library(dplyr)
library(gt)
# CARGA DE DATOS
Alaska_Geoquimica <- read.csv(
"~/PROYECTO ALASKA/Alaska_sedimentos_geoquimica_USGSN.csv",
header = TRUE,
sep = ",",
dec = ".",
stringsAsFactors = FALSE,
check.names = FALSE
)
cat("Registros cargados:", nrow(Alaska_Geoquimica), "\n")## Registros cargados: 16695
## Variables disponibles: 77
El conjunto de datos contiene resultados geoquímicos de sedimentos de
corriente recolectados en Alaska. Cada fila representa una muestra y la
columna SUBMITTER identifica a la persona responsable de
remitirla para su análisis.
# Extraer únicamente los valores válidos de la variable nominal.
Alaska_Submitter <- Alaska_Geoquimica %>%
transmute(
Responsable_envio = trimws(as.character(SUBMITTER))
) %>%
filter(
!is.na(Responsable_envio),
Responsable_envio != ""
)
numero_categorias <- n_distinct(Alaska_Submitter$Responsable_envio)
numero_categorias## [1] 5
Se seleccionó SUBMITTER porque es una variable
cualitativa nominal: sus valores representan nombres de responsables y
no poseen jerarquía ni orden natural. Además, está completa y presenta
cinco categorías, por lo que permite comparar adecuadamente la
frecuencia con la que cada responsable aparece en los registros. No se
utilizaron identificadores como LAB_ID o
FIELD_ID, porque distinguen muestras individuales y no
constituyen categorías descriptivas útiles.
TDF_Submitter_Final <- Alaska_Submitter %>%
count(Responsable_envio, name = "ni") %>%
arrange(desc(ni)) %>%
mutate(
hi = round(ni / sum(ni) * 100, 2)
) %>%
bind_rows(
data.frame(
Responsable_envio = "Total",
ni = sum(.$ni),
hi = 100
)
)
tabla_submitter_gt <- TDF_Submitter_Final %>%
gt() %>%
cols_label(
Responsable_envio = "Responsable del envío",
ni = "Frecuencia absoluta (ni)",
hi = "Frecuencia relativa (hi %)"
) %>%
fmt_number(columns = hi, decimals = 2) %>%
tab_header(
title = md("**Tabla N.° 1**"),
subtitle = md(
"Distribución de frecuencias del responsable del envío de las muestras geoquímicas de Alaska"
)
) %>%
tab_source_note(source_note = md("**Autor:** GRUPO 2")) %>%
tab_style(
style = list(
cell_fill(color = "#dcefe9"),
cell_text(weight = "bold")
),
locations = cells_body(rows = Responsable_envio == "Total")
) %>%
tab_style(
style = cell_text(color = "white"),
locations = cells_title(groups = c("title", "subtitle"))
) %>%
tab_options(
heading.background.color = "#174f5d",
column_labels.background.color = "#79aa9c",
column_labels.font.weight = "bold",
table.border.top.color = "#174f5d",
table.border.bottom.color = "#174f5d"
)
tabla_submitter_gt| Tabla N.° 1 | ||
| Distribución de frecuencias del responsable del envío de las muestras geoquímicas de Alaska | ||
| Responsable del envío | Frecuencia absoluta (ni) | Frecuencia relativa (hi %) |
|---|---|---|
| Wang, Bronwen | 10251 | 61.40 |
| Day, Warren C. | 3530 | 21.14 |
| Wypych, Alicja | 1791 | 10.73 |
| Case, George N.D. | 990 | 5.93 |
| Azain, Jaime S. | 133 | 0.80 |
| Total | 16695 | 100.00 |
| Autor: GRUPO 2 | ||
La tabla presenta las cinco categorías originales de
SUBMITTER; no fue necesario agruparlas ni modificar sus
nombres. La fila Total confirma un tamaño muestral de
16.695 registros y una frecuencia relativa total del 100 %.
# Datos para las gráficas, sin incluir la fila Total.
TDF_Submitter_Plot <- TDF_Submitter_Final %>%
filter(Responsable_envio != "Total")
colores_responsables <- c(
"#1f6b6d", "#3a8d7d", "#79aa9c", "#d5ad55", "#9b6f48"
)
# Función para conservar el mismo diseño en las cuatro gráficas de barras.
grafica_barras_submitter <- function(valores, titulo, etiqueta_y, limite_y) {
par(
mar = c(11.5, 5.5, 5, 2) + 0.1,
mgp = c(3.2, 0.9, 0),
xaxs = "i",
yaxs = "i"
)
posiciones <- barplot(
valores,
main = titulo,
xlab = "",
ylab = etiqueta_y,
col = colores_responsables,
names.arg = rep("", length(valores)),
border = "white",
axes = FALSE,
ylim = c(0, limite_y),
cex.main = 1.22,
cex.lab = 1.12
)
# Ejes visibles y nombres diagonales para evitar superposiciones.
axis(2, las = 1, cex.axis = 1.02, lwd = 1.2, col = "#344e55")
axis(
1,
at = posiciones,
labels = FALSE,
lwd = 1.4,
lwd.ticks = 0,
col = "#344e55"
)
altura_etiquetas <- -0.035 * limite_y
text(
x = posiciones,
y = altura_etiquetas,
labels = TDF_Submitter_Plot$Responsable_envio,
srt = 35,
adj = 1,
xpd = TRUE,
cex = 1.02,
col = "#263f46"
)
mtext(
"Responsables del envío",
side = 1,
line = 9.2,
cex = 1.12,
font = 2,
col = "#263f46"
)
box(bty = "l", lwd = 1.2, col = "#344e55")
}
# Gráfica N.° 1: frecuencia absoluta con escala adaptada a los datos.
grafica_barras_submitter(
valores = TDF_Submitter_Plot$ni,
titulo = "Gráfica N.° 1: Distribución de cantidad del\nresponsable del envío de las muestras (ni)",
etiqueta_y = "Cantidad",
limite_y = max(TDF_Submitter_Plot$ni) * 1.12
)# Gráfica N.° 2: frecuencia absoluta respecto al tamaño muestral.
grafica_barras_submitter(
valores = TDF_Submitter_Plot$ni,
titulo = "Gráfica N.° 2: Distribución de cantidad del\nresponsable del envío de las muestras (ni)",
etiqueta_y = "Cantidad",
limite_y = sum(TDF_Submitter_Plot$ni)
)# Gráfica N.° 3: frecuencia relativa con escala adaptada.
grafica_barras_submitter(
valores = TDF_Submitter_Plot$hi,
titulo = "Gráfica N.° 3: Distribución porcentual del\nresponsable del envío de las muestras (hi %)",
etiqueta_y = "Porcentaje (%)",
limite_y = max(TDF_Submitter_Plot$hi) * 1.12
)# Gráfica N.° 4: frecuencia relativa respecto al 100 %.
grafica_barras_submitter(
valores = TDF_Submitter_Plot$hi,
titulo = "Gráfica N.° 4: Distribución porcentual del\nresponsable del envío de las muestras (hi %)",
etiqueta_y = "Porcentaje (%)",
limite_y = 100
)# Gráfica N.° 5: diagrama circular con leyenda independiente.
leyenda_circular <- paste0(
TDF_Submitter_Plot$Responsable_envio,
" — ",
sprintf("%.2f %%", TDF_Submitter_Plot$hi)
)
layout(matrix(c(1, 2), nrow = 1), widths = c(2.20, 1.20))
par(
mar = c(2.5, 6.5, 4.5, 1.5) + 0.1,
pty = "s"
)
pie(
TDF_Submitter_Plot$hi,
labels = NA,
col = colores_responsables,
radius = 0.73,
clockwise = TRUE,
border = "white",
xlim = c(-1.28, 1.28),
ylim = c(-1.15, 1.15),
main = "Gráfica N.° 5: Distribución porcentual\npor responsable del envío",
cex.main = 1.18
)
# Calcular el punto central de cada porción para colocar líneas y etiquetas.
proporciones <- TDF_Submitter_Plot$hi / sum(TDF_Submitter_Plot$hi)
acumuladas <- cumsum(proporciones)
angulos_medios <- (
90 - 360 * (acumuladas - proporciones / 2)
) * pi / 180
x_inicio <- 0.73 * cos(angulos_medios)
y_inicio <- 0.73 * sin(angulos_medios)
x_codo <- 0.86 * cos(angulos_medios)
y_codo <- 0.86 * sin(angulos_medios)
x_texto <- ifelse(cos(angulos_medios) >= 0, 1.03, -1.03)
y_texto <- y_codo
# Separar verticalmente las etiquetas próximas para que no se encimen.
ajustar_etiquetas <- function(indices, posiciones_y, separacion = 0.14) {
if (length(indices) <= 1) return(posiciones_y)
orden <- indices[order(posiciones_y[indices])]
for (j in 2:length(orden)) {
anterior <- orden[j - 1]
actual <- orden[j]
if (posiciones_y[actual] - posiciones_y[anterior] < separacion) {
posiciones_y[actual] <- posiciones_y[anterior] + separacion
}
}
posiciones_y
}
indices_derecha <- which(x_texto > 0)
indices_izquierda <- which(x_texto < 0)
y_texto <- ajustar_etiquetas(indices_derecha, y_texto)
y_texto <- ajustar_etiquetas(indices_izquierda, y_texto)
y_texto <- pmax(pmin(y_texto, 1.00), -1.00)
etiquetas_circulo <- paste0(
TDF_Submitter_Plot$Responsable_envio,
"\n",
sprintf("%.2f %%", TDF_Submitter_Plot$hi)
)
for (i in seq_along(etiquetas_circulo)) {
segments(
x_inicio[i], y_inicio[i],
x_codo[i], y_codo[i],
col = colores_responsables[i],
lwd = 1.5,
xpd = NA
)
segments(
x_codo[i], y_codo[i],
x_texto[i], y_texto[i],
col = colores_responsables[i],
lwd = 1.5,
xpd = NA
)
text(
x_texto[i], y_texto[i],
labels = etiquetas_circulo[i],
pos = ifelse(x_texto[i] > 0, 4, 2),
cex = 0.76,
font = 2,
col = "#263f46",
xpd = NA
)
}
par(mar = c(3, 0.5, 4.5, 2) + 0.1)
plot.new()
legend(
"top",
legend = leyenda_circular,
fill = colores_responsables,
title = "Responsable y porcentaje",
cex = 0.96,
bty = "o",
box.col = "#79aa9c",
bg = "#f7fbfa",
text.col = "#263f46",
x.intersp = 0.7,
y.intersp = 1.25,
inset = c(0, 0.10)
)tabla_freq_submitter <- table(Alaska_Submitter$Responsable_envio)
moda_submitter <- names(tabla_freq_submitter)[which.max(tabla_freq_submitter)]
frecuencia_moda <- max(tabla_freq_submitter)
porcentaje_moda <- frecuencia_moda / sum(tabla_freq_submitter) * 100
tabla_indicadores_submitter <- data.frame(
Indicador = c(
"Tamaño muestral (n)",
"Número de categorías",
"Moda",
"Frecuencia de la moda",
"Porcentaje de la moda"
),
Resultado = c(
format(sum(tabla_freq_submitter), big.mark = "."),
length(tabla_freq_submitter),
moda_submitter,
format(frecuencia_moda, big.mark = "."),
paste0(round(porcentaje_moda, 2), " %")
)
)
tabla_indicadores_submitter %>%
gt() %>%
tab_header(
title = md("**Tabla N.° 2**"),
subtitle = md("Indicadores estadísticos de la variable responsable del envío")
) %>%
tab_source_note(source_note = md("**Autor:** GRUPO 2")) %>%
tab_style(
style = cell_text(color = "white"),
locations = cells_title(groups = c("title", "subtitle"))
) %>%
tab_options(
heading.background.color = "#174f5d",
column_labels.background.color = "#79aa9c",
column_labels.font.weight = "bold"
)| Tabla N.° 2 | |
| Indicadores estadísticos de la variable responsable del envío | |
| Indicador | Resultado |
|---|---|
| Tamaño muestral (n) | 16.695 |
| Número de categorías | 5 |
| Moda | Wang, Bronwen |
| Frecuencia de la moda | 10.251 |
| Porcentaje de la moda | 61.4 % |
| Autor: GRUPO 2 | |
El valor más frecuente de la variable responsable del envío de las muestras geoquímicas de Alaska es Wang, Bronwen.