1. Configuración y Carga de Datos

En este primer paso, preparamos el entorno de trabajo cargando las librerías necesarias para el análisis de datos (dplyr), la creación de gráficas avanzadas (ggplot2), y el formato profesional de tablas (gt).

library(readxl)
library(dplyr)
library(gt)
library(ggplot2)

# Se abre ventana emergente para seleccionar dinámicamente el dataset
ruta_archivo <- file.choose()
datos_originales <- read_excel(ruta_archivo)

cat("Dataset cargado exitosamente. Total de variables:", ncol(datos_originales), "\n")

## Dataset cargado exitosamente. Total de variables: 32

2. Extracción y Limpieza de la Variable

Se aísla la variable de interés (Location accuracy) y se eliminan los registros nulos (NA). Esto garantiza que los porcentajes reflejen exclusivamente aquellos yacimientos que cuentan con un nivel de precisión reportado.

tdf_unidades <- datos_originales %>%
  select(`Location accuracy`) %>%
  filter(!is.na(`Location accuracy`)) %>%
  mutate(Categoria = trimws(as.character(`Location accuracy`))) %>%
  group_by(Categoria) %>%
  summarise(Fi = n()) %>%
  arrange(desc(Fi)) %>%
  mutate(
    hi = Fi / sum(Fi),
    Pi = hi * 100,
    Fi_ac = cumsum(Fi),
    hi_ac = cumsum(hi)
  )

N <- sum(tdf_unidades$Fi)

cat("Variable analizada: Location accuracy\n")

## Variable analizada: Location accuracy

cat("Total de observaciones limpias (N):", N, "\n")

## Total de observaciones limpias (N): 7538

3. Identificación de la Variable

Variable: LOCATION ACCURACY (Precisión de la ubicación).
Tipo: Cualitativa Ordinal.
Descripción: Representa el grado de fiabilidad o exactitud de las coordenadas geográficas del yacimiento (por ejemplo: exactas o aproximadas). Al poseer un orden o jerarquía inherente en la calidad del dato, el cálculo de frecuencias acumuladas adquiere pleno sentido estadístico.

4. Tabla de Distribución de Frecuencias (TDF)

La tabla estructura las categorías de precisión. Las frecuencias acumuladas permiten evaluar rápidamente qué porcentaje de la base de datos cumple con niveles de precisión específicos o superiores.

# Fila de totales
fila_total <- data.frame(
  Categoria = "TOTAL",
  Fi = sum(tdf_unidades$Fi),
  hi = sum(tdf_unidades$hi),
  Pi = sum(tdf_unidades$Pi),
  Fi_ac = NA,
  hi_ac = NA
)

TDF_Final <- bind_rows(tdf_unidades %>% mutate(Categoria = as.character(Categoria)), fila_total)

fuente_nota <- paste("Fuente: Global Energy Monitor — GOGET 2023 | n =", format(N, big.mark = ","))

TDF_Final %>%
  gt() %>%
  tab_header(
    title = md("**TABLA 1. Distribución de Frecuencias por Precisión de Ubicación**")
  ) %>%
  cols_label(
    Categoria = "Nivel de Precisión",
    Fi = md("Frec. Absoluta<br>(Fi)"),
    hi = md("Frec. Relativa<br>(hi)"),
    Pi = md("Porcentaje<br>(%)"),
    Fi_ac = md("Frec. Abs.<br>Acumulada (Fi_ac)"),
    hi_ac = md("Frec. Rel.<br>Acumulada (hi_ac)")
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  fmt_number(columns = c(hi, hi_ac), decimals = 5) %>%
  fmt_number(columns = c(Pi), decimals = 2) %>%
  fmt_number(columns = c(Fi, Fi_ac), decimals = 0, use_seps = TRUE) %>%
  sub_missing(columns = everything(), missing_text = "") %>%
  tab_source_note(fuente_nota) %>%
  tab_style(
    style = cell_fill(color = "#F5F5F5"),
    locations = cells_body(rows = nrow(TDF_Final))
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(rows = nrow(TDF_Final))
  ) %>%
  tab_options(heading.background.color = "#EBF5FB", column_labels.font.weight = "bold")

Nivel de Precisión	Frec. Absoluta (Fi)	Frec. Relativa (hi)	Porcentaje (%)	Frec. Abs. Acumulada (Fi_ac)	Frec. Rel. Acumulada (hi_ac)
TABLA 1. Distribución de Frecuencias por Precisión de Ubicación
exact	6,353	0.84280	84.28	6,353	0.84280
approximate	1,185	0.15720	15.72	7,538	1.00000
TOTAL	7,538	1.00000	100.00
Fuente: Global Energy Monitor — GOGET 2023 \| n = 7,538

5. Representación Gráfica

# Paleta de colores dinámica ajustada al número de categorías
paleta_azul <- colorRampPalette(c("#08519c", "#3182bd", "#6baed6", "#9ecae1", "#c6dbef"))(nrow(tdf_unidades))

5.1. Gráfica N°1 — Frecuencia Absoluta

ggplot(tdf_unidades, aes(x = reorder(Categoria, -Fi), y = Fi, fill = Categoria)) +
  geom_bar(stat = "identity", show.legend = FALSE, color = "black", size = 0.3) +
  geom_text(aes(label = format(Fi, big.mark = ",")), vjust = -0.5, size = 3.5, fontface = "bold") +
  scale_fill_manual(values = paleta_azul) +
  theme_minimal() +
  labs(x = "Nivel de Precisión", y = "Frecuencia Absoluta (Fi)") +
  theme(
    plot.title = element_blank(),
    axis.title = element_text(size = 12, face = "bold"),
    axis.text = element_text(size = 10),
    axis.text.x = element_text(angle = 0, hjust = 0.5)
  ) +
  scale_y_continuous(expand = expansion(mult = c(0, 0.15)))

5.2. Gráfica N°2 — Distribución Porcentual

ggplot(tdf_unidades, aes(x = reorder(Categoria, -Pi), y = Pi, fill = Categoria)) +
  geom_bar(stat = "identity", show.legend = FALSE, color = "black", size = 0.3) +
  geom_text(aes(label = paste0(round(Pi, 1), "%")), vjust = -0.5, size = 3.5, fontface = "bold") +
  scale_fill_manual(values = paleta_azul) +
  theme_minimal() +
  labs(x = "Nivel de Precisión", y = "Porcentaje (%)") +
  theme(
    plot.title = element_blank(),
    axis.title = element_text(size = 12, face = "bold"),
    axis.text = element_text(size = 10),
    axis.text.x = element_text(angle = 0, hjust = 0.5)
  ) +
  scale_y_continuous(expand = expansion(mult = c(0, 0.15)))

5.3. Gráfica N°3 — Distribución Porcentual (Circular)

# Preparación de etiquetas para leyenda
plot_data <- tdf_unidades %>% 
  mutate(label_leyenda = paste0(Categoria, " (", round(Pi, 1), "%)"))

ggplot(plot_data, aes(x = "", y = Pi, fill = reorder(label_leyenda, -Pi))) +
  geom_bar(stat = "identity", width = 1, color = "white", size = 0.5) +
  coord_polar("y", start = 0) +
  scale_fill_manual(values = paleta_azul) +
  theme_void() +
  theme(
    legend.position = "right", 
    legend.text = element_text(size = 11),
    legend.title = element_text(face = "bold", size = 12),
    plot.margin = margin(t = 20, r = 20, b = 20, l = 20)
  ) +
  guides(fill = guide_legend(title = "Nivel de Precisión"))

6. Tabla de Indicadores

# Cálculos de indicadores
num_categorias <- nrow(tdf_unidades)
moda_cat <- as.character(tdf_unidades$Categoria[1])
moda_ni <- tdf_unidades$Fi[1]
moda_hi <- round(tdf_unidades$Pi[1], 2)

tabla_ind <- data.frame(
  "Total Registros (N)" = format(N, big.mark = ","),
  "Niveles Diferentes" = num_categorias,
  "Nivel Predominante (Moda)" = moda_cat,
  "Frecuencia de la Moda" = format(moda_ni, big.mark = ","),
  "Peso de la Moda" = paste0(moda_hi, "%"),
  check.names = FALSE
)

tabla_ind %>%
  gt() %>%
  tab_header(
    title = md("**TABLA 2. Indicadores Estadísticos**")
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_source_note("Autor: Grupo 5") %>%
  tab_options(heading.background.color = "#EBF5FB", column_labels.font.weight = "bold")

Total Registros (N)	Niveles Diferentes	Nivel Predominante (Moda)	Frecuencia de la Moda	Peso de la Moda
TABLA 2. Indicadores Estadísticos
7,538	2	exact	6,353	84.28%
Autor: Grupo 5

7. Conclusión

El nivel de precisión exact es la jerarquía predominante dentro de la base de datos, concentrando 6,353 observaciones válidas.
Este volumen representa el 84.28% del total de la muestra (7,538 registros). Al tratarse de una variable cualitativa ordinal, la presencia mayoritaria de este grado de fiabilidad garantiza la solidez técnica de las coordenadas geográficas empleadas para futuros análisis de localización espacial de los yacimientos.

Location Accuracy: Estadística Descriptiva

Grupo 5

2026-07-19