Predicción del crecimiento de los langostinos en una piscifactoría mediante técnicas estadísticas no paramétricas

• Autor: Calderón Cabanillas, Santos Manuel
• Formato: tesis de maestría
• Fecha de Publicación: 2020
• Institución: Universidad de Piura
• Repositorio: UDEP-Institucional
• Lenguaje: español
• OAI Identifier: oai:pirhua.udep.edu.pe:11042/4747
• Enlace del recurso: https://hdl.handle.net/11042/4747
• Nivel de acceso: acceso abierto
• Materia: ECOSAC -- Langostinos -- Producción; Langostinos -- Cría -- Análisis; Langostinos -- Cría -- Investigaciones; https://purl.org/pe-repo/ocde/ford#5.02.04

El presente trabajo tiene como objetivo investigar los métodos estadísticos que permitan mejorar el conocimiento y el control de los factores que favorecen el crecimiento de los langostinos que se cultivan en las piscifactorías de la región de Piura, mediante una estimación del valor medio esperado y de un intervalo de predicción del 95%. Con tal fin, se construye una base de datos histórica con los pesos medios semanales de los langostinos de cada piscina a partir de las campañas del 2008 al 2018 de la empresa ECOSAC, dedicada al cultivo de langostino. A partir de piscinas similares, se estiman dos modelos de crecimiento: en el primero, denominado modelo promedio, la predicción se basa en el promedio de las sendas de crecimiento de las piscinas similares. El segundo modelo, denominado mixto, las predicciones de crecimiento se basan en ajustar una regresión polinómica que prediga el crecimiento futuro utilizando sólo piscinas similares. Como resultado, el modelo mixto obtuvo mejores resultados porque encuentra las piscinas más próximas usando la distancia euclídea y estima el crecimiento de las 65 más próximas mediante un modelo de regresión polinómica que tiene como variables explicativas la semana y el peso en la semana actual de cosecha. Así, el modelo propuesto fue validado con los datos reales, este es capaz de predecir la curva de crecimiento, incluso a horizontes lejanos. Por lo que, estas predicciones permitirán estimar en qué semana se alcanzará el peso óptimo para la cosecha, facilitando las actividades relacionadas con la gestión de ventas, precios, etc. De este modo, conocida la curva de crecimiento esperada, es posible realizar un control del proceso.