Trabajos Final Integrador . Modulo 4

Estudiate: Italo Palanca

1)Selección de la Variable de Interés

a)Elegir una variable relevante dentro del proyecto de cada estudiante.

Se tomo como variable la cantidad de varas de estatices cosechadas

b)Justificar la elección de la variable y describir su naturaleza

Se tomo esta variable cuantitativa porque me permite conocer el rendimiento del cultivo, y dentro de ella la de mas relevancia es la cantidad de varas medias, ya que son las que mas facilmente se comercializan.

2)Elección de Herramientas de Estadística Descriptiva

Instalacion y cargado de los siguientes paquetes paquetes

install.packages("tidyverse")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("summarytools")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("dplyr")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("skimr")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("janitor")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("naniar")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("rstatix")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
install.packages("dlookr")
## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.4'
## (as 'lib' is unspecified)
library(readxl)      
library(tidyverse)   
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.4     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
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
library(dplyr)
library(skimr)
library(janitor)
## 
## Attaching package: 'janitor'
## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test
library(naniar)
## 
## Attaching package: 'naniar'
## The following object is masked from 'package:skimr':
## 
##     n_complete
library(rstatix)
## 
## Attaching package: 'rstatix'
## The following object is masked from 'package:janitor':
## 
##     make_clean_names
## The following object is masked from 'package:stats':
## 
##     filter
library(dlookr)
## Registered S3 methods overwritten by 'dlookr':
##   method          from  
##   plot.transform  scales
##   print.transform scales
## 
## Attaching package: 'dlookr'
## The following object is masked from 'package:tidyr':
## 
##     extract
## The following object is masked from 'package:base':
## 
##     transform

Carga de las bases de datos

Estatice <- read_excel("estatice mulching cant. varas r 24.xlsx")

Exploracion:

Extructura de datos

Estatice %>% glimpse()
## Rows: 90
## Columns: 6
## $ Tratamiento <chr> "c/goteo", "c/goteo", "c/goteo", "c/goteo", "c/goteo", "c/…
## $ Bloqueo     <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2…
## $ Color       <chr> "rosado", "rosado", "rosado", "rosado", "rosado", "azul", …
## $ CVC         <dbl> 1, 8, 2, NA, 2, 3, 4, 6, NA, 2, NA, 3, 4, NA, NA, 4, NA, 3…
## $ CVM         <dbl> 30, 19, 28, 2, 8, 23, 28, NA, 6, 5, 30, 10, 14, 10, 12, 7,…
## $ CVL         <dbl> NA, NA, NA, 2, NA, 1, 3, NA, 9, 10, 19, 1, 12, 8, 30, 2, 7…
Estatice %>% skim()
Data summary
Name Piped data
Number of rows 90
Number of columns 6
_______________________
Column type frequency:
character 2
numeric 4
________________________
Group variables None

Variable type: character

skim_variable n_missing complete_rate min max empty n_unique whitespace
Tratamiento 0 1 7 9 0 2 0
Color 0 1 4 8 0 3 0

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
Bloqueo 0 1.00 2.00 0.82 1 1 2 3.00 3 ▇▁▇▁▇
CVC 25 0.72 3.85 3.13 1 2 3 5.00 15 ▇▂▂▁▁
CVM 6 0.93 12.18 7.60 1 7 11 15.25 33 ▆▇▅▁▂
CVL 32 0.64 9.48 7.91 1 4 8 11.00 36 ▇▃▁▁▁

Estandarizacion de nombres de variables

Estatice <- Estatice %>%
  rename( Cant_varas_cortas = CVC,
         Cant_varas_medianas = CVM , Cant_varas_largas = CVL)

Deteccion de datos duplicados

Estatice %>% get_dupes(Tratamiento, Color)
## # A tibble: 90 × 7
##    Tratamiento Color    dupe_count Bloqueo Cant_varas_cortas Cant_varas_medianas
##    <chr>       <chr>         <int>   <dbl>             <dbl>               <dbl>
##  1 c/goteo     amarillo         15       1                NA                  30
##  2 c/goteo     amarillo         15       1                 3                  10
##  3 c/goteo     amarillo         15       1                 4                  14
##  4 c/goteo     amarillo         15       1                NA                  10
##  5 c/goteo     amarillo         15       1                NA                  12
##  6 c/goteo     amarillo         15       2                NA                   9
##  7 c/goteo     amarillo         15       2                NA                  18
##  8 c/goteo     amarillo         15       2                 8                  18
##  9 c/goteo     amarillo         15       2                10                  NA
## 10 c/goteo     amarillo         15       2                 2                  14
## # ℹ 80 more rows
## # ℹ 1 more variable: Cant_varas_largas <dbl>

Exploracion de datos faltantes

Estatice %>% n_miss()
## [1] 63
Estatice %>% vis_miss()

### Imputacion de datos faltantes por la media

Estatice <- Estatice %>% 
mutate(Cant_varas_cortas =replace_na(Cant_varas_cortas,median(Cant_varas_cortas, na.rm = TRUE))) 
Estatice <- Estatice %>% 
  mutate(Cant_varas_medianas =replace_na(Cant_varas_medianas,median(Cant_varas_medianas, na.rm = TRUE))) 
Estatice <- Estatice %>% 
  mutate(Cant_varas_largas =replace_na(Cant_varas_largas,median(Cant_varas_largas, na.rm = TRUE)))

Obtencion de medidas de resumen para la variable cantidad varas cortas según el tratamiento aplicado.

descr(Estatice$Cant_varas_cortas) 
## Descriptive Statistics  
## Estatice$Cant_varas_cortas  
## N: 90  
## 
##                     Cant_varas_cortas
## ----------------- -------------------
##              Mean                3.61
##           Std.Dev                2.68
##               Min                1.00
##                Q1                2.00
##            Median                3.00
##                Q3                4.00
##               Max               15.00
##               MAD                1.48
##               IQR                2.00
##                CV                0.74
##          Skewness                1.99
##       SE.Skewness                0.25
##          Kurtosis                4.24
##           N.Valid               90.00
##                 N               90.00
##         Pct.Valid              100.00

Obtencion de medidas de resumen para la variable cantidad varas medianas según el tratamiento aplicado.

descr(Estatice$Cant_varas_medianas) 
## Descriptive Statistics  
## Estatice$Cant_varas_medianas  
## N: 90  
## 
##                     Cant_varas_medianas
## ----------------- ---------------------
##              Mean                 12.10
##           Std.Dev                  7.34
##               Min                  1.00
##                Q1                  7.00
##            Median                 11.00
##                Q3                 14.00
##               Max                 33.00
##               MAD                  5.93
##               IQR                  7.00
##                CV                  0.61
##          Skewness                  1.06
##       SE.Skewness                  0.25
##          Kurtosis                  0.82
##           N.Valid                 90.00
##                 N                 90.00
##         Pct.Valid                100.00

Obtencion de medidas de resumen para la variable cantidad varas largas según el tratamiento aplicado.

descr(Estatice$Cant_varas_largas) 
## Descriptive Statistics  
## Estatice$Cant_varas_largas  
## N: 90  
## 
##                     Cant_varas_largas
## ----------------- -------------------
##              Mean                8.96
##           Std.Dev                6.37
##               Min                1.00
##                Q1                6.00
##            Median                8.00
##                Q3                9.00
##               Max               36.00
##               MAD                1.48
##               IQR                2.75
##                CV                0.71
##          Skewness                2.12
##       SE.Skewness                0.25
##          Kurtosis                5.23
##           N.Valid               90.00
##                 N               90.00
##         Pct.Valid              100.00

Realizacion de graficos

Para cantidad de varas cortas

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_cortas)) + 
  geom_boxplot(fill = "lightblue", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas cortas", x = "Tratamiento", y = "Cantidad de varas cortas")

Identificacion de outliers para varas cortas

Estatice %>%
  identify_outliers(Cant_varas_cortas)
## # A tibble: 10 × 8
##    Tratamiento Bloqueo Color    Cant_varas_cortas Cant_varas_medianas
##    <chr>         <dbl> <chr>                <dbl>               <dbl>
##  1 c/goteo           1 rosado                   8                  19
##  2 c/goteo           2 rosado                   9                  19
##  3 c/goteo           2 amarillo                 8                  18
##  4 c/goteo           2 amarillo                10                  11
##  5 c/goteo           3 azul                     9                   7
##  6 por surco         1 azul                     8                  13
##  7 por surco         2 amarillo                15                  13
##  8 por surco         3 azul                    11                   1
##  9 por surco         3 amarillo                13                  20
## 10 por surco         3 amarillo                 9                   9
## # ℹ 3 more variables: Cant_varas_largas <dbl>, is.outlier <lgl>,
## #   is.extreme <lgl>
Estatice %>%
find_outliers(index = FALSE, rate = TRUE)
##             Bloqueo   Cant_varas_cortas Cant_varas_medianas   Cant_varas_largas 
##               0.000              11.111               8.889              15.556
Estatice %>%
diagnose_outlier(Cant_varas_cortas)
## # A tibble: 1 × 6
##   variables     outliers_cnt outliers_ratio outliers_mean with_mean without_mean
##   <chr>                <int>          <dbl>         <dbl>     <dbl>        <dbl>
## 1 Cant_varas_c…           10           11.1            10      3.61         2.81

Imputacion de valores atipicos para varas cortas

Estatice <- Estatice %>%
mutate (Cant_varas_cortas = imputate_outlier(Estatice,Cant_varas_cortas,method = "mean", no_attrs =TRUE))

Grafico con la base de datos ajustada

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_cortas)) + 
  geom_boxplot(fill = "lightblue", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas cortas", x = "Tratamiento", y = "Cantidad de varas cortas")

Realizacion de graficos

Para cantidad de varas medianas

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_medianas)) + 
  geom_boxplot(fill = "orange", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas medianas", x = "Tratamiento", y = "Cantidad de varas medianas")

Identificacion de outliers para varas medianas

Estatice %>%
  identify_outliers(Cant_varas_medianas)
## # A tibble: 8 × 8
##   Tratamiento Bloqueo Color    Cant_varas_cortas Cant_varas_medianas
##   <chr>         <dbl> <chr>                <dbl>               <dbl>
## 1 c/goteo           1 rosado                   1                  30
## 2 c/goteo           1 rosado                   2                  28
## 3 c/goteo           1 azul                     4                  28
## 4 c/goteo           1 amarillo                 3                  30
## 5 por surco         1 rosado                   7                  30
## 6 por surco         2 rosado                   2                  28
## 7 por surco         2 amarillo                 3                  33
## 8 por surco         2 amarillo                 3                  32
## # ℹ 3 more variables: Cant_varas_largas <dbl>, is.outlier <lgl>,
## #   is.extreme <lgl>

Imputacion de valores atipicos para varas medianas

Estatice <- Estatice %>%
mutate (Cant_varas_medianas = imputate_outlier(Estatice,Cant_varas_medianas,method = "mean", no_attrs =TRUE))

Grafico con la base de datos ajustada

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_medianas)) + 
  geom_boxplot(fill = "orange", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas medianas", x = "Tratamiento", y = "Cantidad de varas medianas")

Realizacion de graficos

Para cantidad de varas largas

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_cortas)) + 
  geom_boxplot(fill = "lightgreen", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas largas", x = "Tratamiento", y = "Cantidad de varas largas")

Identificacion de outliers para varas largas

Estatice %>%
  identify_outliers(Cant_varas_largas)
## # A tibble: 19 × 8
##    Tratamiento Bloqueo Color    Cant_varas_cortas Cant_varas_medianas
##    <chr>         <dbl> <chr>                <dbl>               <dbl>
##  1 c/goteo           1 rosado                   3                 2  
##  2 c/goteo           1 azul                     3                23  
##  3 c/goteo           1 amarillo                 3                12.1
##  4 c/goteo           1 amarillo                 3                10  
##  5 c/goteo           1 amarillo                 3                12  
##  6 c/goteo           2 rosado                   4                 7  
##  7 c/goteo           2 rosado                   3                10  
##  8 c/goteo           2 azul                     3                12  
##  9 c/goteo           2 azul                     2                11  
## 10 c/goteo           2 amarillo                 3                18  
## 11 c/goteo           2 amarillo                 2                14  
## 12 c/goteo           3 rosado                   1                 2  
## 13 c/goteo           3 azul                     1                 8  
## 14 por surco         1 amarillo                 2                14  
## 15 por surco         2 rosado                   2                12.1
## 16 por surco         2 rosado                   3                11  
## 17 por surco         2 amarillo                 1                13  
## 18 por surco         3 amarillo                 3                 4  
## 19 por surco         3 amarillo                 2                 7  
## # ℹ 3 more variables: Cant_varas_largas <dbl>, is.outlier <lgl>,
## #   is.extreme <lgl>

Imputacion de valores atipicos para varas largas

Estatice <- Estatice %>%
mutate (Cant_varas_largas = imputate_outlier(Estatice,Cant_varas_largas,method = "mean", no_attrs =TRUE))

Grafico con la base de datos ajustada

ggplot(Estatice, aes(x = factor (Tratamiento), y = Cant_varas_cortas)) + 
  geom_boxplot(fill = "lightgreen", color = "black") + 
  theme_minimal() + labs(title = "Influencia del tipo de riego en la cantidad de varas largas", x = "Tratamiento", y = "Cantidad de varas largas")

3)Análisis e Interpretación de Resultados

Teniendo en cuenta que la variable que mas nos interesa comercialmente es la cantidad de varas medias y observando el grafico de caja e interpretando los resultados podriamos decir que una de nuestra hipotesis inicial se comprueba. Esta es: no hay diferencias en el rendimiento del varas de estatice empleando riego por goteo o riego superficial por surco, en el cultivo de estatice conducido con mulchig plastico.