Exploración y Producción de los Pozos Petrolíferos en Brasil

Variable: Año de Finalización

INTRODUCCIÓN

Este estudio analiza la evolución temporal de los pozos petrolíferos en Brasil. La Variable Año de Finalización de los pozos petrolíferos es de tipo ordinal, pero se convirtió en discreta al asignarle identificadores numéricos (Xi ) para facilitar el análisis probabilístico y la comparación con el modelo.

1 _ Librerías

Carga de paquetes

library(readxl)
library(dplyr)
library(gt)
library(e1071)
library(lubridate)

2 _ Carga Datos

Importación del archivo

setwd("~/SEGUNDO SEMESTRE/SEGUNDO SEMESTRE")
Datos_Brutos <- read.csv(  
  "tabela_de_pocos_janeiro_2018.csv",  
  header        = TRUE,  
  sep           = ",",  
  quote         = "\"",
  dec           = ".",  
  fileEncoding  = "Latin1",
  fill          = TRUE
)

3 _ Variables

Filtrado de fechas

Datos <- Datos_Brutos %>%
  mutate(
    Fecha_Limpieza = trimws(as.character(TERMINO)),
    Fecha_Obj = if_else(
      grepl("-", Fecha_Limpieza),
      as.Date(Fecha_Limpieza, format = "%Y-%m-%d"),
      as.Date(Fecha_Limpieza, format = "%d/%m/%Y")
    ),
    Anio_Exacto = year(Fecha_Obj)
  ) %>%
  filter(!is.na(Anio_Exacto) & Anio_Exacto > 1900) %>%
  mutate(
    Decada_Termino = floor(Anio_Exacto / 10) * 10,
    Periodo        = paste0(Decada_Termino, " - ", Decada_Termino + 9)
  )

Variable_Exacta <- Datos$Anio_Exacto  
Variable_Clases <- Datos$Periodo       
Variable_Orden  <- Datos$Decada_Termino

if(length(Variable_Exacta) == 0) {
  stop("ERROR: No hay datos válidos. Revisa si la columna en el CSV se llama exactamente 'TERMINO'.")
}

cat("Rango de años:", min(Variable_Exacta), "–", max(Variable_Exacta), "\n")

## Rango de años: 1922 – 2017

4 _ Conteo

df_calc <- data.frame(Periodo = Variable_Clases, Orden = Variable_Orden)

TDF_Raw <- df_calc %>%
  group_by(Orden, Periodo) %>%
  summarise(ni = n(), .groups = "drop") %>%
  arrange(Orden)  

# Cálculo de todas las frecuencias
ni      <- TDF_Raw$ni
N       <- sum(ni)
hi      <- (ni / N) * 100

Ni_asc  <- cumsum(ni)
Ni_desc <- rev(cumsum(rev(ni)))
Hi_asc  <- cumsum(hi)
Hi_desc <- rev(cumsum(rev(hi)))

# Tabla consolidada
TDF_Decadas <- data.frame(
  Periodo  = TDF_Raw$Periodo,
  ni       = ni,
  hi       = round(hi, 2),
  Ni_asc   = Ni_asc,
  Ni_desc  = Ni_desc,
  Hi_asc   = round(Hi_asc, 2),
  Hi_desc  = round(Hi_desc, 2)
)

5 _ Tabla

Tabla de Distribución por Décadas

# 1. Convertimos todo TDF_Decadas a texto (character) para que acepte los guiones "—"
totales <- c("TOTAL", sum(ni), round(sum(hi), 2), "—", "—", "—", "—")

TDF_Char <- TDF_Decadas %>% mutate(across(everything(), as.character))
TDF_Show <- rbind(TDF_Char, totales)

TDF_Show %>%
  gt() %>%
  tab_header(
    title    = md("**DISTRIBUCIÓN DE FRECUENCIAS POR DÉCADAS**"),
    subtitle = md("Variable: **Año de Término de Perforación** | Fuente: Tabela de Poços 2018")
  ) %>%
  tab_source_note(source_note = "Autor: Ashly Alzate") %>%
  cols_label(
    Periodo = "Período (Década)",
    ni      = md("Frec. Abs. (*n*ᵢ)"),
    hi      = md("Frec. Rel. (*h*ᵢ %)"),
    Ni_asc  = md("Frec. Acum. Asc. (*N*ᵢ↑)"),
    Ni_desc = md("Frec. Acum. Desc. (*N*ᵢ↓)"),
    Hi_asc  = md("% Acum. Asc. (*H*ᵢ↑)"),
    Hi_desc = md("% Acum. Desc. (*H*ᵢ↓)")
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_style(
    style     = list(cell_fill(color = "#2E4053"), cell_text(color = "white", weight = "bold")),
    locations = cells_title()
  ) %>%
  tab_style(
    style     = list(cell_fill(color = "#2E4053"), cell_text(color = "white", weight = "bold")),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style     = list(cell_fill(color = "#D5D8DC"), cell_text(weight = "bold")),
    locations = cells_body(rows = nrow(TDF_Show))  # Fila TOTAL
  ) %>%
  tab_options(
    table.border.top.color        = "#2E4053",
    table.border.bottom.color     = "#2E4053",
    column_labels.border.bottom.color = "#2E4053",
    data_row.padding              = px(6)
  )

DISTRIBUCIÓN DE FRECUENCIAS POR DÉCADAS
Variable: Año de Término de Perforación | Fuente: Tabela de Poços 2018
Período (Década)	Frec. Abs. (nᵢ)	Frec. Rel. (hᵢ %)	Frec. Acum. Asc. (Nᵢ↑)	Frec. Acum. Desc. (Nᵢ↓)	% Acum. Asc. (Hᵢ↑)	% Acum. Desc. (Hᵢ↓)
1920 - 1929	2	0.01	2	27729	0.01	100
1930 - 1939	4	0.01	6	27727	0.02	99.99
1940 - 1949	188	0.68	194	27723	0.7	99.98
1950 - 1959	818	2.95	1012	27535	3.65	99.3
1960 - 1969	2427	8.75	3439	26717	12.4	96.35
1970 - 1979	2523	9.1	5962	24290	21.5	87.6
1980 - 1989	9538	34.4	15500	21767	55.9	78.5
1990 - 1999	3663	13.21	19163	12229	69.11	44.1
2000 - 2009	3941	14.21	23104	8566	83.32	30.89
2010 - 2019	4625	16.68	27729	4625	100	16.68
TOTAL	27729	100	—	—	—	—
Autor: Ashly Alzate

Análisis Gráfico

#Gráficos de Barras — Frecuencia Absoluta

#Escala Local


par(mar = c(10, 5, 4, 2))

bp <- barplot(
  vals_y,
  main      = "Gráfica N°1: Distribución de Fecha de Término de Pozos Petroleros de Brasil\n(Escala local — máximo ajustado a los datos)",
  cex.main  = 0.78,
  ylab      = "Cantidad de Pozos Finalizados",
  col       = col_barra,
  border    = "white",
  axes      = FALSE,
  ylim      = c(0, max(vals_y) * 1.1),
  axisnames = FALSE
)

axis(2, col = col_ejes, col.axis = col_ejes)
axis(1, at = bp, labels = vals_x, col = col_ejes, col.axis = col_ejes, las = 2, cex.axis = 0.8)
title(xlab = "Década", line = 8)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

Escala Global

par(mar = c(10, 5, 4, 2))

bp2 <- barplot(
  vals_y,
  main      = "Gráfica N°2: Distribución de Fecha de Término de Pozos Petroleros de Brasil\n(Escala global — eje Y hasta el total N)",
  cex.main  = 0.78,
  ylab      = "Cantidad de Pozos Finalizados",
  col       = col_barra,
  border    = "white",
  axes      = FALSE,
  ylim      = c(0, N),
  axisnames = FALSE
)

axis(2, col = col_ejes, col.axis = col_ejes)
axis(1, at = bp2, labels = vals_x, col = col_ejes, col.axis = col_ejes, las = 2, cex.axis = 0.8)
title(xlab = "Década", line = 8)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

Análisis Gráfico

#Gráficos de Barras — Frecuencia Porcentual
#Escala Loca


par(mar = c(10, 5, 4, 2))

bp3 <- barplot(
  vals_y_pct,
  main      = "Gráfica N°3: Distribución Porcentual de Fecha de Término de Pozos Petroleros de Brasil\n(Escala local — máximo ajustado al porcentaje mayor)",
  cex.main  = 0.78,
  ylab      = "Porcentaje del Total (%)",
  col       = col_barra,
  border    = "white",
  axes      = FALSE,
  ylim      = c(0, max(vals_y_pct) * 1.2),
  axisnames = FALSE
)

axis(2, col = col_ejes, col.axis = col_ejes)
axis(1, at = bp3, labels = vals_x, col = col_ejes, col.axis = col_ejes, las = 2, cex.axis = 0.8)
text(x = bp3, y = vals_y_pct, label = paste0(round(vals_y_pct, 1), "%"),
     pos = 3, cex = 0.7, col = col_ejes)
title(xlab = "Década", line = 8)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

Escala Global

par(mar = c(10, 5, 4, 2))

bp4 <- barplot(
  vals_y_pct,
  main      = "Gráfica N°4: Distribución Porcentual de Fecha de Término de Pozos Petroleros de Brasil\n(Escala global — eje Y de 0% a 100%)",
  cex.main  = 0.78,
  ylab      = "Porcentaje del Total (%)",
  col       = col_barra,
  border    = "white",
  axes      = FALSE,
  ylim      = c(0, 100),
  axisnames = FALSE
)

axis(2, col = col_ejes, col.axis = col_ejes)
axis(1, at = bp4, labels = vals_x, col = col_ejes, col.axis = col_ejes, las = 2, cex.axis = 0.8)
text(x = bp4, y = vals_y_pct, label = paste0(round(vals_y_pct, 1), "%"),
     pos = 3, cex = 0.7, col = col_ejes)
title(xlab = "Década", line = 8)
abline(h = seq(0, 100, 20), col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

Diagrama de Caja

par(mar = c(7, 5, 5, 2))

boxplot(
  Variable_Exacta,
  horizontal  = TRUE,
  col         = col_barra,
  main        = "Gráfica N°5: Diagrama de Caja — Año Exacto de Término\nPozos Petroleros de Brasil",
  cex.main    = 0.82,
  xlab        = "",
  outline     = TRUE,
  outpch      = 19,
  outcol      = col_rojo,
  boxwex      = 0.5,
  frame.plot  = FALSE,
  xaxt        = "n"
)

eje_x <- pretty(Variable_Exacta, n = 8)
axis(1, at = eje_x, labels = format(eje_x, scientific = FALSE),
     cex.axis = 0.8, col = col_ejes, col.axis = col_ejes)
title(xlab = "Año Exacto de Término", line = 4)
grid(nx = NULL, ny = NA, col = "lightgray", lty = "dotted")

Lectura del boxplot: La caja concentra el 50% central de los datos (entre el Q1 y Q3). La línea interior marca la mediana. Los puntos rojos representan valores atípicos —pozos finalizados entre 1922 y mediados de los años 1940— que pertenecen al período pionero de la industria petrolera brasileña y no son errores de datos, sino observaciones históricamente válidas.

Ojivas Acomuladas

par(mar = c(10, 5, 4, 8), xpd = TRUE)

y_asc  <- TDF_Decadas$Ni_asc
y_desc <- TDF_Decadas$Ni_desc

plot(
  vals_x_num, y_asc,
  type     = "o",
  col      = col_azul,
  lwd      = 2,
  pch      = 19,
  main     = "Gráfica N°6: Ojivas Ascendente y Descendente Acumuladas por Décadas\nFecha de Término — Pozos Petroleros de Brasil",
  cex.main = 0.75,
  ylab     = "Frecuencia Acumulada (Nᵢ)",
  xlab     = "",
  axes     = FALSE,
  frame.plot = FALSE
)

lines(vals_x_num, y_desc, type = "o", col = col_rojo, lwd = 2, pch = 19)

axis(1, at = vals_x_num, labels = TDF_Decadas$Periodo,
     las = 2, cex.axis = 0.8, col = col_ejes, col.axis = col_ejes)
axis(2, col = col_ejes, col.axis = col_ejes)
title(xlab = "Década", line = 8)

legend(
  "right",
  legend = c("Ojiva Ascendente", "Ojiva Descendente"),
  col    = c(col_azul, col_rojo),
  lty    = 1, pch = 19, cex = 0.75, lwd = 2,
  inset  = c(-0.18, 0), bty = "n"
)

grid()

Cálculo de Medidas Resumen

media_val    <- mean(Variable_Exacta)
mediana_val  <- median(Variable_Exacta)


t_moda       <- table(Variable_Exacta)
freq_max     <- max(t_moda)
modas_calc   <- as.numeric(names(t_moda)[t_moda == freq_max])
moda_txt     <- paste(modas_calc, collapse = ", ")

varianza_val <- var(Variable_Exacta)
sd_val       <- sd(Variable_Exacta)
cv_val <- (sd_val / abs(media_val)) * 100

# Asimetría: type = 2 → fórmula de Fisher (estándar académico)
# Negativa → cola izquierda (años más antiguos)
asimetria_val <- skewness(Variable_Exacta, type = 2)

# Curtosis: type = 2 → exceso de curtosis (0 = normal)
# Positivo = leptocúrtica; Negativo = platicúrtica
curtosis_val  <- kurtosis(Variable_Exacta, type = 2)

# Outliers por criterio de Tukey
vals_atipicos <- boxplot.stats(Variable_Exacta)$out
num_atipicos  <- length(vals_atipicos)
rango_atipicos <- if (num_atipicos > 0) {
  paste0(num_atipicos, " valores [",
         min(vals_atipicos), " – ", max(vals_atipicos), "]")
} else {
  "0 (Sin atípicos)"
}

rango_txt <- paste0("[", min(Variable_Exacta), "; ", max(Variable_Exacta), "]")

6 _ Indicadores Estadísticos

df_resumen <- data.frame(
  Variable  = "Año de Término (Exacto)",
  Rango     = rango_txt,
  Media     = media_val,
  Mediana   = mediana_val,
  Moda      = moda_txt,
  Varianza  = varianza_val,
  Desv_Std  = sd_val,
  CV_Porc   = cv_val,
  Asimetria = asimetria_val,
  Curtosis  = curtosis_val,
  Atipicos  = rango_atipicos
)


df_resumen %>%
  gt() %>%
  tab_header(
    title    = md("**CONCLUSIONES Y ESTADISTICOS**"),
    subtitle = md("Resumen de Indicadores del Año Exacto de Termino de los Pozos Petrolíferos en Brasil")
  ) %>%
  tab_source_note(source_note = "Autor: Ashly Alzate") %>%
fmt_number(
  columns  = c(Media, Mediana, Varianza, Desv_Std, CV_Porc),
  decimals = 2
) %>%
fmt_number(
  columns  = c(Asimetria, Curtosis),
  decimals = 4
) %>%
cols_label(
  Variable  = "Variable",
  Rango     = "Rango [Mín; Máx]",
  Media     = md("Media (X̄)"),
  Mediana   = "Mediana (Me)",
  Moda      = "Moda (Mo)",
  Varianza  = md("Varianza (S²)"),
  Desv_Std  = "Desv. Est. (S)",
  CV_Porc   = "C.V. (%)",
  Asimetria = md("Asimetría (As)"),
  Curtosis  = "Curtosis (K)",
  Atipicos  = "Outliers"
) %>%
  tab_spanner(
    label   = "Tendencia Central",
    columns = c(Media, Mediana, Moda)
  ) %>%
  tab_spanner(
    label   = "Forma",
    columns = c(Asimetria, Curtosis)
  ) %>%
  tab_options(
    column_labels.background.color    = "#2E4053",
    table.border.top.color            = "black",
    table.border.bottom.color         = "#2E4053",
    column_labels.border.bottom.color = "#2E4053",
    data_row.padding                  = px(8)
  ) %>%
  tab_style(
    style     = list(cell_text(weight = "bold", color = "white")),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style     = list(cell_text(weight = "bold", color = "white")),
    locations = cells_column_spanners()
  )

CONCLUSIONES Y ESTADISTICOS
Resumen de Indicadores del Año Exacto de Termino de los Pozos Petrolíferos en Brasil
Variable	Rango [Mín; Máx]	Tendencia Central			Varianza (S²)	Desv. Est. (S)	C.V. (%)	Forma		Outliers
		Media (X̄)	Mediana (Me)	Moda (Mo)				Asimetría (As)	Curtosis (K)
Año de Término (Exacto)	[1922; 2017]	1,989.81	1,987.00	1986	265.42	16.29	0.82	−0.2143	−0.5453	54 valores [1922 – 1943]
Autor: Ashly Alzate

7 _ Conclusión

Los valores de la variable Año de Término fluctúan entre 1922 y 2017 y giran en torno a la media de 1,989.81 (coincidente con la mediana de 1,987.00), con una desviación estándar de 16.29, con 54 valores atípicos identificados, siendo un conjunto de datos heterogéneo (C.V. = 0.82%), cuyos valores se agrupan fuertemente en la parte alta de la variable. Por lo anterior, el comportamiento es perjudicial.