Día de finalización (Completion day)

1 Configuración y Carga de Datos

Variable: Día de Finalización de la perforación — día calendario (1 a 31) en que se alcanzó la profundidad total del pozo (Completion Day, según el dataset). Tipo: cuantitativa discreta.

Reagrupación de clases: no fue necesaria — la variable ya toma un número reducido de valores (31 días), cada uno con frecuencia suficiente para el análisis (ver tabla, sección 4).

library(dplyr)
library(gt)
library(e1071)

col_principal <- "#0E6655"
col_barras    <- "#16A085"
col_acento    <- "#E67E22"
col_grid      <- "#D7DBDD"

setwd("C:/Users/ASUS/Desktop/Estadistica/new_york_exel")

archivo_csv <- "Oil__Gas____Other_Regulated_Wells__Beginning_1860.csv"

# Detección de separador (evita depender de un delimitador fijo)
separadores <- c(",", ";", "\t", "|")
mejor_sep <- NULL
mejor_ncol <- 1

for (s in separadores) {
  n_campos <- tryCatch(utils::count.fields(archivo_csv, sep = s)[1],
                        error = function(e) 1)
  if (!is.na(n_campos) && n_campos > mejor_ncol) {
    mejor_ncol <- n_campos
    mejor_sep  <- s
  }
}
if (is.null(mejor_sep)) mejor_sep <- ","
cat("Separador detectado:", ifelse(mejor_sep == "\t", "TAB", mejor_sep),
    "| Columnas detectadas:", mejor_ncol, "\n")

## Separador detectado: , | Columnas detectadas: 52

Datos_Brutos <- read.csv(archivo_csv, header = TRUE, sep = mejor_sep,
                          check.names = TRUE, stringsAsFactors = FALSE)

# Localización de columna de día de finalización: soporta dos variantes del dataset
#  (A) "Completion Day" (numérica, 1-31)  (B) "Date Well Completed" (fecha completa MM/DD/AAAA)
col_dia <- names(Datos_Brutos)[
  grepl("completion", names(Datos_Brutos), ignore.case = TRUE) &
  grepl("day",        names(Datos_Brutos), ignore.case = TRUE)
]

col_fecha_fin <- names(Datos_Brutos)[
  grepl("complet", names(Datos_Brutos), ignore.case = TRUE) &
  grepl("date",    names(Datos_Brutos), ignore.case = TRUE)
]

if (length(col_dia) > 0) {
  modo_columna_fin <- "dia"
  nombre_col_fin   <- col_dia[1]
} else if (length(col_fecha_fin) > 0) {
  modo_columna_fin <- "fecha"
  nombre_col_fin   <- col_fecha_fin[1]
} else {
  columnas_txt <- paste(names(Datos_Brutos), collapse = " | ")
  stop("ERROR: No se encontró ninguna columna de día/fecha de finalización ",
       "(se buscaron patrones 'Completion'+'Day' y 'Complet*'+'Date').\n",
       "Separador usado: '", mejor_sep, "'  |  N° de columnas leídas: ", ncol(Datos_Brutos), "\n",
       "COLUMNAS ENCONTRADAS EN EL ARCHIVO:\n", columnas_txt)
}

cat("Columna de día de finalización identificada (modo '", modo_columna_fin, "'): ",
    nombre_col_fin, "\n", sep = "")

## Columna de día de finalización identificada (modo 'fecha'): Date.Well.Completed

2 Extracción y Limpieza de la Variable

if (modo_columna_fin == "dia") {
  # Variante A: día numérico directo
  Datos <- Datos_Brutos %>%
    mutate(Dia_Fin = suppressWarnings(as.integer(.data[[nombre_col_fin]])))
} else {
  # Variante B: extraer día desde fecha MM/DD/AAAA
  Datos <- Datos_Brutos %>%
    mutate(Dia_Fin = suppressWarnings(as.integer(
      sub("^[0-9]{1,2}/([0-9]{1,2})/.*", "\\1", .data[[nombre_col_fin]])
    )))
}

Datos <- Datos %>%
  filter(!is.na(Dia_Fin) & Dia_Fin >= 1 & Dia_Fin <= 31) %>%
  mutate(
    Dia_Etiqueta = sprintf("Día %02d", Dia_Fin)
  )

Variable_Exacta <- Datos$Dia_Fin
if (length(Variable_Exacta) == 0) stop("ERROR: No hay datos válidos.")

cat("N (pozos con día de finalización 1-31):", length(Variable_Exacta),
    "| Días distintos:", length(unique(Datos$Dia_Fin)), "\n")

## N (pozos con día de finalización 1-31): 22668 | Días distintos: 31

3 Identificación de la Variable

cat("Variable      : Día de Finalización de la perforación\n")

## Variable      : Día de Finalización de la perforación

cat("Columna base  :", nombre_col_fin, "\n")

## Columna base  : Date.Well.Completed

cat("Tipo          : Cuantitativa discreta (escala ordinal-numérica, 1 a 31)\n")

## Tipo          : Cuantitativa discreta (escala ordinal-numérica, 1 a 31)

cat("Rango         :", min(Variable_Exacta), "-", max(Variable_Exacta), "\n")

## Rango         : 1 - 31

cat("N             :", length(Variable_Exacta), "\n")

## N             : 22668

4 Tabla de Distribución de Frecuencias

TDF_Raw <- Datos %>%
  group_by(Dia_Fin, Dia_Etiqueta) %>%
  summarise(ni = n(), .groups = "drop") %>%
  arrange(Dia_Fin)

ni <- TDF_Raw$ni
N  <- sum(ni)
hi <- (ni / N) * 100
Ni_asc  <- cumsum(ni)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_asc  <- cumsum(hi)
Hi_desc <- rev(cumsum(rev(hi)))

TDF_Dias <- data.frame(
  Dia = TDF_Raw$Dia_Etiqueta,
  ni = ni,
  hi = round(hi, 2),
  Ni_asc = Ni_asc,
  Ni_desc = Ni_desc,
  Hi_asc = round(Hi_asc, 2),
  Hi_desc = round(Hi_desc, 2)
)

totales <- c("TOTAL", sum(ni), round(sum(hi), 2), "-", "-", "-", "-")
TDF_Char <- TDF_Dias %>% mutate(across(everything(), as.character))
TDF_Show <- rbind(TDF_Char, totales)

modal_row <- which.max(TDF_Dias$ni)

TDF_Show %>%
  gt() %>%
  tab_header(
    title = md("**DISTRIBUCIÓN POR DÍA DE FINALIZACIÓN**"),
    subtitle = md(paste0("Variable: **Día de Finalización de la perforación (",
                          nombre_col_fin, ")** · Nueva York"))
  ) %>%
  tab_spanner(label = "Frecuencias acumuladas",
              columns = c(Ni_asc, Ni_desc, Hi_asc, Hi_desc)) %>%
  cols_label(
    Dia = "Día",
    ni = "Cant. Pozos (ni)",
    hi = "Porcentaje (hi%)",
    Ni_asc = "Ni (Asc)", Ni_desc = "Ni (Desc)",
    Hi_asc = "Hi (Asc)", Hi_desc = "Hi (Desc)"
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_style(
    style = list(cell_fill(color = col_principal), cell_text(color = "white", weight = "bold")),
    locations = cells_title()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#148F77"), cell_text(color = "white", weight = "bold")),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#148F77"), cell_text(color = "white", weight = "bold")),
    locations = cells_column_spanners()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#FDEBD0"), cell_text(weight = "bold")),
    locations = cells_body(rows = modal_row)
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#D0ECE7"), cell_text(weight = "bold")),
    locations = cells_body(rows = Dia == "TOTAL")
  ) %>%
  opt_row_striping() %>%
  opt_table_font(font = google_font("Roboto")) %>%
  tab_options(
    table.font.size = px(13),
    heading.align = "left",
    heading.title.font.size = px(17),
    data_row.padding = px(7),
    table.border.top.color = col_principal,
    table.border.bottom.color = col_principal,
    column_labels.border.bottom.color = col_principal
  ) %>%
  tab_source_note(md("*Fuente: NYS DEC — Oil, Gas & Other Regulated Wells. Elaboración: EDUARDO.*"))

DISTRIBUCIÓN POR DÍA DE FINALIZACIÓN
Variable: Día de Finalización de la perforación (Date.Well.Completed) · Nueva York
Día	Cant. Pozos (ni)	Porcentaje (hi%)	Frecuencias acumuladas
			Ni (Asc)	Ni (Desc)	Hi (Asc)	Hi (Desc)
Día 01	2252	9.93	2252	22668	9.93	100
Día 02	785	3.46	3037	20416	13.4	90.07
Día 03	731	3.22	3768	19631	16.62	86.6
Día 04	644	2.84	4412	18900	19.46	83.38
Día 05	770	3.4	5182	18256	22.86	80.54
Día 06	723	3.19	5905	17486	26.05	77.14
Día 07	665	2.93	6570	16763	28.98	73.95
Día 08	732	3.23	7302	16098	32.21	71.02
Día 09	719	3.17	8021	15366	35.38	67.79
Día 10	754	3.33	8775	14647	38.71	64.62
Día 11	630	2.78	9405	13893	41.49	61.29
Día 12	730	3.22	10135	13263	44.71	58.51
Día 13	654	2.89	10789	12533	47.6	55.29
Día 14	690	3.04	11479	11879	50.64	52.4
Día 15	803	3.54	12282	11189	54.18	49.36
Día 16	648	2.86	12930	10386	57.04	45.82
Día 17	650	2.87	13580	9738	59.91	42.96
Día 18	722	3.19	14302	9088	63.09	40.09
Día 19	643	2.84	14945	8366	65.93	36.91
Día 20	758	3.34	15703	7723	69.27	34.07
Día 21	681	3	16384	6965	72.28	30.73
Día 22	656	2.89	17040	6284	75.17	27.72
Día 23	712	3.14	17752	5628	78.31	24.83
Día 24	655	2.89	18407	4916	81.2	21.69
Día 25	653	2.88	19060	4261	84.08	18.8
Día 26	593	2.62	19653	3608	86.7	15.92
Día 27	676	2.98	20329	3015	89.68	13.3
Día 28	632	2.79	20961	2339	92.47	10.32
Día 29	578	2.55	21539	1707	95.02	7.53
Día 30	712	3.14	22251	1129	98.16	4.98
Día 31	417	1.84	22668	417	100	1.84
TOTAL	22668	100	-	-	-	-
Fuente: NYS DEC — Oil, Gas & Other Regulated Wells. Elaboración: EDUARDO.

5 Representación Gráfica

5.1 Gráfica N°1 — Diagrama de Barras (Frecuencia Absoluta)

vals_x <- TDF_Dias$Dia
vals_y <- TDF_Dias$ni
ylim_max <- max(vals_y) * 1.15

par(mar = c(8, 5, 4, 2))
bp1 <- barplot(vals_y,
        main = "Gráfica N°1: Distribución del día de finalización de perforación (NY)",
        cex.main = 0.9, ylab = "Cantidad de pozos (ni)",
        col = col_barras, border = "white", axes = FALSE,
        ylim = c(0, ylim_max), axisnames = FALSE)
axis(2, col = col_principal, col.axis = col_principal)
axis(1, at = bp1, labels = vals_x, col = col_principal, col.axis = col_principal, las = 2, cex.axis = 0.65)
text(x = bp1, y = vals_y, label = vals_y, pos = 3, cex = 0.6, col = col_principal)
title(xlab = "Día de finalización", line = 6)
grid(nx = NA, ny = NULL, col = col_grid, lty = "dotted")
box(bty = "l", col = col_principal)

5.2 Gráfica N°2 — Diagrama de Barras (Porcentaje)

vals_y_pct <- TDF_Dias$hi

par(mar = c(8, 5, 4, 2))
bp2 <- barplot(vals_y_pct,
        main = "Gráfica N°2: Distribución porcentual del día de finalización (NY)",
        cex.main = 0.9, ylab = "% del total (hi)",
        col = col_barras, border = "white", axes = FALSE,
        ylim = c(0, max(vals_y_pct) * 1.2), axisnames = FALSE)
axis(2, col = col_principal, col.axis = col_principal)
axis(1, at = bp2, labels = vals_x, col = col_principal, col.axis = col_principal, las = 2, cex.axis = 0.65)
text(x = bp2, y = vals_y_pct, label = paste0(round(vals_y_pct, 1), "%"), pos = 3, cex = 0.6, col = col_principal)
title(xlab = "Día de finalización", line = 6)
grid(nx = NA, ny = NULL, col = col_grid, lty = "dotted")
box(bty = "l", col = col_principal)

5.3 Gráfica N°3 — Diagrama de Barras Horizontal (Distribución Porcentual)

Nota: no se usa diagrama circular (no aplica a variable cuantitativa discreta). Se usa barra horizontal para mantener el orden calendario de los días (1 → 31).

par(mar = c(5, 8, 4, 3))
bp3 <- barplot(rev(vals_y_pct),
        main = "Gráfica N°3: Distribución porcentual del día de finalización (NY)",
        cex.main = 0.9, xlab = "% del total (hi)",
        col = col_barras, border = "white", axes = FALSE,
        horiz = TRUE, xlim = c(0, max(vals_y_pct) * 1.2), names.arg = rep("", length(vals_y_pct)))
axis(1, col = col_principal, col.axis = col_principal)
axis(2, at = bp3, labels = rev(vals_x), col = col_principal, col.axis = col_principal,
     las = 1, cex.axis = 0.65)
text(x = rev(vals_y_pct), y = bp3, label = paste0(round(rev(vals_y_pct), 1), "%"),
     pos = 4, cex = 0.6, col = col_principal)
grid(nx = NULL, ny = NA, col = col_grid, lty = "dotted")
box(bty = "l", col = col_principal)

5.4 Diagrama de Caja (Día Exacto de Finalización)

Muestra dispersión y valores atípicos del día exacto (escala numérica 1-31).

par(mar = c(6, 5, 4, 2))
boxplot(Variable_Exacta, horizontal = TRUE, col = col_barras,
        main = "Diagrama de caja del día de finalización de perforación (NY)",
        cex.main = 0.9, xlab = "", outline = TRUE, outpch = 19, outcol = col_acento,
        boxwex = 0.5, frame.plot = FALSE, xaxt = "n")
eje_x <- pretty(Variable_Exacta, n = 10)
axis(1, at = eje_x, labels = eje_x, cex.axis = 0.8,
     col = col_principal, col.axis = col_principal)
title(xlab = "Día exacto de finalización (1-31)", line = 4)

5.5 Ojivas (Frecuencias Acumuladas por Día)

Muestra la frecuencia acumulada ascendente y descendente por día.

par(mar = c(8, 5, 4, 8), xpd = TRUE)
x_vals_num <- sort(unique(Datos$Dia_Fin))
x_labels   <- TDF_Dias$Dia
y_asc  <- TDF_Dias$Ni_asc
y_desc <- TDF_Dias$Ni_desc

plot(x_vals_num, y_asc, type = "o", col = col_principal, lwd = 2, pch = 19,
     main = "Ojivas ascendente y descendente del día de finalización (NY)",
     cex.main = 0.9, ylab = "Frecuencia acumulada", xlab = "",
     axes = FALSE, frame.plot = FALSE)
axis(1, at = x_vals_num, labels = x_labels, las = 2, cex.axis = 0.65,
     col = col_principal, col.axis = col_principal)
axis(2, col = col_principal, col.axis = col_principal)
title(xlab = "Día de finalización", line = 6)
lines(x_vals_num, y_desc, type = "o", col = col_acento, lwd = 2, pch = 19)
legend("right", legend = c("Ascendente", "Descendente"),
       col = c(col_principal, col_acento), lty = 1, pch = 19, cex = 0.7, lwd = 2,
       inset = c(-0.15, 0), bty = "n")
grid(nx = NULL, ny = NULL, col = col_grid, lty = "dotted")

6 Tabla de Indicadores

media_val   <- mean(Variable_Exacta)
mediana_val <- median(Variable_Exacta)

t_moda     <- table(Variable_Exacta)
freq_max   <- max(t_moda)
modas_calc <- as.numeric(names(t_moda)[t_moda == freq_max])
moda_txt   <- paste(modas_calc, collapse = ", ")

rango_txt    <- paste0("[", min(Variable_Exacta), "; ", max(Variable_Exacta), "]")
varianza_val <- var(Variable_Exacta)
sd_val       <- sd(Variable_Exacta)
cv_val       <- (sd_val / abs(media_val)) * 100
asimetria_val <- skewness(Variable_Exacta, type = 2)
curtosis_val  <- kurtosis(Variable_Exacta, type = 2)

vals_atipicos <- boxplot.stats(Variable_Exacta)$out
num_atipicos  <- length(vals_atipicos)
status_atipicos <- if (num_atipicos > 0) paste0(num_atipicos, " outliers") else "0 (Sin atípicos)"

df_indicadores <- data.frame(
  "Variable"  = "Día de finalización (día exacto, 1-31)",
  "Rango"     = rango_txt,
  "Media"     = media_val,
  "Mediana"   = mediana_val,
  "Moda"      = moda_txt,
  "Varianza"  = varianza_val,
  "Desv_Std"  = sd_val,
  "CV_Porc"   = cv_val,
  "Asimetria" = asimetria_val,
  "Curtosis"  = curtosis_val,
  "Atipicos"  = status_atipicos
)

df_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**TABLA DE INDICADORES**"),
    subtitle = "Estadísticos descriptivos de la variable Día de Finalización"
  ) %>%
  tab_source_note(source_note = "Autor: EDUARDO") %>%
  fmt_number(columns = c(Media, Mediana, Varianza, Desv_Std, CV_Porc, Curtosis), decimals = 2) %>%
  fmt_number(columns = c(Asimetria), decimals = 4) %>%
  cols_label(
    Variable = "Variable", Rango = "Rango [Min; Max]",
    Media = "Media (X̄)", Mediana = "Mediana (Me)", Moda = "Moda (Mo)",
    Varianza = "Varianza (S²)", Desv_Std = "Desv. Est. (S)", CV_Porc = "C.V. (%)",
    Asimetria = "Asimetría (As)", Curtosis = "Curtosis (K)", Atipicos = "Outliers"
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_style(
    style = list(cell_fill(color = col_principal), cell_text(color = "white", weight = "bold")),
    locations = cells_title()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#148F77"), cell_text(color = "white", weight = "bold")),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#FDEBD0"), cell_text(weight = "bold")),
    locations = cells_body(columns = Moda)
  ) %>%
  opt_table_font(font = google_font("Roboto")) %>%
  tab_options(
    table.font.size = px(13),
    heading.align = "left",
    data_row.padding = px(9),
    table.border.top.color = col_principal,
    table.border.bottom.color = col_principal,
    column_labels.border.bottom.color = col_principal
  )

TABLA DE INDICADORES
Estadísticos descriptivos de la variable Día de Finalización
Variable	Rango [Min; Max]	Media (X̄)	Mediana (Me)	Moda (Mo)	Varianza (S²)	Desv. Est. (S)	C.V. (%)	Asimetría (As)	Curtosis (K)	Outliers
Día de finalización (día exacto, 1-31)	[1; 31]	14.49	14.00	1	85.84	9.27	63.92	0.0997	−1.23	0 (Sin atípicos)
Autor: EDUARDO

7 Conclusión

El análisis abarca los días del 1 al 31 de cualquier mes (N = 22668 pozos). El día de mayor actividad de finalización fue Día 01 (moda: 1). CV = 63.92% (ritmo variable a lo largo del mes). Asimetría = 0.0997 (una distribución aproximadamente simétrica a lo largo del mes). Sin días atípicos.