#------------------ UNIVERSIDAD CENTRAL DEL ECUADOR
##-----Facultad de Ingeniería en Geología, Minas, Petróleos y Ambiental
###-----------------Carrera de Ingeniería Ambiental

Proyecto: Estudio de Contaminación por Plásticos a Nivel Mundial
Etapa: Estadística Descriptiva
Variable cualitativa nominal: País

# Integrantes: Jhoao Cueva, Deisy Guasti, Marck Pillajo, María José Samaniego, Carlos Yugsi
# Fecha: 16/11/2026

# Paquetes (solo la primera vez):  install.packages(c("dplyr", "gt"))
library(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
library(gt)

1. Carga de datos

Se trabaja con el dataset depurado. Si guardaste el archivo en otra carpeta, cambia la ruta.

archivo <- "C:/Users/HOME/Downloads/dataset_depurado.csv"
datos <- read.csv(archivo, stringsAsFactors = FALSE,
                  na.strings = c("", "NA"), fileEncoding = "UTF-8")
nrow(datos)
## [1] 49667

2. Tabla de distribución de frecuencias

ni: frecuencia absoluta. hi: frecuencia relativa (proporción). hi(%): frecuencia relativa porcentual. Se muestran los países con más registros; el resto se agrupa en “Otros países”.

# Se muestran los países con más registros y el resto se agrupa en "Otros países".
# Para ver más o menos países, cambia el número de n_top.
n_top <- 10

TDF <- data.frame(Categoria = datos$COUNTRY) %>%
  filter(!is.na(Categoria) & Categoria != "") %>%
  count(Categoria, name = "ni") %>%
  arrange(desc(ni))

if (nrow(TDF) > n_top) {
  TDF <- bind_rows(slice(TDF, 1:n_top),
                   data.frame(Categoria = "Otros países", ni = sum(TDF$ni[-(1:n_top)])))
}
TDF <- TDF %>%
  mutate(
    Categoria = as.character(Categoria),
    hi        = round(ni / sum(ni), 4),
    hi_pct    = round((ni / sum(ni)) * 100, 2)
  )

# Agregar fila TOTAL
fila_total <- data.frame(Categoria = "TOTAL", ni = sum(TDF$ni), hi = 1, hi_pct = 100)
TDF_suma <- bind_rows(TDF, fila_total)

# Mostrar tabla estilizada con gt
TDF_suma %>%
  gt() %>%
  tab_header(
    title = md("**Tabla Nro. 1**"),
    subtitle = "Distribución de frecuencias de la variable País en el Estudio de Contaminación por Plásticos a Nivel Mundial"
  ) %>%
  cols_label(Categoria = "País", ni = "ni", hi = "hi", hi_pct = "hi(%)") %>%
  fmt_number(columns = "ni", decimals = 0, use_seps = FALSE) %>%
  fmt_number(columns = "hi", decimals = 4) %>%
  fmt_number(columns = "hi_pct", decimals = 2) %>%
  cols_align(align = "center", columns = c("ni", "hi", "hi_pct")) %>%
  tab_style(
    style = list(cell_text(weight = "bold"), cell_fill(color = "#E3EAF2")),
    locations = cells_body(rows = Categoria == "TOTAL")
  ) %>%
  tab_source_note(
    source_note = md("Elaborado por: Grupo 2 <br> Fuente: dataset de contaminación por plásticos a nivel mundial (depurado)")
  ) %>%
  tab_options(
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.width = px(2),
    row.striping.include_table_body = TRUE,
    heading.border.bottom.width = px(2)
  )
Tabla Nro. 1
Distribución de frecuencias de la variable País en el Estudio de Contaminación por Plásticos a Nivel Mundial
País ni hi hi(%)
United States 29194 0.5909 59.09
Canada 3185 0.0645 6.45
United Kingdom 1479 0.0299 2.99
Switzerland 1043 0.0211 2.11
Malaysia 867 0.0175 1.75
Mexico 636 0.0129 1.29
South Africa 581 0.0118 1.18
China 576 0.0117 1.17
Italy 542 0.0110 1.10
Norway 527 0.0107 1.07
Otros países 10778 0.2181 21.81
TOTAL 49408 1.0000 100.00
Elaborado por: Grupo 2
Fuente: dataset de contaminación por plásticos a nivel mundial (depurado)

3. Representación gráfica

Colores y nombres que se usan en todas las gráficas.

col_ni  <- "#2B5C8F"   # azul formal (frecuencia absoluta)
col_hi  <- "#3E8E87"   # verde azulado formal (frecuencia relativa)
paleta  <- colorRampPalette(c("#1F3A5F", "#4F81A8", "#B8CCDC"))(nrow(TDF))
nombres <- ifelse(nchar(TDF$Categoria) > 27,
                  paste0(substr(TDF$Categoria, 1, 24), "..."), TDF$Categoria)
mb      <- max(6, min(14, max(nchar(nombres)) * 0.45))   # margen inferior

Gráfico Nro. 1: Distribución global (ni)

par(mar = c(mb, 6.5, 4, 2))
g1 <- barplot(TDF$ni, names.arg = nombres, col = col_ni, border = NA,
              main = "Gráfico Nro. 1: Distribución Global de País (ni)",
              xlab = "", ylab = "", ylim = c(0, sum(TDF$ni)),
              las = 2, cex.names = 0.85, cex.axis = 0.85, cex.main = 1)
title(xlab = "País", line = mb - 1.5)
title(ylab = "Cantidad", line = 4.5)
text(g1, TDF$ni, labels = TDF$ni, pos = 3, cex = 0.8, col = "black")

Gráfico Nro. 2: Distribución local (ni)

par(mar = c(mb, 6.5, 4, 2))
g2 <- barplot(TDF$ni, names.arg = nombres, col = col_ni, border = NA,
              main = "Gráfico Nro. 2: Distribución Local de País (ni)",
              xlab = "", ylab = "", ylim = c(0, max(TDF$ni) * 1.15),
              las = 2, cex.names = 0.85, cex.axis = 0.85, cex.main = 1)
title(xlab = "País", line = mb - 1.5)
title(ylab = "Cantidad", line = 4.5)
text(g2, TDF$ni, labels = TDF$ni, pos = 3, cex = 0.8, col = "black")

Gráfico Nro. 3: Distribución global porcentual (hi%)

par(mar = c(mb, 6.5, 4, 2))
g3 <- barplot(TDF$hi_pct, names.arg = nombres, col = col_hi, border = NA,
              main = "Gráfico Nro. 3: Distribución Global Porcentual de País (hi%)",
              xlab = "", ylab = "", ylim = c(0, 100),
              las = 2, cex.names = 0.85, cex.axis = 0.85, cex.main = 1)
title(xlab = "País", line = mb - 1.5)
title(ylab = "Porcentaje (%)", line = 4.5)
text(g3, TDF$hi_pct, labels = paste0(TDF$hi_pct, "%"), pos = 3, cex = 0.8, col = "black")

Gráfico Nro. 4: Distribución local porcentual (hi%)

par(mar = c(mb, 6.5, 4, 2))
g4 <- barplot(TDF$hi_pct, names.arg = nombres, col = col_hi, border = NA,
              main = "Gráfico Nro. 4: Distribución Local Porcentual de País (hi%)",
              xlab = "", ylab = "", ylim = c(0, max(TDF$hi_pct) * 1.15),
              las = 2, cex.names = 0.85, cex.axis = 0.85, cex.main = 1)
title(xlab = "País", line = mb - 1.5)
title(ylab = "Porcentaje (%)", line = 4.5)
text(g4, TDF$hi_pct, labels = paste0(TDF$hi_pct, "%"), pos = 3, cex = 0.8, col = "black")

Gráfico Nro. 5: Diagrama circular porcentual (hi%)

El porcentaje de cada categoría se escribe afuera del círculo y la leyenda indica a qué categoría corresponde cada color.

# El círculo va a la izquierda, con los porcentajes afuera, y la leyenda en recuadro a la derecha
layout(matrix(c(1, 2), nrow = 1), widths = c(3, 2))
par(mar = c(1.5, 2, 4.5, 0), xpd = TRUE)
r_pie <- 0.62
pie(TDF$hi_pct, labels = rep("", nrow(TDF)),
    col = paleta, border = "black", radius = r_pie,
    clockwise = TRUE, init.angle = 90,
    main = "Gráfico Nro. 5: Distribución Porcentual de País")

# Cálculo de posiciones con espacio extra para apilar 11 etiquetas sin tocar el título ni el pastel
prop <- TDF$ni / sum(TDF$ni)
ang  <- (90 - 360 * (cumsum(prop) - prop / 2)) * pi / 180
x0 <- r_pie * cos(ang)
y0 <- r_pie * sin(ang)
x1 <- 1.14 * r_pie * cos(ang)
y1 <- 1.14 * r_pie * sin(ang)
dy <- strheight("X", cex = 0.8) * 1.2

separar_arriba <- function(y, dy) {
  o <- order(y, decreasing = FALSE)
  yy <- y[o]
  if (length(yy) > 1) {
    for (k in 2:length(yy)) {
      if (yy[k] < yy[k - 1] + dy) yy[k] <- yy[k - 1] + dy
    }
  }
  y[o] <- yy
  y
}

der <- cos(ang) >= 0
y1[der]  <- separar_arriba(y1[der], dy)
y1[!der] <- separar_arriba(y1[!der], dy)

x2 <- x1 + ifelse(der, 0.08, -0.08)

segments(x0, y0, x1, y1)
segments(x1, y1, x2, y1)
text(x2, y1, labels = sprintf("%.2f %%", TDF$hi_pct),
     pos = ifelse(der, 4, 2), cex = 0.8, offset = 0.2)

# Leyenda en recuadro
par(mar = c(1.5, 0, 4.5, 2))
plot.new()
legend("topleft", inset = c(0.02, 0.05), legend = nombres,
       fill = paleta, title = "Leyenda", cex = 0.85)

layout(1)