require(readxl)
require(lubridate)
require(dplyr)
require(tidyverse)

1 Base de datos 1

1.1 importarla base de npv filtrando por las columnas de interes.

## importarla base de npv filtrando por las columnas de interes.

pesos1 <- read_xlsx("pesoscotove.xlsx")
pesos1

1.2 Filtrado.

1.2.1 eliminando los datos repetidos por id

## eliminando los datos repetidos por id 

pesos2 <- pesos1 %>% 
  filter(!duplicated(ANIMAL))

1.2.2 renombrando las columnas con un nombre mas sencillo.

## renombrando las columnas con un nombre mas sencillo.

pesos2 <- pesos2 %>%
  rename(
    id = ANIMAL,
    sx = SEXO,
    invalid = FECHANAC,
    fnac = fecha)
pesos2

1.2.3 convirtiendo la variable fnac a fecha. y dando el formato indicado,

## convirtiendo la variable fnac a fecha. y dando el formato indicado,

pesos3 <- pesos2 %>% 
  mutate(fnac = as.Date(as.character(fnac)))  

# dando el formato indicado para fecha.

pesos3$fnac <- as.Date(pesos3$fnac, format = "%Y/%m/%d")

pesos3
#·Identificar las columnas que comienzan con la palabra "FECHA" usando la funcion grep 

columnas_fecha <- grep("^FECHA", names(pesos3), value = TRUE)

# Convertir las columnas al formato de fecha
for (col in columnas_fecha) {
  pesos3[[col]] <- as.Date(pesos3[[col]], format = "%Y-%m-%d")
}

1.2.4 eliminacion de las columnas de estados fisiologicos

## eliminacion de las columnas de estados fisiologicos usando la funcion grep como en el ejemplo anterior 
# Identificar las columnas que contienen "ESTADFISIO"
columnas_estfis<- grep("^ESTFIS", names(pesos3))

# Eliminar las columnas identificadas en el paso anterior.
pesos4 <- pesos3[, -columnas_estfis]

# ahora vamos a eliminar la columna numero 3 ya que no se leyo bien la fecha de 
#ingreso.

pesos4 <- pesos4 [, -3]
pesos4

1.2.5 Calculo de los dia a los cuales se realizaron los pesajes realizados.

# averiguando a los cuantos dias fueron los pesajes realizados.

pesos4 <- pesos4 %>% 
  mutate(
    edad1 = (FECHA1 - fnac),
    edad2 = (FECHA2 - fnac),
    edad3 = (FECHA3 - fnac),
    edad4 = (FECHA4 - fnac),
    edad5 = (FECHA5 - fnac),
    edad6 = (FECHA6 - fnac),
    edad7 = (FECHA7 - fnac),
    edad8 = (FECHA8 - fnac),
    edad9 = (FECHA9 - fnac),
    edad10 = (FECHA10 - fnac),
    edad11 = (FECHA11 - fnac),
    edad12 = (FECHA12 - fnac),
    edad13 = (FECHA13 - fnac),
    edad14 = (FECHA14 - fnac),
    edad15 = (FECHA15 - fnac),
    edad16 = (FECHA16 - fnac),
    edad17 = (FECHA17 - fnac),
    edad19 = (FECHA19 - fnac),
    edad20 = (FECHA20 - fnac),
    edad21 = (FECHA21 - fnac),
    edad22 = (FECHA22 - fnac),
    edad23 = (FECHA23 - fnac),
    edad24 = (FECHA24 - fnac),
    edad25 = (FECHA25 - fnac),
    edad26 = (FECHA26 - fnac),
    edad27 = (FECHA27 - fnac),
    edad28 = (FECHA28 - fnac),
    edad29 = (FECHA29 - fnac),
    edad30 = (FECHA30 - fnac),
    edad31 = (FECHA31 - fnac),
    edad32 = (FECHA32 - fnac),
    edad33 = (FECHA33 - fnac),
    edad34 = (FECHA34 - fnac),
    edad35 = (FECHA35 - fnac),
    edad36 = (FECHA36 - fnac),
    edad37 = (FECHA37 - fnac),
    edad38 = (FECHA38 - fnac),
    edad39 = (FECHA39 - fnac),
    edad40 = (FECHA40 - fnac),
    edad41 = (FECHA41 - fnac),
    edad42 = (FECHA42 - fnac),
    edad43 = (FECHA43 - fnac),
    edad45 = (FECHA45 - fnac),
    edad46 = (FECHA46 - fnac),
    edad47 = (FECHA47 - fnac),
    edad48 = (FECHA48 - fnac),
    edad49 = (FECHA49 - fnac),
    edad50 = (FECHA50 - fnac),
    edad51 = (FECHA51 - fnac),
    edad52 = (FECHA52 - fnac),
    edad53 = (FECHA53 - fnac),
    edad54 = (FECHA54 - fnac),
    edad55 = (FECHA55 - fnac),
    edad56 = (FECHA56 - fnac),
    edad57 = (FECHA57 - fnac),
    edad58 = (FECHA58 - fnac),
    edad59 = (FECHA59 - fnac),
    edad60 = (FECHA60 - fnac),
    edad61 = (FECHA61 - fnac),
    edad62 = (FECHA62 - fnac),
    edad63 = (FECHA63 - fnac),
    edad64 = (FECHA64 - fnac),
    edad65 = (FECHA65 - fnac),
    edad66 = (FECHA66 - fnac),
    edad67 = (FECHA67 - fnac),
    edad68 = (FECHA68 - fnac),
    edad69 = (FECHA69 - fnac),
    edad70 = (FECHA70 - fnac),
    edad71 = (FECHA71 - fnac),
    edad72 = (FECHA72 - fnac),
    edad73 = (FECHA73 - fnac),
    edad74 = (FECHA74 - fnac),
    edad75 = (FECHA75 - fnac),
    edad76 = (FECHA76 - fnac),
    edad77 = (FECHA77 - fnac),
    edad78 = (FECHA78 - fnac),
    edad79 = (FECHA79 - fnac),
    edad80 = (FECHA80 - fnac),
    edad81 = (FECHA81 - fnac),
    edad82 = (FECHA82 - fnac),
    edad83 = (FECHA83 - fnac),
    edad84 = (FECHA84 - fnac),
    edad85 = (FECHA85 - fnac),
    edad86 = (FECHA86 - fnac),
    edad87 = (FECHA87 - fnac),
    edad88 = (FECHA88 - fnac),
    edad89 = (FECHA89 - fnac),
    edad90 = (FECHA90 - fnac),
    edad91 = (FECHA91 - fnac),
    edad92 = (FECHA92 - fnac),
    edad93 = (FECHA93 - fnac),
    edad94 = (FECHA94 - fnac),
    edad95 = (FECHA95 - fnac),
    edad96 = (FECHA96 - fnac),
    edad97 = (FECHA97 - fnac),
    edad98 = (FECHA98 - fnac),
    edad99 = (FECHA99 - fnac),
    edad100 = (FECHA100 - fnac),
    edad101 = (FECHA101 - fnac),
    edad102 = (FECHA102 - fnac),
    edad103 = (FECHA103 - fnac),
    edad104 = (FECHA104 - fnac),
    edad105 = (FECHA105 - fnac),
    edad106 = (FECHA106 - fnac),
    edad107 = (FECHA107 - fnac),
    edad108 = (FECHA108 - fnac),
    edad109 = (FECHA109 - fnac),
    edad110 = (FECHA110 - fnac),
    edad111 = (FECHA111 - fnac),
    edad112 = (FECHA112 - fnac),
    edad113 = (FECHA113 - fnac),
    edad114 = (FECHA114 - fnac),
    edad115 = (FECHA115 - fnac),
    edad116 = (FECHA116 - fnac),
    edad117 = (FECHA117 - fnac),
    edad118 = (FECHA118 - fnac),
    edad119 = (FECHA119 - fnac),
    edad120 = (FECHA120 - fnac),
    edad121 = (FECHA121 - fnac),
    edad122 = (FECHA122 - fnac),
    edad123 = (FECHA123 - fnac),
    edad124 = (FECHA124 - fnac),
    edad125 = (FECHA125 - fnac),
    edad126 = (FECHA126 - fnac),
    edad127 = (FECHA127 - fnac),
    edad128 = (FECHA128 - fnac),
    edad129 = (FECHA129 - fnac),
    edad130 = (FECHA130 - fnac),
    edad131 = (FECHA131 - fnac),
    edad132 = (FECHA132 - fnac),
    edad133 = (FECHA133 - fnac),
    edad134 = (FECHA134 - fnac),
    edad135 = (FECHA135 - fnac),
    edad136 = (FECHA136 - fnac),
    edad137 = (FECHA137 - fnac),
    edad138 = (FECHA138 - fnac),
    edad139 = (FECHA139 - fnac),
    edad140 = (FECHA140 - fnac),
    edad141 = (FECHA141 - fnac),
    edad142 = (FECHA142 - fnac),
    edad143 = (FECHA143 - fnac),
    edad144 = (FECHA144 - fnac),
    edad145 = (FECHA145 - fnac),
    edad146 = (FECHA146 - fnac),
    edad147 = (FECHA147 - fnac),
    edad148 = (FECHA148 - fnac),
    edad149 = (FECHA149 - fnac),
    edad150 = (FECHA150 - fnac),
    edad151 = (FECHA151 - fnac),
    edad152 = (FECHA152 - fnac),
    edad153 = (FECHA153 - fnac),
    edad154 = (FECHA154 - fnac),
    edad155 = (FECHA155 - fnac),
    edad156 = (FECHA156 - fnac),
    edad157 = (FECHA157 - fnac),
    edad158 = (FECHA158 - fnac),
    edad159 = (FECHA159 - fnac),
    edad160 = (FECHA160 - fnac),
    edad161 = (FECHA161 - fnac),
    edad162 = (FECHA162 - fnac),
    edad163 = (FECHA163 - fnac),
    edad164 = (FECHA164 - fnac),
    edad165 = (FECHA165 - fnac),
    edad166 = (FECHA166 - fnac),
    edad167 = (FECHA167 - fnac),
    edad168 = (FECHA168 - fnac),
    edad169 = (FECHA169 - fnac),
    edad170 = (FECHA170 - fnac),
    edad171 = (FECHA171 - fnac),
    edad172 = (FECHA172 - fnac),
    edad173 = (FECHA173 - fnac),
    edad174 = (FECHA174 - fnac),
    edad175 = (FECHA175 - fnac),
    edad176 = (FECHA176 - fnac),
    edad177 = (FECHA177 - fnac),
    edad178 = (FECHA178 - fnac),
    edad179 = (FECHA179 - fnac),
    edad180 = (FECHA180 - fnac),
    edad181 = (FECHA181 - fnac),
    edad182 = (FECHA182 - fnac),
    edad183 = (FECHA183 - fnac),
    edad184 = (FECHA184 - fnac),
    edad185 = (FECHA185 - fnac),
    edad186 = (FECHA186 - fnac),
    edad187 = (FECHA187 - fnac),
    edad188 = (FECHA188 - fnac),
    edad189 = (FECHA189 - fnac),
    edad190 = (FECHA190 - fnac),
    edad191 = (FECHA191 - fnac),
    edad192 = (FECHA192 - fnac),
    edad193 = (FECHA193 - fnac),
    edad194 = (FECHA194 - fnac),
    edad195 = (FECHA195 - fnac),
    edad196 = (FECHA196 - fnac),
    edad197 = (FECHA197 - fnac),
    edad198 = (FECHA198 - fnac))


  # Calcular las edades hasta la edad198
pesos4 <- pesos4 %>% 
  mutate(
    edad1 = as.numeric(edad1), 
    edad2 = as.numeric(edad2), 
    edad3 = as.numeric(edad3), 
    edad4 = as.numeric(edad4), 
    edad5 = as.numeric(edad5), 
    edad6 = as.numeric(edad6), 
    edad7 = as.numeric(edad7),
    edad8 = as.numeric(edad8), 
    edad9 = as.numeric(edad9), 
    edad10 = as.numeric(edad10), 
    edad11 = as.numeric(edad11), 
    edad12 = as.numeric(edad12), 
    edad13 = as.numeric(edad13), 
    edad14 = as.numeric(edad14), 
    edad15 = as.numeric(edad15), 
    edad16 = as.numeric(edad16), 
    edad17 = as.numeric(edad17), 
    edad19 = as.numeric(edad19), 
    edad20 = as.numeric(edad20), 
    edad21 = as.numeric(edad21), 
    edad22 = as.numeric(edad22), 
    edad23 = as.numeric(edad23), 
    edad24 = as.numeric(edad24), 
    edad25 = as.numeric(edad25),
    edad26 = as.numeric(edad26), 
    edad27 = as.numeric(edad27), 
    edad28 = as.numeric(edad28), 
    edad29 = as.numeric(edad29), 
    edad30 = as.numeric(edad30), 
    edad31 = as.numeric(edad31), 
    edad32 = as.numeric(edad32), 
    edad33 = as.numeric(edad33), 
    edad34 = as.numeric(edad34), 
    edad35 = as.numeric(edad35), 
    edad36 = as.numeric(edad36), 
    edad37 = as.numeric(edad37), 
    edad38 = as.numeric(edad38), 
    edad39 = as.numeric(edad39), 
    edad40 = as.numeric(edad40), 
    edad41 = as.numeric(edad41), 
    edad42 = as.numeric(edad42), 
    edad43 = as.numeric(edad43), 
    edad45 = as.numeric(edad45), 
    edad46 = as.numeric(edad46), 
    edad47 = as.numeric(edad47), 
    edad48 = as.numeric(edad48), 
    edad49 = as.numeric(edad49), 
    edad50 = as.numeric(edad50), 
    edad51 = as.numeric(edad51), 
    edad52 = as.numeric(edad52), 
    edad53 = as.numeric(edad53), 
    edad54 = as.numeric(edad54), 
    edad55 = as.numeric(edad55), 
    edad56 = as.numeric(edad56), 
    edad57 = as.numeric(edad57), 
    edad58 = as.numeric(edad58), 
    edad59 = as.numeric(edad59), 
    edad60 = as.numeric(edad60), 
    edad61 = as.numeric(edad61), 
    edad62 = as.numeric(edad62), 
    edad63 = as.numeric(edad63), 
    edad64 = as.numeric(edad64), 
    edad65 = as.numeric(edad65), 
    edad66 = as.numeric(edad66), 
    edad67 = as.numeric(edad67), 
    edad68 = as.numeric(edad68), 
    edad69 = as.numeric(edad69), 
    edad70 = as.numeric(edad70), 
    edad71 = as.numeric(edad71), 
    edad72 = as.numeric(edad72), 
    edad73 = as.numeric(edad73), 
    edad74 = as.numeric(edad74), 
    edad75 = as.numeric(edad75), 
    edad76 = as.numeric(edad76), 
    edad77 = as.numeric(edad77), 
    edad78 = as.numeric(edad78), 
    edad79 = as.numeric(edad79), 
    edad80 = as.numeric(edad80), 
    edad81 = as.numeric(edad81), 
    edad82 = as.numeric(edad82), 
    edad83 = as.numeric(edad83), 
    edad84 = as.numeric(edad84), 
    edad85 = as.numeric(edad85), 
    edad86 = as.numeric(edad86), 
    edad87 = as.numeric(edad87), 
    edad88 = as.numeric(edad88), 
    edad89 = as.numeric(edad89), 
    edad90 = as.numeric(edad90), 
    edad91 = as.numeric(edad91), 
    edad92 = as.numeric(edad92), 
    edad93 = as.numeric(edad93), 
    edad94 = as.numeric(edad94), 
    edad95 = as.numeric(edad95), 
    edad96 = as.numeric(edad96), 
    edad97 = as.numeric(edad97), 
    edad98 = as.numeric(edad98), 
    edad99 = as.numeric(edad99), 
    edad100 = as.numeric(edad100), 
    edad101 = as.numeric(edad101), 
    edad102 = as.numeric(edad102), 
    edad103 = as.numeric(edad103), 
    edad104 = as.numeric(edad104), 
    edad105 = as.numeric(edad105), 
    edad106 = as.numeric(edad106), 
    edad107 = as.numeric(edad107), 
    edad108 = as.numeric(edad108), 
    edad109 = as.numeric(edad109), 
    edad110 = as.numeric(edad110), 
    edad111 = as.numeric(edad111), 
    edad112 = as.numeric(edad112), 
    edad113 = as.numeric(edad113), 
    edad114 = as.numeric(edad114), 
    edad115 = as.numeric(edad115), 
    edad116 = as.numeric(edad116), 
    edad117 = as.numeric(edad117), 
    edad118 = as.numeric(edad118), 
    edad119 = as.numeric(edad119), 
    edad120 = as.numeric(edad120), 
    edad121 = as.numeric(edad121), 
    edad122 = as.numeric(edad122), 
    edad123 = as.numeric(edad123), 
    edad124 = as.numeric(edad124), 
    edad125 = as.numeric(edad125), 
    edad126 = as.numeric(edad126), 
    edad127 = as.numeric(edad127), 
    edad128 = as.numeric(edad128), 
    edad129 = as.numeric(edad129), 
    edad130 = as.numeric(edad130), 
    edad131 = as.numeric(edad131), 
    edad132 = as.numeric(edad132), 
    edad133 = as.numeric(edad133), 
    edad134 = as.numeric(edad134), 
    edad135 = as.numeric(edad135), 
    edad136 = as.numeric(edad136), 
    edad137 = as.numeric(edad137), 
    edad138 = as.numeric(edad138), 
    edad139 = as.numeric(edad139), 
    edad140 = as.numeric(edad140), 
    edad141 = as.numeric(edad141), 
    edad142 = as.numeric(edad142), 
    edad143 = as.numeric(edad143), 
    edad144 = as.numeric(edad144), 
    edad145 = as.numeric(edad145), 
    edad146 = as.numeric(edad146), 
    edad147 = as.numeric(edad147), 
    edad148 = as.numeric(edad148), 
    edad149 = as.numeric(edad149), 
    edad150 = as.numeric(edad150), 
    edad151 = as.numeric(edad151), 
    edad152 = as.numeric(edad152), 
    edad153 = as.numeric(edad153), 
    edad154 = as.numeric(edad154), 
    edad155 = as.numeric(edad155), 
    edad156 = as.numeric(edad156), 
    edad157 = as.numeric(edad157), 
    edad158 = as.numeric(edad158), 
    edad159 = as.numeric(edad159), 
    edad160 = as.numeric(edad160), 
    edad161 = as.numeric(edad161), 
    edad162 = as.numeric(edad162), 
    edad163 = as.numeric(edad163), 
    edad164 = as.numeric(edad164), 
    edad165 = as.numeric(edad165), 
    edad166 = as.numeric(edad166), 
    edad167 = as.numeric(edad167), 
    edad168 = as.numeric(edad168), 
    edad169 = as.numeric(edad169), 
    edad170 = as.numeric(edad170), 
    edad171 = as.numeric(edad171), 
    edad172 = as.numeric(edad172), 
    edad173 = as.numeric(edad173), 
    edad174 = as.numeric(edad174), 
    edad175 = as.numeric(edad175), 
    edad176 = as.numeric(edad176), 
    edad177 = as.numeric(edad177), 
    edad178 = as.numeric(edad178), 
    edad179 = as.numeric(edad179), 
    edad180 = as.numeric(edad180), 
    edad181 = as.numeric(edad181), 
    edad182 = as.numeric(edad182), 
    edad183 = as.numeric(edad183), 
    edad184 = as.numeric(edad184), 
    edad185 = as.numeric(edad185), 
    edad186 = as.numeric(edad186), 
    edad187 = as.numeric(edad187), 
    edad188 = as.numeric(edad188), 
    edad189 = as.numeric(edad189), 
    edad190 = as.numeric(edad190), 
    edad191 = as.numeric(edad191), 
    edad192 = as.numeric(edad192), 
    edad193 = as.numeric(edad193), 
    edad194 = as.numeric(edad194), 
    edad195 = as.numeric(edad195), 
    edad196 = as.numeric(edad196), 
    edad197 = as.numeric(edad197), 
    edad198 = as.numeric(edad198))
pesos4

1.2.6 dejando variables de interes para pasar de formato largo a ancho

# dejando variables de interes para pasar de formato largo a ancho 

pesos5 <- pesos4 %>% 
  select(id, sx, edad1: edad198)

# paso de formato largo a ancho.
pesos6 <- pesos5 %>% 
  gather(key = edad, value = epa, -c(id,sx))
pesos6

1.2.7 pasar de formato largo a ancho.

# Identificar las columnas que contienen "ESTADFISIO"
columnas_estfis<- grep("^ESTFIS", names(pesos3))

# Eliminar las columnas identificadas en el paso anterior.
pesos7 <- pesos3[, -columnas_estfis]

# Identificar las columnas que contienen "FECHA"
columnas_FECHAS <- grep("^FECHA", names(pesos7))

# Eliminar las columnas identificadas en el paso anterior.
pesos7 <- pesos7[, -columnas_FECHAS]

# ahora vamos a eliminar la columna numero 3 ya que no se leyo bien la fecha de 
#ingreso.

pesos7 <- pesos7 [, -3]

# paso de base de datos  anterior del formato largo a ancho 
pesos7a <- pesos7 %>% 
  gather(key = PESO, value = kg, -c(id, sx, fnac))
pesos7a

2 creacion de bases de datos uniendo las dos bases de datos de interes.

# creacion de bases de datos  uniendo las dos bases de datos de interes.

pesos8 <- cbind(pesos6, pesos7a, by = "id")

# ordenando las columnas.

pesos9 <- pesos8 %>% 
  select("id", "sx", edad, epa, fnac, kg)

# filtrando los animales por un rango de dias.

pesos9 <- pesos9 %>% 
  filter(epa >= 300 & epa <= 400)
pesos9

2.1 Filtraado de animales dejnado solamente los mas cercanos al año de edad

# filtrando los animales repetidos por id, dejando los pesos que se acerquen mas 
# a 365d 
pesos9 <- pesos9 %>%
  mutate(diff_to_365 = abs(epa - 365)) %>%
  
  # Ordenar los datos por 'id' y 'diff_to_365' en orden ascendente
  arrange(id, diff_to_365) %>%
  
  # Quitar duplicados en 'id', manteniendo solo la primera fila (la más cercana a 365)
  distinct(id, .keep_all = TRUE)
 
# confirmando que no hayan id repetidos.
pesos9 <- pesos9 %>% 
  filter(!duplicated(id))

# ordenando la base datos eliminando las columnas que ya no se van a usar.
pesos10 <- pesos9 %>%
  select(id, sx, fnac, epa, kg)

# eliminando los datos que en la columna kg tiene NA
pesos10 <- pesos10 [!is.na(pesos10$kg), ]
pesos10

2.1.1 Establecimiento del las epocas de nacimiento.

# extrayendo el mes de nacimiento delos animales ya filtrados 

# extrayendo el mes de nacimiento de la columna fnac

pesos10$mn <- month(pesos10$fnac)

# estableciendo las epocas de nacimiento segun su mes de nacimiento 

en <- character(length(pesos10$mn))
en[pesos10$mn > 11] <- "A"
en[pesos10$mn < 3] <- "A"
en[pesos10$mn >= 3 & pesos10$mn <= 5] <- "B"
en[pesos10$mn >= 6 & pesos10$mn <= 8] <- "C"
en[pesos10$mn >= 9 & pesos10$mn <= 11] <- "D"

pesos11 <- cbind(pesos10, en)
pesos11

3 Importacion de una segunda base de datos.

# importando la segunda base de datos que vamos a usar.

npv <- read_excel("partosvacasactualesfebrero.xlsx", 
                  col_types = c(rep("skip", 6), "date", rep("skip", 2), rep("text", 2), 
                                "skip",  "numeric", rep("skip", 4), "numeric", "date", rep("skip", 12)))
npv

3.1 Filtrado de la segunda base de datos

3.1.1 Renombrando columnas y filtrando animales repetidos.

# renombrando las columnas.

npv <- npv %>%
  rename(
    id = CRIA,
    sx = SXCRIA,
    fnac = FECHAPARTO,
    pn = PESONAC,
    fup = FECHPESO,
    pf = ULTPESO)


# eliminando los animales repetidos por id ddel dataframe 

npv1 <- npv %>% 
  filter(!duplicated(id))
npv1

3.1.2 Calculo de los dias a los cuales fueron pesados los animales.

# dandole formato a las fechas.

npv1$fnac <- as.Date(npv1$fnac, format = "%Y/%m/%d")
npv1$fup <- as.Date(npv1$fup, format = "%Y/%m/%d")

# restando las fechas del peso al nacimiento y ultimo peso para filtrar posteriormente 
# los animales que si esten  con el peso año 

npv1 <- npv1 %>% 
  mutate(
    epa = (fup - fnac))

# ordenando las colomnas del data frame

npv2 <- npv1 %>% 
  select("id", "sx", fnac, epa, pf)

# filtrando los animales por un rango de dias.

npv2 <- npv2 %>% 
  filter(epa >= 300 & epa <= 400)
npv2

3.1.3 filtrando los animales por id y aquellos que estan mas cerca a los 365d

# filtrando los animales repetidos por id, dejando los pesos que se acerquen mas 
# a 365d 
npv2 <- npv2 %>%
  mutate(diff_to_365 = abs(epa - 365)) %>%
  
  # Ordenar los datos por 'id' y 'diff_to_365' en orden ascendente
  arrange(id, diff_to_365) %>%
  
  # Quitar duplicados en 'id', manteniendo solo la primera fila (la más cercana a 365)
  distinct(id, .keep_all = TRUE)
npv2

3.1.4 Estsblecimiento de las epocas de nacimiento y seleccionando columna a usar.

# extrayendo el mes de nacimiento de la columna fnac

npv2$mn <- month(npv2$fnac)

# estableciendo las epocas de nacimiento segun su mes de nacimiento 

en <- character(length(npv2$mn))
en[npv2$mn > 11] <- "A"
en[npv2$mn < 3] <- "A"
en[npv2$mn >= 3 & npv2$mn <= 5] <- "B"
en[npv2$mn >= 6 & npv2$mn <= 8] <- "C"
en[npv2$mn >= 9 & npv2$mn <= 11] <- "D"

npv3 <- cbind(npv2, en)

# seleccionando las columnas a utilizar 

npv4 <- npv3 %>% 
  select("id", "sx", fnac, epa, pf, mn, en)


# renombrando las columnas.

npv4 <- npv4 %>%
  rename(
    kg = pf)
npv4

4 Uniendo las dos bases de datos filtradas.

# uniendolas dos bases de datos.

final<- rbind(pesos11, npv4)

# eliminacion de  los aimales repetidos por id 

final2 <- final %>% 
  filter(!duplicated(id))

final2 <- final2 %>% 
  mutate(
    kg = as.numeric(kg))
final2

#Filtrado de base de datos final {.tabset .tabset-fade .tabset-pills}

4.1 Estimacion de la gdp, peso a los 365d y filtrando Rango de pesos.

#Estimacion de la ganacia diaria de peso.

final2$gdp <- (final2$kg/final2$epa)

# Estimacion del peso a los 365d

final2$kg365 <-  (final2$kg/final2$epa)*365

# filtro por rango de pesos de pa.

final3 <- final2 %>% 
  filter(final2$kg365 >= 180 & final2$kg365 <= 370)
final3

4.2 Estimacion de Fecha al destete

# se va a agregar una epoca de destete estimada, ya que lo vamosa calcular sumandole
#8 meses a la fecha de nacimiento y promediando para todos los animales.
# Eliminar filas con valores NA en la columna 'fnac'
final3 <- final3 %>% 
  filter(!is.na(fnac))

# Agregar una nueva columna 'fdest' que sea 'fnac' + 8 meses
final3 <- final3 %>% 
  mutate(fdest = fnac + months(8))

# eliminaremos los animales que engan un "NA" en la fecha de destete.

final3 <- final3 %>% 
  filter(!is.na(fdest))
final3

4.3 Identificacion de la epoca de destete.

# extrayendo el mes de destet de la columna fnac

final3$md <- month(final3$fdest)

#estableciendo las epocas de destete 

ed <- character(length(final3$ed))
ed[final3$md > 11] <- "A"
ed[final3$md < 3] <- "A"
ed[final3$md >= 3 & final3$md <= 5] <- "B"
ed[final3$md >= 6 & final3$md <= 8] <- "C"
ed[final3$md >= 9 & final3$md <= 11] <- "D"

final4 <- cbind(final3, ed)

final5 <- final4 %>% 
  select(id, sx, en, ed, epa, kg, kg365, gdp)
final5

5 Realizacion del analisis estadistico

5.1 Estadisticos individuales

#realizacion del analisis exploratorio de la base de datos.
#media.

# estimando las medias.

mean(final5$kg365)
## [1] 250.0641
 mean(final5$kg)
## [1] 242.306
#desviacion standar 
sd(final5$kg365)
## [1] 32.83249
sd(final5$kg)
## [1] 31.24624
#varianza 
var(final5$kg365)
## [1] 1077.973
var(final5$kg)
## [1] 976.3274
#identificacion de valores minimos.
min(final5$kg365)
## [1] 180
min(final5$kg)
## [1] 175
#identificacion de los valores maximos 
max(final5$kg365)
## [1] 340.4043
max(final5$kg)
## [1] 346
# cuartiles 
quantile(final5$kg365)
##       0%      25%      50%      75%     100% 
## 180.0000 226.7575 247.4230 271.4624 340.4043
quantile(final5$kg)
##   0%  25%  50%  75% 100% 
##  175  220  240  261  346
# calculo del coeficiente de variacion 

dcv <- ((sd(final5$kg365))/(mean(final5$kg365)))*100
dcv <- ((sd(final5$kg))/(mean(final5$kg)))*100
#estimacion de la media por sexo 

sapply(split(final5$kg365, final5$sx), mean)
##      H      M 
## 241.67 262.92
sapply(split(final5$kg, final5$sx), mean)
##        H        M 
## 238.9706 247.4144
# estimacion de la media por gdp y sx 

sapply(split(final5$gdp, final5$sx), mean)
##         H         M 
## 0.6621095 0.7203288
sapply(split(final5$gdp, final5$sx), summary)
##                 H         M
## Min.    0.5066667 0.4931507
## 1st Qu. 0.6049671 0.6555822
## Median  0.6661945 0.7156863
## Mean    0.6621095 0.7203288
## 3rd Qu. 0.7086555 0.7884337
## Max.    0.8625337 0.9326146
#desv ests por sexo 

sapply(split(final5$kg365, final5$sx), sd)
##        H        M 
## 28.21298 35.28960
sapply(split(final5$kg, final5$sx), sd)
##        H        M 
## 28.22153 34.90024
# Imprimir la tabla de estadísticos
summary(final5)
##       id                 sx                 en                 ed           
##  Length:281         Length:281         Length:281         Length:281        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##       epa              kg            kg365            gdp        
##  Min.   :300.0   Min.   :175.0   Min.   :180.0   Min.   :0.4932  
##  1st Qu.:349.0   1st Qu.:220.0   1st Qu.:226.8   1st Qu.:0.6213  
##  Median :358.0   Median :240.0   Median :247.4   Median :0.6779  
##  Mean   :354.4   Mean   :242.3   Mean   :250.1   Mean   :0.6851  
##  3rd Qu.:369.0   3rd Qu.:261.0   3rd Qu.:271.5   3rd Qu.:0.7437  
##  Max.   :400.0   Max.   :346.0   Max.   :340.4   Max.   :0.9326

5.2 Tabla resumen por peso al año ajustado

library(DT)

final5 %>% 
  group_by(sx) %>% 
  summarise(media = mean(kg365, na.rm = TRUE),
            de = sd(kg365, na.rm = TRUE),
            min = min(kg365, na.rm = TRUE),
            Max = max(kg365, na.rm = TRUE),
            mediana = median(kg365, na.rm = TRUE)) %>% 
  datatable()

5.3 Tabla resumen por epoca de nacimiento

final5 %>% 
  group_by(en) %>% 
  summarise(media = mean(kg365, na.rm = TRUE),
            de = sd(kg365, na.rm = TRUE),
            min = min(kg365, na.rm = TRUE),
            Max = max(kg365, na.rm = TRUE),
            mediana = median(kg365, na.rm = TRUE)) %>% 
  datatable()

5.4 Tabla resumen por epoca de destete

final5 %>% 
  group_by(ed) %>% 
  summarise(media = mean(kg365, na.rm = TRUE),
            de = sd(kg365, na.rm = TRUE),
            min = min(kg365, na.rm = TRUE),
            Max = max(kg365, na.rm = TRUE),
            mediana = median(kg365, na.rm = TRUE)) %>% 
  datatable()

5.5 Tabla resumen por edad al año

final5 %>% 
  group_by(epa) %>% 
  summarise(media = mean(kg365, na.rm = TRUE),
            de = sd(kg365, na.rm = TRUE),
            min = min(kg365, na.rm = TRUE),
            Max = max(kg365, na.rm = TRUE),
            mediana = median(kg365, na.rm = TRUE)) %>% 
  datatable()

##Tabla resumen por peso al año sin ajustar

final5 %>% 
  group_by(gdp) %>% 
  summarise(media = mean(kg, na.rm = TRUE),
            de = sd(kg365, na.rm = TRUE),
            min = min(kg365, na.rm = TRUE),
            Max = max(kg365, na.rm = TRUE),
            mediana = median(kg365, na.rm = TRUE)) %>% 
  datatable()

#Gaficos {.tabset .tabset-fade .tabset-pills}

5.6 Histograma de Distribucion de peso al año ajustada.

ggplot(final5, aes(x = kg365)) +
  geom_histogram(fill = "skyblue", color = "black", bins = 15) +
  labs(x = "peso 365d Kg", y = "Numero de animales", title = "Distribucion del peso al año Kg") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 20, face = "bold"),
        axis.text = element_text(size = 12),
        axis.title = element_text(size = 14, face = "bold"))

5.7 Histograma de distiución de peso al año sin ajustar

#histograma peso al año sin ajustar.

ggplot(final5, aes(x = kg)) +
  geom_histogram(fill = "firebrick1", color = "black", bins = 15) +
  labs(x = "peso al año Kg", y = "Numero de animales", title = "Distribucion del peso al año Kg") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 20, face = "bold"),
        axis.text = element_text(size = 12),
        axis.title = element_text(size = 14, face = "bold"))

5.8 Histograma con lineas de tendencia ajustado

#histograma con lineas de tendencia ajustado


hist(final5$kg365,
     breaks = 20,
     main = "Distribucion del peso al año (kg)",
     freq = FALSE,
     xlab = "peso al año",
     ylab = "frecuencia reotativa",
     xlim = c(130, 370),
     ylim = c(0, 0.01),
     col = "dodgerblue",
     border = "white",
)


lines(density(final5$kg365), col = "yellow", lwd = 3)

lines(density(final5$kg365, adjust = 2), col = "red",  lwd = 3, lty = 2)

5.9 hitograma lineas de tendencia no ajustado.

# hitograma lineas de tendencia no ajustado.
hist(final5$kg,
     breaks = 20,
     main = "Distribucion del peso al año (kg)",
     freq = FALSE,
     xlab = "peso al año",
     ylab = "frecuencia reotativa",
     xlim = c(130, 370),
     ylim = c(0, 0.016),
     col = "dodgerblue",
     border = "white",
)
lines(density(final5$kg365), col = "yellow", lwd = 3)

lines(density(final5$kg365, adjust = 2), col = "red",  lwd = 3, lty = 2)

5.10 Construccion del grafico de tallos y hojas

# construccion del grafico de tallos y hojas 

stem(final5$kg365)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   18 | 05
##   19 | 112235778
##   20 | 000001113344455677899
##   21 | 000012222344455778899
##   22 | 0012333334444446677778889999
##   23 | 011133444455566667789999
##   24 | 000012222223333344444555556666667777888889
##   25 | 000111122222333344445556677888899
##   26 | 0000011112233344444555667779
##   27 | 01123334455567889
##   28 | 001122333334457799999
##   29 | 001111225568
##   30 | 12455779
##   31 | 0144566
##   32 | 34699
##   33 | 22
##   34 | 0

5.11 Grafico de dispersion con linea de tendencia.

# grafico de dispersion con line de tendencia.

# Ajustar el modelo de regresión lineal
modelo <- lm(final5$gdp ~ final5$kg, data = final5)

# Crear el gráfico de puntos con la línea de tendencia
plot(final5$kg, final5$gdp,      
     xlab = "peso año",    
     ylab = "gdp",    
     main = "Gráfico de puntos con Regresión Lineal gdp y peso al año", 
     pch = 20,               
     col = "orangered2"            
)

# Agregar la línea de regresión
abline(modelo, col = "blue")

# Agregar la leyenda
legend("topleft", 
       legend = c("Línea de Regresión"),
       col = c("blue"), 
       lty = 1,
       bty = "n"
)

5.12 Grafico boxplot entre sexo y ganancia diaria de peso

# grafico boxplot entre sexo y ganancia diaria de peso 

# Definir colores personalizados
colores <- c("#1f77b4", "#ff7f0e")


ggplot(final5, aes(x = sx, y = gdp, fill = sx)) +
  geom_boxplot(color = "black", notch = TRUE, notchwidth = 0.5, alpha = 0.8, outlier.shape = NA) + 
  geom_jitter(shape = 16, position = position_jitter(0.2), alpha = 0.6, color = "black") +  
  scale_fill_manual(values = colores) +  
  labs(x = "Sexo", y = "Ganancia de Peso", fill = "Sexo") +
  ggtitle("Distribución de Ganancia de Peso por Sexo") +
  theme_minimal() +
  theme(
    axis.text = element_text(size = 12),
    axis.title = element_text(size = 14, face = "bold"),
    plot.title = element_text(size = 18, face = "bold", hjust = 0.5),
    legend.title = element_text(size = 14, face = "bold"),
    legend.text = element_text(size = 12),
    legend.position = "top", 
    panel.grid.major = element_blank(),  
    panel.grid.minor = element_blank(),  
    panel.border = element_rect(color = "black", fill = NA, size = 1) 
  )

5.13 Boxplot entre sexo y peso al año ajustado

# boxplot entre sexo y peso al año ajustado 
# Definir colores personalizados
colores <- c("#FF0000", "#00FFFF")


ggplot(final5, aes(x = sx, y = kg365, fill = sx)) +
  geom_boxplot(color = "black", notch = TRUE, notchwidth = 0.5, alpha = 0.8, outlier.shape = NA) +  
  geom_jitter(shape = 16, position = position_jitter(0.2), alpha = 0.6, color = "black") + 
  scale_fill_manual(values = colores) +  
  labs(x = "Sexo", y = "peso a los 365", fill = "Sexo") +
  ggtitle("Distribución de Peso al año ajustado y Sexo") +
  theme_minimal() +
  theme(
    axis.text = element_text(size = 12),
    axis.title = element_text(size = 14, face = "bold"),
    plot.title = element_text(size = 18, face = "bold", hjust = 0.5),
    legend.title = element_text(size = 14, face = "bold"),
    legend.text = element_text(size = 12),
    legend.position = "top",  # Posición de la leyenda
    panel.grid.major = element_blank(),  
    panel.grid.minor = element_blank(),  
    panel.border = element_rect(color = "black", fill = NA, size = 1) 
  )

5.14 Boxplot entre sexo y peso al año sin ajuste

# boxplot entre sexo y peso al año sin ajuste  
# Definir colores personalizados
colores <- c("#FFFF00", "#00FF00")


ggplot(final5, aes(x = sx, y = kg, fill = sx)) +
  geom_boxplot(color = "black", notch = TRUE, notchwidth = 0.5, alpha = 0.8, outlier.shape = NA) + 
  geom_jitter(shape = 16, position = position_jitter(0.2), alpha = 0.6, color = "black") +  
  scale_fill_manual(values = colores) +  # Colores personalizados
  labs(x = "Sexo", y = "peso al año", fill = "Sexo") +
  ggtitle("Distribución de Peso al año y  Sexo") +
  theme_minimal() +
  theme(
    axis.text = element_text(size = 12),
    axis.title = element_text(size = 14, face = "bold"),
    plot.title = element_text(size = 18, face = "bold", hjust = 0.5),
    legend.title = element_text(size = 14, face = "bold"),
    legend.text = element_text(size = 12),
    legend.position = "top",  
    panel.grid.major = element_blank(),  
    panel.grid.minor = element_blank(),  
    panel.border = element_rect(color = "black", fill = NA, size = 1) 
  )

5.15 comparativa entrela disbrucion de peso al año ajustada y sin ajustar y el sexo

par(mfrow = c(1, 2))


colores <- c("#FF0000", "#00FFFF")


ggplot(final5, aes(x = sx, y = kg365, fill = sx)) +
  geom_boxplot(color = "black", notch = TRUE, notchwidth = 0.5, alpha = 0.8, outlier.shape = NA) +  
  geom_jitter(shape = 16, position = position_jitter(0.2), alpha = 0.6, color = "black") + 
  scale_fill_manual(values = colores) +  
  labs(x = "Sexo", y = "peso a los 365", fill = "Sexo") +
  ggtitle("Distribución de Peso al año ajustado y Sexo") +
  theme_minimal() +
  theme(
    axis.text = element_text(size = 12),
    axis.title = element_text(size = 14, face = "bold"),
    plot.title = element_text(size = 18, face = "bold", hjust = 0.5),
    legend.title = element_text(size = 14, face = "bold"),
    legend.text = element_text(size = 12),
    legend.position = "top",  # Posición de la leyenda
    panel.grid.major = element_blank(),  
    panel.grid.minor = element_blank(),  
    panel.border = element_rect(color = "black", fill = NA, size = 1) 
  )

colores <- c("#FFFF00", "#00FF00")


ggplot(final5, aes(x = sx, y = kg, fill = sx)) +
  geom_boxplot(color = "black", notch = TRUE, notchwidth = 0.5, alpha = 0.8, outlier.shape = NA) + 
  geom_jitter(shape = 16, position = position_jitter(0.2), alpha = 0.6, color = "black") +  
  scale_fill_manual(values = colores) +  # Colores personalizados
  labs(x = "Sexo", y = "peso al año", fill = "Sexo") +
  ggtitle("Distribución de Peso al año y  Sexo") +
  theme_minimal() +
  theme(
    axis.text = element_text(size = 12),
    axis.title = element_text(size = 14, face = "bold"),
    plot.title = element_text(size = 18, face = "bold", hjust = 0.5),
    legend.title = element_text(size = 14, face = "bold"),
    legend.text = element_text(size = 12),
    legend.position = "top",  
    panel.grid.major = element_blank(),  
    panel.grid.minor = element_blank(),  
    panel.border = element_rect(color = "black", fill = NA, size = 1) 
  )

5.16 Boxplot entre peso al año ajustado y epoca de nacimiento.

 # boxplot entre peso al año ajustado y epoca de nacimiento.

boxplot(kg365 ~ en, data = final5,
        main = "Boxplot de Peso al año por Época de Nacimiento ajustado",
        xlab = "Época de Nacimiento",
        ylab = "Peso (kg)",
        col = c("lightblue", "lightgreen", "lightyellow", "lightpink"),
        notch = TRUE, 
        varwidth = TRUE 
)

5.17 boxplot entre peso al año ajustado y epoca de desete

# boxplot entre peso al año  ajustado y epoca de desete
boxplot(kg365 ~ ed, data = final5,
        main = "Boxplot de Peso al año por Época de destete ajustado",
        xlab = "Época de destete",
        ylab = "Peso (kg)",
        col = c("blue", "green", "yellow", "pink"),
        notch = TRUE, 
        varwidth = TRUE 
)

5.18 Boxplot entre peso al año y epoca de nacimiento.

# boxplot entre peso al año y epoca de nacimiento.

boxplot(kg ~ en, data = final5,
        main = "Boxplot de Peso al año por Época de Nacimiento",
        xlab = "Época de Nacimiento",
        ylab = "Peso (kg)",
        col = c("grey", "orange", "red", "lightblue"),
        notch = TRUE, 
        varwidth = TRUE 
)

5.19 Boxplot entre peso al año y epoca de desete

# boxplot entre peso al año  y epoca de desete
boxplot(kg ~ ed, data = final5,
        main = "Boxplot de Peso al año por Época de destete",
        xlab = "Época de destete",
        ylab = "Peso (kg)",
        col = c("orangered", "olivedrab1", "magenta1", "purple"),
        notch = TRUE, 
        varwidth = TRUE 
)

5.20 Boxplot comparativo entre peso ajustado y sin ajustar con epoca de nacimiento

# dos graficos en una misma ventana para efectos comprativos 

# por epoca de nacimiento 


par(mfrow = c(1, 2))

boxplot(kg365 ~ en, data = final5,
        main = "Boxplot de Peso al año por Época de Nacimiento ajustado",
        xlab = "Época de Nacimiento",
        ylab = "Peso (kg)",
        col = c("lightblue", "lightgreen", "lightyellow", "lightpink"),
        notch = TRUE, 
        varwidth = TRUE 
)

boxplot(kg ~ en, data = final5,
        main = "Boxplot de Peso al año por Época de Nacimiento",
        xlab = "Época de Nacimiento",
        ylab = "Peso (kg)",
        col = c("grey", "orange", "red", "lightblue"),
        notch = TRUE, 
        varwidth = TRUE 
)

5.21 Boxplot comparativo entre peso ajustado y sin ajustar con epoca de destete

# por epoca de destete.
par(mfrow = c(1, 2))

boxplot(kg365 ~ ed, data = final5,
        main = "Boxplot de Peso al año por Época de destete ajustado",
        xlab = "Época de destete",
        ylab = "Peso (kg)",
        col = c("blue", "green", "yellow", "pink"),
        notch = TRUE, 
        varwidth = TRUE 
)


boxplot(kg ~ ed, data = final5,
        main = "Boxplot de Peso al año por Época de destete",
        xlab = "Época de destete",
        ylab = "Peso (kg)",
        col = c("orangered", "olivedrab1", "magenta1", "purple"),
        notch = TRUE, 
        varwidth = TRUE 
)

6 Analisis y conclusiones

Analisis

Para los primeros dos gráficos, que consistieron en histogramas de distribución por peso al año en kg, observamos una diferencia significativa entre ambos. En el primero, ajustado, se identifica una media que tiende a estar por debajo de los 240 kg, mientras que en el segundo, no ajustado, la mayoría de los animales se concentran entre los 200 y 250 kg, generando así una media cercana a los 250 kg.

Esta discrepancia sugiere la influencia de varios factores ambientales, como el sexo, la época de nacimiento y la época de destete, que fueron considerados en nuestro estudio. Los animales muestran una desuniformidad al ajustarse, lo que refleja la complejidad de su crecimiento y desarrollo en diferentes condiciones.

Además, al analizar dos gráficos adicionales con líneas de tendencia, notamos que ambos exhiben una distribución normal, lo que apunta a cierta estabilidad en el crecimiento de los animales con el tiempo. En el gráfico con datos ajustados, se observa una tendencia hacia la media, lo que sugiere una posible estandarización en el crecimiento de los animales bajo ciertas condiciones.

También realizamos un gráfico de dispersión con el peso al año como variable x y el GDP como variable y, confirmando una relación directa y positiva entre ambas variables. Esta relación podría ser útil para realizar predicciones y tomar decisiones de manejo en el hato ganadero, aprovechando la asociación entre el crecimiento y el desarrollo económico.

Por último, al analizar gráficos boxplot, notamos la influencia significativa de los factores ambientales en el crecimiento y la ganancia de peso de los animales. Se destaca que la mejor época de destete para el presente año parece ser entre marzo y mayo, ya que los animales en este período muestran los pesos más altos. Además, la estimación de la edad al destete y el mes de nacimiento revelaron que los animales más pesados al año nacieron entre junio y septiembre, meses que generalmente no son lluviosos. Este hallazgo es intrigante y sugiere la existencia de otros factores ambientales que influyen en el crecimiento animal sin necesidad de estímulos adicionales.

Conclusiones

  1. Histogramas de Distribución por Peso al Año (Kg):
  • En el primer histograma ajustado, se observa que la media de los animales evaluados tiende a estar por debajo de los 240 kg.
  • Esto sugiere una distribución del peso al año que se concentra en rangos más bajos en comparación con el histograma no ajustado.
  • En el segundo histograma, la mayoría de los animales se encuentran entre los 200 y 250 kg de peso al año, con una media cercana a los 250 kg.
  • Esta distribución más sesgada hacia pesos más altos podría indicar una variabilidad en el crecimiento y la ganancia de peso entre los animales. La desuniformidad observada en los animales al ajustarse puede atribuirse a factores ambientales como el sexo, la época de nacimiento y la época de destete, que fueron considerados en el estudio.
  1. Gráficos de Líneas de Tendencia:
  • Ambos gráficos muestran una distribución normal del peso al año, lo que sugiere cierta consistencia en el crecimiento de los animales a lo largo del tiempo.
  • El gráfico con datos ajustados también revela una distribución normal, pero con una tendencia ligeramente diferente, lo que puede reflejar la influencia de variables adicionales en el crecimiento de los animales.
  1. Gráfico de Dispersión (Peso al Año vs. GDP):
  • Se observa una relación directa y positiva entre el peso al año y el GDP, lo que sugiere que un mayor GDP está asociado con un mayor peso al año en los animales.
  • Esta relación podría utilizarse para realizar predicciones y tomar decisiones de manejo en el hato ganadero, aprovechando la relación entre estas dos variables.
  1. Gráficos Boxplot:
  • Los gráficos boxplot evidencian la influencia significativa de los factores ambientales en el crecimiento y la ganancia de peso de los animales. Se identifica que la mejor época de destete para el presente año es entre marzo y mayo, ya que los animales en este periodo muestran los pesos más altos.
  • Además, se observa que los animales nacidos entre junio y septiembre tienden a ser más pesados al año, a pesar de no haber recibido estimulantes, lo que sugiere la importancia del mes de nacimiento en el crecimiento de los animales.