1 Configuración y Carga de Datos

datos_originales <- readr::read_delim(ruta, delim=delimitador, trim_ws=TRUE, show_col_types=FALSE, name_repair="minimal")
## Carga exitosa: 47.501 registros.

2 Extracción y Limpieza de la Variable

# La limpieza es únicamente para el análisis: el archivo CSV no se modifica.
seccion_limpia <- datos_originales |>
  dplyr::transmute(Seccion=stringr::str_squish(as.character(.data[[columna_seccion]]))) |>
  dplyr::filter(!is.na(Seccion), Seccion != "",
                !toupper(Seccion) %in% c("NA", "N/A", "NULL"))
N <- nrow(seccion_limpia)
if (N == 0L) stop("No se encontraron secciones válidas en QUAD_SECTION.")
k_secciones <- dplyr::n_distinct(seccion_limpia$Seccion)
cat("Registros válidos:", fmt_entero(N),
    " | Secciones distintas:", fmt_entero(k_secciones), "\n")
## Registros válidos: 46.633  | Secciones distintas: 9

3 Identificación de la Variable

VARIABLE TIPO ESCALA DE MEDICIÓN UNIDAD DE ANÁLISIS CATEGORÍAS (k) REGISTROS VÁLIDOS (N)
QUAD_SECTION (Sección de la zona cartográfica) Cualitativa nominal Nominal Pozo regulado 9 46.633

4 Tabla de Distribución de Frecuencias

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según la sección de la zona cartográfica, Nueva York, 1860 - 2026",
  desplazamiento=(k_secciones > 15L)))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según la sección de la zona cartográfica, Nueva York, 1860 - 2026
SECCIÓN DE LA ZONA CARTOGRÁFICA FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
I 6.102 0.1309 13.09%
A 3.201 0.0686 6.86%
F 4.938 0.1059 10.59%
E 6.189 0.1327 13.27%
C 3.292 0.0706 7.06%
D 5.790 0.1242 12.42%
H 5.556 0.1191 11.91%
G 6.731 0.1443 14.43%
B 4.834 0.1037 10.37%
TOTAL GENERAL 46.633 1.0000 100.00%

Fuente: Oil, Gas & Other Regulated Wells: Beginning 1860.

Interpretación: la sección con mayor frecuencia es G, con 6.731 pozos (14.43% del total). La frecuencia mínima es de 3.201 pozo(s) y corresponde a 1 secciones.

# La segunda TDF solo se muestra cuando hay más de diez categorías.
# Si existen diez o menos secciones, la primera TDF es suficiente.
if (k_secciones > 10L) {
  cat("## Top 10 de categorías con mayor frecuencia absoluta {-}\n\n")
  cat("El Cuadro N° 2 presenta las 10 secciones más frecuentes ",
      "ordenadas de mayor a menor y agrupa las restantes en Otras secciones ",
      "(siempre al final), conservando los ",
      fmt_entero(N), " registros válidos (",
      sprintf("%.2f%%", pct_top10), " en el Top 10).\n\n", sep="")
  cat(crear_cuadro(tabla_resumen, 2,
    "Distribución de frecuencias de los pozos regulados: 10 secciones más frecuentes y Otras, Nueva York, 1860 - 2026"))
}

5 Representación Gráfica

5.1 Gráfica N° 1 — Frecuencia absoluta (nᵢ) local

ggplot2::ggplot(tabla_local, ggplot2::aes(x=Seccion,y=ni,fill=Seccion)) +
  ggplot2::geom_col(width=.72,color="#244861",linewidth=.36) +
  ggplot2::geom_text(ggplot2::aes(label=fmt_entero(ni)),vjust=-.48,
                     size=4.5,fontface="bold",color="#15364C") +
  ggplot2::scale_fill_manual(values=colores) +
  escala_secciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_ni_local),
                              labels=fmt_entero,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::labs(title="Gráfica N° 1: Frecuencia absoluta (nᵢ) local",
                x="Sección cartográfica",y="Frecuencia absoluta (nᵢ)",caption=fuente_graficas) +
  tema_barras

5.2 Gráfica N° 2 — Frecuencia absoluta (nᵢ) global

ggplot2::ggplot(tabla_global, ggplot2::aes(x=Seccion,y=ni)) +
  ggplot2::geom_col(fill="#286492",color="#244861",width=.72,linewidth=.36) +
  ggplot2::geom_text(ggplot2::aes(label=fmt_entero(ni)),vjust=-.48,
                     size=4.5,fontface="bold",color="#15364C") +
  escala_secciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_ni_global),
                              labels=fmt_entero,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::labs(title="Gráfica N° 2: Frecuencia absoluta (nᵢ) global",
                x="Sección cartográfica",y="Frecuencia absoluta (nᵢ)",caption=fuente_graficas) +
  tema_barras

5.3 Gráfica N° 3 — Frecuencia relativa (hᵢ) local

ggplot2::ggplot(tabla_local, ggplot2::aes(x=Seccion,y=hi,fill=Seccion)) +
  ggplot2::geom_col(width=.72,color="#244861",linewidth=.36) +
  ggplot2::geom_text(ggplot2::aes(label=sprintf("%.2f%%",100*hi)),vjust=-.48,
                     size=4.3,fontface="bold",color="#15364C") +
  ggplot2::scale_fill_manual(values=colores) +
  escala_secciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_hi_local),labels=etiqueta_pct,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::labs(title="Gráfica N° 3: Frecuencia relativa (hᵢ) local",
                x="Sección cartográfica",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

5.4 Gráfica N° 4 — Frecuencia relativa (hᵢ) global

ggplot2::ggplot(tabla_global, ggplot2::aes(x=Seccion,y=hi)) +
  ggplot2::geom_col(fill="#286492",color="#244861",width=.72,linewidth=.36) +
  ggplot2::geom_text(ggplot2::aes(label=sprintf("%.2f%%",100*hi)),vjust=-.48,
                     size=4.3,fontface="bold",color="#15364C") +
  escala_secciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_hi_global),
                              breaks=seq(0,1,by=.2),labels=etiqueta_pct,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::labs(title="Gráfica N° 4: Frecuencia relativa (hᵢ) global",
                x="Sección cartográfica",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

5.5 Gráfica N° 5 — Gráfica Circular Porcentual

leyenda <- paste0(stringr::str_wrap(as.character(tabla_local$Seccion),width=23),
                  "  —  ",sprintf("%.2f%%",tabla_local$porcentaje))
ggplot2::ggplot(tabla_local,ggplot2::aes(x=1,y=ni,fill=Seccion)) +
  ggplot2::geom_col(width=1,color="#244861",linewidth=.48) +
  ggplot2::coord_polar(theta="y",start=0) +
  ggplot2::scale_fill_manual(values=colores,labels=leyenda) +
  ggplot2::labs(title="Gráfica N° 5: Distribución porcentual según la sección de la zona cartográfica",
                fill="Sección — porcentaje",caption=fuente_graficas) +
  ggplot2::theme_void(base_size=15) +
  ggplot2::theme(
    plot.title=ggplot2::element_text(hjust=.5,face="bold",size=17,color="#15364C"),
    plot.subtitle=ggplot2::element_text(hjust=.5,size=12,color="#49657A",
                                        margin=ggplot2::margin(t=7,b=12)),
    legend.position="right",
    legend.title=ggplot2::element_text(face="bold",size=13,color="#15364C"),
    legend.text=ggplot2::element_text(size=12,color="#253B4B",lineheight=1.05),
    legend.key.size=grid::unit(.56,"cm"),
    plot.caption=ggplot2::element_text(hjust=0,face="italic",size=10.5,
                                      color="#546775",margin=ggplot2::margin(t=14)),
    plot.margin=ggplot2::margin(18,30,25,24)
  )

6 Tabla de Indicadores

cat(crear_indicadores())
Cuadro N° 2: Indicadores estadísticos de QUAD_SECTION (Sección de la zona cartográfica), Nueva York, 1860 - 2026
Variable
Tendencia central
Dispersión
Forma
Valores atípicos
VARIABLE ANALIZADA Media (X̄) Mediana (Me) Moda (Mo) Desviación estándar (Sd) Coeficiente de variación (CV %) Asimetría (As) Curtosis (K) Valores atípicos (Outliers)
QUAD_SECTION (Sección de la zona cartográfica) N/A N/A G N/A N/A N/A N/A N/A

N/A: No aplicable a una variable cualitativa nominal.

Registros válidos (N): 46.633   |   Categorías: 9   |   Frecuencia modal: 6.731   |   Porcentaje modal: 14.43%.

Fuente: Oil, Gas & Other Regulated Wells: Beginning 1860.

7 Conclusión

La variable QUAD_SECTION (Sección de la zona cartográfica) es cualitativa nominal y presenta 9 categorías en 46.633 registros válidos. La moda corresponde a G, con una frecuencia de 6.731 pozos (14.43% del total), lo que evidencia una concentración de los registros en determinadas secciones de las zonas cartográficas del estado de Nueva York.

Autor: Jennifer Cordones | Análisis Estadístico — Oil, Gas & Other Regulated Wells - NY State