Taller Análisis Exploratorio de Datos
Carlos Alberto Mojocó Lozano
Análisis estadístico para el cultivo de Uva
min_grapes = as.data.frame(sapply(grapes[1:11], min))
q1_grapes = as.data.frame(sapply(grapes[1:11], quantile, probs=0.25))
mean_grapes = as.data.frame(sapply(grapes[1:11], mean.default))
mediana_grapes = as.data.frame(sapply(grapes[1:11], median.default))
var_grapes = round(as.data.frame(sapply(grapes[1:11], var)),2)
sd_grapes = round(as.data.frame(sapply(grapes[1:11], sd)),2)
q3_grapes = as.data.frame(sapply(grapes[1:11], quantile, probs=0.75))
max_grapes = as.data.frame(sapply(grapes[1:11], max))
s_grapes = round(as.data.frame(sapply(grapes[1:11], skew)),2)
c_grapes = round(as.data.frame(sapply(grapes[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_grapes = nrow(grapes)
No_Muestras_grapes## [1] 104grapes_AED = round(cbind(min_grapes, q1_grapes, mean_grapes, mediana_grapes, var_grapes, sd_grapes, q3_grapes, max_grapes, s_grapes, c_grapes),2)
names(grapes_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
grapes_AED = t(grapes_AED)
DT::datatable(grapes_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(grapes[11])))
invisible(lapply(1:ncol(grapes[1:11]), function(i) boxplot(grapes[, i], main=names(grapes[i]))))
Histogramas
par(mfrow = c(1, ncol(grapes[11])))
invisible(lapply(1:ncol(grapes[1:11]), function(i) hist(grapes[, i], main=names(grapes[i]), xlab=names(grapes[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Uva
- Según las variables estadísticas analizadas se puede observar que el Potasio (K), la Conductividad Eléctrica (EC) y el Manganeso (Mn), presentan simetría que se sale del rango [-1, 1] y es evidente que en las gráficas de boxplot estas variables presentan valores atípicos que afectan la simetría de los datos, contrario ocurre con las variables de Fósforo (P), pH, Hierro (Fe) y Boro (B), que a pesar de tener valores atípicos estos no afectan la simetría de los datos ni marcan distancias significativas entre la media y la mediana.Por tanto, los valores que deben ser transformados son el Potasio (K), la Conductividad Eléctrica (EC) y el Manganeso (Mn).
Análisis estadístico para el cultivo de Mango
min_mango = as.data.frame(sapply(mango[1:11], min))
q1_mango = as.data.frame(sapply(mango[1:11], quantile, probs=0.25))
mean_mango = as.data.frame(sapply(mango[1:11], mean.default))
mediana_mango = as.data.frame(sapply(mango[1:11], median.default))
var_mango = round(as.data.frame(sapply(mango[1:11], var)),2)
sd_mango = round(as.data.frame(sapply(mango[1:11], sd)),2)
q3_mango = as.data.frame(sapply(mango[1:11], quantile, probs=0.75))
max_mango = as.data.frame(sapply(mango[1:11], max))
s_mango = round(as.data.frame(sapply(mango[1:11], skew)),2)
c_mango = round(as.data.frame(sapply(mango[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_mango = nrow(mango)
No_Muestras_mango## [1] 104mango_AED = round(cbind(min_mango, q1_mango, mean_mango, mediana_mango, var_mango, sd_mango, q3_mango, max_mango, s_mango, c_mango),2)
names(mango_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
mango_AED = t(mango_AED)
DT::datatable(mango_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(mango[11])))
invisible(lapply(1:ncol(mango[1:11]), function(i) boxplot(mango[, i], main=names(mango[i]))))
Histogramas
par(mfrow = c(1, ncol(mango[11])))
invisible(lapply(1:ncol(mango[1:11]), function(i) hist(mango[, i], main=names(mango[i]), xlab=names(mango[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Mango
- Según las variables estadísticas analizadas se puede observar que el Fósforo (P), Potasio (K), Manganeso (Mn) y el Boro (B), presentan simetría que se sale del rango [-1, 1] y es evidente que en las gráficas de boxplot estas variables presentan valores atípicos que afectan la simetría de los datos, sin embargo, la variable Manganeso (Mn) es la que presenta una distancia significativa entre la media y la mediana (Aproximadamente de 14 puntos), debido a que en el boxplot de esta variable presenta valores atípicos muy alejados afectando así la media. Por lo anterior, la variable que debe ser transformada es la de Manganeso(Mn).
Análisis estadístico para el cultivo de Mora
min_mulberry = as.data.frame(sapply(mulberry[1:11], min))
q1_mulberry = as.data.frame(sapply(mulberry[1:11], quantile, probs=0.25))
mean_mulberry = as.data.frame(sapply(mulberry[1:11], mean.default))
mediana_mulberry = as.data.frame(sapply(mulberry[1:11], median.default))
var_mulberry = round(as.data.frame(sapply(mulberry[1:11], var)),2)
sd_mulberry = round(as.data.frame(sapply(mulberry[1:11], sd)),2)
q3_mulberry = as.data.frame(sapply(mulberry[1:11], quantile, probs=0.75))
max_mulberry = as.data.frame(sapply(mulberry[1:11], max))
s_mulberry = round(as.data.frame(sapply(mulberry[1:11], skew)),2)
c_mulberry = round(as.data.frame(sapply(mulberry[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_mulberry = nrow(mulberry)
No_Muestras_mulberry## [1] 104mulberry_AED = round(cbind(min_mulberry, q1_mulberry, mean_mulberry, mediana_mulberry, var_mulberry, sd_mulberry, q3_mulberry, max_mulberry, s_mulberry, c_mulberry),2)
names(mulberry_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
mulberry_AED = t(mulberry_AED)
DT::datatable(mulberry_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(mulberry[11])))
invisible(lapply(1:ncol(mulberry[1:11]), function(i) boxplot(mulberry[, i], main=names(mulberry[i]))))
Histogramas
par(mfrow = c(1, ncol(mulberry[11])))
invisible(lapply(1:ncol(mulberry[1:11]), function(i) hist(mulberry[, i], main=names(mulberry[i]), xlab=names(mulberry[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Mora
- A partir del análisis estadístico de los datos, se puede concluir que las variables Fósforo (P), Potasio (K), Conductividad Eléctrica (EC) y Azufre (S), presentan simetría positiva alejada de 1, además de eso, en el boxplot de estas gráficas se presentan valores atípicos, sin embargo, en el Azufre (S), la media y la mediana se encuentran con una diferencia de 2 puntos debido a los valores atípicos tan altos.
Análisis estadístico para el cultivo de Granada
min_pomegranate = as.data.frame(sapply(pomegranate[1:11], min))
q1_pomegranate = as.data.frame(sapply(pomegranate[1:11], quantile, probs=0.25))
mean_pomegranate = as.data.frame(sapply(pomegranate[1:11], mean.default))
mediana_pomegranate = as.data.frame(sapply(pomegranate[1:11], median.default))
var_pomegranate = round(as.data.frame(sapply(pomegranate[1:11], var)),2)
sd_pomegranate = round(as.data.frame(sapply(pomegranate[1:11], sd)),2)
q3_pomegranate = as.data.frame(sapply(pomegranate[1:11], quantile, probs=0.75))
max_pomegranate = as.data.frame(sapply(pomegranate[1:11], max))
s_pomegranate = round(as.data.frame(sapply(pomegranate[1:11], skew)),2)
c_pomegranate = round(as.data.frame(sapply(pomegranate[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_pomegranate = nrow(pomegranate)
No_Muestras_pomegranate## [1] 104pomegranate_AED = round(cbind(min_pomegranate, q1_pomegranate, mean_pomegranate, mediana_pomegranate, var_pomegranate, sd_pomegranate, q3_pomegranate, max_pomegranate, s_pomegranate, c_pomegranate),2)
names(pomegranate_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
pomegranate_AED = t(pomegranate_AED)
DT::datatable(pomegranate_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(pomegranate[11])))
invisible(lapply(1:ncol(pomegranate[1:11]), function(i) boxplot(pomegranate[, i], main=names(pomegranate[i]))))
Histogramas
par(mfrow = c(1, ncol(pomegranate[11])))
invisible(lapply(1:ncol(pomegranate[1:11]), function(i) hist(pomegranate[, i], main=names(pomegranate[i]), xlab=names(pomegranate[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Granada
Según el análisis estadístico de los datos, la variable que presenta asimetría negativa y que se sale del intervalo [-1, 1] es la del Potasio (K), pues la asimetría de esta variable es de -2.64 y la media y la mediana se separan por 11 puntos, siendo necesario realizar una transformación de los datos de esta variable. Por otra parte, existen otras variables que presentas valores atípicos pero estos no afectan la simetría, ni la media ni la mediana.
Análisis estadístico para el cultivo de Papa
min_potato = as.data.frame(sapply(potato[1:11], min))
q1_potato = as.data.frame(sapply(potato[1:11], quantile, probs=0.25))
mean_potato = as.data.frame(sapply(potato[1:11], mean.default))
mediana_potato = as.data.frame(sapply(potato[1:11], median.default))
var_potato = round(as.data.frame(sapply(potato[1:11], var)),2)
sd_potato = round(as.data.frame(sapply(potato[1:11], sd)),2)
q3_potato = as.data.frame(sapply(potato[1:11], quantile, probs=0.75))
max_potato = as.data.frame(sapply(potato[1:11], max))
s_potato = round(as.data.frame(sapply(potato[1:11], skew)),2)
c_potato = round(as.data.frame(sapply(potato[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_potato = nrow(potato)
No_Muestras_potato## [1] 100potato_AED = round(cbind(min_potato, q1_potato, mean_potato, mediana_potato, var_potato, sd_potato, q3_potato, max_potato, s_potato, c_potato),2)
names(potato_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
potato_AED = t(potato_AED)
DT::datatable(potato_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(potato[11])))
invisible(lapply(1:ncol(potato[1:11]), function(i) boxplot(potato[, i], main=names(potato[i]))))
Histogramas
par(mfrow = c(1, ncol(potato[11])))
invisible(lapply(1:ncol(potato[1:11]), function(i) hist(potato[, i], main=names(potato[i]), xlab=names(potato[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Papa
- Según el análsis exploratorio de datos para el cultivo de datos, las variables presentan una simetría dentro del rango [-1, 1 ], y la media y la mediana muy cercanas entre sí. Por lo anterior, no hay necesidad realizar transformación de datos para poder usarlos en análisis geoestadísticos.
Análisis estadístico para el cultivo de Ragi
min_ragi = as.data.frame(sapply(ragi[1:11], min))
q1_ragi = as.data.frame(sapply(ragi[1:11], quantile, probs=0.25))
mean_ragi = as.data.frame(sapply(ragi[1:11], mean.default))
mediana_ragi = as.data.frame(sapply(ragi[1:11], median.default))
var_ragi = round(as.data.frame(sapply(ragi[1:11], var)),2)
sd_ragi = round(as.data.frame(sapply(ragi[1:11], sd)),2)
q3_ragi = as.data.frame(sapply(ragi[1:11], quantile, probs=0.75))
max_ragi = as.data.frame(sapply(ragi[1:11], max))
s_ragi = round(as.data.frame(sapply(ragi[1:11], skew)),2)
c_ragi = round(as.data.frame(sapply(ragi[1:11], kurtosi)),2)
## Número de muestras ##
No_Muestras_ragi = nrow(ragi)
No_Muestras_ragi## [1] 104ragi_AED = round(cbind(min_ragi, q1_ragi, mean_ragi, mediana_ragi, var_ragi, sd_ragi, q3_ragi, max_ragi, s_ragi, c_ragi),2)
names(ragi_AED) = c("Mín", "Q1", "Media", "Mediana", "Varianza", "Desv. Est.", "Q3", "Máx", "Simetría", "Curtosis")
ragi_AED = t(ragi_AED)
DT::datatable(ragi_AED)Gráficos
Boxplot
par(mfrow = c(1, ncol(ragi[11])))
invisible(lapply(1:ncol(ragi[1:11]), function(i) boxplot(ragi[, i], main=names(ragi[i]))))
Histogramas
par(mfrow = c(1, ncol(ragi[11])))
invisible(lapply(1:ncol(ragi[1:11]), function(i) hist(ragi[, i], main=names(ragi[i]), xlab=names(ragi[i]), ylab="Frecuencia")))
Conclusiones para el AED del cultivo de Ragi
- Después de realizar el análisis estadístico de las variables del cultivo de Ragi, se puede concluir que el Azufre (S), el Manganeso (Mn), en Zinc (Zn) y el Boro (B) presentan valores de simetría positivas mayores a 1, sin embargo, la media y la mediana de estas variables no presentan distancias significativas, sin embargo, es conveniente realizar la transformación de los datos con el fin de darle un manejo a los atípicos y a mejorar la curva de simetría de los datos.