ESTADITICA DESCRIPTIVA

La estadística descriptiva en R aplicada a la ingeniería agrícola es el proceso de resumir, organizar y visualizar grandes conjuntos de datos del campo (suelos, cultivos, clima, maquinaria) para entender su comportamiento antes de hacer predicciones o experimentos.

En R, esto se hace con paquetes como dplyr (para resumir) y ggplot2 (para graficar).

Aplicaciones prácticas en tu campo:

  • Resumir cosechas: Calcular el rendimiento promedio (ton/ha) de maíz en diferentes parcelas y su desviación estándar (qué tan variable fue).
  • Analizar suelo: Obtener la mediana del pH y los cuartiles de nutrientes (N, P, K) para saber si el terreno es homogéneo.
  • Detectar anomalías: Usar histogramas y boxplots para identificar sensores de humedad defectuosos o parcelas con crecimiento atípico (outliers).
  • Clima: Calcular la temperatura acumulada (grados día) y la moda de la dirección del viento para planificar riegos o fumigaciones.

Ejemplo mínimo en R:

# Datos de rendimiento de 3 parcelas
rendimiento <- c(8.2, 7.5, 9.1, 6.8, 8.9)

# Resumen estadístico básico
mean(rendimiento)   # Media = 8.1 ton/ha
sd(rendimiento)     # Desviación = 0.93
summary(rendimiento)# Mín, Q1, Mediana, Media, Q3, Máx

# Gráfico de caja para ver variabilidad
boxplot(rendimiento, main="Rendimiento por parcela", ylab="ton/ha")

Conclusión:

En lugar de mirar 10,000 datos de sensores, la estadística descriptiva en R te da números clave (media, mediana, rangos) y gráficos que te dicen, por ejemplo, “esta parcela rinde 2 ton menos que el promedio” o “la humedad es muy irregular en los suelos arenosos”, permitiéndote tomar decisiones de riego, fertilización o siembra basadas en datos reales.