ESTADÍSTICA DESCRIPTIVA (PARA AGRARIAS)

FASE 4 - PROYECTO CON PROCESAMIENTO ESTADÍSTICO.

ESTUDIANTE:

DEYBER DARIO RAMIREZ ORTEGA

TUTOR:

LUIS ALBERTO CACERES TORRES

GRUPO:

300046-93

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

2020
 Contenido

1. INTRODUCCIÓN.....................................................................................................................3
2. OBJETIVOS.............................................................................................................................4
2.1 Objetivo General............................................................................................................4
2.2 Objetivos Específicos:.................................................................................................4
3. DESARROLLO ACTIVIDAD.................................................................................................5
3.1 Etapa 1...................................................................................................................................5
3.2 Etapa 2...................................................................................................................................9
4. CONCLUSIONES..................................................................................................................13
5. BIBLIOGRAFIA.....................................................................................................................14
 1. INTRODUCCIÓN

Durante el periodo de aprendizaje en estadística descriptiva para agrarias hemos

venido trabajando con ejemplos, la mayoría de ellos propuestos en la
documentación dispuesta para el curso, todo esto con el fin de crear una base
sólida de conocimiento en el desarrollo de la estadística en todo lo relacionado con
la agricultura. En este documento aplicaremos todos los conocimientos adquiridos
durante el curso en un estudio real, donde nosotros como estudiantes buscaremos
una fuente para estudiar, en donde identificaremos cómo funciona la finca,
institución u organización y a su vez aplicaremos los conceptos adquiridos en el
curso de agrarias para estudiar fenómenos dentro de este espacio de estudio,
definiendo la posibles variables y buscando patrones de comportamientos o
relaciones que podamos resaltar para mostrar resultados que en muchos casos
son pasados por altos y desembocan en posibles pérdidas.

2. OBJETIVOS
 2.1 Objetivo General

Aplicar los conocimientos adquiridos durante el estudio de la estadística

descriptiva en un estudio de caso real y desarrollo de actividades de campo.

2.2 Objetivos Específicos:

 Analizar la problemática propuesta e identificar las diferentes variables

planteada
 Presentar los gráficos de tablas de frecuencias absolutas, relativas y
acumuladas, el diagrama de cajas (boxplot) y de torta

3. DESARROLLO ACTIVIDAD
3.1 Etapa 1.

1. Defina un área de trabajo donde se puedan obtener datos de variables

continuas, discretas y cualitativas.

El área de trabajo definido es la Vereda Bajo retiro del municipio de La Plata, en el

departamento del Huila.

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 alternativo Finca lechera el tigre

Tipo Semi-planicie: es una gran extensión
de tierra plana o con ligeras
ondulaciones.

Región mindat.org Bajo retiro, La Plata, departamento del

Huila
Región Municipio de La Plata Huila,
departamento del Huila
Latitud  2.3878
Longitud 2°23′24″N 75°53′31″O
Lat / long (dec) -75.8929 Latitud: 2° 23' 16'' Norte
Longitud: 75° 53' 34'' Oeste
Tipo de clima de Koppen varía de 18 °C a 28 °C
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

Gestionar como mínimo 30 datos de cada una de las variables (si se puede
más, mejor).

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
3.2 Etapa 2

1. Ejecutar el programa R y abrir el archivo “Código 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 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.

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 4 animales 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 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 %
Presentar los gráficos de tablas de frecuencias absolutas, relativas y
acumuladas, el diagrama de cajas (boxplot) y de torta para la variable
discreta, haciendo una descripción de cada gráfico y analizando los
resultados obtenidos.
 4. 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.

5. 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/r-
Project-metodos-numericos