Introducción

Este trabajo contiene el reporte descriptivo del dataset “a4_iris.csv” que contiene observaciones de tres especies de flores del género Iris:
- setosa
- versicolor
- virginica

Cada observación incluye cuatro variables numéricas que describen medidas morfológicas de los sépalos y pétalos.

Realizaremos primero un analisis exploratorio de los datos:

data <- read.csv("a4_iris.csv")
data <- data %>% mutate(variety = as.factor(variety))
str(data)
## 'data.frame':    150 obs. of  5 variables:
##  $ sepal.length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##  $ sepal.width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##  $ petal.length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##  $ petal.width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##  $ variety     : Factor w/ 3 levels "Setosa","Versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
summary(data)
##   sepal.length    sepal.width     petal.length    petal.width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        variety  
##  Setosa    :50  
##  Versicolor:50  
##  Virginica :50  
##                 
##                 
##

Descriptivo

Observamos que el dataset no contine valores faltantes y que esta listo para trabajar en él.

Se aprecia que las medias y medianas de las variables son consistentes, sin valores extremos evidentes. Los pétalos presentan mayor variabilidad que los sépalos, especialmente en longitud.

Cada observación incluye cuatro variables numéricas que describen medidas morfológicas de los sépalos y pétalos:

Variable Descripción Tipo
Sepal.Length Largo del sépalo numérica
Sepal.Width Ancho del sépalo numérica
Petal.Length Largo del pétalo numérica
Petal.Width Ancho del pétalo numérica
variety Especie de la flor categórica

Graficando:

iris_long <- pivot_longer(data, cols = -variety,
                          names_to = "variable", values_to = "value")

ggplot(iris_long, aes(x = value)) +
  geom_histogram(fill = "#69b3a2", alpha = 0.6, bins = 25, position = "identity") +
  facet_wrap(~variable, scales = "free", ncol = 2) +
  labs(title = "Distribuciones de las variables morfológicas",
       x = "Valor", y = "Frecuencia") +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold", hjust = 0.5))

Se observa que las variables de pétalo presentan distribuciones bimodales, lo que sugiere la presencia de grupos diferenciados (posiblemente especies). En contraste, las variables de sépalo muestran distribuciones más continuas y solapadas. Posiblemente esto sea debido a la variable variety, exploraremos esta suposición:

iris_long <- reshape2::melt(data, id.vars = "variety")

ggplot(iris_long, aes(x = value, fill = variety)) +
  geom_histogram(alpha = 0.6, bins = 25, position = "identity") +
  facet_wrap(~variable, scales = "free", ncol = 2) +
  labs(title = "Distribuciones de las variables morfológicas",
       x = "Valor", y = "Frecuencia") +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold", hjust = 0.5))

Observamos que Las variables Petal.Length y Petal.Width son las más discriminantes entre especies.

Setosa se distingue fácilmente por sus pétalos cortos y estrechos.

Versicolor y Virginica se diferencian mejor por el largo del pétalo que por el sépalo.

ggplot(iris_long, aes(x = variety, y = value, fill = variety)) +
  geom_violin(trim = FALSE, alpha = 0.6) +
  facet_wrap(~variable, scales = "free", ncol = 2) +
  labs(title = "Distribuciones morfológicas por especie (Gráficas de violín)",
       x = "Especie", y = "Valor") +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold", hjust = 0.5))

Se observa que las variables de pétalo (petal.length y petal.width) presentan distribuciones más diferenciadas entre especies, lo que sugiere una alta capacidad discriminativa.

En cambio, las variables de sépalo muestran mayor solapamiento, especialmente entre versicolor y virginica.

Esto sugiere una posible correlación entre las variables, verificaremos este hecho

cor_matrix <- cor(data[, 1:4])
cor_long <- as.data.frame(as.table(cor_matrix))
ggplot(cor_long, aes(Var1, Var2, fill = Freq)) +
  geom_tile(color = "white") +
  scale_fill_gradient2(low = "#00FFFF", high = "#EE6A50", mid = "white",
                       midpoint = 0, limit = c(-1,1), name = "Correlación") +
  labs(title = "Matriz de correlación entre variables morfológicas",
       x = "", y = "") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
        plot.title = element_text(face = "bold", hjust = 0.5))

Se observa una correlación positiva fuerte entre petal.length y petal.width, lo que sugiere que ambas variables crecen conjuntamente y podrían estar relacionadas funcionalmente. En contraste, se aprecia una correlación negativa entre sepal.width y petal.length, lo que indica que a medida que una aumenta, la otra tiende a disminuir.

Ahora graficaremos todas las combinaciones posibles entre las variables morfológicas del dataset: sepal.length, sepal.width, petal.length y petal.width. Cada celda representa una relación bivariada o un resumen univariado

ggpairs(data[, 1:4],
       title = "Matriz de gráficos: combinaciones entre variables morfológicas")

Distribuciones univariadas (diagonal)

Sepal Length
- Distribución unimodal con “pico” alrededor de 5.8–6.0 cm.

Sepal Width
- Distribución unimodal y simétrica, con valores centrados en 3.0–3.2 cm.

Petal Length
- Distribución casi bimodal, reflejando diferencias entre especies.

Petal Width
- Distribución bimodal muy marcada.

Relaciones bivariadas (parte inferior)

Sepal Width vs. Sepal Length
- Relación débil y ligeramente negativa.

Petal Length vs. Sepal Length
- Relación positiva clara; se distinguen agrupaciones por especie.

Petal Width vs. Sepal Length
- Relación creciente, a veces curvilínea.

Petal Length vs. Sepal Width
- Tendencia negativa.

Petal Width vs. Sepal Width
- Relación negativa débil.

Petal Width vs. Petal Length
- Relación muy fuerte y positiva, con tres grupos lineales (especies).

Correlaciones (parte superior)

  • Correlaciones fuertes entre variables de pétalos.
  • Correlaciones negativas entre sepal.width y las variables de pétalo.
  • Correlación casi nula entre Sepal.Length y Sepal.Width.

Las graficas inferiores muestran datos separados, como hemos visto previamente, es posbile que esta separación este determinada por la especie de las plantas, exploraremos esto con la siguiente grafica:

ggpairs(data, columns = 1:4,mapping = aes(color = variety), title = "Matriz de gráficos por especie")

Distribuciones univariadas (diagonal)

Sepal Length

  • setosa: concentrada en valores bajos.
  • versicolor: valores intermedios y más dispersos.
  • virginica: valores altos y más uniforme.

Sepal Width

  • setosa: centrada en valores más grandes.
  • versicolor: menor variabilidad, desplazada hacia valores bajos.
  • virginica: intermedia entre ambas.

Petal Length

  • setosa: extremadamente concentrada en valores bajos.
  • versicolor: valores intermedios con poca superposición.
  • virginica: valores altos y más dispersos.

Petal Width

  • setosa: pétalos muy angostos.
  • versicolor: valores intermedios.
  • virginica: pétalos más anchos y variables.

Relaciones bivariadas (parte inferior)

Sepal.Width vs. Sepal.Length

  • setosa: sin relación clara.
  • versicolor y virginica: ligera relación positiva.
  • Las tres especies forman grupos separados.

Petal.Length vs. Sepal.Length

  • setosa: grupo compacto sin relación fuerte.
  • versicolor: relación lineal positiva evidente.
  • virginica: relación aún más fuerte.

Petal.Width vs. Sepal.Length

  • Similar al anterior:
    • ascendente en versicolor y virginica,
    • setosa separada.

Petal.Length vs. Sepal.Width

  • Tendencia negativa débil para versicolor y virginica.
  • Setosa aparece bien separada.

Petal.Width vs. Sepal.Width

  • Relación débil en las tres especies.
  • Ligeramente negativa en versicolor y virginica.

Petal.Width vs. Petal.Length

  • Relación lineal muy fuerte en versicolor.
  • Moderada en virginica.
  • Setosa forma un grupo aislado.

Correlaciones por especie (panel superior)

Correlaciones globales vs. por especie

Las correlaciones generales pueden ocultar variabilidad entre grupos. Al separar por especie se observa:

  • Petal.Length ~ Petal.Width
    • Global: alta (≈0.96)
    • setosa: baja
    • versicolor: muy alta
    • virginica: moderada
  • Sepal.Length ~ Sepal.Width
    • Global: casi nula
    • En cada especie: positiva y moderada
  • Relaciones con Petal.Length
    • Se fortalecen de setosa → versicolor → virginica.

De acuerdo a lo visto a lo largo de este trabajo podemos asegurar que las tres especies presentan distribuciones claramente separadas. Distinguiendo que Setosa es la más aislada en todas las relaciones. Versicolor exhibe las correlaciones más fuertes, especialmente entre variables de pétalos. Virginica mantiene relaciones similares, aunque con mayor variabilidad.