1 Configuración y Carga de Datos

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
cat("Total de pozos distintos:", n_distinct(registros$pozo), "\n")
## 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

2 Extracción y Limpieza de la Variable

Se realiza el aislamiento y limpieza de la variable Días equivalentes completos (derivada de las horas de producción: la parte entera de las horas del pozo divididas entre 24). Se descartan los pozos sin dato (NA). No son días calendario efectivamente trabajados, sino el equivalente en días completos de las horas reportadas.

# Días equivalentes completos = parte entera de (horas / 24)
pozos <- pozos %>%
  mutate(dias = floor(horas / 24))

cat("Resumen de dias antes de la limpieza:\n")
## Resumen de dias antes de la limpieza:
print(summary(pozos$dias))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##       0      20      30      24      31      31
x_raw <- pozos %>%
  filter(!is.na(dias)) %>%
  pull(dias)

n <- length(x_raw)

if (n == 0) {
  stop("No se encontraron valores en dias. Revisa el resumen impreso arriba.")
}

f_num <- function(x, d = 2) formatC(x, format = "f", digits = d, big.mark = ",")

cat("Observaciones válidas:", n, "\n")
## Observaciones válidas: 5308
cat("Sin dato:", sum(is.na(pozos$dias)), "\n")
## Sin dato: 0
cat("Valores únicos:", length(unique(x_raw)), "\n")
## Valores únicos: 32
cat("Ceros:", sum(x_raw == 0), "\n")
## Ceros: 356

3 Identificación de la Variable

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(
    "Días equivalentes completos",
    "Derivada de Tempo de Produção (hs por mês)",
    "Cuantitativa",
    "Discreta",
    "{0, 1, 2, …, 31}",
    paste0("[", f_num(min(x_raw)), " ; ", f_num(max(x_raw)), "] días"),
    "días",
    "Razón",
    "Cálculo propio a partir de las horas de producción (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 Días equivalentes completos
Nombre técnico Derivada de Tempo de Produção (hs por mês)
Tipo Cuantitativa
Subtipo Discreta
Dominio {0, 1, 2, …, 31}
Rango [0.00 ; 31.00] días
Unidad días
Escala Razón
Fuente Cálculo propio a partir de las horas de producción (ANP)
Autor: Grupo Brasil

Justificación: La variable cuenta días completos: toma valores enteros de 0 a 31 y el cero significa ausencia de producción. Corresponde a una variable cuantitativa discreta en escala de razón.

4 Tabla de Distribución de Frecuencias

Como la variable es discreta y toma pocos valores distintos (de 0 a 31 días), la tabla se construye valor por valor, con frecuencias absolutas (ni), porcentuales (hi%) y acumuladas (Ni, Hi%).

# 1. Frecuencias absolutas por valor
frecuencias_base <- as.data.frame(table(x_raw), stringsAsFactors = FALSE)
names(frecuencias_base) <- c("Valor", "Frecuencia_ni")
frecuencias_base$Valor <- as.numeric(frecuencias_base$Valor)

# 2. Porcentaje y frecuencias acumuladas
tabla_final <- frecuencias_base %>%
  arrange(Valor) %>%
  mutate(
    Porcentaje_hi = (Frecuencia_ni / sum(Frecuencia_ni)) * 100,
    Frecuencia_Ni = cumsum(Frecuencia_ni),
    Porcentaje_Hi = cumsum(Porcentaje_hi)
  )

# 3. Fila TOTAL y formateo
resultado <- bind_rows(
  tabla_final %>% mutate(
    Valor         = as.character(Valor),
    Porcentaje_hi = sprintf("%.2f", Porcentaje_hi),
    Frecuencia_Ni = as.character(Frecuencia_Ni),
    Porcentaje_Hi = sprintf("%.2f", Porcentaje_Hi)
  ),
  data.frame(
    Valor         = "TOTAL",
    Frecuencia_ni = sum(tabla_final$Frecuencia_ni),
    Porcentaje_hi = sprintf("%.2f", sum(tabla_final$Porcentaje_hi)),
    Frecuencia_Ni = "—",
    Porcentaje_Hi = "—"
  )
)

# 4. Tabla GT
resultado %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°1: Distribución de Frecuencias**"),
    subtitle = md("*Variable Cuantitativa Discreta: Días equivalentes completos*")
  ) %>%
  cols_label(
    Valor         = md("**Días equivalentes completos**"),
    Frecuencia_ni = md("**Frecuencia (ni)**"),
    Porcentaje_hi = md("**Porcentaje (hi%)**"),
    Frecuencia_Ni = md("**Frec. acumulada (Ni)**"),
    Porcentaje_Hi = md("**Porc. acumulado (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    = Valor == "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(75),
    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 Cuantitativa Discreta: Días equivalentes completos
Días equivalentes completos Frecuencia (ni) Porcentaje (hi%) Frec. acumulada (Ni) Porc. acumulado (Hi%)
0 356 6.71 356 6.71
1 50 0.94 406 7.65
2 60 1.13 466 8.78
3 42 0.79 508 9.57
4 71 1.34 579 10.91
5 47 0.89 626 11.79
6 70 1.32 696 13.11
7 60 1.13 756 14.24
8 45 0.85 801 15.09
9 43 0.81 844 15.90
10 32 0.60 876 16.50
11 47 0.89 923 17.39
12 42 0.79 965 18.18
13 32 0.60 997 18.78
14 17 0.32 1014 19.10
15 38 0.72 1052 19.82
16 35 0.66 1087 20.48
17 50 0.94 1137 21.42
18 80 1.51 1217 22.93
19 55 1.04 1272 23.96
20 59 1.11 1331 25.08
21 36 0.68 1367 25.75
22 62 1.17 1429 26.92
23 101 1.90 1530 28.82
24 91 1.71 1621 30.54
25 128 2.41 1749 32.95
26 44 0.83 1793 33.78
27 65 1.22 1858 35.00
28 107 2.02 1965 37.02
29 242 4.56 2207 41.58
30 1507 28.39 3714 69.97
31 1594 30.03 5308 100.00
TOTAL 5308 100.00 — —
Autor: Grupo Brasil

5 Representación Gráfica

Se presentan cuatro gráficas en tonos amarillo y verde claro para la variable discreta Días equivalentes completos.

5.1 Gráfica N°1 — Diagrama de bastones (frecuencia absoluta)

par(mar = c(6, 6, 5, 2))
plot(tabla_final$Valor, tabla_final$Frecuencia_ni,
     type = "h", lwd = 8, lend = 1, col = "#F2C14E",
     xlab = "", ylab = "",
     ylim = c(0, max(tabla_final$Frecuencia_ni) * 1.15),
     xaxt = "n")
points(tabla_final$Valor, tabla_final$Frecuencia_ni, pch = 19, col = "#0d2b24")
axis(1, at = tabla_final$Valor, labels = tabla_final$Valor, cex.axis = 0.8)

mtext("Frecuencia (ni)",          side = 2, line = 4.5, cex = 1)
mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°1: Diagrama de Bastones de la Variable Días equivalentes completos",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

text(x = tabla_final$Valor, y = tabla_final$Frecuencia_ni,
     labels = format(tabla_final$Frecuencia_ni, big.mark = ","),
     pos = 3, cex = 0.7, col = "#C9930A")

5.2 Gráfica N°2 — Barras de porcentaje

par(mar = c(6, 6, 5, 2))
bp2 <- barplot(tabla_final$Porcentaje_hi,
               main      = "",
               ylab      = "Porcentaje %",
               col       = c("#F2C14E", "#FBEFC8"),
               border    = "#8C6D46",
               ylim      = c(0, max(tabla_final$Porcentaje_hi) * 1.2),
               names.arg = tabla_final$Valor,
               cex.names = 0.8,
               las       = 1)

mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°2: Distribución Porcentual de la Variable Días equivalentes completos",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

5.3 Gráfica N°3 — Ojiva escalonada (Hi%)

par(mar = c(6, 6, 5, 2))
plot(stepfun(tabla_final$Valor, c(0, tabla_final$Porcentaje_Hi)),
     main = "", xlab = "", ylab = "Porcentaje acumulado (Hi%)",
     col = "#8C6D46", lwd = 2, verticals = FALSE, pch = 19,
     ylim = c(0, 105))
abline(h = 50, lty = 2, col = "#0d2b24")
grid(col = "#D8D2C5")

mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°3: Ojiva Escalonada de la Variable Días equivalentes completos",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

5.4 Gráfica N°4 — Diagrama de caja

par(mar = c(6, 4, 5, 2))
boxplot(x_raw, horizontal = TRUE,
        col = "#FBEFC8", border = "#0d2b24",
        outcol = "#8C6D46", pch = 19, cex = 0.6)

mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°4: Diagrama de Caja de la Variable Días equivalentes completos",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

6 Tabla de Indicadores

Para la variable cuantitativa discreta Días equivalentes completos se calculan las medidas de tendencia central, dispersión y forma. La varianza y la desviación estándar son muestrales (n − 1); la asimetría y la curtosis son los coeficientes ajustados por tamaño de muestra (la curtosis se informa como exceso sobre la normal, que vale 0). Los valores atípicos se cuentan con la regla de 1,5 veces el rango intercuartílico.

# Tendencia central y dispersión
media    <- mean(x_raw)
mediana  <- median(x_raw)
varianza <- var(x_raw)
desv     <- sd(x_raw)
cv       <- desv / media * 100

# Forma: asimetría (G1) y curtosis en exceso (G2) ajustadas
m2 <- mean((x_raw - media)^2)
m3 <- mean((x_raw - media)^3)
m4 <- mean((x_raw - media)^4)
asimetria <- (m3 / m2^1.5) * sqrt(n * (n - 1)) / (n - 2)
curtosis  <- ((n + 1) * (m4 / m2^2 - 3) + 6) * (n - 1) / ((n - 2) * (n - 3))

# Cuartiles y valores atípicos (regla 1,5 · RIC)
q1  <- unname(quantile(x_raw, 0.25))
q3  <- unname(quantile(x_raw, 0.75))
ric <- q3 - q1
limite_inferior <- q1 - 1.5 * ric
limite_superior <- q3 + 1.5 * ric
atipicos <- sum(x_raw < limite_inferior | x_raw > limite_superior)

# Moda: valor con mayor frecuencia
moda_valor <- tabla_final$Valor[which.max(tabla_final$Frecuencia_ni)]
moda_texto <- paste0(moda_valor, " días (", format(max(tabla_final$Frecuencia_ni), big.mark = ","), " casos)")

# Tabla de indicadores en formato largo
tabla_indicadores <- data.frame(
  Indicador = c(
    "Variable",
    "Tipo de variable",
    "Rango [mín ; máx]",
    "Moda (Mo)",
    "Mediana (Me)",
    "Media (X̄)",
    "Varianza (V)",
    "Desv. Estándar (Sd)",
    "Coef. Variación (CV%)",
    "Asimetría (As)",
    "Curtosis (K)",
    "Cuartiles (Q1 ; Q3)",
    "Valores atípicos"
  ),
  Valor = c(
    "Días equivalentes completos",
    "Cuantitativa Discreta",
    paste0("[", f_num(min(x_raw)), " ; ", f_num(max(x_raw)), "] días"),
    moda_texto,
    paste(f_num(mediana), "días"),
    paste(f_num(media), "días"),
    f_num(varianza),
    paste(f_num(desv), "días"),
    paste0(sprintf("%.2f", cv), "%"),
    f_num(asimetria, 4),
    f_num(curtosis, 4),
    paste0(f_num(q1), " ; ", f_num(q3)),
    paste0(format(atipicos, big.mark = ","), " (", sprintf("%.2f", atipicos / n * 100), "%)")
  )
)

# Tabla GT de indicadores
tabla_indicadores %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°2: Indicadores Estadísticos**"),
    subtitle = md("*Variable Cuantitativa Discreta: Días equivalentes completos*")
  ) %>%
  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 %in% c("Media (X̄)", "Mediana (Me)", "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(65),
    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 Cuantitativa Discreta: Días equivalentes completos
Indicador Valor
Variable Días equivalentes completos
Tipo de variable Cuantitativa Discreta
Rango [mín ; máx] [0.00 ; 31.00] días
Moda (Mo) 31 días (1,594 casos)
Mediana (Me) 30.00 días
Media (X̄) 24.00 días
Varianza (V) 106.68
Desv. Estándar (Sd) 10.33 días
Coef. Variación (CV%) 43.03%
Asimetría (As) -1.3668
Curtosis (K) 0.3153
Cuartiles (Q1 ; Q3) 20.00 ; 31.00
Valores atípicos 508 (9.57%)
Autor: Grupo Brasil

7 Conclusión

La variable Días equivalentes completos es una variable cuantitativa discreta medida en 5,308 pozos con dato. Sus valores van de 0.00 a 31.00 días; la media es 24.00 y la mediana 30.00 días. La asimetría vale -1.37, es decir, la distribución tiene asimetría negativa (cola hacia los valores bajos), y la curtosis en exceso de 0.32 indica una distribución cercana a la mesocúrtica. Se detectan 508 valores atípicos con la regla de 1,5 · RIC. Muchos pozos se concentran en el valor máximo de 31 días, es decir, produjeron todo el mes.

Autor: Grupo Brasil