U1A7- Acuacultura en Sonora

Equipo 3: Martha María Castro López, Diana Paola García Torrecillas, Karolina Borbón Acosta y Paloma Domínguez Muñoz

21/2/2021

Acuacultura

Introducción

La acuicultura o acuacultura es el conjunto de actividades, técnicas y conocimientos de crianza de especies acuáticas vegetales y animales. Es una importante actividad económica de producción de alimentos, materias primas de uso industrial y farmacéutico, y organismos vivos para repoblación u ornamentación. Por sus recursos humanos y naturales el estado de Sonora se ubica en los primeros lugares a nivel nacional en volumen de producción pesquera y acuícola, ya que cuenta con un enrome potencial pesquero y acuícola, con 1,200 km de litoral y decenas de miles de hectáreas de lagunas costeras y embalses de agua dulce, así mismo Sonora cuenta con un padrón de 20,544 pescadores ribereños y 2760 de altura.

Este tipo de actividades acuícolas cuentan con gran auge económico para el estado y se compone por tres grandes grupos: camarón, moluscos y peces. Los cuales contribuye con 35.15% de la producción nacional, comprendida por: camarón, ostión, mojarra, almeja, lobina, carpa y bagre y cuenta con casi 200 unidades de producción acuícola en las zonas costeras del centro y sur de la entidad.

Por tanto, en éste caso se busca presentar un marco de estudio sobre el modelo de producción de camarón donde se puedan estudiar los datos obtenidos de una granja acuícola en Obregón y se puedan contestar varias variables que se ve afectada en la venta y productividad del camarón.

Objetivo

Camarón

Analizar información acerca de los cultivos de camarones en el Estado de Sonora, para determinar la importancia de la acuacultura y como es el ingreso de este sector, si es o no viable o productivos. Además se pretende analizar qué tienen de diferente los camarones que llegan al peso ideal con los que no llegan, ya que se requiere gran inversión de luz, agua, nómina, gasolina y tiempo de trabajo para que lleguen a un peso ideal. Todo ello se verá reflejado mediante tablas que arrojaran el incremento o descenso en cuanto al trato que se le da al camarón.

Y dar respuesta a las preguntas:

¿Cómo justificamos este análisis? ¿Por qué la acuicultura es importante?

¿Qué tanto dinero se está perdiendo por una mala toma de decisiones oportuna?

Principales factores del impedimiento de del crecimiento del camarón

Importación de datos

CAMARONES <- read.csv("~/EAMJ1130/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

Gráfico semanal de peso actual por estanque

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

Relación de peso actual de camarón en las semanas transcurridas en diferentes 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))

En ésta gráfica podemos observar que al transcurso de las semanas hubo una gran dispersión en el incremento del 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))

Podemos observar que el crecimiento fue muy variado, ya que algunos tuvieron un crecimiento adecuado y otros no.

Analisis 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")

Analisis de cuantiles

qqnorm(AlimentoSemana, main = "Alimento Semanal", col = "darkred")
qqline(AlimentoSemana)

qqnorm(PesoActual, main = "Peso Actual", col = "blue")
qqline(PesoActual)

En estos gráficos se observa la variación de dispersión, donde se encuentran los datos que representan el peso actual y alimentación semanal, observando que la gráfica lineal mas connstante es la del peso actual.

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

Esta histograma representa el alimento diario varia dependiendo de su cantidad.

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 variación en la alimentación del camarón, ya que no todos siguien una alimentación 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)

Interpretaciones

¿Cómo justificamos este análisis? ¿Por qué la acuicultura es importante?

Se puede decir que se esta invirtiendo mas en cosechar el camarón y que es buena idea aumetar el producto alimenticio (moderadamente) en el camarón ya que de cualquier forma consumirán ese alimento si no exceden el tiempo en el estanque. y la acuicultura es muy importante ya que su función principal es la producción de alimento para el consumo humano al tiempo que proporciona empleo y desarrollo económico en las regiones con disponibilidad de recursos acuícolas, continentales o marinos.

¿Qué tanto dinero se está perdiendo por una mala toma de decisiones oportuna?

Una mala toma de desiciones puede provocar y generar graves daños para la economía del estado de Sonora, se pueden perder grandes cantidades de dinero los cuales serán muy difícil de reponer, incluyendo la quiebra de numerosas empresas afectando asi a la población en general por la perdida de empleos que esto ocasionaría, perdida de materias primas, tiempos de producción, así mismo pudiera comprometer el recurso o presupuesto del estado de Sonora para años venideros y todo esto contribuiría a una baja en el producto interno bruto.

Conclusión

En conclusión, de acuerdo a toda la información obtenida, decimos que la acuacultura es de gran importancia en México, ya que es una actividad pesquera que radica en que los procesos productivos, en particular la captura de camarón, ya que buena generación de ingresos pero teniendo una buena alimentación del cultivo. Un dato muy importante es que en México se producen más de 160,000 toneladas de camarón cultivadas en 90,000 hectáreas, distribuidas principalmente en el noroeste del país.