library(pacman) #Para importar la biblioteca "pacman"
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","plotly", "gganimate","gifski","scales")

ANÁLISIS DE PRODUCTIVIDAD DE GRANJAS DE CAMARÓN EN LA COSTA DE CAJEME

Acerca de este documento

Este es un documento basado en la explicacion por medio de gráficas que representan los datos del crecimiento del camaron en granjas de Cajeme por un cierto lapso de tiempo.

Introducción

El estado de Sonora es una de las entidades con mayor éxito en la acuacultura de camarones. Las empresas establecidas son granjas de alto volumen con una visión de crecimiento a largo plazo, ingreso a mercados extranjeros, tecnificación de la producción e integración vertical. Estas condiciones conllevan a una problemática distinta a la de otros estados debido a que el abatimiento de la pobreza no es el principal motor del establecimiento de unidades productoras.

Por otro lado, se busca proporcionar un marco de estudio sobre el modelo de producción de camarón donde se puedan analizar los datos obtenidos de una granja acuícola en Cajeme y se puedan contestar varias varibles que se ve afectada en la comercialización y producción del camarón.

Variación del tamaño del camarón

Datos obtenidos [Camarones]

URL: (https://drive.google.com/drive/folders/1y8oq2itKPpUPllWUstY2qpVmq4qu4WSG)

Descarga de este código

Para fines de reproducibilidad inmediata se incluye todo el código para su descarga

xfun::embed_file("U1A7.Rmd")

Download U1A7.Rmd

Importar datos

CAMARONES <- read.csv("~/Estadistica/U1A77/CAMARONES.csv")
View(CAMARONES)
#bibliotecas
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --
## v tibble  3.0.5     v stringr 1.4.0
## v tidyr   1.1.2     v forcats 0.5.1
## v purrr   0.3.4
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x scales::col_factor() masks readr::col_factor()
## x purrr::discard()     masks scales::discard()
## x plotly::filter()     masks dplyr::filter(), stats::filter()
## x dplyr::lag()         masks stats::lag()

Visualización de datos

Gráfico semanal de peso actual por estanque

ggplot(data = CAMARONES) +
  geom_point(mapping = aes(x = Semana, y = PesoActual, color = Estanque))

  • De acuerdo a los datos arrojados se puede observar que el peso ideal al transcurrir las 3 semanas se alcanzó únicamente en 3 estanques

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))

  • Se observa que hubo mucha dispersión en el incremento de la mayoría de los estanques, al transcurrir las 12 semanas. Esto puede ser a causa de las condiciones de cada uno de los estanques donde se encuentra el camarón.

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  1.0000000

Grafico 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))

  • El crecimiento fue muy variado, debido a que algunos camarones si siguieron el modelo esperado y otros tardaron más en crecer o simplemente no crecieron. Finalmente se puede concluir que este modelo no es viable gracias a su dispersión.

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)

library(readxl)
camarones1 <- read_excel("camarones1.xlsx")
View(camarones1)
  • Estos gráficos permiten observar que tan dispersos se encuentran los datos que representan el peso actual y alimentación semanal, observando que los datos el peso actual tienen un seguimiento continuo a comparación del alimento semanal que no siguen un orden lineal o constante.

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 3
  • Se puede observar que el consumo de alimento diario varia dependiendo de su cantidad, lo cual corresponde a la ultima semana.

Representación 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"))

  • Se puede observar una decreciente aumento de éxitos por parte de la alimentación del camarón, siendo que algunos no siguen el modelo propuesto y existe poca probabilidad de que alcancen el peso ideal.

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: 5
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: 5
datos <- 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)

Si tenemos 12 estanques con dimensiones similares, ¿por qué en la semana número 12 no todos los estanques tienen camarones que pesan 12 gramos?, únicamente cuando los camarones pesan 12 gramos se pueden cosechar y vender únicamente 3 estanques de los 12, en la semana 12 están llegando a más de 12 gramos

El impedimento del crecimiento de camarón se puede dar debido a las siguientes condiciones: * Deterioro en los factores ambientales, temperatura y salinidad del agua. * Exceso de materia orgánica en el estanque lo que ocasiona un disparo de crecimiento de bacterias y como consecuencia la obtención del desarrollo de un organismo que se alimenta de bacterias y microalgas.

¿Qué significa esto en términos de negocio?

  • En terminos de negocio, se deduce que únicamente cuando los camarones pesan 12 gramos se pueden cosechar y vender, pero únicamente 3 estanques de los 12, están llegando a más de 12 gramos, lo que quiere decir que no estan generando muchas ganancias, ya que muy pocos estanques 12 son los que cumplieron el objetivo de que los camarones llegaran al peso ideal para su venta. Se concluye que estan invirtiendo mas de lo que se esta gananado.

Recomendaciones

  • Para evitar la propagación de enfermedades en el camarón e impedir su crecimiento, se debe de aplicar diversas de medidas de bioseguridad y monitoreos de detección de patógenos, que han puesto en dilema la capacidad de producción de las granjas de engorda de camarón y su rentabilidad económica.

Conclusión

  • Se puede deducir que hay que regular constantemente los factores ambientales o fisicoquímicos para que no se dé la presencia de patógenos que puedan afectar el crecimiento del camarón o en un caso extremo su muerte; ya que se generarían pérdidas significativas en el estanque. Finalmente, si se desea cosechar camarón en 12 semanas, una buena opción sería aumentar el producto alimenticio (moderadamente), ya que de cualquier forma consumirán ese alimento si no exceden el tiempo en el estanque.

Referencia Bibliográfica