VARIABLE CUALITATIVA ORDINAL: MES

Carga de datos y librerías Extraer la variable

Conteo ▼

3.1 Definición de las categorías 3.2 Conteo de datos 3.3 Cálculo de frecuencias

Tabla de frecuencias ▼

4.1 Tabla de frecuencias 4.2 Presentación de la tabla

Gráficas ▼

5.1 Distribución local del mes de deslizamientos a nivel mundial 5.2 Distribución global del mes de deslizamientos a nivel mundial 5.3 Distribución local en porcentaje del mes de deslizamientos a nivel mundial 5.4 Distribución global en porcentaje del mes de deslizamientos a nivel mundial 5.5 Diagrama circular

Indicadores ▼

6.1 Indicadores estadísticos 6.2 Tabla resumen de indicadores

Conclusión

1. CARGA DE DATOS Y LIBRERÍAS

library(readxl)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(gt)

datos <- read_excel("datos_deslizamientos.xlsx")

2. EXTRAER LA VARIABLE

# Conversión de la fecha
event_date <- as.Date(datos$event_date)

# Eliminación de valores perdidos
event_date <- event_date[!is.na(event_date)]

# Extracción del mes
variable <- as.numeric(format(event_date, "%m"))

3. CONTEO

3.1 Definición de las categorías

meses <- c(
  "Enero", "Febrero", "Marzo", "Abril",
  "Mayo", "Junio", "Julio", "Agosto",
  "Septiembre", "Octubre", "Noviembre", "Diciembre"
)

3.2 Conteo de datos

N <- length(variable)

3.3 Cálculo de frecuencias

ni <- sapply(
  1:12,
  function(i) sum(variable == i)
)

hi <- ni / sum(ni)

hi_porcentaje <- hi * 100


TDFMes <- data.frame(
  Mes = factor(
    meses,
    levels = meses,
    ordered = TRUE
  ),
  ni = ni,
  hi = hi,
  hi_porcentaje = hi_porcentaje
)


TDFMes_total <- TDFMes %>%
  add_row(
    Mes = "TOTAL",
    ni = sum(ni),
    hi = 1,
    hi_porcentaje = 100
  )

4. TABLA DE FRECUENCIAS

4.1 Tabla de frecuencias

tabla_frecuencias <- TDFMes_total %>%
  mutate(
    hi = round(hi, 2),
    hi_porcentaje = round(hi_porcentaje, 2)
  )

4.2 Presentación de la tabla

tabla_frecuencias %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro. 1**"),
    subtitle = md("Distribución mensual de la frecuencia de deslizamientos a nivel mundial")
  ) %>%
  cols_label(
    Mes = "Mes",
    ni = "Frecuencia absoluta (ni)",
    hi = "Frecuencia relativa decimal",
    hi_porcentaje = "Frecuencia relativa (%)"
) %>%
  tab_source_note(
    source_note = md("Elaborado por: Grupo 1 – Carrera de Geología")
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = Mes == "TOTAL")
  )

Tabla Nro. 1
Distribución mensual de la frecuencia de deslizamientos a nivel mundial
Mes	Frecuencia absoluta (ni)	Frecuencia relativa decimal	Frecuencia relativa (%)
Enero	945	0.09	8.57
Febrero	797	0.07	7.22
Marzo	985	0.09	8.93
Abril	841	0.08	7.62
Mayo	788	0.07	7.14
Junio	974	0.09	8.83
Julio	1243	0.11	11.27
Agosto	1175	0.11	10.65
Septiembre	896	0.08	8.12
Octubre	761	0.07	6.90
Noviembre	668	0.06	6.05
Diciembre	960	0.09	8.70
TOTAL	11033	1.00	100.00
Elaborado por: Grupo 1 – Carrera de Geología

tabla_graficos <- TDFMes

5. GRÁFICAS

5.1 Distribución local del mes de deslizamientos a nivel mundial

par(mar = c(12,5,4,2))

max_ni <- max(ni)

pos_x <- barplot(
  ni,
  col = "#EEDFCC",
  border = "black",
  space = 0.3,
  ylim = c(0, max_ni),
  yaxt = "n",
  xaxt = "n",
  main = "Gráfica 1: Distribución local del mes de deslizamientos\n a nivel mundial ",
  xlab = "Mes",
  ylab = "Cantidad"
)

ticks_y <- round(seq(0,max_ni,length.out=5),0)

axis(
  side=2,
  at=ticks_y,
  labels=ticks_y,
  las=1
)

axis(
  side=1,
  at=pos_x,
  labels=meses,
  las=2,
  cex.axis=0.85
)

text(
  pos_x,
  ni,
  labels=ni,
  pos=3,
  font=2,
  cex=.8
)

5.2 Distribución global del mes de deslizamientos a nivel mundial

par(mar = c(12,5,4,2))

N_total <- sum(ni)

pos_x <- barplot(
  ni,
  col="#EEDFCC",
  border="black",
  space=.3,
  ylim=c(0,N_total),
  yaxt="n",
  xaxt="n",
  main="Gráfica 2: Distribución global del mes de deslizamientos\n a nivel mundial ",
  xlab="Mes",
  ylab="Cantidad"
)

ticks_global <- c(
  0,
  round(N_total*.2),
  round(N_total*.4),
  round(N_total*.6),
  round(N_total*.8),
  N_total
)

axis(
  side=2,
  at=ticks_global,
  labels=ticks_global,
  las=1
)

axis(
  side=1,
  at=pos_x,
  labels=meses,
  las=2,
  cex.axis=.85
)

abline(
  h=N_total,
  col="red",
  lty=2,
  lwd=2
)

text(
  pos_x,
  ni,
  labels=ni,
  pos=3,
  font=2,
  cex=.8
)

5.3 Distribución local en porcentaje del mes de deslizamientos a nivel mundial

par(mar = c(12,5,4,2))

max_hi <- max(hi_porcentaje) * 1.12

pos_x <- barplot(
  hi_porcentaje,
  col="#BFD7EA",
  border="black",
  space=.3,
  ylim=c(0,max_hi),
  yaxt="n",
  xaxt="n",
  main="Gráfica 3: Distribución local en porcentaje del mes de \ndeslizamientos a nivel mundial",
  xlab="Mes",
  ylab="Porcentaje (%)"
)

ticks_hi <- round(seq(0,max_hi,length.out=5),2)

axis(
  side=2,
  at=ticks_hi,
  labels=ticks_hi,
  las=1
)

axis(
  side=1,
  at=pos_x,
  labels=meses,
  las=2,
  cex.axis=.85
)

text(
  pos_x,
  hi_porcentaje,
  labels=round(hi_porcentaje,2),
  pos=3,
  font=2,
  cex=.8
)

5.4 Distribución global en porcentaje del mes de deslizamientos a nivel mundial

par(mar = c(12,5,4,2))

pos_x <- barplot(
  hi_porcentaje,
  col="#BFD7EA",
  border="black",
  space=.3,
  ylim=c(0,100),
  yaxt="n",
  xaxt="n",
  main="Gráfica 4: Distribución global en porcentaje del mes de \ndeslizamientos a nivel mundial ",
  xlab="Mes",
  ylab="Porcentaje (%)"
)

axis(
  side=2,
  at=seq(0,100,20),
  labels=seq(0,100,20),
  las=1
)

axis(
  side=1,
  at=pos_x,
  labels=meses,
  las=2,
  cex.axis=.85
)

abline(
  h=100,
  col="red",
  lty=2,
  lwd=2
)

text(
  pos_x,
  hi_porcentaje,
  labels=round(hi_porcentaje,2),
  pos=3,
  font=2,
  cex=.8
)

5.5 Diagrama circular

par(mar = c(5,4,4,8))
par(xpd = TRUE)

colores <- c(
  "#66c2a5", "#fc8d62", "#8da0cb", "#e78ac3",
  "#a6d854", "#ffd92f", "#e5c494", "#b3b3b3",
  "#1b9e77", "#d95f02", "#7570b3", "#e7298a"
)

pie(
  tabla_graficos$hi_porcentaje,
  labels = paste0(round(tabla_graficos$hi_porcentaje,2)," %"),
  radius = 0.9,
  col = colores,
  main = "Gráfica 5: Distribución porcentual de los deslizamientos por mes\n(diagrama circular)"
)

legend(
  x = 1.30,
  y = 0,
  legend = as.character(tabla_graficos$Mes),
  fill = colores,
  cex = 0.95,
  bty = "n"
)

par(xpd = FALSE)

6. INDICADORES

6.1 Indicadores de posición

# Moda
indice_moda <- which.max(TDFMes$ni)

moda_mes <- TDFMes$Mes[indice_moda]

moda_ni <- TDFMes$ni[indice_moda]

moda_hi <- round(TDFMes$hi_porcentaje[indice_moda],2)

# Mediana ordinal
frecuencia_acumulada <- cumsum(TDFMes$hi_porcentaje)

mediana_mes <- meses[
  which(frecuencia_acumulada >= 50)[1]
]

6.2 Tabla resumen de indicadores

tabla_indicadores <- data.frame(
  Indicador = c(
    "Tamaño de la muestra",
    "Número de categorías",
    "Moda",
    "Frecuencia absoluta de la moda",
    "Frecuencia relativa de la moda (%)",
    "Mediana ordinal"
  ),
  Resultado = c(
    N,
    length(meses),
    moda_mes,
    moda_ni,
    moda_hi,
    mediana_mes
  )
)

tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro. 2**"),
    subtitle = md("Indicadores estadísticos de la variable Mes")
  ) %>%
  cols_label(
    Indicador = "Indicador estadístico",
    Resultado = "Resultado"
  ) %>%
  tab_source_note(
    source_note = md("Elaborado por: Grupo 1 – Carrera de Geología")
  )

Tabla Nro. 2
Indicadores estadísticos de la variable Mes
Indicador estadístico	Resultado
Tamaño de la muestra	11033
Número de categorías	12
Moda	7
Frecuencia absoluta de la moda	1243
Frecuencia relativa de la moda (%)	11.27
Mediana ordinal	Julio
Elaborado por: Grupo 1 – Carrera de Geología

7. CONCLUSIÓN

El valor más frecuente de la variable mes es julio y gira en torno a la mediana julio, por lo tanto el comportamiento es malo a nivel global por su mayor concentración durante este periodo.

---