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

codigo_limpio <- datos_originales |>
  dplyr::transmute(Codigo=stringr::str_trim(as.character(.data[[columna_codigo]]))) |>
  dplyr::filter(!is.na(Codigo), Codigo != "",
                !toupper(Codigo) %in% c("NA", "N/A", "NULL"))
N <- nrow(codigo_limpio)
if (N == 0L) stop("No hay registros válidos de CONFIDENTIALITY_CODE.")
k_codigos <- dplyr::n_distinct(codigo_limpio$Codigo)
cat("Registros válidos:", fmt_entero(N),
    " | Códigos de confidencialidad distintos:", fmt_entero(k_codigos), "\n")
## Registros válidos: 47.417  | Códigos de confidencialidad distintos: 4

3 Identificación de la Variable

VARIABLE TIPO ESCALA DE MEDICIÓN UNIDAD DE ANÁLISIS CATEGORÍAS (k) REGISTROS VÁLIDOS (N)
CONFIDENTIALITY_CODE (Código de confidencialidad) Cualitativa nominal Nominal Pozo regulado 4 47.417

4 Tabla de Distribución de Frecuencias

cat(crear_cuadro(tabla_frecuencias, 1,
  "Distribución de frecuencias de los pozos regulados según el código de confidencialidad, Nueva York, 1860 - 2026",
  desplazamiento=(k_codigos > 15L)))
Cuadro N° 1: Distribución de frecuencias de los pozos regulados según el código de confidencialidad, Nueva York, 1860 - 2026
CÓDIGO DE CONFIDENCIALIDAD FRECUENCIA ABSOLUTA (nᵢ) FRECUENCIA RELATIVA (hᵢ) FRECUENCIA RELATIVA PORCENTUAL (%)
Application Received or Permit Issued 1.483 0.0313 3.13%
Released 7.640 0.1611 16.11%
Pre-1989 Well (N/A) 38.258 0.8068 80.68%
Initial 6-month Period 36 0.0008 0.08%
TOTAL 47.417 1.0000 100.00%

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

if (usar_resumen) {
  cat("## Top ", numero_top, " códigos de confidencialidad con mayor frecuencia {-}\n\n", sep="")
  cat("El Cuadro N° 2 presenta los ", numero_top,
      " códigos de confidencialidad más frecuentes, ordenados de mayor a menor, ",
      "y agrupa los restantes en «Otros códigos de confidencialidad». ",
      "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,
           " códigos de confidencialidad 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=Codigo,y=ni,fill=Codigo)) +
  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_codigos +
  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="Código de confidencialidad",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=Codigo,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_codigos +
  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="Código de confidencialidad",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=Codigo,y=hi,fill=Codigo)) +
  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_codigos +
  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="Código de confidencialidad",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

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

ggplot2::ggplot(tabla_global, ggplot2::aes(x=Codigo,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_codigos +
  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="Código de confidencialidad",y="Frecuencia relativa (%)",caption=fuente_graficas) +
  tema_barras

5.5 Gráfica N° 5 — Gráfica Circular Porcentual

leyenda_df <- tabla_local |>
  dplyr::mutate(
    etiqueta_leyenda = paste0(
      stringr::str_wrap(as.character(Codigo), width = 24),
      "\n",
      sprintf("n = %s | %.2f%%", fmt_entero(ni), porcentaje)
    )
  )

valores_colores <- colores[as.character(leyenda_df$Codigo)]
labels_leyenda <- leyenda_df$etiqueta_leyenda
names(labels_leyenda) <- as.character(leyenda_df$Codigo)

ggplot2::ggplot(leyenda_df, ggplot2::aes(x = 1, y = ni, fill = Codigo)) +
  ggplot2::geom_col(width = 1, color = "#244861", linewidth = .48) +
  ggplot2::coord_polar(theta = "y", start = 0) +
  ggplot2::scale_fill_manual(
    values = valores_colores,
    breaks = as.character(leyenda_df$Codigo),
    labels = labels_leyenda,
    drop = FALSE
  ) +
  ggplot2::guides(fill = ggplot2::guide_legend(ncol = 1, byrow = TRUE)) +
  ggplot2::labs(
    title = "Gráfica N° 5: Distribución porcentual según el código de confidencialidad",
    fill = "Código de confidencialidad\nFrecuencia y 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 = 12.5, color = "#15364C", lineheight = 1.05),
    legend.text = ggplot2::element_text(size = 11.2, color = "#253B4B", lineheight = 1.02),
    legend.key.size = grid::unit(.62, "cm"),
    legend.spacing.y = grid::unit(.12, "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 CONFIDENTIALITY_CODE (Código de confidencialidad), 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)
CONFIDENTIALITY_CODE (Código de confidencialidad) N/A N/A Pre-1989 Well (N/A) N/A N/A N/A N/A N/A

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

Registros válidos (N): 47.417   |   Categorías: 4   |   Frecuencia modal: 38.258   |   Porcentaje modal: 80.68%.

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

7 Conclusión

La variable CONFIDENTIALITY_CODE (Código de confidencialidad) es cualitativa nominal y presenta 4 categorías en 47.417 registros válidos. La moda corresponde a Pre-1989 Well (N/A), con una frecuencia de 38.258 pozos (80.68% del total), lo que evidencia una mayor concentración de registros en determinados códigos de confidencialidad de los pozos del estado de Nueva York.

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