Por favor, use este identificador para citar o enlazar este ítem: http://dspace.espoch.edu.ec/handle/123456789/14281
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorAguilar Reyes, Johanna Enith-
dc.contributor.authorCondo León, José Luis-
dc.date.accessioned2021-01-15T17:27:35Z-
dc.date.available2021-01-15T17:27:35Z-
dc.date.issued2020-06-27-
dc.identifier.citationCondo León, José Luis. (2020). Técnicas estadísticas multivariantes para identificar y clasificar los factores influyentes en la producción de arroz, Ecuador 2017. Escuela Superior Politécnica de Chimborazo. Riobamba.es_ES
dc.identifier.urihttp://dspace.espoch.edu.ec/handle/123456789/14281-
dc.descriptionEsta investigación tuvo como objetivo comparar técnicas estadísticas multivariantes para identificar y clasificar los factores influyentes en la producción de arroz en Ecuador en el año 2017. Se uso 18 variables agronómicas, 15 cualitativas y 3 cuantitativas medidas en sembríos de arroz que participaron en la Encuesta de Superficie y Producción Agropecuaria Continua (ESPAC) 2017, la investigación no fue experimental y tuvo un alcance exploratorio relacional, se usó Análisis Exploratorio de Datos (AED), Árboles de Regresión (AR), Análisis Factorial de Datos Mixtos (AFDM) y el software R para desarrollar el estudio. El AED determinó que la producción promedio de arroz es 212.21 libras por hectárea, el 86% de los cultivos produjo entre 200 y 250 libras, se determinó que las variables superficie sembrada y superficie cosechada no tiene correlación con la variable producción de arroz. Después de la aplicación de los métodos multivariantes el modelo de AR con un valor RMSE=7.32 detectó como factores influyentes en la producción de arroz a superficie sembrada, superficie cosechada, uso de riego, uso de fertilizante orgánico y clase de semilla. Por otro lado, el AFDM con un modelo que explicó el 81% de la variabilidad de los datos generó dos agrupaciones de factores influyentes en la producción de arroz, el primer grupo está compuesto por las variables uso de fertilizantes, uso de fertilizantes químicos, uso de plaguicidas químico y uso de fitosanitarios, mientras que la segunda agrupación está compuesta por superficie sembrada y superficie cosechada. Por tal motivo se pudo determinar que los factores influyentes que tienen en común las dos técnicas son superficie sembrada y superficie cosechada, los factores más importantes para los AR son uso de riego y superficie cosechada, mientras que para el AFDM son uso de fertilizantes y superficie sembrada. Es necesario ampliar la investigación con el uso de otras técnicas de minería de datos.es_ES
dc.description.abstractThis research aimed to compare multivariate statistical techniques to identify and classify the influential factors in rice production in Ecuador in 2017. 18 agronomic variables, 15 qualitative and 3 quantitative measures were used in rice fields that participated in the Survey of Surface and Continuous Agricultural Production (ESPAC) 2017, the research was not experimental and had a relational exploratory scope, an Exploratory Data Analysis (AED), Regression Trees (AR), Mixed Data Factorial Analysis (AFDM) and the R software to develop the study. The AED determined that the average rice production is 212.21 pounds per hectare, 86% of the crops produced between 200 and 250 pounds, it was determined that the variables planted area and area harvested have no correlation with the rice production variable. After the application of multivariate methods, the AR model with an RMSE-7.32 value detected as influencing factors in the production of rice on sown surface, harvested area, use of irrigation, use of organic fertilizer and seed class. On the other hand, the AFDM with a model that explained 81% of the variability of the data generated two groups of factors influencing rice production, the first group is composed of the variables fertilizer use, chemical fertilizer use, use of chemical pesticides and the use of phytosanitary products, while the second group is composed of planted area and harvested area. For this reason, it was possible to determine that the influential factors that the two techniques have in common are planted area and harvested area, the most important factors for RA are use of irrigation and harvested area, while for AFDM they are use of fertilizers and surface sown. It is necessary to expand research with the use of other data mining techniques.es_ES
dc.language.isospaes_ES
dc.publisherEscuela Superior Politécnica de Chimborazoes_ES
dc.relation.ispartofseriesUDCTFC;226T0056-
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.subjectESTADÍSTICAes_ES
dc.subjectMULTIVARIANTEes_ES
dc.subjectPRODUCCIÓN DE ARROZes_ES
dc.subjectANÁLISIS FACTORIAL DE DATOS MIXTOSes_ES
dc.subjectÁRBOLES DE REGRESIÓNes_ES
dc.subjectFACTORES INFLUYENTESes_ES
dc.titleTécnicas estadísticas multivariantes para identificar y clasificar los factores influyentes en la producción de arroz, Ecuador 2017es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.contributor.miembrotribunalChariguamán Maurisaca, Nancy Elizabeth-
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
Aparece en las colecciones: Ingeniero en Estadística Informática; Ingeniero/a Estadístico/a

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
226T0056.pdf2,59 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons