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.
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
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"
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))
| 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.
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"))
| 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.
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
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
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")
cat(crear_indicadores())
| 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.
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