CURSO “MÉTODOS ESTADISTICOS PARA LA INVESTIGACIÓN FORESTAL Y AMBIENTAL”

PRÁCTICA CALIFICADA N° 01

Nombres y apellidos: JEFONE HUMBERTO TEVES DUMAS

Código: 17220040

Indicaciones:

⮚ Los cálculos de los items a) se escribirán a mano mostrando el procedimiento paso a

paso.
⮚ Los cálculos de los items b), c) y d), se realizarán usando el software Rstudio. Usted
podrá copiar y pegar los gráficos (boxplot, histograma, qq-plot, grafico de dispersión)
para responder a las preguntas.

1) Los siguientes datos representan el diámetro a la altura del pecho (dap), altura comercial
(hc) y volumen del tronco (v), de árboles de Manilkara bidentata (quinilla colorada)

Árbol dap (m) hc (m) v (m3)

1 0.764 20.000 7.306
2 0.764 20.000 7.760
3 0.824 15.000 7.693
4 0.894 14.600 8.224
5 0.745 16.900 6.290
6 0.773 14.200 5.637
7 0.761 19.200 6.522
8 0.764 14.800 6.291
9 0.691 18.600 6.056
10 0.707 14.000 4.708
11 0.821 15.000 6.836
12 0.694 19.500 6.047
13 0.694 12.800 4.148
14 0.923 16.000 9.576
15 0.713 17.000 5.142
16 0.691 14.700 4.656
17 0.783 17.000 6.594
18 0.694 18.000 5.432
19 0.926 18.000 9.850
20 0.773 18.000 7.419
21 0.974 19.000 11.148
22 0.815 19.000 7.968
23 0.716 18.000 5.611
24 0.716 20.000 6.713
25 0.805 16.000 6.812
26 0.993 20.000 12.981
27 0.745 15.000 5.795
28 0.824 15.000 6.853
 29 0.764 14.000 5.876
30 0.764 20.000 7.385
31 0.713 18.000 5.754
32 0.885 18.000 9.174
33 0.894 14.700 11.481
34 0.694 17.000 5.604
35 0.824 16.000 7.302
36 0.805 15.400 6.662
37 0.624 16.000 4.212
38 0.710 16.900 5.693
39 0.955 18.000 10.275
40 0.824 14.000 5.711

a) Calcular las medidas de tendencia central (media y mediana) y de variabilidad

(varianza, desviación estándar, coeficiente de variación) para el dap, hc y v. Escribir
a mano los cálculos y procedimientos.

PARA DAP
PARA HC
PARA V
 b) Usando el software R, calcular los cuartiles Q1, Q2 y Q3. Además, hacer un gráfico
Boxplot identificando la media, mediana, cuartiles, limite inferior y superior, y
outliers, para el dap, hc y v.

PARA DAP
• CUARTILES
> quantile(quinilla$dap, 0.25) # Q1
25%
0.713

> quantile(quinilla$dap, 0.5) # Q2

50%
0.764

> quantile(quinilla$dap, 0.75) # Q3

75%
0.824

• MEDIA
> mean(quinilla$dap)
[1] 0.786075
 • MEDIANA
> median(quinilla$dap)
[1] 0.764

• GRAFICO BLOXPLOT
> boxplot(quinilla$dap)

• IDENTIFICACION DE CUARTILES, LIMITES Y OUTLIRES

> boxplot.stats(quinilla$dap)

$stats = L. INF. Q1 Q2 Q3 L. SUP.

[1] 0.624 0.713 0.764 0.824 0.974

$n = NUMERO DE DATOS
[1] 40

$conf = L. INF. L. SUP. Con respecto a la mediana

[1] 0.73627 0.79173

$out = OUTLIERS
[1] 0.993

PARA HC
• CUARTILES
> quantile(quinilla$hc, 0.25) # Q1
25%
15

> quantile(quinilla$hc, 0.5) # Q2

50%
16.95

> quantile(quinilla$hc, 0.75) # Q3

75%
18.15
 • MEDIA
> mean(quinilla$hc)
[1] 16.8325

• MEDIANA
> median(quinilla$hc)
[1] 16.95

• GRAFICO BLOXPLOT
> boxplot(quinilla$hc)

• IDENTIFICACION DE CUARTILES, LIMITES Y OUTLIRES

> boxplot.stats(quinilla$hc)

$stats = L. INF. Q1 Q2 Q3 L. SUP.

[1] 12.80 15.00 16.95 18.30 20.00

$n = NUMERO DE DATOS
[1] 40

$conf = L. INF. L. SUP. Con respecto a la mediana

[1] 16.12559 17.77441

$out= OUTLIERS
Numeric (0)

PARA V
• CUARTILES
> quantile(quinilla$v, 0.25) # Q1
25%
5.679

> quantile(quinilla$v, 0.5) # Q2

50%
6.558
 > quantile(quinilla$v, 0.75) # Q3
75%
7.4875

• MEDIA
> mean(quinilla$v)
[1] 6.779095

• MEDIANA
> median(quinilla$v)
[1] 6.558

• GRAFICO BLOXPLOT
> boxplot(quinilla$v)

• IDENTIFICACION DE CUARTILES, LIMITES Y OUTLIRES

> boxplot.stats(quinilla$v)

$stats = L. INF. Q1 Q2 Q3 L. SUP.

[1] 4.148 5.665 6.558 7.556 10.275

$n = NUMERO DE DATOS
[1] 40

$conf = L. INF. L. SUP. Con respecto a la mediana

[1] 6.085591 7.030409

$out = OUTLIERS
[1] 1.1148 12.9810 11.4810

c) Usando el software R, evaluar si el conjunto de observaciones sigue una

distribución normal. Para esto, haga un histograma y gráfico QQ-plot, para el dap,
hc y v.
PARA DAP
• HISTOGRAMA
> hist(quinilla$dap)

• GRAFICO QQ-PLOT
> qqnorm(quinilla$dap)
PARA HC
• HISTOGRAMA
> hist(quinilla$hc)

• GRAFICO QQ-PLOT
> qqnorm(quinilla$hc)
PARA V
• HISTOGRAMA
> hist(quinilla$v)

• GRAFICO QQ-PLOT
> qqnorm(quinilla$v)

d) Usando el software R, evaluar la correlación entre las siguientes variables: dap y

hc, dap y v, hc y v. Para esto hacer gráficos de dispersión y calcular el coeficiente
de correlación.
• GRAFICOS DE DISPERCION Y CORRELACION ENTRE DAP – HC – V.

• COEFICIENTE DE CORRELACION ENTRE:

o DAP – HC
> cor(quinilla$dap,quinilla$hc)
[1] 0.07688722

o DAP – V
> cor(quinilla$dap,quinilla$v)
[1] 0.6063524
 o HC – V
> cor(quinilla$hc,quinilla$v)
[1] 0.2099893

¿Entre que variables la correlación es más fuerte?

La correlación las fuerte es 0.6063524 está se da en las variables DAP – V, porque

cuanto más aumenta el DAP también aumenta el Volumen (v)

2) Los siguientes datos representan la densidad básica de la madera (db) y el volumen del
tronco (v) de árboles de Tectona grandis (Teca).

Árbol db (g/cm3) v (m3)

1 0.46 0.51
2 0.51 0.20
3 0.50 0.20
4 0.52 0.15
5 0.50 0.13
6 0.54 0.34
7 0.52 0.19
8 0.52 0.20
9 0.53 0.20
10 0.48 0.31
11 0.54 0.22
12 0.52 0.21
13 0.46 0.27
14 0.46 0.15
15 0.45 0.22
16 0.54 0.25
18 0.52 0.16
20 0.50 0.29
21 0.48 0.25
22 0.49 0.18
24 0.50 0.25
25 0.47 0.18
26 0.51 0.24
28 0.48 0.26
29 0.51 0.18
30 0.51 0.19
31 0.50 0.37
32 0.48 0.17
33 0.47 0.22
34 0.53 0.23
35 0.53 0.19
36 0.46 0.34
37 0.47 0.23
 a) Calcular las medidas de tendencia central (media y mediana) y de variabilidad
(varianza, desviación estándar, coeficiente de variación) para db y v. Escribir a
mano los cálculos y procedimientos.

PARA (DB)
PARA (V)
 b) Usando el software R, calcular los cuartiles Q1, Q2 y Q3. Además, hacer un gráfico
Boxplot identificando la media, mediana, cuartiles, límite inferior y superior, y
outliers, para db y v.

PARA (DB)
• CUARTILES
> quantile(teca$db, 0.25) # Q1
25%
0.48

> quantile(teca$db, 0.5) # Q2

50%
0.5

> quantile(teca$db, 0.75) # Q3

75%
0.52

• MEDIA
> mean(teca$db)
[1] 0.4987879

• MEDIANA
> median(teca$db) # MEDIANA
[1] 0.5
 • GRAFICO BOXPLOT
> boxplot(teca$db)

• IDENTIFICACION DE CUARTILES, LIMITES Y OUTLIRES

> boxplot.stats(teca$db)

$stats = L. INF. Q1 Q2 Q3 L. SUP.

[1] 0.45 0.48 0.50 0.52 0.54

$n = NUMERO DE DATOS
[1] 33

$conf = L. INF. L. SUP. Con respecto a la mediana

[1] 0.4889983 0.5110017

$out = OUTLIERS
Numeric (0)

PARA (V)
• CUARTILES
> quantile(teca$v, 0.25) # Q1
25%
0.19

> quantile(teca$v, 0.5) # Q2

50%
0.22

> quantile(teca$v, 0.75) # Q3

75%
0.25
• MEDIA
>mean(teca$v) # MEDIA
[1] 0.2327273
• MEDIANA
> median(teca$v) # MEDIANA
[1] 0.22

• GRAFICO BOXPLOT
> boxplot(teca$v)

• IDENTIFICACION DE CUARTILES, LIMITES Y OUTLIRES

> boxplot.stats(teca$v)

$stats= B. INF. Q1 Q2 Q3 B. SUP.

[1] 0.13 0.19 0.22 0.25 0.31

$n= NUMERO DE DATOS

[1] 33

$conf = L. INF. L. SUP. Con respecto a la mediana

[1] 0.2034974 0.2365026

$out= OUTLIERS
[1] 0.51 0.34 0.37 0.34
 c) Usando el software R, evaluar si el conjunto de observaciones sigue una
distribución normal. Para esto, haga un histograma y gráfico QQ-plot, para db y v.

PARA DB
• HISTOGRAMA
> hist(teca$db)

• GRAFICO QQ-PLOT
> qqnorm(teca$db)
PARA V
• HISTOGRAMA
> hist(teca$v)

• GRAFICO QQ-PLOT
> qqnorm(teca$v)

d) Usando el software R, evaluar la correlación entre las siguientes variables: db y v.

Para esto hacer gráficos de dispersión y calcular el coeficiente de correlación.
• GRAFICOS DE DISPERCION Y CORRELACION ENTRE DB - V
> plot(teca$db~teca$v)

• COEFICIENTE DE CORRELACION
> cor(teca$db,teca$v)
[1] -0.2406343

¿Existe correlación entre la densidad básica de madera y el volumen del tronco?

No existe correlación, en el grafico vemos que no aumenta la densidad básica según

aumenta el volumen.