1. Utilizando los datos proporcionados, crea un gráfico de dispersión que muestre la relación entre las concentraciones de cobre (Cu) y plata (Ag) en cada muestra. ¿Observas alguna correlación?

Respuesta
ggplot(Ppm, aes(Cu_ppm,Ag_ppm)) +geom_point(color="black") + geom_smooth(color="yellow2") + labs(title="Concentraciones de Cu y Ag", x="Cobre", y="Plata") + theme(plot.title = element_text(hjust=0.5)) +  theme(panel.background = element_rect(fill = "whitesmoke")) + theme(plot.title = element_text(size = 14, face = 'bold', color = 'black'))
## `geom_smooth()` using method = 'gam' and formula = 'y ~ s(x, bs = "cs")'

modelo <- lm(Ppm$Cu_ppm ~ Ppm$Ag_ppm)

pendiente <- coef(modelo)[2]  
intercepto <- coef(modelo)[1]  

cat("Ecuación de correlación:", "y =", round(pendiente, 2), "x +", round(intercepto, 2), "\n")
## Ecuación de correlación: y = 999.28 x + 149.94
correlacion <- cor(Ppm$Cu_ppm, Ppm$Ag_ppm)

cat("El factor de correlación (r) es:", round(correlacion, 3), "\n")
## El factor de correlación (r) es: 0.923

2. Elabora un histograma para mostrar la distribución de las concentraciones de niquel (Ni) en todas las muestras. ¿Qué puedes inferir sobre la presencia de niquel en el yacimiento a partir del histograma?

Respuesta
ggplot(Ppm, aes(x=Ni_ppm))+geom_histogram(fill="darkslategray3", color="darkslategray4", size=0.6)+labs(title="Histograma de las concentraciones de Niquel", x="Niquel en ppm", y="Frecuencia")+theme_minimal()+theme(plot.title = element_text(hjust=0.5, face = "bold"))
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

summary(Ppm$Ni_ppm)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.30   22.50   24.60   27.52   27.20   79.70

3. Genera un diagrama de caja para las concentraciones de plata (Ag) de todas las muestras. ¿Cuál es el rango intercuartílico? ¿Hay algún valor atípico?

Ag <- data.frame(Ppm$Ag_ppm)
Se realizó un diagrama de caja y extensión, sin embargo, debido a la gran cantidad de valores atípicos no se ve bien…
boxplot(Ag, horizontal= TRUE, main= "Diagrama de caja y extensión concentración de Ag", col="blue")

summary(Ag)
##    Ppm.Ag_ppm    
##  Min.   : 0.050  
##  1st Qu.: 0.100  
##  Median : 0.100  
##  Mean   : 1.127  
##  3rd Qu.: 0.200  
##  Max.   :73.900
Por lo que, para que se vea mejor se le recortó el rango, pero hay valores atípicos de hasta 73.9 y el rango intercuatílico es de 0.1.
boxplot(Ag, horizontal= TRUE, ylim = c(0.03, 0.4), col = "lightblue", main= "Diagrama de caja y extensión concentración de Ag")

IQR(Ppm$Ag_ppm)
## [1] 0.1

4. Crea un gráfico de barras que represente las concentraciones medias de cada mineral (Cu,Co, Zn, Ag, Pb, Ni, Mo, etc.) en todas las muestras. ¿Qué mineral presenta la mayor concentración promedio en el yacimiento?

Las concentraciones medias de cada mineral son las siguientes:
MediasPpm=data.frame(lapply(Ppm, mean, na.rm= TRUE))
MediasPpm
##      Mo_ppm   Cu_ppm   Pb_ppm   Zn_ppm   Ag_ppm   Ni_ppm   Co_ppm   Mn_ppm
## 1 0.9477064 1275.725 18.76487 100.3589 1.126606 27.51867 16.63152 852.1716
##     Fe_ppm   As_ppm    U_ppm   Th_ppm   Sr_ppm   Cd_ppm    Sb_ppm     Bi_ppm
## 1 42117.32 2.185105 1.575121 6.768268 296.6541 4.803562 0.1256341 0.09481921
##      V_ppm   CA_ppm    P_ppm   La_ppm   Cr_ppm   Mg_ppm   Ba_ppm   Ti_ppm
## 1 106.9514 15640.31 1742.477 38.24517 36.90988 14326.98 701.4798 5209.779
##     Al_ppm  Na_ppm    K_ppm     W_ppm   Zr_ppm   Ce_ppm   Sn_ppm    Y_ppm
## 1 82460.98 32421.6 21885.91 0.8814895 248.7444 69.46627 1.782515 16.45666
##     Nb_ppm   Ta_ppm   Be_ppm   Sc_ppm   Li_ppm    S_ppm   Rb_ppm   Hf_ppm
## 1 19.92218 1.340799 1.814355 10.50351 35.62024 1179.169 72.36962 5.736481
##       In_ppm    Ge_ppm     Re_ppm   Se_ppm    Te_ppm    Tl_ppm
## 1 0.05215326 0.1147113 0.01409941 1.007016 0.5003778 0.6090664
De acuerdo a estas, se realizó el siguiente gráfico de barras:
Nombres=names(MediasPpm)
MediasPpm= rbind(Nombres,MediasPpm)
MediasPpm= t(MediasPpm)

nombrestitulos <- c("Elementos", "Concentración")

colnames(MediasPpm) <- nombrestitulos

MediasPpm <- as.data.frame(MediasPpm)

MediasPpm$Concentración <- as.numeric(MediasPpm$Concentración)

MediasPpm <- MediasPpm[order(MediasPpm$Concentración),]

MediasPpm$Elementos <- factor(MediasPpm$Elementos, levels = MediasPpm$Elementos)

ggplot(MediasPpm, aes(x = Elementos, y = Concentración)) +
  geom_bar(stat = "identity", fill = "darkslategray3", alpha = 0.8, color = "darkslategray", size = 0.2) +
  labs(title = "Concentración vs. Elementos", x = "Elementos", y = "Concentración en ppm") + theme(axis.text.x = element_text(angle = 90, hjust = 1), plot.title = element_text(size = 14, face = 'bold', color = 'black'))+theme(plot.title = element_text(hjust=0.5))

De acuerdo a este, los elementos con mayor concentración promedio en el yacimiento son el aluminio (Al), hierro (Fe), sodio (Na), potasio (K), Calcio (CA) y magnesio (Mg). Así que el mineral predominante podría ser…

Basado en los gráficos que has creado y en los datos del assay, ¿qué mineral consideras que sería el más rentable para explotar en este yacimiento? Justifica tu respuesta utilizando los gráficos y los datos.