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! Vamos a desglosar cada línea del código R, explicando:

Qué hace en R (sintaxis, funciones, paquetes).
Qué significa en estadística aplicada a la ingeniería agrícola (interpretación agronómica, utilidad, contexto).

📦 Instalación y carga de paquetes

# install.packages("tidyverse")
library(tidyverse)

En R: library(tidyverse) carga el metapaquete tidyverse, que incluye dplyr (manipulación), ggplot2 (gráficos), readr, tidyr, etc. La línea comentada install.packages() solo se ejecuta una vez para instalar.
En ingeniería agrícola: El paquete tidyverse es estándar para limpiar, transformar y visualizar datos agrícolas (rendimientos, humedad, texturas, zonas). Facilita el flujo de trabajo reproducible.

set.seed(42)

En R: Fija la semilla del generador de números aleatorios para que los resultados sean reproducibles.
En ingeniería agrícola: Al simular datos de parcelas, aseguramos que cualquier análisis posterior (ej. validación cruzada, muestreo) pueda repetirse exactamente.

🌱 Simulación de datos agrícolas

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 un tibble (versión moderna de data.frame) con 200 filas.
- ID_Parcela: número único del 1 al 200.
- Zona: asignación aleatoria con reemplazo de 4 zonas.
- Textura_Suelo: asignación aleatoria con probabilidades (30% arcilloso, 50% franco, 20% arenoso).
En ingeniería agrícola: Simula un diseño de campo con 200 lotes distribuidos en 4 zonas geográficas y 3 tipos de textura. Esto refleja la variabilidad espacial y edáfica común en agricultura de precisión.

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:
- case_when() asigna un valor base de humedad según textura.
- rnorm(200, mean=0, sd=3) añade ruido aleatorio normal para simular variación real.
- Rendimiento_ton_ha se modela como:
  3 + 0.15*Humedad_ + 2.5 si es Franco + error N(0,1.5).
En ingeniería agrícola:
- La humedad base refleja capacidad de retención de agua: arcillosa (30%) > franca (22%) > arenosa (12%).
- El rendimiento se relaciona positivamente con humedad (coef. 0.15) y los suelos francos tienen un bono de 2.5 t/ha por su equilibrio textural.
- El error aleatorio simula efectos no medidos (plagas, nutrientes, manejo). Es un modelo lineal simple usado en estudios de fertilidad y riego.

select(-Humedad_base)

En R: Elimina la columna Humedad_base (solo nos quedamos con la versión con ruido Humedad_).
En ingeniería agrícola: En la práctica, solo interesa la humedad medida (con error) no el valor teórico.

print(head(df_lotes_r))

En R: Muestra las primeras 6 filas para inspeccionar los datos.
En ingeniería agrícola: Verificación rápida de que las texturas, zonas y rangos de humedad/rendimiento sean razonables.

📊 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)
  )

En R:
- %>% (pipe) encadena operaciones.
- group_by(Textura_Suelo) agrupa por tipo de textura.
- summarise() calcula la media de humedad y rendimiento por grupo.
En ingeniería agrícola:
- Permite comparar el desempeño promedio de cada textura.
- Útil para identificar qué suelo da mayor rendimiento y qué humedad media presenta. En este caso, esperamos que el franco tenga mayor rendimiento.

print(resumen_suelos_r)

En R: Muestra la tabla resumen.
En ingeniería agrícola: Entrega evidencia cuantitativa para recomendar cultivos o ajustar riego por textura.

📦 2. Comparación visual de grupos (boxplots)

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:
- ggplot() inicia el gráfico con aes (estética): eje X = textura, eje Y = rendimiento, relleno según textura.
- geom_boxplot() dibuja cajas y bigotes (mediana, cuartiles, valores atípicos).
- labs() pone títulos.
- theme_minimal() estilo limpio.
- scale_fill_viridis_d() paleta de colores accesible.
En ingeniería agrícola:
- Visualiza la distribución del rendimiento por textura.
- Permite detectar si hay diferencias significativas entre grupos (ej. franco > arcilloso > arenoso).
- Los bigotes muestran la variabilidad dentro de cada tipo, información clave para manejo por sitio específico.

🌍 3. 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:
- geom_point(alpha=0.7) dibuja puntos semitransparentes (evita solapamiento).
- geom_smooth(method="lm", se=FALSE) añade una recta de regresión lineal por grupo sin banda de confianza.
- facet_wrap(~ Zona, ncol=2) divide el gráfico en 4 paneles (uno por zona) en 2 columnas.
- scale_color_viridis_d(option="D") otra paleta de colores.
En ingeniería agrícola:
- Muestra cómo la relación entre humedad y rendimiento cambia según la zona geográfica y la textura.
- Las pendientes de las rectas indican la sensibilidad del rendimiento a la humedad en cada zona.
- Es un análisis de interacción: el efecto de la humedad podría no ser el mismo en todas las zonas (ej. zona Norte con mayor radiación).
- Útil para recomendar riego diferenciado por zona y textura, o para identificar zonas con mayor potencial de respuesta al agua.

✅ Resumen final (estadístico + agrícola)

Código R	Función en R	Significado en ingeniería agrícola
`tidyverse`	Manipulación y visualización	Estandariza el análisis de datos de campo
`set.seed`	Reproducibilidad	Permite repetir simulaciones de rendimiento
`tibble + sample`	Generación de datos	Simula lotes con texturas y zonas realistas
`mutate + case_when`	Creación de variables derivadas	Modela humedad base y rendimiento teórico
`group_by + summarise`	Estadísticos agrupados	Compara medias por tipo de suelo
`geom_boxplot`	Visualización de dispersión	Detecta diferencias de rendimiento entre texturas
`geom_point + geom_smooth + facet_wrap`	Regresión por grupos y facetas	Evalúa interacción humedad-zona-textura para manejo localizado

Este flujo es típico en agricultura de precisión, zonificación de lotes y calibración de modelos de riego.

EDA _Multivariado

Mara_Mercado

2026-09-03

📦 Instalación y carga de paquetes

🌱 Simulación de datos agrícolas

📊 1. Resúmenes estadísticos agrupados con dplyr

📦 2. Comparación visual de grupos (boxplots)

🌍 3. Análisis multivariado con facetas

✅ Resumen final (estadístico + agrícola)