1. Configuración y Carga de Datos

datos_originales <- readr::read_csv2(
  "C:/Users/cordo/OneDrive/Desktop/ESTADISITCA/Oil__Gas____Other_Regulated_Wells__Beginning_1860.csv",
  locale = readr::locale(encoding = "Latin1")
)

2. Extracción y Limpieza de la Variable

datos_limpios <- datos_originales %>%
  select(`Well Type`) %>%
  filter(!is.na(`Well Type`) & `Well Type` != "" & `Well Type` != " ") %>%
  mutate(`Well Type` = str_to_title(trimws(`Well Type`)))

3. Identificación de la Variable

  • Nombre de la Variable: WELL_TYPE (Tipo de pozo)
  • Tipo de Variable: Cualitativa Nominal.

4. Tabla de Distribución de Frecuencias (TDF)

tdf_wt <- datos_limpios %>%
  group_by(`Well Type`) %>%
  summarise(Fi = n(), .groups = 'drop') %>%
  arrange(desc(Fi)) %>%
  mutate(
    hi = Fi / sum(Fi),
    Pi = hi * 100
  )

total_observaciones <- sum(tdf_wt$Fi)

# Agrupamiento
top_wt <- tdf_wt %>% slice_max(order_by = Fi, n = 10)
otros_wt <- tdf_wt %>% slice(11:n()) %>% 
  summarise(`Well Type` = "Otros", Fi = sum(Fi), hi = sum(hi), Pi = sum(Pi))

tdf_presentacion <- bind_rows(top_wt, otros_wt) %>%
  mutate(
    `Fi_ac` = cumsum(Fi),
    `hi_ac` = cumsum(hi)
  )

tdf_presentacion %>%
  rename(
    `Tipo de Pozo (Well Type)` = `Well Type`,
    `Frec. Absoluta (Fi)` = Fi,
    `Frec. Relativa (hi)` = hi,
    `Porcentaje (%)` = Pi,
    `Frec. Abs. Acumulada (Fi_ac)` = Fi_ac,
    `Frec. Rel. Acumulada (hi_ac)` = hi_ac
  ) %>%
  kbl(
    caption = "<div style='color:#1D4E73; font-family:\"Lora\", serif; font-weight:bold; font-size:16px; text-align:center; width:100%; display:block;'>TABLA 1. Distribución de Frecuencias de Pozos por Tipo</div>",
    digits = 4, 
    align = "lccccc"
  ) %>%
  kable_styling(bootstrap_options = c("hover", "striped"), full_width = TRUE, position = "center") %>%
  row_spec(0, background = "#1D4E73", color = "white", bold = TRUE, extra_css = "padding: 12px !important;") %>%
  footnote(general = paste("Total de registros históricos válidos procesados:", comma(total_observaciones)))
TABLA 1. Distribución de Frecuencias de Pozos por Tipo
Tipo de Pozo (Well Type) Frec. Absoluta (Fi) Frec. Relativa (hi) Porcentaje (%) Frec. Abs. Acumulada (Fi_ac) Frec. Rel. Acumulada (hi_ac)
Od 17885 0.3774 37.7416 17885 0.3774
Gd 10047 0.2120 21.2016 27932 0.5894
Nl 8490 0.1792 17.9159 36422 0.7686
Iw 4502 0.0950 9.5003 40924 0.8636
Dw 1695 0.0358 3.5769 42619 0.8994
Dh 1136 0.0240 2.3972 43755 0.9233
St 973 0.0205 2.0533 44728 0.9439
Br 765 0.0161 1.6143 45493 0.9600
Gw 658 0.0139 1.3885 46151 0.9739
Ge 326 0.0069 0.6879 46477 0.9808
Sg 326 0.0069 0.6879 46803 0.9877
Otros 911 0.0192 1.9224 47714 1.0069
Note:
Total de registros históricos válidos procesados: 47,388

5. Representación Gráfica

5. Representación Gráfica

n_categorias <- length(unique(tdf_presentacion$`Well Type`))
paleta_dinamica <- colorRampPalette(c("#1D4E73", "#7ABDEF", "#CBE4FA"))(n_categorias)

fuente_unificada <- "Lora"

datos_ordenados <- tdf_presentacion %>%
  mutate(`Well Type` = factor(`Well Type`, levels = c(setdiff(`Well Type`, "Otros"), "Otros")))

5.1 Gráfica N°1 — Barras (Frecuencia Absoluta)

ggplot(datos_ordenados, aes(x = `Well Type`, y = Fi, fill = `Well Type`)) +
  geom_bar(stat = "identity", color = "#1D4E73", lwd = 0.4, width = 0.72, show.legend = FALSE) +
  geom_text(aes(label = comma(Fi)), vjust = -0.5, size = 4.5, fontface = "bold", family = fuente_unificada, color = "#1D4E73") +
  scale_fill_manual(values = paleta_dinamica) + # Aquí debe decir paleta_dinamica
  scale_y_continuous(labels = comma, expand = expansion(mult = c(0, 0.12))) +
  labs(title = "Gráfica N°1: Frecuencia Absoluta de Pozos por Tipo", x = "Tipo de Pozo", y = "Número Total (Fi)") +
  theme_minimal() +
  theme(plot.title = element_text(family = fuente_unificada, size = 16, face = "bold", color = "#1D4E73", hjust = 0.5))

5.2 Gráfica N°2 — Barras (Porcentaje)

ggplot(datos_ordenados, aes(x = `Well Type`, y = Pi, fill = `Well Type`)) +
  geom_bar(stat = "identity", color = "#1D4E73", lwd = 0.4, width = 0.72, show.legend = FALSE) +
  geom_text(aes(label = paste0(round(Pi, 1), "%")), vjust = -0.5, size = 4.5, fontface = "bold", family = fuente_unificada, color = "#1D4E73") +
  scale_fill_manual(values = paleta_dinamica) + # Aquí debe decir paleta_dinamica
  labs(title = "Gráfica N°2: Distribución Porcentual Relativa por Tipo de Pozo", x = "Tipo de Pozo", y = "Porcentaje (%)") +
  theme_minimal()

5.3 Gráfica N°3 — Diagrama Circular Estructurado

datos_pie <- datos_ordenados %>%
  mutate(
    Label_Etiqueta = paste0(`Well Type`, " (", round(Pi, 1), "%)")
  )

ggplot(datos_pie, aes(x = "", y = Pi, fill = Label_Etiqueta)) +
  geom_bar(stat = "identity", width = 1, color = "white") +
  coord_polar("y", start = 0) +
  scale_fill_manual(values = paleta_dinamica, name = "Tipo de Pozo") +
  theme_void() +
  labs(title = "Gráfica N°3: Distribución Porcentual Estructurada por Tipo") +
  theme(
    plot.title = element_text(size = 16, face = "bold", color = "#1D4E73", hjust = 0.5, family = "sans"),
    legend.text = element_text(family = "sans")
  )

6. Tabla de Indicadores

indicadores <- data.frame(
  Indicador = c("Total Registros", "Moda (Tipo)", "Porcentaje Moda (%)"),
  Valor = c(comma(total_observaciones), tdf_wt$`Well Type`[1], paste0(round(tdf_wt$Pi[1], 2), "%"))
)

indicadores %>% kbl(caption = "TABLA 2. Indicadores Estadísticos") %>% kable_styling(bootstrap_options = c("hover", "striped"))
TABLA 2. Indicadores Estadísticos
Indicador Valor
Total Registros 47,388
Moda (Tipo) Od
Porcentaje Moda (%) 37.74%

7. Conclusión

Los resultados obtenidos sobre la clasificación de los pozos indican lo siguiente:

  • Categoría predominante: La mayor parte de la actividad se concentra en la categoría Od, la cual representa el 37.7% de todos los registros históricos analizados.
  • Concentración: Existe una alta especialización en el sector, ya que al sumar los tres tipos de pozos más frecuentes, se agrupa el 76.9% del total de la base de datos.
  • Diversidad: El resto de los tipos de pozos presentan una participación menor, lo que confirma que la infraestructura y la normativa están orientadas principalmente hacia los tres tipos dominantes identificados.