0. LIBRERÍAS

1. LECTURA DE DATOS

datos <- read.csv("pollution_2000_2023.csv",
                  header = TRUE,
                  check.names = FALSE)

2. EXTRACCIÓN Y DEPURACIÓN DE LA VARIABLE

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

3. TABLA DE DISTRIBUCIÓN DE FRECUENCIAS

Para realizar el análisis se utilizarán las frecuencias absolutas, relativas y acumuladas de la variable.

3.1 Tabla de frecuencia

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")
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

3.2 Tabla simplificada de frecuencia

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")
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

4. GRÁFICAS

4.1 Diagrama de barras de cantidad

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"

4.2 Diagrama de barras de cantidad general

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"

4.3 Diagrama de barras de cantidad porcentual

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"

4.4 Diagrama de barras de cantidad porcentual general

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"

4.5 Diagrama de caja

# =================================
# 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)"

4.6 Ojivas ascendente y descendente (Ni)

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"

4.7 Ojivas ascendentes y descendentes (Hi)

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"

5. INDICADORES ESTADÍSTICOS

5.1 Indicadores de tendencia central

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

5.2 Indicadores de dispersión

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

5.3 Asimetría

asimetria <- moments::skewness(hora_o3)

asimetria
## [1] 2.198061

5.4 Tabla de indicadores

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")
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

6. CONCLUSIONES

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.