1. Configuración y Carga de Datos

En este primer paso, se prepara el entorno de trabajo cargando las librerías necesarias para la manipulación de datos (dplyr), la creación de visualizaciones 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 (Status) y se eliminan los registros nulos (NA). Esto garantiza que el análisis de frecuencias y los porcentajes reflejen exclusivamente aquellos yacimientos que cuentan con un estado operativo oficialmente reportado.

Por requerimiento analítico, los datos sí serán ordenados de mayor a menor frecuencia para identificar la concentración del mercado.

tdf_unidades <- datos_originales %>%
  select(`Status`) %>%
  filter(!is.na(`Status`)) %>%
  mutate(Categoria = trimws(as.character(`Status`))) %>%
  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: Status\n")

## Variable analizada: Status

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

## Total de observaciones limpias (N): 8068

3. Identificación de la Variable

Variable: STATUS (Estado Operativo).
Tipo: Cualitativa Ordinal.
Descripción: Representa la fase actual dentro del ciclo de vida del yacimiento o instalación (ej. operating, shut in, in development, abandoned). Al existir una progresión lógica en las fases de un proyecto petrolero, el cálculo de las frecuencias acumuladas tiene validez estadística para evaluar la concentración de la industria en sus estados principales.

4. Tabla de Distribución de Frecuencias (TDF)

La tabla se estructura ordenando las categorías por su frecuencia absoluta de mayor a menor. Las frecuencias acumuladas permiten evaluar rápidamente qué porcentaje del portafolio global se encuentra aglomerado en las fases operativas más frecuentes.

# 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 Estado Operativo**")
  ) %>%
  cols_label(
    Categoria = "Estado (Status)",
    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")

Estado (Status)	Frec. Absoluta (Fi)	Frec. Relativa (hi)	Porcentaje (%)	Frec. Abs. Acumulada (Fi_ac)	Frec. Rel. Acumulada (hi_ac)
TABLA 1. Distribución de Frecuencias por Estado Operativo
operating	6,351	0.78718	78.72	6,351	0.78718
shut in	990	0.12271	12.27	7,341	0.90989
discovered	396	0.04908	4.91	7,737	0.95897
in development	233	0.02888	2.89	7,970	0.98785
decommissioned	71	0.00880	0.88	8,041	0.99665
abandoned	13	0.00161	0.16	8,054	0.99826
UGS	11	0.00136	0.14	8,065	0.99963
cancelled	2	0.00025	0.02	8,067	0.99988
exploration	1	0.00012	0.01	8,068	1.00000
TOTAL	8,068	1.00000	100.00
Fuente: Global Energy Monitor — GOGET 2023 \| n = 8,068

5. Representación Gráfica

# Paleta de colores dinámica ajustada automáticamente al número de estados
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 = "Estado Operativo", 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 = 45, hjust = 1)
  ) +
  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 = "Estado Operativo", 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 = 45, hjust = 1)
  ) +
  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 = "Estado (Status)"))

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 = ","),
  "Fases/Estados Diferentes" = num_categorias,
  "Estado 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 Globales**")
  ) %>%
  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)	Fases/Estados Diferentes	Estado Predominante (Moda)	Frecuencia de la Moda	Peso de la Moda
TABLA 2. Indicadores Estadísticos Globales
8,068	9	operating	6,351	78.72%
Autor: Grupo 5

7. Conclusión

El estado operativo “operating” es la fase predominante en la industria extractiva mundial, abarcando un total de 6,351 registros válidos.
Este volumen concentra el 78.72% de toda la base de datos poblacional analizada (8,068 unidades). Al observar el ordenamiento estructurado en la tabla de frecuencias acumuladas, se evidencia claramente en qué fase del ciclo de vida (desde exploración hasta abandono) se aglomera el mayor esfuerzo y capital productivo del sector petrolero y gasífero en la actualidad.

Status (Estado Operativo)

Grupo 5

2026-07-19