Estudio matemático-computacional de la producción oleícola en explotaciones agrarias

Abstract

En este trabajo se ha llevado a cabo a través del lenguaje R, a través del entorno RStudio, un análisis exhaustivo de los datos de producción de aceite de oliva, utilizando métodos matemáticos y modelos computacionales avanzados. Se han aplicado técnicas de análisis de series temporales, modelización estadística y aprendizaje automático para comprender los factores que influyen en la producción y realizar predicciones precisas. El enfoque multidisciplinario adoptado en este estudio ha permitido integrar conceptos y herramientas de las ciencias matemáticas y de la computación, en combinación con el conocimiento agrícola y los datos empíricos recopilados. Esto ha posibilitado una visión integral y enriquecedora de la producción oleícola, proporcionando nuevas perspectivas y oportunidades para mejorar los procesos y la toma de decisiones en el sector. Se han explorado diferentes enfoques estadísticos y de aprendizaje automático para comprender la naturaleza de las variables, identificar interacciones significativas y desarrollar modelos predictivos precisos. Los resultados obtenidos han proporcionado un mayor conocimiento sobre el tema y han permitido realizar aportaciones relevantes al campo de estudio. Se han planteado las conclusiones derivadas del estudio y posibles trabajos futuros para ampliar la investigación en esta área.

In this work, an exhaustive analysis of olive oil production data has been carried out using the R language, through the RStudio environment, using advanced mathematical methods and computational models. Time series analysis, statistical modeling and machine learning techniques have been applied to understand the factors influencing production and to make accurate predictions. The multidisciplinary approach adopted in this study has allowed the integration of concepts and tools from mathematical and computational sciences, in combination with agricultural knowledge and empirical data collected. This has enabled a comprehensive and enriching vision of olive production, providing new perspectives and opportunities to improve processes and decision making in the sector. Different statistical and machine learning approaches have been explored to understand the nature of variables, identify significant interactions and develop accurate predictive models. The results obtained have provided further knowledge on the subject and have allowed relevant contributions to be made to the field of study. Conclusions derived from the study and possible future work to expand research in this area have been presented.