ANÁLISIS ESTADÍSTICO

CARGA DE DATOS Y LIBRERÍAS

base_datos <- read.csv(
  "C:\\Users\\vlady\\Documents\\debers alexa no borrar\\Mining_model_input_data.csv",
  stringsAsFactors = FALSE
)

ASIGNACION DE VARIABLES

col_cnty   <- base_datos$COUNTY_NAME
valid_cnty <- !is.na(col_cnty) & trimws(as.character(col_cnty)) != ""
cnty_vals  <- trimws(as.character(col_cnty[valid_cnty]))

top15_cnty <- head(names(sort(table(cnty_vals), decreasing = TRUE)), 15)
cat_cnty   <- ifelse(cnty_vals %in% top15_cnty, cnty_vals, "Otros condados")

data.frame(
  Variable = "COUNTY_NAME",
  Nombre = "Nombre del condado",
  Tipo = "Cualitativo / Nominal",
  Registros_Validos = length(cnty_vals),
  Registros_Faltantes = sum(!valid_cnty)
)
##      Variable             Nombre                  Tipo Registros_Validos
## 1 COUNTY_NAME Nombre del condado Cualitativo / Nominal            330466
##   Registros_Faltantes
## 1                   0

TABLA DE DISTRIBUCIÓN DE CANTIDAD

Frecuencia absoluta (ni)

tabla_v7_df <- aggregate(
  list(ni = cat_cnty),
  by = list(Variable = cat_cnty),
  FUN = length
)
tabla_v7_df <- tabla_v7_df[order(-tabla_v7_df$ni), ]

gt(tabla_v7_df) |>
  tab_header(
    title = "Tabla N° 7",
    subtitle = "Distribución de Frecuencia Absoluta (COUNTY_NAME)"
  ) |>
  cols_label(
    Variable = "Condado",
    ni = "Frecuencia absoluta (ni)"
  ) |>
  grand_summary_rows(
    columns = ni,
    fns = list(Total = ~sum(., na.rm = TRUE)),
    fmt = ~fmt_number(., decimals = 0)
  )
Tabla N° 7
Distribución de Frecuencia Absoluta (COUNTY_NAME)
Condado Frecuencia absoluta (ni)
Otros condados 298009
WASHINGTON COUNTY 3907
JEFFERSON COUNTY 3191
WELD COUNTY 2679
SUSQUEHANNA COUNTY 2155
JACKSON COUNTY 2115
FRANKLIN COUNTY 2076
CUMBERLAND COUNTY 2067
SCHUYLKILL COUNTY 1968
CLARK COUNTY 1935
LINCOLN COUNTY 1901
ST. LOUIS COUNTY 1851
MONROE COUNTY 1707
PIKE COUNTY 1653
MCDOWELL COUNTY 1632
MARICOPA COUNTY 1620
Total — 330,466

Frecuencia absoluta ajustada (por 1,000)

N_v7 <- sum(tabla_v7_df$ni)

tabla_v7_aj_df <- tabla_v7_df |>
  mutate(ni_ajustada = round((ni / N_v7) * 1000, 2))

gt(tabla_v7_aj_df) |>
  tab_header(
    title = "Tabla N° 7 (Ajustada)",
    subtitle = "Frecuencia Absoluta Ajustada por cada 1,000 registros (COUNTY_NAME)"
  ) |>
  cols_label(
    Variable = "Condado",
    ni = "Frecuencia absoluta (ni)",
    ni_ajustada = "Frecuencia absoluta ajustada"
  ) |>
  grand_summary_rows(
    columns = c(ni, ni_ajustada),
    fns = list(Total = ~sum(., na.rm = TRUE)),
    fmt = ~fmt_number(., decimals = 2)
  )
Tabla N° 7 (Ajustada)
Frecuencia Absoluta Ajustada por cada 1,000 registros (COUNTY_NAME)
Condado Frecuencia absoluta (ni) Frecuencia absoluta ajustada
Otros condados 298009 901.78
WASHINGTON COUNTY 3907 11.82
JEFFERSON COUNTY 3191 9.66
WELD COUNTY 2679 8.11
SUSQUEHANNA COUNTY 2155 6.52
JACKSON COUNTY 2115 6.40
FRANKLIN COUNTY 2076 6.28
CUMBERLAND COUNTY 2067 6.25
SCHUYLKILL COUNTY 1968 5.96
CLARK COUNTY 1935 5.86
LINCOLN COUNTY 1901 5.75
ST. LOUIS COUNTY 1851 5.60
MONROE COUNTY 1707 5.17
PIKE COUNTY 1653 5.00
MCDOWELL COUNTY 1632 4.94
MARICOPA COUNTY 1620 4.90
Total — 330,466.00 1,000.00

Frecuencia relativa (hi) y porcentaje (%)

N_v7 <- sum(tabla_v7_df$ni)

tabla_v7_rel_df <- tabla_v7_df |>
  mutate(
    hi = round(ni / N_v7, 4),
    porcentaje = round(hi * 100, 2)
  )

gt(tabla_v7_rel_df) |>
  tab_header(
    title = "Tabla N° 7 (Relativa)",
    subtitle = "Distribución de Frecuencia Relativa (COUNTY_NAME)"
  ) |>
  cols_label(
    Variable = "Condado",
    ni = "Frecuencia absoluta (ni)",
    hi = "Frecuencia relativa (hi)",
    porcentaje = "Porcentaje (%)"
  ) |>
  grand_summary_rows(
    columns = c(ni, hi, porcentaje),
    fns = list(Total = ~sum(., na.rm = TRUE)),
    fmt = ~fmt_number(., decimals = 2)
  )
Tabla N° 7 (Relativa)
Distribución de Frecuencia Relativa (COUNTY_NAME)
Condado Frecuencia absoluta (ni) Frecuencia relativa (hi) Porcentaje (%)
Otros condados 298009 0.9018 90.18
WASHINGTON COUNTY 3907 0.0118 1.18
JEFFERSON COUNTY 3191 0.0097 0.97
WELD COUNTY 2679 0.0081 0.81
SUSQUEHANNA COUNTY 2155 0.0065 0.65
JACKSON COUNTY 2115 0.0064 0.64
FRANKLIN COUNTY 2076 0.0063 0.63
CUMBERLAND COUNTY 2067 0.0063 0.63
SCHUYLKILL COUNTY 1968 0.0060 0.60
CLARK COUNTY 1935 0.0059 0.59
LINCOLN COUNTY 1901 0.0058 0.58
ST. LOUIS COUNTY 1851 0.0056 0.56
MONROE COUNTY 1707 0.0052 0.52
PIKE COUNTY 1653 0.0050 0.50
MCDOWELL COUNTY 1632 0.0049 0.49
MARICOPA COUNTY 1620 0.0049 0.49
Total — 330,466.00 1.00 100.02

GRÁFICAS DE DISTRIBUCIÓN DE CANTIDAD

Barras: Frecuencia absoluta (ni)

ggplot(tabla_v7_df, aes(x = reorder(Variable, ni), y = ni)) +
  geom_col(fill = "steelblue") +
  geom_text(aes(label = ni), hjust = -0.1, size = 3.5) +
  coord_flip() +
  expand_limits(y = max(tabla_v7_df$ni) * 1.15) +
  labs(
    title = "Frecuencia Absoluta por Condado (COUNTY_NAME)",
    x = "Condado",
    y = "Frecuencia absoluta (ni)"
  ) +
  theme_minimal(base_size = 12)

Barras: Frecuencia absoluta ajustada

ggplot(tabla_v7_aj_df, aes(x = reorder(Variable, ni_ajustada), y = ni_ajustada)) +
  geom_col(fill = "darkorange") +
  geom_text(aes(label = ni_ajustada), hjust = -0.1, size = 3.5) +
  coord_flip() +
  expand_limits(y = max(tabla_v7_aj_df$ni_ajustada) * 1.15) +
  labs(
    title = "Frecuencia Absoluta Ajustada (por 1,000) - COUNTY_NAME",
    x = "Condado",
    y = "Frecuencia absoluta ajustada"
  ) +
  theme_minimal(base_size = 12)

Barras: Frecuencia relativa (hi %)

ggplot(tabla_v7_rel_df, aes(x = reorder(Variable, hi), y = hi)) +
  geom_col(fill = "seagreen3") +
  geom_text(
    aes(label = paste0(porcentaje, "%")),
    hjust = -0.1,
    size = 3.5
  ) +
  coord_flip() +
  expand_limits(y = max(tabla_v7_rel_df$hi) * 1.15) +
  labs(
    title = "Frecuencia Relativa por Condado (COUNTY_NAME)",
    x = "Condado",
    y = "Frecuencia relativa (hi)"
  ) +
  theme_minimal(base_size = 12)

Circular: Porcentaje (%)

ggplot(tabla_v7_rel_df, aes(x = "", y = porcentaje, fill = Variable)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  geom_text(
    aes(label = ifelse(porcentaje >= 3, paste0(porcentaje, "%"), "")),
    position = position_stack(vjust = 0.5),
    size = 3.5
  ) +
  labs(
    title = "Diagrama Circular por Condado (COUNTY_NAME)",
    fill = "Condado"
  ) +
  theme_void(base_size = 12)

INDICADORES ESTADISTICOS

indicadores_v7 <- tabla_v7_rel_df |>
  mutate(ni_ajustada_1000 = round((ni / sum(ni)) * 1000, 2))

indicadores_v7
##              Variable     ni     hi porcentaje ni_ajustada_1000
## 10     Otros condados 298009 0.9018      90.18           901.78
## 15  WASHINGTON COUNTY   3907 0.0118       1.18            11.82
## 5    JEFFERSON COUNTY   3191 0.0097       0.97             9.66
## 16        WELD COUNTY   2679 0.0081       0.81             8.11
## 14 SUSQUEHANNA COUNTY   2155 0.0065       0.65             6.52
## 4      JACKSON COUNTY   2115 0.0064       0.64             6.40
## 3     FRANKLIN COUNTY   2076 0.0063       0.63             6.28
## 2   CUMBERLAND COUNTY   2067 0.0063       0.63             6.25
## 12  SCHUYLKILL COUNTY   1968 0.0060       0.60             5.96
## 1        CLARK COUNTY   1935 0.0059       0.59             5.86
## 6      LINCOLN COUNTY   1901 0.0058       0.58             5.75
## 13   ST. LOUIS COUNTY   1851 0.0056       0.56             5.60
## 9       MONROE COUNTY   1707 0.0052       0.52             5.17
## 11        PIKE COUNTY   1653 0.0050       0.50             5.00
## 8     MCDOWELL COUNTY   1632 0.0049       0.49             4.94
## 7     MARICOPA COUNTY   1620 0.0049       0.49             4.90

CONCLUSIÓN

Los resultados muestran que la categoría «Otros condados» concentra la mayor frecuencia relativa, con un 90,18 % de los registros. Entre los condados identificados individualmente, destaca WASHINGTON COUNTY, con un 1,18 %. Esto evidencia que los registros del proyecto Modelo de uso de agua en la minería de Estados Unidos, 2019–2020 se distribuyen en numerosos condados, con una mayor concentración en la categoría agrupada como «Otros condados».