Parcial 1
Jayerlin Rodriguez - Diana Jurado
26/8/2021
Punto 1—- Análisis exploratorio univariado para las características del suelo
summary.data.frame(Salinidad)## Biomasa pH Salinidad Zinc
## Min. : 369.8 Min. :3.200 Min. :24.00 Min. : 0.2105
## 1st Qu.: 654.8 1st Qu.:3.450 1st Qu.:27.00 1st Qu.:13.9852
## Median : 991.8 Median :4.450 Median :30.00 Median :19.2420
## Mean :1082.2 Mean :4.609 Mean :30.27 Mean :17.8308
## 3rd Qu.:1346.9 3rd Qu.:5.350 3rd Qu.:33.00 3rd Qu.:22.6758
## Max. :2337.3 Max. :7.450 Max. :38.00 Max. :31.2865
## Potasio
## Min. : 350.7
## 1st Qu.: 527.0
## Median : 773.3
## Mean : 797.4
## 3rd Qu.: 954.1
## Max. :1441.7Salinidad$Biomasa## [1] 765.280 954.017 827.686 755.072 896.176 1422.836 821.069 1008.804
## [9] 1306.494 1039.637 1193.223 777.474 818.127 1203.568 977.515 369.823
## [17] 509.872 448.315 615.091 545.538 436.552 465.907 664.601 502.466
## [25] 496.797 2270.294 2332.220 2162.531 2222.588 2337.326 1349.192 1058.976
## [33] 1408.206 1491.276 1254.872 1152.341 568.455 612.447 654.825 991.829
## [41] 1895.942 1346.880 1482.793 1145.643 1137.193sd(Salinidad$Biomasa)## [1] 546.2874sd(Salinidad$pH)## [1] 1.254731sd(Salinidad$Salinidad)## [1] 3.719726sd(Salinidad$Zinc)## [1] 8.274169sd(Salinidad$Potasio)## [1] 297.576ggplot(data = Salinidad,aes(x=Salinidad))+geom_histogram(col= "blue")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = Salinidad,aes(y=Salinidad))+geom_boxplot(col= "blue")
En base a los datos podemos decir que:
La salinidad: posee una media de 30.27, un mínimo de 24 y un máximo de 38, datos que nos indican suelos con una concentración salina alta, que lleva a la perdida de fertilidad y perjudica los cultivos (biomasa).
ggplot(data = Salinidad,aes(x=Biomasa))+geom_histogram(col= "green")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = Salinidad,aes(y=Biomasa))+geom_boxplot(col= "green")
La biomasa: presenta en promedio 1082 gramos, con una desviación estándar de 546 gr. Por su parte el dato máximo fue 2337.3 gr, lo que indica que esta fue la mayor biomasa que las caracteristcas del suelo permitieron producir.
ggplot(data = Salinidad,aes(x=pH))+geom_histogram(col= "yellow")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = Salinidad,aes(y=pH))+geom_boxplot(col= "yellow")
El pH: es una medición de que tan ácido o alcalino está el suelo, según estos datos la media fue de 4.6, lo que sugiere que se encuentra entre un pH ácido y un punto neutro; presenta una desviación estándar de 1.25, que indica que puede variar drásticamente. Detallando los extremos podemos resaltar que el pH mínimo fue de 3.2 que indica un suelo bastante ácido y deteriorado, poco óptimo para la producción de biomasa.
ggplot(data = Salinidad,aes(x=Zinc))+geom_histogram(col= "orange")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = Salinidad,aes(y=Zinc))+geom_boxplot(col= "orange")
Concentración de Zinc: en promedio se encontraron suelos con un 17.83 de concentración en suelo, con una desviación de 8.2 que puede generar gran variación en los datos, su mínimo es 0.21, una concentración basstante baja lo cual no permitirá una buena producción de biomasa; mientras que su máximo es 31.3 que es una concentración mucho más alta y óptima. Esta característa está ligada al pH, entre más ácido el suelo menos concentración de Zinc habrá disponible.
ggplot(data = Salinidad,aes(x=Potasio))+geom_histogram(col= "red")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = Salinidad,aes(y=Potasio))+geom_boxplot(col= "red")
Concentración de Potasio: La media es 797.4, con un máximo de 1442 y un mínimo de 352, su desviación es de 297.8. Sin embargo, esta concentración no tendrá repercusión alguna en la producción de biomasa pues para esto se requiere de factores biologicos para su absorción y aprovechamiento, que lleve a generar cambios significativos en esta.
–Análisis exploratorio Bivariado: Relación entre la biomasa y las covariables pH, Salinidad y Zinc (determine cuales variables son las que presentan mayor relación con la biomasa).
ggplot(data = Salinidad,aes(y=Biomasa,x=pH,))+geom_point()+theme_bw()+xlab("pH")+ylab("Biomasa")+geom_smooth()+ ggtitle ("Producción de biomasa de acuerdo al pH")## `geom_smooth()` using method = 'loess' and formula 'y ~ x'
Podemos observar que existe una relación entre la acidez del suelo y la disminución de la biomasa presente, es decir, entre más tienda el pH hacia ph de 3, 4 o 5 menor será la producción de Biomasa; mientras entre más tienda a neutro incrementa dicha producción.
ggplot(data = Salinidad,aes(y=Biomasa,x=Salinidad,))+geom_point()+theme_bw()+xlab("Salinidad")+ylab("Biomasa")+geom_smooth()## `geom_smooth()` using method = 'loess' and formula 'y ~ x'
El gráfico indica que entre el suelo sea menos salino, la producción de biomasa se incrementará, lo que confirma lo dicho anteriormente.
ggplot(data = Salinidad,aes(y=Biomasa,x=Zinc,))+geom_point()+theme_bw()+xlab("Zinc")+ylab("Biomasa")+geom_smooth()## `geom_smooth()` using method = 'loess' and formula 'y ~ x'
Pese a que entre mayor Zinc mayor Pn de biomasa en este caso observamos una gráfica en donde a mayor concentracion de Zinc menor es la biomasa producida, esto puede deberse a que existen otros factores y procesos biológicos y antropicos incidiendo en la actividad natural del zinc.
Punto 2 –— Dos tipos de moluscos A y B fueron sometidos a tres concentraciones distintas de agua de mar (100%, 75% y 50%) y se observó el consumo de oxígeno midiendo la proporción de O2 por unidad de peso seco del molusco.
knitr::opts_chunk$set(echo = TRUE)
load("~/2021-II/Bioestadistica/YDRAY-moluscos.RData", verbose = TRUE)## Loading objects:
## BD_moluscosattach(BD_moluscos)
require(faraway)
require(ggplot2)
BD_moluscos## # A tibble: 48 x 3
## c_agua molusco cons_o
## <dbl> <chr> <dbl>
## 1 100 A 7.16
## 2 100 A 8.26
## 3 100 A 6.78
## 4 100 A 14
## 5 100 A 13.6
## 6 100 A 11.1
## 7 100 A 8.93
## 8 100 A 9.66
## 9 100 B 6.14
## 10 100 B 6.14
## # ... with 38 more rowsBD_moluscos$c_agua## [1] 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 75 75 75
## [20] 75 75 75 75 75 75 75 75 75 75 75 75 75 50 50 50 50 50 50
## [39] 50 50 50 50 50 50 50 50 50 50summary.data.frame(BD_moluscos)## c_agua molusco cons_o
## Min. : 50 Length:48 Min. : 1.800
## 1st Qu.: 50 Class :character 1st Qu.: 6.312
## Median : 75 Mode :character Median : 9.700
## Mean : 75 Mean : 9.305
## 3rd Qu.:100 3rd Qu.:11.232
## Max. :100 Max. :18.800sd(BD_moluscos$c_agua)## [1] 20.62842sd(BD_moluscos$cons_o)## [1] 3.682652ggplot(data = BD_moluscos,aes(x=cons_o))+geom_boxplot()+ggtitle("Consumo de Oxigeno")+xlab("Consumo de Oxigeno")
ggplot(data = BD_moluscos,aes(x=c_agua))+geom_histogram()+xlab("Concentración de agua de mar")+ylab("Frecuencia")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
ggplot(data = BD_moluscos,aes(y=cons_o,x=c_agua,colour=molusco))+geom_point()+theme_bw()+xlab("Concentración de agua de mar")+ylab("Consumo de oxigeno")+facet_grid(~molusco)+ggtitle("Consumo de Oxigeno vs Concentración agua marina")
Análisis de los datos:
En general el consumo de oxígeno presenta un promedio de 9.3 con una desviaciín de 3.6, se observa la existencia de un dato atípico de 18.8 de consumo por parte de un individuo de la especie A. La distribución de los datos muestra un sesgo positivo,es decir, el 75% de los datos se encuentran ubicados por debajo del promedio.
En la gráfica que relaciona el consumo de oxigeno con la concentración de agua marina para ambas especies de moluscos, podemos observar una ventaja por parte de la especie A que tiene mayor adaptabilidad para extraer el oxigeno del agua salada, mientras que en la especie B notamos una disminución de los niveles de oxigeno consumidos.