Carga de datos y librerías Extraer la variable Conclusión

1. CARGA DE DATOS Y LIBRERÍAS

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(readxl)
library(gt)

datos <- read_excel("datos_deslizamientos.xlsx")

2. EXTRAER LA VARIABLE

variable <- datos$country_name

3. CONTEO

3.1 Consolidación de categorías

datos <- datos %>%
  mutate(
    country_name_consol = case_when(

      country_name %in% c(
        "Canada","United States","Mexico","Guatemala","Belize",
        "El Salvador","Honduras","Nicaragua","Costa Rica","Panama",
        "Cuba","Jamaica","Haiti","Dominican Republic","Bahamas",
        "Trinidad and Tobago","Barbados","Dominica","Grenada",
        "Saint Lucia","Saint Vincent and the Grenadines",
        "Antigua and Barbuda","Saint Kitts and Nevis",
        "Argentina","Bolivia","Brazil","Chile","Colombia",
        "Ecuador","Guyana","Paraguay","Peru","Suriname",
        "Uruguay","Venezuela","French Guiana"
      ) ~ "América",

      country_name %in% c(
        "China","India","Japan","South Korea","North Korea",
        "Indonesia","Malaysia","Thailand","Vietnam","Cambodia",
        "Laos","Myanmar","Philippines","Singapore","Brunei",
        "Nepal","Bhutan","Bangladesh","Pakistan","Afghanistan",
        "Sri Lanka","Mongolia","Kazakhstan","Uzbekistan",
        "Turkmenistan","Kyrgyzstan","Tajikistan","Iran","Iraq",
        "Saudi Arabia","Yemen","Oman","United Arab Emirates",
        "Qatar","Bahrain","Kuwait","Jordan","Lebanon","Israel",
        "Syria","Turkey","Armenia","Azerbaijan","Georgia"
      ) ~ "Asia",

      country_name %in% c(
        "Spain","France","Germany","Italy","Portugal",
        "United Kingdom","Ireland","Belgium","Netherlands",
        "Luxembourg","Switzerland","Austria","Poland",
        "Czech Republic","Slovakia","Hungary","Romania",
        "Bulgaria","Greece","Croatia","Slovenia","Serbia",
        "Bosnia and Herzegovina","Montenegro","Albania",
        "North Macedonia","Norway","Sweden","Finland",
        "Denmark","Iceland","Ukraine","Belarus","Moldova",
        "Russia","Estonia","Latvia","Lithuania"
      ) ~ "Europa",

      country_name %in% c(
        "Australia","New Zealand","Papua New Guinea",
        "Fiji","Solomon Islands","Vanuatu","Samoa","Tonga",
        "Kiribati","Palau","Micronesia","Marshall Islands",
        "Nauru","Tuvalu"
      ) ~ "Oceanía",

      country_name %in% c(
        "Algeria","Angola","Benin","Botswana","Burkina Faso",
        "Burundi","Cameroon","Cape Verde","Central African Republic",
        "Chad","Comoros","Congo","Democratic Republic of the Congo",
        "Djibouti","Egypt","Equatorial Guinea","Eritrea",
        "Eswatini","Ethiopia","Gabon","Gambia","Ghana",
        "Guinea","Guinea-Bissau","Ivory Coast","Kenya",
        "Lesotho","Liberia","Libya","Madagascar","Malawi",
        "Mali","Mauritania","Mauritius","Morocco","Mozambique",
        "Namibia","Niger","Nigeria","Rwanda","Senegal",
        "Seychelles","Sierra Leone","Somalia","South Africa",
        "South Sudan","Sudan","Tanzania","Togo","Tunisia",
        "Uganda","Zambia","Zimbabwe"
      ) ~ "África",

    )
  )

3.2 Conteo de datos

variable <- datos$country_name_consol

variable <- variable[!is.na(variable)]

N <- length(variable)

3.3 Cálculo de frecuencias

TDFPais <- datos %>%
  filter(!is.na(country_name_consol)) %>%
  count(country_name_consol, name = "ni") %>%
  mutate(
    hi = round(ni / sum(ni), 2),
    hi_porcentaje = round(hi * 100, 2)
  )

TDFPais_total <- TDFPais %>%
  add_row(
    country_name_consol = "TOTAL",
    ni = sum(TDFPais$ni),
    hi = round(sum(TDFPais$hi), 2),
    hi_porcentaje = round(sum(TDFPais$hi_porcentaje), 2)
  )

4. TABLA DE FRECUENCIAS

4.1 Tabla de frecuencias

TDFPais <- datos %>%
  filter(!is.na(country_name_consol)) %>%
  count(country_name_consol, name = "ni") %>%
  mutate(
    hi = ni / sum(ni),
    hi_porcentaje = hi * 100
  )

TDFPais_total <- TDFPais %>%
  add_row(
    country_name_consol = "TOTAL",
    ni = sum(TDFPais$ni),
    hi = 1,
    hi_porcentaje = 100
  )

4.2 Presentación de la tabla

tabla_presentacion <- TDFPais_total %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 1**"),
    subtitle = md("Distribución de frecuencias de los países con registro de deslizamientos a nivel mundial")
  ) %>%
  cols_label(
    country_name_consol = "País",
    ni = "Frecuencia absoluta (ni)",
    hi = "Frecuencia relativa",
    hi_porcentaje = "Frecuencia relativa (%)"
  ) %>%
  fmt_number(
    columns = hi,
    decimals = 4
  ) %>%
  fmt_number(
    columns = hi_porcentaje,
    decimals = 2
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = country_name_consol == "TOTAL"
    )
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1 – Carrera de Geología")
  )

tabla_presentacion

País	Frecuencia absoluta (ni)	Frecuencia relativa	Frecuencia relativa (%)
Tabla N° 1
Distribución de frecuencias de los países con registro de deslizamientos a nivel mundial
América	4184	0.4487	44.87
Asia	4168	0.4470	44.70
Europa	495	0.0531	5.31
Oceanía	274	0.0294	2.94
África	204	0.0219	2.19
TOTAL	9325	1.0000	100.00
Autor: Grupo 1 – Carrera de Geología

tabla_graficos <- TDFPais

5. GRÁFICAS

5.1 Distribución local de los países con registro de deslizamientos a nivel mundial

par(mar = c(6, 5, 4, 2))

max_ni <- max(tabla_graficos$ni)

pos_x <- barplot(
  tabla_graficos$ni,
  names.arg = tabla_graficos$country_name_consol,
  col = "steelblue",
  border = "black",
  space = 0.2,
  las = 2,
  ylim = c(0, max_ni + max_ni*0.10),
  yaxt = "n",
  main = "Gráfica 1: Distribución local de los países con\nregistro de deslizamientos a nivel mundial",
  xlab = "",
  ylab = "Cantidad",
  cex.names = 0.65
)
mtext("Continente", side = 1, line = 5, cex = 1)

ticks_y <- round(
  seq(0, max_ni, length.out = 5),
  0
)

axis(
  side = 2,
  at = ticks_y,
  labels = ticks_y,
  las = 1
)

text(
  x = pos_x,
  y = tabla_graficos$ni,
  labels = tabla_graficos$ni,
  pos = 3,
  font = 2,
  cex = 0.6
)

5.2 Distribución global de los países con registro de deslizamientos a nivel mundial

par(mar = c(6, 5, 4, 2))

N_total <- sum(tabla_graficos$ni)

pos_x <- barplot(
  tabla_graficos$ni,
  names.arg = tabla_graficos$country_name_consol,
  col = "steelblue",
  border = "black",
  space = 0.2,
  las = 2,
  ylim = c(0, N_total),
  yaxt = "n",
  main = "Gráfica 2: Distribución global de los países con\nregistro de deslizamientos a nivel mundial",
  xlab = "",
  ylab = "Cantidad",
  cex.names = 0.65
)
mtext("Continente", side = 1, line = 5, cex = 1)

ticks_y <- round(
  seq(0, N_total, length.out = 6),
  0
)

axis(
  side = 2,
  at = ticks_y,
  labels = ticks_y,
  las = 1
)

abline(
  h = N_total,
  col = "red",
  lty = 2,
  lwd = 2
)

text(
  x = pos_x,
  y = tabla_graficos$ni,
  labels = tabla_graficos$ni,
  pos = 3,
  font = 2,
  cex = 0.6
)

5.3 Distribución local en porcentaje de los países con registro de deslizamientos a nivel mundial

par(mar = c(6, 5, 4, 2))

pos_x <- barplot(
  tabla_graficos$hi_porcentaje,
  names.arg = tabla_graficos$country_name_consol,
  col = "skyblue",
  border = "black",
  space = 0.2,
  las = 2,
  ylim = c(0, max(tabla_graficos$hi_porcentaje)),
  yaxt = "n",
  main = "Gráfica 3: Distribución local en porcentaje de los\npaíses con registro de deslizamientos a nivel mundial",
  xlab = "",
  ylab = "Porcentaje (%)",
  cex.names = 0.65
)
mtext("Continente", side = 1, line = 5, cex = 1)

ticks_y <- pretty(
  c(0, max(tabla_graficos$hi_porcentaje)),
  n = 6
)

axis(
  side = 2,
  at = ticks_y,
  labels = ticks_y,
  las = 1
)

text(
  x = pos_x,
  y = tabla_graficos$hi_porcentaje,
  labels = round(tabla_graficos$hi_porcentaje, 2),
  pos = 3,
  font = 2,
  cex = 0.6
)

5.4 Distribución global en porcentaje de los países con registro de deslizamientos a nivel mundial

par(mar = c(6, 5, 4, 2))

pos_x <- barplot(
  tabla_graficos$hi_porcentaje,
  names.arg = tabla_graficos$country_name_consol,
  col = "skyblue",
  border = "black",
  space = 0.2,
  las = 2,
  ylim = c(0, 100),
  yaxt = "n",
  main = "Gráfica 4: Distribución global en porcentaje de los\npaíses con registro de deslizamientos a nivel mundial",
  xlab = "",
  ylab = "Porcentaje (%)",
  cex.names = 0.65
)
mtext("Continente", side = 1, line = 5, cex = 1)

ticks_y <- seq(0, 100, by = 20)

axis(
  side = 2,
  at = ticks_y,
  labels = ticks_y,
  las = 1
)

abline(
  h = 100,
  col = "red",
  lty = 2,
  lwd = 2
)

text(
  x = pos_x,
  y = tabla_graficos$hi_porcentaje,
  labels = round(tabla_graficos$hi_porcentaje, 2),
  pos = 3,
  font = 2,
  cex = 0.6
)

5.5 Diagrama circular

par(mar = c(5, 4, 5, 8), xpd = TRUE)

colores <- rainbow(nrow(tabla_graficos))

pie(
  tabla_graficos$hi_porcentaje,
  labels = NA,
  col = colores,
  radius = 0.80,
  main = "Gráfica 5. Distribución porcentual de los países\ncon registro de deslizamientos a nivel mundial"
)

legend(
  x = 0.85,
  y = 0,
  legend = paste0(
    tabla_graficos$country_name_consol,
    " (", round(tabla_graficos$hi_porcentaje,2), "%)"
  ),
  fill = colores,
  cex = 0.45,
  bty = "n"
)

par(xpd = FALSE)

6. INDICADORES

6.1 Indicadores estadísticos

# Moda

indice_moda <- which.max(tabla_graficos$ni)

moda_pais <- tabla_graficos$country_name_consol[indice_moda]

moda_ni <- tabla_graficos$ni[indice_moda]

moda_hi <- tabla_graficos$hi_porcentaje[indice_moda]

# Indicadores generales

n <- sum(tabla_graficos$ni)

numero_categorias <- nrow(tabla_graficos)

categoria_menos_frecuente <-
  tabla_graficos$country_name_consol[
    which.min(tabla_graficos$ni)
  ]

6.2 Tabla resumen de indicadores

tabla_indicadores <- data.frame(
  Indicador = c(
    "Tamaño de la muestra",
    "Número de categorías",
    "Moda",
    "Frecuencia absoluta de la moda",
    "Frecuencia relativa de la moda (%)",
    "País menos frecuente"
  ),

  Resultado = c(
    n,
    numero_categorias,
    moda_pais,
    moda_ni,
    round(moda_hi,2),
    categoria_menos_frecuente
  )
)

tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**Tabla N° 2**"),
    subtitle = md("Indicadores estadísticos de la variable País")
  ) %>%
  cols_label(
    Indicador = "Indicador",
    Resultado = "Resultado"
  ) %>%
  tab_source_note(
    source_note = md("Autor: Grupo 1 – Carrera de Geología")
  )

Indicador	Resultado
Tabla N° 2
Indicadores estadísticos de la variable País
Tamaño de la muestra	9325
Número de categorías	5
Moda	América
Frecuencia absoluta de la moda	4184
Frecuencia relativa de la moda (%)	44.87
País menos frecuente	África
Autor: Grupo 1 – Carrera de Geología

7. CONCLUSIÓN

El valor más frecuente de la variable es América.

VARIABLE CUALITATIVA NOMINAL: PAÍS

Geología Grupo 1

2026

1. CARGA DE DATOS Y LIBRERÍAS

2. EXTRAER LA VARIABLE

3. CONTEO

3.1 Consolidación de categorías

3.2 Conteo de datos

3.3 Cálculo de frecuencias

4. TABLA DE FRECUENCIAS

4.1 Tabla de frecuencias

4.2 Presentación de la tabla

5. GRÁFICAS

5.1 Distribución local de los países con registro de deslizamientos a nivel mundial

5.2 Distribución global de los países con registro de deslizamientos a nivel mundial

5.3 Distribución local en porcentaje de los países con registro de deslizamientos a nivel mundial

5.4 Distribución global en porcentaje de los países con registro de deslizamientos a nivel mundial

5.5 Diagrama circular

6. INDICADORES

6.1 Indicadores estadísticos

6.2 Tabla resumen de indicadores

7. CONCLUSIÓN