1 Configuración y Carga de Datos

ruta <- "C:/Users/cordo/OneDrive/Desktop/ESTADISITCA/Oil__Gas____Other_Regulated_Wells__Beginning_1860.csv"
datos_originales <- readr::read_delim(
  ruta, delim=";", trim_ws=TRUE, show_col_types=FALSE,
  name_repair="minimal", locale=readr::locale(encoding="UTF-8")
)
cat("Carga exitosa:", fmt_entero(nrow(datos_originales)), "registros.\n")
## Carga exitosa: 47.407 registros.

2 Extracción y Limpieza de la Variable

county_limpio <- datos_originales |>
  dplyr::transmute(Condado=stringr::str_squish(as.character(.data[[columna_county]]))) |>
  dplyr::filter(!is.na(Condado), Condado != "", !toupper(Condado) %in% c("NA", "N/A", "NULL"))
set.seed(2026)
county_limpio$Condado <- factor(county_limpio$Condado,
                               levels=sample(unique(county_limpio$Condado)))
N <- nrow(county_limpio)
if (length(levels(county_limpio$Condado)) != 56L) {
  stop("El archivo contiene ", length(levels(county_limpio$Condado)),
       " categorías válidas de County y se esperaban 56. ",
       "Comprueba la ruta y que no hayas filtrado el CSV.")
}
cat("Registros válidos:", fmt_entero(N),
    " | Condados distintos:", nlevels(county_limpio$Condado), "\n")
## Registros válidos: 47.360  | Condados distintos: 56

3 Identificación de la Variable

La variable County (Condado) es cualitativa nominal: identifica condados sin establecer un orden jerárquico entre ellos.

tipo_variable <- "Cualitativa nominal"

4 Tabla de Distribución de Frecuencias

El Cuadro N° 1 contiene los 56 condados y la fila Total (57 filas). Desplázate dentro de la tabla para verlos todos.

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según el Condado en el estado de Nueva York, 1860 - Actualidad",
  desplazamiento=TRUE))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según el Condado en el estado de Nueva York, 1860 - Actualidad
CONDADO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
Schuyler 438 0.0092 0.92%
Dutchess 10 0.0002 0.02%
Herkimer 14 0.0003 0.03%
Jefferson 13 0.0003 0.03%
Albany 19 0.0004 0.04%
Oswego 212 0.0045 0.45%
Schenectady 2 0.0000 0.00%
Monroe 32 0.0007 0.07%
Broome 68 0.0014 0.14%
Yates 161 0.0034 0.34%
Saratoga 5 0.0001 0.01%
Cayuga 491 0.0104 1.04%
Schoharie 4 0.0001 0.01%
Onondaga 294 0.0062 0.62%
Genesee 880 0.0186 1.86%
Chautauqua 6.367 0.1344 13.44%
St Lawrence 1 0.0000 0.00%
Wayne 38 0.0008 0.08%
Erie 3.483 0.0735 7.35%
Essex 3 0.0001 0.01%
Orange 21 0.0004 0.04%
Sullivan 3 0.0001 0.01%
Otsego 20 0.0004 0.04%
Wyoming 1.149 0.0243 2.43%
Clinton 1 0.0000 0.00%
Delaware 39 0.0008 0.08%
Bronx 20 0.0004 0.04%
Statewide 593 0.0125 1.25%
Warren 2 0.0000 0.00%
Richmond 2 0.0000 0.00%
Steuben 2.067 0.0436 4.36%
Washington 3 0.0001 0.01%
Tompkins 110 0.0023 0.23%
Cortland 30 0.0006 0.06%
Rockland 7 0.0001 0.01%
Montgomery 9 0.0002 0.02%
Ontario 347 0.0073 0.73%
Nassau 4 0.0001 0.01%
New York 213 0.0045 0.45%
Chemung 234 0.0049 0.49%
Tioga 125 0.0026 0.26%
Ulster 10 0.0002 0.02%
Orleans 30 0.0006 0.06%
Niagara 16 0.0003 0.03%
Livingston 457 0.0096 0.96%
Fulton 5 0.0001 0.01%
Seneca 456 0.0096 0.96%
Allegany 16.397 0.3462 34.62%
Queens 12 0.0003 0.03%
Greene 3 0.0001 0.01%
Madison 144 0.0030 0.30%
Oneida 72 0.0015 0.15%
Chenango 201 0.0042 0.42%
Westchester 61 0.0013 0.13%
Lewis 11 0.0002 0.02%
Cattaraugus 11.951 0.2523 25.23%
Total 47.360 1.0000 100.00%

Fuente: Oil, Gas & Other Regulated Wells: Beginning 1860.

Top 10 de categorías con mayor frecuencia absoluta

La tabla resume los 10 condados más frecuentes y agrupa los demás en Otros, conservando el total de 47.360 registros válidos.

cat(crear_cuadro(tabla_resumen, 2,
  "Distribución de frecuencias de los pozos regulados: 10 condados más frecuentes y Otros, Nueva York, 1860 - Actualidad"))
Cuadro N° 2: Distribución de frecuencias de los pozos regulados: 10 condados más frecuentes y Otros, Nueva York, 1860 - Actualidad
CONDADO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
Allegany 16.397 0.3462 34.62%
Cattaraugus 11.951 0.2523 25.23%
Chautauqua 6.367 0.1344 13.44%
Erie 3.483 0.0735 7.35%
Steuben 2.067 0.0436 4.36%
Wyoming 1.149 0.0243 2.43%
Genesee 880 0.0186 1.86%
Statewide 593 0.0125 1.25%
Cayuga 491 0.0104 1.04%
Livingston 457 0.0096 0.96%
Otros 3.525 0.0744 7.44%
Total 47.360 1.0000 100.00%

Fuente: Oil, Gas & Other Regulated Wells: Beginning 1860.

5 Representación Gráfica

Las gráficas representan el Top 10 y Otros; la tabla principal conserva todas las categorías.

5.1 Gráfica N° 1 — Diagrama de Barras (Frecuencia Absoluta)

ggplot2::ggplot(tabla_plot, ggplot2::aes(Condado, ni, fill=Condado)) +
  ggplot2::geom_col(width=.72) +
  ggplot2::geom_text(ggplot2::aes(label=fmt_entero(ni)),vjust=-.4,size=3) +
  ggplot2::scale_fill_manual(values=colores) +
  ggplot2::scale_y_continuous(expand=ggplot2::expansion(mult=c(0,.14))) +
  ggplot2::labs(title="Gráfica N° 1: Frecuencia absoluta por condado",x="Condado",y="Frecuencia absoluta (nᵢ)") + tema_barras

5.2 Gráfica N° 2 — Diagrama de Barras (Porcentajes)

ggplot2::ggplot(tabla_plot, ggplot2::aes(Condado, porcentaje, fill=Condado)) +
  ggplot2::geom_col(width=.72) +
  ggplot2::geom_text(ggplot2::aes(label=sprintf("%.2f%%",porcentaje)),vjust=-.4,size=3) +
  ggplot2::scale_fill_manual(values=colores) +
  ggplot2::scale_y_continuous(expand=ggplot2::expansion(mult=c(0,.14))) +
  ggplot2::labs(title="Gráfica N° 2: Frecuencia porcentual por condado",x="Condado",y="Frecuencia relativa porcentual (%)") + tema_barras

5.3 Gráfica N° 3 — Gráfica Circular Porcentual

leyenda <- paste0(as.character(tabla_plot$Condado), " — ", sprintf("%.2f%%",tabla_plot$porcentaje))
ggplot2::ggplot(tabla_plot,ggplot2::aes(x=1,y=ni,fill=Condado)) +
  ggplot2::geom_col(width=1,color="white",linewidth=.35) +
  ggplot2::coord_polar(theta="y",start=0) +
  ggplot2::scale_fill_manual(values=colores,labels=leyenda) +
  ggplot2::labs(title="Gráfica N° 3: Distribución porcentual por condado",fill="Condado — porcentaje") +
  ggplot2::theme_void() + ggplot2::theme(plot.title=ggplot2::element_text(hjust=.5,face="bold"),legend.position="right")

6 Tabla de Indicadores

cat(crear_indicadores())
Cuadro N° 3: Indicadores estadísticos de County (Condado), Nueva York, 1860 - Actualidad
Variable
Tendencia central
Dispersión
Forma
Valores atípicos
VARIABLE ANALIZADA Media (X̄) Mediana (Me) Moda (Mo) Desviación estándar (Sd) Coeficiente de variación (CV %) Asimetría (As) Curtosis (K) Valores atípicos (Outliers)
County (Condado) N/A N/A Allegany N/A N/A N/A N/A N/A

N/A: No aplicable a una variable cualitativa nominal.

Registros válidos (N): 47.360   |   Categorías: 56   |   Frecuencia modal: 16.397   |   Porcentaje modal: 34.62%.

Fuente: Oil, Gas & Other Regulated Wells: Beginning 1860.

7 Conclusión

La variable County (Condado) es cualitativa nominal policotómica y presenta 56 categorías en 47.360 registros válidos. La moda corresponde a Allegany, con una frecuencia de 16.397 pozos (34.62% del total), lo que evidencia una concentración de los registros en determinados condados del estado de Nueva York.

Autor: Jennifer Cordones | Análisis Estadístico — Oil, Gas & Other Regulated Wells - NY State