| Este código de R corresponde a la figura 6.15zz del libro Análisis de datos con el programa estadístico R: una introducción aplicada de Salas-Eljatib (2021). |  |
Este gráfico mezcla una serie de tiempo y mediciones puntuales (i.e., una sola medición). Una serie de tiempo se constituye por más de una medición de una variable aleatoria \(Y\) para una unidad muestral en el tiempo. Sin embargo, en algunos estudios, si bien existen datos de series de tiempo, hay observaciones puntuales de las variable de interes en un sólo momento en el tiempo. Por ejemplo, Salas-Eljatib and Weiskittel (2018) mezclan datos de series de tiempo de las variables densidad y diámetro medio (\(d_g\)) de bosques en un grupo de unidades de muestreo permanentes, y datos puntuales en unidades no permanentes (i.e., donde no hay mediciones en el tiempo).
Cargando los datos de ejemplo
Se ocuparán los objetos de datos plotpsptemp.RData que contiene las variables \(N\) y \(d_g\) en unidades de muestreo de bosques permanentes y temporales. Estos objetos se encuentran disponibles en el paquete datana. Los datos provienen del estudio de Salas-Eljatib and Weiskittel (2018).
library(datana)
load("plotpsptemp.RData")
head(psp) plot.id remedi nha dg
1 10_casasViejas_tmoTE_r999_p202 1 1485 15.724
2 10_casasViejas_tmoTE_r999_p202 1 1515 18.598
3 10_casasViejas_tmoTE_r999_p202 1 1125 23.853
4 10_casasViejas_tmoTE_r999_p203 1 1825 13.660
5 10_casasViejas_tmoTE_r999_p203 1 1855 16.717
6 10_casasViejas_tmoTE_r999_p203 1 1315 21.433El gráfico
Ahora procedemos a realizar el gráfico.
xvals <- split(psp$dg,psp$plot.id)
yvals <- split(psp$nha,psp$plot.id)
#primero: las series de tiempo
plot(nha~dg,data=psp,
ylim=c(0,5000),xlim=c(0,50),
las=1,
yaxs="i", xaxs="i",
frame.plot = FALSE,
ylab = "Densidad (arb/ha)",
xlab=expression(paste(italic('d')[g],paste(" (cm)"))),
cex.lab=1)
mapply(lines,xvals,yvals,type="o",col="black",pch=19)
#segundo: las observaciones puntuales
points(temp$nha~temp$dg,col="blue")