#Fijar Semilla
set.seed(1001186182)
# Establecer parámetros
n_datos <- 200
probabilidad_incidencia <- 0.5 # Probabilidad de presencia de la enfermedad
# Generar datos binarios (0 = ausencia, 1 = presencia)
datos_incidencia <- rbinom(n_datos, size = 1, prob = probabilidad_incidencia)
# Mostrar los primeros valores
datos_incidencia[1:20]
## [1] 1 1 0 0 1 0 1 1 0 1 1 0 0 1 1 0 1 1 1 0
# Guardar en un archivo CSV
write.csv(datos_incidencia, "incidencia_phytophthora.csv", row.names = FALSE)
# Parámetros del sitio de investigación (Villapinzón)
n_datos <- 200
temperatura <- runif(n_datos, min = 8, max = 17)
humedad <- runif(n_datos, min = 80, max = 95)
# Probabilidad de incidencia basada en humedad
P_humedad <- (humedad - 75) / 30
# Nueva función de temperatura: 0 si T < 10, escala entre 10 y 20°C
P_temperatura <- ifelse(temperatura < 10, 0, pmax(0, 1 - abs(temperatura - 15) / 5))
# Probabilidad final combinada
probabilidad_incidencia <- pmin(1, pmax(0, P_humedad * P_temperatura))
# Generar datos binarios de incidencia
datos_incidencia <- rbinom(n_datos, size = 1, prob = probabilidad_incidencia)
# Crear un dataframe
df <- data.frame(Temperatura = temperatura, Humedad = humedad, Incidencia = datos_incidencia)
# Visualización
library(ggplot2)
ggplot(df, aes(x = Temperatura, y = Humedad, color = factor(Incidencia))) +
geom_point(size = 3) +
scale_color_manual(values = c("lightskyblue", "#BF3EFF"), labels = c("Ausencia", "Presencia")) +
labs(title = "Incidencia de Phytophthora infestans según temperatura y humedad",
x = "Temperatura (°C)", y = "Humedad (%)", color = "Incidencia") +
theme_minimal()
# Definir los días de evaluación
dias <- seq(50, 110, by = 10) # Cada 10 días hasta 110 días a partir de los 50 días
# Posibles valores de severidad según la escala propuesta por Clive (1970)
valores_severidad <- c(1, 10, 25, 50, 75, 100)
# Generar severidad con una progresión creciente
severidad <- sample(valores_severidad, length(dias), replace = TRUE, prob = c(0.1, 0.15, 0.2, 0.25, 0.2, 0.1))
# Ordenar para simular un incremento de la enfermedad
severidad <- sort(severidad)
# Crear un data frame con los datos
datos_severidad <- data.frame(Dias = dias, Severidad = severidad)
# Mostrar los datos generados
print(datos_severidad)
## Dias Severidad
## 1 50 10
## 2 60 10
## 3 70 50
## 4 80 50
## 5 90 75
## 6 100 75
## 7 110 100
# Cargar la librería necesaria
library(agricolae)
## Warning: package 'agricolae' was built under R version 4.2.3
# Calcular el AUDPC
audpc_valor <- audpc(severidad, dias)
# Mostrar resultado
print(paste("El AUDPC calculado es:", audpc_valor))
## [1] "El AUDPC calculado es: 3150"
plot(dias, severidad, type = "o", col = "#4876FF", pch = 16, lwd = 2,
xlab = "Días después de la siembra", ylab = "Severidad (%)",
main = "Progresión de Phytophthora infestans en papa en Villapinzón")
grid()
