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

formacion_productora_limpia <- datos_originales |>
  dplyr::transmute(FormacionProductora=stringr::str_squish(as.character(.data[[columna_formacion]]))) |>
  dplyr::filter(!is.na(FormacionProductora), FormacionProductora != "",
                !toupper(FormacionProductora) %in% c("NA", "N/A", "NULL"))
N <- nrow(formacion_productora_limpia)
if (N == 0L) stop("No hay registros válidos de PRODUCING_FORMATION.")
k_formaciones <- dplyr::n_distinct(formacion_productora_limpia$FormacionProductora)
cat("Registros válidos:", fmt_entero(N),
    " | Formaciones productoras distintas:", fmt_entero(k_formaciones), "\n")
## Registros válidos: 33.013  | Formaciones productoras distintas: 80

3 Identificación de la Variable

VARIABLE TIPO ESCALA DE MEDICIÓN UNIDAD DE ANÁLISIS CATEGORÍAS (k) REGISTROS VÁLIDOS (N)
PRODUCING_FORMATION (Formación productora) Cualitativa nominal Nominal Pozo regulado 80 33.013

4 Tabla de Distribución de Frecuencias

El Cuadro N° 1 presenta la frecuencia absoluta (nᵢ), la frecuencia relativa (hᵢ) y el porcentaje de cada una de las 80 formaciones productoras, considerando 33.013 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 la formación productora, Nueva York, 1860 - 2026",
  desplazamiento=(k_formaciones > 15L)))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según la formación productora, Nueva York, 1860 - 2026
FORMACIÓN PRODUCTORA FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
Lorraine 1 0.0000 0.00%
Niagara 25 0.0008 0.08%
Little Falls 1 0.0000 0.00%
Oneida-Oswego 11 0.0003 0.03%
Black River 157 0.0048 0.48%
Helderberg 26 0.0008 0.08%
NA - Geoexchange 5 0.0002 0.02%
Retsof 1 0.0000 0.00%
Chipmunk, Bradford 1st,2nd,3rd 157 0.0048 0.48%
Bradford 2nd & 3rd 79 0.0024 0.24%
Penny & Fulmer Valley 243 0.0074 0.74%
Chipmunk, Bradford 1st & 2nd 84 0.0025 0.25%
Inwood Marble 6 0.0002 0.02%
Bradford Third 617 0.0187 1.87%
Precambrian 1 0.0000 0.00%
Wappinger Limestone 2 0.0001 0.01%
Laona 1 0.0000 0.00%
Sodus Shale 1 0.0000 0.00%
Beekmantown Group 2 0.0001 0.01%
Rochester Shale 1 0.0000 0.00%
Medina 8.829 0.2674 26.74%
Waugh & Porter 250 0.0076 0.76%
Bradford 1st & 2nd 3 0.0001 0.01%
Onondaga-Bass Island 2 0.0001 0.01%
Bass Island 107 0.0032 0.32%
Whirlpool 36 0.0011 0.11%
Hamilton 21 0.0006 0.06%
Marcellus 50 0.0015 0.15%
Upper Devonian Shale 8 0.0002 0.02%
Vernon 26 0.0008 0.08%
Bradford 1st & Chipmunk 8 0.0002 0.02%
Potsdam 5 0.0002 0.02%
Theresa 39 0.0012 0.12%
Penny 82 0.0025 0.25%
Bradford & Chipmunk 618 0.0187 1.87%
Glade 749 0.0227 2.27%
Lockport 14 0.0004 0.04%
Oriskany 608 0.0184 1.84%
Trenton 233 0.0071 0.71%
Bertie 2 0.0001 0.01%
Utica 4 0.0001 0.01%
Chipmunk & Harrisburg 4 0.0001 0.01%
Upper Devonian 503 0.0152 1.52%
Queenston 651 0.0197 1.97%
Richburg 8.874 0.2688 26.88%
Rice Brook 34 0.0010 0.10%
Confidential 36 0.0011 0.11%
Fordham Gneiss 26 0.0008 0.08%
Manlius 2 0.0001 0.01%
Chipmunk & Bradford 2nd 459 0.0139 1.39%
Akron 39 0.0012 0.12%
Devonian Shale 16 0.0005 0.05%
Richburg-Waugh & Porter 22 0.0007 0.07%
Bradford 2.051 0.0621 6.21%
Camillus 10 0.0003 0.03%
Oneida 35 0.0011 0.11%
Yonkers Gneiss 3 0.0001 0.01%
Onondaga 214 0.0065 0.65%
Chipmunk & Bradford 3rd 48 0.0015 0.15%
Syracuse 111 0.0034 0.34%
Manhattan Schist 35 0.0011 0.11%
Unknown 15 0.0005 0.05%
Harrisburg 2 0.0001 0.01%
Chipmunk, Bradford 2nd & 3rd 716 0.0217 2.17%
Herkimer-Oneida 5 0.0002 0.02%
Clarksville 141 0.0043 0.43%
Medina-Queenston 5 0.0002 0.02%
Salina 403 0.0122 1.22%
Rhinestreet 21 0.0006 0.06%
Clinton 4 0.0001 0.01%
Fulmer Valley 1.975 0.0598 5.98%
Rice Brook & Chipmunk 12 0.0004 0.04%
Chipmunk 2.369 0.0718 7.18%
Oswego 2 0.0001 0.01%
Bradford Second 29 0.0009 0.09%
Nunda 1 0.0000 0.00%
Tully 4 0.0001 0.01%
Herkimer 67 0.0020 0.20%
Scio 645 0.0195 1.95%
Grimsby 309 0.0094 0.94%
TOTAL 33.013 1.0000 100.00%

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

Interpretación: la formación productora más frecuente es Richburg, con 8.874 pozos (26.88% del total). La menor frecuencia registrada es 1, compartida por 8 formaciones productoras.

if (usar_resumen) {
  cat("## Top ", numero_top, " de formaciones productoras con mayor frecuencia {-}\n\n", sep="")
  cat("El Cuadro N° 2 presenta las ", numero_top,
      " formaciones productoras más frecuentes, ordenadas de mayor a menor, ",
      "y agrupa las restantes en Otras formaciones productoras. ",
      "El Top ", numero_top, " representa el ", sprintf("%.2f%%", pct_top),
      " de los ", fmt_entero(N), " registros válidos.\n\n", sep="")
  cat(crear_cuadro(tabla_resumen, 2,
    paste0("Distribución de frecuencias de los pozos regulados: Top ", numero_top,
           " formaciones productoras y Otras, Nueva York, 1860 - 2026")))
}

Top 10 de formaciones productoras con mayor frecuencia

El Cuadro N° 2 presenta las 10 formaciones productoras más frecuentes, ordenadas de mayor a menor, y agrupa las restantes en Otras formaciones productoras. El Top 10 representa el 83.23% de los 33.013 registros válidos.

Cuadro N° 2: Distribución de frecuencias de los pozos regulados: Top 10 formaciones productoras y Otras, Nueva York, 1860 - 2026
FORMACIÓN PRODUCTORA FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
Richburg 8.874 0.2688 26.88%
Medina 8.829 0.2674 26.74%
Chipmunk 2.369 0.0718 7.18%
Bradford 2.051 0.0621 6.21%
Fulmer Valley 1.975 0.0598 5.98%
Glade 749 0.0227 2.27%
Chipmunk, Bradford 2nd & 3rd 716 0.0217 2.17%
Queenston 651 0.0197 1.97%
Scio 645 0.0195 1.95%
Bradford & Chipmunk 618 0.0187 1.87%
Otras formaciones productoras 5.536 0.1677 16.77%
TOTAL 33.013 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=FormacionProductora,y=ni,fill=FormacionProductora)) +
  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_formaciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_ni_local),
                              labels=fmt_entero,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::coord_cartesian(clip="off") +
  ggplot2::labs(title="Gráfica N° 1: Frecuencia absoluta (nᵢ) local",
                x="Formación productora",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=FormacionProductora,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_formaciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_ni_global),
                              labels=fmt_entero,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::coord_cartesian(clip="off") +
  ggplot2::labs(title="Gráfica N° 2: Frecuencia absoluta (nᵢ) global",
                x="Formación productora",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=FormacionProductora,y=hi,fill=FormacionProductora)) +
  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_formaciones +
  ggplot2::scale_y_continuous(limits=c(0,limite_hi_local),labels=etiqueta_pct,
                              expand=ggplot2::expansion(mult=c(0,0))) +
  ggplot2::coord_cartesian(clip="off") +
  ggplot2::labs(title="Gráfica N° 3: Frecuencia relativa (hᵢ) local",
                x="Formación productora",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

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

ggplot2::ggplot(tabla_global, ggplot2::aes(x=FormacionProductora,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_formaciones +
  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::coord_cartesian(clip="off") +
  ggplot2::labs(title="Gráfica N° 4: Frecuencia relativa (hᵢ) global",
                x="Formación productora",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$FormacionProductora),width=23),
                  "  —  ",sprintf("%.2f%%",tabla_local$porcentaje))
ggplot2::ggplot(tabla_local,ggplot2::aes(x=1,y=ni,fill=FormacionProductora)) +
  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 por formación productora",
                fill="Formación productora — 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 PRODUCING_FORMATION (Formación productora), 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)
PRODUCING_FORMATION (Formación productora) N/A N/A Richburg N/A N/A N/A N/A N/A

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

Registros válidos (N): 33.013   |   Categorías: 80   |   Frecuencia modal: 8.874   |   Porcentaje modal: 26.88%.

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

7 Conclusión

La variable PRODUCING_FORMATION (Formación productora) es cualitativa nominal y presenta 80 categorías en 33.013 registros válidos. La moda corresponde a Richburg, con una frecuencia de 8.874 pozos (26.88% del total), lo que evidencia una mayor concentración de registros en determinadas formaciones productoras del estado de Nueva York.

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