FASE 4. Aplicar Conceptos A UN Proyecto Agropecuario CON Procesamiento Estadístico PDF

Preview

Summary

APLICAR CONCEPTOS A UN PROYECTO AGROPECUARIO CON PROCESAMIENTO ESTADÍSTICO...

Description

FASE 4. APLICAR CONCEPTOS A UN PROYECTO AGROPECUARIO CON PROCESAMIENTO ESTADÍSTICO.

WILLIAM DAVID MARTÍNEZ ZAPATA - 1040323803

GRUPO:

300046_20

TUTOR

JAIME ORLANDO MOLINA

ESTADÍSTICA DESCRIPTIVA (PARA AGRARIAS)

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD Escuelas agrícolas, pecuarias y del medio ambiente Zootecnia - Colombia JULIO 2020

INTRODUCCIÓN

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 en Zootecnia, 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 de la 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 correspondientes.

diferentes

conceptos

de

interpretación

de

datos

- 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 Vereda de Altos de medina en san pedro de los milagros Antioquia.

2.

Indicar 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 para la captura de datos y evidencia fotográfica (el estudiante debe aparecer en la recolección de los datos).

Nombres alternativos: Tipo:

Alto de Medina

Colina: una elevación redondeada de extensión limitada que se eleva sobre la tierra circundante con un relieve local de menos de 300 m.

Región Mindat.org: Región: Latitud: Longitud: Lat / Long (dec): Tipo de clima de Köppen:

Bello, Valle de Aburra, Departamento de Antioquia, Colombia

Municipio de San Pedro de los Milagros , Departamento de Antioquia , Colombia 6 ° 23 '12 "N

75 ° 32 '31 "W 6.38682, -75.54205

Af: clima de selva tropical

3.

Determinar 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.

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(480.6,560.65,601.41,484.33,515.22,591.18,493.33,396.26,51 2.8,496.10,450.24,563.21,523.15,592.58,405.23,510.09,438.18,405.11,480.1 9,459.49)

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

Etapa 2 1.

Ejecutar el programa R y abrir el archivo “Codigo Fase 4”

2. Ingresar los datos respectivos para la variable continua, discreta y categórica en los siguientes comandos presentes en el código:

summary(CONTINUA)# Resumen estadístico Min. 1st Qu. Median 396.3

457.2

494.7

Mean 3rd Qu. 498.0

532.5

> mean(CONTINUA)#media aritmética [1] 497.9675 > var(CONTINUA)#varianza [1] 3871.247 > sd(CONTINUA)#desviación estándar [1] 62.21934 > min(CONTINUA) #Mínimo

Max. 601.4

[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 de 400,450 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 animales y los animales de 4080 kg a 500 kg son 5.

4

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 con 8 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 9 litros es de 5 %.

1. Presentar los gráficos de tablas de frecuencias absolutas y frecuencias relativas

para

la

variable

cualitativa

(categórica),

haciendo

descripción de cada gráfico y analizando los resultados obtenidos.

una

CONCLUSIONES 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 o rangos para este caso zootecnia; como 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

significativos 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. BIBLIOGRAFIA • Saenz J. (2010). Métodos estadísticos con R y R Commander. Recuperado de https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf

• Mecabot. (2017). El software R, una herramienta para implementar métodos numéricos. Recuperado de http://mecabot-ula.org/tutoriales/rproject-metodos-numericos/...