1. CARGA DE DATOS

CARGA DE DATOS

knitr::opts_chunk$set(
    echo = TRUE,                   # Muestra el código R en el reporte final.
    message = FALSE,
    warning = FALSE,               # Message y warning evitan que se impriman alertas o mensajes de carga estorbosos en el HTML.
    fig.align = "center"           # Centra automáticamente todas las gráficas generadas.
)

datos <- read.csv("C:/Users/Martin/Desktop/Estadistica/CMDB_Data.csv", 
                  header = TRUE, # Indica que la primera fila contienen los nombres de las variables.
                  sep = ";",     # Define que los puntos y comas es el separador de las columnas del archivo.
                  dec = ".",     # Establece el punto como el operador decimal para los números.
                  fileEncoding = "latin1")

# Verificación inicial del set de datos
str(datos)
## 'data.frame':    1366 obs. of  103 variables:
##  $ ï..LAB_ID            : chr  "C355417" "C360759" "C360762" "C360763" ...
##  $ PREVIOUS_LAB_ID1     : chr  "" "" "" "" ...
##  $ PREVIOUS_LAB_ID2     : chr  "" "" "" "" ...
##  $ PREVIOUS_LAB_ID3     : chr  "" "" "" "" ...
##  $ FIELD_ID             : chr  "RM0001" "RM0027" "RM0030" "RM0031" ...
##  $ JOB_ID               : chr  "MRP11968" "MRP12307" "MRP12307" "MRP12307" ...
##  $ PREVIOUS_JOB_ID1     : chr  "" "" "" "" ...
##  $ PREVIOUS_JOB_ID2     : chr  "" "" "" "" ...
##  $ PREVIOUS_JOB_ID3     : chr  "" "" "" "" ...
##  $ SUBMITTER            : chr  "Rare Metals Task" "Rare Metals Task" "Rare Metals Task" "Rare Metals Task" ...
##  $ PROJECT_NAME         : chr  "Critical and Rare Metals" "Critical and Rare Metals" "Critical and Rare Metals" "Critical and Rare Metals" ...
##  $ DATE_SUBMITTE        : chr  "30/6/2011" "31/8/2011" "31/8/2011" "31/8/2011" ...
##  $ COLLECTION           : chr  "Mackay-Keck Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" "Mackay-Stanford Ore Deposits Collection" ...
##  $ COLLECTION_ID        : chr  "PHNC08_39_1183" "OD21441" "OD22811" "OD25716" ...
##  $ CONTINENT            : chr  "North America" "South America" "South America" "Africa" ...
##  $ COUNTRY              : chr  "United States" "Chile" "Chile" "South Africa" ...
##  $ STATE_PROVINCE       : chr  "Nevada" "Antofagasta" "Tarapacá" "Transvaal" ...
##  $ COUNTY               : chr  "Lyon" "El Loa" "El Tamarugal" "" ...
##  $ DISTRICT_NAME        : chr  "Yerington" "Chuquicamata" "Collahuasi/Quebrada Blanca" "" ...
##  $ DEPOSIT_NAME         : chr  "Pumpkin Hollow" "" "" "" ...
##  $ MINE_NAME            : chr  "Pumpkin Hollow" "Chuquicamata mine" "Collahuasi district" "" ...
##  $ DISTRICT_NAME_COLLECT: chr  "Yerington" "" "" "" ...
##  $ DEPOSIT_NAME_COLLECT : chr  "" "" "" "" ...
##  $ MINE_NAME_COLLECT    : chr  "Pumpkin Hollow" "Chuquicamata" "Poduosa mine" "Messina Mines Ltd." ...
##  $ LOCATE_DESC          : chr  "" "" "Level 25" "" ...
##  $ LATITUDE             : chr  "38,94021" "-22,2871" "-21,0309" "-24,7" ...
##  $ LONGITUDE            : chr  "-119,05178" "-68,8991" "-68,74951" "29,3" ...
##  $ DATUM                : chr  "WGS84" "WGS84" "WGS84" "" ...
##  $ LATITUDE_COLLECT     : chr  "38,92492" "22,28944" "" "" ...
##  $ LONGITUDE_COLLECT    : chr  "-119,1071" "-68,90111" "" "" ...
##  $ DATUM_COLLECT        : chr  "" "WGS84" "" "" ...
##  $ COORDINATES_QUAL     : chr  "100 m" "0m" "" "" ...
##  $ COORDINATES_SOURCE   : chr  "1) iTouchMap.com, approx, A. Orkild-Norton; 2) Mineral Resource Deposit Database Deposit ID 10174173, ore body, M. Granitto" "1) Mindat.org, approx, A. Orkild-Norton; 2) Open-File Report 2017-1079 ID 549, mine, M. Granitto" "1) No coordinates; 2) Mineral Resource Deposit Database Deposit ID 10057511, district, M. Granitto" "1) No coordinates; 2) Google Earth Pro, approx ctr of former province of Transvaal, M. Granitto" ...
##  $ PRIMARY_CLASS        : chr  "rock" "rock" "rock" "rock" ...
##  $ SYSTEM_TYPE          : chr  "IOA-IOCG" "Porphyry Cu-Mo-Au" "Porphyry Cu-Mo-Au" "IOA-IOCG" ...
##  $ DEPOSIT_TYPE         : chr  "IOCG" "Supergene Cu" "Porphyry Cu" "IOCG" ...
##  $ SAMPLE_DESC          : chr  "Nearly solid chalcopyrite mixed with small light brown irregular inclusions of unknown mineralogy; clouds of ma"| __truncated__ "Chalcocite-bronchatite-antlerite(?); highly microfractured igneous rock with green copper sulfates coating microfractures" "Bornite-chalcopyrite; mostly massive chalcopyrite with numerous inclusions of micro-chalcopyrite and widely sca"| __truncated__ "Massive chalcopyrite, IOCG in shear zone; mostly massive fine grain cuprite with widely distributed malachite t"| __truncated__ ...
##  $ Al_pct_AES_ST        : chr  "0,33" "6,65" "0,46" "0,7" ...
##  $ Ca_pct_AES_ST        : chr  "1,1" "0,4" "-0,1" "0,3" ...
##  $ Fe_pct_AES_ST        : chr  "42,4" "0,25" "6,98" "27,8" ...
##  $ K_pct_AES_ST         : chr  "-0,1" "6,1" "0,2" "-0,1" ...
##  $ Mg_pct_AES_ST        : chr  "0,57" "0,1" "0,01" "0,33" ...
##  $ Mn_pct_AES_ST        : chr  "0,02" "-0,01" "-0,01" "-0,01" ...
##  $ P_pct_AES_ST         : chr  "-0,01" "0,01" "0,05" "0,01" ...
##  $ S_pct_AES_ST         : chr  "" "" "" "" ...
##  $ Si_pct_AES_ST        : chr  "" "" "" "" ...
##  $ Ti_pct_AES_ST        : chr  "0,01" "0,11" "-0,01" "-0,01" ...
##  $ F_pct_ISE_Fuse       : chr  "" "" "" "" ...
##  $ Ag_ppm_MS_ST         : chr  "58" "6" "468" "16" ...
##  $ As_ppm_MS_ST         : chr  "-30" "-30" "90" "-30" ...
##  $ Au_ppm               : chr  "" "" "" "" ...
##  $ Au_AM                : chr  "" "" "" "" ...
##  $ B_ppm_AES_ST         : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Ba_ppm_AES_ST        : chr  "-0,5" "924" "121" "174" ...
##  $ Be_ppm_AES_ST        : int  -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 ...
##  $ Bi_ppm_MS_ST         : chr  "1,5" "3,6" "190" "0,4" ...
##  $ Cd_ppm_MS_ST         : chr  "3,6" "-0,2" "0,9" "-0,2" ...
##  $ Ce_ppm_MS_ST         : chr  "0,4" "8,8" "16,3" "3,5" ...
##  $ Co_ppm_MS_ST         : chr  "209" "-0,5" "1,3" "44,8" ...
##  $ Cr_ppm_AES_ST        : int  -10 -10 -10 30 20 20 60 40 20 10 ...
##  $ Cs_ppm_MS_ST         : chr  "0,5" "1,4" "0,2" "-0,1" ...
##  $ Cu_ppm_AES_ST        : chr  "50000,11111" "23300" "50000,11111" "50000,11111" ...
##  $ Dy_ppm_MS_ST         : chr  "-0,05" "0,32" "1,38" "0,37" ...
##  $ Er_ppm_MS_ST         : chr  "-0,05" "0,22" "0,77" "0,23" ...
##  $ Eu_ppm_MS_ST         : chr  "-0,05" "0,14" "0,17" "0,1" ...
##  $ Ga_ppm_MS_ST         : chr  "5" "15" "6" "3" ...
##  $ Gd_ppm_MS_ST         : chr  "-0,05" "0,45" "1,5" "0,39" ...
##  $ Ge_ppm_MS_ST         : int  -1 5 -1 -1 3 8 8 1 2 2 ...
##  $ Hf_ppm_MS_ST         : int  -1 4 -1 -1 5 13 12 2 3 6 ...
##  $ Ho_ppm_MS_ST         : chr  "-0,05" "0,07" "0,25" "0,07" ...
##  $ In_ppm_MS_ST         : chr  "6,4" "-0,2" "3,7" "0,2" ...
##  $ La_ppm_MS_ST         : chr  "0,2" "4,6" "7,2" "1,7" ...
##  $ Li_ppm_AES_ST        : int  -10 -10 -10 -10 30 20 20 20 -10 20 ...
##  $ Lu_ppm_MS_ST         : chr  "-0,05" "-0,05" "0,08" "-0,05" ...
##  $ Mo_ppm_MS_ST         : chr  "-2" "60" "3" "2" ...
##  $ Nb_ppm_MS_ST         : chr  "-1" "4" "-1" "-1" ...
##  $ Nd_ppm_MS_ST         : chr  "0,2" "3,8" "9,1" "1,7" ...
##  $ Ni_ppm_AES_ST        : chr  "144" "6" "-5" "48" ...
##  $ Pb_ppm_MS_ST         : chr  "23" "16" "188" "39" ...
##  $ Pd_ppm_FA_MS         : chr  "" "" "" "" ...
##  $ Pr_ppm_MS_ST         : chr  "-0,05" "1,09" "2,21" "0,46" ...
##  $ Pt_ppm_FA_MS         : chr  "" "" "" "" ...
##  $ Rb_ppm_MS_ST         : chr  "1,2" "148" "7,1" "0,7" ...
##  $ Re_ppm_MS_HF         : chr  "" "" "" "" ...
##  $ Sb_ppm_MS_ST         : chr  "1,2" "2,4" "2,9" "0,3" ...
##  $ Sc_ppm_AES_ST        : int  -5 -5 -5 -5 11 6 15 10 5 6 ...
##  $ Se_ppm_MS_ST         : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Sm_ppm_MS_ST         : chr  "-0,1" "0,6" "1,6" "0,4" ...
##  $ Sn_ppm_MS_ST         : chr  "2" "3" "106" "-1" ...
##  $ Sr_ppm_AES_ST        : chr  "26,6" "114" "22,5" "38,4" ...
##  $ Ta_ppm_MS_ST         : chr  "-0,5" "-0,5" "-0,5" "-0,5" ...
##  $ Tb_ppm_MS_ST         : chr  "-0,05" "0,07" "0,23" "-0,05" ...
##  $ Te_ppm_MS_ST         : chr  "" "" "" "" ...
##  $ Th_ppm_MS_ST         : chr  "0,2" "9,7" "2,6" "0,2" ...
##  $ Tl_ppm_MS_ST         : chr  "-0,5" "0,5" "-0,5" "-0,5" ...
##  $ Tm_ppm_MS_ST         : chr  "-0,05" "-0,05" "0,08" "-0,05" ...
##  $ U_ppm_MS_ST          : chr  "0,3" "1,75" "0,63" "34,8" ...
##  $ V_ppm_AES_ST         : int  51 24 -5 493 68 20 40 159 39 61 ...
##  $ W_ppm_MS_ST          : chr  "-1" "28" "22" "11" ...
##   [list output truncated]

2. TABLA DE DISTRIBUICIÓN DE CANTIDAD

# LIMPIEZA DE LA VARIABLE CONTINENT

continente <- trimws(as.character(datos$CONTINENT))
continente <- continente[!is.na(continente)]
continente <- continente[continente != ""]

# EXCLUIR REGISTROS UNKNOWN
continente_unknown <- continente[tolower(continente) == "unknown"]
continente_valido <- continente[tolower(continente) != "unknown"]

# MODELO BERNOULLI
# Exito: North America
# Fracaso: otros continentes conocidos
Y <- ifelse(continente_valido == "North America", 1, 0)

# RESUMEN
cat("Cantidad total:", length(continente), "\n")
## Cantidad total: 1366
cat("Cantidad unknown excluida:", length(continente_unknown), "\n")
## Cantidad unknown excluida: 1
cat("Cantidad valida:", length(continente_valido), "\n")
## Cantidad valida: 1365
# FRECUENCIA ABSOLUTA
Fo <- c(
  Exito = sum(Y == 1),
  Fracaso = sum(Y == 0)
)

# FRECUENCIA RELATIVA
hi <- Fo / sum(Fo) * 100

# TABLA
tabla_frecuencias <- data.frame(
  Resultado = c("Exito Y = 1", "Fracaso Y = 0", "Total valido"),
  Continentes_incluidos = c(
    "North America",
    paste(sort(unique(continente_valido[Y == 0])), collapse = ", "),
    ""
  ),
  ni = c(as.numeric(Fo), sum(Fo)),
  hi = round(c(as.numeric(hi), 100), 2)
)

print(tabla_frecuencias)
##       Resultado                        Continentes_incluidos   ni     hi
## 1   Exito Y = 1                                North America 1113  81.54
## 2 Fracaso Y = 0 Africa, Asia, Europe, Oceania, South America  252  18.46
## 3  Total valido                                              1365 100.00
# TABLA CON GT
library(gt)
library(dplyr)

tabla_continente_gt <- tabla_frecuencias %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 1**"),
    subtitle = md("**Distribucion de frecuencias de minas archivadas segun continente**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_continente_gt
Tabla N° 1
Distribucion de frecuencias de minas archivadas segun continente
Resultado Continentes_incluidos ni hi
Exito Y = 1 North America 1113 81.54
Fracaso Y = 0 Africa, Asia, Europe, Oceania, South America 252 18.46
Total valido 1365 100.00
Autor: Grupo 1

3. GRÁFICA DE DISTRIBUCIÓN DE CANTIDAD

barplot(Fo,
        main = "Grafica 1. Distribucion de cantidad de continente en minas archivadas",
        xlab = "Continente (Bernoulli)",
        ylab = "Densidad",
        col = "lightblue",
        names.arg = c("Y = 1", "Y = 0"))

4. CONJETURA DEL MODELO

# ==========================================
# CONJETURA DEL MODELO (CONTINENT)
# ==========================================

# PARAMETROS
n <- length(Y)
p <- mean(Y)
q <- 1 - p

# Diagrama de barras con densidad/probabilidad observada
Fo <- c(
  Fracaso = sum(Y == 0),
  Exito = sum(Y == 1)
)

prob_observada <- Fo / n

posiciones <- barplot(prob_observada,
                      main = "Grafica 2. Comparacion de la realidad con el modelo Bernoulli de\nContinente en minas archivadas",
                      xlab = "Continente (Bernoulli)",
                      ylab = "Densidad",
                      col = "lightblue",
                      border = "black",
                      names.arg = c("Y = 0", "Y = 1"),
                      ylim = c(0, 1))

# MOSTRAR VALORES
cat("Total valido:", n, "\n")
## Total valido: 1365
cat("Probabilidad de exito p:", round(p, 4), "\n")
## Probabilidad de exito p: 0.8154
cat("Probabilidad de fracaso q:", round(q, 4), "\n\n")
## Probabilidad de fracaso q: 0.1846
# CURVA BERNOULLI
P <- c(q, p)
lines(posiciones, P, col = "black", lwd = 3, type = "b", pch = 19)

legend("topright",
       legend = c("Realidad", "Modelo Bernoulli"),
       col = c("lightblue", "black"),
       fill = c("lightblue", NA),
       border = c("black", NA),
       lwd = c(NA, 3),
       pch = c(NA, 19),
       cex = 0.8)

# ==========================================
# CALCULO DE FRECUENCIAS (Fo y Fe)
# ==========================================

# FRECUENCIAS OBSERVADAS (Realidad)
Fo <- c(
  Fracaso = sum(Y == 0),
  Exito = sum(Y == 1)
)

# FRECUENCIAS ESPERADAS (Modelo Teorico)
Fe <- P * n

# MOSTRAR RESULTADOS EN CONSOLA
cat("Frecuencias observadas (Fo):\n")
## Frecuencias observadas (Fo):
print(Fo)
## Fracaso   Exito 
##     252    1113
cat("\nFrecuencias esperadas (Fe):\n")
## 
## Frecuencias esperadas (Fe):
print(round(Fe, 2))
## [1]  252 1113

5. TEST DE APROBACIÓN

# =========================
# TEST DE APROBACION
# =========================

n <- length(Y)

# Convertir a porcentajes
Fo_porcentaje <- (Fo / n) * 100
Fe_porcentaje <- (Fe / n) * 100

plot(Fo_porcentaje, Fe_porcentaje,
     main = "Grafica 3: Correlacion de frecuencias en el modelo Bernoulli (Continente)",
     xlab = "Frecuencia Observada (%)",
     ylab = "Frecuencia Esperada (%)",
     pch = 19,
     col = "forestgreen")

abline(a = 0, b = 1, col = "red", lwd = 2)

# =========================
# CRITERIO DE APROBACION
# =========================
probabilidad_exito <- p * 100
probabilidad_fracaso <- q * 100
umbral_aprobacion <- 80
aprobacion <- ifelse(probabilidad_exito >= umbral_aprobacion, "Aprobado", "No aprobado")

# =========================
# TEST DE PEARSON
# =========================
Correlacion <- cor(Fo_porcentaje, Fe_porcentaje) * 100

# =========================
# TEST DE CHI-CUADRADO
# =========================
gl <- length(Fo) - 1
x2 <- sum((Fe - Fo)^2 / Fe)

# UMBRAL (Asumiendo 97% de confianza)
umbral <- qchisq(0.97, gl)

# =========================
# TABLA RESUMEN
# =========================
Variable <- c("CONTINENT")

tabla_resumen <- data.frame(
  Variable,
  round(Correlacion, 2),
  round(x2, 2),
  round(umbral, 2)
)

colnames(tabla_resumen) <- c(
  "Variable",
  "Test Pearson (%)",
  "Chi Cuadrado",
  "Umbral de aceptacion"
)

cat("Probabilidad de exito:", round(probabilidad_exito, 2), "%\n")
## Probabilidad de exito: 81.54 %
cat("Resultado del criterio del", umbral_aprobacion, "%:", aprobacion, "\n")
## Resultado del criterio del 80 %: Aprobado
library(gt)
library(dplyr)

tabla_resumen_gt <- tabla_resumen %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 2**"), 
    subtitle = md("**Resultados de aprobacion del modelo Bernoulli para CONTINENT**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.border.bottom.color = "black"
  )

tabla_resumen_gt
Tabla N° 2
Resultados de aprobacion del modelo Bernoulli para CONTINENT
Variable Test Pearson (%) Chi Cuadrado Umbral de aceptacion
CONTINENT 100 0 4.71
Autor: Grupo 1

6. ESTIMACIÓN DE PROBABILIDADES

¿Cuál es la probabilidad de que una mina archivada pertenezca al continente North America?

# ==========================================
# CALCULO DE PROBABILIDADES (CONTINENT)
# ==========================================

# Probabilidad de que una mina archivada pertenezca a North America
probabilidad_continente <- p

# En porcentaje
cat("Probabilidad de exito:", round(probabilidad_continente * 100, 2), "%\n")
## Probabilidad de exito: 81.54 %
# =========================
# GRAFICA DE PROBABILIDAD
# =========================

probabilidades <- c(
  "Y = 0" = q,
  "Y = 1" = p
)

x <- c(0, 1)

plot(x, probabilidades,
     col = "black",
     lwd = 2,
     type = "n",
     main = "Grafica 4. Calculo de probabilidades de la variable CONTINENT\nen minas archivadas (North America)",
     ylab = "Densidad de probabilidad",
     xlab = "Continente (Bernoulli)",
     xlim = c(-0.2, 1.2),
     ylim = c(0, max(probabilidades) * 1.2),
     xaxt = "n")

axis(1, at = c(0, 1), labels = c("Y = 0", "Y = 1"))

# Area de probabilidad para el exito Y = 1
rect(1 - 0.08, 0,
     1 + 0.08, p,
     col = rgb(1, 0, 0, 0.5),
     border = NA)

# Curva Bernoulli
lines(x, probabilidades, col = "black", lwd = 2, type = "b", pch = 19)

legend("topright",
       legend = c("Modelo Bernoulli", "Area de Probabilidad"),
       col = c("black", rgb(1, 0, 0, 0.5)),
       lwd = c(2, 8),
       cex = 0.8)

# Texto de la probabilidad dentro del grafico
texto_prob <- paste0("P(Y = 1) = ", round(probabilidad_continente * 100, 2), " %")

text(x = 0.45,
     y = max(probabilidades) * 0.55,
     labels = texto_prob,
     col = "black",
     cex = 1,
     font = 2)

Si se analizan los registros de 50 nuevas minas archivadas, ¿cuántas se esperaría que pertenezcan al continente North America?

# ==========================================
# CANTIDAD ESPERADA DE MINAS EN NORTH AMERICA
# ==========================================

probabilidad_continente <- p

# Cantidad esperada en 50 nuevas minas archivadas
minas_esperadas <- probabilidad_continente * 50

# Mostrar resultados
cat("Probabilidad de North America:", round(probabilidad_continente * 100, 2), "%\n")
## Probabilidad de North America: 81.54 %
cat("Cantidad de minas esperadas:", round(minas_esperadas), "\n")
## Cantidad de minas esperadas: 41

7. INTERVALOS DE CONFIANZA

# ==========================================
# INTERVALOS DE CONFIANZA (CONTINENT)
# ==========================================

# CALCULOS
n <- length(Y)
x <- mean(Y)
sigma <- sqrt(x * (1 - x))

# Error estandar de la proporcion
e <- sqrt((x * (1 - x)) / n)

# Calculo de los limites (usando Z=2)
li <- x - 2 * e
ls <- x + 2 * e

# MOSTRAR VALORES EN CONSOLA
cat("Proporcion de exito:", round(x, 4), "\n")
## Proporcion de exito: 0.8154
cat("Desviacion estandar Bernoulli:", round(sigma, 4), "\n")
## Desviacion estandar Bernoulli: 0.388
cat("Tamano muestral:", n, "\n")
## Tamano muestral: 1365
cat("Error estandar de la proporcion (e):", round(e, 4), "\n")
## Error estandar de la proporcion (e): 0.0105
cat("Limite inferior:", round(li, 4), "\n")
## Limite inferior: 0.7944
cat("Limite superior:", round(ls, 4), "\n")
## Limite superior: 0.8364
# =========================
# TABLA PROFESIONAL
# =========================
library(gt)
library(dplyr)

# Crear el dataframe base
tabla_proporcion_continente <- data.frame(
  "Limite_inferior" = round(li * 100, 2),
  "Proporcion_poblacional" = round(x * 100, 2),
  "Limite_superior" = round(ls * 100, 2),
  "Error_estandar" = round(e * 100, 2)
)

# Ajustar los nombres de las columnas para que se vean bien al imprimir
colnames(tabla_proporcion_continente) <- c("Limite inferior (%)", "Proporcion poblacional (%)", "Limite superior (%)", "Error estandar (%)")

# Crear la tabla con gt
tabla_proporcion_continente_gt <- tabla_proporcion_continente %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 3**"), # Ajusta este número según corresponda en tu documento
    subtitle = md("**Intervalo de confianza de la proporcion de North America en CONTINENT**")
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    row.striping.include_table_body = TRUE
  )

tabla_proporcion_continente_gt
Tabla N° 3
Intervalo de confianza de la proporcion de North America en CONTINENT
Limite inferior (%) Proporcion poblacional (%) Limite superior (%) Error estandar (%)
79.44 81.54 83.64 1.05
Autor: Grupo 1

8. CONCLUSIÓN

La variable CONTINENT se explica a traves del modelo Bernoulli, definiendo como exito que una mina archivada pertenezca a North America y como fracaso que pertenezca a otro continente conocido.

Mediante el teorema de limite central, sabemos que la proporcion poblacional de minas archivadas que pertenecen a North America se encuentra dentro del intervalo de confianza calculado con un 95.4% de confianza.