1. CARGA DE DATOS Y LIBRERÍAS

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
cat("Variables disponibles:", ncol(Alaska_Geoquimica), "\n")
## 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.

2. SELECCIÓN DE LA VARIABLE

# 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.

3. TABLA DE DISTRIBUCIÓN DE FRECUENCIA

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 %.

4. GRÁFICAS DE DISTRIBUCIÓN DE FRECUENCIA

# 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)
)

5. INDICADORES ESTADÍSTICOS

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

6. CONCLUSIONES

El valor más frecuente de la variable responsable del envío de las muestras geoquímicas de Alaska es Wang, Bronwen.