Análisis de productividad en acuacultura

• Caso granjas de Camarón en Cajeme

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.

Diferente tamaños de camarón

Principales factores del impedimiento de del crecimiento del camarón

• Datos obtenidos Camarones

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

xfun::embed_file("u1a77.Rmd")

Download u1a77.Rmd

Importación de datos

CAMARONES <- read.csv("~/6to semestre/Estadistica aplicada/Trabajos en clase/U1A7/CAMARONES.csv")
View(CAMARONES)

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()

Gráficas obtenidas

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

Incremento <- (CAMARONES$PesoActual - CAMARONES$PesoAnterior)

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  1.0000000

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))

Analisis de normalidad

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")

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)

hist(camarones1$AlimentoDiario)

table(camarones1$Exito)

## 
## 0 1 
## 9 3

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: 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)

Interpretaciones

sí tenemos 12 estanques con las mismas dimensiones, ¿Porqué no todos los estanques tienen camarones que pesan 12 gramos?

El impedimiento de crecimiento del camarón se puede dar por las siguientes condiciones, las cuales son el 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.

Un camarón débilmente estresado por patógenos primarios y por varios factores ambientales es fácilmente infectado con patógenos secundarios a pesar de la baja presencia de patógenos en el agua y suelo del fondo de los estanques de engorda.

¿Qué significa 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 ganando, por lo que pueden gastar más en servicios que puedan sustentar estos estanques en lugar de presentar una inversión.

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

Al obtener interpretaciones de los datos obtenidos en las granjas de camarón en Cajeme, se puede decir que se esta invirtiendo más en cosechar el camarón por ejemplo en el costo de alimento, costos indirectos de fabricación, por que poco camarón se esta cosechando para la venta. Por lo tanto, si se desea cosecahr 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. De cualquier forma, se requieren hacer más estudios, no solamente de la alimentación, sino también de factores climaticos entre otros.

Bibliografía.

Martinez, J. J. (2002, abril). Epizootiología de enfermedades en camarón cultivado. Recuperado 18 de febrero de 2021, de http://eprints.uanl.mx/6757/1/1080124396.PDF