Parcial 1 - Bioestadistica

Tipos de moluscos y concentracion de agua de mar

1. Dos tipos de moluscos A y B fueron sometidos a tres concentraciones distintas de agua de mar (100%, 75% y 50%) y se observó el consumo de oxígeno midiendo la proporción de O2 por unidad de peso seco del molusco.

   Realice un análisis exploratorio que permita conocer como es el consumo de oxígeno en las distintas concentraciones de agua de mar. y si estas conclusiones son las mismas para cada tipo de molusco.

library(readxl)
Data_Parcial <- read_excel("~/Documents/Data_Parcial.xlsx",
                           sheet = "Moluscos")

require(table1)
require(ggplot2)

Data_Parcial$agua_mar=factor(Data_Parcial$agua_mar, levels=c(50,75,100))
table1(~oxigeno | agua_mar, data=Data_Parcial)

	50 (N=16)	75 (N=16)	100 (N=16)	Overall (N=48)
oxigeno
Mean (SD)	12.3 (3.20)	6.99 (2.80)	8.67 (3.00)	9.30 (3.68)
Median [Min, Max]	11.5 [6.38, 18.8]	6.43 [1.80, 13.2]	8.60 [3.68, 14.0]	9.70 [1.80, 18.8]

g1= ggplot(Data_Parcial, aes(y=oxigeno,x=agua_mar,fill=agua_mar))+geom_boxplot()+theme_bw()
g1

require(plotly)
ggplotly(g1)

Interpretación

El consumo de oxígeno es mayor en la concentración del 50% de agua de mar (12.3 ± 3.20), intermedio en el 100% (8.67 ± 3.00) y menor en el 75% (6.99 ± 2.80). Además, la variabilidad del consumo también es diferente en cada condición, siendo más dispersa en el 50% y más homogénea en el 75%. El gráfico de cajas confirma estos hallazgos: la mediana del consumo en 50% de agua de mar es más alta, con valores más dispersos y algunos extremos elevados. En el 75%, el consumo es más bajo y estable, mientras que en el 100%, aunque hay mayor dispersión, los valores se mantienen en un nivel intermedio. Esto podria relacionarse con el estrés osmótico que enfrentan los moluscos en diferentes condiciones. En la concentración más baja de agua de mar (50%), los organismos podrían estar compensando con un mayor metabolismo para regular su equilibrio osmótico, lo que explicaría el incremento en el consumo de oxígeno. En cambio, en concentraciones más altas (75% y 100%), la regulación osmótica podría ser más eficiente, reduciendo la demanda de oxígeno.

Dieta para el engorde de cerdos

2. Suponga que se desea realizar una investigación diseñada para conocer el efecto de cuatro tipos de dieta sobre el engorde de cerdos, donde se tienen 20 cerdos asignados aleatoriamente a cuatro grupos experimentales (cuatro dietas disponibles) y someter a cada grupo a un único tipo de dieta. Teniendo en cuenta lo anterior, usted quiere evaluar si existe diferencias entre los pesos corporales de los cerdos (en Kg) después de haber sido criados con esas dietas por un mes.

   Determine si los pesos medios de los cerdos son estadísticamente iguales para las cuatro dietas. Si encuentra diferencias entre las dietas, realice la exploración de datos e indique cual dieta recomendaría.

Data_Parcial <- read_excel("~/Documents/Data_Parcial.xlsx",
                           sheet = "Cerdos")
require(table1)
require(ggplot2)
require(plotly)

Data_Parcial$Dieta = factor(Data_Parcial$Dieta, levels=c("A", "B", "C", "D"))
table1(~Peso | Dieta, data=Data_Parcial)

	A (N=5)	B (N=5)	C (N=5)	D (N=5)	Overall (N=20)
Peso
Mean (SD)	64.6 (3.35)	71.3 (3.07)	73.5 (2.99)	63.2 (2.42)	68.2 (5.23)
Median [Min, Max]	65.0 [60.8, 68.6]	71.8 [67.7, 75.0]	74.3 [69.6, 77.1]	63.1 [60.3, 66.7]	68.2 [60.3, 77.1]

g2 = ggplot(Data_Parcial, aes(y=Peso, x=Dieta, fill=Dieta)) + 
  geom_boxplot() + theme_bw()
ggplotly(g2)

Interpretación

Los cerdos con Dieta C presentan los valores más altos y consistentes, mientras que los alimentados con Dieta D tienen los valores más bajos. Dieta A y B tienen valores intermedios, con la B acercándose más a C. Sugiriendo asi que la dieta C es la más efectiva para el engorde, seguida por la B. Las dietas A y D no son tan beneficiosas en términos de ganancia de peso.

Numero de espcies de moluscos asociados a cantos intermareales

3. A continuación, encontrará usted los datos de riqueza (número de especies) de moluscos asociados a cantos intermareales de diferente tamaño en diferentes épocas del año. Teniendo en cuenta esto, usted quiere evaluar si la riqueza varía entre los diferentes tamaños de cantos, las diferentes épocas del año y si existe interacción entre el tamaño del canto y la época del año.

Data_Parcial <- read_excel("~/Documents/Data_Parcial.xlsx",
                           sheet = "Cantos")
require(plotly)

Data_Parcial$Tamaño_canto = factor(Data_Parcial$Tamaño_canto, levels=c("S1", "S2", "S3", "S4"))
table1(~Especies | Tamaño_canto, data=Data_Parcial)

	S1 (N=16)	S2 (N=16)	S3 (N=16)	S4 (N=16)	Overall (N=64)
Especies
Mean (SD)	7.31 (1.92)	5.88 (2.96)	3.38 (2.28)	2.31 (1.40)	4.72 (2.94)
Median [Min, Max]	7.00 [4.00, 11.0]	6.00 [0, 11.0]	3.00 [0, 9.00]	2.00 [0, 5.00]	4.00 [0, 11.0]

g3 = ggplot(Data_Parcial, aes(y=Especies, x=Tamaño_canto, fill=Tamaño_canto)) + 
  geom_boxplot() + theme_bw()
ggplotly(g3)

Interpretación

S1 y S2 presentan una mayor dispersión de valores, lo que indica mayor variabilidad en la riqueza de especies. S3 y S4 tienen valores más bajos y una menor dispersión, lo que sugiere que en estos cantos la diversidad de especies es más limitada. Estos resultados sugieren que los cantos de mayor tamaño (S1 y S2) favorecen una mayor riqueza de especies de moluscos, mientras que los cantos más pequeños (S3 y S4) presentan menor diversidad.

Efecto de temperatura y sexo en tasa de consumo de oxigeno de una especie de cangrejo

4. Se desea determinar el efecto que tienen dos factores (Temperatura y Sexo) sobre la tasa de consumo de oxígeno (mgO2) de una especie de cangrejo. La siguiente tabla muestra los datos colectados para 24 animales usados en el experimento.

Realizar un análisis estadístico completo que permita conocer como es el consumo de oxígeno de los cangrejos en las distintas temperaturas (use análisis exploratorio de datos apropiados).

Data_Parcial <- read_excel("~/Documents/Data_Parcial.xlsx",
                           sheet = "Cangrejos")
require(table1)
require(ggplot2)
require(plotly)

Data_Parcial$Temperatura = factor(Data_Parcial$Temperatura, levels=c("Baja", "Media", "Alta"))
table1(~Consumo | Temperatura * Sexo, data=Data_Parcial)

	Baja		Media		Alta		Overall
	Hembra (N=4)	Macho (N=4)	Hembra (N=4)	Macho (N=4)	Hembra (N=4)	Macho (N=4)	Hembra (N=12)	Macho (N=12)
Consumo
Mean (SD)	1.60 (0.183)	1.68 (0.222)	2.53 (0.150)	2.25 (0.265)	2.95 (0.173)	3.08 (0.275)	2.36 (0.608)	2.33 (0.643)
Median [Min, Max]	1.60 [1.40, 1.80]	1.70 [1.40, 1.90]	2.50 [2.40, 2.70]	2.20 [2.00, 2.60]	3.00 [2.70, 3.10]	3.05 [2.80, 3.40]	2.50 [1.40, 3.10]	2.20 [1.40, 3.40]

g4 = ggplot(Data_Parcial, aes(y=Consumo, x=Temperatura, fill=Sexo)) + 
  geom_boxplot() +  
  facet_wrap(~Sexo) +  # Se crea un gráfico separado para cada sexo
  theme_bw()
ggplotly(g4)

Interpretación

El consumo de oxígeno en cangrejos aumenta con la temperatura, lo que indica que los cangrejos necesitan más oxígeno en condiciones más cálidas. Además, el efecto del sexo varía con la temperatura, ya que las hembras tienden a consumir más oxígeno en temperaturas medias, mientras que los machos tienen un mayor consumo en temperaturas altas.