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.
estado_limpio <- datos_originales |>
  dplyr::transmute(Estado=stringr::str_squish(as.character(.data[[columna_estado]]))) |>
  dplyr::filter(!is.na(Estado), Estado != "",
                !toupper(Estado) %in% c("NA", "N/A", "NULL"))
N <- nrow(estado_limpio)
if (N == 0L) stop("No se encontraron estados válidos en WELL_STATUS.")
k_estados <- dplyr::n_distinct(estado_limpio$Estado)
cat("Registros válidos:", fmt_entero(N),
    " | Estados distintos:", fmt_entero(k_estados), "\n")
## Registros válidos: 47.501  | Estados distintos: 24

3 Identificación de la Variable

VARIABLE TIPO ESCALA DE MEDICIÓN UNIDAD DE ANÁLISIS CATEGORÍAS (k) REGISTROS VÁLIDOS (N)
WELL_STATUS (Estado del pozo) Cualitativa nominal Nominal Pozo regulado 24 47.501

4 Tabla de Distribución de Frecuencias

El Cuadro N° 1 presenta la frecuencia absoluta (nᵢ), la frecuencia relativa (hᵢ) y el porcentaje de pozos regulados para cada uno de los 24 estados, sobre un total de 47.501 registros válidos. Desplázate dentro de la tabla para consultar todas las categorías.

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según el estado del pozo, Nueva York, 1860 - 2026",
  desplazamiento=(k_estados > 15L)))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según el estado del pozo, Nueva York, 1860 - 2026
ESTADO DEL POZO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
AC 11.726 0.2469 24.69%
DC 104 0.0022 0.22%
PB 39 0.0008 0.08%
PM 179 0.0038 0.38%
PA 20.625 0.4342 43.42%
CO 52 0.0011 0.11%
RE 329 0.0069 0.69%
Confidential 34 0.0007 0.07%
UL 3.589 0.0756 7.56%
TR 211 0.0044 0.44%
IN 2.502 0.0527 5.27%
AR 9 0.0002 0.02%
DG 9 0.0002 0.02%
CA 209 0.0044 0.44%
VP 497 0.0105 1.05%
UN 2.008 0.0423 4.23%
UM 2.380 0.0501 5.01%
EX 2.288 0.0482 4.82%
SI 28 0.0006 0.06%
RW 18 0.0004 0.04%
PI 20 0.0004 0.04%
TA 1 0.0000 0.00%
DD 13 0.0003 0.03%
NR 631 0.0133 1.33%
TOTAL GENERAL 47.501 1.0000 100.00%

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

Interpretación: el estado del pozo con mayor frecuencia es PA, con 20.625 pozos (43.42% del total). La frecuencia mínima es de 1 pozo(s) y corresponde a 1 estados.

if (k_estados > 15L) {
  cat("## Top 10 de categorías con mayor frecuencia absoluta {-}\n\n")
  cat("El Cuadro N° 2 presenta los 10 estados más frecuentes ",
      "ordenados de mayor a menor frecuencia y agrupa los restantes en Otros estados ",
      "(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 estados más frecuentes y Otros, Nueva York, 1860 - 2026"))
}

Top 10 de categorías con mayor frecuencia absoluta

El Cuadro N° 2 presenta los 10 estados más frecuentes ordenados de mayor a menor frecuencia y agrupa los restantes en Otros estados (siempre al final), conservando los 47.501 registros válidos (98.05% en el Top 10).

Cuadro N° 2: Distribución de frecuencias de los pozos regulados: 10 estados más frecuentes y Otros, Nueva York, 1860 - 2026
ESTADO DEL POZO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
PA 20.625 0.4342 43.42%
AC 11.726 0.2469 24.69%
UL 3.589 0.0756 7.56%
IN 2.502 0.0527 5.27%
UM 2.380 0.0501 5.01%
EX 2.288 0.0482 4.82%
UN 2.008 0.0423 4.23%
NR 631 0.0133 1.33%
VP 497 0.0105 1.05%
RE 329 0.0069 0.69%
Otros estados 926 0.0195 1.95%
TOTAL GENERAL 47.501 1.0000 100.00%

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

5 Representación Gráfica

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

ggplot2::ggplot(tabla_local, ggplot2::aes(x=Estado,y=ni,fill=Estado)) +
  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_estados +
  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="Estado del pozo",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=Estado,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_estados +
  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="Estado del pozo",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=Estado,y=hi,fill=Estado)) +
  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_estados +
  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="Estado del pozo",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

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

ggplot2::ggplot(tabla_global, ggplot2::aes(x=Estado,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_estados +
  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="Estado del pozo",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$Estado),width=23),
                  "  —  ",sprintf("%.2f%%",tabla_local$porcentaje))
ggplot2::ggplot(tabla_local,ggplot2::aes(x=1,y=ni,fill=Estado)) +
  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 el estado del pozo",
                fill="Estado del pozo — 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° 3: Indicadores estadísticos de WELL_STATUS (Estado del pozo), 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)
WELL_STATUS (Estado del pozo) N/A N/A PA N/A N/A N/A N/A N/A

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

Registros válidos (N): 47.501   |   Categorías: 24   |   Frecuencia modal: 20.625   |   Porcentaje modal: 43.42%.

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

7 Conclusión

La variable WELL_STATUS (Estado del pozo) es cualitativa nominal y presenta 24 categorías en 47.501 registros válidos. La moda corresponde al estado PA, con una frecuencia de 20.625 pozos (43.42% del total), lo que evidencia una concentración de los registros en determinados estados operativos o administrativos de los pozos del estado de Nueva York.

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