Este informe analiza dos conjuntos de datos experimentales relacionados con procesos ecológicos y agrícolas. El primer conjunto de datos corresponde a un estudio sobre la producción de metano en humedales con diferentes tipos de alimentación de agua. El segundo conjunto evalúa el efecto del tratamiento de enfriamiento y la época del año en la floración de plantas de azalea.
El metano es un gas de efecto invernadero cuya producción en ecosistemas naturales puede estar influenciada por factores ambientales, como la disponibilidad de agua y el tipo de humedal. En este estudio, se tomaron muestras de suelo de seis humedales: tres alimentados por agua subterránea y tres por precipitación. En cada humedal, se obtuvieron tres muestras de suelo, que luego fueron incubadas en condiciones controladas de laboratorio para medir la tasa de producción de metano (m mol/l/hr). Con el objetivo de determinar si el tipo de humedal influye en la producción de metano y en qué magnitud.
La floración uniforme y abundante es un factor clave en la producción y comercialización de plantas ornamentales como las azaleas. Este estudio evalúa si el enfriamiento previo de las plantas afecta la proporción de yemas florales abiertas en función de la época del año. Se implementó un diseño factorial 3x2 con tres repeticiones, donde se trataron 18 plantas en tres épocas (octubre, diciembre y febrero), dividiéndolas en dos grupos: con y sin tratamiento de enfriamiento. Se registró el número de yemas florales abiertas y cerradas para analizar si el tratamiento o la época tienen un efecto significativo sobre la floración.
Este informe incluye la exploración de datos mediante tablas y gráficos, el ajuste de modelos estadísticos para evaluar los efectos de los factores estudiados y una discusión sobre los hallazgos obtenidos.
knitr::opts_chunk$set(warning = FALSE)
library(ggplot2)
library(plotly)
library(table1)
library(readxl)ruta_metano <- "Metano.xlsx"
if (file.exists(ruta_metano)) {
metano <- read_excel(ruta_metano, col_types = c("text", "numeric", "numeric", "numeric"))
metano$Humedal <- as.factor(metano$Humedal) # Convertir Humedal a factor
head(metano) # Mostrar las primeras filas de la tabla
} else {
stop("El archivo Metano.xlsx no se encuentra en el directorio actual.")
}## # A tibble: 6 × 4
## Tipo Humedal Muestra Metano
## <chr> <fct> <dbl> <dbl>
## 1 ST 1 1 6.63
## 2 ST 1 2 6.77
## 3 ST 1 3 5.64
## 4 ST 2 1 12.4
## 5 ST 2 2 13.5
## 6 ST 2 3 11.9Interpretación: El gráfico de caja compara la producción de metano entre humedales alimentados por precipitación y por agua subterránea. Se observa que los humedales subterráneos tienen valores más elevados de metano.
table1(~Metano | Tipo, data=metano)| P (N=9) |
ST (N=9) |
Overall (N=18) |
|
|---|---|---|---|
| Metano | |||
| Mean (SD) | 2.03 (1.41) | 8.45 (3.20) | 5.24 (4.08) |
| Median [Min, Max] | 1.98 [0.320, 4.56] | 6.77 [5.42, 13.5] | 4.99 [0.320, 13.5] |
g1 <- ggplot(metano, aes(y=Metano, x=Tipo, fill=Tipo)) + geom_boxplot()
ggplotly(g1)table1(~Metano | Humedal, data=metano)| 1 (N=3) |
2 (N=3) |
3 (N=3) |
4 (N=3) |
5 (N=3) |
6 (N=3) |
Overall (N=18) |
|
|---|---|---|---|---|---|---|---|
| Metano | |||||||
| Mean (SD) | 6.35 (0.616) | 12.6 (0.819) | 6.41 (1.13) | 2.13 (0.406) | 0.570 (0.241) | 3.40 (1.31) | 5.24 (4.08) |
| Median [Min, Max] | 6.63 [5.64, 6.77] | 12.4 [11.9, 13.5] | 6.18 [5.42, 7.64] | 2.09 [1.74, 2.55] | 0.590 [0.320, 0.800] | 3.67 [1.98, 4.56] | 4.99 [0.320, 13.5] |
g2 <- ggplot(metano, aes(y=Metano, x=Humedal, fill=Humedal)) + geom_boxplot()
ggplotly(g2)Interpretación: Se comparan las emisiones de metano entre los diferentes humedales. La variabilidad dentro de cada tipo es apreciable.
mod1 <- lm(Metano ~ Tipo + Humedal, data=metano)
summary(mod1)##
## Call:
## lm(formula = Metano ~ Tipo + Humedal, data = metano)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.42333 -0.35250 -0.00833 0.38833 1.22667
##
## Coefficients: (1 not defined because of singularities)
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.40333 0.48664 6.994 1.45e-05 ***
## TipoST 2.94333 0.68821 4.277 0.00108 **
## Humedal2 6.25333 0.68821 9.086 9.98e-07 ***
## Humedal3 0.06667 0.68821 0.097 0.92443
## Humedal4 -1.27667 0.68821 -1.855 0.08831 .
## Humedal5 -2.83333 0.68821 -4.117 0.00143 **
## Humedal6 NA NA NA NA
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.8429 on 12 degrees of freedom
## Multiple R-squared: 0.9699, Adjusted R-squared: 0.9574
## F-statistic: 77.4 on 5 and 12 DF, p-value: 1.044e-08Interpretación: - Se confirma que los humedales con agua subterránea producen significativamente más metano que aquellos con agua de precipitación. - La variabilidad entre humedales también es un factor importante en la producción de metano.
Predicción:
predict(mod1, newdata=data.frame(Tipo="P", Humedal=factor(2)))## 1
## 9.656667
## attr(,"non-estim")
## 1
## 1ruta_azaleas <- "azaleas.xlsx"
if (file.exists(ruta_azaleas)) {
azaleas <- read_excel(ruta_azaleas, col_types = c("text", "text", "numeric", "numeric", "numeric"))
azaleas$epoca <- as.factor(azaleas$epoca) # Convertir epoca a factor
head(azaleas) # Mostrar las primeras filas de la tabla
} else {
stop("El archivo azaleas.xlsx no se encuentra en el directorio actual.")
}## # A tibble: 6 × 5
## rep trat epoca abiertas cerradas
## <chr> <chr> <fct> <dbl> <dbl>
## 1 1 nofrio 1 83 75
## 2 1 nofrio 2 115 53
## 3 1 nofrio 3 188 5
## 4 1 frio 1 103 99
## 5 1 frio 2 76 77
## 6 1 frio 3 176 3azaleas$total <- azaleas$abiertas / (azaleas$abiertas + azaleas$cerradas)
table1(~total | trat, data=azaleas)| frio (N=9) |
nofrio (N=9) |
Overall (N=18) |
|
|---|---|---|---|
| total | |||
| Mean (SD) | 0.658 (0.228) | 0.717 (0.191) | 0.687 (0.206) |
| Median [Min, Max] | 0.518 [0.489, 0.983] | 0.678 [0.509, 0.974] | 0.592 [0.489, 0.983] |
g3 <- ggplot(azaleas, aes(y=total, x=trat, fill=trat)) + geom_boxplot()
ggplotly(g3)table1(~total | epoca, data=azaleas)| 1 (N=6) |
2 (N=6) |
3 (N=6) |
Overall (N=18) |
|
|---|---|---|---|---|
| total | ||||
| Mean (SD) | 0.519 (0.0185) | 0.584 (0.0927) | 0.959 (0.0158) | 0.687 (0.206) |
| Median [Min, Max] | 0.518 [0.492, 0.545] | 0.579 [0.489, 0.685] | 0.954 [0.944, 0.983] | 0.592 [0.489, 0.983] |
g4 <- ggplot(azaleas, aes(y=total, x=epoca, fill=epoca)) + geom_boxplot()
ggplotly(g4)Interpretación: Se observa que las plantas sometidas al tratamiento de frío tienden a presentar una mayor proporción de yemas abiertas en comparación con aquellas sin enfriamiento. Se analizan las diferencias entre épocas. Se puede notar que ciertas épocas presentan una mayor apertura de yemas.
mod2 <- glm(cbind(abiertas, cerradas) ~ trat + epoca, data=azaleas, family=binomial)
summary(mod2)##
## Call:
## glm(formula = cbind(abiertas, cerradas) ~ trat + epoca, family = binomial,
## data = azaleas)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.06365 0.07121 -0.894 0.371401
## tratnofrio 0.30973 0.08598 3.602 0.000315 ***
## epoca2 0.25956 0.08988 2.888 0.003880 **
## epoca3 3.05820 0.16379 18.671 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 730.164 on 17 degrees of freedom
## Residual deviance: 22.456 on 14 degrees of freedom
## AIC: 119.46
##
## Number of Fisher Scoring iterations: 4# Predicción correcta
predict(mod2, newdata=data.frame(trat=c("nofrio", "frio"), epoca=c("2", "2")), type="response")## 1 2
## 0.6237841 0.5488213Interpretación: - El tratamiento de frío tiene un efecto positivo en la apertura de yemas. - La época también influye, indicando que la floración no solo depende del tratamiento, sino del momento del año.