Identificación del estudiante

Estudiante: Moises Viloria (1102827786)

Programa: Ingeniería Agrícola

1. Carga del Dataset

riego_estres_hidrico_agricola <- read.csv("riego_estres_hidrico_agricola.csv")

riego_estres_hidrico_agricola

2. Estructura del Dataset

str(riego_estres_hidrico_agricola)
## 'data.frame':    180 obs. of  10 variables:
##  $ id_lote                : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ sector                 : chr  "Sector 2" "Sector 1" "Sector 1" "Sector 1" ...
##  $ sistema_riego          : chr  "Aspersion" "Goteo" "Aspersion" "Goteo" ...
##  $ textura_suelo          : chr  "Franco" "Franco" "Arenoso" "Arenoso" ...
##  $ horas_riego_semana     : num  15.4 11.4 9.3 8.2 7 18.8 6.1 8.5 15.6 9.6 ...
##  $ precipitacion_semana_mm: num  39.8 70.2 46.1 33.6 37.8 41.5 32.1 46 51.5 72 ...
##  $ humedad_suelo_pct      : num  40.5 37 27.7 31 35.3 30.1 33.5 39.7 41.1 40.1 ...
##  $ falla_bomba            : chr  "No" "No" "No" "No" ...
##  $ estado_cultivo         : chr  "Estres" "Normal" "Estres" "Normal" ...
##  $ rendimiento_kg_ha      : int  3454 4858 3102 4561 5148 4784 4746 4443 1614 3009 ...

3. Variables seleccionadas

Para esta actividad se seleccionan las variables falla_bomba y estado_cultivo.

riego_estres_hidrico_agricola$falla_bomba
##   [1] "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No"
##  [16] "No" "No" "Si" "Si" "No" "No" "No" "Si" "No" "No" "No" "No" "No" "No" "No"
##  [31] "No" "No" "No" "No" "No" "No" "Si" "Si" "No" "No" "No" "No" "No" "No" "No"
##  [46] "No" "No" "No" "No" "No" "Si" "No" "Si" "No" "No" "Si" "No" "No" "No" "No"
##  [61] "Si" "No" "No" "No" "No" "Si" "No" "No" "No" "No" "No" "No" "Si" "No" "No"
##  [76] "No" "No" "No" "Si" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No"
##  [91] "No" "No" "Si" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No"
## [106] "No" "No" "No" "No" "No" "No" "No" "No" "Si" "Si" "No" "Si" "No" "No" "No"
## [121] "Si" "No" "No" "Si" "No" "No" "No" "No" "No" "No" "No" "No" "Si" "No" "No"
## [136] "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No"
## [151] "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No"
## [166] "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "No" "Si" "No" "No" "No"
riego_estres_hidrico_agricola$estado_cultivo
##   [1] "Estres" "Normal" "Estres" "Normal" "Normal" "Normal" "Normal" "Normal"
##   [9] "Estres" "Estres" "Normal" "Normal" "Estres" "Estres" "Normal" "Normal"
##  [17] "Normal" "Normal" "Normal" "Normal" "Estres" "Normal" "Estres" "Estres"
##  [25] "Normal" "Normal" "Normal" "Estres" "Normal" "Normal" "Estres" "Normal"
##  [33] "Normal" "Normal" "Normal" "Normal" "Normal" "Estres" "Normal" "Estres"
##  [41] "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal"
##  [49] "Normal" "Estres" "Estres" "Normal" "Estres" "Normal" "Normal" "Estres"
##  [57] "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal"
##  [65] "Normal" "Estres" "Normal" "Estres" "Normal" "Normal" "Normal" "Normal"
##  [73] "Normal" "Estres" "Normal" "Normal" "Estres" "Normal" "Estres" "Normal"
##  [81] "Estres" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal"
##  [89] "Estres" "Normal" "Estres" "Normal" "Estres" "Normal" "Normal" "Normal"
##  [97] "Normal" "Normal" "Normal" "Estres" "Estres" "Normal" "Normal" "Normal"
## [105] "Normal" "Normal" "Normal" "Estres" "Estres" "Normal" "Normal" "Estres"
## [113] "Normal" "Estres" "Normal" "Normal" "Normal" "Normal" "Normal" "Estres"
## [121] "Estres" "Estres" "Normal" "Estres" "Normal" "Normal" "Normal" "Normal"
## [129] "Normal" "Normal" "Normal" "Normal" "Normal" "Normal" "Estres" "Normal"
## [137] "Estres" "Estres" "Normal" "Estres" "Normal" "Estres" "Normal" "Normal"
## [145] "Estres" "Normal" "Normal" "Estres" "Normal" "Normal" "Estres" "Normal"
## [153] "Normal" "Normal" "Estres" "Normal" "Estres" "Estres" "Estres" "Normal"
## [161] "Normal" "Estres" "Normal" "Normal" "Normal" "Normal" "Normal" "Normal"
## [169] "Normal" "Normal" "Normal" "Normal" "Estres" "Estres" "Normal" "Estres"
## [177] "Estres" "Normal" "Normal" "Estres"

4. Justificación de las variables

Las variables seleccionadas son falla_bomba y estado_cultivo. Esta relación es importante para la Ingeniería Agrícola porque una falla en la motobomba puede afectar el suministro de agua al cultivo y aumentar el riesgo de estrés hídrico.

5. Pregunta de investigación

¿Existe una relación estadística entre la ocurrencia de una falla en la bomba y el estrés hídrico del cultivo?

6. Verificación manual de la probabilidad condicional

Antes de realizar el cálculo en R se verifica manualmente la siguiente probabilidad:

P(Estres | Si)

Según los datos:

  • Falla de bomba y estrés = 12
  • Falla de bomba y estado normal = 8
  • Total con falla de bomba = 20

Por lo tanto:

P(Estres | Si) = 12 / (12 + 8)

P(Estres | Si) = 12 / 20

P(Estres | Si) = 0.60

P(Estres | Si) = 60 %

La probabilidad de que un lote presente estrés hídrico cuando ocurrió una falla de bomba es del 60 %.

7. Tabla de contingencia

tabla <- table(
  riego_estres_hidrico_agricola$falla_bomba,
  riego_estres_hidrico_agricola$estado_cultivo
)

tabla
##     
##      Estres Normal
##   No     42    118
##   Si     12      8

8. Totales marginales

Totales por falla de bomba

margin.table(tabla, margin = 1)
## 
##  No  Si 
## 160  20

Totales por estado del cultivo

margin.table(tabla, margin = 2)
## 
## Estres Normal 
##     54    126

9. Probabilidades condicionales

Se utiliza prop.table() con margin = 1.

prop.table(tabla, margin = 1)
##     
##      Estres Normal
##   No 0.2625 0.7375
##   Si 0.6000 0.4000

La probabilidad de estrés cuando hubo falla de bomba es:

12 / 20
## [1] 0.6

La probabilidad de estrés cuando no hubo falla de bomba es:

42 / 160
## [1] 0.2625

10. Probabilidades conjuntas

prop.table(tabla)
##     
##          Estres     Normal
##   No 0.23333333 0.65555556
##   Si 0.06666667 0.04444444

11. Tabla con totales

addmargins(tabla)
##      
##       Estres Normal Sum
##   No      42    118 160
##   Si      12      8  20
##   Sum     54    126 180

12. Probabilidades marginales

Probabilidad de falla de bomba

margin.table(tabla, margin = 1) / sum(tabla)
## 
##        No        Si 
## 0.8888889 0.1111111

Probabilidad de estrés hídrico

margin.table(tabla, margin = 2) / sum(tabla)
## 
## Estres Normal 
##    0.3    0.7

13. Prueba Chi-cuadrado con corrección de Yates

Se plantean las siguientes hipótesis:

H0: La falla de bomba y el estado del cultivo son independientes.

H1: Existe una asociación entre la falla de bomba y el estado del cultivo.

prueba_yates <- chisq.test(tabla)

prueba_yates
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabla
## X-squared = 8.1027, df = 1, p-value = 0.00442

14. Prueba Chi-cuadrado sin corrección de Yates

prueba_sin_yates <- chisq.test(tabla, correct = FALSE)

prueba_sin_yates
## 
##  Pearson's Chi-squared test
## 
## data:  tabla
## X-squared = 9.6429, df = 1, p-value = 0.001901

15. Comparación de las pruebas

prueba_yates$p.value
## [1] 0.004419989
prueba_sin_yates$p.value
## [1] 0.001900893

Los valores p obtenidos son menores que 0.05, por lo que se rechaza la hipótesis nula de independencia.

La corrección de Yates hace que la prueba sea más conservadora, aumentando el valor p. Sin embargo, en este caso ambas pruebas llevan a la misma conclusión.

16. Interpretación de los resultados

La proporción de estrés hídrico fue mayor en los lotes donde se presentó una falla de bomba.

Cuando hubo falla de bomba, el 60 % de los lotes presentó estrés hídrico. Cuando no hubo falla de bomba, el 26.25 % presentó estrés hídrico.

Los resultados de la prueba Chi-cuadrado presentan un valor p menor que 0.05, por lo que existe evidencia estadística de asociación entre la falla de bomba y el estado hídrico del cultivo.

Esto no significa que la falla de bomba sea la única causa del estrés hídrico, ya que existen otros factores que pueden influir sobre el cultivo.

17. Decisión técnica como Ingeniero Agrícola

Desde el punto de vista de la Ingeniería Agrícola, los resultados permiten considerar el mantenimiento preventivo y la supervisión de las motobombas como parte del manejo del riesgo hídrico.

También sería conveniente realizar un seguimiento de la humedad del suelo y del funcionamiento del sistema de riego para detectar posibles problemas antes de que afecten al cultivo.

18. Bitácora de IA

Herramienta utilizada

ChatGPT.

Prompt utilizado

“Ayúdame con la actividad de probabilidad condicional y tablas de contingencia utilizando el archivo riego_estres_hidrico_agricola.csv. Necesito seleccionar dos variables categóricas, construir la tabla de contingencia, calcular probabilidades condicionales, marginales y conjuntas y aplicar chisq.test() con y sin corrección de Yates.”

Verificación humana

El código generado fue revisado y se comparó la tabla de contingencia obtenida en R con el cálculo manual de la probabilidad condicional.

El cálculo manual fue:

P(Estres | Si) = 12 / 20 = 0.60 = 60 %

Este resultado fue comparado con la salida obtenida mediante prop.table().

19. Conclusión

En los 180 lotes analizados se encontró evidencia estadística de asociación entre la ocurrencia de fallas de bomba y el estado hídrico del cultivo.

La proporción de estrés fue del 60 % cuando se presentó una falla de bomba, mientras que fue del 26.25 % cuando no se presentó.

Por lo tanto, se puede considerar el mantenimiento preventivo y el monitoreo de las motobombas como medidas importantes para el manejo del riesgo hídrico. Sin embargo, también deben considerarse otros factores agrícolas que pueden influir en el estrés del cultivo.