0.- Librerías

library(readr)
library(dplyr)
library(knitr)
library(kableExtra)
library(ggplot2)
library(e1071)
library(tidyverse)
library(lubridate)

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 Esta variable contienen registros de No moonset indicando que hay lugares que simplemente no hay puesta de la luna asi que depuramos esta variable sin estos registros teniendo al principio un tamaño muestral de

n_original <- nrow(variables)
n_original

## [1] 141703

la depuramos y el tamaño muestral cambia

variables <- variables %>%
  # Quitamos la palabra "No moonset" y la dejamos vacía
  mutate(moonset = na_if(moonset, "No moonset")) %>%
  # Convertimos el texto a un formato de hora que R entienda
  mutate(hora_formato = parse_date_time(moonset, orders = "HM p")) %>%
  # CAMBIO AQUÍ: Calculamos las horas totales de forma continua (Hora + Minutos/60)
  mutate(moonset_horas = hour(hora_formato) + (minute(hora_formato) / 60))

Selección

# Paso 3: Extraer solo los números (eliminando los vacíos) para tu tabla
Luna_P <- na.omit(variables$moonset_horas)
n_total <- length(Luna_P)
n_total

## [1] 137011

3.- Frecuencias

Min y max

valor_min <- min(Luna_P, na.rm = TRUE)
valor_max <- max(Luna_P, na.rm = TRUE)
rango <- valor_max - valor_min

# Regla de Sturges para determinar el número de intervalos
K_sturges <- floor(1 + 3.322 * log10(n_total))
K_sturges

## [1] 18

A_sturges <- rango / K_sturges
A_sturges

## [1] 1.332407

Intervalos

cortes <- seq(valor_min, by = A_sturges, length.out = K_sturges + 1)
cortes[length(cortes)] <- valor_max 

Li1 <- cortes[1:K_sturges]
Ls1 <- cortes[2:(K_sturges + 1)]

Bucle para columnas

ni1 <- numeric(length(Li1))

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

# Frecuencia relativa (Porcentaje %)
hi1 <- (ni1 / sum(ni1)) * 100

# Frecuencias 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 distribución de frecuencia

TDF según sturges

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)
)

# Convertir a caracteres para poder mezclar números y texto con la fila TOTAL
Tabla_Sturges2 <- Tabla_Sturges
Tabla_Sturges2[] <- lapply(Tabla_Sturges2, as.character)

# Fila de totales
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 = ""
)

# Agregar fila de totales
Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)

# ==============================================================================
# 5. RENDERIZADO ESTÉTICO CON KABLEEXTRA
# ==============================================================================
kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N°1: Distribución de frecuencias de la hora de puesta de la luna (en horas desde la medianoche) 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"
  ) |>  
  kableExtra::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 la hora de puesta de la luna (en horas desde la medianoche) mediante la regla de Sturges, período 2024-2026
Lim_inf	Lim_sup	MC	ni	hi	Ni_asc	Hi_asc	Ni_dsc	Hi_dsc
0	1.33	0.67	7802	5.69	7802	5.69	137011	100
1.33	2.66	2	7677	5.6	15479	11.3	129209	94.31
2.66	4	3.33	7707	5.63	23186	16.92	121532	88.7
4	5.33	4.66	7597	5.54	30783	22.47	113825	83.08
5.33	6.66	6	7591	5.54	38374	28.01	106228	77.53
6.66	7.99	7.33	7507	5.48	45881	33.49	98637	71.99
7.99	9.33	8.66	7555	5.51	53436	39	91130	66.51
9.33	10.66	9.99	7618	5.56	61054	44.56	83575	61
10.66	11.99	11.33	7639	5.58	68693	50.14	75957	55.44
11.99	13.32	12.66	7764	5.67	76457	55.8	68318	49.86
13.32	14.66	13.99	7867	5.74	84324	61.55	60554	44.2
14.66	15.99	15.32	7619	5.56	91943	67.11	52687	38.45
15.99	17.32	16.66	7572	5.53	99515	72.63	45068	32.89
17.32	18.65	17.99	7517	5.49	107032	78.12	37496	27.37
18.65	19.99	19.32	7435	5.43	114467	83.55	29979	21.88
19.99	21.32	20.65	7578	5.53	122045	89.08	22544	16.45
21.32	22.65	21.98	7537	5.5	129582	94.58	14966	10.92
22.65	23.98	23.32	7429	5.42	137011	100	7429	5.42
TOTAL			137011	100
Nota: Elaborado por Grupo 2. Fuente: Global Weather Repository.

Devido a la complejidad y los datos propuestos por la regla de sturges , creamos la tabla simplificada, modificando su amplitud para asi que nos de una tabla mas facil y entendible para el expectador.

Tabla simplificada

Li1 <- seq(0, 21, by = 3) 
Ls1 <- seq(3, 24, by = 3)

ni1 <- numeric(length(Li1))

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

# Frecuencia relativa (Porcentaje %)
hi1 <- (ni1 / sum(ni1)) * 100

# Frecuencias 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_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 = ""
)

# Agregar fila de totales
Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)

kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N°2: Distribución de frecuencias de la puesta de la luna (en horas desde la medianoche) para el análisis meteorológico en capitales del mundo, 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"
  ) |>  
  kableExtra::footnote(
    general = "Elaborado por Grupo 2.\nFuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic", "bold")
  )

Tabla N°2: Distribución de frecuencias de la puesta de la luna (en horas desde la medianoche) para el análisis meteorológico en capitales del mundo, Período 2024-2026
Lim_inf	Lim_sup	MC	ni	hi	Ni_asc	Hi_asc	Ni_dsc	Hi_dsc
0	3	1.5	17376	12.68	17376	12.68	137011	100
3	6	4.5	17181	12.54	34557	25.22	119635	87.32
6	9	7.5	16987	12.4	51544	37.62	102454	74.78
9	12	10.5	17149	12.52	68693	50.14	85467	62.38
12	15	13.5	17550	12.81	86243	62.95	68318	49.86
15	18	16.5	17041	12.44	103284	75.38	50768	37.05
18	21	19.5	16931	12.36	120215	87.74	33727	24.62
21	24	22.5	16796	12.26	137011	100	16796	12.26
TOTAL			137011	100
Nota: Elaborado por Grupo 2. Fuente: Global Weather Repository.

5.- Gráficos de Distribución de Frecuencias

5.1.- histograma Ni

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

hist(
  Luna_P,
  breaks = cortes_hist,                           
  right = FALSE,                                             
  col = "green",                            
  border = "black",                          
  main = "Gráfico N°1: Histograma de Frecuencias Absolutas de la puesta de 
  la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",                                                 
  xaxt = "n",  # <-- CAMBIO AQUÍ: Desactivamos el eje X automático de R
  yaxt = "n",                                               
  ylim = c(0, 20000)  
)

# CORRECCIÓN PARA EL EJE X: Pintamos exactamente todos los cortes desde 0 hasta 24
axis(side = 1, at = cortes_hist, labels = cortes_hist, font = 2)

# Eje Y (El que ya tenías corregido para los miles)
marcas_y <- seq(0, 20000, by = 5000)
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)

5.2.- Histograma hi

par(mar = c(5, 5.5, 4, 2) + 0.1)

# 1. Crear el lienzo vacío con plot fijando el eje Y de 0 a 100 de forma directa
plot(
  Luna_P,
  type = "n",
  xlim = c(0, 24),
  ylim = c(0, 15),  # ESTANDARIZADO: Va de 0 a 100% automáticamente
  xaxt = "n",
  yaxt = "n",
  bty = "n",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",
  main = "Gráfico N°2: Histograma de Frecuencias Relativas de la puesta de
  la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository"
)
rect(
  xleft = Li1, 
  ybottom = 0, 
  xright = Ls1, 
  ytop = hi1, 
  col = "#4A90E2", 
  border = "black"
)

# 3. Eje X completo con todas las horas (0 a 24)
axis(side = 1, at = c(Li1, 24), labels = c(Li1, 24), font = 2)

# 4. Eje Y estandarizado en porcentajes reales de 20 en 20 sin fórmulas
marcas_y <- seq(0, 15, by = 5)
axis(side = 2, at = marcas_y, labels = paste0(marcas_y, "%"), font = 2, las = 1)

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

5.3.- Histograma de ni con el tamaño muestral

par(mar = c(5, 5.5, 4, 2) + 0.1)

hist(
  Luna_P,
  breaks = cortes_hist,                           
  right = FALSE,                                             
  col = "green",                            
  border = "black",                          
  main = "Gráfico N°3: Histograma de Frecuencias Absolutas de la puesta de 
  la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",                                                 
  xaxt = "n",  # <-- CAMBIO AQUÍ: Desactivamos el eje X automático de R
  yaxt = "n",                                               
  ylim = c(0, 140000)  
)

# CORRECCIÓN PARA EL EJE X: Pintamos exactamente todos los cortes desde 0 hasta 24
axis(side = 1, at = cortes_hist, labels = cortes_hist, font = 2)

# Eje Y (El que ya tenías corregido para los miles)
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

par(mar = c(5, 5.5, 4, 2) + 0.1)

# 1. Crear el lienzo vacío con plot fijando el eje Y de 0 a 100 de forma directa
plot(
  Luna_P,
  type = "n",
  xlim = c(0, 24),
  ylim = c(0, 100),  # ESTANDARIZADO: Va de 0 a 100% automáticamente
  xaxt = "n",
  yaxt = "n",
  bty = "n",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",
  main = "Gráfico N°4: Histograma de Frecuencias Relativas de la puesta de
  la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository"
)
rect(
  xleft = Li1, 
  ybottom = 0, 
  xright = Ls1, 
  ytop = hi1, 
  col = "#4A90E2", 
  border = "black"
)

# 3. Eje X completo con todas las horas (0 a 24)
axis(side = 1, at = c(Li1, 24), labels = c(Li1, 24), font = 2)

# 4. Eje Y estandarizado en porcentajes reales de 20 en 20 sin fórmulas
marcas_y <- seq(0, 100, by = 20)
axis(side = 2, at = marcas_y, labels = paste0(marcas_y, "%"), font = 2, las = 1)

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

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] - 1.5, marcas_clase, marcas_clase[length(marcas_clase)] + 1.5)
ni_poligono <- c(0, Tabla_Sturges$ni, 0)

hist(
  Luna_P,
  breaks = cortes,                           
  right = FALSE,                             
  col = "green",                           
  border = "black",                          
  main = "Gráfico N°5 : Poligono de frecuencias, Puesta de
  la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",                                 
  yaxt = "n",
  ylim = c(0, 20000)                         
)

marcas_y <- seq(0, 20000, by = 5000)
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)]) 

# Configuración correcta de los vectores de la ojiva para que inicien y cierren bien
ni_asc_ojiva <- c(0, Tabla_Sturges$Ni_asc)
ni_dsc_ojiva <- c(Tabla_Sturges$Ni_dsc, 0) # Empieza en el total y termina en 0

# Ajustamos el límite máximo del eje Y al total real de tus datos válidos (aprox 141,000)
limite_max_y <- 150000
marcas_y     <- seq(0, limite_max_y, by = 30000)

par(mar = c(5, 5.5, 4, 2) + 0.1)

plot(
  1, 
  type = "n",
  main = "Gráfico N°6:Ojivas de Frecuencias Absolutas Ac. de la puesta
  de la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",                                             
  xaxt = "n",                                             
  yaxt = "n",                                             
  bty = "n",   # Remueve el cuadro exterior para que quede limpio igual que el histograma
  xlim = c(0, 24),                     
  ylim = c(0, limite_max_y),
  xaxs = "i"                                             
)
# Ejes con todas las marcas correspondientes
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)
# Cuadrícula de fondo
grid(nx = NULL, ny = NULL, lty = "dashed", col = "lightgray", lwd = 1)

# Línea de la Ojiva Ascendente
lines(
  x = puntos_eje_x, 
  y = ni_asc_ojiva, 
  col = "#2980b9",                        
  lwd = 3,                                 
  type = "o",                             
  pch = 19                                 
)
# Línea de la Ojiva Descendente
lines(
  x = puntos_eje_x, 
  y = ni_dsc_ojiva, 
  col = "#e74c3c",                        
  lwd = 3, 
  type = "o", 
  pch = 19
)
# Leyenda explicativa ajustada para frecuencias absolutas (Ni)
legend(
  "topleft", # <-- CAMBIO AQUÍ: Movida a la izquierda
  legend = c("Ojiva Ascendente (Ni asc)", "Ojiva Descendente (Ni dsc)"),
  col = c("#2980b9", "#e74c3c"),
  lty = 1,
  lwd = 3,
  pch = 19,
  bty = "n",  
  cex = 0.65, 
  text.font = 2
)

5.7.- Ojivas ascendente y descendente (hi)

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

# Configuración de los vectores usando los porcentajes acumulados de tu tabla
hi_asc_ojiva <- c(0, Tabla_Sturges$Hi_asc)
hi_dsc_ojiva <- c(Tabla_Sturges$Hi_dsc, 0) # Empieza en 100% y termina en 0%

# SOLUCIÓN PARA LA LEYENDA: Subimos el techo a 120 para ganar espacio libre arriba
limite_max_y <- 120
marcas_y     <- seq(0, 100, by = 20) # El eje Y se muestra limpio hasta 100%

par(mar = c(5, 5.5, 4, 2) + 0.1)

plot(
  1, 
  type = "n",
  main = "Gráfico N°7: Ojivas de Frecuencias Relativas Ac. de la Puesta 
  de la Luna para el análisis meteorológico en capitales del mundo
  Periodo: Mayo 2024 a Mayo 2026",
  sub = "Fuente: Global Weather Repository",
  xlab = "Puesta de la Luna (Horas)",
  ylab = "",                                             
  xaxt = "n",                                             
  yaxt = "n",                                             
  bty = "n",   
  xlim = c(0, 24),                     
  ylim = c(0, limite_max_y), # Aplica el techo de 120
  xaxs = "i"                                             
)

# Ejes con sus marcas
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 (Hi %)", side = 2, line = 4.5, font = 2)

# Cuadrícula de fondo
grid(nx = NULL, ny = NULL, lty = "dashed", col = "lightgray", lwd = 1)

# Línea de la Ojiva Ascendente (Azul)
lines(x = puntos_eje_x, y = hi_asc_ojiva, col = "#2980b9", lwd = 3, type = "o", pch = 19)

# Línea de la Ojiva Descendente (Roja)
lines(x = puntos_eje_x, y = hi_dsc_ojiva, col = "#e74c3c", lwd = 3, type = "o", pch = 19)

# Leyenda ubicada arriba a la izquierda sin tocar ninguna línea
legend(
  "topleft", 
  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, 
  text.font = 2
)

5.8.- Diagrama de caja y bigotes

par(mar = c(5.5, 4, 4, 2) + 0.1) # Ajustamos márgenes inferiores para el título de abajo

boxplot(
  Luna_P,
  horizontal = TRUE,  
  col = "green",
  border = "black",
  main = "Gráfico N°8: Diagrama de Caja y bigotes, Puesta de la Luna en Horas ",
  sub = "Fuente: Global Weather Repository",
  xlab = "",          
  xaxt = "n",         
  yaxt = "n",        
  frame.plot = FALSE, 
  xlim = c(0.5, 1.5), 
  ylim = c(0, 24)     
)

# CORRECCIÓN: Pintamos todas las horas de 3 en 3 en el eje X (side = 1)
marcas_horas <- seq(0, 24, by = 3)
axis(side = 1, at = marcas_horas, labels = marcas_horas, font = 2)

# CORRECCIÓN: Ponemos el título del eje abajo (side = 1)
mtext(text = "Salida de la Luna (Horas)", side = 1, line = 3, font = 2)

6.- Indicadores Estadisticos

Tendencia central

Luna_P_reconst <- rep(MC1, times = ni1)

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

Dispersión

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

Forma

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

Valores atipicos

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

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

n_atipicos <- sum(Luna_P_reconst < lim_inf | Luna_P_reconst > lim_sup)
rango_valores <- paste0("[", min(Li1), " h ; ", max(Ls1), " h]")

Tabla de indicadores

tabla_indicadores <- data.frame(
  Variable         = "Puesta de la Luna (Horas)",
  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 Hora de Puesta de la Luna basados en la distribución de frecuencias, período Mayo 2024 a Mayo 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 Hora de Puesta de la Luna basados en la distribución de frecuencias, período Mayo 2024 a Mayo 2026
Variable	Rango	X	Me	Mo	V	Sd	CV	As	K	Valores_Atipicos
Puesta de la Luna (Horas)	[0 h ; 24 h]	11.95	10.5	13.5	47.1	6.86	57.44%	0.01	-1.23	0

7.- conclusión

El comportamiento de la Puesta de la Luna (Horas) fluctúa en un rango de \(0\text{ h}\) a \(24\text{ h}\), y sus valores giran en torno a una mediana de \(10.50\text{ h}\) y una moda de \(13.50\text{ h}\), con una media aritmética de \(11.95\text{ h}\). Presenta una desviación estándar de \(6.86\text{ h}\) y un coeficiente de variación de \(57.44\%\), lo que constituye un conjunto de datos con una dispersión alta. La distribución muestra una concentración baja alrededor del centro (curtosis platicúrtica de \(-1.23\)) y una acumulación de registros bastante uniforme, con una cola ligeramente extendida hacia la derecha que genera una asimetría positiva muy leve de \(0.01\), no identificándose valores atípicos en la distribución.

Puesta de la Luna

Jhonny Criollo

2026-07-05