1. Configuración y Carga de Datos

Se carga el conjunto de datos de arrendamientos de hidrocarburos del estado de Kansas, EE.UU., registrados por el Kansas Geological Survey.

ruta_archivo <- file.choose()
datos_vale <- read_csv(ruta_archivo, show_col_types = FALSE)

cat("Dataset cargado correctamente.\n")
## Dataset cargado correctamente.
cat("Total de registros evaluados (filas):", nrow(datos_vale), "\n")
## Total de registros evaluados (filas): 47757

2. Extracción y Limpieza de la Variable

La variable OPERATOR_NAME (Nombre del Operador) identifica la empresa u operador responsable de cada arrendamiento. Se eliminan los registros sin valor (NA o vacíos). Para el análisis se presenta la distribución de frecuencias completa (todas las categorías), y un resumen gráfico de las 10 categorías más representativas.

x_raw <- datos_vale %>%
  filter(!is.na(OPERATOR_NAME), OPERATOR_NAME != "") %>%
  pull(OPERATOR_NAME)

n <- length(x_raw)

cat("Observaciones válidas:", n, "\n")
## Observaciones válidas: 47757
cat("Operadores distintos:", length(unique(x_raw)), "\n")
## Operadores distintos: 3362

3. Identificación de la Variable

Criterio Clasificación
Nombre Nombre del Operador
Nombre técnico OPERATOR_NAME
Tipo Cualitativa
Subtipo Nominal policotómica
Dominio Nombres de empresas/operadores registrados en Kansas
Rango Múltiples categorías
Unidad No aplica
Escala Nominal
Fuente Kansas Geological Survey – Kansas, EE.UU.

Justificación: La variable registra nombres de empresas u operadores sin orden natural entre ellos. Corresponde a una variable cualitativa nominal policotómica. Se analiza a través de la distribución de frecuencias completa de sus categorías.

4. Tabla de Distribución de Frecuencias

Se presenta la distribución de frecuencias completa de la variable Nombre del Operador, con las 3,362 categorías registradas en Kansas, EE.UU. (n total = 47,757). La tabla es interactiva: permite buscar un operador específico, ordenar por cualquier columna y ajustar el número de filas visibles, de modo que se conserva el 100% de la información sin omitir ninguna categoría.

freq_completa <- sort(table(x_raw), decreasing = TRUE)

categorias_todas <- names(freq_completa)
ni_todas          <- as.integer(freq_completa)
hi_pct_todas      <- ni_todas / n * 100

# Sin redondeo: se conserva el valor real de la Frecuencia Relativa tal como
# se calcula (ni/n*100), sin recortarlo a un número fijo de decimales.
tabla_completa <- data.frame(
  `Nombre del Operador` = categorias_todas,
  `Frecuencia (ni)`     = ni_todas,
  `Porcentaje (hi%)`    = hi_pct_todas,
  check.names = FALSE,
  stringsAsFactors = FALSE
)

datatable(
  tabla_completa,
  caption = paste0(
    "Cuadro N°1: Distribución de Frecuencias Completa — ",
    format(length(categorias_todas), big.mark = ","), " Operadores distintos, ",
    "arrendamientos de hidrocarburos del estado de Kansas, EE.UU., ",
    "período histórico disponible (n total = ", format(n, big.mark = ","), " registros válidos)."
  ),
  rownames = FALSE,
  filter   = "top",
  options  = list(
    pageLength = 10,
    lengthMenu = c(10, 25, 50, 100),
    order      = list(list(1, "desc")),
    scrollX    = TRUE
  )
) %>%
  formatStyle(columns = names(tabla_completa), fontSize = "90%") %>%
  formatStyle("Frecuencia (ni)", fontWeight = "bold")

Debido al elevado número de categorías (3,362 operadores distintos), representarlas todas resultaría poco práctico tanto para la lectura de la tabla como para su análisis. Por ello, a partir de este punto se trabaja únicamente con el Top 10 por frecuencia absoluta, con el fin de facilitar la lectura e interpretación de los resultados. La tabla completa presentada arriba (Cuadro N°1) se conserva únicamente como referencia, con el 100% de la información disponible.

4.1 Top 10 de categorías con mayor frecuencia absoluta

top10      <- head(freq_completa, 10)
categorias <- names(top10)
ni         <- as.integer(top10)
hi_pct     <- ni / n * 100

tabla_top10 <- data.frame(
  `Nombre del Operador` = categorias,
  `Frecuencia (ni)`     = ni,
  `Porcentaje (hi%)`    = round(hi_pct, 2),
  check.names = FALSE,
  stringsAsFactors = FALSE
)

kable(
  tabla_top10,
  caption = paste0(
    "Cuadro N°2: Top 10 Operadores con Mayor Frecuencia Absoluta — ",
    "arrendamientos de hidrocarburos del estado de Kansas, EE.UU. ",
    "(n total = ", format(n, big.mark = ","), " registros válidos)."
  ),
  align  = c("l", "c", "c"),
  escape = FALSE
) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "bordered"),
    full_width = TRUE, font_size = 12
  ) %>%
  row_spec(0, bold = TRUE, background = "#d3d3d3", color = "black") %>%
  footnote(general = "Autor: Araujo Valeska", general_title = "", footnote_as_chunk = TRUE)
Cuadro N°2: Top 10 Operadores con Mayor Frecuencia Absoluta — arrendamientos de hidrocarburos del estado de Kansas, EE.UU. (n total = 47,757 registros válidos).
Nombre del Operador Frecuencia (ni) Porcentaje (hi%)
River Rock Operating, LLC 2083 4.36
Scout Energy Management LLC 1903 3.98
Merit Energy Company, LLC 1711 3.58
RedBud Oil & Gas Operating, LLC 1306 2.73
American Warrior, Inc.  1044 2.19
BEREXCO LLC 851 1.78
Murfin Drilling Co., Inc.  705 1.48
Edison Operating Company LLC 594 1.24
SandRidge Exploration and Production LLC 531 1.11
Ritchie Exploration, Inc.  486 1.02
Autor: Araujo Valeska

5. Representación Gráfica

A partir del Top 10 de categorías con mayor frecuencia absoluta (Cuadro N°2) se construyen las siguientes gráficas, que permiten un resumen visual claro y comprensible de los operadores con mayor participación. La información completa de las 3,362 categorías —sin ningún dato omitido— queda disponible en la tabla interactiva del Cuadro N°1.

5.1 Gráfica N°1 — Diagrama de Barras (Frecuencia Absoluta — Top 10)

# Se reutiliza el mismo Top 10 ya ordenado por frecuencia (categorias/ni)
# calculado en el Cuadro N°2, para garantizar idéntico orden entre tabla y gráfica.
top10_ord <- setNames(ni, categorias)
colores_g <- gray(seq(0.30, 0.80, length.out = length(top10_ord)))

par(mar = c(10, 6, 7, 2))
bp <- barplot(
  as.numeric(top10_ord),
  names.arg = names(top10_ord),
  col       = colores_g,
  border    = "black",
  ylim      = c(0, max(as.numeric(top10_ord)) * 1.18),
  xlab      = "", ylab = "", main = "", las = 2, cex.names = 0.7
)
text(bp, as.numeric(top10_ord) + max(as.numeric(top10_ord)) * 0.02,
     labels = format(as.numeric(top10_ord), big.mark = ","), cex = 0.8)
mtext("Frecuencia Absoluta (nᵢ)", side = 2, line = 4.5, cex = 1)
mtext("Nombre del Operador",       side = 1, line = 8.5, cex = 1)
mtext(
  "Gráfica N°1: Diagrama de Barras — Frecuencia Absoluta\nTop 10 Operadores, Kansas, EE.UU.",
  side = 3, line = 3.5, cex = 0.9, font = 2
)

5.2 Gráfica N°2 — Diagrama de Barras (Porcentaje — Top 10)

# Mismo orden y categorías que el Cuadro N°2 (hi_pct ya viene alineado con categorias)
pct_ord <- setNames(hi_pct, categorias)

par(mar = c(10, 6, 7, 2))
bp2 <- barplot(
  as.numeric(pct_ord),
  names.arg = names(pct_ord),
  col       = colores_g,
  border    = "black",
  ylim      = c(0, max(as.numeric(pct_ord)) * 1.18),
  xlab      = "", ylab = "", main = "", las = 2, cex.names = 0.7
)
text(bp2, as.numeric(pct_ord) + max(as.numeric(pct_ord)) * 0.02,
     labels = paste0(round(as.numeric(pct_ord), 2), "%"), cex = 0.8)
mtext("Porcentaje (hᵢ %)",  side = 2, line = 4.5, cex = 1)
mtext("Nombre del Operador", side = 1, line = 8.5, cex = 1)
mtext(
  "Gráfica N°2: Diagrama de Barras — Porcentaje\nTop 10 Operadores, Kansas, EE.UU.",
  side = 3, line = 3.5, cex = 0.9, font = 2
)

5.3 Gráfica N°3 — Diagrama Circular (Distribución Porcentual — Top 10)

# Mismo orden y categorías que el Cuadro N°2
pct_circ <- setNames(hi_pct, categorias)
grises_c <- gray(seq(0.15, 0.85, length.out = length(pct_circ)))

par(mar = c(2, 2, 6, 12), xpd = TRUE)
pie(
  as.numeric(pct_circ),
  labels  = paste0(round(as.numeric(pct_circ), 2), "%"),
  col     = grises_c,
  border  = "black",
  main    = "",
  radius  = 1,
  cex     = 0.85
)
legend(
  x      = 1.2,
  y      = 1,
  legend = paste0(categorias, " (", format(ni, big.mark = ","), ")"),
  fill   = grises_c,
  cex    = 0.7,
  title  = "Operador (nᵢ)",
  bty    = "n"
)
mtext(
  "Gráfica N°3: Diagrama Circular — Distribución Porcentual\nTop 10 Operadores, Kansas, EE.UU.",
  side = 3, line = 3.5, cex = 0.9, font = 2
)

6. Tabla de Indicadores

moda_val     <- names(sort(table(x_raw), decreasing = TRUE))[1]
moda_n       <- max(table(x_raw))
n_categorias <- length(unique(x_raw))

tabla_indicadores <- data.frame(
  Indicador = c(
    "Variable",
    "Tipo de variable",
    "Categorías (Rango)",
    "Moda (Mo)",
    "Mediana (Me)",
    "Media (X̄)",
    "Varianza (V)",
    "Desv. Estándar (Sd)",
    "Coef. Variación (CV%)",
    "Asimetría (As)",
    "Curtosis (K)"
  ),
  Valor = c(
    "Nombre del Operador",
    "Cualitativa Nominal Policotómica",
    paste0(format(n_categorias, big.mark = ","), " operadores distintos"),
    moda_val,
    "—",
    "—",
    "—",
    "—",
    "—",
    "—",
    "—"
  ),
  stringsAsFactors = FALSE
)

tabla_indicadores %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°3: Indicadores Estadísticos**"),
    subtitle = md("*Variable Cualitativa Nominal: Nombre del Operador*")
  ) %>%
  cols_label(
    Indicador = md("**Indicador**"),
    Valor     = md("**Valor**")
  ) %>%
  tab_style(
    style = list(
      cell_fill(color = "#2C2C2C"),
      cell_text(color = "white", weight = "bold")
    ),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style = cell_fill(color = "#F5F5F5"),
    locations = cells_body(rows = seq(1, nrow(tabla_indicadores), by = 2))
  ) %>%
  tab_style(
    style = list(
      cell_fill(color = "#D6D6D6"),
      cell_text(weight = "bold")
    ),
    locations = cells_body(
      rows    = Indicador == "Moda (Mo)",
      columns = everything()
    )
  ) %>%
  tab_style(
    style = cell_text(style = "italic", color = "gray40"),
    locations = cells_body(
      rows    = Valor == "—",
      columns = Valor
    )
  ) %>%
  tab_source_note(source_note = md("*Autor: Araujo Valeska*")) %>%
  tab_options(
    table.width                = pct(60),
    heading.title.font.size    = px(16),
    heading.subtitle.font.size = px(12),
    table.font.size            = px(13),
    data_row.padding           = px(6)
  )
Tabla N°3: Indicadores Estadísticos
Variable Cualitativa Nominal: Nombre del Operador
Indicador Valor
Variable Nombre del Operador
Tipo de variable Cualitativa Nominal Policotómica
Categorías (Rango) 3,362 operadores distintos
Moda (Mo) River Rock Operating, LLC
Mediana (Me) —
Media (X̄) —
Varianza (V) —
Desv. Estándar (Sd) —
Coef. Variación (CV%) —
Asimetría (As) —
Curtosis (K) —
Autor: Araujo Valeska

7. Conclusión

La variable Nombre del Operador es una variable cualitativa nominal policotómica cuyas categorías corresponden a los 3,362 operadores distintos registrados en Kansas. Su valor más frecuente (moda) es “River Rock Operating, LLC”, con una participación del 4.36% en la muestra, lo que evidencia la concentración de los arrendamientos de hidrocarburos en un número reducido de operadores frente a la alta dispersión del resto de categorías.

Autor: Araujo Valeska | Análisis Estadístico — Kansas Hydrocarbon Leases Dataset