cabezasGanado <- read.csv("cabezasGanado.csv")
datosGanaderiaSon <- read.csv("datosGanaderiaSon.csv")
datosGan2 <- read.csv("datosGan2.csv")
EnfoquesLecheros = read_excel("PorcentajeProductorasLehceras.xlsx")
Producciones = read_excel("ProductosBobino.xlsx")

Caso de estudio de ganadería

Datos disponibles para su descarga

Download cabezasGanado.csv

Download datosGanaderiaSon.csv

Download datosGan2.csv

Download ProductosBobino.xlsx

Download PorcentajeProductorasLehceras.xlsx

Introducción

La ganadería es una actividad que consiste en el manejo y explotación de animales domesticables con fines de producción, para su aprovechamiento. Dependiendo de la especie ganadera, se pueden obtener diversos productos derivados, tales como la carne, la leche, los huevos, los cueros, la lana y la miel, entre otros.

Nuestro país México se caracteriza por ser un país ganadero, cuenta con grandes áreas donde se desarrollan principalmente las ganaderías bovina, porcina, ovina, caprina y aviar.

Si hablamos de forma específica sobre nuestro estado, la ganadería en Sonora data desde hace mucho tiempo. Se considera que la ganadería en Sonora tiene un valor más social que económico: aunque solo representa 3.1% del producto interno bruto de la entidad, se practica en 85% de la superficie del estado y de ella dependen directamente más de 35 mil familias.

La producción de ganado bovino en Sonora se obtiene en dos sistemas de producción. El extensivo que se desarrolla en los agostaderos que comprenden 85% de la superficie total del estado y se orienta en su mayor parte a la producción de ganado en pie, principalmente becerros y vaquillas para su exportación a los Estados Unidos.

El otro sistema es el intensivo que se caracteriza porque su proceso de producción se basa en el confinamiento del ganado. Aquí se aplica la tecnología más avanzada en los campos de la genética y la nutrición. Su producción atiende la demanda de carne de alta calidad de Sonora y de otros estados del país.

En este análisis se analizó información estadística disponible en diversas fuentes respecto a la población total de ganado bovino en Sonora, México, durante el periodo de 2019, la información obtenida se capturó en Excel y se generaron gráficos con el mismo.

Antecedentes

Se sabe que durante mucho tiempo, una actividad económica que se ha mantenido en este y muchos otros países en cuestión, es la ganadería. De esta actividad se llegan a conseguir una gran cantidad de productos variados de diferentes especies animales, se puede saber simplemente con una visita al supermercado la increíble cantidad de productos que se pueden adquirir de una sola especie animal.

Si bien todo esto es cierto, se puede tomar un enfoque diferente con el análisis de datos, para así saber el valor de los productos que se obtienen de cada animal, para así poder fomentar un análisis y llegar a una conclusión en la que se desea conocer una duda que podría traer varios beneficios económicos, la cual es “¿Qué producto es el más conveniente para producir?”

Objetivos del trabajo

Entre los diferentes objetivos que se planea lograr con el siguiente análisis se encuentran:

  • Identificar el producto mejor producido en la industria de la ganadería.
  • Conocer los diferentes incrementos y decrementos dentro de la producción ganadera en los últimos años.
  • Comparar la producción de distintos productos derivados de la ganadería.
  • Llegar a una conclusión básica sobre el producto que más conviene producir en la región.

Metodología

Hipótesis

Con la investigación y los datos que hemos podido encontrar durante la realización de este análisis, pudimos conocer que en el estado de Sonora la producción de la leche y la carne, que son derivados de los bovinos es una actividad muy demandada por parte de exportaciones, ya que la mayor parte de producción de carne por el estado va enfocada directo a importaciones de otros países.

En la ganadería de Sonora, se considera que no solo beneficia a los ganaderos, sino que también genera muchos empleos más, como para médicos veterinarios o para el personal que labora en las plantas o granjas.

Pero, ¿cuáles son los factores que afectan la producción dentro de esta industria? por ejemplo, el tipo de alimentación es uno de los factores más importantes a la hora de producción tanto de leche como de carne, si se alimenta al ganado con un tipo de alimento en específico para su engorda, ¿cómo afecta esto a su producción de leche?

Para saber esto se comparan los tipos de dietas entre varios grupos de vacas para saber cuál dieta es la mejor balanceada o la ideal según para lo que se desea producir.

Cabezas de ganado

datatable(cabezasGanado)
CabezasGanado2 <- ggplot(data = cabezasGanado) +
  geom_line(mapping = aes(x = Anio, y= Unidades), colour = "blue") +
  xlab("Año") +
  ylab("Unidades") +
  labs(colour = "Anual") +
  ggtitle("Unidades de ganado por cabeza (en millones) en México a través de los años")
ggplotly(CabezasGanado2)

En la presente gráfica, se pueden visualizar las unidades de ganado a través de los años 2000-2020, y cómo estas unidades con el paso de los años han ido en incremento o decremento dependiendo de qué año se compare con otro, se puede observar que generalmente, año con año se consigue un incremento en las unidades de ganado que se consiguen en México, con ciertas excepciones en algunos años (Y una gran excepción dentro de la comparacion del año 2011 y 2012, ya que sufrió un muy grave descenso que se recuperó con el paso de los años)

hpackedbubble(datosGanaderiaSon$`Municipio`, datosGanaderiaSon$`Especie`, datosGanaderiaSon$`Volumen`,
              title = "Estadística de producción ganadera en Sonora",
              pointFormat = "<b>{point.name}: </b> {point.y} %",
              dataLabelsFilter = 100,
              packedbubbleMinSize = "20%",
              packedbubbleMaxSize = "60%",
              theme = "Classic",
              packedbubbleZMin = 0,
              packedbubbleZmax = 10000, split = 1,
              gravitational = 0.0200,
              parentNodeLimit = 1,
              dragBetweenSeries = 0,
              seriesInteraction = 0,
              width = "100%",
              height = "1000px"    )

El anterior diagrama de burbujas muestra los diferentes municipios de Sonora y las distintas especies de ganadería que producen, al igual que su volumen conseguido en el año 2019 por cada municipio.

A simple vista se puede observar que la burbuja más grande es Hermosillo, esto no es ninguna sorpresa ya que al ser la capital del estado tiene más movimiento ecónomico y más granjas productoras en ganadería.

Diagrama de dispersión

x <- cabezasGanado$Anio
y <- cabezasGanado$Unidades

plot(x, y, main = "Diagrama de dispersión de la ganadería en México",
     xlab = "Años", ylab = "Unidades por millón",
     pch = 19, frame = FALSE)
abline(lm(y ~ x, data = mtcars), col = "blue")

En el diagrama de dispersión se puede observar a simple vista lo mismo que en la gráfica anterior, cada año es más la producción de ganado a través de los años.

pairs(cabezasGanado, labels=c("y","x1","x2"), main='Matriz de dispersión', cex.main=0.8, cex = 1.5, pch = 20, bg="light blue", cex.labels = 1, font.labels=1)

La matriz de dispersión muestra esto de una forma más exacta y precisa con los puntos dispersos a través de los años.

library(GGally)
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
ggpairs(cabezasGanado, lower = list(continuous = "smooth"),
        diag = list(continuous = "barDiag"), axisLabels = "none")
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

La forma más sencilla de incorporar flexibilidad a un modelo lineal es introduciendo nuevos predictores obtenidos al elevar a distintas potencias el predictor original.

Partiendo del modelo lineal

\[ y_i = \beta_0 + \beta_1x_i + \epsilon_i \] Se obtiene un modelo polinómico de grado d a partir de la ecuación

\[ y_i = \beta_0 + \beta_1x_i + \beta_2x^2_i + \beta_3x^3_i + ... + \beta_dx^d_i+ \epsilon_i \]

La actividad ganadera es, como en todo el mundo, un sector pulverizado; lo integran muchos pequeños productores de todos los estratos sociales y económicos. En Sonora, 90% de los ganaderos cuentan con menos de 50 ejemplares bovinos.

La sequía es considerada un problema de primer orden por sus efectos negativos en la actividad ganadera en Sonora, lo cual está consignado en diversos documentos oficiales como el Programa de Mediano Plazo del Sector Pecuario y los Programas Especiales Concurrentes para el Desarrollo Rural Sustentable de Sonora.

library(ISLR)
datosGanaderiaSon$Valor[1:5]
## [1]    25.080 66854.120 65140.828  4229.617   125.506

Con esto vamos a construir un modelo de regresion no lineal, llamado regresion polinomica de grado 4

poly(datosGanaderiaSon$Valor, degree = 4, raw = TRUE, simple = TRUE)[1:5,]
##              1            2            3            4
## [1,]    25.080 6.290064e+02 1.577548e+04 3.956491e+05
## [2,] 66854.120 4.469473e+09 2.988027e+14 1.997619e+19
## [3,] 65140.828 4.243327e+09 2.764139e+14 1.800583e+19
## [4,]  4229.617 1.788966e+07 7.566641e+10 3.200399e+14
## [5,]   125.506 1.575176e+04 1.976940e+06 2.481178e+08
poly(datosGanaderiaSon$Valor, degree = 4, raw = FALSE, simple = TRUE)[1:5,]
##                 1           2           3           4
## [1,] -0.010349908  0.01531050 -0.01328844  0.01601387
## [2,] -0.001174905 -0.01445068  0.02241170 -0.03455926
## [3,] -0.001410124 -0.01370697  0.02158823 -0.03349698
## [4,] -0.009772664  0.01339259 -0.01082224  0.01225822
## [5,] -0.010336120  0.01526462 -0.01322919  0.01592323

Calculo del modelo polinomico de grado 4

modelo_poli4 <- lm(Anio ~ poly(Valor, 4), data = datosGanaderiaSon )
summary(modelo_poli4)
## 
## Call:
## lm(formula = Anio ~ poly(Valor, 4), data = datosGanaderiaSon)
## 
## Residuals:
##        Min         1Q     Median         3Q        Max 
## -9.520e-13 -6.320e-13 -6.100e-13 -3.820e-13  2.293e-10 
## 
## Coefficients:
##                   Estimate Std. Error    t value Pr(>|t|)    
## (Intercept)      2.019e+03  4.569e-13  4.418e+15   <2e-16 ***
## poly(Valor, 4)1 -2.380e-12  1.027e-11 -2.320e-01    0.817    
## poly(Valor, 4)2  3.520e-12  1.027e-11  3.430e-01    0.732    
## poly(Valor, 4)3 -3.055e-12  1.027e-11 -2.980e-01    0.766    
## poly(Valor, 4)4  3.682e-12  1.027e-11  3.590e-01    0.720    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.027e-11 on 500 degrees of freedom
## Multiple R-squared:  0.4999, Adjusted R-squared:  0.4959 
## F-statistic: 124.9 on 4 and 500 DF,  p-value: < 2.2e-16

Se puede ver que el p-value obtenido para el estadístico F es muy bajo (< 2.2e-16), lo que indica que al menos uno de los predictores introducidos en el modelo está relacionado con la variable del valor. Los p-values individuales de cada predictor son muy muy bajos a excepción del valor^4, lo que apunta a que un polinomio de grado 4 es suficiente para modelar el valor en función del año.

Si se quiere generar una representación gráfica del modelo ajustado

\[ Valor = 2.019e+03 - 2.380e-12 + 3.520e-12 - 3.055e-12 + 3.682e-12) \]

Representacion grafica del modelo

#01- Interpolar puntos dentro del rango del predictor

limites <- range(datosGanaderiaSon$Valor)
nuevos_puntos <- seq(from = limites[1], to = limites[2], by = 1)
nuevos_puntos <- data.frame(Valor = nuevos_puntos)

#02 - prediccion de la variable de respuesta y del error estandar

predicciones <- predict(modelo_poli4, newdata = nuevos_puntos, se.fit = TRUE,
                        level = 0.95)

#03 - Calculo del intervalo de confianza superior e inferior a 95


intervalo_conf <- data.frame(inferior = predicciones$fit -
                                        1.96*predicciones$se.fit,
                             superior = predicciones$fit +
                                        1.96*predicciones$se.fit)

attach(datosGanaderiaSon)
plot(x = Valor, y = Precio, pch = 20, col = "darkgrey")
title("Polinomio de grado 4: Precio ~ Valor de la ganadería")
points(x = nuevos_puntos$Valor, predicciones$fit, col = "red", pch = 20)
points(x = nuevos_puntos$Valor, intervalo_conf$inferior, col = "blue", pch = 4)
points(x = nuevos_puntos$Valor, intervalo_conf$superior, col = "blue", pch = 4)

Comparación de modelos de contraste de hipótesis ANOVA

# se ajustan modelos polinomicos de grado 1 a 5 

modelo_1 <- lm(Precio ~ Valor, data = datosGanaderiaSon)              #Grado 1 
modelo_2 <- lm(Precio ~ poly(Valor, 2), data = datosGanaderiaSon)     #Grado 2 
modelo_3 <- lm(Precio ~ poly(Valor, 3),  data = datosGanaderiaSon)    #Grado 3
modelo_4 <- lm(Precio ~ poly(Valor, 4),  data = datosGanaderiaSon)    #Grado 4
modelo_5 <- lm(Precio ~ poly(Valor, 5),  data = datosGanaderiaSon)    #Grado 5 


anova(modelo_1, modelo_2, modelo_3, modelo_4, modelo_5)
## Analysis of Variance Table
## 
## Model 1: Precio ~ Valor
## Model 2: Precio ~ poly(Valor, 2)
## Model 3: Precio ~ poly(Valor, 3)
## Model 4: Precio ~ poly(Valor, 4)
## Model 5: Precio ~ poly(Valor, 5)
##   Res.Df    RSS Df Sum of Sq      F   Pr(>F)   
## 1    503 307093                                
## 2    502 306304  1     789.0 1.3361 0.248278   
## 3    501 302733  1    3571.1 6.0473 0.014266 * 
## 4    500 297051  1    5682.1 9.6222 0.002031 **
## 5    499 294673  1    2377.9 4.0267 0.045324 * 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se puede ver en el análisis de correlación un índice de 0.927, que significa que a medida que pasan los años, la producción de ganadería va aumentando.

En el diagrama de dispersión se puede observar fácilmente que a medida que van pasando los años, va aumentando también la producción de la ganadería. Esto se debe principalmente al aumento de población, que requiere más alimentación y al avance de las tecnologías, que permiten que el ganado sea producido de manera más “eficiente” que antes.

Esto no significa siempre que sea el caso, ya que hubo algunos años en los que la producción resulta ser menor que en años pasados. Esto se puede deber a diversos factores que afectan a una industria tan dependiente de la región como la ganadería, estos factores pueden ser la falta de lluvias en la región, o el precio de los alimentos del ganado.

Producción Lechera

Entrando en otro enfoque, se podría decir que los bovinos tienen 2 tipos de producción en el ámbito de los productos que nos ofrecen, ya que de estos podemos obtener productos como la Leche y Carne que van al mercado.

ggplot(data=Producciones, aes(x=ESTADO, y=CARNE)) + 
geom_bar(stat="identity", position="dodge",color="darkblue")+
theme(axis.text.x = element_text(angle=70,hjust=1),axis.text.y =element_text(size = 6))

ggplot(data=Producciones, aes(x=ESTADO, y=LECHE)) + 
    geom_bar(stat="identity", position="dodge",color="darkred") +
  theme(axis.text.x = element_text(angle=70,hjust=1),axis.text.y =element_text(size = 6))

En las gráficas presentadas se puede analizar con facilidad que hay una mayor producción de leche que de carne, con esto a simple vista podria decirse que es mejor el tratar de criar a los bovinos para que estos sean llevados a las granjas y tratar de enforcarse en la producción de leche, ya que esto es lo que consigue mas producción, pero también se tienen que ver factores como por ejemplo la escala de medición (ya que la leche está medida en galones, mientras que la carne esté medida en toneladas), el precio que tiene cada uno en los diferentes mercados y el cuidado que requiere cada tipo de bovino (ya que los bovinos cuentan con diferentes tipos de dieta dependiendo de el producto que se quiera obtener, de tal manera que una vaca lechera no obtendrá la misma dieta ni cuidados que una vaca de engorda para la producción de carne).

porcentajes <- as.numeric(EnfoquesLecheros)
etiquetas <- c("Cria de Becerros","Doble proposito","Produccion lechera")
etiquetas <- paste(etiquetas, porcentajes)
etiquetas <-paste(etiquetas,"%",sep = "")
pie(porcentajes, etiquetas,
    main = "Enfoque productivo al que se enfocan las vacas lecheras",

    )

Tambien es util considerar que en el caso de la produccion lechera, no todas las cabezas de ganado van enfocadas a la produccion exclusiva del producto, si no que algunas de estas tienen otros tipos de enfoque, lo que tiene como concecuencia la perdida de un cierto porcentaje de la produccion que puede llegar a tener un vaca lechera.

Resultados y discusión

La producción de ganadería nos da bastantes ventajas como la obtención de distintos materiales como carne o leche lo cual permite la obtención de negocios y empleos, esto se traduce en recursos financieros bastante grandes manteniendo la estabilidad monetaria de bastantes familias, sin embargo, esta rama no está siendo explotada de la manera más eficaz en México, ya que como se muestran en las anteriores gráficas, la producción de carne tiene una mejor respuesta en distintos estados, al igual que la producción de la leche, una de las razones de esto es debido al clima ya que en una gran cantidad de zonas tienen una temperatura muy elevada y tener una granja no sale lo suficientemente rentable en lugares como el noroeste del estado debido a que las zonas son desérticas. En estas zonas podrían aprovecharse de una mejor manera otras ramas en las cuales enfocarse, mientras que por otro lado, municipios del estado con un clima que podría ser más beneficioso para la ganadería como por ejemplo los municipios del este y sur de Sonora, que están cerca de la sierra tienen más espacio para producir más ganado de una forma más abierta. También se podrían tomar otras medidas como por ejemplo analizar por medio de datos y graficas que tanto afecta el clima de los estados hacia la productividad del ganado y tomar precauciones para esto.

Conclusión personal

Pienso que la producción de ganadería en el estado es un tema de mucha importancia que no está siento explotado de la manera más eficaz posible, ya que como se mostró en una de las gráficas, la producción de carne responde de una mejor manera en algunos estados y a algunos tipos de cuidados (teniendo como uno de los mejores estados productores a Hermosillo, con 222843 en valores de producción de Bovinos), como se pudo analizar en el trabajo realizado con nuestros compañeros, las vacas alimentadas con concentrado tienden a producir 1 litro más de leche, mientras que las que se alimentan con pollinaza consiguen pesar 120 kilos extra. Se podría tomar medidas para saber si el clima de los estados es el causante de que se tenga una mejor o peor repercusión a la hora de conseguir los productos de la ganadería, con esto se trataría de enfocar un mayor número de recursos a ese estado, para así poder conseguir la mejor producción posible.

En cuanto a la producción de leche, el factor del enfoque que tiene la vaca puede llegar a afectar en la calidad del producto y en si la producción, ya que, en México, solo el 13.3% de las vacas tienen su enfoque total hacia la producción de leche, mientras que hay un 59.7% enfocadas a la cría de becerros y otro 27% que tienen doble propósito (producción y cría). Con esto dicho, seria optimo tomar los casos de estudio que demuestran que el pasto gamba con concentrado y realizar algunas pruebas en los bovinos, para así poder llegar a la mejor producción de leche posible e implementarla de una manera más eficiente a cada uno de los enfoques que tienen las vacas lecheras.

Cabe resaltar también algunos de los otros factores que pueden afectar dentro de la producción, como posibles sequias que pasan o podrían llegar a pasar, ya que esto terminaría afectando los cultivos con los que se alimenta a los productores primarios.

México tiene una gran capacidad para la producción de productos, pero esta no es muy aprovechada ya que hacen falta muchos análisis para llegar a una mejor producción perfecta utilizando pocos recursos, estos análisis tienen que incluir a fondo todos los posibles factores que puedan llegar a afectar el rendimiento de los productos, no importa que tan insignificante parezca, de verdad podría llegar a tener una influencia grave.

Conclusión en Equipo

La ganadería es una de las actividades económicas más importantes del país, dejando muchos ingresos de parte de diferentes sectores y productos a los que se enfoque, con un análisis a fondo se puede estudiar todos los factores que terminan afectando la producción de los productos de los animales (como el cuidado de los animales, su respuesta ante varios tipos de clima o incluso fenómenos meteorológicos que lleguen a afectar en su comportamiento), para así poder llegar en poco tiempo a una producción máxima utilizando el menor número de recursos posibles para el cuidado o movilización de los animales.

Será muy útil aplicar estos tipos de análisis en México, ya que es un país que como se vio anteriormente, tiene mucho potencial para el aprovechamiento de recursos (siendo uno de los países con mejor producción), con esto se esperaría poder llegar a tener una mejor economía, lo cual traería como consecuencias algunas cosas como mejores empleos para la gente de estos sectores, junto con mejores salarios y una mejor calidad de vida.

Bibliografia