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

tipo_pozo_limpio <- datos_originales |>
  dplyr::transmute(TipoPozo=stringr::str_squish(as.character(.data[[columna_tipo_pozo]]))) |>
  dplyr::filter(!is.na(TipoPozo), TipoPozo != "", !toupper(TipoPozo) %in% c("NA", "N/A", "NULL"))
set.seed(2026)
tipo_pozo_limpio$TipoPozo <- factor(tipo_pozo_limpio$TipoPozo,
                               levels=sample(unique(tipo_pozo_limpio$TipoPozo)))
N <- nrow(tipo_pozo_limpio)
if (N == 0L) stop("No existen registros válidos de Well Type.")
cat("Registros válidos:", fmt_entero(N),
    " | Tipos de pozo distintos:", nlevels(tipo_pozo_limpio$TipoPozo), "\n")
## Registros válidos: 47.388  | Tipos de pozo distintos: 20

3 Identificación de la Variable

La variable Well Type (Tipo de pozo) es cualitativa nominal: clasifica los pozos según su tipo, sin establecer un orden jerárquico natural entre sus categorías.

tipo_variable <- "Cualitativa nominal"

4 Tabla de Distribución de Frecuencias

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según el tipo de pozo en el estado de Nueva York, 1860 - Actualidad",
  desplazamiento=TRUE))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según el tipo de pozo en el estado de Nueva York, 1860 - Actualidad
TIPO DE POZO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
DW 1.695 0.0358 3.58%
BR 765 0.0161 1.61%
MS 147 0.0031 0.31%
GE 326 0.0069 0.69%
DH 1.136 0.0240 2.40%
ST 973 0.0205 2.05%
GD 10.047 0.2120 21.20%
OD 17.885 0.3774 37.74%
LP 14 0.0003 0.03%
SG 326 0.0069 0.69%
OW 177 0.0037 0.37%
IW 4.502 0.0950 9.50%
NL 8.490 0.1792 17.92%
GW 658 0.0139 1.39%
MB 6 0.0001 0.01%
Confidential 14 0.0003 0.03%
TH 147 0.0031 0.31%
OE 13 0.0003 0.03%
DS 32 0.0007 0.07%
MM 35 0.0007 0.07%
Total 47.388 1.0000 100.00%

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

Top 6 de categorías con mayor frecuencia absoluta

El Cuadro N° 2 presenta los seis tipos de pozo con mayor frecuencia absoluta y «Otros», que reúne las categorías restantes. Los porcentajes se calculan sobre todos los registros válidos.

cat(crear_cuadro(tabla_resumen, 2,
  "Distribución de frecuencias de los seis tipos de pozo más frecuentes y Otros, Nueva York, 1860 - Actualidad"))
Cuadro N° 2: Distribución de frecuencias de los seis tipos de pozo más frecuentes y Otros, Nueva York, 1860 - Actualidad
TIPO DE POZO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
OD 17.885 0.3774 37.74%
GD 10.047 0.2120 21.20%
NL 8.490 0.1792 17.92%
IW 4.502 0.0950 9.50%
DW 1.695 0.0358 3.58%
DH 1.136 0.0240 2.40%
Otros 3.633 0.0767 7.67%
Total 47.388 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(TipoPozo, ni, fill=TipoPozo)) +
  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 tipo de pozo",x="Tipo de pozo",y="Frecuencia absoluta (nᵢ)") + tema_barras

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

ggplot2::ggplot(tabla_plot, ggplot2::aes(TipoPozo, porcentaje, fill=TipoPozo)) +
  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 tipo de pozo",x="Tipo de pozo",y="Frecuencia relativa porcentual (%)") + tema_barras

5.3 Gráfica N° 3 — Gráfica Circular Porcentual

leyenda <- paste0(as.character(tabla_plot$TipoPozo), " — ", sprintf("%.2f%%",tabla_plot$porcentaje))
ggplot2::ggplot(tabla_plot,ggplot2::aes(x=1,y=ni,fill=TipoPozo)) +
  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 tipo de pozo",fill="Tipo de pozo — 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 Well Type (Tipo de pozo), 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)
Well Type (Tipo de pozo) N/A N/A OD N/A N/A N/A N/A N/A

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

Registros válidos (N): 47.388   |   Categorías: 20   |   Frecuencia modal: 17.885   |   Porcentaje modal: 37.74%.

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

7 Conclusión

La variable Well Type (Tipo de pozo) es cualitativa nominal policotómica y presenta 20 categorías en 47.388 registros válidos. La moda corresponde a OD, con una frecuencia de 17.885 pozos (37.74% del total), lo que evidencia una concentración de los registros en determinados tipos de pozo del estado de Nueva York.

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