Descriptiva de Classificacion

1. CARGA DE DATOS Y LIBRERÍAS

# Cargar librerías 
library(moments)
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(gt)

# Cargar datos
datos <- read.csv("C:/Users/arian/OneDrive/Documentos/Universidad/3er SEMESTRE/estadistica/2026/datos/dataset_geologico_limpio_80.csv")
cat("Dimensiones:", nrow(datos), "observaciones:", ncol(datos), "variables\n\n")

## Dimensiones: 27784 observaciones: 58 variables

2. SELECCION DE VARIABLE

# Extraer variable
clasificacion_raw <- datos$CLASSIFICATION

cat("Primeros valores de CLASSIFICATION:\n")

## Primeros valores de CLASSIFICATION:

print(head(clasificacion_raw))

## [1] "GRAVELLY SEDIMENT" "SAND"              "SAND"             
## [4] "SAND"              "GRAVELLY SEDIMENT" "SILTY SAND"

# Convertir a texto
clasificacion_raw <- as.character(clasificacion_raw)

# Eliminar espacios al inicio y final
clasificacion_raw <- trimws(clasificacion_raw)

# Convertir todo a mayúsculas
clasificacion_raw <- toupper(clasificacion_raw)

# Eliminar NA y cadenas vacías
clasificacion <- clasificacion_raw[
  !is.na(clasificacion_raw) &
  clasificacion_raw != ""
]

# Número de observaciones válidas
n <- length(clasificacion)

cat(
  "Número de observaciones válidas (n):",
  n,
  "\n\n"
)

## Número de observaciones válidas (n): 26333

# Ver categorías después de limpiar
cat("Categorías encontradas:\n")

## Categorías encontradas:

print(sort(unique(clasificacion)))

##  [1] "BEDROCK"           "BOULDERS"          "CLAY"             
##  [4] "CLAYEY SAND"       "CLAYEY SILT"       "GRAVEL"           
##  [7] "GRAVEL > 10%"      "GRAVELLY SEDIMENT" "MUD"              
## [10] "MUDDY SAND"        "SAND"              "SAND SILT CLAY"   
## [13] "SANDY CLAY"        "SANDY SILT"        "SILT"             
## [16] "SILTY CLAY"        "SILTY SAND"

La variable CLASSIFICATION representa la clasificación sedimentaria asignada a cada muestra de sedimento marino según sus características granulométricas. Para este análisis se considera una variable cualitativa ordinal, debido a que las categorías pueden organizarse siguiendo un orden basado en el tamaño de las partículas sedimentarias, desde materiales de grano más grueso, como la grava, hasta materiales de grano más fino, como el limo y la arcilla. Para el análisis se eliminan los valores faltantes y se conservan únicamente las observaciones que presentan una clasificación válida.

3. TABLA DE DISTRIBUCIÓN DE FRECUENCIA

Tabla de Distribucion de Frecuencia Simple

n <- length(clasificacion)

ni <- table(clasificacion)
hi <- prop.table(ni) * 100

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

TablaFrecuencias_CLASSIFICATION <- data.frame(
  clasif = names(ni),
  ni = as.numeric(ni),
  hi = round(as.numeric(hi), 2),
  Ni_asc = as.numeric(Ni_asc),
  Hi_asc = round(as.numeric(Hi_asc), 2),
  Ni_desc = as.numeric(Ni_desc),
  Hi_desc = round(as.numeric(Hi_desc), 2)
)

TablaFrecuencias_CLASSIFICATION[nrow(TablaFrecuencias_CLASSIFICATION) + 1, ] <- 
  c("TOTAL", sum(ni), sum(hi), NA, NA, NA, NA)

TablaFrecuencias_CLASSIFICATION

##               clasif    ni    hi Ni_asc Hi_asc Ni_desc Hi_desc
## 1            BEDROCK    21  0.08     21   0.08   26333     100
## 2           BOULDERS   143  0.54    164   0.62   26312   99.92
## 3               CLAY   284  1.08    448    1.7   26169   99.38
## 4        CLAYEY SAND   147  0.56    595   2.26   25885    98.3
## 5        CLAYEY SILT  3585 13.61   4180  15.87   25738   97.74
## 6             GRAVEL   994  3.77   5174  19.65   22153   84.13
## 7       GRAVEL > 10%    66  0.25   5240   19.9   21159   80.35
## 8  GRAVELLY SEDIMENT  2465  9.36   7705  29.26   21093    80.1
## 9                MUD     4  0.02   7709  29.28   18628   70.74
## 10        MUDDY SAND     1     0   7710  29.28   18624   70.72
## 11              SAND 11652 44.25  19362  73.53   18623   70.72
## 12    SAND SILT CLAY  1227  4.66  20589  78.19    6971   26.47
## 13        SANDY CLAY    21  0.08  20610  78.27    5744   21.81
## 14        SANDY SILT  1326  5.04  21936   83.3    5723   21.73
## 15              SILT   606   2.3  22542   85.6    4397    16.7
## 16        SILTY CLAY  1579     6  24121   91.6    3791    14.4
## 17        SILTY SAND  2212   8.4  26333    100    2212     8.4
## 18             TOTAL 26333   100   <NA>   <NA>    <NA>    <NA>

TablaFrecuencias_CLASSIFICATION %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nº1**"),
    subtitle = md("**Distribución de frecuencias de la variable CLASSIFICATION en depósitos marinos**")
  ) %>%
  tab_source_note(
    source_note = md("**Autor: Grupo 2**")
  ) %>%
  cols_label(
    clasif = "Mes",
    ni = "Frecuencia (ni)",
    hi = "Frecuencia relativa hi (%)",
    Ni_asc = "Ni Asc",
    Hi_asc = "Hi Asc (%)",
    Ni_desc = "Ni Desc",
    Hi_desc = "Hi Desc (%)"
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    table.border.top.style = "solid",
    table.border.bottom.style = "solid",
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    row.striping.include_table_body = TRUE,
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black"
  ) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = clasif == "TOTAL"
    )
  )

Tabla Nº1
Distribución de frecuencias de la variable CLASSIFICATION en depósitos marinos
Mes	Frecuencia (ni)	Frecuencia relativa hi (%)	Ni Asc	Hi Asc (%)	Ni Desc	Hi Desc (%)
BEDROCK	21	0.08	21	0.08	26333	100
BOULDERS	143	0.54	164	0.62	26312	99.92
CLAY	284	1.08	448	1.7	26169	99.38
CLAYEY SAND	147	0.56	595	2.26	25885	98.3
CLAYEY SILT	3585	13.61	4180	15.87	25738	97.74
GRAVEL	994	3.77	5174	19.65	22153	84.13
GRAVEL > 10%	66	0.25	5240	19.9	21159	80.35
GRAVELLY SEDIMENT	2465	9.36	7705	29.26	21093	80.1
MUD	4	0.02	7709	29.28	18628	70.74
MUDDY SAND	1	0	7710	29.28	18624	70.72
SAND	11652	44.25	19362	73.53	18623	70.72
SAND SILT CLAY	1227	4.66	20589	78.19	6971	26.47
SANDY CLAY	21	0.08	20610	78.27	5744	21.81
SANDY SILT	1326	5.04	21936	83.3	5723	21.73
SILT	606	2.3	22542	85.6	4397	16.7
SILTY CLAY	1579	6	24121	91.6	3791	14.4
SILTY SAND	2212	8.4	26333	100	2212	8.4
TOTAL	26333	100	NA	NA	NA	NA
Autor: Grupo 2

La tabla original presenta 17 categorías sedimentarias, lo que dificulta su representación e interpretación gráfica. Por esta razón, las categorías se agrupan considerando el tipo de sedimento predominante y su relación con el tamaño de grano, obteniendo cinco grupos principales: GRAVA, ARENA, MIXTO, LIMO y ARCILLA. La agrupación permite reducir el número de categorías y representar de manera más clara la distribución de las muestras, manteniendo el criterio granulométrico desde materiales más gruesos hacia materiales más finos. El grupo MIXTO reúne clasificaciones que contienen una combinación de diferentes fracciones sedimentarias y que no pueden asignarse de manera adecuada a una única categoría principal.

Tabla de Distribucion Agrupada

# AGRUPACIÓN DE CLASSIFICATION

clasificacion_agrupada <- case_when(

  # GRAVA / MATERIAL GRUESO
  clasificacion %in% c(
    "BEDROCK",
    "BOULDERS",
    "GRAVEL",
    "GRAVEL > 10%",
    "GRAVELLY SEDIMENT"
  ) ~ "GRAVA",

  # ARENA
  clasificacion %in% c(
    "SAND",
    "CLAYEY SAND",
    "MUDDY SAND",
    "SILTY SAND"
  ) ~ "ARENA",

  # MEZCLA
  clasificacion %in% c(
    "SAND SILT CLAY",
    "MUD"
  ) ~ "MIXTO",

  # LIMO
  clasificacion %in% c(
    "SILT",
    "CLAYEY SILT",
    "SANDY SILT"
  ) ~ "LIMO",

  # ARCILLA
  clasificacion %in% c(
    "CLAY",
    "SANDY CLAY",
    "SILTY CLAY"
  ) ~ "ARCILLA",

  TRUE ~ NA_character_
)

clasificacion_agrupada <- factor(
  clasificacion_agrupada,
  levels = c(
    "GRAVA",
    "ARENA",
    "MIXTO",
    "LIMO",
    "ARCILLA"
  ),
  ordered = TRUE
)

# Frecuencia absoluta
ni_grupo <- table(clasificacion_agrupada)

# Frecuencia relativa
hi_grupo <- prop.table(ni_grupo) * 100

# Acumuladas ascendentes
Ni_asc_grupo <- cumsum(ni_grupo)

Hi_asc_grupo <- (
  Ni_asc_grupo / sum(ni_grupo)
) * 100

# Acumuladas descendentes
Ni_desc_grupo <- rev(
  cumsum(
    rev(ni_grupo)
  )
)

Hi_desc_grupo <- (
  Ni_desc_grupo / sum(ni_grupo)
) * 100

# Crear tabla
TablaClasificacionAgrupada <- data.frame(
  Clasificacion = names(ni_grupo),
  ni = as.numeric(ni_grupo),
  hi = round(as.numeric(hi_grupo), 2),
  Ni_asc = as.numeric(Ni_asc_grupo),
  Hi_asc = round(as.numeric(Hi_asc_grupo), 2),
  Ni_desc = as.numeric(Ni_desc_grupo),
  Hi_desc = round(as.numeric(Hi_desc_grupo), 2)
)

# TOTAL
TablaClasificacionAgrupada[
  nrow(TablaClasificacionAgrupada) + 1,
] <- c(
  "TOTAL",
  sum(ni_grupo),
  100,
  NA,
  NA,
  NA,
  NA
)

TablaClasificacionAgrupada

##   Clasificacion    ni    hi Ni_asc Hi_asc Ni_desc Hi_desc
## 1         GRAVA  3689 14.01   3689  14.01   26333     100
## 2         ARENA 14012 53.21  17701  67.22   22644   85.99
## 3         MIXTO  1231  4.67  18932  71.89    8632   32.78
## 4          LIMO  5517 20.95  24449  92.85    7401   28.11
## 5       ARCILLA  1884  7.15  26333    100    1884    7.15
## 6         TOTAL 26333   100   <NA>   <NA>    <NA>    <NA>

# TABLA MEJORADA - CLASSIFICATION AGRUPADA

TablaClasificacionAgrupada_gt <- TablaClasificacionAgrupada %>%
  gt() %>%
  
  tab_header(
    title = md("**Tabla Nº2**"),
    subtitle = md(
      "**Distribución de frecuencias agrupada de la variable CLASSIFICATION**"
    )
  ) %>%
  
  tab_source_note(
    source_note = md("**Autor: Grupo 2**")
  ) %>%
  
  cols_label(
    Clasificacion = "Clasificación",
    ni = "Frecuencia (ni)",
    hi = "hi (%)",
    Ni_asc = "Ni ↑",
    Hi_asc = "Hi ↑ (%)",
    Ni_desc = "Ni ↓",
    Hi_desc = "Hi ↓ (%)"
  ) %>%
  
  # Porcentajes con 2 decimales
  fmt_number(
    columns = c(
      hi,
      Hi_asc,
      Hi_desc
    ),
    decimals = 2
  ) %>%
  
  # Frecuencias sin decimales
  fmt_number(
    columns = c(
      ni,
      Ni_asc,
      Ni_desc
    ),
    decimals = 0
  ) %>%
  
  # Resaltar fila TOTAL
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_body(
      rows = Clasificacion == "TOTAL"
    )
  ) %>%
  
  # Formato general
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    table.border.top.style = "solid",
    table.border.bottom.style = "solid",
    
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    
    row.striping.include_table_body = TRUE,
    
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    
    table.font.size = px(13),
    heading.title.font.size = px(18),
    heading.subtitle.font.size = px(14),
    table.width = pct(100)
  )

TablaClasificacionAgrupada_gt

Tabla Nº2
Distribución de frecuencias agrupada de la variable CLASSIFICATION
Clasificación	Frecuencia (ni)	hi (%)	Ni ↑	Hi ↑ (%)	Ni ↓	Hi ↓ (%)
GRAVA	3689	14.01	3689	14.01	26333	100
ARENA	14012	53.21	17701	67.22	22644	85.99
MIXTO	1231	4.67	18932	71.89	8632	32.78
LIMO	5517	20.95	24449	92.85	7401	28.11
ARCILLA	1884	7.15	26333	100	1884	7.15
TOTAL	26333	100	NA	NA	NA	NA
Autor: Grupo 2

4. GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIA

# Datos para las gráficas

tabla_graf <- TablaClasificacionAgrupada[
  TablaClasificacionAgrupada$Clasificacion != "TOTAL",
]

# Asegurar variables numéricas
tabla_graf$ni <- as.numeric(tabla_graf$ni)
tabla_graf$hi <- as.numeric(tabla_graf$hi)
tabla_graf$Ni_asc <- as.numeric(tabla_graf$Ni_asc)
tabla_graf$Hi_asc <- as.numeric(tabla_graf$Hi_asc)
tabla_graf$Ni_desc <- as.numeric(tabla_graf$Ni_desc)
tabla_graf$Hi_desc <- as.numeric(tabla_graf$Hi_desc)

# Total de observaciones
n <- sum(tabla_graf$ni)

par(mfrow = c(1,1))
par(mar = c(6,4,4,2))

barplot(
  tabla_graf$ni,
  names.arg = tabla_graf$Clasificacion,
  las = 2,
  cex.names = 0.8,
  col = "lightgreen",
  border = "black",
  main = "Grafica 1: Distribucion de Cantidad por
  Clasificacion Sedimentaria",
  xlab = "Clasificacion",
  ylab = "Cantidad (ni)",
  ylim = c(0, max(tabla_graf$ni) * 1.15)
)

abline(h = 0, lwd = 1)

par(mfrow = c(1,1))
par(mar = c(6,4,4,2))

barplot(
  tabla_graf$ni,
  names.arg = tabla_graf$Clasificacion,
  las = 2,
  cex.names = 0.8,
  col = "skyblue",
  border = "black",
  main = "Grafica 2: Distribucion Global de Cantidad por
  Clasificacion Sedimentaria",
  xlab = "Clasificacion",
  ylab = "Cantidad (ni)",
  ylim = c(0, n)
)

abline(h = 0, lwd = 1)

par(mfrow = c(1,1))
par(mar = c(6,4,4,2))

barplot(
  tabla_graf$hi,
  names.arg = tabla_graf$Clasificacion,
  las = 2,
  cex.names = 0.8,
  col = "orchid",
  border = "black",
  main = "Grafica 3: Distribucion Porcentual por
  Clasificacion Sedimentaria",
  xlab = "Clasificacion",
  ylab = "Porcentaje (%)",
  ylim = c(0, max(tabla_graf$hi) * 1.15)
)

abline(h = 0, lwd = 1)

par(mfrow = c(1,1))
par(mar = c(6,4,4,2))

barplot(
  tabla_graf$hi,
  names.arg = tabla_graf$Clasificacion,
  las = 2,
  cex.names = 0.8,
  col = "green",
  border = "black",
  main = "Grafica 4: Distribucion Global Porcentual por
  Clasificacion Sedimentaria",
  xlab = "Clasificacion",
  ylab = "Porcentaje (%)",
  ylim = c(0, 100)
)

abline(h = 0, lwd = 1)

layout(
  matrix(c(1,2), nrow = 1),
  widths = c(2.2, 1)
)

par(mar = c(2,2,4,1))

colores <- rainbow(nrow(tabla_graf))

pie(
  tabla_graf$hi,
  labels = paste0(
    round(tabla_graf$hi, 2),
    "%"
  ),
  radius = 1,
  col = colores,
  main = "Grafica 5: Distribucion Porcentual de la
  Clasificacion Sedimentaria",
  cex.main = 0.9,
  cex = 0.8
)

par(mar = c(2,0,4,2))

plot.new()

legend(
  "center",
  legend = tabla_graf$Clasificacion,
  fill = colores,
  title = "Clasificacion",
  cex = 0.8,
  bg = "white",
  box.lwd = 0.7
)

layout(1)

5. INDICADORES ESTADÍSTICOS

# Tabla sin fila TOTAL
tabla_ind <- TablaClasificacionAgrupada[
  TablaClasificacionAgrupada$Clasificacion != "TOTAL",
]

# Asegurar valores numéricos
tabla_ind$ni <- as.numeric(tabla_ind$ni)
tabla_ind$Hi_asc <- as.numeric(tabla_ind$Hi_asc)

# MODA
moda <- tabla_ind$Clasificacion[
  which.max(tabla_ind$ni)
]

# MEDIANA ORDINAL
mediana_ordinal <- tabla_ind$Clasificacion[
  which(tabla_ind$Hi_asc >= 50)[1]
]

# Mostrar resultados
cat("Moda:", moda, "\n")

## Moda: ARENA

cat("Mediana ordinal:", mediana_ordinal, "\n")

## Mediana ordinal: ARENA

# Crear tabla de indicadores
TablaIndicadores <- data.frame(
  Indicador = c(
    "Moda",
    "Mediana ordinal"
  ),
  Categoria = c(
    moda,
    mediana_ordinal
  )
)

TablaIndicadores

##         Indicador Categoria
## 1            Moda     ARENA
## 2 Mediana ordinal     ARENA

TablaIndicadores_gt <- TablaIndicadores %>%
  gt() %>%
  
  tab_header(
    title = md("**Tabla Nº3**"),
    subtitle = md(
      "**Indicadores de posición de la variable CLASSIFICATION**"
    )
  ) %>%
  
  tab_source_note(
    source_note = md("**Autor: Grupo 2**")
  ) %>%
  
  cols_label(
    Indicador = "Indicador de posición",
    Categoria = "Clasificación sedimentaria"
  ) %>%
  
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    table.border.top.style = "solid",
    table.border.bottom.style = "solid",
    
    column_labels.border.top.color = "black",
    column_labels.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    
    row.striping.include_table_body = TRUE,
    
    heading.border.bottom.color = "black",
    heading.border.bottom.width = px(2),
    
    table_body.hlines.color = "gray",
    table_body.border.bottom.color = "black",
    
    table.font.size = px(13),
    heading.title.font.size = px(18),
    heading.subtitle.font.size = px(14),
    table.width = pct(100)
  )

TablaIndicadores_gt

Tabla Nº3
Indicadores de posición de la variable CLASSIFICATION
Indicador de posición	Clasificación sedimentaria
Moda	ARENA
Mediana ordinal	ARENA
Autor: Grupo 2

6. CONCLUSION

La variable CLASSIFICATION presenta como clasificación sedimentaria más frecuente la categoría ARENA. Esto permite identificar que una parte importante de las muestras analizadas corresponde a sedimentos con predominio de partículas arenosas, reflejando una mayor presencia de este tipo de material dentro de los depósitos marinos estudiados.