1.- Carga de Librerías

En esta sección se cargan las librerías necesarias para el análisis.

library(readxl)
library(dplyr)
library(gt)
library(ggplot2)
library(scales)
library(forcats)

2.- Leer Datos

Se importa el dataset Global Oil and Gas Extraction Tracker (GOGET), que contiene registros de unidades de extracción de petróleo y gas a nivel mundial.

datos <- read_excel("dataset_mundial_petro.xlsx")
cat("Número de registros:", nrow(datos), "\n")
## Número de registros: 8334
cat("Número de variables:", ncol(datos), "\n")
## Número de variables: 23

3.- Selección de la Variable

Se selecciona la variable Location accuracy del dataset y se realiza la limpieza correspondiente: traducción de categorías al español, eliminación de valores nulos y ordenamiento según el nivel de precisión (de mayor a menor exactitud).

n <- nrow(datos)

# Orden lógico según el nivel de precisión
orden_logico <- c("exact", "approximate")

orden_esp <- c("Exacto", "Aproximado")

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

cat("Registros con dato:", length(Variable), "\n")
## Registros con dato: 7538
cat("Registros sin dato (NA):", n - length(Variable), "\n")
## Registros sin dato (NA): 796
# Recodificar al español
Variable_esp <- recode(Variable,
  "exact"       = "Exacto",
  "approximate" = "Aproximado"
)

# Aplicar orden lógico
Variable_esp <- factor(Variable_esp, levels = orden_esp, ordered = TRUE)

4.- Conteo (Frecuencias)

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_esp)) %>%
  rename(Precision = Variable_esp, ni = Freq) %>%
  arrange(desc(ni)) %>%
  mutate(
    Precision = as.character(Precision),
    ni      = as.numeric(ni),
    hi_prop = ni / length(Variable),
    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 : Exacto - 6353 registros
cat("Categoría menos frecuente:", tabla_freq$Precision[k],
    "-", tabla_freq$ni[k], "registro(s)\n")
## Categoría menos frecuente: Aproximado - 1185 registro(s)
cat("Verificación - Σni:", sum(tabla_freq$ni),
    "(debe ser", length(Variable), ")\n")
## Verificación - Σni: 7538 (debe ser 7538 )
cat("Verificación - Σhi%:", round(sum(tabla_freq$hi_pct)), "(debe ser 100)\n")
## Verificación - Σhi%: 100 (debe ser 100)

5.- Tabla de Distribución de Frecuencias

# Construir TDF en orden lógico
conteo <- as.data.frame(table(Variable_esp)) %>%
  rename(Precision = Variable_esp, ni = Freq) %>%
  mutate(
    Precision = as.character(Precision),
    ni      = as.numeric(ni),
    hi_prop = round(ni / sum(ni), 3),
    hi_pct  = round(ni / sum(ni) * 100, 2)
  )

# Fila total
fila_total <- tibble(
  Precision = "TOTAL",
  ni      = sum(conteo$ni),
  hi_prop = sum(conteo$hi_prop),
  hi_pct  = sum(conteo$hi_pct)
)

tdf_final <- bind_rows(conteo, fila_total)

tdf_final %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N° 1**"),
    subtitle = md("Distribución de yacimientos según precisión de ubicación")
  ) %>%
  cols_label(
    Precision = "Nivel de Precisión",
    ni        = "ni",
    hi_prop   = "(proporción)",
    hi_pct    = "(%)"
  ) %>%
  tab_spanner(
    label   = md("**hi**"),
    columns = c(hi_prop, hi_pct)
  ) %>%
  fmt_number(columns = hi_prop, decimals = 3) %>%
  fmt_number(columns = hi_pct,  decimals = 2) %>%
  fmt_integer(columns = ni) %>%
  tab_source_note(source_note = "Autor: Grupo 5") %>%
  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 N° 1
Distribución de yacimientos según precisión de ubicación
Nivel de Precisión ni
hi
(proporción) (%)
Exacto 6,353 0.843 84.28
Aproximado 1,185 0.157 15.72
TOTAL 7,538 1.000 100.00
Autor: Grupo 5

6.- Gráficos de Distribución de Frecuencias

6.1 Diagrama de Barras - Frecuencia Absoluta

ggplot(conteo_graf, aes(x = Precision, y = ni, fill = Precision)) +
  geom_col(width = 0.5, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = format(ni, big.mark = ",")),
    vjust = -0.4, size = 3.2, color = "#222222", fontface = "bold"
  ) +
  scale_fill_manual(values = colores) +
  scale_y_continuous(
    labels = label_comma(),
    expand = expansion(mult = c(0, 0.2))
  ) +
  labs(
    title   = "Gráfica N°1: Distribución de yacimientos por Precisión de Ubicación",
    x       = "Nivel de Precisión",
    y       = "Frecuencia Absoluta (ni)",
    caption = paste0("n = ", format(n, big.mark = ","),
                     " | Fuente: Global Energy Monitor — GOGET")
  ) +
  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.x        = element_text(color = "#333333"),
    axis.text.y        = 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)
  )

6.2 Diagrama de Barras - Frecuencia Relativa Porcentual

ggplot(conteo_graf, aes(x = Precision, y = hi_pct, fill = Precision)) +
  geom_col(width = 0.5, color = "white", linewidth = 0.3) +
  geom_text(
    aes(label = paste0(hi_pct, "%")),
    vjust = -0.4, size = 3.2, color = "#222222", fontface = "bold"
  ) +
  scale_fill_manual(values = colores) +
  scale_y_continuous(
    labels = function(x) paste0(x, "%"),
    expand = expansion(mult = c(0, 0.2))
  ) +
  labs(
    title   = "Gráfica N°2: Distribución porcentual por Precisión de Ubicación",
    x       = "Nivel de Precisión",
    y       = "Frecuencia Relativa (%)",
    caption = paste0("n = ", format(n, big.mark = ","),
                     " | Fuente: Global Energy Monitor — GOGET")
  ) +
  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.x        = element_text(color = "#333333"),
    axis.text.y        = 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)
  )

6.3 Diagrama Circular

datos_pie <- conteo_graf %>%
  arrange(desc(ni)) %>%
  mutate(
    Precision = fct_reorder(Precision, hi_pct),
    # Solo mostrar etiqueta si el sector es suficientemente grande
    etiqueta  = ifelse(hi_pct >= 2, paste0(round(hi_pct, 1), "%"), "")
  )

# Paleta que va de oscuro (mayor valor) a claro (menor valor)
n_cats <- nrow(datos_pie)
paleta_pie <- colorRampPalette(c("#AED6F1", "#1A5276"))(n_cats)
names(paleta_pie) <- levels(datos_pie$Precision)

ggplot(datos_pie, aes(x = "", y = hi_pct, fill = Precision)) +
  geom_col(width = 1, color = "white", linewidth = 0.6) +
  geom_text(
    aes(label = etiqueta),
    position  = position_stack(vjust = 0.5),
    size      = 3.5, color = "white", fontface = "bold"
  ) +
  coord_polar(theta = "y", start = 0) +
  scale_fill_manual(values = paleta_pie) +
  labs(
    title   = "Gráfica N°3: Distribución Porcentual por Precisión de Ubicación",
    fill    = "Nivel de Precisión",
    caption = paste0("n = ", format(n, big.mark = ","),
                     " | Fuente: Global Energy Monitor — GOGET")
  ) +
  theme_void(base_size = 12) +
  theme(
    plot.title      = element_text(face = "bold", color = "#222222",
                                   size = 12, hjust = 0.5),
    plot.caption    = element_text(color = "#888888", size = 9),
    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)
  )

7.- Indicadores Estadísticos

Para variables cualitativas únicamente se calcula la Moda, ya que la media, mediana y demás indicadores numéricos no aplican sobre categorías.

moda <- conteo$Precision[which.max(conteo$ni)]

tabla_ind <- data.frame(
  "Variable"        = "Location accuracy",
  "Escala"          = "Ordinal",
  "Rango"           = "Precisión de la ubicación (exacto → aproximado)",
  "Media (X)"       = "-",
  "Mediana (Me)"    = "-",
  "Moda (Mo)"       = moda,
  "Varianza (V)"    = "-",
  "Desv. Est. (Sd)" = "-",
  "C.V. (%)"        = "-",
  "Asimetría (As)"  = "-",
  "Curtosis (K)"    = "-",
  check.names = FALSE
)

tabla_ind %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°2: Indicadores Estadísticos**"),
    subtitle = md("Variable: Precisión de Ubicación (Location Accuracy)")
  ) %>%
  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 N°2: Indicadores Estadísticos
Variable: Precisión de Ubicación (Location Accuracy)
Variable Escala Rango Media (X) Mediana (Me) Moda (Mo) Varianza (V) Desv. Est. (Sd) C.V. (%) Asimetría (As) Curtosis (K)
Location accuracy Ordinal Precisión de la ubicación (exacto → aproximado) - - Exacto - - - - -
Autor: Grupo 5

8.- Conclusiones

Los valores de location accurary fluctúan entre Exacto y Aproximado y giran en torno a Exacto.