ni1)

marcas_x <- seq(0, 100, by = 10)

boxplot(
  datos_reconstruidos,
  horizontal = TRUE,                      
  col = "skyblue",                        
  border = "black",                      
  main = "Gráfico N°8: Diagrama de Caja y Bigotes (Boxplot)",
  sub = "Fuente: Global Weather Repository",
  xaxt = "n",                             
  yaxt = "n",                             
  lwd = 1.8,                              
  outcol = "red",                         
  outpch = 19,                            
  outcex = 0.8                            
)
axis(
  side = 1, 
  at = marcas_x,       
  labels = paste0(marcas_x, "°F"), 
  font = 2,            
  las = 1                              
)

mtext(text = "Humedad (%)", side = 1, line = 3.0, font = 2, cex = 1)

grid(nx = NULL, ny = NA, lty = "dashed", col = "lightgray", lwd = 1)

6.- Indicadores Estadisticos

Tendencia central

Humedad_reconst <- rep(MC1, times = ni1)

media    <- mean(Humedad_reconst)
mediana  <- median(Humedad_reconst)
moda     <- MC1[which.max(ni1)]

Medidas de Dispersión

varianza <- var(Humedad_reconst)
desv_est <- sd(Humedad_reconst)
cv       <- (desv_est / media) * 100

Medidas de Forma

asim <- skewness(Humedad_reconst)
kurt <- kurtosis(Humedad_reconst)

valores atípicos

Q1  <- quantile(Humedad_reconst, 0.25)
Q3  <- quantile(Humedad_reconst, 0.75)
RIC <- Q3 - Q1

lim_inf <- Q1 - 1.5 * RIC
lim_sup <- Q3 + 1.5 * RIC

# Conteo automatizado de observaciones que caen fuera de los bigotes
n_atipicos <- sum(Humedad_reconst < lim_inf | Humedad_reconst > lim_sup)

# Formatear el rango de las marcas de clase como texto descriptivo
rango_valores <- paste0("[", min(Li1), "% ; ", max(Ls1), "%]")

Tabla de indicadores

tabla_indicadores <- data.frame(
  Variable         = "Humedad (%)",
  Rango            = rango_valores,
  X                = round(media, 2),
  Me               = round(mediana, 2),
  Mo               = round(moda, 2),
  V                = round(varianza, 2),
  Sd               = round(desv_est, 2),
  CV               = paste0(round(cv, 2), "%"),
  As               = round(asim, 2),
  K                = round(kurt, 2),
  Valores_Atipicos = n_atipicos
)
kable(
  tabla_indicadores, 
  align   = "c", 
  caption = "Tabla N°3: Indicadores estadísticos descriptivos de la variable Humedad (%) basados en la distribución de frecuencias, período 2024-2026"
) |>
  kableExtra::kable_styling(
    full_width        = FALSE, 
    position          = "center", 
    bootstrap_options = c("striped", "hover", "condensed", "responsive")
  ) |>
  kableExtra::row_spec(
    0, 
    bold = TRUE, 
    color = "white", 
    background = "#2C3E50"  
  )

Tabla N°3: Indicadores estadísticos descriptivos de la variable Humedad (%) basados en la distribución de frecuencias, período 2024-2026

Variable	Rango	X	Me	Mo	V	Sd	CV	As	K	Valores_Atipicos
Humedad (%)	[0% ; 100%]	66.72	75	75	547.39	23.4	35.07%	-0.71	2.57	1178

7.- Conclusiones

El comportamiento de la Humedad (%) fluctúa en un rango de \(0.00\%\) a \(100.00\%\), y sus valores giran en torno a una mediana y moda de \(75.00\%\), con una media aritmética de \(66.72\%\). Presenta una desviación estándar de \(23.40\%\) y un coeficiente de variación de \(35.07\%\), lo que constituye un conjunto de datos con dispersión moderada. La distribución muestra una concentración moderadamente alta alrededor del centro (curtosis leptocúrtica de \(2.57\)) y una mayor acumulación de registros en los valores altos, con una cola extendida hacia los valores bajos que genera una asimetría negativa de \(-0.71\), identificándose además \(1178\) valores atípicos en la parte inferior.