1. Carga de Datos y Librerías

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)
library(scales)
library(forcats)
datos <- read_excel("dataset_mundial_petro.xlsx")
cat("Dataset cargado exitosamente. Total de variables:", ncol(datos), "\n")
## Dataset cargado exitosamente. Total de variables: 23

2. Extracción 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.

cat("Variable analizada: Location accuracy\n")
## Variable analizada: Location accuracy
# Jerarquía lógica de precisión (de mayor a menor exactitud)
orden <- c("exact", "approximate")

Variable <- datos$`Location accuracy`
Variable <- Variable[!is.na(Variable)]

N <- length(Variable)
cat("Total de observaciones limpias (N):", N, "\n")
## Total de observaciones limpias (N): 7538
Variable <- factor(Variable, levels = orden, ordered = TRUE)

3. Conteo y Cálculo

Se calcula la frecuencia absoluta (ni), la frecuencia relativa en proporción (hi) y en porcentaje (hi %) para cada categoría, ordenadas de mayor a menor.

tabla_freq <- as.data.frame(table(Variable)) %>%
  rename(Precision = Variable, ni = Freq) %>%
  arrange(desc(ni)) %>%
  mutate(
    Precision = as.character(Precision),
    ni      = as.numeric(ni),
    hi_prop = ni / N,
    hi_pct  = hi_prop * 100,
    i       = row_number()
  ) %>%
  select(i, Precision, ni, hi_pct, hi_prop)

k <- nrow(tabla_freq)

cat("Número de categorías (k):", k, "\n")
## Número de categorías (k): 2
cat("Categoría más frecuente :", tabla_freq$Precision[1],
    "-", tabla_freq$ni[1], "registros\n")
## Categoría más frecuente : exact - 6353 registros
cat("Categoría menos frecuente:", tabla_freq$Precision[k],
    "-", tabla_freq$ni[k], "registro(s)\n")
## Categoría menos frecuente: approximate - 1185 registro(s)
cat("Verificación - Σni:", sum(tabla_freq$ni), "(debe ser", N, ")\n")
## Verificación - Σni: 7538 (debe ser 7538 )
cat("Verificación - Σhi%:", round(sum(tabla_freq$hi_pct)), "(debe ser 100)\n")
## Verificación - Σhi%: 100 (debe ser 100)

4. Tabla de Distribución de Frecuencias

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.

tdf <- as.data.frame(table(Variable)) %>%
  rename(Nivel = Variable, Fi = Freq) %>%
  mutate(
    Nivel = as.character(Nivel),
    Fi    = as.numeric(Fi),
    hi    = round(Fi / N, 5),
    pct   = round(hi * 100, 2),
    Fi_ac = cumsum(Fi),
    hi_ac = round(cumsum(hi), 5)
  )

fila_total <- tibble(
  Nivel = "TOTAL",
  Fi    = sum(tdf$Fi),
  hi    = sum(tdf$hi),
  pct   = sum(tdf$pct),
  Fi_ac = NA_real_,
  hi_ac = NA_real_
)

tdf_final <- bind_rows(tdf, fila_total)

tdf_final %>%
  gt() %>%
  tab_header(
    title = md("**TABLA 1. Distribución de Frecuencias por Precisión de Ubicación**")
  ) %>%
  cols_label(
    Nivel = "Nivel de Precisión",
    Fi    = "Frec. Absoluta (Fi)",
    hi    = "Frec. Relativa (hi)",
    pct   = "Porcentaje (%)",
    Fi_ac = "Frec. Abs. Acumulada (Fi_ac)",
    hi_ac = "Frec. Rel. Acumulada (hi_ac)"
  ) %>%
  fmt_number(columns = hi, decimals = 5) %>%
  fmt_number(columns = pct, decimals = 2) %>%
  fmt_number(columns = hi_ac, decimals = 5) %>%
  fmt_integer(columns = c(Fi, Fi_ac)) %>%
  sub_missing(columns = c(Fi_ac, hi_ac), missing_text = "") %>%
  tab_source_note(source_note = paste0("Fuente: Global Energy Monitor — GOGET 2023 | n = ",
                                        format(N, big.mark = ","))) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_style(
    style     = list(cell_text(weight = "bold"),
                     cell_borders(sides = "top", color = "black", weight = px(2))),
    locations = cells_body(rows = nrow(tdf_final))
  ) %>%
  tab_options(
    table.border.top.color            = "black",
    table.border.bottom.color         = "black",
    table.border.top.style            = "solid",
    table.border.bottom.style         = "solid",
    column_labels.font.weight         = "bold",
    column_labels.border.top.color    = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    heading.border.bottom.color       = "black",
    heading.border.bottom.width       = px(2),
    table_body.hlines.color           = "grey",
    table_body.border.bottom.color    = "black"
  )
TABLA 1. Distribución de Frecuencias por Precisión de Ubicación
Nivel de Precisión Frec. Absoluta (Fi) Frec. Relativa (hi) Porcentaje (%) Frec. Abs. Acumulada (Fi_ac) Frec. Rel. Acumulada (hi_ac)
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. Gráficas

5.1. Gráfica N°1 — Frecuencia Absoluta

ggplot(conteo_graf, aes(x = Nivel, y = Fi, fill = Nivel)) +
  geom_col(width = 0.5, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = format(Fi, big.mark = ",")),
    vjust = -0.4, size = 3.5, color = "#222222", fontface = "bold"
  ) +
  scale_fill_manual(values = colores_barras) +
  scale_y_continuous(
    labels = label_comma(),
    expand = expansion(mult = c(0, 0.15))
  ) +
  labs(
    title = "Gráfica N°1 — Frecuencia Absoluta",
    x     = "Nivel de Precisión",
    y     = "Frecuencia Absoluta (Fi)"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    legend.position    = "none",
    plot.title         = element_text(face = "bold", color = "#222222", size = 12),
    axis.title         = element_text(face = "bold", color = "#333333"),
    axis.text          = element_text(color = "#333333"),
    panel.grid.major.x = element_blank(),
    panel.grid.major.y = element_line(color = "#EEEEEE"),
    plot.background    = element_rect(fill = "white", color = NA),
    panel.background   = element_rect(fill = "white", color = NA)
  )

5.2. Gráfica N°2 — Distribución Porcentual

ggplot(conteo_graf, aes(x = Nivel, y = pct, fill = Nivel)) +
  geom_col(width = 0.5, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = paste0(pct, "%")),
    vjust = -0.4, size = 3.5, color = "#222222", fontface = "bold"
  ) +
  scale_fill_manual(values = colores_barras) +
  scale_y_continuous(
    labels = function(x) paste0(x, "%"),
    expand = expansion(mult = c(0, 0.15))
  ) +
  labs(
    title = "Gráfica N°2 — Distribución Porcentual",
    x     = "Nivel de Precisión",
    y     = "Porcentaje (%)"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    legend.position    = "none",
    plot.title         = element_text(face = "bold", color = "#222222", size = 12),
    axis.title         = element_text(face = "bold", color = "#333333"),
    axis.text          = element_text(color = "#333333"),
    panel.grid.major.x = element_blank(),
    panel.grid.major.y = element_line(color = "#EEEEEE"),
    plot.background    = element_rect(fill = "white", color = NA),
    panel.background   = element_rect(fill = "white", color = NA)
  )

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

datos_pie <- conteo_graf %>%
  mutate(etiqueta = paste0(Nivel, " (", pct, "%)"))

ggplot(datos_pie, aes(x = "", y = pct, fill = Nivel)) +
  geom_col(width = 1, color = "white", linewidth = 0.6) +
  coord_polar(theta = "y", start = 0) +
  scale_fill_manual(
    values = colores_pie,
    labels = datos_pie$etiqueta
  ) +
  labs(
    fill = "Nivel de Precisión"
  ) +
  theme_void(base_size = 12) +
  theme(
    legend.position = "right",
    legend.title    = element_text(face = "bold", color = "#222222"),
    legend.text     = element_text(size = 8, color = "#333333"),
    plot.background = element_rect(fill = "white", color = NA)
  )

6. Indicadores Estadísticos

fila_moda <- tdf[which.max(tdf$Fi), ]

tabla_ind <- data.frame(
  "Total Registros (N)"       = N,
  "Niveles Diferentes"        = k,
  "Nivel Predominante (Moda)" = fila_moda$Nivel,
  "Frecuencia de la Moda"     = fila_moda$Fi,
  "Peso de la Moda"           = paste0(fila_moda$pct, "%"),
  check.names = FALSE
)

tabla_ind %>%
  gt() %>%
  tab_header(
    title = md("**TABLA 2. Indicadores Estadísticos**")
  ) %>%
  fmt_integer(columns = c(`Total Registros (N)`, `Niveles Diferentes`, `Frecuencia de la Moda`)) %>%
  tab_source_note(source_note = "Autor: Grupo 5") %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_options(
    table.border.top.color            = "black",
    table.border.bottom.color         = "black",
    table.border.top.style            = "solid",
    table.border.bottom.style         = "solid",
    column_labels.font.weight         = "bold",
    column_labels.border.top.color    = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    heading.border.bottom.color       = "black",
    heading.border.bottom.width       = px(2),
    table_body.hlines.color           = "grey",
    table_body.border.bottom.color    = "black"
  )
TABLA 2. Indicadores Estadísticos
Total Registros (N) Niveles Diferentes Nivel Predominante (Moda) Frecuencia de la Moda Peso de la Moda
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.