Trabajo final R
Leonardo-Alejandro-Juan Maria
2024-11-28
library(readxl)
TRIGO <- read_excel("CARPETA_PARA_RSTUDIO/curso R/Trabajo final curso R/TRIGO.xlsx")
View(TRIGO)library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(readxl)
library(summarytools) ##
## Attaching package: 'summarytools'
##
## The following object is masked from 'package:tibble':
##
## viewlibrary(leaflet)Bal_datos <- TRIGO %>%
filter(Localidad == "BAL")Bal_datos## # A tibble: 684 × 5
## Ano Localidad Tratamiento Genotipo Rendimiento
## <dbl> <chr> <chr> <chr> <dbl>
## 1 2007 BAL ConFung KleinZorro 3830
## 2 2007 BAL ConFung KleinZorro 3030
## 3 2007 BAL SinFung KleinTauro 4660
## 4 2007 BAL SinFung KleinZorro 3100
## 5 2007 BAL SinFung KleinZorro 4170
## 6 2007 BAL ConFung KleinZorro 3460
## 7 2007 BAL SinFung KleinZorro 3520
## 8 2007 BAL ConFung KleinTauro 5200
## 9 2007 BAL SinFung KLEINCASTOR 4050
## 10 2007 BAL ConFung KLEINCASTOR 3340
## # ℹ 674 more rows¿Qué variedades se sembraron en su localidad?
tabla_frecuencias <- table(Bal_datos$Genotipo)
print(tabla_frecuencias)##
## ACA801 ACA901 ACA903 ACA905 ACA906
## 6 33 27 6 27
## ACA907 AGPFast Arex ATLAX B75ANIVERSARIO
## 12 27 27 30 24
## Baguette9 BIOINTA1001 BIOINTA1002 Biointa1005 Biointa1006
## 12 6 18 39 39
## Biointa1007 BuckPleno BUCKPUELCHE Cronox Floripan100
## 9 9 18 27 9
## KLEINCASTOR KLEINCHAJA KleinLeon KleinNutria KleinRayo
## 6 6 24 27 27
## KleinTauro KleinTIGRE KleinZorro LE2331 LE2333
## 45 30 33 33 12
## LE2357 ONIX SY300
## 12 6 18En la localidad de Balcarce se sembraron un total de treinta y tres genotipos, las cuales pueden ser visualizadas en la tabla de frecuencia.
Agregar una ubicación ficticia del campo donde se realizó el ensayo teniendo en cuenta la Localidad y Provincia (use el paquete leaflet)
leaflet() %>% ## addProviderTiles(providers$Esri.WorldImagery)%>%
addProviderTiles(providers$Esri.WorldImagery) %>%
setView(lng = -58.334750, lat = -37.827888, zoom = 15) %>% # Establece la vista inicial del mapa
addPolygons(lng = c(-58.349706,-58.342132,-58.318528, -58.325974),
lat = c(-37.835251,-37.840776,-37.820303,-37.814929),
color = "blue") %>%
addMarkers(lng = -58.334750, lat = -37.827888)¿Cuáles fueron los rendimientos alcanzados por las variedades?
Rendimientos medios alcanzados de todos los genotipos.
summary(Bal_datos$Rendimiento)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1029 4468 5229 5197 6064 8263Rendimientos medios alcanzados por cada genotipo.
library(dplyr)
# Agrupando por variedad y calculando estadísticas
rendimiento_por_variedad <- Bal_datos %>%
group_by(Genotipo) %>%
summarise(
minimo = min(Rendimiento),
mediana = median(Rendimiento),
media = mean(Rendimiento),
maximo = max(Rendimiento))
print(rendimiento_por_variedad)## # A tibble: 33 × 5
## Genotipo minimo mediana media maximo
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 ACA801 4250 5070 4938. 5220
## 2 ACA901 2457 4900 5129. 7549
## 3 ACA903 2786 5220 5215. 7203
## 4 ACA905 5696 6072. 6047 6293
## 5 ACA906 2571 6010 5755. 8054
## 6 ACA907 4350 5433 5627. 7230
## 7 AGPFast 3514 5451 5447. 6790
## 8 ATLAX 4090 5600 5603. 7147
## 9 Arex 3214 5082 5331. 7341
## 10 B75ANIVERSARIO 3940 5306. 5229 7462
## # ℹ 23 more rows¿En líneas generales ¿Se observan diferencias entre los tratamientos “Sin fungicida” y “Con fungicida”
ggplot(Bal_datos, aes(x = Tratamiento, y = Rendimiento, color = Tratamiento)) +
geom_boxplot(outlier.shape = NA) +
stat_summary(fun = mean, color = "black", geom = "point", shape= 1, size=3) +
labs(title =, x= "Tratamiento", y= "Rendimiento (Kg/Ha)") +
theme_minimal()
En lineas generales mediante la observacion de las lineas de tendencia central (media y mediana) no se observan diferencias significativas que ameriten el uso de fungicidas.
¿Qué variedad recomendaría sembrar?
ggplot(Bal_datos, aes(Rendimiento, Genotipo, colour = Rendimiento)) +
geom_path() +
stat_summary(fun.y = mean, geom = "line", aes(group = 1), color = "red", size = 1) + facet_grid(~.)## Warning: The `fun.y` argument of `stat_summary()` is deprecated as of ggplot2 3.3.0.
## ℹ Please use the `fun` argument instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
Analizando la grafica se recomienda que el genotipo SY300 es el que manifiesta un mayor rendimiento promedio. Es pertinete mencionar que se selecciono este genotipo debido a que analizando el numero de repeticiones que tenia cada genotipo este es el que presento un valor medio de repeticiones.