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 Nivel de actividad en el mes (derivada de los días equivalentes completos, es decir, de la parte entera de las horas de producción divididas entre 24: Inactivo con 0 días, Parcial de 1 a 30 días y Continuo con 31 días). Se descartan los pozos sin dato (NA). Los días no son días calendario de actividad: son el equivalente en días completos de las horas reportadas, y 31 días significa que el pozo acumuló al menos 744 horas, es decir, todo el mes.

# Días equivalentes completos = parte entera de (horas / 24)
# Inactivo: 0 días; Parcial: 1 a 30 días; Continuo: 31 días
pozos <- pozos %>%
  mutate(
    dias = floor(horas / 24),
    nivel_actividad = case_when(
      dias == 0  ~ "Inactivo",
      dias <= 30 ~ "Parcial",
      dias >= 31 ~ "Continuo"
    )
  )

cat("Valores únicos originales en nivel_actividad:\n")
## Valores únicos originales en nivel_actividad:
print(head(sort(unique(pozos$nivel_actividad)), 20))
## [1] "Continuo" "Inactivo" "Parcial"
x_raw <- pozos %>%
  filter(!is.na(nivel_actividad)) %>%
  pull(nivel_actividad)

n <- length(x_raw)

if (n == 0) {
  stop("No se encontraron valores en nivel_actividad. Revisa los valores únicos impresos arriba.")
}

orden_logico <- c("Inactivo", "Parcial", "Continuo")
x_raw <- factor(x_raw, levels = orden_logico)

cat("Observaciones válidas:", n, "\n")
## Observaciones válidas: 5308
cat("Pozos sin dato:", sum(is.na(pozos$nivel_actividad)), "\n")
## Pozos sin dato: 0
cat("Valores únicos:", length(unique(x_raw)), "\n")
## Valores únicos: 3

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(
    "Nivel de actividad en el mes",
    "Derivada de los días equivalentes completos (horas de producción / 24)",
    "Cualitativa",
    "Ordinal",
    "{Inactivo < Parcial < Continuo}",
    paste(levels(x_raw), collapse = " < "),
    "No aplica",
    "Ordinal",
    "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 Nivel de actividad en el mes
Nombre técnico Derivada de los días equivalentes completos (horas de producción / 24)
Tipo Cualitativa
Subtipo Ordinal
Dominio {Inactivo < Parcial < Continuo}
Rango Inactivo < Parcial < Continuo
Unidad No aplica
Escala Ordinal
Fuente Cálculo propio a partir de las horas de producción (ANP)
Autor: Grupo Brasil

Justificación: Las categorías van de menor a mayor presencia del pozo durante el mes (Inactivo < Parcial < Continuo). Corresponde a una variable cualitativa ordinal: el orden existe, pero la distancia entre categorías no es medible.

4 Tabla de Distribución de Frecuencias

Se calcula la distribución de frecuencias absolutas (ni), porcentuales (hi%) y, por tratarse de una variable con orden natural (Inactivo < Parcial < Continuo), también las frecuencias acumuladas absolutas (Ni) y porcentuales (Hi%).

# 1. Frecuencias absolutas en el orden lógico de la variable
frecuencias_base <- data.frame(
  Categoria     = levels(x_raw),
  Frecuencia_ni = as.integer(table(x_raw))
)

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

# 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),
    Frecuencia_Ni = as.character(Frecuencia_Ni),
    Porcentaje_Hi = sprintf("%.2f", Porcentaje_Hi)
  ),
  total_fila %>% mutate(
    Porcentaje_hi = sprintf("%.2f", Porcentaje_hi),
    Frecuencia_Ni = "—",
    Porcentaje_Hi = "—"
  )
)

# 5. Tabla GT
resultado %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°1: Distribución de Frecuencias**"),
    subtitle = md("*Variable Cualitativa Ordinal: Nivel de actividad en el mes*")
  ) %>%
  cols_label(
    Categoria     = md("**Nivel de actividad en el mes**"),
    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    = 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(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 Cualitativa Ordinal: Nivel de actividad en el mes
Nivel de actividad en el mes Frecuencia (ni) Porcentaje (hi%) Frec. acumulada (Ni) Porc. acumulado (Hi%)
Inactivo 356 6.71 356 6.71
Parcial 3358 63.26 3714 69.97
Continuo 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. Las categorías se dibujan siempre en su orden lógico: Inactivo < Parcial < Continuo.

colores <- colorRampPalette(c("#FBEFC8", "#EDEAE4", "#0d2b24"))(nrow(tabla_final))

5.1 Gráfica N°1 — Barras de frecuencia absoluta

par(mar = c(6, 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 = 0.95,
        las       = 1)

mtext("Frecuencia (ni)", side = 2, line = 4.5, cex = 1, font = 1)
mtext("Nivel de actividad en el mes",      side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°1: Distribución de Frecuencias Absolutas de la Variable Nivel de actividad en el mes",
      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 = 0.9, col = "#C9930A")

5.2 Gráfica N°2 — Barras de porcentaje

par(mar = c(6, 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 = 0.95,
               las       = 1)

mtext("Nivel de actividad en el mes", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°2: Distribución Porcentual de la Variable Nivel de actividad en el mes",
      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 = 0.9, col = "#C9930A")

5.3 Gráfica N°3 — Gráfico circular porcentual

par(mar = c(5, 2, 4, 10), xpd = TRUE)

pie(tabla_final$Porcentaje_hi,
    main   = "",
    radius = 1,
    labels = paste0(round(tabla_final$Porcentaje_hi, 2), "%"),
    col    = colores,
    border = "#8C6D46",
    cex    = 0.9)

mtext("Gráfica N°3: Distribución Porcentual de la Variable Nivel de actividad en el mes",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

legend(x      = 1.2,
       y      = 1,
       legend = as.character(tabla_final$Categoria),
       fill   = colores,
       cex    = 0.85,
       title  = "Nivel de actividad",
       bty    = "n")

5.4 Gráfica N°4 — Frecuencia porcentual acumulada (ojiva)

par(mar = c(6, 6, 5, 2))
bp4 <- barplot(tabla_final$Porcentaje_Hi,
               main      = "",
               xlab      = "",
               ylab      = "Porcentaje acumulado (Hi%)",
               col       = colores,
               border    = "#8C6D46",
               ylim      = c(0, 115),
               names.arg = as.character(tabla_final$Categoria),
               cex.names = 0.95,
               las       = 1)

lines(bp4, tabla_final$Porcentaje_Hi, type = "b", pch = 19, lwd = 2, col = "#8C6D46")
abline(h = 50, lty = 2, col = "#0d2b24")

mtext("Nivel de actividad en el mes", side = 1, line = 3.5, cex = 1)
mtext("Gráfica N°4: Distribución Porcentual Acumulada de la Variable Nivel de actividad en el mes",
      side = 3, line = 2, adj = 0.5, cex = 0.9, font = 2, col = "#0d2b24")

text(x      = bp4,
     y      = tabla_final$Porcentaje_Hi,
     labels = paste0(round(tabla_final$Porcentaje_Hi, 2), "%"),
     pos    = 3, cex = 0.9, col = "#C9930A")

6 Tabla de Indicadores

Para la variable cualitativa ordinal Nivel de actividad en el mes se informan la moda y la mediana categórica (la primera categoría cuyo porcentaje acumulado alcanza el 50 %). La media, la varianza y las demás medidas numéricas no aplican: promediar categorías ordenadas no tiene sentido.

# Moda: categoría con mayor frecuencia
moda_variable   <- as.character(tabla_final$Categoria[which.max(tabla_final$Frecuencia_ni)])
porcentaje_moda <- max(tabla_final$Porcentaje_hi)

# Mediana categórica: primera categoría con Hi% >= 50
mediana_variable <- as.character(tabla_final$Categoria[which(tabla_final$Porcentaje_Hi >= 50)[1]])

# 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(
    "Nivel de actividad en el mes",
    "Cualitativa Ordinal",
    paste(levels(x_raw), collapse = " < "),
    moda_variable,
    mediana_variable,
    "—",
    "—",
    "—",
    "—",
    "—",
    "—"
  )
)

# Tabla GT de indicadores
tabla_indicadores %>%
  gt() %>%
  tab_header(
    title    = md("**Tabla N°2: Indicadores Estadísticos**"),
    subtitle = md("*Variable Cualitativa Ordinal: Nivel de actividad en el mes*")
  ) %>%
  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("Moda (Mo)", "Mediana (Me)"),
      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 Ordinal: Nivel de actividad en el mes
Indicador Valor
Variable Nivel de actividad en el mes
Tipo de variable Cualitativa Ordinal
Categorías (Rango) Inactivo < Parcial < Continuo
Moda (Mo) Parcial
Mediana (Me) Parcial
Media (X̄) —
Varianza (V) —
Desv. Estándar (Sd) —
Coef. Variación (CV%) —
Asimetría (As) —
Curtosis (K) —
Autor: Grupo Brasil

7 Conclusión

La variable Nivel de actividad en el mes es una variable cualitativa ordinal con 3 categorías ordenadas (Inactivo < Parcial < Continuo), observada en 5,308 pozos con dato. Su moda es Parcial, con el 63.26% de los pozos, y su mediana categórica es Parcial: al menos la mitad de los pozos está en esa categoría o en las anteriores. Predomina la actividad parcial: la mayoría de los pozos produjo entre 1 y 30 días equivalentes, mientras que una minoría quedó inactiva todo el mes. El valor de 31 días indica que el pozo acumuló al menos 744 horas de producción, es decir, el mes completo.

Autor: Grupo Brasil