datos <- read.csv("pollution_2000_2023.csv",
header = TRUE,
check.names = FALSE)
La variable seleccionada es la primera hora máxima de ozono (O₃),
identificada en la base de datos como O3 1st Max Hour.
# Extraer la variable
hora_o3 <- datos$`O3 1st Max Hour`
# Eliminar valores faltantes
hora_o3 <- na.omit(hora_o3)
# Comprobar valores enteros y rango válido
hora_o3 <- hora_o3[hora_o3 >= 0 &
hora_o3 <= 23 &
hora_o3 == floor(hora_o3)]
# Convertir a entero
hora_o3 <- as.integer(hora_o3)
# Resumen de la variable
length(hora_o3)
## [1] 665414
min(hora_o3)
## [1] 7
max(hora_o3)
## [1] 23
summary(hora_o3)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 7.00 9.00 10.00 10.77 11.00 23.00
Para realizar el análisis se utilizarán las frecuencias absolutas, relativas y acumuladas de la variable.
Se presenta la distribución de las horas observadas sin agrupar.
tabla_frecuencia <- data.frame(
Hora = sort(unique(hora_o3))
)
tabla_frecuencia$fi <- as.numeric(
table(factor(hora_o3,
levels = tabla_frecuencia$Hora))
)
tabla_frecuencia$hi <- tabla_frecuencia$fi /
sum(tabla_frecuencia$fi)
tabla_frecuencia$porcentaje <- tabla_frecuencia$hi * 100
tabla_frecuencia$Ni <- cumsum(tabla_frecuencia$fi)
tabla_frecuencia$Hi <- cumsum(tabla_frecuencia$hi)
kable(tabla_frecuencia, digits = 4,
caption = "Tabla de frecuencias de la variable original")
| Hora | fi | hi | porcentaje | Ni | Hi |
|---|---|---|---|---|---|
| 7 | 43963 | 0.0661 | 6.6069 | 43963 | 0.0661 |
| 8 | 54016 | 0.0812 | 8.1177 | 97979 | 0.1472 |
| 9 | 135540 | 0.2037 | 20.3693 | 233519 | 0.3509 |
| 10 | 186858 | 0.2808 | 28.0815 | 420377 | 0.6318 |
| 11 | 116654 | 0.1753 | 17.5310 | 537031 | 0.8071 |
| 12 | 41042 | 0.0617 | 6.1679 | 578073 | 0.8687 |
| 13 | 17193 | 0.0258 | 2.5838 | 595266 | 0.8946 |
| 14 | 8913 | 0.0134 | 1.3395 | 604179 | 0.9080 |
| 15 | 5756 | 0.0087 | 0.8650 | 609935 | 0.9166 |
| 16 | 4447 | 0.0067 | 0.6683 | 614382 | 0.9233 |
| 17 | 4360 | 0.0066 | 0.6552 | 618742 | 0.9299 |
| 18 | 4785 | 0.0072 | 0.7191 | 623527 | 0.9371 |
| 19 | 5933 | 0.0089 | 0.8916 | 629460 | 0.9460 |
| 20 | 7228 | 0.0109 | 1.0862 | 636688 | 0.9568 |
| 21 | 7842 | 0.0118 | 1.1785 | 644530 | 0.9686 |
| 22 | 8222 | 0.0124 | 1.2356 | 652752 | 0.9810 |
| 23 | 12662 | 0.0190 | 1.9029 | 665414 | 1.0000 |
Se agrupan los datos en cinco períodos para facilitar su interpretación gráfica.
periodos <- cut(
hora_o3,
breaks = c(6.5, 10.5, 13.5, 16.5, 19.5, 23.5),
labels = c("7-10", "11-13", "14-16",
"17-19", "20-23"),
include.lowest = TRUE
)
fi <- as.numeric(table(periodos))
tabla_simplificada <- data.frame(
Periodo = levels(periodos),
Marca_clase = c(8.5, 12, 15, 18, 21.5),
fi = fi
)
tabla_simplificada$hi <- fi / sum(fi)
tabla_simplificada$Porcentaje <- tabla_simplificada$hi * 100
tabla_simplificada$Ni <- cumsum(fi)
tabla_simplificada$Hi <- cumsum(tabla_simplificada$hi)
tabla_simplificada$Ni_desc <- rev(cumsum(rev(fi)))
tabla_simplificada$Hi_desc <- rev(cumsum(rev(tabla_simplificada$hi)))
kable(tabla_simplificada, digits = 4,
caption = "Tabla simplificada de frecuencias")
| Periodo | Marca_clase | fi | hi | Porcentaje | Ni | Hi | Ni_desc | Hi_desc |
|---|---|---|---|---|---|---|---|---|
| 7-10 | 8.5 | 420377 | 0.6318 | 63.1753 | 420377 | 0.6318 | 665414 | 1.0000 |
| 11-13 | 12.0 | 174889 | 0.2628 | 26.2827 | 595266 | 0.8946 | 245037 | 0.3682 |
| 14-16 | 15.0 | 19116 | 0.0287 | 2.8728 | 614382 | 0.9233 | 70148 | 0.1054 |
| 17-19 | 18.0 | 15078 | 0.0227 | 2.2660 | 629460 | 0.9460 | 51032 | 0.0767 |
| 20-23 | 21.5 | 35954 | 0.0540 | 5.4033 | 665414 | 1.0000 | 35954 | 0.0540 |
par(mar = c(8, 5, 4, 2) + 0.1)
barplot(
tabla_simplificada$fi,
main = "Gráfica N°1: Cantidad por período de O3",
xlab = "Primera hora máxima de O3",
ylab = "Cantidad",
col = "skyblue",
border = "black",
ylim = c(0, max(tabla_simplificada$fi) * 1.2),
names.arg = tabla_simplificada$Periodo,
las = 2
)
box()
main = "Gráfica N°1: Distribución de la frecuencia absoluta\nde la primera hora máxima de O3"
par(mar = c(8, 5, 4, 2) + 0.1)
barplot(
tabla_simplificada$fi,
main = "Gráfica N°2: Distribución general de O3",
xlab = "Primera hora máxima de O3",
ylab = "Cantidad",
col = "lightgreen",
border = "black",
ylim = c(0, sum(tabla_simplificada$fi)),
names.arg = tabla_simplificada$Periodo,
las = 2
)
box()
main = "Gráfica N°2: Distribución general de la frecuencia absoluta\nde la primera hora máxima de O3"
par(mar = c(8, 5, 4, 2) + 0.1)
barplot(
tabla_simplificada$Porcentaje,
main = "Gráfica N°3: Distribución porcentual de O3",
xlab = "Primera hora máxima de O3",
ylab = "Porcentaje (%)",
col = "skyblue",
border = "black",
ylim = c(0, max(tabla_simplificada$Porcentaje) * 1.2),
names.arg = tabla_simplificada$Periodo,
las = 2
)
box()
main = "Gráfica N°3: Distribución de la frecuencia porcentual\nde la primera hora máxima de O3"
par(mar = c(8, 5, 4, 2) + 0.1)
barplot(
tabla_simplificada$Porcentaje,
main = "Gráfica N°4: Distribución porcentual general de O3",
xlab = "Primera hora máxima de O3",
ylab = "Porcentaje (%)",
col = "lightgreen",
border = "black",
ylim = c(0, 100),
names.arg = tabla_simplificada$Periodo,
las = 2
)
box()
main = "Gráfica N°4: Distribución general de la frecuencia porcentual\nde la primera hora máxima de O3"
# =================================
# DIAGRAMA DE CAJA
# =================================
par(mar = c(7, 5, 4, 2) + 0.1)
boxplot(
hora_o3,
horizontal = TRUE,
main = "Gráfica N°5: Distribución de la primera hora máxima de O3",
xlab = "Primera hora máxima de O3 (horas)",
col = "orange",
border = "black",
outline = TRUE
)
# Agregar la media
points(
mean(hora_o3),
1,
pch = 19,
col = "red"
)
# Leyenda
legend(
"topright",
legend = "Media",
pch = 19,
col = "red",
bty = "n"
)
box()
main = "Gráfica N°5: Distribución de la primera hora máxima\nde O3 en el estudio de la contaminación atmosférica (2000-2023)"
ggplot(tabla_simplificada,
aes(x = Periodo, group = 1)) +
geom_line(aes(y = Ni, color = "Ascendente"),
linewidth = 1) +
geom_point(aes(y = Ni, color = "Ascendente")) +
geom_line(aes(y = Ni_desc, color = "Descendente"),
linewidth = 1) +
geom_point(aes(y = Ni_desc, color = "Descendente")) +
labs(title = "Ojivas de frecuencia absoluta acumulada",
x = "Períodos (horas)",
y = "Frecuencia acumulada",
color = "Ojivas") +
theme_minimal()
main = "Gráfica N°6: Distribución de las frecuencias absolutas acumuladas\nde la primera hora máxima de O3"
ggplot(tabla_simplificada,
aes(x = Periodo, group = 1)) +
geom_line(aes(y = Hi, color = "Ascendente"),
linewidth = 1) +
geom_point(aes(y = Hi, color = "Ascendente")) +
geom_line(aes(y = Hi_desc, color = "Descendente"),
linewidth = 1) +
geom_point(aes(y = Hi_desc, color = "Descendente")) +
labs(title = "Ojivas de frecuencia relativa acumulada",
x = "Períodos (horas)",
y = "Frecuencia relativa acumulada",
color = "Ojivas") +
theme_minimal()
main = "Gráfica N°7: Distribución de las frecuencias relativas acumuladas\nde la primera hora máxima de O3"
media <- mean(hora_o3)
mediana <- median(hora_o3)
moda <- as.numeric(
names(which.max(table(hora_o3)))
)
media
## [1] 10.76641
mediana
## [1] 10
moda
## [1] 10
varianza <- var(hora_o3)
desviacion <- sd(hora_o3)
rango <- max(hora_o3) - min(hora_o3)
cuartil_1 <- quantile(hora_o3, 0.25)
cuartil_3 <- quantile(hora_o3, 0.75)
rango_intercuartil <- IQR(hora_o3)
coef_variacion <- (desviacion / media) * 100
varianza
## [1] 10.87228
desviacion
## [1] 3.297315
rango
## [1] 16
cuartil_1
## 25%
## 9
cuartil_3
## 75%
## 11
rango_intercuartil
## [1] 2
coef_variacion
## [1] 30.62595
asimetria <- moments::skewness(hora_o3)
asimetria
## [1] 2.198061
tabla_indicadores <- data.frame(
Indicador = c(
"Media",
"Mediana",
"Moda",
"Varianza muestral",
"Desviación estándar muestral",
"Rango",
"Primer cuartil",
"Tercer cuartil",
"Rango intercuartílico",
"Coeficiente de variación (%)",
"Coeficiente de asimetría"
),
Valor = c(
media,
mediana,
moda,
varianza,
desviacion,
rango,
as.numeric(cuartil_1),
as.numeric(cuartil_3),
rango_intercuartil,
coef_variacion,
asimetria
)
)
kable(tabla_indicadores, digits = 4,
caption = "Tabla general de indicadores estadísticos")
| Indicador | Valor |
|---|---|
| Media | 10.7664 |
| Mediana | 10.0000 |
| Moda | 10.0000 |
| Varianza muestral | 10.8723 |
| Desviación estándar muestral | 3.2973 |
| Rango | 16.0000 |
| Primer cuartil | 9.0000 |
| Tercer cuartil | 11.0000 |
| Rango intercuartílico | 2.0000 |
| Coeficiente de variación (%) | 30.6259 |
| Coeficiente de asimetría | 2.1981 |
La primera hora máxima de O₃ varía entre 7 y 23 horas, con una mediana de 10 horas y una desviación estándar de 3,30. Presenta asimetría positiva, lo que indica una mayor concentración de registros en las primeras horas del día.