Análisis de productividad en acuacultura, caso granjas de Camarón en 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.
*Datos Obtenidos: URL de datos obtenidos: https://drive.google.com/drive/folders/1y8oq2itKPpUPllWUstY2qpVmq4qu4WSG
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.
Camarones
Para la descarga de este código
Para fines de reproducibilidad inmediata se incluye todo el código para su descarga
xfun::embed_file("U1A7.Rmd")Análisis
Importar datos
CAMARONES <- read.csv("~/EALMV9/U1A7/CAMARONES.csv")
View(CAMARONES)Bibliotecas
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()Gráfico semanal de peso actual por estanque
ggplot(data = CAMARONES) +
geom_point(mapping = aes(x = Semana, y = PesoActual, color = Estanque))
*Interpretación: De acuerdo con el grafico anterior, al transcurrir las tres semanas se alcanzaron el peso ideal 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))
*Interpretación: De acuerdo a los datos arrojados se puede observar que hubo mucha dispersion en el incremento al transucrrir las 12 semanas, debido a las condiciones de los estanques.
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)
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))
*Interpretación: El crecimiento fue muy variado, ya que como se puede observar en el grafico, algunos camarones si siguieron el modelo del crecimiento adecuado, a comparacion de otros. Sin embargo este modelo no es el mas viable por 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)
*Interpretación: Estos graficos nos permiten observar que tan cerca está la distribución del peso actual y alimentacion semanal. Observando que los datos del peso actual se encuentran con un seguimiento continuo a comparacion del alimento semanal.
library(readxl)
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 3*Interpretación: Se puede observar que el consumo diario de alimento 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"))
*Interpretación: 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 regresión
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: 5reg <- 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') # por defecto calcularía log p_i/(1-p_i), para calcular p_i usamos el argumento type
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)
Preguntas
1.Si tenemos 12 estanques con dimensiones similares, ¿por qué en la semana número 12 no todos los estanques tienen camarones que pesan 12 gramos?
Respuesta: Esto dse debe a que puede existir un impedimento en el crecimiento de camarón, que 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 obtencion del desarrollo de un organsimo que se alimentaa de bacterias y microalgas.
2.¿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 ganando.
Conclusión
En la mayoría de los estanques hay un crecimiento lento de camarón. Esto tiene un impacto económico alto porque el tiempo de producción aumenta, con lo cual aumentan los costos de mantenimiento, alimentación, transporte… entre otros gastos directos e indirectos. 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
*Una de las 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. De cualquier forma, es necesario hacer estudios más específicos, porque no únicamente el alimento condiciona su crecimiento, sino también factores climáticos (que), enfermedades
Bibliografia
*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