1 Configuración y Carga de Datos

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

2 Extracción y Limpieza de la Variable

desvio_limpio <- datos_originales |>
  dplyr::transmute(Desvio=stringr::str_squish(as.character(.data[[columna_sidetrack]]))) |>
  dplyr::filter(!is.na(Desvio), Desvio != "",
                !toupper(Desvio) %in% c("NA", "N/A", "NULL"))
N <- nrow(desvio_limpio)
if (N == 0L) stop("No se encontraron valores válidos para SIDETRACK.")
k_desvios <- dplyr::n_distinct(desvio_limpio$Desvio)
cat("Registros válidos:", fmt_entero(N),
    " | Categorías distintas de Sidetrack:", fmt_entero(k_desvios), "\n")
## Registros válidos: 47.501  | Categorías distintas de Sidetrack: 5

3 Identificación de la Variable

VARIABLE TIPO ESCALA DE MEDICIÓN UNIDAD DE ANÁLISIS CATEGORÍAS (k) REGISTROS VÁLIDOS (N)
SIDETRACK (Desvío lateral del pozo) Cualitativa nominal Nominal Pozo regulado 5 47.501

4 Tabla de Distribución de Frecuencias

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según el desvío lateral del pozo, Nueva York, 1860 - 2026",
  desplazamiento=(k_desvios > 6L)))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según el desvío lateral del pozo, Nueva York, 1860 - 2026
DESVÍO LATERAL DEL POZO FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
4 1 0.0000 0.00%
0 47.268 0.9951 99.51%
3 6 0.0001 0.01%
1 191 0.0040 0.40%
2 35 0.0007 0.07%
TOTAL GENERAL 47.501 1.0000 100.00%

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

Interpretación: la categoría de desvío lateral más frecuente es 0, con 47.268 pozos (99.51% del total). La menor frecuencia observada es de 1 pozos, compartida por 1 categorías.

# Segunda TDF cuando existan más de seis categorías: Top 6 + Otros.
if (k_desvios > 6L) {
  cat("## Top 6 de categorías con mayor frecuencia absoluta {-}\n\n")
  cat("El Cuadro N° 2 presenta las 6 categorías de desvío lateral más frecuentes, ",
      "ordenadas de mayor a menor frecuencia, y agrupa las restantes en ",
      "Otros desvíos laterales (al final). Se conservan los ",
      fmt_entero(N), " registros válidos; el Top 6 reúne el ",
      sprintf("%.2f%%", pct_top6), " del total.\n\n", sep="")
  cat(crear_cuadro(tabla_resumen, 2,
    "Distribución de frecuencias de los pozos regulados: 6 categorías de desvío lateral más frecuentes y Otros, Nueva York, 1860 - 2026"))
}

5 Representación Gráfica

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

ggplot2::ggplot(tabla_local, ggplot2::aes(x=Desvio,y=ni,fill=Desvio)) +
  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_desvios +
  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="Desvío lateral 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=Desvio,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_desvios +
  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="Desvío lateral 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=Desvio,y=hi,fill=Desvio)) +
  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_desvios +
  ggplot2::scale_y_continuous(limits=c(0,limite_hi_local),labels=etiqueta_pct,
                              expand=ggplot2::expansion(mult=c(0,.08))) +
  ggplot2::labs(title="Gráfica N° 3: Frecuencia relativa (hᵢ) local",
                x="Desvío lateral 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=Desvio,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_desvios +
  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,.08))) +
  ggplot2::labs(title="Gráfica N° 4: Frecuencia relativa (hᵢ) global",
                x="Desvío lateral 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$Desvio),width=23),
                  "  —  ",sprintf("%.2f%%",tabla_local$porcentaje))
ggplot2::ggplot(tabla_local,ggplot2::aes(x=1,y=ni,fill=Desvio)) +
  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 desvío lateral del pozo",
                fill="Desvío lateral 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° 2: Indicadores estadísticos de SIDETRACK (Desvío lateral 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)
SIDETRACK (Desvío lateral del pozo) N/A N/A 0 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: 5   |   Frecuencia modal: 47.268   |   Porcentaje modal: 99.51%.

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

7 Conclusión

La variable SIDETRACK (Desvío lateral del pozo) es cualitativa nominal y presenta 5 categorías en 47.501 registros válidos. La moda corresponde a 0, con una frecuencia de 47.268 pozos (99.51% del total), lo que evidencia una concentración de los registros en determinadas categorías de desvío lateral de los pozos regulados del estado de Nueva York.

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