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 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:
## 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
## Sin dato: 0
## Valores únicos: 32
## Ceros: 356
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.
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 | ||||
Se presentan cuatro gráficas en tonos amarillo y verde claro para la variable discreta Días equivalentes completos.
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")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$Valor,
cex.names = 0.8,
las = 1)
mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°2: Distribución Porcentual de la Variable Días equivalentes completos",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")par(mar = c(6, 6, 5, 2))
plot(stepfun(tabla_final$Valor, c(0, tabla_final$Porcentaje_Hi)),
main = "", xlab = "", ylab = "Porcentaje acumulado (Hi%)",
col = "#8C6D46", lwd = 2, verticals = FALSE, pch = 19,
ylim = c(0, 105))
abline(h = 50, lty = 2, col = "#0d2b24")
grid(col = "#D8D2C5")
mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°3: Ojiva Escalonada de la Variable Días equivalentes completos",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")par(mar = c(6, 4, 5, 2))
boxplot(x_raw, horizontal = TRUE,
col = "#FBEFC8", border = "#0d2b24",
outcol = "#8C6D46", pch = 19, cex = 0.6)
mtext("Días equivalentes completos (días)", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°4: Diagrama de Caja de la Variable Días equivalentes completos",
side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")Para la variable cuantitativa discreta Días equivalentes completos se calculan las medidas de tendencia central, dispersión y forma. La varianza y la desviación estándar son muestrales (n − 1); la asimetría y la curtosis son los coeficientes ajustados por tamaño de muestra (la curtosis se informa como exceso sobre la normal, que vale 0). Los valores atípicos se cuentan con la regla de 1,5 veces el rango intercuartílico.
# Tendencia central y dispersión
media <- mean(x_raw)
mediana <- median(x_raw)
varianza <- var(x_raw)
desv <- sd(x_raw)
cv <- desv / media * 100
# Forma: asimetría (G1) y curtosis en exceso (G2) ajustadas
m2 <- mean((x_raw - media)^2)
m3 <- mean((x_raw - media)^3)
m4 <- mean((x_raw - media)^4)
asimetria <- (m3 / m2^1.5) * sqrt(n * (n - 1)) / (n - 2)
curtosis <- ((n + 1) * (m4 / m2^2 - 3) + 6) * (n - 1) / ((n - 2) * (n - 3))
# Cuartiles y valores atípicos (regla 1,5 · RIC)
q1 <- unname(quantile(x_raw, 0.25))
q3 <- unname(quantile(x_raw, 0.75))
ric <- q3 - q1
limite_inferior <- q1 - 1.5 * ric
limite_superior <- q3 + 1.5 * ric
atipicos <- sum(x_raw < limite_inferior | x_raw > limite_superior)
# Moda: valor con mayor frecuencia
moda_valor <- tabla_final$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 | |
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