# 1. Instalar y cargar librerías necesarias
if(!require(readxl)) install.packages("readxl")
## Cargando paquete requerido: readxl
if(!require(sf)) install.packages("sf")
## Cargando paquete requerido: sf
## Warning: package 'sf' was built under R version 4.6.2
## Linking to GEOS 3.14.1, GDAL 3.12.1, PROJ 9.7.1; sf_use_s2() is TRUE
if(!require(dplyr)) install.packages("dplyr")
## Cargando paquete requerido: dplyr
##
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
if(!require(ggplot2)) install.packages("ggplot2")
## Cargando paquete requerido: ggplot2
if(!require(gstat)) install.packages("gstat")
## Cargando paquete requerido: gstat
## Warning: package 'gstat' was built under R version 4.6.2
if(!require(terra)) install.packages("terra")
## Cargando paquete requerido: terra
## Warning: package 'terra' was built under R version 4.6.2
## terra 1.9.50
if(!require(automap)) install.packages("automap")
## Cargando paquete requerido: automap
## Warning: package 'automap' was built under R version 4.6.2
## Registered S3 method overwritten by 'stars':
## method from
## st_interpolate_aw.stars sf
if(!require(mapview)) install.packages("mapview")
## Cargando paquete requerido: mapview
## Warning: package 'mapview' was built under R version 4.6.2
if(!require(htmlwidgets)) install.packages("htmlwidgets")
## Cargando paquete requerido: htmlwidgets
## Warning: package 'htmlwidgets' was built under R version 4.6.2
if(!require(leaflet)) install.packages("leaflet")
## Cargando paquete requerido: leaflet
## Warning: package 'leaflet' was built under R version 4.6.2
library(readxl)
library(sf)
library(dplyr)
library(ggplot2)
library(mapview)
library(RColorBrewer)
library(gstat)
library(automap)
library(terra)
library(htmlwidgets)
library(leaflet)
# IMPORTAR LA BASE DE DATOS
file.choose()
## [1] "C:\\Users\\vicen\\Desktop\\estadistica\\tarea 1\\TAREA11.Rmd"
df <- read_excel("C:/Users/vicen/Downloads/TAREA1_2026.xlsx", sheet = "Datos_Precipitacion")
names(df) <- c("id", "nombre", "lon", "lat", "elev", "precip")
str(df)
## tibble [100 × 6] (S3: tbl_df/tbl/data.frame)
## $ id : chr [1:100] "EST_001" "EST_002" "EST_003" "EST_004" ...
## $ nombre: chr [1:100] "Estación Weather 1" "Estación Weather 2" "Estación Weather 3" "Estación Weather 4" ...
## $ lon : num [1:100] -70.6 -70.5 -71.2 -71.4 -71.2 ...
## $ lat : num [1:100] -33.1 -32.7 -32.7 -32.5 -32.8 ...
## $ elev : num [1:100] 502 743 1074 1246 1119 ...
## $ precip: num [1:100] 1053 794 633 615 461 ...
head(df)
## # A tibble: 6 × 6
## id nombre lon lat elev precip
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 EST_001 Estación Weather 1 -70.6 -33.1 502 1053.
## 2 EST_002 Estación Weather 2 -70.5 -32.7 743 794.
## 3 EST_003 Estación Weather 3 -71.2 -32.7 1074 633.
## 4 EST_004 Estación Weather 4 -71.4 -32.5 1246 615
## 5 EST_005 Estación Weather 5 -71.2 -32.8 1119 461.
## 6 EST_006 Estación Weather 6 -71.3 -33.5 452 1184.
summary(df)
## id nombre lon lat
## Length :100 Length :100 Min. :-71.48 Min. :-33.79
## N.unique :100 N.unique :100 1st Qu.:-71.07 1st Qu.:-33.38
## N.blank : 0 N.blank : 0 Median :-70.70 Median :-33.07
## Min.nchar: 7 Min.nchar: 18 Mean :-70.73 Mean :-33.09
## Max.nchar: 7 Max.nchar: 20 3rd Qu.:-70.39 3rd Qu.:-32.76
## Max. :-70.00 Max. :-32.50
## elev precip
## Min. : 50.0 Min. : 309.0
## 1st Qu.: 245.0 1st Qu.: 789.9
## Median : 566.5 Median : 947.6
## Mean : 558.4 Mean : 905.3
## 3rd Qu.: 845.5 3rd Qu.:1057.2
## Max. :1246.0 Max. :1334.8
#ESTADÍSTICOS DESCRIPTIVOS DE LA PRECIPITACIÓN
x <- df$precip
n <- length(x) # Tamaño muestral
media <- mean(x) # Media muestral
sd_x <- sd(x) # Desviación estándar muestral
EE <- sd_x / sqrt(n) # Error estándar de la media
cv <- sd_x / media * 100 # Coeficiente de variación (%)
t_crit_1m <- qt(0.975, df = n - 1)
me <- t_crit_1m * EE
ic <- t.test(x, conf.level = 0.95)$conf.int
#TRANSFORMACIÓN A COORDENADAS UTM y GRAFICOS
#4. crear objetos espaciales
#coordenadas geograficas (WGS84) para el mapa web
datos_sf <- st_as_sf(df, coords =c("lon", "lat"), crs = 4326)
#5. transformar a coordenadas planas (UTM Zona 19s) para matematicas espacial (kriging)
datos_utm <-st_transform(datos_sf, crs = 32719)
# 7. Convertir UTM a formato 'Spatial' (sp) requerido por automap
datos_sp_utm <- as(datos_utm, "Spatial")
# 8. Variograma Experimental
var_exp <- variogram(precip ~ 1, data = datos_utm)
plot(var_exp, main = "Variograma Experimental de Precipitación (UTM)")
# 9. Autoajuste del Variograma
auto_var <- autofitVariogram(precip ~ 1, datos_sp_utm)
print(auto_var$var_model)
## model psill range kappa
## 1 Nug 2572.132 0 0.0
## 2 Ste 1225444.371 1685911 0.7
plot(auto_var)
# 10. Ejecutar Kriging Automático
# Usa la variable proyectada (datos_sp_utm)
kriging_automatico <- autoKrige(precip ~ 1, input_data = datos_sp_utm)
## [using ordinary kriging]
# Graficar resultados (predicción, error estándar)
plot(kriging_automatico)
# 11. Extraer las predicciones como dataframe espacial (sf) para exportar o re-graficar
kriging_sf <- st_as_sf(kriging_automatico$krige_output)
# MAPA INTERACTIVO
pal <- colorNumeric("YlGnBu", domain = df$precip)
mapa <- leaflet(df) %>%
addTiles() %>%
addCircleMarkers(~lon, ~lat, radius = 6,
color = ~pal(precip), fillOpacity = 0.9,
popup = ~paste0("<b>", nombre, "</b><br>Precip: ", precip,
" mm<br>Elev: ", elev, " m")) %>%
addLegend("bottomright", pal = pal, values = ~precip,
title = "Precip. anual (mm)")
mapa # se abre en el panel Viewer
saveWidget(mapa, "mapa_interactivo.html", selfcontained = TRUE)
¿A qué región corresponde?
Las coordenadas (latitud −32,5° a −33,8°; longitud −70,0° a −71,5°) corresponden a Chile central, la Región Metropolitana de Santiago, entre la Cordillera de los Andes (este) y la Cordillera de la Costa (oeste). Los bordes norte y occidental llegan a la Región de Valparaíso.
Comentario de la información
La precipitación media es de unos 905 mm/año, con variabilidad moderada (CV 22,6%) y una media estimada con buena precisión (IC 95%: 864,7 a 946,0 mm). Hay algunas estaciones muy secas (mínimo 309 mm) que bajan la media por debajo de la mediana (948 mm).
La lluvia disminuye con la elevación (r = −0,84) y hacia el norte (r = −0,78), y el kriging confirma ese gradiente espacial.
Dos puntos a verificar: 12 estaciones tienen exactamente 50 m de elevación (posible valor truncado), y que llueva menos a mayor altura contradice el efecto orográfico típico de los Andes de Chile central, por lo que conviene validar la fuente de los datos.