title: “estadistica descriptiva_G2” author: ‘jeremi vides (apoyo: deepseek)’ date: “2026-08-13” output: html_document: toc: yes toc_float: yes toc: depth: 4
## 1. Medidas de Tendencia Central Indican el valor alrededor del cual se concentran los datos de un ensayo, lote o invernadero. ## Media Aritmética ($\bar{x}$)
* Significado: Es el valor promedio ponderado de la variable medida. En ingeniería agrícola representa, por ejemplo, el rendimiento promedio esperado por hectárea o el consumo promedio de agua por planta. * Ecuación: \[\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i\] * Código en R: mean(datos$variable) [2, 3]
## Mediana ($\tilde{x}$)
* Significado: Es el valor del dato central cuando todos están ordenados de menor a mayor (divide la muestra exactamente al 50%). Es vital en la agricultura cuando existen valores atípicos (outliers), como lluvias torrenciales puntuales o ataques severos de plagas en pocas plantas, que distorsionan el promedio real. * Ecuación: \[\text{Mediana} = x_{\left(\frac{n+1}{2}\right)} \quad \text{(si } n \text{ es impar)}\] * Código en R: median(datos$variable) [4, 5, 6]

2. Medidas de Dispersión

Indican qué tan heterogéneos o variables son los datos recolectados en el campo. Evalúan la uniformidad de los procesos agrícolas. ## Varianza Muestral ($s^2$)

Significado: Mide la dispersión cuadrática promedio de los datos respecto a su media. En agronomía, una varianza elevada en la germinación de semillas denota problemas graves de calidad o falta de uniformidad en el lecho de siembra.
Ecuación: \[s^2 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n - 1}\]
Código en R: var(datos$variable) [7, 8]

Desviación Estándar ($s$)

Significado: Expresa la variabilidad en las mismas unidades de la variable original (por ejemplo: $\text{kg/ha}$ o $\text{mm}$). Permite establecer rangos normales de operación del cultivo.
Ecuación: \[s = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n - 1}}\]
Código en R: sd(datos$variable) [9, 10]

Coeficiente de Variación ($CV$)

Significado: Relaciona la desviación estándar con la media en porcentaje. Permite comparar la variabilidad de dos variables con magnitudes diferentes. En la ingeniería de riego, un $CV < 10\%$ indica una excelente uniformidad en la aplicación del agua.
Ecuación: \[CV = \left( \frac{s}{\bar{x}} \right) \times 100\%\]
Código en R: (sd(datos$variable) / mean(datos$variable)) * 100 [11, 12, 13, 14, 15]

## 3. Medidas de Posición (Cuantiles) Ayudan a categorizar y segmentar las observaciones de campo para la toma de decisiones críticas. ## Cuartiles (\(Q_1, Q_2, Q_3\))
## 4. Medidas de Forma y Distribución Determinan la simetría y el apuntamiento de los datos agrícolas para modelar riesgos climáticos o biológicos. ## Coeficiente de Asimetría (\(g_1\))
* Significado: Evalúa si los datos se inclinan más hacia valores altos o bajos. Una asimetría negativa significa que la mayoría de los frutos recolectados tienen pesos altos y óptimos para la exportación, con un grupo menor de descarte. * Ecuación: \[g_1 = \frac{\frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^3}{s^3}\] * Código en R: Requiere el paquete moments: moments::skewness(datos$variable)

## 4. Medidas de Forma y Distribución Determinan la simetría y el apuntamiento de los datos agrícolas para modelar riesgos climáticos o biológicos. ## Coeficiente de Asimetría ($g_1$)

* Significado: Evalúa si los datos se inclinan más hacia valores altos o bajos. Una asimetría negativa significa que la mayoría de los frutos recolectados tienen pesos altos y óptimos para la exportación, con un grupo menor de descarte. * Ecuación: \[g_1 = \frac{\frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^3}{s^3}\] * Código en R: Requiere el paquete moments: moments::skewness(datos$variable)

✅ Script Ejemplo: Análisis de Rendimiento en R

A continuación, se detalla un script básico para procesar datos de rendimiento de grano ($\text{t/ha}$) en un lote comercial:

1. Datos simulados de rendimiento (t/ha) de 10 parcelas

datos_campo <- data.frame(rendimiento = c(6.2, 5.8, 6.5, 3.1, 6.0, 5.9, 6.4, 4.2, 6.1, 5.7))

2. Resumen rápido integrado en R

summary(datos_campo$rendimiento)

3. Cálculos de control de calidad agronómica

media_rend <- mean(datos_campo$rendimiento) desv_estandar <- sd(datos_campo$rendimiento) coef_var <- (desv_estandar / media_rend) * 100

4. Imprimir resultados clave en consola

cat(“Rendimiento Promedio:”, media_rend, “t/ha ”) cat(“Coeficiente de Variación (CV):”, round(coef_var, 2), “%”)

¿Te gustaría que simulemos un reporte gráfico en R (como un histograma o diagrama de caja) utilizando datos agronómicos específicos de tu interés?

[1] https://aticaingenieria.cl [2] https://www1.aiu.edu [3] https://edea.juntadeandalucia.es [4] https://rafami.etsisi.upm.es [5] https://www.superprof.es [6] https://rogermariolopez.com [7] https://www.pontia.tech [8] https://repositorio-uapa.cuaed.unam.mx [9] https://www.wikiwand.com [10] https://rpubs.com [11] https://estadisticacienciassocialesr.rbind.io [12] https://es.slideshare.net [13] https://www.uprm.edu [14] https://www.coursehero.com [15] https://www.researchgate.net [16] https://www.medcalc.org [17] https://rpubs.com [18] https://www.rpubs.com [19] https://soymatematicas.com [20] https://geopard.tech