Trabajo Análisis de regresión lineal / múltiple en producción agrícola

[pic 1]

Trabajo Anális de Regresión Lineal/Múltiple en Producción Agrícola

Millaray Agüero Diego Uribe Sofia Farias

2023-07-10

Índice

1. Introducción        1
2. Desarrollo        2

1. Identificación del Problema a Abordar (Subtema 0)        2
2. Subtema 1        2
3. Subtema 2        4
4. Subtema 3        5
5. Subtema 4        6
6. Subtema 5        8
7. Subtema 6        10

1. Conclusiones        13

1. Introducción

En este documento, se presenta un análisis estadístico de un conjunto de datos relacionados con la producción agrícola. Se llevaron a cabo tres modelos estadísticos, incluyendo regresión lineal simple y regresión lineal múltiple, para investigar las relaciones entre las variables independientes y la variable dependiente de interés, la producción agrícola.

Los modelos revelaron que variables como “Agua”, “Frio”, “Nitrogeno” y “Plaga” tienen un impacto signi- ficativo en la producción agrícola, mientras que otras variables no mostraron una influencia relevante en el modelo. Además, se realizó una validación del modelo final mediante pruebas gráficas y pruebas estadísticas para garantizar su fiabilidad.

A lo largo de este documento, se presentarán los resultados detallados de los modelos estadísticos, incluyendo conclusiones sobre las variables relevantes y el desempeño de cada modelo. Este análisis proporcionará información valiosa para la toma de decisiones en el ámbito de la producción agrícola.

1. Desarrollo

1. Identificación del Problema a Abordar (Subtema 0)

Como equipo de trabajo conformado por estudiantes de ingeniería civil industrial, se nos solicitó realizar un análisis exhaustivo de la producción agrícola en un conjunto de hectáreas. Este análisis se llevará a cabo en colaboración con el campo de la estadística para investigar y verificar las distintas hipótesis planteadas en el estudio. Como punto de partida, se ha establecido una hipótesis inicial de multicolinealidad entre las variables, sin realizar cálculos previos. El objetivo principal es determinar si estas variables influyen de manera significativa en la producción agrícola. Para alcanzar dicho propósito, se utilizará un R script en base a datos históricos almacenados en un archivo Excel, dentro de un R Markdown, permitiendo así el desarrollo de los cálculos necesarios y la obtención de conclusiones basadas en evidencia sólida.

1. Subtema 1

En primer lugar, se debe visualizar el dataset para luego realizar su análisis de regresión correspondiente, ya que se deben comprender los datos e identificar cada variable y su tipo (numeric, double, binary). A continuación, se realiza la lectura resumida el archivo de datos dentro del Excel:

library(readxl)[pic 2]

datos_proyecto <- read_excel("C:/Users/benja/OneDrive/Escritorio/Trabajo estadística/datos_proyecto.xls datos_proyecto

## # A tibble: 5,000 x 11

##                Y Agua Frio Nitrogeno Urea Ac_Fosforico Fertilizante Compost Plaga ##        <dbl> <dbl> <dbl>        <dbl> <dbl>        <dbl>        <dbl>        <dbl> <dbl>

## # i 4,990 more rows

## # i 2 more variables: Edad_Agricultor <dbl>, Visitas_SAG <dbl>

Se puede observar que las variables poseen un tipo double según su distribución. Una vez identificados los datos, se procede a realizar una regresión lineal simple, donde se tiene en consideración como variable dependiente (Y) la producción agrícola y como variable independiente (X) la cantidad de visitas del SAG (Servicio Agrícola y Ganadero), donde se plantea como posible hipótesis inicial que, a mayor cantidad de visitas, se generará mayor producción agrícola, teniendo así una correlación positiva entre estas dos variables. A continuación, se realiza la regresión simple entre ambas variables (modelo1):

...