Parcial 1
Juan Pablo Marulanda y Mayra Valencia
2025-03-03
Introducción
Este informe presenta un análisis estadístico de diversas bases de datos de diferentes problemas obtenidos en una actividad de bioestadística. Se incluyen análisis descriptivos, visualización de datos y la interpretación de los resultados.
Problema 1: Consumo de Oxígeno en Moluscos
Estadísticas Descriptivas
library(dplyr)
library(table1)
library(readxl)
# Cargar datos
df <- read_excel("C:/Users/mayra/OneDrive/Desktop/Problema_1.xlsx",
col_types = c("text", "text", "text",
"numeric"))
# Recodificar la variable de concentración de agua de mar
df$water_concentration_recode <- factor(df$`Concentración de agua de mar`,
levels = c("100%", "75%", "50%"),
labels = c("100%", "75%", "50%"))
# Crear la tabla
table1(~ `Consumo de O2` | water_concentration_recode, data = df)| 100% (N=16) |
75% (N=16) |
50% (N=16) |
Overall (N=48) |
|
|---|---|---|---|---|
| Consumo de O2 | ||||
| Mean (SD) | 8.67 (3.00) | 6.99 (2.80) | 12.3 (3.20) | 9.30 (3.68) |
| Median [Min, Max] | 8.60 [3.68, 14.0] | 6.43 [1.80, 13.2] | 11.5 [6.38, 18.8] | 9.70 [1.80, 18.8] |
Visualización de Datos
require(ggplot2)
ggplot(df, aes(x = `Concentración de agua de mar`, y = `Consumo de O2`, fill = `Tipo de Molusco`)) +
geom_bar(stat = "summary", fun = "mean", position = "dodge") +
labs(title = "Consumo Medio de O2 por Tipo de Molusco y Concentración de agua de mar",
x = "Concentración de agua de mar",
y = "Consumo Medio de O2") +
theme_minimal() +
scale_fill_brewer(palette = "Set2")
Descripción del análisis de la gráfica:
- Molusco Tipo A:
En baja concentración de agua de mar, el consumo de oxígeno es mayor, lo que sugiere que necesita más oxígeno en estas condiciones. A medida que la concentración aumenta, su consumo de O₂ tiende a disminuir, indicando una posible adaptación o menor actividad metabólica en medios más salinos.
- Molusco Tipo B:
En baja concentración de agua de mar, el consumo de O₂ tambien es mayor, aún más en comparación con el molusco tipo A, lo que sugiere que esta especie tolera mejor este ambiente sin necesidad de incrementar su metabolismo. En alta concentración, su consumo de oxígeno aumenta, lo que indica que este tipo de molusco requiere más energía para sobrevivir en medios más salinos.
Problema 2: Peso de Cerdos según Dieta
Estadísticas Descriptivas
# Cargar los datos desde el archivo Excel
df_p2 <- read_excel("C:/Users/mayra/OneDrive - PUJ Cali/5 QUINTO SEMESTRE/Bioestadística/Problema_2.xlsx")
# Crear la tabla
table1(~ Peso | Dieta, data = df_p2)| 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] |
Visualización de Datos
require(ggplot2)
# Gráfico de caja y bigotes para comparar la distribución del peso por dieta
ggplot(df_p2, aes(x = factor(Dieta), y = Peso, fill = factor(Dieta))) +
geom_boxplot() +
labs(title = "Distribución del Peso de Cerdos por Dieta",
x = "Dieta",
y = "Peso (Kg)") +
theme_minimal() +
scale_fill_brewer(palette = "Set3")
Descripción del análisis de la gráfica:
A partir de la tabla de estadísticas descriptivas y el gráfico de cajas, se observa que los pesos medios varían entre las dietas. Si las medias fueran muy similares, podríamos decir que no hay diferencias significativas. Sin embargo, si hay variaciones notables entre ellas, esto sugiere que la dieta influye en el peso de los cerdos.
Por esto se recomienda la Dieta C como la mejor opción, ya que ha producido el mayor peso corporal promedio en los cerdos (73.54 kg). Además, su variabilidad es relativamente baja, lo que indica que los resultados son consistentes.
Problema 3: Riqueza de Moluscos en Cantos Intermareales
Estadísticas Descriptivas
# Cargar los datos desde el archivo Excel
df_p3 <- read_excel("C:/Users/mayra/OneDrive - PUJ Cali/5 QUINTO SEMESTRE/Bioestadística/Problema_3.xlsx",
col_types = c("text", "text", "text",
"numeric"))
# Reemplazar espacios en los nombres de las columnas por guiones bajos
df_p3 <- df_p3 %>% rename_all(~ gsub(" ", "_", .))
# Generar la tabla descriptiva
tabla <- table1(~ Numero_especies | Epoca_del_año, data = df_p3)
# Mostrar la tabla
print(tabla)|
T1 (N=16) |
T2 (N=16) |
T3 (N=16) |
T4 (N=16) |
Overall (N=64) |
|
|---|---|---|---|---|---|
| Numero_especies | |||||
| Mean (SD) | 4.56 (2.90) | 5.00 (2.48) | 4.94 (3.80) | 4.38 (2.66) | 4.72 (2.94) |
| Median [Min, Max] | 3.00 [1.00, 11.0] | 4.50 [1.00, 9.00] | 6.00 [0, 11.0] | 4.00 [1.00, 11.0] | 4.00 [0, 11.0] |
Visualización de Datos
require(ggplot2)
ggplot(df_p3, aes(x = `Tamaño_Canto_Intermareal`, y = `Numero_especies`, fill = `Epoca_del_año`)) +
geom_boxplot() +
labs(title = "Distribución de la Riqueza de Moluscos por Tamaño de Canto y Época del Año",
x = "Tamaño del Canto Intermareal",
y = "Número de Especies") +
theme_minimal() +
scale_fill_brewer(palette = "Pastel1")
Descripción del análisis de la gráfica:
Para las diferentes épocas del año, la mayor riqueza de moluscos se encuentra en los cantos intermareales de tamaño S2, seguido de S1, mientras que S3 muestra una menor riqueza de especies. El tamaño de canto S2 presenta la mayor variabilidad en riqueza de moluscos a lo largo de las diferentes épocas del año. Durante la época T1, el tamaño de canto S2 registró la mayor riqueza de especies en comparación con las demás épocas, indicando una posible influencia de factores estacionales en la biodiversidad de moluscos.
Estos resultados sugieren que tanto el tamaño del canto como la época del año son determinantes clave en la riqueza de especies, y que su interacción puede influir significativamente en la distribución de moluscos en ecosistemas intermareales.
Problema 4: Consumo de Oxígeno en Cangrejos
Estadísticas Descriptivas
# Cargar datos desde el archivo
df_p4 <- read_excel("C:/Users/mayra/OneDrive - PUJ Cali/5 QUINTO SEMESTRE/Bioestadística/Problema_4.xlsx",
col_types = c("text", "text", "text",
"numeric"))
# Crear la tabla
tabla <- table1(~ `Consumo de O2` | Temperatura, data = df_p4)
print(tabla)|
Alta (N=8) |
Baja (N=8) |
Media (N=8) |
Overall (N=24) |
|
|---|---|---|---|---|
| Consumo de O2 | ||||
| Mean (SD) | 3.01 (0.223) | 1.64 (0.192) | 2.39 (0.247) | 2.35 (0.612) |
| Median [Min, Max] | 3.00 [2.70, 3.40] | 1.65 [1.40, 1.90] | 2.40 [2.00, 2.70] | 2.40 [1.40, 3.40] |
Visualización de Datos
require(ggplot2)
ggplot(df_p4, aes(x = Temperatura, y = `Consumo de O2`, fill = Sexo)) +
geom_bar(stat = "summary", fun = "mean", position = "dodge") +
labs(title = "Consumo Medio de O2 por Temperatura y Sexo",
x = "Temperatura",
y = "Consumo Medio de O₂") +
theme_minimal() +
scale_fill_manual(values = c("#1f78b4", "#33a02c"))
Descripción del análisis de la gráfica:
El gráfico comparativo del consumo de oxígeno según temperatura y sexo muestra que existen diferencias notables en la tasa de consumo entre condiciones experimentales. En general, el consumo de oxígeno varía entre las temperaturas “Alta” y “Baja”, lo que sugiere un efecto de la temperatura sobre la actividad metabólica de la especie. Al analizar las diferencias por sexo, se observa que machos y hembras presentan variabilidad en su consumo dentro de cada temperatura, aunque en algunos casos un sexo muestra una mayor dispersión en los datos.
Además, la interacción entre temperatura y sexo es relevante, ya que el impacto de la temperatura sobre el consumo de oxígeno no es necesariamente uniforme en ambos sexos. Esto indica que tanto la temperatura como el sexo influyen en la tasa metabólica de los cangrejos, y su efecto combinado podría estar regulado por factores fisiológicos específicos.
Conclusión
Este informe presenta el análisis exploratorio de las cuatro problemáticas abordadas. Se observaron diferencias en el consumo de oxígeno según la concentración de agua y la temperatura, así como variaciones en el peso de los cerdos según la dieta y la riqueza de moluscos en distintos tiempos y tamaños de cantos intermareales.