INTRODUCCION

Este estudio analiza la distribución temporal de los registros de operación de los oleoductos SOTE y OCP. El año se obtiene de la fecha de cada registro (Fecha), por lo que toma valores enteros entre 2015 y 2025 y es una variable cuantitativa discreta. Los datos de la base son simulados con fines académicos.

1 Librerías

Carga de paquetes.

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

2 Carga datos

setwd("C:/Users/HP/Desktop/tabla_petro")

archivo <- list.files(pattern = "^tabla_transporte_petroleo.*\\.xlsx$")[1]
if (is.na(archivo)) stop("No se encontró el archivo .xlsx dentro de la carpeta tabla_petro")
datos <- as.data.frame(read_excel(archivo, sheet = "Datos_10000"))
dim(datos)

## [1] 10000    20

3 Variables

El año se obtiene de los 4 primeros caracteres de la fecha (AAAA-MM-DD), de forma segura tanto si la fecha viene como texto como si viene como fecha de Excel.

Datos <- datos %>%
  mutate(Anio = as.numeric(substr(as.character(Fecha), 1, 4))) %>%
  filter(!is.na(Anio))

Variable_Exacta <- Datos$Anio
if (length(Variable_Exacta) == 0) stop("ERROR: No hay datos válidos.")

4 Conteo

Frecuencias absolutas (ni), porcentuales (hi) y acumuladas ascendentes y descendentes (Ni, Hi).

TDF_Raw <- data.frame(Valor = Variable_Exacta) %>%
  group_by(Valor) %>%
  summarise(ni = n(), .groups = "drop") %>%
  arrange(Valor)

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)))

TDF <- data.frame(
  Valor   = TDF_Raw$Valor,
  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)
)
colnames(TDF)[1] <- "Anio"
TDF

##    Anio  ni   hi Ni_asc Ni_desc Hi_asc Hi_desc
## 1  2015 886 8.86    886   10000   8.86  100.00
## 2  2016 952 9.52   1838    9114  18.38   91.14
## 3  2017 963 9.63   2801    8162  28.01   81.62
## 4  2018 920 9.20   3721    7199  37.21   71.99
## 5  2019 892 8.92   4613    6279  46.13   62.79
## 6  2020 871 8.71   5484    5387  54.84   53.87
## 7  2021 887 8.87   6371    4516  63.71   45.16
## 8  2022 940 9.40   7311    3629  73.11   36.29
## 9  2023 923 9.23   8234    2689  82.34   26.89
## 10 2024 882 8.82   9116    1766  91.16   17.66
## 11 2025 884 8.84  10000     884 100.00    8.84

5 Tabla

Tabla de distribución de frecuencias.

# Totales
totales <- c("TOTAL", sum(ni), round(sum(hi), 2), "-", "-", "-", "-")

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

TDF_Show %>%
  gt() %>%
  tab_header(
    title = md("**DISTRIBUCIÓN DE FRECUENCIAS POR AÑO**"),
    subtitle = md("Variable: **Año del registro**")
  ) %>%
  tab_source_note(source_note = "Autor: *") %>%
  cols_label(
    Anio = "Año (xi)",
    ni = "Cant. registros (ni)",
    hi = "Porcentaje (hi%)",
    Ni_asc = "Ni (Asc)", Ni_desc = "Ni (Desc)",
    Hi_asc = "Hi (Asc)", Hi_desc = "Hi (Desc)"
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_style(
    style = list(cell_fill(color = "#235347"), cell_text(color = "white", weight = "bold")),
    locations = cells_title()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#DAF1DE"), cell_text(weight = "bold", color = "#163832")),
    locations = cells_column_labels()
  ) %>%
  tab_style(
    style = list(cell_fill(color = "#8EB69B"), cell_text(weight = "bold", color = "#163832")),
    locations = cells_body(rows = nrow(TDF_Show))
  ) %>%
  tab_options(
    table.border.top.color = "#235347",
    table.border.bottom.color = "#235347",
    column_labels.border.bottom.color = "#235347",
    data_row.padding = px(6)
  )

Año (xi)	Cant. registros (ni)	Porcentaje (hi%)	Ni (Asc)	Ni (Desc)	Hi (Asc)	Hi (Desc)
DISTRIBUCIÓN DE FRECUENCIAS POR AÑO
Variable: Año del registro
2015	886	8.86	886	10000	8.86	100
2016	952	9.52	1838	9114	18.38	91.14
2017	963	9.63	2801	8162	28.01	81.62
2018	920	9.2	3721	7199	37.21	71.99
2019	892	8.92	4613	6279	46.13	62.79
2020	871	8.71	5484	5387	54.84	53.87
2021	887	8.87	6371	4516	63.71	45.16
2022	940	9.4	7311	3629	73.11	36.29
2023	923	9.23	8234	2689	82.34	26.89
2024	882	8.82	9116	1766	91.16	17.66
2025	884	8.84	10000	884	100	8.84
TOTAL	10000	100	-	-	-	-
Autor: *

6 Gráficas

6.1 Gráficos de barras

col_barras <- "#235347"
col_ejes   <- "#163832"
col_claro  <- "#8EB69B"

titulo_g <- function(x) paste(strwrap(x, 80), collapse = "\n")

vals_x <- as.character(TDF$Anio)
vals_y <- TDF$ni
vals_y_pct <- TDF$hi
ylim_max <- max(vals_y) * 1.1

6.1.1 Gráfica 1: frecuencia absoluta (local)

par(mar = c(6, 5, 5, 2))
bp <- barplot(vals_y,
        main = titulo_g("Gráfica N°1: Distribución del año del registro"),
        cex.main = 0.9,
        ylab = "Cantidad de registros",
        col = col_barras, border = "white", axes = FALSE,
        ylim = c(0, ylim_max),
        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 = 1, cex.axis = 0.9)
title(xlab = "Año", line = 3.5)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

6.1.2 Gráfica 2: frecuencia absoluta (global)

par(mar = c(6, 5, 5, 2))
bp2 <- barplot(vals_y,
        main = titulo_g("Gráfica N°2: Distribución del año del registro"),
        cex.main = 0.9,
        ylab = "Cantidad de registros",
        col = col_barras, 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 = 1, cex.axis = 0.9)
title(xlab = "Año", line = 3.5)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

6.1.3 Gráfica 3: porcentual (local)

par(mar = c(6, 5, 5, 2))
bp3 <- barplot(vals_y_pct,
        main = titulo_g("Gráfica N°3: Distribución porcentual del año del registro"),
        cex.main = 0.9,
        ylab = "% del total",
        col = col_barras, 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 = 1, cex.axis = 0.9)
text(x = bp3, y = vals_y_pct, label = paste0(round(vals_y_pct, 1), "%"), pos = 3, cex = 0.8, col = col_ejes)
title(xlab = "Año", line = 3.5)
grid(nx = NA, ny = NULL, col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

6.1.4 Gráfica 4: porcentual (global, escala de 0 a 100 %)

par(mar = c(6, 5, 5, 2))
bp4 <- barplot(vals_y_pct,
        main = titulo_g("Gráfica N°4: Distribución porcentual del año del registro"),
        cex.main = 0.9,
        ylab = "% del total",
        col = col_barras, 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 = 1, cex.axis = 0.9)
text(x = bp4, y = vals_y_pct, label = paste0(round(vals_y_pct, 1), "%"), pos = 3, cex = 0.8, col = col_ejes)
title(xlab = "Año", line = 3.5)
abline(h = seq(0, 100, 20), col = "#D7DBDD", lty = "dotted")
box(bty = "l", col = col_ejes)

6.2 Gráfica 5: diagrama de caja

par(mar = c(6, 5, 5, 2))
boxplot(Variable_Exacta, horizontal = TRUE, col = col_barras,
        main = titulo_g("Gráfica N°5: Diagrama de caja del año del registro"),
        cex.main = 0.9,
        xlab = "", outline = TRUE, outpch = 19, outcol = col_claro,
        boxwex = 0.5, frame.plot = FALSE, xaxt = "n")

eje_x <- unique(round(pretty(Variable_Exacta, n = 8)))
axis(1, at = eje_x, labels = format(eje_x, scientific = FALSE), cex.axis = 0.9, col = col_ejes, col.axis = col_ejes)
title(xlab = "Año", line = 3.5)

6.3 Gráfica 6: ojivas

Se usan puntos (y no líneas) porque la variable es discreta.

par(mar = c(6, 5, 5, 8), xpd = TRUE)

x_vals <- TDF$Anio
y_asc  <- TDF$Ni_asc
y_desc <- TDF$Ni_desc

plot(x_vals, y_asc, type = "p", col = col_barras, pch = 19, cex = 1.3,
     main = titulo_g("Gráfica N°6: Ojivas ascendente y descendente del año del registro"),
     cex.main = 0.9,
     ylab = "Frecuencia acumulada", xlab = "",
     ylim = c(0, N), axes = FALSE, frame.plot = FALSE)

axis(1, at = x_vals, labels = x_vals, las = 1, cex.axis = 0.9, col = col_ejes, col.axis = col_ejes)
axis(2, col = col_ejes, col.axis = col_ejes)
title(xlab = "Año", line = 3.5)

points(x_vals, y_desc, col = col_claro, pch = 19, cex = 1.3)

legend("right", legend = c("Ascendente", "Descendente"),
       col = c(col_barras, col_claro), pch = 19, cex = 0.8,
       inset = c(-0.22, 0), bty = "n")

par(xpd = FALSE)

7 Indicadores Estadísticos

Cálculo de indicadores sobre los valores de la variable.

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 = ", ")

rango_txt    <- paste0("[", min(Variable_Exacta), "; ", max(Variable_Exacta), "]")
varianza_val <- var(Variable_Exacta)
sd_val       <- sd(Variable_Exacta)
cv_val       <- (sd_val / abs(media_val)) * 100

asimetria_val <- skewness(Variable_Exacta, type = 2)
curtosis_val  <- kurtosis(Variable_Exacta, type = 2)

vals_atipicos <- boxplot.stats(Variable_Exacta)$out
num_atipicos  <- length(vals_atipicos)
status_atipicos <- if (num_atipicos > 0) {
  paste0(num_atipicos, " outliers")
} else {
  "0 (Sin atípicos)"
}

df_resumen <- data.frame(
  "Variable"  = "Año del registro",
  "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"  = status_atipicos
)

df_resumen %>%
  gt() %>%
  tab_header(
    title = md("**ESTADÍSTICOS DESCRIPTIVOS**"),
    subtitle = "Indicadores calculados sobre los valores de la variable"
  ) %>%
  tab_source_note(source_note = "Autor: *") %>%
  fmt_number(columns = c(Media, Mediana, Varianza, Desv_Std), decimals = 2, use_seps = FALSE) %>%
  fmt_number(columns = c(CV_Porc, Curtosis), decimals = 2) %>%
  fmt_number(columns = c(Asimetria), decimals = 4) %>%
  cols_label(
    Variable = "Variable",
    Rango = "Rango [Min; Max]",
    Media = "Media (X̄)",
    Mediana = "Mediana (Me)",
    Moda = "Moda (Mo)",
    Varianza = "Varianza (S²)",
    Desv_Std = "Desv. Est. (S)",
    CV_Porc = "C.V. (%)",
    Asimetria = "Asimetría (As)",
    Curtosis = "Curtosis (K)",
    Atipicos = "Outliers"
  ) %>%
  cols_align(align = "center", columns = everything()) %>%
  tab_options(
    column_labels.background.color = "#235347",
    table.border.top.color = "#235347",
    table.border.bottom.color = "#235347",
    column_labels.border.bottom.color = "#235347",
    data_row.padding = px(8)
  ) %>%
  tab_style(
    style = list(cell_text(weight = "bold", color = "white")),
    locations = cells_column_labels()
  )

Variable	Rango [Min; Max]	Media (X̄)	Mediana (Me)	Moda (Mo)	Varianza (S²)	Desv. Est. (S)	C.V. (%)	Asimetría (As)	Curtosis (K)	Outliers
ESTADÍSTICOS DESCRIPTIVOS
Indicadores calculados sobre los valores de la variable
Año del registro	[2015; 2025]	2019.96	2020.00	2017	9.98	3.16	0.16	0.0177	−1.23	0 (Sin atípicos)
Autor: *

# Interpretación (se usa en la conclusión)
txt_cv   <- if (cv_val < 15) "homogéneo" else if (cv_val <= 30) "moderadamente heterogéneo" else "heterogéneo"
txt_asim <- if (abs(asimetria_val) < 0.5) "aproximadamente simétrica" else if (asimetria_val > 0) "asimétrica positiva (sesgo a la derecha)" else "asimétrica negativa (sesgo a la izquierda)"
txt_curt <- if (abs(curtosis_val) < 0.5) "mesocúrtica (similar a la normal)" else if (curtosis_val > 0) "leptocúrtica (más concentrada y con colas más pesadas)" else "platicúrtica (más aplanada)"
pct_moda <- round(max(TDF$hi), 2)

8 Conclusión

Los valores de la variable Año del registro fluctúan entre 2015 y 2025 y giran en torno a la media de 2019.96 (mediana de 2020), con una desviación estándar de 3.16. El valor más frecuente es 2017, que reúne el 9.63 % de los registros. Con un coeficiente de variación de 0.16 %, el conjunto de datos es homogéneo. La distribución es aproximadamente simétrica (As = 0.0177) y platicúrtica (más aplanada) (K = -1.23). Se identificaron 0 valores atípicos.

Transporte de petróleo mediante oleoductos en Ecuador

Variable: Año del registro (cuantitativa discreta)

*

2026-11-02