eda_multibariable

# 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

# 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 Oeste Franco            19.6               6.48
## 2          2 Oeste Franco            25.4               8.84
## 3          3 Sur   Franco            25.6              11.5 
## 4          4 Norte Franco            26.7               9.10
## 5          5 Norte Franco            20.6               7.48
## 6          6 Sur   Franco            20.8              10.6

# 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              29.6              7.42
## 2 Arenoso                12.3              4.80
## 3 Franco                 22.2              8.83

# 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'

¡Excelente! Vamos a desglosar este código línea por línea, explicando qué hace en R y qué significado estadístico/agronómico tiene en el contexto de la ingeniería agrícola.

---

📦 1. Instalación y carga de paquetes

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

• En R: install.packages() instala el paquete (está comentado para que no se ejecute cada vez). library(tidyverse) carga el ecosistema de paquetes para manipulación y visualización de datos.
• En estadística aplicada: tidyverse nos permite hacer limpieza, transformación, resúmenes y gráficos de manera eficiente, algo esencial cuando trabajamos con datos de campo (parcelas, suelos, rendimientos).

---

🎲 2. Semilla para reproducibilidad

set.seed(42)

• En R: Fija el generador de números aleatorios para que los resultados sean idénticos cada vez que se ejecute el script.
• En estadística: Es crucial para que cualquier análisis o simulación sea reproducible, algo fundamental en experimentos agrícolas.

---

🌱 3. Simulación de datos (creación del data frame df_lotes_r)

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 aleatoriamente zona y textura de suelo con probabilidades (30% arcilloso, 50% franco, 20% arenoso).
• En estadística/agronomía: Simula un diseño de campo con variables categóricas que influyen en el rendimiento. La zona captura efectos ambientales (clima, altitud), y la textura del suelo afecta la retención de agua y nutrientes.

---

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 de humedad según textura.
  • Humedad_ agrega ruido aleatorio normal (media 0, desviación 3).
  • Rendimiento_ton_ha se modela como:
    3 + 0.15*Humedad + 2.5 (si es Franco) + error normal(0,1.5).
• En estadística/agronomía:
  • La humedad base refleja capacidad de campo típica de cada suelo.
  • El ruido simula variabilidad natural (microclima, topografía, manejo).
  • El modelo de rendimiento incluye:
    • Intercepto (3) → rendimiento base.
    • Efecto lineal de la humedad (0.15 ton/ha por cada % de humedad) → la humedad favorece el crecimiento hasta cierto punto.
    • Bonificación para suelos francos (+2.5 ton/ha) → son ideales para agricultura por su equilibrio entre drenaje y retención.
    • Error aleatorio → representa factores no medidos (plagas, nutrientes, etc.).

---

select(-Humedad_base)

• En R: Elimina la columna Humedad_base (solo para simplificar).
• En estadística: No afecta el análisis, solo limpia el dataset.

---

print(head(df_lotes_r))

• En R: Muestra las primeras 6 filas.
• En estadística: Permite verificar que los datos simulados sean razonables.

---

📊 4. 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)
  )
print(resumen_suelos_r)

• En R: Agrupa por textura y calcula la media de humedad y rendimiento.
• En estadística/agronomía:
  • Permite comparar rendimientos promedio entre tipos de suelo.
  • Es un análisis descriptivo que ayuda a identificar qué textura da mejor rendimiento en promedio (esperamos que el franco destaque).

---

📦 5. 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: Caja-bigotes (boxplot) mostrando distribución del rendimiento por textura, con colores armoniosos.
• En estadística/agronomía:
  • Visualiza dispersión, mediana, cuartiles y valores atípicos.
  • Útil para detectar si hay diferencias significativas entre grupos (ej. el franco tiene mayor mediana y menor variabilidad).
  • Ayuda a decidir si vale la pena hacer una prueba ANOVA o Kruskal-Wallis.

---

🌍 6. Gráfico con facetas (relación humedad-rendimiento por zona y textura)

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 con rectas de regresión lineal (sin banda de confianza).
  • facet_wrap crea subgráficos separados por zona.
• En estadística/agronomía:
  • Evalúa la relación entre humedad y rendimiento dentro de cada zona.
  • La pendiente de la recta indica cuánto aumenta el rendimiento por cada punto de humedad (efecto marginal).
  • Al separar por zona, se detecta si la relación cambia geográficamente (interacción zona-humedad).
  • El color por textura permite ver si, dentro de una misma zona, el comportamiento es similar o si la textura modera el efecto de la humedad.

---

🔍 Resumen estadístico general para ingeniería agrícola

Componente	Función estadística	Aplicación agronómica
Simulación	Generación de datos con estructura conocida	Permite probar métodos sin datos reales
Agrupación y promedios	Estadística descriptiva	Identificar texturas más productivas
Boxplots	Visualización de distribuciones	Detectar heterogeneidad y outliers
Regresión + facetas	Modelo lineal y análisis de interacciones	Entender cómo zona y suelo afectan la respuesta a la humedad
Reproducibilidad	Semilla fija	Asegurar que los resultados sean consistentes

---

Si quieres, puedo ampliar con: - Pruebas de hipótesis (ANOVA, comparaciones múltiples) - Interpretación de coeficientes de regresión - Cómo llevar esto a un diseño experimental real (DBCA, etc.)

¿Te gustaría que profundice en alguna parte?