EDA_Multivariado

# Instalar y cargar paquetes si es necesario
# install.packages("tidyverse")
library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.2.1     ✔ readr     2.2.0
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.3     ✔ tibble    3.3.1
## ✔ lubridate 1.9.5     ✔ tidyr     1.3.2
## ✔ purrr     1.2.2     
## ── 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

# Establecer semilla para reproducibilidad
set.seed(42)

# Simular datos similares a los de Python
df_lotes_r <- tibble(
  ID_Parcela = 1:200,
  Zona = sample(c('Norte', 'Sur', 'Este', 'Oeste'), 200, replace = TRUE),
  Textura_Suelo = sample(c('Arcilloso', 'Franco', 'Arenoso'), 200, replace = TRUE, prob = c(0.3, 0.5, 0.2))
) %>%
  mutate(
    Humedad_base = case_when(
      Textura_Suelo == 'Arcilloso' ~ 30,
      Textura_Suelo == 'Franco' ~ 22,
      TRUE ~ 12
    ),
    Humedad_ = Humedad_base + rnorm(200, mean = 0, sd = 3),
    Rendimiento_ton_ha = 3 + (Humedad_ * 0.15) +
      if_else(Textura_Suelo == 'Franco', 2.5, 0) +
      rnorm(200, mean = 0, sd = 1.5)
  ) %>%
  select(-Humedad_base)

# Mostrar las primeras filas
print(head(df_lotes_r))

## # A tibble: 6 × 5
##   ID_Parcela Zona  Textura_Suelo Humedad_ Rendimiento_ton_ha
##        <int> <chr> <chr>            <dbl>              <dbl>
## 1          1 Norte Arenoso           6.00               5.90
## 2          2 Norte Arcilloso        31.0                6.35
## 3          3 Norte Arenoso          15.5                5.41
## 4          4 Norte Franco           28.2                9.80
## 5          5 Sur   Franco           17.9                7.31
## 6          6 Oeste Franco           18.5                6.78

# 1. Resúmenes Estadísticos Agrupados con dplyr
resumen_suelos_r <- df_lotes_r %>%
  group_by(Textura_Suelo) %>%
  summarise(
    Humedad_media = mean(Humedad_, na.rm = TRUE),
    Rendimiento_medio = mean(Rendimiento_ton_ha, na.rm = TRUE)
  )

print(resumen_suelos_r)

## # A tibble: 3 × 3
##   Textura_Suelo Humedad_media Rendimiento_medio
##   <chr>                 <dbl>             <dbl>
## 1 Arcilloso              30.2              7.35
## 2 Arenoso                11.4              4.78
## 3 Franco                 22.2              8.72

# 2. Comparación Visual de Grupos (Boxplots Categóricos)
df_lotes_r %>%
  ggplot(aes(x = Textura_Suelo, y = Rendimiento_ton_ha, fill = Textura_Suelo)) +
  geom_boxplot() +
  labs(title = 'Variabilidad del Rendimiento según el Tipo de Suelo',
       x = 'Textura del Suelo',
       y = 'Rendimiento (ton/ha)') +
  theme_minimal() +
  scale_fill_viridis_d(option = "A", begin = 0.5)

# 3. Análisis Multivariado con Facetas (ggplot2)
df_lotes_r %>%
  ggplot(aes(x = Humedad_, y = Rendimiento_ton_ha, color = Textura_Suelo)) +
  geom_point(alpha = 0.7) +
  geom_smooth(method = "lm", se = FALSE) +
  facet_wrap(~ Zona, ncol = 2) + # Facetas por Zona, 2 columnas
  labs(title = 'Relación Humedad-Rendimiento por Zona y Tipo de Suelo',
       x = 'Humedad (%)',
       y = 'Rendimiento (ton/ha)',
       color = 'Textura del Suelo') +
  theme_minimal() +
  scale_color_viridis_d(option = "D")

## `geom_smooth()` using formula = 'y ~ x'

Claro, te explico línea por línea el código R, primero su significado en R (sintaxis y función) y luego su interpretación en estadística aplicada a la ingeniería agrícola.

📦 1. Instalación y carga de paquetes

# install.packages("tidyverse")

En R: Es un comentario. La función install.packages() instalaría el paquete tidyverse (colección de paquetes para manipulación y visualización de datos).
En estadística agrícola: El tidyverse es útil para manejar datos de campo (parcelas, suelos, rendimientos) de forma ordenada y hacer análisis exploratorios rápidos.

library(tidyverse)

En R: Carga el paquete tidyverse para usar sus funciones (dplyr, ggplot2, etc.).
En estadística agrícola: Permite hacer filtros, agrupaciones y gráficos profesionales sin escribir mucho código.

🎲 2. Semilla para reproducibilidad

set.seed(42)

En R: Fija la semilla del generador de números aleatorios para que los resultados sean reproducibles.
En estadística agrícola: Al simular datos de campo (ej. humedad, rendimiento), asegura que otro investigador obtenga los mismos valores al repetir el análisis.

📊 3. Creación del data frame simulado

df_lotes_r <- tibble(
  ID_Parcela = 1:200,
  Zona = sample(c('Norte', 'Sur', 'Este', 'Oeste'), 200, replace = TRUE),
  Textura_Suelo = sample(c('Arcilloso', 'Franco', 'Arenoso'), 200, replace = TRUE, prob = c(0.3, 0.5, 0.2))
)

En R: Crea una tabla (tibble) con 200 parcelas. Asigna zona al azar y textura con probabilidades (30% arcilloso, 50% franco, 20% arenoso).
En estadística agrícola: Simula un diseño experimental típico con parcelas distribuidas en zonas y con diferentes tipos de suelo, reflejando la variabilidad real del campo.

mutate(
  Humedad_base = case_when(
    Textura_Suelo == 'Arcilloso' ~ 30,
    Textura_Suelo == 'Franco' ~ 22,
    TRUE ~ 12
  ),
  Humedad_ = Humedad_base + rnorm(200, mean = 0, sd = 3),
  Rendimiento_ton_ha = 3 + (Humedad_ * 0.15) +
    if_else(Textura_Suelo == 'Franco', 2.5, 0) +
    rnorm(200, mean = 0, sd = 1.5)
)

En R:
- Humedad_base: asigna un valor teórico según textura.
- Humedad_: agrega ruido aleatorio (normal, desviación 3) a la humedad base.
- Rendimiento_ton_ha: modela el rendimiento como:
  - base = 3 ton/ha
  - +0.15 por cada % de humedad
  - +2.5 si es suelo franco (bonificación)
  - +error aleatorio (sd=1.5)
En estadística agrícola: Esto simula una relación realista: suelos francos retienen mejor humedad y dan mayor rendimiento, pero siempre hay variabilidad natural (clima, manejo, etc.).

select(-Humedad_base)

En R: Elimina la columna Humedad_base (solo deja la humedad con ruido).
En estadística agrícola: En la práctica, solo nos interesa la humedad medida en campo, no la teórica.

👀 4. Mostrar primeras filas

print(head(df_lotes_r))

En R: Muestra las primeras 6 filas para inspeccionar los datos.
En estadística agrícola: Verificación visual rápida de que las parcelas tienen valores plausibles.

📈 5. Resúmenes estadísticos agrupados

resumen_suelos_r <- df_lotes_r %>%
  group_by(Textura_Suelo) %>%
  summarise(
    Humedad_media = mean(Humedad_, na.rm = TRUE),
    Rendimiento_medio = mean(Rendimiento_ton_ha, na.rm = TRUE)
  )

En R: Agrupa por tipo de suelo y calcula la media de humedad y rendimiento para cada grupo.
En estadística agrícola: Esto permite comparar rápidamente el desempeño promedio de cada textura. Por ejemplo, se espera que el suelo franco tenga mayor rendimiento medio.

print(resumen_suelos_r)

En R: Muestra la tabla resumen.
En estadística agrícola: Ayuda a identificar qué suelo es más productivo en promedio, guiando decisiones de siembra o manejo.

📦 6. Boxplots por tipo de suelo

df_lotes_r %>%
  ggplot(aes(x = Textura_Suelo, y = Rendimiento_ton_ha, fill = Textura_Suelo)) +
  geom_boxplot() +
  labs(title = 'Variabilidad del Rendimiento según el Tipo de Suelo',
       x = 'Textura del Suelo',
       y = 'Rendimiento (ton/ha)') +
  theme_minimal() +
  scale_fill_viridis_d(option = "A", begin = 0.5)

En R: Crea un gráfico de cajas (boxplot) donde se ve la distribución del rendimiento para cada textura, con colores atractivos.
En estadística agrícola:
- Las cajas muestran mediana, cuartiles y valores atípicos.
- Permite evaluar variabilidad y diferencias entre suelos. Si las cajas no se solapan, hay evidencia de que el tipo de suelo afecta significativamente el rendimiento.

🌍 7. Análisis multivariado con facetas

df_lotes_r %>%
  ggplot(aes(x = Humedad_, y = Rendimiento_ton_ha, color = Textura_Suelo)) +
  geom_point(alpha = 0.7) +
  geom_smooth(method = "lm", se = FALSE) +
  facet_wrap(~ Zona, ncol = 2) +
  labs(title = 'Relación Humedad-Rendimiento por Zona y Tipo de Suelo',
       x = 'Humedad (%)',
       y = 'Rendimiento (ton/ha)',
       color = 'Textura del Suelo') +
  theme_minimal() +
  scale_color_viridis_d(option = "D")

En R:
- Gráfico de dispersión (puntos) con rectas de regresión lineal para cada tipo de suelo.
- facet_wrap divide el gráfico en 4 paneles (una por zona).
- Los puntos tienen transparencia (alpha=0.7) para ver superposiciones.
En estadística agrícola:
- Muestra cómo la humedad influye en el rendimiento dentro de cada zona, y si esa relación cambia según el tipo de suelo.
- Es muy útil para detectar interacciones: por ejemplo, en la zona Norte el suelo franco podría responder mejor a la humedad que en la zona Sur.
- Permite tomar decisiones localizadas (agricultura de precisión).

✅ Resumen estadístico aplicado

Código	Propósito en R	Propósito en ingeniería agrícola
`tibble()` + `sample()`	Crear datos simulados	Representar parcelas reales con variabilidad espacial
`mutate()`	Crear variables derivadas	Modelar relaciones suelo-humedad-rendimiento
`group_by()` + `summarise()`	Estadísticos agrupados	Comparar promedios por tipo de suelo
`ggplot()` + `geom_boxplot()`	Visualizar distribuciones	Detectar diferencias significativas entre suelos
`ggplot()` + `geom_smooth()` + `facet_wrap()`	Regresión + facetas	Evaluar interacciones zona-suelo en la respuesta del cultivo

Este código es un ejemplo típico de análisis exploratorio de datos agrícolas, que permite pasar de datos crudos a conclusiones prácticas sobre manejo de suelos y zonificación.