0. Librerías

library(knitr)
library(kableExtra)
library(e1071)

1. Leer Datos

variables <- read.csv("C:/Users/WAN/Downloads/GlobalWeatherRepository.csv")

2. Extraer y Depuración de la Variable

Pmbar_original <- na.omit(variables$pressure_mb)

# Filtro estadístico/físico: Mantener solo valores de presión realistas terrestres
Pmbar <- Pmbar_original[Pmbar_original >= 800 & Pmbar_original <= 1100]

# Total de datos limpios
n_total <- length(Pmbar)

3. Frecuencias

3.1 Max y Min

valor_min <- min(Pmbar)
valor_max <- max(Pmbar)
rango <- valor_max - valor_min

3.2. Regla de Sturges

K_sturges <- floor(1 + 3.322 * log10(n_total))
cat("Número de clases:", K_sturges, "\n")

## Número de clases: 18

A_sturges <- rango / K_sturges
cat("Amplitud Sturges:", A_sturges, "\n")

## Amplitud Sturges: 7.388889

3.3. Intervalos

Li1 <- seq(valor_min, valor_max - A_sturges, by = A_sturges)
Ls1 <- Li1 + A_sturges

3.4. Bucle para las columnas de la tabla

ni1 <- numeric(length(Li1))

for(i in 1:length(Li1)){
  if(i == length(Li1)){
    ni1[i] <- sum(Pmbar >= Li1[i] & Pmbar <= Ls1[i])
  } else {
    ni1[i] <- sum(Pmbar >= Li1[i] & Pmbar < Ls1[i])
  }
}

# Frecuencias adicionales
hi1 <- (ni1 / sum(ni1)) * 100
Ni_asc1 <- cumsum(ni1)
Hi_asc1 <- cumsum(hi1)
Ni_dsc1 <- rev(cumsum(rev(ni1)))
Hi_dsc1 <- rev(cumsum(rev(hi1)))
MC1 <- (Li1 + Ls1)/2

3.5. Amplitud para tabla ajustada (Amplitud = 14)

amplitud <- 14

# Intervalos basados en múltiplos exactos de 14 mbar
Li2 <- seq(floor(valor_min/14)*14, ceiling(valor_max/14)*14 - 14, by = 14)
Ls2 <- Li2 + 14

ni2 <- numeric(length(Li2))

for(i in 1:length(Li2)){
  if(i == length(Li2)){
    ni2[i] <- sum(Pmbar >= Li2[i] & Pmbar <= Ls2[i])
  } else {
    ni2[i] <- sum(Pmbar >= Li2[i] & Pmbar < Ls2[i])
  }
}

hi2 <- (ni2 / sum(ni2)) * 100
Ni_asc2 <- cumsum(ni2)
Hi_asc2 <- cumsum(hi2)
Ni_dsc2 <- rev(cumsum(rev(ni2)))
Hi_dsc2 <- rev(cumsum(rev(hi2)))
MC2 <- (Li2 + Ls2)/2

4. Tabla de Distribución de Frecuencias

4.1. Tabla según Sturges

Tabla_Sturges <- data.frame(
  Lim_inf = round(Li1, 2),
  Lim_sup = round(Ls1, 2),
  MC = round(MC1, 2),
  ni = ni1,
  hi = round(hi1, 2),
  Ni_asc = Ni_asc1,
  Hi_asc = round(Hi_asc1, 2),
  Ni_dsc = Ni_dsc1,
  Hi_dsc = round(Hi_dsc1, 2)
)

Tabla_Sturges2 <- Tabla_Sturges
Tabla_Sturges2[] <- lapply(Tabla_Sturges2, as.character)

# Fila de totales
fila_total <- data.frame(
  Lim_inf = "TOTAL", Lim_sup = "", MC = "",
  ni = as.character(sum(ni1)),
  hi = as.character(round(sum(hi1), 2)),
  Ni_asc = "", Hi_asc = "", Ni_dsc = "", Hi_dsc = ""
)

Tabla_Sturges2 <- rbind(Tabla_Sturges2, fila_total)

kable(
  Tabla_Sturges2,
  align = "c",
  caption = "Tabla N°1: Distribución de frecuencias de la Presión Atmosférica (mbar) mediante la regla de Sturges"
) |>
  kableExtra::kable_styling(full_width = TRUE, position = "center", bootstrap_options = c("striped", "hover", "condensed", "responsive")) |>
  kableExtra::row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") |>
  kableExtra::row_spec(nrow(Tabla_Sturges2), bold = TRUE, background = "#EAEDED") |>
  footnote(
    general = "Elaborado por Grupo 2. Fuente: Global Weather Repository.",
    general_title = "Nota: ",
    footnote_as_chunk = TRUE,
    title_format = c("italic", "bold")
  )

Tabla N°1: Distribución de frecuencias de la Presión Atmosférica (mbar) mediante la regla de Sturges
Lim_inf	Lim_sup	MC	ni	hi	Ni_asc	Hi_asc	Ni_dsc	Hi_dsc
947	954.39	950.69	1	0	1	0	141701	100
954.39	961.78	958.08	0	0	1	0	141700	100
961.78	969.17	965.47	10	0.01	11	0.01	141700	100
969.17	976.56	972.86	30	0.02	41	0.03	141690	99.99
976.56	983.94	980.25	97	0.07	138	0.1	141660	99.97
983.94	991.33	987.64	397	0.28	535	0.38	141563	99.9
991.33	998.72	995.03	1979	1.4	2514	1.77	141166	99.62
998.72	1006.11	1002.42	11602	8.19	14116	9.96	139187	98.23
1006.11	1013.5	1009.81	57037	40.25	71153	50.21	127585	90.04
1013.5	1020.89	1017.19	47855	33.77	119008	83.99	70548	49.79
1020.89	1028.28	1024.58	18916	13.35	137924	97.33	22693	16.01
1028.28	1035.67	1031.97	3310	2.34	141234	99.67	3777	2.67
1035.67	1043.06	1039.36	416	0.29	141650	99.96	467	0.33
1043.06	1050.44	1046.75	44	0.03	141694	100	51	0.04
1050.44	1057.83	1054.14	6	0	141700	100	7	0
1057.83	1065.22	1061.53	0	0	141700	100	1	0
1065.22	1072.61	1068.92	0	0	141700	100	1	0
1072.61	1080	1076.31	1	0	141701	100	1	0
TOTAL			141701	100
Nota: Elaborado por Grupo 2. Fuente: Global Weather Repository.

4.2. Tabla ajustada (Intervalos de 14 en 14 mbar)

TDF_Pmbar <- data.frame(
  Lim_inf = round(Li2, 2),
  Lim_sup = round(Ls2, 2),
  MC = round(MC2, 2),
  ni = ni2,
  hi = round(hi2, 2),
  Ni_asc = Ni_asc2,
  Hi_asc = round(Hi_asc2, 2),
  Ni_dsc = Ni_dsc2,
  Hi_dsc = round(Hi_dsc2, 2)
)

TDF_Pmbar[] <- lapply(TDF_Pmbar, as.character)

TDF_Total <- data.frame(
  Lim_inf = "TOTAL", Lim_sup = "", MC = "",
  ni = as.character(sum(ni2)),
  hi = as.character(round(sum(hi2), 2)),
  Ni_asc = "", Hi_asc = "", Ni_dsc = "", Hi_dsc = "",
  stringsAsFactors = FALSE
)

TDF_Pmbar <- rbind(TDF_Pmbar, TDF_Total)
colnames(TDF_Pmbar) <- c("Lim. Inf.", "Lim. Sup.", "MC", "ni", "hi (%)", "Ni Asc", "Hi Asc (%)", "Ni Dsc", "Hi Dsc (%)")

kable(
  TDF_Pmbar,
  align = "c",
  caption = "Tabla N°2: Distribución de frecuencias de la Presión Atmosférica en intervalos de 14 mbar"
) |>
  kable_styling(full_width = TRUE, position = "center", bootstrap_options = c("striped", "hover", "condensed", "responsive")) |>
  row_spec(0, bold = TRUE, color = "white", background = "#2C3E50") |>
  row_spec(nrow(TDF_Pmbar), bold = TRUE, background = "#EAEDED") |>
  footnote(general = "Elaborado por Grupo 2. Fuente: Global Weather Repository.", general_title = "Nota: ", footnote_as_chunk = TRUE, title_format = c("italic", "bold"))

Tabla N°2: Distribución de frecuencias de la Presión Atmosférica en intervalos de 14 mbar
Lim. Inf.	Lim. Sup.	MC	ni	hi (%)	Ni Asc	Hi Asc (%)	Ni Dsc	Hi Dsc (%)
938	952	945	1	0	1	0	141701	100
952	966	959	4	0	5	0	141700	100
966	980	973	66	0.05	71	0.05	141696	100
980	994	987	736	0.52	807	0.57	141630	99.95
994	1008	1001	17539	12.38	18346	12.95	140894	99.43
1008	1022	1015	104422	73.69	122768	86.64	123355	87.05
1022	1036	1029	18466	13.03	141234	99.67	18933	13.36
1036	1050	1043	457	0.32	141691	99.99	467	0.33
1050	1064	1057	9	0.01	141700	100	10	0.01
1064	1078	1071	0	0	141700	100	1	0
1078	1092	1085	1	0	141701	100	1	0
TOTAL			141701	100
Nota: Elaborado por Grupo 2. Fuente: Global Weather Repository.

5. Gráficos de Distribución de Frecuencias

5.1. Histograma Original (ni)

hist(
  Pmbar,
  breaks = c(Li2, max(Ls2)),
  main = "Gráfico N°1: Distribución de frecuencias absolutas de la Presión\nRegistros meteorológicos mundiales, período 2024–2026",
  xlab = "Presión Atmosférica (mbar)",
  ylab = "Frecuencia absoluta (ni)",
  col = "lightgreen",
  border = "black",
  xaxt = "n"
)
axis(1, at = c(Li2, max(Ls2)), labels = c(Li2, max(Ls2)), las = 2, cex.axis = 0.8)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.2. Histograma con relación al todo (ni)

hist(
  Pmbar,
  breaks = c(Li2, max(Ls2)),
  ylim = c(0, n_total),
  main = "Gráfico N°2: Histograma de la Presión en Relación al Todo\n(Escala completa de la muestra)",
  xlab = "Presión Atmosférica (mbar)",
  ylab = "Frecuencia absoluta (ni)",
  col = "lightgreen",
  border = "black",
  xaxt = "n"
)
axis(1, at = c(Li2, max(Ls2)), labels = c(Li2, max(Ls2)), las = 2, cex.axis = 0.8)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.3. Histograma original (hi)

bp <- barplot(
  hi2,
  names.arg = paste(Li2, Ls2, sep = "-"),
  ylim = c(0, max(hi2) * 1.1),
  main = "Gráfico N°3: Distribución de frecuencias relativas de la Presión",
  xlab = "Intervalos de Presión (mbar)",
  ylab = "Frecuencia Relativa (%)",
  col = "skyblue",
  border = "black",
  las = 2,
  cex.names = 0.8,
  space = 0
)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.4. Histograma con relación a todo (hi)

barplot(
  hi2,
  names.arg = paste(Li2, Ls2, sep = "-"),
  ylim = c(0, 100),
  main = "Gráfico N°4: Histograma Global de Frecuencia Relativa\n(Escala completa de 0 a 100%)",
  xlab = "Intervalos de Presión (mbar)",
  ylab = "Frecuencia Relativa (%)",
  col = "lightgreen",
  border = "black",
  las = 2,
  cex.names = 0.8,
  space = 0
)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.5. Polígono de frecuencias (hi)

bp <- barplot(
  hi2,
  names.arg = paste(Li2, Ls2, sep = "-"),
  col = "lightgreen",
  border = "black",
  ylim = c(0, max(hi2) * 1.2),
  main = "Gráfico N°5: Frecuencia Relativa (%) y Polígono de la Presión",
  xlab = "Intervalos de Presión (mbar)",
  ylab = "Frecuencia relativa (%)",
  las = 2,
  cex.names = 0.8,
  space = 0
)

lines(
  bp,
  hi2,
  type = "o",
  col = "red",
  lwd = 2,
  pch = 16  # <-- Corregido: antes decía p_ch
)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.6. Ojiva ascendente y descendente (ni)

eje_x_asc <- c(Li2, max(Ls2))
ni_asc_graf <- c(0, Ni_asc2)

eje_x_dsc <- c(Li2, max(Ls2))
ni_dsc_graf <- c(Ni_dsc2, 0)

plot(
  eje_x_asc,
  ni_asc_graf,
  type = "o",
  pch = 16,
  lwd = 2,
  col = "blue",
  ylim = c(0, n_total),
  main = "Gráfico N°6: Ojivas de Frecuencia Absoluta Acumulada de la Presión",
  xlab = "Presión Atmosférica (mbar)",
  ylab = "Frecuencia Acumulada (Ni)",
  xaxt = "n"
)

lines(
  eje_x_dsc,
  ni_dsc_graf,
  type = "o",
  pch = 17,
  lwd = 2,
  col = "red"
)

axis(1, at = c(Li2, max(Ls2)), labels = c(Li2, max(Ls2)), las = 2, cex.axis = 0.8)

legend(
  "right",
  legend = c("Ojiva Ascendente (<= Ls)", "Ojiva Descendente (>= Li)"),
  col = c("blue", "red"),
  pch = c(16, 17),
  lwd = 2,
  bty = "n",
  cex = 0.9
)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.7. Ojiva ascendente y descendente (hi)

hi_asc_graf <- c(0, Hi_asc2)
hi_dsc_graf <- c(Hi_dsc2, 0)

plot(
  eje_x_asc,
  hi_asc_graf,
  type = "o",
  pch = 16,
  lwd = 2,
  col = "blue",
  ylim = c(0, 100),
  main = "Gráfico N°7: Ojivas de Frecuencia Relativa Acumulada de la Presión",
  xlab = "Presión Atmosférica (mbar)",
  ylab = "Frecuencia Acumulada (%)",
  xaxt = "n"
)

lines(
  eje_x_dsc,
  hi_dsc_graf,
  type = "o",
  pch = 17,
  lwd = 2,
  col = "red"
)

axis(1, at = c(Li2, max(Ls2)), labels = c(Li2, max(Ls2)), las = 2, cex.axis = 0.8)

legend(
  "right",
  legend = c("Ascendente (<= Ls)", "Descendente (>= Li)"),
  col = c("blue", "red"),
  pch = c(16, 17),
  lwd = 2,
  bty = "n",
  cex = 0.9
)
grid(nx = NA, ny = NULL, lty = 2, col = "gray")

5.8. Boxplot

# 1. Calcular Cuartiles y Rango Intercuartílico (RIC) de forma limpia
Q1 <- quantile(Pmbar, 0.25)
Q3 <- quantile(Pmbar, 0.75)
RIC <- Q3 - Q1

# 2. Límites de Tukey estándar
Lim_inf_Tukey <- max(min(Li2), Q1 - 1.5 * RIC)
Lim_sup_Tukey <- min(max(Ls2), Q3 + 1.5 * RIC)

# 3. Dibujar Boxplot
boxplot(Pmbar,
        horizontal = TRUE,
        outline = FALSE,
        ylim = c(min(Li2), max(Ls2)), 
        main = "Gráfico N°8: Diagrama de Caja y Bigotes de la Presión con Límites de Tukey",
        xlab = "Presión Atmosférica (mbar)",
        col = "lightblue",
        xaxt = "n")

axis(1, at = c(Li2, max(Ls2)), labels = c(Li2, max(Ls2)), las = 2, cex.axis = 0.8)

# 4. Atípicos personalizados
atipicos <- Pmbar[Pmbar < (Q1 - 1.5 * RIC) | Pmbar > (Q3 + 1.5 * RIC)]
if(length(atipicos) > 0) {
  points(atipicos, rep(1, length(atipicos)), col = "red", pch = 19, cex = 0.8)
}

abline(v = Lim_inf_Tukey, col = "blue", lwd = 2, lty = 2)
abline(v = Lim_sup_Tukey, col = "blue", lwd = 2, lty = 2)

legend("topright",
       legend = c(paste("Atípicos (N =", length(atipicos), ")"), "Límites de Tukey"),
       col = c("red", "blue"), pch = c(19, NA), lty = c(NA, 2), lwd = c(NA, 2), bty = "n", cex = 0.9)
grid(nx = NULL, ny = NA, lty = 2, col = "gray")

6. Indicadores Estadísticos

6.1. Tendencia central

media <- mean(Pmbar)

mediana <- median(Pmbar)

# Moda aproximada usando la clase modal

tabla_moda <- TDF_Pmbar[
  TDF_Pmbar$`Lim. Inf.` != "TOTAL",
]

ni_num <- as.numeric(tabla_moda$ni)

max_ni <- max(ni_num)

moda <- as.numeric(
  tabla_moda$MC[
    ni_num == max_ni
  ]
)

6.2. Dispersión

varianza <- var(Pmbar)

desv_est <- sd(Pmbar)

cv <- (desv_est / media) * 100

6.3. Forma

asimetria <- skewness(Pmbar)

curtosis <- kurtosis(Pmbar)

6.4. Valores atípicos

Q1 <- quantile(Pmbar, 0.25)

Q3 <- quantile(Pmbar, 0.75)

RIC <- Q3 - Q1

lim_inf <- Q1 - 1.5 * RIC

lim_sup <- Q3 + 1.5 * RIC

atipicos <- Pmbar[
  Pmbar < lim_inf |
    Pmbar > lim_sup
]

n_atipicos <- length(atipicos)

intervalo_atipicos <- paste0(
  "[",
  round(lim_inf,2),
  "; ",
  round(lim_sup,2),
  "]"
)

# Rango

rango_texto <- paste0(
  "[",
  round(min(Pmbar),2),
  "; ",
  round(max(Pmbar),2),
  "]"
)

6.5. Tabla de indicadores

tabla_indicadores <- data.frame(
  
  Variable = "Pmbar",
  
  Rango = rango_texto,
  
  Media = round(media,2),
  
  Mediana = round(mediana,2),
  
  Moda = round(moda,2),
  
  Varianza = round(varianza,2),
  
  Desv_Est = round(desv_est,2),
  
  CV = round(cv,2),
  
  Asimetria = round(asimetria,2),
  
  Curtosis = round(curtosis,2),
  
  Limite_Atipicos = intervalo_atipicos,
  
  N_Atipicos = n_atipicos
)

# Mostrar tabla

kable(
  tabla_indicadores,
  align = "c",
  caption = "Tabla N°3. Indicadores estadísticos descriptivos de la variable 
Presión en milibares en registros meteorológicos mundiales, período 2024–2026 en 
  registros meteorológicos mundiales, período 2024–2026"
) |>
  kable_styling(
    full_width = FALSE,
    position = "center",
    bootstrap_options = c(
      "striped",
      "hover",
      "condensed",
      "responsive"
    )
  ) |>
  row_spec(
    0,
    bold = TRUE,
    color = "white",
    background = "#2C3E50"
  )

Tabla N°3. Indicadores estadísticos descriptivos de la variable Presión en milibares en registros meteorológicos mundiales, período 2024–2026 en registros meteorológicos mundiales, período 2024–2026
Variable	Rango	Media	Mediana	Moda	Varianza	Desv_Est	CV	Asimetria	Curtosis	Limite_Atipicos	N_Atipicos
Pmbar	[947; 1080]	1014.01	1013	1015	48.27	6.95	0.69	0.05	1.91	[998; 1030]	4161

7. Conclusiones

El análisis de la presión atmosférica con un promedio de 1014.01 mbar y un comportamiento sumamente estable y homogéneo, respaldado por una desviación estándar de apenas 6.95 mbar y un coeficiente de variación de tan solo 0.69%. La distribución es leptocúrtica (Curtosis = 1.91) y casi perfectamente simétrica (Asimetría = 0.05), lo que demuestra que la gran mayoría de las mediciones se concentran rígidamente alrededor del centro, fluctuando en un rango real de 947 mbar a 1080 mbar con 4,161 valores atípicos en los extremos. Esta estabilidad barométrica es muy beneficiosa para las personas y el ambiente, ya que una presión cercana a los 1013.25 mbar garantiza condiciones climáticas estables, previene dolores de cabeza o alteraciones en la presión sanguínea humana. Sin embargo, sus extremos atípicos son perjudiciales, puesto que caídas hacia los 947 mbar indican la formación de peligrosas tormentas, ciclones mientras que subidas hacia los 1080 mbar generan anticiclones severos que atrapan la contaminación del aire en las ciudades.

Presión en milibares

Grupo 2

2026-07-06