ESTADISTICA DESCRIPTIVA

La estadística descriptiva en R aplicada a la ingeniería agrícola es el uso de este lenguaje de programación para resumir, organizar y visualizar datos del campo agropecuario, sin hacer predicciones ni inferencias (eso es estadística inferencial).

En la práctica, con R se hace esto:

  1. Resumir datos numéricos (con funciones como summary(), mean(), sd()):
    • Rendimiento promedio de un cultivo (kg/ha).
    • Variabilidad (desviación estándar) de la humedad del suelo.
    • Percentiles de temperaturas máximas en un invernadero.
  2. Tablas de frecuencias (con table(), dplyr):
    • Contar cuántas parcelas tienen suelo arcilloso, arenoso o limoso.
    • Frecuencia de plagas por zona de riego.
  3. Visualización gráfica (con ggplot2, hist(), boxplot()):
    • Histogramas para ver la distribución del diámetro de frutos.
    • Boxplots para comparar rendimientos entre variedades de maíz.
    • Gráficos de dispersión para explorar la relación entre dosis de fertilizante y biomasa.
  4. Medidas de forma (con paquetes como moments):
    • Asimetría (sesgo) y curtosis para saber si los datos de lluvia son normales o tienen colas extremas.

Ejemplo típico en R agrícola:

library(ggplot2)
data <- data.frame(parcela = 1:30, 
                   rendimiento = c(5.2, 6.1, 4.8, ...), 
                   fertilizante = c(100, 150, 100, ...))

# Resumen
summary(data$rendimiento)

# Boxplot por tipo de suelo
ggplot(data, aes(x=suelo, y=rendimiento)) + geom_boxplot()

Utilidad concreta:

  • Detectar si una parcela tiene rendimiento atípico (outlier) que indique error de medición o problema de riego.
  • Saber si los datos de pH están centrados en el rango óptimo para el cultivo.
  • Presentar informes claros a productores o en artículos científicos con tablas y gráficos profesionales.

En esencia, R convierte números crudos del campo en información comprensible para tomar decisiones (ej. ajustar dosis de riego, elegir la mejor variedad, planificar cosechas).