eda_multiverso

# 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

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

# 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'

¡Excelente! Vamos a desglosar este código de R línea por línea, explicando tanto su función en R como su significado en estadística aplicada a la ingeniería agrícola.

📦 1. Instalación y carga de paquetes

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

En R: library(tidyverse) carga el ecosistema de paquetes tidyverse (dplyr, ggplot2, tibble, etc.) para manipulación y visualización de datos.
En ingeniería agrícola: Tidyverse es estándar para análisis de datos. Nos permitirá hacer resúmenes, gráficos y transformaciones de datos de campo (rendimientos, humedad, texturas, etc.).

🎲 2. Semilla para reproducibilidad

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, necesitamos que otro investigador o el mismo equipo pueda obtener exactamente los mismos datos sintéticos al correr el código, facilitando la validación de métodos.

🧪 3. 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 (tabla moderna) con 200 parcelas, asignando zona y textura de suelo de forma aleatoria (con probabilidades 30%, 50%, 20%).
En ingeniería agrícola: Simula un diseño de muestreo típico en una región agrícola. Las zonas representan distintas condiciones climáticas o de manejo, y la textura es una propiedad física clave que influye en 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:
- Crea Humedad_base según textura (arcilloso retiene más agua).
- Humedad_ = base + ruido normal (desviación 3%).
- Rendimiento = 3 (base) + 0.15 * humedad + 2.5 si es franco + error aleatorio.
En ingeniería agrícola:
- Modela la relación física: suelos arcillosos retienen más humedad (30%), francos (22%) y arenosos (12%).
- El rendimiento aumenta con la humedad (0.15 ton/ha por cada % de humedad), y el suelo franco da un bono de 2.5 ton/ha por su equilibrio entre drenaje y retención.
- El error aleatorio simula la variabilidad natural (clima, plagas, manejo).

select(-Humedad_base)

En R: Elimina la columna Humedad_base (ya no la necesitamos).
En ingeniería agrícola: Simplifica la tabla para análisis posteriores, manteniendo solo las variables medidas o estimadas.

👀 4. Vista previa de datos

print(head(df_lotes_r))

En R: Muestra las primeras 6 filas.
En ingeniería agrícola: Verificación rápida de que los datos simulados tengan sentido (rangos de humedad, rendimientos, etc.).

📊 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 textura y calcula la media de humedad y rendimiento.
En ingeniería agrícola:
- Es un análisis descriptivo que permite comparar el comportamiento promedio de cada tipo de suelo.
- En la práctica, esto ayuda a decidir qué suelos son más productivos o requieren más riego.

📦 6. Boxplots comparativos

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) mostrando la distribución del rendimiento por textura.
En ingeniería agrícola:
- La caja muestra la mediana, cuartiles y valores atípicos.
- Permite ver visualmente si hay diferencias significativas entre texturas (ej. el franco tiende a tener mayor rendimiento y menor variabilidad).
- Es una herramienta exploratoria para identificar qué texturas son más estables o productivas.

🌍 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 con puntos (transparencia 0.7) y línea de regresión lineal.
- facet_wrap divide el gráfico en 4 paneles (uno por zona).
En ingeniería agrícola:
- Este es un análisis multivariado que explora simultáneamente:
  - Relación humedad-rendimiento (pendiente positiva esperada).
  - Efecto de la textura (color de puntos y líneas).
  - Efecto de la zona (facetas).
- En la práctica, esto permite detectar interacciones: por ejemplo, en la zona Norte la relación podría ser más fuerte, o en la zona Oeste los suelos arenosos podrían tener menor rendimiento.
- Es clave para recomendaciones de manejo específicas por zona y tipo de suelo (ej. riego diferenciado, selección de cultivos).

🧠 Resumen estadístico aplicado

Componente	Significado estadístico	Aplicación en ingeniería agrícola
Media agrupada	Estadístico descriptivo	Comparar productividad promedio por textura
Boxplot	Visualización de dispersión y outliers	Identificar texturas con mayor variabilidad (riesgo)
Regresión lineal	Modelo de relación entre variables	Cuantificar cuánto aumenta el rendimiento por cada % de humedad
Facetas	Análisis condicional (interacciones)	Evaluar si la relación humedad-rendimiento cambia según la zona
Color por textura	Variable categórica en gráfico	Ver si la textura modifica la pendiente o el intercepto

¿Te gustaría que profundice en algún aspecto estadístico (ej. pruebas de hipótesis, ANOVA, modelos mixtos) o que adapte el código para datos reales?