TP1y2Modulo4
Soledad
2024-12-12
# Instalamos y/o cargamos paquetes
library("tidyverse")## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## âś” dplyr 1.1.4 âś” readr 2.1.5
## âś” forcats 1.0.0 âś” stringr 1.5.1
## âś” ggplot2 3.5.1 âś” tibble 3.2.1
## âś” lubridate 1.9.3 âś” tidyr 1.3.1
## âś” purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## âś– dplyr::filter() masks stats::filter()
## âś– dplyr::lag() masks stats::lag()
## â„ą Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary("readxl")install.packages("leaflet")## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)library("leaflet")TRIGO <- read_excel("TRIGO.xlsx")glimpse(TRIGO)## Rows: 4,170
## Columns: 5
## $ Año <dbl> 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007…
## $ Localidad <chr> "CHA", "CHA", "CHA", "CHA", "CHA", "CHA", "CHA", "CHA", "C…
## $ Tratamiento <chr> "ConFung", "ConFung", "ConFung", "SinFung", "SinFung", "Si…
## $ Genotipo <chr> "KleinTauro", "KleinTauro", "KLEINCASTOR", "KleinTauro", "…
## $ Rendimiento <dbl> 5604.40, 4945.05, 6106.75, 4992.15, 5086.34, 6342.23, 5949…#En total la base de datos TRIGO tiene 4170 casos y 5 variables.TRIGOMAJ <- TRIGO %>%
filter(Localidad == "MAJ")glimpse(TRIGOMAJ)## Rows: 230
## Columns: 5
## $ Año <dbl> 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007…
## $ Localidad <chr> "MAJ", "MAJ", "MAJ", "MAJ", "MAJ", "MAJ", "MAJ", "MAJ", "M…
## $ Tratamiento <chr> "ConFung", "ConFung", "ConFung", "ConFung", "ConFung", "Co…
## $ Genotipo <chr> "ONIX", "KleinZorro", "KleinZorro", "ONIX", "ONIX", "B75AN…
## $ Rendimiento <dbl> 4360, 4210, 6140, 4960, 5750, 4900, 5170, 5840, 5400, 3830…#La base de datos Marcos Juárez posee 230 casos y 5 variables.ggplot(TRIGOMAJ, aes(Rendimiento)) +
geom_histogram()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(TRIGOMAJ, aes(Rendimiento)) +
geom_histogram(bins = 24, color = "red", fill = "gray")+
theme_classic()
#El rendimiento en la localidad de Marcos Juárez se distribuye en forma simétrica.mean(TRIGOMAJ$Rendimiento)## [1] 4468.043TRIGOMAJCF <- TRIGOMAJ %>%
filter(Tratamiento == "ConFung")mean(TRIGOMAJCF$Rendimiento)## [1] 4410.226TRIGOMAJSF <- TRIGOMAJ %>%
filter(Tratamiento == "SinFung")mean(TRIGOMAJSF$Rendimiento)## [1] 4489.381ggplot(TRIGOMAJCF, aes(Rendimiento)) +
geom_histogram(bins = 24, color = "yellow", fill = "gray")+
theme_classic()
ggplot(TRIGOMAJSF, aes(Rendimiento)) +
geom_histogram(bins = 24, color = "green", fill = "gray")+
theme_classic()
#El rendimiento para el tratamiento con fungicida (CF) presenta una media de 4410.226 Kg/ha, mientras que para el tratamiento sin fungicida es 4489.381 Kg/ha. En base al rendimiento podrĂa recomendar cualquiera de los dos tratamientos, sin embargo, en base a los costos se recomienda el tratamiento sin fungicida (SF)
leaflet() %>%
addProviderTiles(providers$Esri.WorldImagery) %>%
setView(lng = -62.1067, lat = -32.6978, zoom = 16) %>%
addMarkers(lng = -62.1067, lat = -32.6978)# Vamos a instalar un nuevo paquete
install.packages("summarytools")## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)# Cargamos otros paquetes que usarán en el análisis descriptivo
library(readxl)
library(tidyverse)
library(summarytools) ## Warning in fun(libname, pkgname): couldn't connect to display ":0"## system might not have X11 capabilities; in case of errors when using dfSummary(), set st_options(use.x11 = FALSE)##
## Attaching package: 'summarytools'## The following object is masked from 'package:tibble':
##
## view# Trabajamos con la base de datos "TRIGOMAJ"
# Paso 1: Crear intervalos de clase
TF_RENDIMIENTO_TRIGOMAJ<- cut(TRIGOMAJ$Rendimiento,
breaks = seq(min(TRIGOMAJ$Rendimiento), max(TRIGOMAJ$Rendimiento), by = 300), # Ajustar el rango de los intervalos
right = FALSE, # Definir si el intervalo incluye el lĂmite superior
include.lowest = TRUE)
# Paso 2: Crear la tabla de frecuencias con los intervalos de clase
freq(TF_RENDIMIENTO_TRIGOMAJ,
report.nas = FALSE,
justify = "center" )## Frequencies
## TF_RENDIMIENTO_TRIGOMAJ
## Type: Factor
##
## Freq % % Cum.
## ----------------------- ------ -------- --------
## [1.7e+03,2e+03) 2 0.87 0.87
## [2e+03,2.3e+03) 7 3.06 3.93
## [2.3e+03,2.6e+03) 5 2.18 6.11
## [2.6e+03,2.9e+03) 15 6.55 12.66
## [2.9e+03,3.2e+03) 8 3.49 16.16
## [3.2e+03,3.5e+03) 13 5.68 21.83
## [3.5e+03,3.8e+03) 14 6.11 27.95
## [3.8e+03,4.1e+03) 21 9.17 37.12
## [4.1e+03,4.4e+03) 28 12.23 49.34
## [4.4e+03,4.7e+03) 23 10.04 59.39
## [4.7e+03,5e+03) 21 9.17 68.56
## [5e+03,5.3e+03) 13 5.68 74.24
## [5.3e+03,5.6e+03) 18 7.86 82.10
## [5.6e+03,5.9e+03) 11 4.80 86.90
## [5.9e+03,6.2e+03) 14 6.11 93.01
## [6.2e+03,6.5e+03) 5 2.18 95.20
## [6.5e+03,6.8e+03) 7 3.06 98.25
## [6.8e+03,7.1e+03] 4 1.75 100.00
## Total 229 100.00 100.00#La mayorĂa de las plantas posee un remdimiento entre 3200 y 6200 Kg/ha
# Otro camino... crear el vector "RENDIMIENTO"
RENDIMIENTOMAJ <- TRIGOMAJ$Rendimiento
RENDIMIENTOMAJ## [1] 4360 4210 6140 4960 5750 4900 5170 5840 5400 3830 5860 5660 5110 3610 4070
## [16] 4850 5190 4810 3650 4770 3470 5280 5480 5000 5470 5990 5600 5180 5420 4760
## [31] 2760 4900 5480 4690 4010 4430 4150 4520 4440 4760 5260 5340 5210 3860 4300
## [46] 4300 4400 4280 4480 4640 4520 4320 4170 5400 4040 4820 4030 4420 4260 4080
## [61] 5300 3890 4730 4150 4200 4370 4290 4140 3970 5450 4610 4000 4250 4740 4880
## [76] 4340 4900 4520 4740 4860 4950 5430 4010 4420 4590 4580 4150 4310 3330 4680
## [91] 4980 4910 3590 4070 4550 4430 3900 4310 4110 5830 5960 6000 6540 5840 5140
## [106] 6660 5060 6020 5200 6940 5860 4500 6280 5990 6300 5580 5930 5360 6010 5280
## [121] 6870 6560 5000 6840 5940 6120 7240 5630 5420 5950 4680 4070 5590 6400 6510
## [136] 6940 6780 5510 6710 5640 5940 6570 5400 5570 6480 6450 6150 5400 5200 5850
## [151] 5800 6050 4810 3551 4221 4553 1703 4608 3564 2181 3320 3439 3802 4043 3223
## [166] 3752 2029 2910 2116 4294 2831 3285 3358 2783 2884 4393 2426 4645 4245 2641
## [181] 3721 2296 2545 2125 3403 2965 2674 3815 2854 2164 2773 3023 3645 3786 2413
## [196] 3437 3915 3321 2646 3230 3790 2588 2569 3347 4507 4184 3194 2735 1775 2029
## [211] 2686 3374 3601 4044 4305 2884 3043 2616 2723 4429 3596 2944 3156 3993 3739
## [226] 4397 3830 2766 4061 3154# Medidas de resumen
MIN <- min(RENDIMIENTOMAJ)
Q1 <- quantile(RENDIMIENTOMAJ, probs = 0.25)
MEDIA <- mean(RENDIMIENTOMAJ)
MEDIANA <- median(RENDIMIENTOMAJ)
Q3 <- quantile(RENDIMIENTOMAJ, probs = 0.75)
MAX <- max(RENDIMIENTOMAJ)
RANGO <- range(RENDIMIENTOMAJ)
SD <- sd(RENDIMIENTOMAJ)
CV <- (SD / MEDIA) * 100
# Imprimimos los objetos
MIN## [1] 1703Q1## 25%
## 3667.75MEDIA## [1] 4468.043MEDIANA## [1] 4424.5Q3## 75%
## 5390MAX## [1] 7240RANGO## [1] 1703 7240SD## [1] 1196.54CV## [1] 26.77996summary(RENDIMIENTOMAJ)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1703 3668 4424 4468 5390 7240ggplot(TRIGOMAJ, aes(Rendimiento, Genotipo, color = Genotipo)) +
geom_boxplot()
#Los genotipos de trigo que recomendarĂamos para la localidad de Marcos Juárez son: ACA905, AGPFast y ATLAX, ya que presentan un rendimiento alto.