## importarla base de npv filtrando por las columnas de interes.
pesos1 <- read_xlsx("pesoscotove.xlsx")
pesos1## renombrando las columnas con un nombre mas sencillo.
pesos2 <- pesos2 %>%
rename(
id = ANIMAL,
sx = SEXO,
invalid = FECHANAC,
fnac = fecha)
pesos2## 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## 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# 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# 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# 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# 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# 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$kg), ]
pesos10# extrayendo el mes de nacimiento delos animales ya filtrados
# extrayendo el mes de nacimiento de la columna fnac
pesos10$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# 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# 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# 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# 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# 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$mn <= 11] <- "D"
npv3 <- cbind(npv2, en)
# seleccionando las columnas a utilizar
npv4 <- npv3 %>%
select("id", "sx", fnac, epa, pf, mn, en)
# renombrando las columnas.
npv4 <- npv4 %>%
rename(
kg = pf)
npv4# uniendolas dos bases de datos.
final<- rbind(pesos11, npv4)
# eliminacion de los aimales repetidos por id
final2 <- final %>%
filter(!duplicated(id))
final2 <- final2 %>%
mutate(
kg = as.numeric(kg))
final2#Filtrado de base de datos final {.tabset .tabset-fade .tabset-pills}
#Estimacion de la ganacia diaria de peso.
final2$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$kg365 <= 370)
final3# se va a agregar una epoca de destete estimada, ya que lo vamosa calcular sumandole
#8 meses a la fecha de nacimiento y promediando para todos los animales.
# Eliminar filas con valores NA en la columna 'fnac'
final3 <- final3 %>%
filter(!is.na(fnac))
# Agregar una nueva columna 'fdest' que sea 'fnac' + 8 meses
final3 <- final3 %>%
mutate(fdest = fnac + months(8))
# eliminaremos los animales que engan un "NA" en la fecha de destete.
final3 <- final3 %>%
filter(!is.na(fdest))
final3# extrayendo el mes de destet de la columna fnac
final3$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#realizacion del analisis exploratorio de la base de datos.
#media.
# estimando las medias.
mean(final5$kg365)## [1] 250.0641
## [1] 242.306
## [1] 32.83249
## [1] 31.24624
## [1] 1077.973
## [1] 976.3274
## [1] 180
## [1] 175
## [1] 340.4043
## [1] 346
## 0% 25% 50% 75% 100%
## 180.0000 226.7575 247.4230 271.4624 340.4043
## 0% 25% 50% 75% 100%
## 175 220 240 261 346
# calculo del coeficiente de variacion
dcv <- ((sd(final5$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
## H M
## 238.9706 247.4144
## H M
## 0.6621095 0.7203288
## 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
## H M
## 28.21298 35.28960
## H M
## 28.22153 34.90024
## 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
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}
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"))#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"))#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)# 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$kg365, adjust = 2), col = "red", lwd = 3, lty = 2)##
## The decimal point is 1 digit(s) to the right of the |
##
## 18 | 05
## 19 | 112235778
## 20 | 000001113344455677899
## 21 | 000012222344455778899
## 22 | 0012333334444446677778889999
## 23 | 011133444455566667789999
## 24 | 000012222223333344444555556666667777888889
## 25 | 000111122222333344445556677888899
## 26 | 0000011112233344444555667779
## 27 | 01123334455567889
## 28 | 001122333334457799999
## 29 | 001111225568
## 30 | 12455779
## 31 | 0144566
## 32 | 34699
## 33 | 22
## 34 | 0
# grafico de dispersion con line de tendencia.
# Ajustar el modelo de regresión lineal
modelo <- lm(final5$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"
)# 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)
)# 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)
)# 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)
)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)
) # 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
)# 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
)# 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
)# 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
)# 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
)# 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
)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