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

region_limpio <- datos_originales |>
  dplyr::transmute(Región=stringr::str_squish(as.character(.data[[columna_region]]))) |>
  dplyr::filter(!is.na(Región), Región != "", !toupper(Región) %in% c("NA", "N/A", "NULL"))
set.seed(2026)
region_limpio$Región <- factor(region_limpio$Región,
                               levels=sample(unique(region_limpio$Región)))
N <- nrow(region_limpio)
if (N == 0L) stop("No existen registros válidos de Region.")

cat("Registros válidos:", fmt_entero(N),
    " | Regiones distintas:", nlevels(region_limpio$Región), "\n")
## Registros válidos: 47.376  | Regiones distintas: 9

3 Identificación de la Variable

La variable Region (Región) es cualitativa nominal: identifica regiones geográficas sin establecer un orden jerárquico entre ellas.

tipo_variable <- "Cualitativa nominal"

4 Tabla de Distribución de Frecuencias

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según la Región en el estado de Nueva York, 1860 - Actualidad",
  desplazamiento=FALSE))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según la Región en el estado de Nueva York, 1860 - Actualidad
REGIÓN FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
1 4 0.0001 0.01%
9 39.894 0.8421 84.21%
2 247 0.0052 0.52%
5 19 0.0004 0.04%
3 112 0.0024 0.24%
7 1.684 0.0355 3.55%
4 96 0.0020 0.20%
6 114 0.0024 0.24%
8 5.206 0.1099 10.99%
Total 47.376 1.0000 100.00%

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

5 Representación Gráfica

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

ggplot2::ggplot(tabla_plot, ggplot2::aes(Región, ni, fill=Región)) +
  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 región",x="Región",y="Frecuencia absoluta (nᵢ)") + tema_barras

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

ggplot2::ggplot(tabla_plot, ggplot2::aes(Región, porcentaje, fill=Región)) +
  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 región",x="Región",y="Frecuencia relativa porcentual (%)") + tema_barras

5.3 Gráfica N° 3 — Gráfica Circular Porcentual

leyenda <- paste0(as.character(tabla_plot$Región), " — ", sprintf("%.2f%%",tabla_plot$porcentaje))
ggplot2::ggplot(tabla_plot,ggplot2::aes(x=1,y=ni,fill=Región)) +
  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 región",fill="Región — 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° 2: Indicadores estadísticos de Region (Región), 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)
Region (Región) N/A N/A 9 N/A N/A N/A N/A N/A

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

Registros válidos (N): 47.376   |   Categorías: 9   |   Frecuencia modal: 39.894   |   Porcentaje modal: 84.21%.

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

7 Conclusión

La variable Region (Región) es cualitativa nominal policotómica y presenta 9 categorías en 47.376 registros válidos. La moda corresponde a 9, con una frecuencia de 39.894 pozos (84.21% del total), lo que evidencia una concentración de los registros en determinadas regiones del estado de Nueva York.

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