library(knitr)
datos <- read.csv("pollution_2000_2023.csv", header=TRUE, check.names=FALSE)
dim(datos)
## [1] 665414 22
head(datos)
## Date Address State County City
## 1 0 2000-01-01 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## 2 1 2000-01-02 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## 3 2 2000-01-03 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## 4 3 2000-01-04 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## 5 4 2000-01-05 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## 6 5 2000-01-06 1645 E ROOSEVELT ST-CENTRAL PHOENIX STN Arizona Maricopa Phoenix
## O3 Mean O3 1st Max Value O3 1st Max Hour O3 AQI CO Mean CO 1st Max Value
## 1 0.019765 0.040 10 37 0.878947 2.2
## 2 0.015882 0.032 10 30 1.066667 2.3
## 3 0.009353 0.016 9 15 1.762500 2.5
## 4 0.015882 0.033 9 31 1.829167 3.0
## 5 0.007353 0.012 9 11 2.700000 3.7
## 6 0.014000 0.025 10 23 2.308333 3.6
## CO 1st Max Hour CO AQI SO2 Mean SO2 1st Max Value SO2 1st Max Hour SO2 AQI
## 1 23 25 3.000000 9 21 13
## 2 0 26 1.958333 3 22 4
## 3 8 28 5.250000 11 19 16
## 4 23 34 7.083333 16 8 23
## 5 2 42 8.708333 15 7 21
## 6 9 41 6.761905 17 7 24
## NO2 Mean NO2 1st Max Value NO2 1st Max Hour NO2 AQI
## 1 19.04167 49 19 46
## 2 22.95833 36 19 34
## 3 38.12500 51 8 48
## 4 40.26087 74 8 72
## 5 48.45000 61 22 58
## 6 39.95000 73 8 71
La variable discreta Primera hora máxima de NO₂ representa la hora del día (0 a 23) en que se registra el máximo diario de dióxido de nitrógeno (NO₂).
hora_no2 <- suppressWarnings(as.numeric(datos$`NO2 1st Max Hour`))
hora_no2 <- hora_no2[!is.na(hora_no2) & hora_no2 >= 0 &
hora_no2 <= 23 & hora_no2 == floor(hora_no2)]
hora_no2 <- as.integer(hora_no2)
length(hora_no2)
## [1] 665414
summary(hora_no2)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.00 5.00 9.00 11.59 20.00 23.00
frecuencias <- table(factor(hora_no2, levels=0:23))
tabla_frecuencia <- data.frame(Hora=0:23, fi=as.integer(frecuencias))
tabla_frecuencia$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 N°1: Distribución de frecuencias de la primera hora máxima de NO₂")
| Hora | fi | hi | Porcentaje | Ni | Hi |
|---|---|---|---|---|---|
| 0 | 61611 | 0.0926 | 9.2590 | 61611 | 0.0926 |
| 1 | 19762 | 0.0297 | 2.9699 | 81373 | 0.1223 |
| 2 | 15663 | 0.0235 | 2.3539 | 97036 | 0.1458 |
| 3 | 12376 | 0.0186 | 1.8599 | 109412 | 0.1644 |
| 4 | 16995 | 0.0255 | 2.5540 | 126407 | 0.1900 |
| 5 | 43556 | 0.0655 | 6.5457 | 169963 | 0.2554 |
| 6 | 70131 | 0.1054 | 10.5395 | 240094 | 0.3608 |
| 7 | 57836 | 0.0869 | 8.6917 | 297930 | 0.4477 |
| 8 | 32229 | 0.0484 | 4.8435 | 330159 | 0.4962 |
| 9 | 18535 | 0.0279 | 2.7855 | 348694 | 0.5240 |
| 10 | 10983 | 0.0165 | 1.6506 | 359677 | 0.5405 |
| 11 | 6833 | 0.0103 | 1.0269 | 366510 | 0.5508 |
| 12 | 4713 | 0.0071 | 0.7083 | 371223 | 0.5579 |
| 13 | 4239 | 0.0064 | 0.6370 | 375462 | 0.5643 |
| 14 | 4265 | 0.0064 | 0.6410 | 379727 | 0.5707 |
| 15 | 5112 | 0.0077 | 0.7682 | 384839 | 0.5783 |
| 16 | 8236 | 0.0124 | 1.2377 | 393075 | 0.5907 |
| 17 | 18955 | 0.0285 | 2.8486 | 412030 | 0.6192 |
| 18 | 34636 | 0.0521 | 5.2052 | 446666 | 0.6713 |
| 19 | 44351 | 0.0667 | 6.6652 | 491017 | 0.7379 |
| 20 | 48935 | 0.0735 | 7.3541 | 539952 | 0.8115 |
| 21 | 45871 | 0.0689 | 6.8936 | 585823 | 0.8804 |
| 22 | 38605 | 0.0580 | 5.8017 | 624428 | 0.9384 |
| 23 | 40986 | 0.0616 | 6.1595 | 665414 | 1.0000 |
Se agrupan las horas en cinco periodos para facilitar la interpretación de los resultados.
periodos <- cut(hora_no2,
breaks=c(-0.5,4.5,9.5,14.5,19.5,23.5),
labels=c("0-4", "5-9", "10-14", "15-19", "20-23"),
include.lowest=TRUE)
tabla_simplificada <- data.frame(
Periodo=levels(periodos),
Marca_clase=c(2,7,12,17,21.5),
fi=as.integer(table(periodos))
)
tabla_simplificada$hi <- tabla_simplificada$fi / sum(tabla_simplificada$fi)
tabla_simplificada$Porcentaje <- tabla_simplificada$hi * 100
tabla_simplificada$Ni <- cumsum(tabla_simplificada$fi)
tabla_simplificada$Hi <- cumsum(tabla_simplificada$hi)
tabla_simplificada$Ni_desc <- rev(cumsum(rev(tabla_simplificada$fi)))
tabla_simplificada$Hi_desc <- rev(cumsum(rev(tabla_simplificada$hi)))
kable(tabla_simplificada, digits=4,
caption="Tabla N°2: Distribución simplificada de frecuencias")
| Periodo | Marca_clase | fi | hi | Porcentaje | Ni | Hi | Ni_desc | Hi_desc |
|---|---|---|---|---|---|---|---|---|
| 0-4 | 2.0 | 126407 | 0.1900 | 18.9967 | 126407 | 0.1900 | 665414 | 1.0000 |
| 5-9 | 7.0 | 222287 | 0.3341 | 33.4058 | 348694 | 0.5240 | 539007 | 0.8100 |
| 10-14 | 12.0 | 31033 | 0.0466 | 4.6637 | 379727 | 0.5707 | 316720 | 0.4760 |
| 15-19 | 17.0 | 111290 | 0.1672 | 16.7249 | 491017 | 0.7379 | 285687 | 0.4293 |
| 20-23 | 21.5 | 174397 | 0.2621 | 26.2088 | 665414 | 1.0000 | 174397 | 0.2621 |
par(mar=c(6,5,5,2)+0.1)
barplot(tabla_simplificada$fi,
names.arg=tabla_simplificada$Periodo,
col="skyblue", border="black",
main="Gráfica N°1: Distribución de la primera hora máxima de NO₂",
xlab="Periodos (horas)", ylab="Cantidad de registros",
cex.main=0.9, las=1)
box()
Descripción: La mayor cantidad de registros se concentra en el periodo de 5 a 9 horas.
par(mar=c(6,5,5,2)+0.1)
barplot(tabla_simplificada$fi,
names.arg=tabla_simplificada$Periodo,
col="lightgreen", border="black",
main="Gráfica N°2: Distribución general de la primera hora máxima de NO₂",
xlab="Periodos (horas)", ylab="Cantidad de registros",
ylim=c(0,sum(tabla_simplificada$fi)),
cex.main=0.85, las=1)
box()
Descripción: Se comparan las frecuencias de los cinco periodos respecto al total de registros.
par(mar=c(6,5,5,2)+0.1)
barplot(tabla_simplificada$Porcentaje,
names.arg=tabla_simplificada$Periodo,
col="orange", border="black",
main="Gráfica N°3: Distribución porcentual de la primera hora máxima de NO₂",
xlab="Periodos (horas)", ylab="Porcentaje (%)",
cex.main=0.85, las=1)
box()
Descripción: El periodo de 5 a 9 horas presenta el mayor porcentaje de registros.
par(mar=c(6,5,5,2)+0.1)
barplot(tabla_simplificada$Porcentaje,
names.arg=tabla_simplificada$Periodo,
col="plum", border="black",
main="Gráfica N°4: Distribución porcentual general de la primera hora máxima de NO₂",
xlab="Periodos (horas)", ylab="Porcentaje (%)",
ylim=c(0,100), cex.main=0.8, las=1)
box()
Descripción: Se representa la participación de cada periodo en una escala de 0 a 100 %.
par(mar=c(6,5,5,2)+0.1)
boxplot(hora_no2, horizontal=TRUE, col="orange", border="black",
outline=TRUE,
main="Gráfica N°5: Distribución de la primera hora máxima de NO₂",
xlab="Primera hora máxima de NO₂ (horas)", cex.main=0.9)
points(mean(hora_no2), 1, pch=19, col="red")
legend("topright", legend="Media", pch=19, col="red", bty="n")
box()
Descripción: El diagrama muestra la mediana, los cuartiles y la dispersión de las horas registradas; el punto rojo representa la media.
par(mar=c(6,5,5,2)+0.1)
x <- seq_len(nrow(tabla_simplificada))
plot(x, tabla_simplificada$Ni, type="o", col="blue", pch=19,
lwd=2, xaxt="n", ylim=c(0,sum(tabla_simplificada$fi)),
main="Gráfica N°6: Ojivas de frecuencia absoluta acumulada",
xlab="Periodos (horas)", ylab="Frecuencia acumulada (Ni)",
cex.main=0.9)
axis(1, at=x, labels=tabla_simplificada$Periodo)
lines(x, tabla_simplificada$Ni_desc, type="o", col="red", pch=17, lwd=2)
legend("right", legend=c("Ascendente","Descendente"),
col=c("blue","red"), pch=c(19,17), lty=1, bty="n")
grid()
box()
Descripción: Las ojivas representan las frecuencias absolutas acumuladas en sentido ascendente y descendente.
par(mar=c(6,5,5,2)+0.1)
plot(x, tabla_simplificada$Hi*100, type="o", col="darkgreen",
pch=19, lwd=2, xaxt="n", ylim=c(0,100),
main="Gráfica N°7: Ojivas de frecuencia relativa acumulada",
xlab="Periodos (horas)", ylab="Porcentaje acumulado (%)",
cex.main=0.9)
axis(1, at=x, labels=tabla_simplificada$Periodo)
lines(x, tabla_simplificada$Hi_desc*100, type="o",
col="purple", pch=17, lwd=2)
legend("right", legend=c("Ascendente","Descendente"),
col=c("darkgreen","purple"), pch=c(19,17), lty=1, bty="n")
grid()
box()
Descripción: Las ojivas muestran los porcentajes acumulados en ambos sentidos.
media <- mean(hora_no2)
mediana <- median(hora_no2)
moda <- as.integer(names(which.max(table(hora_no2))))
tabla_central <- data.frame(
Indicador=c("Media", "Mediana", "Moda"),
Valor=c(media,mediana,moda)
)
kable(tabla_central, digits=4,
caption="Tabla N°3: Indicadores de tendencia central")
| Indicador | Valor |
|---|---|
| Media | 11.5889 |
| Mediana | 9.0000 |
| Moda | 6.0000 |
varianza <- var(hora_no2)
desviacion <- sd(hora_no2)
rango <- max(hora_no2)-min(hora_no2)
q1 <- as.numeric(quantile(hora_no2,0.25))
q3 <- as.numeric(quantile(hora_no2,0.75))
rango_intercuartil <- IQR(hora_no2)
cv <- desviacion/media*100
tabla_dispersion <- data.frame(
Indicador=c("Varianza", "Desviación estándar", "Rango",
"Primer cuartil", "Tercer cuartil", "Rango intercuartílico",
"Coeficiente de variación (%)"),
Valor=c(varianza,desviacion,rango,q1,q3,rango_intercuartil,cv)
)
kable(tabla_dispersion, digits=4,
caption="Tabla N°4: Indicadores de dispersión")
| Indicador | Valor |
|---|---|
| Varianza | 62.2253 |
| Desviación estándar | 7.8883 |
| Rango | 23.0000 |
| Primer cuartil | 5.0000 |
| Tercer cuartil | 20.0000 |
| Rango intercuartílico | 15.0000 |
| Coeficiente de variación (%) | 68.0677 |
asimetria <- mean((hora_no2-media)^3) /
(mean((hora_no2-media)^2)^(3/2))
tabla_asimetria <- data.frame(
Indicador="Coeficiente de asimetría", Valor=asimetria
)
kable(tabla_asimetria, digits=4,
caption="Tabla N°5: Indicador de asimetría")
| Indicador | Valor |
|---|---|
| Coeficiente de asimetría | 0.0686 |
indicadores <- data.frame(
Indicador=c("Cantidad de datos", "Valor mínimo", "Valor máximo",
"Media", "Mediana", "Moda", "Varianza",
"Desviación estándar", "Rango", "Primer cuartil",
"Tercer cuartil", "Rango intercuartílico",
"Coeficiente de variación (%)", "Coeficiente de asimetría"),
Valor=c(length(hora_no2),min(hora_no2),max(hora_no2),media,
mediana,moda,varianza,desviacion,rango,q1,q3,
rango_intercuartil,cv,asimetria)
)
kable(indicadores, digits=4,
caption="Tabla N°6: Resumen de indicadores estadísticos")
| Indicador | Valor |
|---|---|
| Cantidad de datos | 665414.0000 |
| Valor mínimo | 0.0000 |
| Valor máximo | 23.0000 |
| Media | 11.5889 |
| Mediana | 9.0000 |
| Moda | 6.0000 |
| Varianza | 62.2253 |
| Desviación estándar | 7.8883 |
| Rango | 23.0000 |
| Primer cuartil | 5.0000 |
| Tercer cuartil | 20.0000 |
| Rango intercuartílico | 15.0000 |
| Coeficiente de variación (%) | 68.0677 |
| Coeficiente de asimetría | 0.0686 |
La primera hora máxima de NO₂ se concentra principalmente entre las 5 y 9 horas, con moda a las 6 horas. La distribución presenta una asimetría positiva.