FASE 4.
APLICAR CONCEPTOS A UN PROYECTO AGROPECUARIO
CONPROCESAMIENTO ESTADÍSTICO.
JHON ALEJANDRO GOMEZ PATIÑO – 1.113.595.191
GRUPO:
300046_116
TUTOR:
LUIS ALBERTO CACERES TOR
ESTADÍSTICA DESCRIPTIVA (PARA AGRARIAS)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD- CEDA
DOSQUEBRADAS RISARALDA
INTRODUCCIÓN
La estadística en las ciencias agrarias se encarga de métodos científicos con el fin de
recolectar, organizar, presentar y analizar datos tomados del entorno necesario u
elegido.
La presente actividad busca evaluar al estudiante en cuanto al manejo
adecuado que le pueda dar a la herramienta llamada, ‘Programa R’, un
software especializado y de licencia libre, que permite al estudiante trabajar en
cualquier ambiente laboral, con autonomía y sin las implicaciones de los
softwares especializados. A partir de la identificación de escenarios
relacionados con su actividad profesional donde se pueda aplicar el
procesamiento estadístico de variables
Al incursionar en el camino metodológico de la investigación, las autoras tuvieron que
referirse a la determinación de las variables, es una de las dificultades significativas que
los investigadores enfrentan cuando acometen un estudio y de la precisión con que se
realice depende en gran medida el éxito dela investigación y el tránsito por el proceso
que emprenden.
El concepto variable comienza a utilizarse a partir del enfoque cuantitativo de la
investigación y sus definiciones tienen sus raíces en la matemática y la
estadística. Extrapolar este término a la investigación educativa requiere de estudios,
estos han sido desarrollados por algunos investigadores en diferentes contextos y no
siempre han sido bien utilizados por los investigadores de las ciencias sociales y en
particular de las ciencias de la educación
OBJETIVOS
Conocer los principales factores que inciden en la problemática.
ESPECÍFICOS:
Identificar los diferentes conceptos de interpretación de datos
correspondientes.
Realizar la lectura de datos y proyectarlos por medio de esquemas gráficos.
Analizar la problemática identificada con el objetivo de determinar los
resultados estadísticos.
1. Definir un área de trabajo donde se puedan obtener datos de variables
continuas, discretas y cualitativas
El área de trabajo que se define es en la Vereda San Isidro en el municipio de Obando
valle
2. Indique la ubicación del sitio fuente de los datos: institución, municipio, vereda y/o
finca si aplica. El informe debe presentar los detalles de la locación elegida que
permitan entender el contexto sobre el cual se realiza la investigación.
Nombre San Isidro
Departamento Valle del cauda Colombia
Municipio Obando
Latitud 4.5625
Longitud -75.8994
3. Determine una variable continua, una discreta y una cualitativa. Se debe
realizar una descripción clara de cada una de las variables elegidas y la
metodología utilizada para la recolección de la información.
Variable continua: Peso de las vacas
Variable Cualitativa nominal: Raza de las vacas
Variable Discreta: Litros de leche por vaca
4. Gestionar como mínimo 30 datos de cada una de las variables (si se puede
más, mejor). Se debe presentar evidencia fotográfica en el informe,
donde aparezca el estudiante recolectando los datos
Fotos
Variable continua: Peso de las vacas
Vaca 383-0= 480.6 kg
Vaca 1203-9= 560.65 kg
Vaca 5202-2=601.41 kg
Vaca 540-1=484.33kg
Vaca 580-5=515.22 kg
Vaca 2345-9= 591.18 kg
Vaca 523-8= 493.33 kg
Vaca 356-6= 396.26 kg
Vaca 2453-2= 512.8 kg
Vaca 3452-0= 496.10 kg
Vaca 5463-6= 450.24 kg
Vaca 1231-1= 563.21 kg
Vaca 2234-9= 523.15 kg
Vaca 096-25= 592.58 kg
Vaca 11-36= 405.23 kg
Vaca 1110-45= 510.09kg
Vaca 3491-12= 438.18 kg
Vaca 7896-210=405.11 kg
Vaca 3291-11= 480.19 kg
Vaca 193-3= 459.49 kg
CONTINUA=c(480.6,560.65,601.41,484.33,515.22,591.18,493.33,396.26,512.8,496.10,
450.24,563.21,523.15,592.58,405.23,510.09,438.18,405.11,480.19,459.49)
Variable Cualitativa nominal: Raza de las vacas
Vaca 383-0= F1
Vaca 1203-9=F1
Vaca 5202-2= jersey
Vaca 540-1=pardo suizo
Vaca 580-5= Holstein
Vaca 2345-9= Holstein
Vaca 523-8= Holstein
Vaca 356-6= hershey
Vaca 2453-2= hershey
Vaca 3452-0= pardo suizo
Vaca 5463-6= Angus
Vaca 1231-1= Gyrolando
Vaca 2234-9= Gyr
Vaca 096-25= Holstein
Vaca 11-36= pardo suizo
Vaca 1110-45= F1
Vaca 3491-12= Simental
Vaca 7896-210= pardo suizo
Vaca 3291-11= Angus
Vaca 193-3= F1
Variable Discreta: Litros de leche diarios por vaca
Vaca 383-0= 7 L
Vaca 1203-9= 8 L
Vaca 5202-2= 7 L
Vaca 540-1= 8 L
Vaca 580-5= 6 L
Vaca 2345-9= 8 L
Vaca 523-8= 6 L
Vaca 356-6= 8 L
Vaca 2453-2= 7 L
Vaca 3452-0= 6 L
Vaca 5463-6= 7 L
Vaca 1231-1= 9 L
Vaca 2234-9= 8 L
Vaca 096-25= 7 L
Vaca 11-36= 6 L
Vaca 1110-45= 7 L
Vaca 3491-12= 8 L
Vaca 7896-210= 6 L
Vaca 3291-11= 7 L
Vaca 193-3= 8 L
10. Descargar el archivo “Código Fase 4 - Proyecto aplicado.txt”. y guárdelo en
una carpeta denominada “Estadística Descriptiva”.
11. Abrir el programa R, ir a “Archivo” – “Abrir script”, seleccionar la carpeta
donde guardó el código, ubicar la casilla: “R files (*.R)” y cambiar a “All files (*.*)”,
ubique el código y ábralo
PERIODO 764 - Histograma CONTINUA con regla de Sturges
7
6
5
Frecuencia
4
3
2
1
0
15 20 25 30 35 40 45
Intervalos
14. Ejecutar el código, digitando “Control+R” en cada línea del código, de arriba
hacia abajo.
15. Presentar un cuadro resumen con los resultados obtenidos al ejecutar el
código, con los siguientes datos de las variables continua y discreta:
summary(CONTINUA)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
396.3 457.2 494.7 498.0 532.5 601.4
> mean(CONTINUA)#media aritmética
[1] 497.9675
> var(CONTINUA)#varianza
[1] 3871.247
> sd(CONTINUA)#desviación estándar
[1] 62.21934
> min(CONTINUA) #Mínimo
[1] 396.26
> max(CONTINUA)# Máximo
[1] 601.41
> range(CONTINUA) #Rango
[1] 396.26 601.41
> median(CONTINUA)# Mediana
[1] 494.715
> length(CONTINUA)# Número de datos
[1] 20
> quantile(CONTINUA, 0.25)# Cuantil Q1
25%
457.1775
> quantile(CONTINUA, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
494.715
> quantile(CONTINUA, 0.75)# Cuantil Q3
75%
532.525
> IQR(CONTINUA) #Rango intercuartílico
[1] 75.3475
> sort(CONTINUA)# Ordenar
[1] 396.26 405.11 405.23 438.18 450.24 459.49 480.19 480.60 484.33
493.33 496.10 510.09 512.80 515.22 523.15 560.65 563.21 591.18 592.58
601.41
Presentar el gráfico de tabla de frecuencias y de diagrama de cajas (boxplot),para
la variable continua, haciendo una descripción del gráfico y analizando los
resultados obtenidos.
VARIABLE CONTINUA
Lo que se observa es que el promedio de animales en un peso de kg de400,450 y
600 kg es igual, la cantidad de animales con un total de 3 animales promedios en cada
peso. Los animales de 460 kg a 500 kg son más con un total de 5, los animales de
promedió de peso entre 500 y 530 kg son 4animales y los animales de 4080 kg a 500
kg son 5
Presentar los gráficos de tablas de frecuencias absolutas, diagrama de cajas (boxplot) y
de torta para la variable discreta, haciendo una descripción de cada gráfico y
analizando los resultados obtenidos.
Se puede observar en la siguiente grafica la cantidad de producción de litros leche en
un ordeño Las vacas de color verdes son las de mayor producción con8 litros y eso
equivale a un promedio de 35 % de la producción de leche diaria, las vacas
representadas en color amarillo de 7 litros equivale a un 35% , las vacas
representadas en color rojo 6 litros equivale a un 25% del promedio de leche diario y las
vacas representadas de color agua Marina de 9litros es de 5 %
Presentar los gráficos de tablas de frecuencias absolutas y frecuencias relativas para
la variable cualitativa (categórica), haciendo una descripción de cada gráfico y
analizando los resultados obtenidos.
CONCLUSIONE
En la gráfica de la variable continua
Observamos la cantidad de animales que hay en promedio por cada peso
observable en la variable que da en promedio la disponibilidad que hay en la variedad
de pesos en las vacas.
En la gráfica de la variable discreta
Es observable la producción de leche en el ordeño y los animales que producen cierta
cantidad de leche diarios y como es su porcentaje y variantes
Estas variables son útiles a la hora de buscar porcentajes, medidas, promedios,
cualitativa es el resultado de un proceso que categoriza (clasifica) o describe un
elemento de una población. Las operaciones aritméticas, como sumar y obtener
promedios, no son significativas para datos que resultan de una variable
cualitativa. Variable Cuantitativa discreta: es una variable que podemos contar, pero
no medir. Por ejemplo, el número de hijos de una familia pueden ser 2, 3 4 o 6, pero
nunca uno y medio. Es decir, en las variables cuantitativas discretas entre una unidad y
otra no hay valores intermedios, no hay continuidad.
Variable Cuantitativa continua: es aquella que puede admitir todo tipo de
subdivisiones. Por ejemplo, la edad de una persona puede ser 6 años, o 6 años y tres
meses, o 6 años 3 meses y cinco días. Entre un valor y otro de la variable existe una
cantidad infinita de valores posibles, sólo limitados por el instrumento de medición que
usemos. En algunas ocasiones en que se tienen datos cuantitativos, sin embargo,
puede resultar conveniente agruparlos en categorías
BIBLIOGRAFÍA
Saenz J. (2010). Métodos estadísticos con R y R Commander. Recuperadode
https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
Mecabot. (2017). El software R, una herramienta para
implementarmétodos numéricos. Recuperado de http://mecabot-
ula.org/tutoriales/r-project-metodos-numericos/
