- Análisis de productividad en acuacultura, caso granjas de Camarón
- Introducción
- Objetivo
- Antecedentes
- Importación
- Bibliotecas
- Descarga de este código.
- Gráfico semanal de peso actual por estanque
- Incremento
- Gráfico semanal de incremento de peso por estanque
- Matriz de correlación
- Grafico de dispersión
- Análisis de normalidad
- Análisis de cuantiles
- Representación gráfica de exitos vs fracasos
- Modelo generalizado de regresion
- ¿Por qué no todos los camarones pesan 12 gr en la semana 12?
- ¿Qué significa que no hayan alcanzado los 12 gr en la semana 12?
- Recomendaciones
- Conclusión
- Bibliografía
Análisis de productividad en acuacultura, caso granjas de Camarón
Introducción
Nos referimos a acuacultura como la actividad de cultivo y producción de especies acuáticas, ya sea de agua dulce o salada.
La acuacultura ayuda a crecer y mantener el sistema alimentario, especies acuáticas, disminuir el impacto ambiental causado y otros aspectos. En esto radica la importancia de obtener el mayor rendimiento de esta práctica.
Este documento utiliza la ciencia de datos, dado que nos permite estudiar e interpretar diferentes fenómenos.
Objetivo
Realizar un análisis con los datos proporcionados de una granja de 12 estanques sobre el crecimiento del camarón y la cantidad de alimento que este recibe.
Antecedentes
La producción de camarón en México tiene sus orígenes en Guayumas, específicamente en el Tecnológico de Monterrey, en la decáda de 1970. No fue hasta mediados de 1980 que los cultivos de camarón comenzaron a pasar al índice comercial.
El camarón es nativo de la costa del Océano Pacífico, y va desde Sonora hasta perú. Este fue introducido a las costas del Golfo de México para el desarrollo de actividades acuícolas a finales de los 80’s.
Importación
Tenemos los datos proporcionados de 12 estanques de Sonora.
CAMARONES <- read.csv("CAMARONES.csv")
View(CAMARONES)Bibliotecas
setwd("~/EALMV9") # Folder de trabajo
library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.0.5 v dplyr 1.0.4
## v tidyr 1.1.2 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(readxl)Descarga de este código.
Para fines de reproducibilidad se incluye el código para su descarga.
xfun::embed_file("U1A7.Rmd")Gráfico semanal de peso actual por estanque
ggplot(data = CAMARONES) +
geom_point(mapping = aes(x = Semana, y = PesoActual, color = Estanque))
Incremento
Incremento <- (CAMARONES$PesoActual - CAMARONES$PesoAnterior)Gráfico semanal de incremento de peso por estanque
ggplot(data = CAMARONES) +
geom_point(mapping = aes(x = Semana, y = Incremento, color = Estanque))
Matriz de correlación
Semana <- CAMARONES$Semana
PesoAnterior <- CAMARONES$PesoAnterior
PesoActual <- CAMARONES$PesoActual
AlimentoSemana <- CAMARONES$AlimentoSemana
datos <- data.frame(Semana, PesoAnterior, PesoActual, AlimentoSemana, Incremento)
pairs(datos)
cor(datos)## Semana PesoAnterior PesoActual AlimentoSemana Incremento
## Semana 1.0000000 0.9832002 0.9817825 0.9441085 0.6282754
## PesoAnterior 0.9832002 1.0000000 0.9915841 0.9510608 0.5957456
## PesoActual 0.9817825 0.9915841 1.0000000 0.9514703 0.6947139
## AlimentoSemana 0.9441085 0.9510608 0.9514703 1.0000000 0.6187860
## Incremento 0.6282754 0.5957456 0.6947139 0.6187860 1.0000000Grafico de dispersión
ggplot(data = CAMARONES, aes(x = AlimentoSemana, y = PesoActual)) +
geom_point(colour = "red4") +
ggtitle("Diagrama de dispersión") +
theme_bw() +
theme(plot.title = element_text(hjust = 0.5))
Análisis de normalidad
Representación gráfica
par(mfrow = c(1, 2))
hist(AlimentoSemana, breaks = 10, main = "", xlab = "Alimento Semanal", border = "darkred")
hist(PesoActual, breaks = 10, main = "", xlab = "Peso Actual", border = "blue")
Análisis de cuantiles
qqnorm(AlimentoSemana, main = "Alimento Semanal", col = "darkred")
qqline(AlimentoSemana)
qqnorm(PesoActual, main = "Peso Actual", col = "blue")
qqline(PesoActual)
camarones1 <- read_excel("camarones1.xlsx")
View(camarones1)- Regresión logística binaria 1 = Camarón que pesa más de 12g 0 = Camarón que pesa menos de 12g
hist(camarones1$AlimentoDiario)
table(camarones1$Exito)##
## 0 1
## 9 3Representación gráfica de exitos vs fracasos
colores <- NULL
colores[camarones1$Exito==0] <-"red"
colores[camarones1$Exito==1] <-"green"
plot(camarones1$AlimentoDiario, camarones1$Exito, pch=21, bg=colores, xlab="Alimento", ylab="Pesos ideales")
legend ("bottomleft", c("Peso no ideal", "peso ideal"), pch=21, col = c("red","green"))
Modelo generalizado de regresion
reg <- glm (Exito ~ AlimentoDiario, family=binomial, data= camarones1)
summary(reg)##
## Call:
## glm(formula = Exito ~ AlimentoDiario, family = binomial, data = camarones1)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.28965 -0.68424 -0.39705 -0.00008 2.00729
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -35.1229 25.8776 -1.357 0.175
## AlimentoDiario 0.1194 0.0901 1.325 0.185
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 13.496 on 11 degrees of freedom
## Residual deviance: 11.311 on 10 degrees of freedom
## AIC: 15.311
##
## Number of Fisher Scoring iterations: 5datos <- data.frame(AlimentoDiario = seq(270, 300, 0.1))
probabilidades <- predict(reg, datos, type = 'response')
plot(camarones1$AlimentoDiario,camarones1$Exito, pch = 21, bg = colores, xlab = "Alimento", ylab = "Pesos ideales")
legend('topleft', c("Peso no ideal", "peso ideal"), pch = 21, col = c('green', 'red'))
lines(datos$AlimentoDiario, probabilidades, col = 'blue', lwd = 2)
¿Por qué no todos los camarones pesan 12 gr en la semana 12?
En base al comportamiento mostrado en los datos de incremento, notamos que hay ciertas semanas clave donde si había un crecimiento favorable, y otras semanas donde el incremento no lo era. Puede ser por diferentes factores del ambiente, o porque así es el ciclo de crecimiento de la especie.
¿Qué significa que no hayan alcanzado los 12 gr en la semana 12?
Esto se traduce en atrasos y aumentos en la organización, ya que es costoso el alimento, cuidado y llevar todo el proceso de la crianza una semana más, el costo se elava mucho.
Recomendaciones
Por mi parte, la recomendación más certera para aumentar el crecimiento de los camarones es primeramente tener un buen ambiente acuatico, la temperatura, oxigeno, ph y calidad de agua deben estar en perfectas condiciones. Por otra parte, se puede intentar proveer de más alimento en las semanas donde el camarón tiene su incremento, para que este pueda crecer.
Conclusión
Para concluir, pienso que es necesario tocar el tema del análisis de datos, y como este puede repercutir profundamente en los resultados de producción en una organización. A través de la ciencia de datos, hemos podido generar inferencias de como se comporta la cría de camarón y posibles recomendaciones para aprovechar las semanas clave donde hay crecimiento.
Bibliografía
Instituto Nacional de Pesca. (2018). Acuacultura | Camarón blanco del Pacífico. Gob .Recuperado de https://www.gob.mx/inapesca/acciones-y-programas/acuacultura-camaron-blanco-del-pacifico
Secretaría de Agricultura y Desarrollo Rural. (2019) Acuacultura, producción y conservación de organismos acuáticos. Gob .Recuperado de https://www.gob.mx/agricultura/articulos/acuacultura-produccion-y-conservacion-de-organismos-acuaticos
Rojas, A., Haws, M. & Cabanillas, J. ed. (2005). Buenas Prácticas de Manejo Para el Cultivo de Camarón. The David and Lucile Packard Foundation. United States Agency for International Development (Cooperative Agreement No. PCE-A-00-95- 0030-05). Recuperado de https://www.crc.uri.edu/download/PKD_good_mgt_field_manual.pdf