---
title: "Estructura no declarada"
output: rmarkdown::html_vignette
vignette: >
  %\VignetteIndexEntry{Estructura no declarada}
  %\VignetteEngine{knitr::rmarkdown}
  %\VignetteEncoding{UTF-8}
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(collapse = TRUE, comment = "#>")
# El ancho se restaura al terminar la vinneta: knitr corre cada una en su propia
# sesion, asi que no se filtra, pero el CRAN Cookbook pide devolver toda opcion
# que se cambie y no cuesta nada cumplirlo.
.opciones_previas <- options(width = 90)
```

Una entrega puede llegar sin diccionario, claves ni relaciones declaradas. Esta
guía muestra cómo examinar la estructura que se cumple en los datos recibidos y
qué parte de esa estructura todavía requiere confirmación.

## Dos tablas que se pueden seguir fila por fila

Los datos incluidos en `lupa` tienen trece filas cada uno. Sirven para examinar
tipos, formatos, distribuciones, asociaciones y tiempo, pero no contienen una
clave exacta: por ejemplo, `id_evento` tiene doce valores distintos en trece
filas de `datos_operativos`. Por eso `detectar_claves()` y
`detectar_dependencias()` no se muestran sobre esos conjuntos: devolverían
tablas sin filas.

Para ver una clave, una relación y una dependencia se construyen dos tablas
chicas. Cada conclusión se puede contrastar con las filas impresas.

```{r tablas-construidas}
library(lupa)

personas <- data.frame(
  id_persona = 101:108,
  nombre = rep(c("Ana", "Bruno", "Carla", "Diego"), each = 2),
  ciudad = rep(c("Montevideo", "Salto", "Belén", "Melo"), each = 2),
  departamento = rep(
    c("Montevideo", "Salto", "Salto", "Cerro Largo"), each = 2
  ),
  stringsAsFactors = FALSE
)

tramites <- data.frame(
  id_tramite = 1001:1010,
  id_persona = c(101, 101, 102, 103, 104, 104, 105, 106, 107, 108),
  tipo = rep(c("alta", "renovación"), 5),
  stringsAsFactors = FALSE
)

personas
tramites
```

`id_persona` no falta y no se repite en `personas`. Se limita la búsqueda a
columnas simples para que la salida responda sólo esa pregunta.

```{r claves}
claves <- detectar_claves(personas, max_combinacion = 1)
claves[, c(
  "columnas", "n_columnas", "n_filas", "casi_clave", "unicidad_exacta"
)]
```

La misma columna se repite en `tramites`: una persona puede tener más de un
trámite. `detectar_relaciones()` necesita las dos tablas. Al comparar las dos
columnas de identificación encuentra una cardinalidad 1:m; ambas coberturas son
1 porque todos los identificadores aparecen en el otro lado.

```{r relaciones}
detectar_relaciones(
  personas["id_persona"], tramites["id_persona"], muestra = Inf
)
```

En `personas`, cada ciudad observada pertenece a un solo departamento. Salto y
Belén muestran que la relación inversa no se cumple. El mínimo de observaciones
se baja a cuatro porque la tabla construida tiene ocho filas; `muestra = Inf`
deja explícito que se usan todas.

```{r dependencias}
dependencias <- detectar_dependencias(
  personas[c("ciudad", "departamento")],
  muestra = Inf,
  min_observaciones = 4
)
dependencias
```

Nada de lo anterior modifica ni declara el modelo. La clave es *candidata*, la
cardinalidad describe estas dos tablas y la dependencia se cumple en estas ocho
filas. Una entrega futura puede contradecirlas; la documentación del sistema es
la que puede confirmarlas como reglas.

## Patrones, tipos y fechas en los datos incluidos

Las funciones de columna reciben vectores. En particular,
`descubrir_patrones()` no recibe un data frame. Sobre `codigo_usuario`, la
salida cuenta las formas observadas y conserva ejemplos. El resumen conserva
como máximo seis patrones raros para presentar; el atributo
`patrones_raros_trazabilidad` conserva sus nombres hasta 5.000, sin guardar la
tabla de frecuencias.

```{r patrones}
descubrir_patrones(datos_operativos$codigo_usuario)
```

El almacenamiento como texto no impide proponer un tipo implícito. La fecha se
examina como vector y los formatos se cuentan por separado.

```{r tipos-y-fechas}
inferir_tipo(datos_operativos$fecha_evento)
detectar_formatos_fecha(datos_operativos$fecha_evento)
```

Estas salidas describen compatibilidad y frecuencia. No convierten la columna
ni afirman cuál formato debe aceptar el sistema.

Una columna compuesta sólo por fechas como `01/02/2020` puede ser compatible al
100 % y seguir siendo ambigua: sin una convención externa no se sabe si el
primer número es día o mes. El perfil conserva esa diferencia donde se consume
la inferencia.

```{r tipo-fecha-ambiguo}
set.seed(20260831)
perfil_fecha_ambigua <- perfilar(
  data.frame(
    fecha_ambigua = c("01/02/2020", "02/03/2020", "03/04/2020"),
    stringsAsFactors = FALSE
  ),
  muestra = Inf,
  analizar_dependencias = FALSE
)
perfil_fecha_ambigua$columnas[, c(
  "columna", "tipo_inferido", "proporcion_tipo_inferido",
  "estado_tipo_inferido"
)]
```

Así, `tipo_inferido = "fecha"` y `proporcion_tipo_inferido = 1` no se leen como
confirmación: `estado_tipo_inferido = "candidato"` dice que la lectura todavía
no está establecida.

## Escalas, distribuciones y asociaciones

`clasificar_variables()` propone una escala y un rol por columna. `confianza`
expone la fuerza de la propuesta y `confirmada` distingue una declaración de
una inferencia. Sin metadatos declarados, las propuestas siguientes quedan sin
confirmar.

```{r clasificacion}
clasificacion <- clasificar_variables(datos_operativos)
clasificacion[, c(
  "columna", "tipo_almacenamiento", "tipo_implicito", "escala_propuesta",
  "rol", "confianza", "confirmada"
)]
```

Una distribución agrega evidencia sobre valores concretos y cuantiles. Aquí se
muestran las frecuencias de `canal` y los cuantiles de `monto`; `alcance` del
objeto conserva el total analizado, el muestreo y el truncamiento por columna.

```{r distribuciones}
distribuciones <- distribucion_valores(datos_operativos, max_valores = 5)
distribuciones$frecuencias[
  distribuciones$frecuencias$columna == "canal", , drop = FALSE
]
distribuciones$cuantiles[
  distribuciones$cuantiles$columna == "monto", , drop = FALSE
]
```

Las asociaciones son medidas entre pares, no dependencias ni instrucciones de
modelado. La columna `supuesto` dice cómo se trataron las escalas para calcular
cada medida.

```{r asociaciones}
asociaciones <- detectar_asociaciones(datos_operativos)
utils::head(asociaciones, 5)
```

## Cobertura temporal

`analizar_tiempo()` reconoce `fecha_evento` mediante su contenido. Resume el
período observado y propone una frecuencia con `confirmada = FALSE`; la
propuesta sigue siendo evidencia para revisar.

```{r tiempo}
tiempo <- analizar_tiempo(datos_operativos)
tiempo$resumen
tiempo$propuestas
```

## El vocabulario de granularidad

`granularidades()` y `transiciones_granularidad()` no analizan las tablas.
Devuelven el vocabulario de niveles en que se puede medir y el grafo de
agregaciones admitidas. Las dos cosas no son la misma: un nivel puede estar
implementado para medir y no ser alcanzable por ninguna transición, así que la
tabla publica `agregable` con su motivo en vez de dejar que el lector lo
suponga.

```{r granularidad}
granularidades()
transiciones_granularidad()
```

Ese vocabulario conecta el examen con el
[definición de la calidad](definir-la-calidad.html): una estructura observada puede
orientar qué medir, pero la métrica, su granularidad y su interpretación se
declaran en el modelo.


```{r, cierre, include=FALSE}
options(.opciones_previas)
```