1 Configuración y Carga de Datos

# Datos de la práctica
TipoRoca <- c("Cuarzo", "Feldespato", "Mica")
ni       <- c(11, 6, 3)

datos_originales <- data.frame(TipoRoca, ni)
cat("Carga exitosa:", nrow(datos_originales), "categorías de roca registradas.\n")
## Carga exitosa: 3 categorías de roca registradas.

2 Extracción y Limpieza de la Variable

# Variable nominal: se respeta el orden en que vienen los datos (sin ordenar por frecuencia)
datos_originales$TipoRoca <- factor(datos_originales$TipoRoca, levels = TipoRoca)

N <- sum(datos_originales$ni)
if (N == 0L) stop("No existen registros válidos de Tipo de roca.")
cat("Registros válidos:", fmt_entero(N),
    " | Tipos de roca distintos:", nlevels(datos_originales$TipoRoca), "\n")
## Registros válidos: 20  | Tipos de roca distintos: 3

3 Identificación de la Variable

La variable Tipo de roca es cualitativa nominal: identifica la clase de roca (cuarzo, feldespato o mica) sin establecer un orden jerárquico natural entre sus categorías.

tipo_variable <- "Cualitativa nominal"

4 Tabla de Distribución de Frecuencias

TDF <- datos_originales |>
  dplyr::mutate(hi = ni / N)

cat(crear_cuadro(
  TDF, 1,
  "Distribución de frecuencias de las muestras según el tipo de roca"
))

Cuadro N° 1: Distribución de frecuencias de las muestras según el tipo de roca

Tipo de roca Frecuencia
absoluta (ni)
Frecuencia
relativa (hi)
Frecuencia relativa
porcentual (%)
Cuarzo 11 0,5500 55,00%
Feldespato 6 0,3000 30,00%
Mica 3 0,1500 15,00%
Total 20 1,0000 100,00%
Fuente: Datos de práctica de clase.
# TDF en formato de clase (hi en porcentaje)
TDF_clase <- data.frame(TipoRoca = TDF$TipoRoca, ni = TDF$ni, hi = TDF$hi * 100)
TDF_clase
##     TipoRoca ni hi
## 1     Cuarzo 11 55
## 2 Feldespato  6 30
## 3       Mica  3 15

5 Representación Gráfica

tabla_plot <- TDF |>
  dplyr::mutate(porcentaje = hi * 100)

5.1 Gráfica N° 1 — Diagrama de Barras (Frecuencia Absoluta)

ggplot2::ggplot(tabla_plot, ggplot2::aes(TipoRoca, ni, fill = TipoRoca)) +
  ggplot2::geom_col(width = .6) +
  ggplot2::geom_text(ggplot2::aes(label = fmt_entero(ni)), vjust = -.4, size = 4) +
  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 roca",
                x = "Tipo de roca", y = "Frecuencia absoluta (nᵢ)") + tema_barras

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

ggplot2::ggplot(tabla_plot, ggplot2::aes(TipoRoca, porcentaje, fill = TipoRoca)) +
  ggplot2::geom_col(width = .6) +
  ggplot2::geom_text(ggplot2::aes(label = paste0(fmt_dec(porcentaje, 2), "%")), vjust = -.4, size = 4) +
  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 roca",
                x = "Tipo de roca", y = "Frecuencia relativa porcentual (%)") + tema_barras

5.3 Gráfica N° 3 — Gráfica Circular Porcentual

leyenda <- paste0(as.character(tabla_plot$TipoRoca), " — ", paste0(fmt_dec(tabla_plot$porcentaje, 2), "%"))
ggplot2::ggplot(tabla_plot, ggplot2::aes(x = 1, y = ni, fill = TipoRoca)) +
  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 roca",
                fill = "Tipo de roca — porcentaje") +
  ggplot2::theme_void() +
  ggplot2::theme(plot.title = ggplot2::element_text(hjust = .5, face = "bold"),
                 legend.position = "right")

6 Conclusión

La variable Tipo de roca es cualitativa nominal y presenta 3 categorías en 20 registros válidos. La moda corresponde a Cuarzo, con una frecuencia de 11 muestras (55,00% del total), lo que evidencia que más de la mitad de las muestras analizadas son de este tipo de roca, seguido de feldespato (30 %) y mica (15 %).


Autor: Estalin Echeverría | Análisis Estadístico — Tipo de Roca