Se carga el archivo de producción de petróleo y gas natural por pozo en tierra de Brasil, publicado por la ANP (Agência Nacional do Petróleo, Gás Natural e Biocombustíveis), correspondiente a enero de 2023. El archivo debe estar en la misma carpeta que este documento; si no se encuentra, se abre una ventana para elegirlo.
library(readr)
library(dplyr)
library(gt)
autor <- "Grupo Brasil" # cambia aquí el nombre del autor o del grupo
ruta_archivo <- "2023_01_producao_Terra.csv"
if (!file.exists(ruta_archivo)) ruta_archivo <- file.choose()
datos_brasil <- read_delim(
ruta_archivo,
delim = ";",
col_names = FALSE,
col_types = cols(.default = col_character()),
locale = locale(encoding = "UTF-8")
)
cat("Base de datos cargada correctamente.\n")## Base de datos cargada correctamente.
Las tres primeras filas del archivo son encabezados (el nombre de la columna y dos subencabezados), por eso se leen las columnas por posición y se conservan solo las filas del período 2023/01. Los números usan coma decimal y punto de miles.
a_numero <- function(x) as.numeric(gsub(",", ".", gsub(".", "", x, fixed = TRUE), fixed = TRUE))
registros <- datos_brasil %>%
filter(X8 == "2023/01") %>%
transmute(
estado = X1,
cuenca = X2,
pozo = X3,
campo = X5,
operador = X6,
instalacion = X18,
oleo = a_numero(X9),
condensado = a_numero(X10),
gas_asociado = a_numero(X12),
gas_no_asociado = a_numero(X13),
gas_total = a_numero(X14),
agua = a_numero(X16),
horas = a_numero(X19),
api = a_numero(X22)
) %>%
mutate(orden = row_number())
cat("Total de registros (filas):", nrow(registros), "\n")## Total de registros (filas): 5471
## Total de pozos distintos: 5308
Un mismo pozo puede aparecer en varias filas (una por cada campo al que entrega producción). Se consolida un registro por pozo: los volúmenes se suman, las horas toman el máximo, y los datos cualitativos y el grado API se toman de la fila con más óleo (en caso de empate, la primera del archivo).
suma_na <- function(x) if (all(is.na(x))) NA_real_ else sum(x, na.rm = TRUE)
maximo_na <- function(x) if (all(is.na(x))) NA_real_ else max(x, na.rm = TRUE)
pozos <- registros %>%
arrange(desc(oleo), orden) %>%
group_by(pozo) %>%
summarise(
estado = first(estado),
cuenca = first(cuenca),
campo = first(campo),
operador = first(operador),
instalacion = first(instalacion),
api = first(api[!is.na(api)]),
oleo = suma_na(oleo),
condensado = suma_na(condensado),
gas_asociado = suma_na(gas_asociado),
gas_no_asociado = suma_na(gas_no_asociado),
gas_total = suma_na(gas_total),
agua = suma_na(agua),
horas = maximo_na(horas),
.groups = "drop"
)
cat("Pozos consolidados:", nrow(pozos), "\n")## Pozos consolidados: 5308
Se realiza el aislamiento y limpieza de la variable Produce
óleo (derivada del óleo del pozo: Sí cuando el
óleo consolidado es mayor que cero y No cuando es
cero). Se descartan los pozos sin dato (NA).
pozos <- pozos %>%
mutate(produce_oleo = case_when(
oleo > 0 ~ "Sí",
oleo == 0 ~ "No"
))
cat("Valores únicos originales en produce_oleo:\n")## Valores únicos originales en produce_oleo:
## [1] "No" "Sí"
x_raw <- pozos %>%
filter(!is.na(produce_oleo)) %>%
pull(produce_oleo)
n <- length(x_raw)
if (n == 0) {
stop("No se encontraron valores en produce_oleo. Revisa los valores únicos impresos arriba.")
}
orden_logico <- c("Sí", "No")
x_raw <- factor(x_raw, levels = orden_logico)
cat("Observaciones válidas:", n, "\n")## Observaciones válidas: 5308
## Pozos sin dato: 0
## Valores únicos: 2
Se presenta la ficha técnica de identificación de la variable, especificando su naturaleza estadística y su fuente de origen.
tabla_id <- data.frame(
Criterio = c(
"Nombre", "Nombre técnico", "Tipo", "Subtipo",
"Dominio", "Rango", "Unidad", "Escala", "Fuente"
),
Clasificacion = c(
"Produce óleo",
"Derivada de Óleo (bbl/dia)",
"Cualitativa",
"Nominal dicotómica",
"{Sí, No}",
paste(nlevels(x_raw), "categorías"),
"No aplica",
"Nominal",
"Cálculo propio a partir del óleo del pozo (ANP)"
)
)
tabla_id %>%
gt() %>%
tab_header(
title = md("**Identificación de la Variable**")
) %>%
cols_label(
Criterio = md("**Criterio**"),
Clasificacion = md("**Clasificación**")
) %>%
tab_style(
style = list(
cell_fill(color = "#F2C14E"),
cell_text(color = "#0B221E", weight = "bold")
),
locations = cells_column_labels()
) %>%
tab_style(
style = cell_text(color = "#0d2b24"),
locations = cells_title(groups = "title")
) %>%
tab_style(
style = cell_fill(color = "#EDEAE4"),
locations = cells_body(rows = seq(1, nrow(tabla_id), by = 2))
) %>%
tab_source_note(source_note = md(paste0("*Autor: ", autor, "*"))) %>%
tab_style(
style = cell_text(color = "#8C6D46"),
locations = cells_source_notes()
) %>%
tab_options(
table.width = pct(70),
heading.title.font.size = px(16),
heading.subtitle.font.size = px(12),
table.font.size = px(13),
data_row.padding = px(6)
)| Identificación de la Variable | |
| Criterio | Clasificación |
|---|---|
| Nombre | Produce óleo |
| Nombre técnico | Derivada de Óleo (bbl/dia) |
| Tipo | Cualitativa |
| Subtipo | Nominal dicotómica |
| Dominio | {Sí, No} |
| Rango | 2 categorías |
| Unidad | No aplica |
| Escala | Nominal |
| Fuente | Cálculo propio a partir del óleo del pozo (ANP) |
| Autor: Grupo Brasil | |
Justificación: La variable toma únicamente dos valores posibles (Sí/No), sin orden natural entre ellos. Corresponde a una variable cualitativa nominal dicotómica. Se construye la tabla de distribución de frecuencias con frecuencia absoluta y porcentual.
Se calcula la distribución de frecuencias absolutas (ni) y porcentuales (hi%) para las categorías de la variable cualitativa nominal, respetando la estructura de tres columnas estipulada por la cátedra.
# 1. Frecuencias absolutas
frecuencias_base <- data.frame(
Categoria = levels(x_raw),
Frecuencia_ni = as.integer(table(x_raw))
) %>%
arrange(match(Categoria, orden_logico))
# 2. Porcentaje
tabla_final <- frecuencias_base %>%
mutate(Porcentaje_hi = (Frecuencia_ni / sum(Frecuencia_ni)) * 100)
# 3. Fila TOTAL
total_fila <- data.frame(
Categoria = "TOTAL",
Frecuencia_ni = sum(tabla_final$Frecuencia_ni),
Porcentaje_hi = sum(tabla_final$Porcentaje_hi)
)
# 4. Formateo
resultado <- bind_rows(
tabla_final %>% mutate(Porcentaje_hi = sprintf("%.2f", Porcentaje_hi)),
total_fila %>% mutate(Porcentaje_hi = sprintf("%.2f", Porcentaje_hi))
)
# 5. Tabla GT
resultado %>%
gt() %>%
tab_header(
title = md("**Tabla N°1: Distribución de Frecuencias**"),
subtitle = md("*Variable Cualitativa Nominal: Produce óleo*")
) %>%
cols_label(
Categoria = md("**Produce óleo**"),
Frecuencia_ni = md("**Frecuencia (ni)**"),
Porcentaje_hi = md("**Porcentaje (hi%)**")
) %>%
tab_style(
style = list(
cell_fill(color = "#F2C14E"),
cell_text(color = "#0B221E", weight = "bold")
),
locations = cells_column_labels()
) %>%
tab_style(
style = cell_text(color = "#0d2b24"),
locations = cells_title(groups = "title")
) %>%
tab_style(
style = cell_fill(color = "#EDEAE4"),
locations = cells_body(rows = seq(1, nrow(resultado), by = 2))
) %>%
tab_style(
style = list(
cell_fill(color = "#FBEFC8"),
cell_text(weight = "bold")
),
locations = cells_body(
rows = Categoria == "TOTAL",
columns = everything()
)
) %>%
tab_source_note(source_note = md(paste0("*Autor: ", autor, "*"))) %>%
tab_style(
style = cell_text(color = "#8C6D46"),
locations = cells_source_notes()
) %>%
tab_options(
table.width = pct(60),
heading.title.font.size = px(16),
heading.subtitle.font.size = px(12),
table.font.size = px(13),
data_row.padding = px(6)
)| Tabla N°1: Distribución de Frecuencias | ||
| Variable Cualitativa Nominal: Produce óleo | ||
| Produce óleo | Frecuencia (ni) | Porcentaje (hi%) |
|---|---|---|
| Sí | 4888 | 92.09 |
| No | 420 | 7.91 |
| TOTAL | 5308 | 100.00 |
| Autor: Grupo Brasil | ||
Se presentan tres gráficas en tonos amarillo y verde claro que permiten analizar visualmente la distribución de la variable cualitativa nominal Produce óleo.
par(mar = c(8, 6, 5, 2))
bp1 <- barplot(tabla_final$Frecuencia_ni,
main = "",
xlab = "",
ylab = "",
col = colores,
border = "#8C6D46",
ylim = c(0, max(tabla_final$Frecuencia_ni) * 1.15),
names.arg = as.character(tabla_final$Categoria),
cex.names = 0.9,
las = 2)
mtext("Frecuencia (ni)", side = 2, line = 4.5, cex = 1, font = 1)
mtext("Produce óleo", side = 1, line = 8 - 1.5, cex = 1)
mtext("Gráfica N°1: Distribución de Frecuencias Absolutas de la Variable Produce óleo",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")
text(x = bp1,
y = tabla_final$Frecuencia_ni,
labels = format(tabla_final$Frecuencia_ni, big.mark = ","),
pos = 3, cex = 0.85, col = "#C9930A")par(mar = c(8, 6, 5, 2))
bp2 <- barplot(tabla_final$Porcentaje_hi,
main = "",
xlab = "",
ylab = "Porcentaje %",
col = colores,
border = "#8C6D46",
ylim = c(0, max(tabla_final$Porcentaje_hi) * 1.2),
names.arg = as.character(tabla_final$Categoria),
cex.names = 0.9,
las = 2)
mtext("Produce óleo", side = 1, line = 8 - 1.5, cex = 1)
mtext("Gráfica N°2: Distribución Porcentual de la Variable Produce óleo",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")
text(x = bp2,
y = tabla_final$Porcentaje_hi,
labels = paste0(round(tabla_final$Porcentaje_hi, 2), "%"),
pos = 3, cex = 0.85, col = "#C9930A")par(mar = c(5, 2, 4, 14), xpd = TRUE)
pie(tabla_final$Porcentaje_hi,
main = "",
radius = 1,
labels = ifelse(tabla_final$Porcentaje_hi >= 2,
paste0(round(tabla_final$Porcentaje_hi, 2), "%"), ""),
col = colores,
border = "#8C6D46",
cex = 0.9)
mtext("Gráfica N°3: Distribución Porcentual de la Variable Produce óleo",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")
legend(x = 1.2,
y = 1.1,
legend = as.character(tabla_final$Categoria),
fill = colores,
cex = 0.85,
title = "Produce óleo",
bty = "n")Para la variable cualitativa nominal Produce óleo, el único indicador de tendencia central aplicable es la moda. La mediana, media, varianza y demás medidas de dispersión no aplican para este tipo de variable.
# Moda: categoría con mayor frecuencia (con todas las categorías)
moda_variable <- names(which.max(table(x_raw)))
porcentaje_moda <- max(table(x_raw)) / n * 100
# Tabla de indicadores en formato largo
tabla_indicadores <- data.frame(
Indicador = c(
"Variable",
"Tipo de variable",
"Categorías (Rango)",
"Moda (Mo)",
"Mediana (Me)",
"Media (X̄)",
"Varianza (V)",
"Desv. Estándar (Sd)",
"Coef. Variación (CV%)",
"Asimetría (As)",
"Curtosis (K)"
),
Valor = c(
"Produce óleo",
"Cualitativa Nominal Dicotómica",
if (nlevels(x_raw) <= 4) paste(levels(x_raw), collapse = " — ") else paste(nlevels(x_raw), "categorías"),
moda_variable,
"—",
"—",
"—",
"—",
"—",
"—",
"—"
)
)
# Tabla GT de indicadores
tabla_indicadores %>%
gt() %>%
tab_header(
title = md("**Tabla N°2: Indicadores Estadísticos**"),
subtitle = md("*Variable Cualitativa Nominal: Produce óleo*")
) %>%
cols_label(
Indicador = md("**Indicador**"),
Valor = md("**Valor**")
) %>%
tab_style(
style = list(
cell_fill(color = "#F2C14E"),
cell_text(color = "#0B221E", weight = "bold")
),
locations = cells_column_labels()
) %>%
tab_style(
style = cell_text(color = "#0d2b24"),
locations = cells_title(groups = "title")
) %>%
tab_style(
style = cell_fill(color = "#EDEAE4"),
locations = cells_body(rows = seq(1, nrow(tabla_indicadores), by = 2))
) %>%
tab_style(
style = list(
cell_fill(color = "#FBEFC8"),
cell_text(weight = "bold")
),
locations = cells_body(
rows = Indicador == "Moda (Mo)",
columns = everything()
)
) %>%
tab_style(
style = cell_text(style = "italic", color = "#2C3531"),
locations = cells_body(
rows = Valor == "—",
columns = Valor
)
) %>%
tab_source_note(source_note = md(paste0("*Autor: ", autor, "*"))) %>%
tab_style(
style = cell_text(color = "#8C6D46"),
locations = cells_source_notes()
) %>%
tab_options(
table.width = pct(60),
heading.title.font.size = px(16),
heading.subtitle.font.size = px(12),
table.font.size = px(13),
data_row.padding = px(6)
)| Tabla N°2: Indicadores Estadísticos | |
| Variable Cualitativa Nominal: Produce óleo | |
| Indicador | Valor |
|---|---|
| Variable | Produce óleo |
| Tipo de variable | Cualitativa Nominal Dicotómica |
| Categorías (Rango) | Sí — No |
| Moda (Mo) | Sí |
| Mediana (Me) | — |
| Media (X̄) | — |
| Varianza (V) | — |
| Desv. Estándar (Sd) | — |
| Coef. Variación (CV%) | — |
| Asimetría (As) | — |
| Curtosis (K) | — |
| Autor: Grupo Brasil | |
La variable Produce óleo es una variable cualitativa nominal dicotómica con 2 categorías observadas en 5,308 pozos con dato. Su valor más frecuente (moda) es Sí, con una participación del 92.09% en la muestra, lo que evidencia que la gran mayoría de los pozos terrestres de Brasil reportó producción de óleo en enero de 2023.
Autor: Grupo Brasil