1. CARGA DE DATOS

CARGA DE DATOS

knitr::opts_chunk$set(
    echo = TRUE,                   # Muestra el codigo 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 automaticamente todas las graficas 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 numeros.
                  fileEncoding = "latin1")

# Verificacion 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 DISTRIBUICION DE CANTIDAD

# LIMPIEZA DE LA VARIABLE SILICIO

silicio <- as.numeric(datos$Si_pct_AES_ST)
silicio <- na.omit(silicio)
silicio <- subset(silicio, silicio > 0)

# SEPARAR OUTLIERS
caja <- boxplot(silicio, plot = FALSE)

limite_sup <- caja$stats[5]
limite_inf <- caja$stats[1]

silicio_outliers <- silicio[silicio < limite_inf | silicio > limite_sup]
silicio_sin_outliers <- silicio[silicio >= limite_inf & silicio <= limite_sup]

# RESUMEN
cat("Cantidad con outliers:", length(silicio), "\n")
## Cantidad con outliers: 37
cat("Cantidad de outliers:", length(silicio_outliers), "\n")
## Cantidad de outliers: 0
cat("Cantidad sin outliers:", length(silicio_sin_outliers), "\n")
## Cantidad sin outliers: 37
# HISTOGRAMA (BASE DE LA TABLA)
histograma <- hist(silicio_sin_outliers, breaks = 6, plot = FALSE)

# FRECUENCIA ABSOLUTA
ni <- histograma$counts

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

# INTERVALOS
intervalos <- paste0(
  "[", round(histograma$breaks[-length(histograma$breaks)], 2),
  ", ",
  round(histograma$breaks[-1], 2),
  ")"
)

# TABLA
tabla_frecuencias <- data.frame(
  Intervalo = intervalos,
  ni = ni,
  hi = round(hi, 2)
)

print(tabla_frecuencias)
##   Intervalo ni    hi
## 1   [0, 10)  1  2.70
## 2  [10, 20) 10 27.03
## 3  [20, 30) 13 35.14
## 4  [30, 40) 12 32.43
## 5  [40, 50)  1  2.70
# TABLA CON GT
library(gt)
library(dplyr)

tabla_silicio_gt <- tabla_frecuencias %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro 1**"),
    subtitle = md("**Distribucion de frecuencias de minas archivadas que contienen Silicio**")
  ) %>%
  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_silicio_gt
Tabla Nro 1
Distribucion de frecuencias de minas archivadas que contienen Silicio
Intervalo ni hi
[0, 10) 1 2.70
[10, 20) 10 27.03
[20, 30) 13 35.14
[30, 40) 12 32.43
[40, 50) 1 2.70
Autor: Grupo 1

3. GRAFICA DE DISTRIBUCION DE CANTIDAD

histograma <- hist(silicio_sin_outliers,
                   breaks = 6,
                   freq = TRUE,
                   main="Grafica 1. Distribucion de cantidad de silicio en minas archivadas",
                   xlab="Silicio (%)",
                   ylab="Densidad",
                   col="lightblue")

4. CONJETURA DEL MODELO

# ==========================================
# CONJETURA DEL MODELO (SILICIO)
# ==========================================

# Histograma con densidad
histograma <- hist(silicio_sin_outliers,
                   breaks = 6,
                   freq = FALSE,
                   main = "Grafica 2. Comparacion de la realidad con el modelo normal aproximado de\nSilicio en minas archivadas",
                   xlab = "Silicio (%)",
                   ylab = "Densidad",
                   col = "lightblue",
                   border = "black")

# PARAMETROS
media <- mean(silicio_sin_outliers)
sigma <- sd(silicio_sin_outliers)

# MOSTRAR VALORES
cat("Media aritmetica:", round(media, 2), "\n")
## Media aritmetica: 25.35
cat("Desviacion estandar:", round(sigma, 4), "\n")
## Desviacion estandar: 9.7645
cat("Aclaracion: el modelo normal se utiliza como una aproximacion.\n\n")
## Aclaracion: el modelo normal se utiliza como una aproximacion.
# CURVA NORMAL APROXIMADA
x <- seq(min(silicio_sin_outliers), max(silicio_sin_outliers), 0.01)
curve(dnorm(x, mean = media, sd = sigma), add = TRUE, col = "black", lwd = 3)

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

# FRECUENCIAS OBSERVADAS (Realidad)
Fo <- histograma$counts

# FRECUENCIAS ESPERADAS (Modelo Teorico)
h <- length(histograma$counts)

# Creamos un vector numerico vacio del tamano exacto de los intervalos
P <- numeric(h) 

# Bucle para calcular la probabilidad de caer en cada intervalo de la curva
for (i in 1:h) {
  P[i] <- pnorm(histograma$breaks[i+1], mean = media, sd = sigma) - pnorm(histograma$breaks[i], mean = media, sd = sigma)
}

# Multiplicamos las probabilidades teoricas por el tamano total de la muestra limpia
Fe <- P * length(silicio_sin_outliers)

# MOSTRAR RESULTADOS EN CONSOLA
cat("Frecuencias observadas (Fo):\n")
## Frecuencias observadas (Fo):
print(Fo)
## [1]  1 10 13 12  1
cat("\nFrecuencias esperadas (Fe):\n")
## 
## Frecuencias esperadas (Fe):
print(round(Fe, 2))
## [1]  1.97  8.65 14.47  9.26  2.26

5. TEST DE APROBACION

# =========================
# TEST DE PEARSON
# =========================

n <- length(silicio_sin_outliers)

# Convertir a porcentajes (Asegurate de que Fo y Fe ya esten calculados para el Silicio)
Fo <- (Fo/n)*100
Fe <- (Fe/n)*100

plot(Fo, Fe,
     main = "Grafica 3: Correlacion de frecuencias en el modelo normal aproximado (Silicio)",
     xlab = "Frecuencia Observada (%)",
     ylab = "Frecuencia Esperada (%)",
     pch = 19,
     col = "forestgreen")

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

# =========================
# TEST DE PEARSON
# =========================
Correlacion <- cor(Fo, Fe) * 100

# =========================
# TEST DE CHI-CUADRADO
# =========================
# GRADOS DE LIBERTAD
gl <- length(histograma$counts) - 1

# ESTADISTICO
x2 <- sum((Fe - Fo)^2 / Fe)

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

# =========================
# TABLA RESUMEN
# =========================
Variable <- c("Silicio (%)")

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"
)

library(gt)
library(dplyr)

tabla_resumen_gt <- tabla_resumen %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro 2**"), 
    subtitle = md("**Resultados de las pruebas de bondad de ajuste para el Silicio**")
  ) %>%
  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 Nro 2
Resultados de las pruebas de bondad de ajuste para el Silicio
Variable Test Pearson (%) Chi Cuadrado Umbral de aceptacion
Silicio (%) 95.14 6.35 10.71
Autor: Grupo 1

6. ESTIMACION DE PROBABILIDADES

Cual es la probabilidad de que una muestra aleatoria de sedimento presente una concentracion de silicio menor o igual al 2 %?

# ==========================================
# CALCULO DE PROBABILIDADES (SILICIO <= 2%)
# ==========================================

# Como es "menor o igual a 2", calculamos el area acumulada hasta 2
probabilidad_silicio <- pnorm(2, mean = media, sd = sigma)

# En porcentaje
cat("Probabilidad:", probabilidad_silicio * 100, "%\n")
## Probabilidad: 0.8390863 %
# =========================
# GRAFICA DE PROBABILIDAD
# =========================

# Rango para la curva
x <- seq(min(0, min(silicio_sin_outliers), 2), max(max(silicio_sin_outliers), 2), 0.01)

# Curva normal aproximada
plot(x, dnorm(x, mean = media, sd = sigma),
     col = "black",
     lwd = 2,
     type = "l",
     main = "Grafica 4. Calculo de probabilidades del contenido de Silicio\nen Sedimentos Marinos (<= 2%)",
     ylab = "Densidad de probabilidad",
     xlab = "Silicio (%)")

# Area de probabilidad hasta el 2%
x_area <- seq(min(x), 2, 0.01)
y_area <- dnorm(x_area, mean = media, sd = sigma)

# Linea del area
lines(x_area, y_area, col = "red", lwd = 2)

# Area sombreada (rojo semitransparente)
polygon(c(x_area, rev(x_area)),
        c(y_area, rep(0, length(y_area))),
        col = rgb(1, 0, 0, 0.5),
        border = NA)

# Leyenda
legend("topright",
       legend = c("Modelo normal aproximado", "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("Probabilidad = ", round(probabilidad_silicio * 100, 2), " %")

text(x = mean(silicio_sin_outliers), 
     y = max(dnorm(x, mean = media, sd = sigma)) * 0.5, 
     labels = texto_prob,
     col = "black",
     cex = 1,
     font = 2)

Si se analizan los registros de 50 nuevas minas archivadas, cuantas se esperaria que presenten un contenido de silicio entre el 1 % y el 2 %?

# ==========================================
# PROBABILIDAD DE SILICIO ENTRE 1% y 2%
# ==========================================

probabilidad_silicio <- pnorm(2, mean = media, sd = sigma) - pnorm(1, mean = media, sd = sigma)

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

# Mostrar resultados
cat("Probabilidad (1% a 2%):", round(probabilidad_silicio * 100, 2), "%\n")
## Probabilidad (1% a 2%): 0.21 %
cat("Cantidad de minas esperadas:", round(minas_esperadas), "\n")
## Cantidad de minas esperadas: 0

7. INTERVALOS DE CONFIANZA

# ==========================================
# INTERVALOS DE CONFIANZA (SILICIO)
# ==========================================

# CALCULOS
x <- mean(silicio_sin_outliers)
sigma <- sd(silicio_sin_outliers)
n <- length(silicio_sin_outliers)

# Error estandar de la media
e <- sigma / sqrt(n)

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

# MOSTRAR VALORES EN CONSOLA
cat("Media:", round(x, 2), "\n")
## Media: 25.35
cat("Desviacion estandar de la muestra:", round(sigma, 2), "\n")
## Desviacion estandar de la muestra: 9.76
cat("Tamano muestral:", n, "\n")
## Tamano muestral: 37
cat("Error estandar de la media (e):", round(e, 4), "\n")
## Error estandar de la media (e): 1.6053
cat("Limite inferior:", round(li, 2), "\n")
## Limite inferior: 22.14
cat("Limite superior:", round(ls, 2), "\n")
## Limite superior: 28.56
# =========================
# TABLA PROFESIONAL
# =========================
library(gt)
library(dplyr)

# Crear el dataframe base
tabla_media_silicio <- data.frame(
  "Limite_inferior" = round(li, 2),
  "Media_poblacional" = round(x, 2),
  "Limite_superior" = round(ls, 2),
  "Error_estandar" = round(e, 4)
)

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

# Crear la tabla con gt
tabla_media_silicio_gt <- tabla_media_silicio %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro 3**"),
    subtitle = md("**Intervalo de confianza del contenido de Silicio (%) en minas archivadas**")
  ) %>%
  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_media_silicio_gt
Tabla Nro 3
Intervalo de confianza del contenido de Silicio (%) en minas archivadas
Limite inferior Media poblacional Limite superior Error estandar
22.14 25.35 28.56 1.6053
Autor: Grupo 1

8. CONCLUSION

La variable de Silicio se estudia mediante un modelo normal aproximado, utilizando como parametros la media aritmetica y la desviacion estandar de la muestra sin outliers.

Mediante el teorema de limite central, sabemos que la media aritmetica poblacional del silicio se encuentra dentro del intervalo de confianza calculado con un 95.4% de confianza.