Acuacultura en Sonora

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

21/02/2021

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.

Objetivo

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?

Importación de datos

CAMARONES <- read.csv("~/ESTADISTICA APLICADA/TAREAS BY PROFE/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 del 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 esta gráfica podemos observar que al transcurso de las semanas hubo mucha 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

Gráfico 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.

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)

Estos gráficos permiten observar que tan dispersos se encuentran los datos que representan el peso actual y alimentación semanal, observando que la gráfica mas constante y lineal es la del peso actual.

library(readxl)
camarones1 <- read_excel("~/ESTADISTICA APLICADA/TAREAS BY PROFE/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

En este histograma se observa la varianza del alimento diario dependiendo a 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"))

En este gráfico se puede observar una gran variación en el peso del camarón ya que no todos siguen 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)

Preguntas

¿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.

¿Que 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 que serán muy difícil de reponer,incluyendo la quiebra de numerosas empresas afectando a la población en general por la perdida de empleos que esto ocasionaría, perdida de materias primas, tiempos de producción y todo esto contribuiría a una baja en el producto interno bruto.

Conclusión

Observando todos los datos y gráficas se puede concluir que la acuicultura es una buena manera de generar ingresos, claro, teniendo debidamente los cuidados en cuanto al cultivo de camarones. Teniendo una debida alimentación se puede lograr el objetivo deseado que es cosechar el camarón a las 12 semanas y así no tener perdidas, o bien invertir más de lo planeado. El camarón requiere muchos cuidados para poder dar las ganancias debidas.