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

Esta variable no está en el archivo de producción: viene de la Tabela de Poços de la ANP (catastro de pozos, coordenadas en SIRGAS2000). Se usa el archivo pozos_brasil_coordenadas_ANP.csv, que tiene una fila por pozo, y se une por el nombre del pozo.

ruta_pozos <- "pozos_brasil_coordenadas_ANP.csv"
if (!file.exists(ruta_pozos)) ruta_pozos <- file.choose()

tabla_pozos <- read_csv(ruta_pozos, show_col_types = FALSE)

pozos <- pozos %>%
  left_join(
    tabla_pozos %>% select(pozo, latitud, longitud, altitud_m,
                           profundidad_perforada_m, direccion, categoria),
    by = "pozo"
  )

cat("Pozos con dato en la Tabela de Poços:", sum(!is.na(pozos$latitud)), "de", nrow(pozos), "\n")
## Pozos con dato en la Tabela de Poços: 5308 de 5308

2 Extracción y Limpieza de la Variable

Se realiza el aislamiento y limpieza de la variable Profundidad perforada (columna PROFUNDIDADE_SONDADOR_M de la Tabela de Poços: la profundidad final medida por el perforador). Se descartan los pozos sin dato (NA).

cat("Resumen de profundidad_perforada_m antes de la limpieza:\n")
## Resumen de profundidad_perforada_m antes de la limpieza:
print(summary(pozos$profundidad_perforada_m))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.     NAs 
##   181.4   374.0   739.0   921.5  1210.0  4618.0     502
x_raw <- pozos %>%
  filter(!is.na(profundidad_perforada_m)) %>%
  pull(profundidad_perforada_m)

n <- length(x_raw)

if (n == 0) {
  stop("No se encontraron valores en profundidad_perforada_m. 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: 4806
cat("Sin dato:", sum(is.na(pozos$profundidad_perforada_m)), "\n")
## Sin dato: 502
cat("Valores únicos:", length(unique(x_raw)), "\n")
## Valores únicos: 1760
cat("Ceros:", sum(x_raw == 0), "\n")
## Ceros: 0

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(
    "Profundidad perforada",
    "PROFUNDIDADE_SONDADOR_M (Tabela de Poços)",
    "Cuantitativa",
    "Continua",
    "[0; +∞)",
    paste0("[", f_num(min(x_raw)), " ; ", f_num(max(x_raw)), "] m"),
    "m",
    "Razón",
    "ANP – Tabela de Poços (SIRGAS2000)"
  )
)

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 Profundidad perforada
Nombre técnico PROFUNDIDADE_SONDADOR_M (Tabela de Poços)
Tipo Cuantitativa
Subtipo Continua
Dominio [0; +∞)
Rango [181.40 ; 4,618.00] m
Unidad m
Escala Razón
Fuente ANP – Tabela de Poços (SIRGAS2000)
Autor: Grupo Brasil

Justificación: La profundidad es una longitud medida con cero absoluto. Corresponde a una variable cuantitativa continua en escala de razón.

4 Tabla de Distribución de Frecuencias

La tabla se construye con clases de igual amplitud; el número de clases sigue la regla de Sturges (k = 1 + log₂ n) y la amplitud es (máx − mín) / k. Cada clase incluye su límite inferior y excluye el superior, salvo la última, que es cerrada. La marca de clase es el punto medio (Li + Ls) / 2.

# 1. Regla de Sturges sobre los valores de la variable
k      <- ceiling(1 + log2(n))
cortes <- seq(min(x_raw), max(x_raw), length.out = k + 1)
clase  <- cut(x_raw, breaks = cortes, right = FALSE, include.lowest = TRUE, labels = FALSE)

lim_inf <- cortes[1:k]
lim_sup <- cortes[2:(k + 1)]

tabla_final <- data.frame(
  Clase         = paste0("[", f_num(lim_inf), " ; ", f_num(lim_sup), ifelse(1:k == k, "]", ")")),
  Lim_inf       = lim_inf,
  Lim_sup       = lim_sup,
  Marca_xi      = (lim_inf + lim_sup) / 2,
  Frecuencia_ni = tabulate(clase, nbins = k)
)

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

cat("Número de clases de Sturges (k):", k, "\n")
## Número de clases de Sturges (k): 14
# 4. Fila TOTAL y formateo
resultado <- bind_rows(
  tabla_final %>% transmute(
    Clase,
    Marca_xi      = f_num(Marca_xi),
    Frecuencia_ni,
    Porcentaje_hi = sprintf("%.2f", Porcentaje_hi),
    Frecuencia_Ni = as.character(Frecuencia_Ni),
    Porcentaje_Hi = sprintf("%.2f", Porcentaje_Hi)
  ),
  data.frame(
    Clase         = "TOTAL",
    Marca_xi      = "",
    Frecuencia_ni = sum(tabla_final$Frecuencia_ni),
    Porcentaje_hi = sprintf("%.2f", sum(tabla_final$Porcentaje_hi)),
    Frecuencia_Ni = "—",
    Porcentaje_Hi = "—"
  )
)

# 5. Tabla GT
resultado %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°1: Distribución de Frecuencias**"),
    subtitle = md("*Variable Cuantitativa Continua: Profundidad perforada (m)*")
  ) %>%
  cols_label(
    Clase         = md("**Clase [Li ; Ls)**"),
    Marca_xi      = md("**Marca (xi)**"),
    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    = Clase == "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(85),
    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 Continua: Profundidad perforada (m)
Clase [Li ; Ls) Marca (xi) Frecuencia (ni) Porcentaje (hi%) Frec. acumulada (Ni) Porc. acumulado (Hi%)
[181.40 ; 498.30) 339.85 1786 37.16 1786 37.16
[498.30 ; 815.20) 656.75 1013 21.08 2799 58.24
[815.20 ; 1,132.10) 973.65 708 14.73 3507 72.97
[1,132.10 ; 1,449.00) 1,290.55 483 10.05 3990 83.02
[1,449.00 ; 1,765.90) 1,607.45 237 4.93 4227 87.95
[1,765.90 ; 2,082.80) 1,924.35 174 3.62 4401 91.57
[2,082.80 ; 2,399.70) 2,241.25 82 1.71 4483 93.28
[2,399.70 ; 2,716.60) 2,558.15 96 2.00 4579 95.28
[2,716.60 ; 3,033.50) 2,875.05 120 2.50 4699 97.77
[3,033.50 ; 3,350.40) 3,191.95 65 1.35 4764 99.13
[3,350.40 ; 3,667.30) 3,508.85 22 0.46 4786 99.58
[3,667.30 ; 3,984.20) 3,825.75 12 0.25 4798 99.83
[3,984.20 ; 4,301.10) 4,142.65 6 0.12 4804 99.96
[4,301.10 ; 4,618.00] 4,459.55 2 0.04 4806 100.00
TOTAL 4806 100.00 — —
Autor: Grupo Brasil

5 Representación Gráfica

Se presentan cuatro gráficas en tonos amarillo y verde claro para la variable continua Profundidad perforada.

5.1 Gráfica N°1 — Histograma de frecuencias absolutas

par(mar = c(12, 6, 5, 2))
colores_hist <- ifelse(tabla_final$Clase == "{0}", "#0d2b24", "#F2C14E")
bp1 <- barplot(tabla_final$Frecuencia_ni,
               space     = 0,
               main      = "",
               ylab      = "",
               col       = colores_hist,
               border    = "#8C6D46",
               ylim      = c(0, max(tabla_final$Frecuencia_ni) * 1.15),
               names.arg = tabla_final$Clase,
               cex.names = 0.7,
               las       = 2)

mtext("Frecuencia (ni)",          side = 2, line = 4.5, cex = 1)
mtext("Profundidad perforada (m)", side = 1, line = 10.5, cex = 1)
mtext("Gráfica N°1: Histograma de la Variable Profundidad perforada",
      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 = 0.7, col = "#C9930A")

5.2 Gráfica N°2 — Polígono de frecuencias porcentuales

par(mar = c(12, 6, 5, 2))
bp2 <- barplot(tabla_final$Porcentaje_hi,
               space     = 0,
               main      = "",
               ylab      = "Porcentaje (hi%)",
               col       = "#EDEAE4",
               border    = "#D8D2C5",
               ylim      = c(0, max(tabla_final$Porcentaje_hi) * 1.2),
               names.arg = tabla_final$Clase,
               cex.names = 0.7,
               las       = 2)
lines(bp2, tabla_final$Porcentaje_hi, type = "b", pch = 19, lwd = 2, col = "#8C6D46")

mtext("Profundidad perforada (m)", side = 1, line = 10.5, cex = 1)
mtext("Gráfica N°2: Polígono de Frecuencias Porcentuales de la Variable Profundidad perforada",
      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 = 0.65, col = "#C9930A")

5.3 Gráfica N°3 — Ojiva (Hi%)

par(mar = c(10, 6, 5, 2))
plot(seq_len(nrow(tabla_final)), tabla_final$Porcentaje_Hi,
     type = "n", xaxt = "n",
     xlab = "", ylab = "Porcentaje acumulado (Hi%)",
     ylim = c(0, 105), main = "")
grid(col = "#D8D2C5")
polygon(c(1, seq_len(nrow(tabla_final)), nrow(tabla_final)),
        c(0, tabla_final$Porcentaje_Hi, 0),
        col = "#FBEFC8", border = NA)
lines(seq_len(nrow(tabla_final)), tabla_final$Porcentaje_Hi,
      type = "b", pch = 19, lwd = 2, col = "#8C6D46")
abline(h = 50, lty = 2, col = "#0d2b24")
axis(1, at = seq_len(nrow(tabla_final)), labels = f_num(tabla_final$Lim_sup),
     las = 2, cex.axis = 0.7)

mtext("Límite superior de clase (m)", side = 1, line = 8, cex = 1)
mtext("Gráfica N°3: Ojiva de la Variable Profundidad perforada",
      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 = 0.5)

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

6 Tabla de Indicadores

Para la variable cuantitativa continua Profundidad perforada 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: marca de la clase modal (la clase con mayor frecuencia)
fila_modal <- which.max(tabla_final$Frecuencia_ni)
moda_texto <- if (tabla_final$Clase[fila_modal] == "{0}") {
  paste0("0 m (clase {0}, ", format(tabla_final$Frecuencia_ni[fila_modal], big.mark = ","), " pozos)")
} else {
  paste0(f_num(tabla_final$Marca_xi[fila_modal]), " m (clase modal ", tabla_final$Clase[fila_modal], ")")
}

# 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(
    "Profundidad perforada",
    "Cuantitativa Continua",
    paste0("[", f_num(min(x_raw)), " ; ", f_num(max(x_raw)), "] m"),
    moda_texto,
    paste(f_num(mediana), "m"),
    paste(f_num(media), "m"),
    f_num(varianza),
    paste(f_num(desv), "m"),
    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 Continua: Profundidad perforada*")
  ) %>%
  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 Continua: Profundidad perforada
Indicador Valor
Variable Profundidad perforada
Tipo de variable Cuantitativa Continua
Rango [mín ; máx] [181.40 ; 4,618.00] m
Moda (Mo) 339.85 m (clase modal [181.40 ; 498.30))
Mediana (Me) 739.00 m
Media (X̄) 921.50 m
Varianza (V) 533,868.66
Desv. Estándar (Sd) 730.66 m
Coef. Variación (CV%) 79.29%
Asimetría (As) 1.6496
Curtosis (K) 2.5751
Cuartiles (Q1 ; Q3) 374.00 ; 1,210.00
Valores atípicos 307 (6.39%)
Autor: Grupo Brasil

7 Conclusión

La variable Profundidad perforada es una variable cuantitativa continua medida en 4,806 pozos con dato. Sus valores van de 181.40 a 4,618.00 m; la media es 921.50 y la mediana 739.00 m. La asimetría vale 1.65, es decir, la distribución tiene asimetría positiva (cola larga hacia los valores altos), y la curtosis en exceso de 2.58 indica una distribución leptocúrtica (más concentrada y con colas más pesadas que la normal). Se detectan 307 valores atípicos con la regla de 1,5 · RIC. La mayoría de los pozos terrestres son someros, con unos pocos pozos que superan los 3.000 m.

Autor: Grupo Brasil