Variable Cuantitativa Discreta: Número de Subunidades (SUBUNIT_NU)
Análisis de la Actividad Minera y Emisión de Gases
Luis Cruz
2026-07-05
Variable Original: SUBUNIT_NU
Nombre Variable: NUM_SUBUNIDAD
Tipo: Cuantitativa Discreta
0.- Carga de librerías
library(dplyr)
library(gt)
library(knitr)
library(e1071)1.- Leer datos
datos <- read.csv("~/Estudio/TERCER SEMESTRE/Estadistica/Dataset.csv",
sep = ";", stringsAsFactors = FALSE)2.- Selección de la variable
NUM_SUBUNIDAD <- as.numeric(datos$SUBUNIT_NU)
NUM_SUBUNIDAD <- NUM_SUBUNIDAD[!is.na(NUM_SUBUNIDAD)]
n <- length(NUM_SUBUNIDAD)3.- Conteo (frecuencia)
NOTA: al tener solo 5 valores distintos (0 a 4), no se agrupa en intervalos como en variables continuas; se usa el conteo directo por valor, que ya cumple con el máximo de 10-12 filas recomendado.
TDF <- as.data.frame(table(NUM_SUBUNIDAD))
colnames(TDF) <- c("Valor", "ni")
TDF$Valor <- as.numeric(as.character(TDF$Valor))
TDF$hi <- round(TDF$ni / n * 100, 2)
TDF$Ni_asc <- cumsum(TDF$ni)
TDF$Ni_des <- rev(cumsum(rev(TDF$ni)))
TDF$Hi_asc <- round(cumsum(TDF$hi), 2)
TDF$Hi_des <- round(rev(cumsum(rev(TDF$hi))), 2)4.- Tabla de distribución de frecuencia
Summary <- data.frame(
Valor = "TOTAL",
ni = sum(TDF$ni),
hi = round(sum(TDF$hi), 2),
Ni_asc = "-",
Ni_des = "-",
Hi_asc = "-",
Hi_des = "-"
)
TDF_suma <- rbind(
data.frame(lapply(TDF, as.character), stringsAsFactors = FALSE),
Summary
)
colnames(TDF_suma) <- c("N° Subunidades", "ni", "hi(%)", "Ni asc", "Ni dsc", "Hi asc", "Hi dsc")
TDF_suma %>%
gt() %>%
tab_header(
title = md("Tabla Nro. 1"),
subtitle = md("Distribución de frecuencias de la variable Número de Subunidades (SUBUNIT_NU) para el análisis de la actividad minera y emisión de gases en Estados Unidos.")
) %>%
cols_align(align = "center", columns = everything()) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(rows = `N° Subunidades` == "TOTAL")
) %>%
tab_source_note(source_note = md("Autor: Luis Cruz"))| Tabla Nro. 1 | ||||||
| Distribución de frecuencias de la variable Número de Subunidades (SUBUNIT_NU) para el análisis de la actividad minera y emisión de gases en Estados Unidos. | ||||||
| N° Subunidades | ni | hi(%) | Ni asc | Ni dsc | Hi asc | Hi dsc |
|---|---|---|---|---|---|---|
| 0 | 106 | 3.63 | 106 | 2921 | 3.63 | 100 |
| 1 | 802 | 27.46 | 908 | 2815 | 31.09 | 96.37 |
| 2 | 1134 | 38.82 | 2042 | 2013 | 69.91 | 68.91 |
| 3 | 749 | 25.64 | 2791 | 879 | 95.55 | 30.09 |
| 4 | 130 | 4.45 | 2921 | 130 | 100 | 4.45 |
| TOTAL | 2921 | 100 | - | - | - | - |
| Autor: Luis Cruz | ||||||
5.- Gráficas de distribución de frecuencia
Histograma
Diagrama de barras general
par(mar = c(6, 5, 4, 2))
barplot(TDF$ni,
names.arg = TDF$Valor,
main = "Gráfica Nro. 1\nDistribución de NUM_SUBUNIDAD en instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Cantidad",
col = "blue",
ylim = c(0, max(TDF$ni)),
cex.names = 1, cex.axis = 0.9)
Diagrama de barras con relación al todo
par(mar = c(6, 5, 4, 2))
barplot(TDF$ni,
names.arg = TDF$Valor,
main = "Gráfica Nro. 2\nDistribución de NUM_SUBUNIDAD en instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Cantidad",
col = "lightgreen",
ylim = c(0, n),
cex.names = 1, cex.axis = 0.9)
Histograma porcentual
Histograma porcentual general
par(mar = c(6, 5, 4, 2))
barplot(TDF$hi,
names.arg = TDF$Valor,
main = "Gráfica Nro. 3\nDistribución de frecuencia de NUM_SUBUNIDAD en instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Porcentaje",
col = "lightblue",
ylim = c(0, max(TDF$hi) + 5),
cex.names = 1, cex.axis = 0.9)
Histograma porcentual con relación al todo
par(mar = c(6, 5, 4, 2))
barplot(TDF$hi,
names.arg = TDF$Valor,
main = "Gráfica Nro. 4\nDistribución de frecuencia de NUM_SUBUNIDAD en instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Porcentaje",
col = "green",
ylim = c(0, 100),
cex.names = 1, cex.axis = 0.9)
6.- Diagrama de cajas
options(scipen = 999)
boxplot(NUM_SUBUNIDAD,
horizontal = TRUE,
main = "Gráfica Nro. 5\nDistribución de NUM_SUBUNIDAD en instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades",
col = "turquoise",
pch = 1)
summary(NUM_SUBUNIDAD)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.000 1.000 2.000 1.998 3.000 4.0007.- Ojivas
Ojivas Ascendentes y Descendentes (ni)
par(mar = c(9, 6, 4, 2))
x_pos <- TDF$Valor
plot(x_pos, TDF$Ni_des,
main = "Gráfica Nro. 6\nDistribución de Número de Subunidades por instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Cantidad",
col = "orange", type = "o", lwd = 3,
xaxt = "n",
ylim = c(0, max(c(TDF$Ni_asc, TDF$Ni_des))))
lines(x_pos, TDF$Ni_asc,
col = "green", type = "o", lwd = 3)
axis(side = 1, at = x_pos, labels = TDF$Valor, las = 2, cex.axis = 0.9)
Ojivas Ascendentes y Descendentes (hi)
par(mar = c(9, 6, 4, 2))
plot(x_pos, TDF$Hi_des,
main = "Gráfica Nro. 7\nDistribución de Número de Subunidades por instalaciones\nmineras de Estados Unidos",
xlab = "Número de subunidades", ylab = "Porcentaje",
col = "red", type = "o", lwd = 2,
ylim = c(0, 100),
xaxt = "n")
lines(x_pos, TDF$Hi_asc,
col = "blue", type = "o", lwd = 3)
axis(side = 1, at = x_pos, labels = TDF$Valor, las = 2, cex.axis = 0.9)
8.- Indicadores Estadísticos
Indicadores de Tendencia Central
# Media aritmética
media <- mean(NUM_SUBUNIDAD)
media## [1] 1.998288# Mediana
mediana <- median(NUM_SUBUNIDAD)
mediana## [1] 2# Moda
moda <- as.numeric(names(sort(table(NUM_SUBUNIDAD), decreasing = TRUE))[1])
moda## [1] 2Indicadores de Dispersión
# Varianza
varianza <- var(NUM_SUBUNIDAD)
varianza## [1] 0.8544491# Desviación estándar
desv <- sd(NUM_SUBUNIDAD)
desv## [1] 0.9243642# Coeficiente de variación
cv <- round((desv / media) * 100, 2)
cv## [1] 46.26Indicadores de Forma
# Asimetría
asimetria <- skewness(NUM_SUBUNIDAD, type = 2)
asimetria## [1] 0.06587072# Curtosis
curtosis <- kurtosis(NUM_SUBUNIDAD, type = 2)
curtosis## [1] -0.4987003# Valores atípicos (regla de Tukey: 1.5*IQR)
q1 <- quantile(NUM_SUBUNIDAD, 0.25)
q3 <- quantile(NUM_SUBUNIDAD, 0.75)
iqr_val <- q3 - q1
lim_inf <- q1 - 1.5 * iqr_val
lim_sup <- q3 + 1.5 * iqr_val
outs <- NUM_SUBUNIDAD[NUM_SUBUNIDAD < lim_inf | NUM_SUBUNIDAD > lim_sup]
n_outs <- length(outs)
val_atipicos <- if (n_outs == 0) "Ninguno" else paste(sort(unique(outs)), collapse = ", ")
Tabla_indicadores <- data.frame(
"Variable" = "Número de Subunidades (SUBUNIT_NU)",
"Rango" = paste0("[", min(NUM_SUBUNIDAD), ",", max(NUM_SUBUNIDAD), "]"),
"X" = round(media, 2),
"Me" = mediana,
"Mo" = moda,
"V" = round(varianza, 2),
"Sd" = round(desv, 2),
"Cv" = cv,
"As" = round(asimetria, 2),
"K" = round(curtosis, 2),
"Valores Atípicos" = val_atipicos
)
kable(Tabla_indicadores, align = 'c',
caption = "Indicadores estadísticos de la variable Número de Subunidades (SUBUNIT_NU)")| Variable | Rango | X | Me | Mo | V | Sd | Cv | As | K | Valores.Atípicos |
|---|---|---|---|---|---|---|---|---|---|---|
| Número de Subunidades (SUBUNIT_NU) | [0,4] | 2 | 2 | 2 | 0.85 | 0.92 | 46.26 | 0.07 | -0.5 | Ninguno |
9.- Conclusiones
La variable Número de Subunidades (NUM_SUBUNIDAD) fluctúa entre 0 y 4, y sus valores giran en torno a 2 con una desviación estándar de 0.92 (CV = 46.26%), siendo un conjunto de datos con dispersión moderada. La distribución presenta asimetría positiva (0.07) y no se identificaron valores atípicos.