0. Librerías

# -------------------------
# Cargar librerías
# -------------------------
library(dplyr)
## 
## Adjuntando el paquete: '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)
library(e1071)

1. Leer datos

# -------------------------
# Cargar datos
# -------------------------
df <- read.csv(
  "waterPollution.csv",
  sep = ",",
  stringsAsFactors = FALSE
)

2. Extracción y depuración de la variable

if (!"droughts_floods_temperature" %in% names(df)) {
  stop("La variable droughts_floods_temperature no existe en el archivo.")
}

# Extraer variable
Sequias <- df$droughts_floods_temperature

# Convertir a variable discreta
Sequias <- round(Sequias * 100)

# Eliminar valores faltantes
Sequias <- na.omit(Sequias)

3. Tabla de distribución de frecuencias

3.1 Tabla de frecuencias

# -------------------------
# Tabla de frecuencias
# -------------------------
tabla_freq <- as.data.frame(table(Sequias))

# Renombrar columnas
colnames(tabla_freq) <- c("Sequias", "ni")

# Frecuencia relativa (hi)
tabla_freq$hi <- round(
  (tabla_freq$ni / sum(tabla_freq$ni)) * 100,
  2
)

# Frecuencias acumuladas ascendentes (Corregido para dar exactamente 100)
tabla_freq$Ni_asc <- cumsum(tabla_freq$ni)
tabla_freq$Hi_asc <- round(
  (tabla_freq$Ni_asc / sum(tabla_freq$ni)) * 100, 
  2
)

# Frecuencias acumuladas descendentes (Corregido para dar exactamente 100)
tabla_freq$Ni_dsc <- rev(cumsum(rev(tabla_freq$ni)))
tabla_freq$Hi_dsc <- round(
  (tabla_freq$Ni_dsc / sum(tabla_freq$ni)) * 100, 
  2
)

# -------------------------
# Agregar fila de totales
# -------------------------
fila_total <- data.frame(
  Sequias = "TOTAL",
  ni = sum(tabla_freq$ni),
  hi = 100,
  Ni_asc = "",
  Hi_asc = "",
  Ni_dsc = "",
  Hi_dsc = ""
)

tabla_final <- rbind(tabla_freq, fila_total)

# -------------------------
# Crear tabla gt
# -------------------------
tabla_gt <- tabla_final %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N°1**"),
    subtitle = md("**Distribución de frecuencias de sequías en el estudio de la calidad de agua en Europa (1991-2017)**")
  ) %>%
  cols_label(
    Sequias = "Sequías",
    ni = "ni",
    hi = "hi (%)",
    Ni_asc = "Ni ↑",
    Hi_asc = "Hi ↑ (%)",
    Ni_dsc = "Ni ↓",
    Hi_dsc = "Hi ↓ (%)"
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = Sequias == "TOTAL"
    )
  ) %>%
  opt_row_striping()

# Mostrar tabla
tabla_gt
Tabla N°1
Distribución de frecuencias de sequías en el estudio de la calidad de agua en Europa (1991-2017)
Sequías ni hi (%) Ni ↑ Hi ↑ (%) Ni ↓ Hi ↓ (%)
0 1318 6.63 1318 6.63 19893 100
1 10240 51.48 11558 58.1 18575 93.37
2 5 0.03 11563 58.13 8335 41.9
3 4499 22.62 16062 80.74 8330 41.87
4 91 0.46 16153 81.2 3831 19.26
8 117 0.59 16270 81.79 3740 18.8
16 479 2.41 16749 84.2 3623 18.21
27 3 0.02 16752 84.21 3144 15.8
73 3141 15.79 19893 100 3141 15.79
TOTAL 19893 100.00

4 Gráficas

4.1 Histograma (ni)

# =========================
# HISTOGRAMA  (ni)
# =========================

barplot(tabla_freq$ni,
        main = "Gráfica N°1: Distribución de sequías en el estudio de la\ncalidad de agua en Europa (1991-2017)",
        xlab = "Sequías",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0, max(tabla_freq$ni) * 1.1),
        names.arg = tabla_freq$Sequias,
        las = 1,
        cex.names = 0.8)

4.2 Histograma General (ni)

# =========================
# HISTOGRAMA GENERAL (ni)
# =========================

barplot(tabla_freq$ni,
        main = "Gráfica N°2: Distribución general de sequías en el estudio de\nla calidad de agua en Europa (1991-2017)",
        xlab = "Sequías",
        ylab = "Cantidad",
        col = "lightgreen",
        ylim = c(0, 20000),
        names.arg = tabla_freq$Sequias,
        las = 1,
        cex.names = 0.8)

4.3 Histograma (hi)

# =========================
# HISTOGRAMA  (hi)
# =========================

barplot(tabla_freq$hi,
        main = "Gráfica N°3: Distribución porcentual de sequías en el estudio de\nla calidad de agua en Europa (1991-2017)",
        xlab = "Sequías",
        ylab = "Porcentaje",
        col = "skyblue",
        ylim = c(0, max(tabla_freq$hi) * 1.1),
        names.arg = tabla_freq$Sequias,
        las = 1,
        cex.names = 0.8)

4.4 Histograma General (hi)

# =========================
# HISTOGRAMA GENERAL (hi)
# =========================

barplot(tabla_freq$hi,
        main = "Gráfica N°4: Distribución porcentual general de sequías en el\nestudio de la calidad de agua en Europa (1991-2017)",
        xlab = "Sequías",
        ylab = "Porcentaje",
        col = "lightgreen",
        ylim = c(0, 100),
        names.arg = tabla_freq$Sequias,
        las = 1,
        cex.names = 0.8)

4.5 Diagrama de Caja

# =========================
# DIAGRAMA DE CAJA
# =========================

boxplot(
  Sequias,
  horizontal = TRUE,
  col = "orange",
  main = "Gráfica Nº5: Distribución de sequías en el estudio de\nla calidad de agua en Europa (1991-2017)",
  xlab = "Porcentaje de sequías (%)"
)

points(
  mean(Sequias),
  1,
  pch = 19,
  col = "red"
)

legend(
  "topright",
  legend = "Media",
  pch = 19,
  col = "red"
)

4.6 Ojivas ascendentes y descendentes (Ni)

# ======================================
# OJIVAS ASCENDENTES Y DESCENDENTES (Ni)
# ======================================

# Posiciones en el eje X
x_pos <- 1:length(tabla_freq$Sequias)

# Ojiva descendente (Corregido a type = "p" y quitadas las líneas)
plot(x_pos,
     tabla_freq$Ni_dsc,
     main = "Gráfica N°6: Ojiva ascendente y descendente de las sequías en el\nestudio de la calidad de agua en Europa (1991-2017)",
     xlab = "Sequías",
     ylab = "Cantidad",
     col = "orange",
     type = "p",
     pch = 19,
     cex = 1.5,
     xaxt = "n",
     ylim = c(0, max(tabla_freq$Ni_dsc) * 1.05))

# Ojiva ascendente (Graficada como puntos aislados)
points(x_pos,
       tabla_freq$Ni_asc,
       col = "green",
       pch = 19,
       cex = 1.5)

# Etiquetas del eje X
axis(side = 1,
     at = x_pos,
     labels = tabla_freq$Sequias,
     las = 1,
     cex.axis = 0.9)

# Leyenda (Corregida sin líneas que crucen los puntos)
legend("topright",
       legend = c("Descendente", "Ascendente"),
       col = c("orange", "green"),
       pch = 19,
       pt.cex = 1.5,
       lty = 0)

4.7 Ojivas ascendentes y descendentes (Hi)

# =======================================
# OJIVAS ASCENDENTES Y DESCENDENTES (Hi)
# =======================================

# Posiciones en el eje X
x_pos <- 1:length(tabla_freq$Sequias)

# Ojiva descendente (Corregido a type = "p" y quitadas las líneas)
plot(x_pos,
     tabla_freq$Hi_dsc,
     main = "Gráfica N°7: Ojiva ascendente y descendente de las sequías en el\nestudio de la calidad de agua en Europa (1991-2017)",
     xlab = "Sequías",
     ylab = "Porcentaje",
     col = "red",
     type = "p",
     pch = 19,
     cex = 1.5,
     xaxt = "n",
     ylim = c(0, 100))

# Ojiva ascendente (Graficada como puntos aislados)
points(x_pos,
       tabla_freq$Hi_asc,
       col = "blue",
       pch = 19,
       cex = 1.5)

# Etiquetas del eje X
axis(side = 1,
     at = x_pos,
     labels = tabla_freq$Sequias,
     las = 1,
     cex.axis = 0.9)

# Leyenda (Corregida sin líneas que crucen los puntos)
legend("topright",
       legend = c("Descendente", "Ascendente"),
       col = c("red", "blue"),
       pch = 19,
       pt.cex = 1.5,
       lty = 0)

5. Indicadores Estadísticos

5.1 Indicadores de Tendencia Central

# =========================
# INDICADORES ESTADÍSTICOS
# Variable: Referencia de tiempo
# =========================

# =========================
# MEDIDAS DE TENDENCIA CENTRAL
# =========================

# Media
media <- round(mean(Sequias), 2)

# Moda
tabla_moda <- table(Sequias)
max_frecuencia <- max(tabla_moda)
moda <- names(tabla_moda)[tabla_moda == max_frecuencia]

# Mediana
mediana <- median(Sequias)

5.2 Dispersión

# =========================
# MEDIDAS DE DISPERSIÓN
# =========================

# Varianza
varianza <- var(Sequias)

# Desviación estándar
desviacion <- sd(Sequias)

# Coeficiente de variación
cv <- round((desviacion / media) * 100, 2)

5.3 Asimetría

# =========================
# MEDIDAS DE FORMA
# =========================

n <- length(Sequias)

# Asimetría
asimetria <- sum((Sequias - media)^3) / ((n - 1) * desviacion^3)

# Curtosis
curtosis <- sum((Sequias - media)^4) / ((n - 1) * desviacion^4) - 3

# =========================
# VALORES ATÍPICOS
# =========================

Q1 <- quantile(Sequias, 0.25)
Q3 <- quantile(Sequias, 0.75)

RIQ <- Q3 - Q1

LI <- Q1 - 1.5 * RIQ
LS <- Q3 + 1.5 * RIQ

atipicos <- Sequias[Sequias < LI | Sequias > LS]

if(length(atipicos) > 0){
  mensaje_atipicos <- length(atipicos)
} else {
  mensaje_atipicos <- 0
}

5.4 Tabla de indicadores

# =========================
# TABLA RESUMEN
# =========================

tabla_indicadores_sequias <- data.frame(
  Variable = "Sequías",
  Rango = paste0("[", min(Sequias), " ; ", max(Sequias), "]"),
  X = media,
  Me = mediana,
  Mo = paste(moda, collapse = ", "),
  V = round(varianza, 2),
  Sd = round(desviacion, 2),
  Cv = cv,
  As = round(asimetria, 2),
  K = round(curtosis, 2),
  Valores_Atipicos = mensaje_atipicos,
  stringsAsFactors = FALSE
)

# =========================
# TABLA GT
# =========================

fila_sequias <- which(
  tabla_indicadores_sequias$Variable == "Sequías"
)

tabla_indicadores_sequias_gt <- tabla_indicadores_sequias %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N°3**"),
    subtitle = md(
      "**Indicadores estadísticos de las sequías en el estudio de la calidad de agua en Europa (1991-2017)**"
    )
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 3")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    row.striping.include_table_body = TRUE
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = fila_sequias
    )
  )

# Mostrar tabla
tabla_indicadores_sequias_gt
Tabla N°3
Indicadores estadísticos de las sequías en el estudio de la calidad de agua en Europa (1991-2017)
Variable Rango X Me Mo V Sd Cv As K Valores_Atipicos
Sequías [0 ; 73] 13.17 1 1 677.16 26.02 197.59 1.84 1.45 3740
Autor: Grupo 3

6. Conclusión

La variable Sequías fluctúa en un rango de 0 a 73, y sus valores giran en torno a una mediana de 1, con una desviación estándar de 26.02. Dado que el coeficiente de variación es de 197.59%, se trata de un conjunto de valores extremadamente heterogéneo con una alta dispersión. Los datos presentan una asimetría positiva (1.84), lo que indica que los valores se acumulan de manera pronunciada en la parte baja de la variable (cerca del cero). Con una curtosis de 1.45 y la presencia de 3740 valores atípicos, se observa una alta variabilidad en los registros. Por lo anterior, lo cual es un indicador crítico de tipo heterogeneo para el estudio de la calidad del agua en Europa (1991-2017).