Primer Diseño Parcial 2

#DISEÑO FACTORIAL COMPLETO EN ARREGLO COMPLETAMENTE AL AZAR

# Cultivo tomate

set.seed(123)
#Factor 1
aporque <- gl(2, 60, 120, c("con_A", "sin_A"))

#Factor 2
variedad <- gl(3, 20, 120, c('v1', 'v2', 'v3'))

#rta
peso_fresco <- rnorm(n = 120, mean = 3, sd = 0.3)

df = data.frame(aporque, variedad, peso_fresco)
df$peso_fresco[1] = 3.5
df$peso_fresco[81] = 2.5
library(collapsibleTree)
## Warning: package 'collapsibleTree' was built under R version 4.2.3
collapsibleTreeSummary(df = df, hierarchy = c('variedad', 'aporque', 'peso_fresco'), collapsed = F, fontSize = 16)

Análisis descriptivo

Como se comporta el peso fresco por variedad:

library(lattice)
bwplot(peso_fresco ~ aporque, df,
       panel =function(...)
{panel.bwplot(...,groups=df$aporque, fill=c('red','blue'))})

bwplot(peso_fresco ~ aporque | variedad, df)

Solo en una variedad pareciera que aporcar no funciona (v2) - Los dos anteriores solo incluyen un factor, es mejor los dos

tb = tapply(df$peso_fresco, list(df$aporque, df$variedad), mean)
addmargins(tb, FUN = mean)
## Margins computed over dimensions
## in the following order:
## 1: 
## 2:
##             v1       v2       v3     mean
## con_A 3.075894 2.984623 3.031946 3.030821
## sin_A 2.964025 3.087442 2.892186 2.981218
## mean  3.019960 3.036032 2.962066 3.006019
tapply(df$peso_fresco, df$variedad, mean)
##       v1       v2       v3 
## 3.019960 3.036032 2.962066
#mean(df$peso_fresco)
table(list(df$aporque, variedad))
##        .2
## .1      v1 v2 v3
##   con_A 20 20 20
##   sin_A 20 20 20

La variedad siempre está en los cuerpos de la tabla y no en los margenes - Aporcando es mejor v1 y sin aporcar en mejor v2 (cuerpo de la tabla) - Los margenes no me aportan verdades

#Inferencial

\[H_1: \mu_1 = \mu_2 = \mu_3\]

\[H_2: \mu{aporque} = \mu{\text{aporque}}\]

\[H_3: \text{No hay interacción entre aporque y variedad}\] #Modelo Dos factores

\[y_{ijk} = \mu + \tau_i + \delta_j + (\tau\delta)_{ij} + \epsilon_{ijk}\]

\[i: 1,2,3\] \[j: 1,2\] \[k: 1,2\] \[H_{0_1}: \tau_{v1} + \tau_{v2} + \tau_{v3} = 0\] \[H_{0_2}: \delta_A = \delta_{\bar{A}}\] \[H_{0_3}:(\tau\delta)_{ij} = 0; \forall_{i,j}\] #Factorial Completo Completamente al Azar

mod1 = aov(peso_fresco ~ variedad + aporque + 
             variedad*aporque, df)
summary(mod1)
##                   Df Sum Sq Mean Sq F value Pr(>F)  
## variedad           2  0.121 0.06054   0.813 0.4461  
## aporque            1  0.074 0.07381   0.991 0.3216  
## variedad:aporque   2  0.352 0.17619   2.366 0.0985 .
## Residuals        114  8.491 0.07448                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Lo primero que se observa en la tabla es la interacción.

p = 0.0985 es mayor a 5 y por lo tanto no rechazo y no tienen interacción, por lo tanto voy a analizar la primera y la segunda hipotesis. Conclusión = no hay interacción

Como no se rechaza la hipotesis de interacción nula podemos tranquilamente interpretar las hipoetsis de variedad y de aporque.

#Hipotesis de aporque p = 0.3216 > 5%, no se rechaza la hipotesis porque el efecto del aporque es nulo (aporcar y no aporcar es la misma cosa)

Conclusión = No existe relación estadistica en los pesos frescos promedio entre aporcar y no aporcar.

#Hipotesis de variedad p = 0.4461 > 5%, no se rechaza la hipotesis porque el efecto de la variedad es nulo

Conclusión = No esxiste relación estadística en las variedades utilizadas

Conclusión Final = No hay diferencias entre aporque y variedad.

Persona que reprueba tesis

# Cultivo tomate

set.seed(123)
#Factor 1
aporque <- gl(2, 60, 120, c("con_A", "sin_A"))

#Factor 2
variedad <- gl(3, 20, 120, c('v1', 'v2', 'v3'))

#rta
peso_fresco <- c(rnorm(n = 40, mean = 3, sd = 0.3),
                 rnorm(n = 80, mean = 4, sd = 0.4))

df1 = data.frame(aporque, variedad, peso_fresco)
df$peso_fresco[1] = 3.5
df$peso_fresco[81] = 2.5
mod2 = aov(peso_fresco ~ variedad + aporque +
             variedad*aporque, df1)
summary(mod2)
##                   Df Sum Sq Mean Sq F value   Pr(>F)    
## variedad           2  4.738   2.369   22.42 6.13e-09 ***
## aporque            1 11.890  11.890  112.54  < 2e-16 ***
## variedad:aporque   2 10.312   5.156   48.81 4.87e-16 ***
## Residuals        114 12.044   0.106                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.2.2
ggplot(df1,aes(x = variedad,peso_fresco, colour= aporque, group = aporque))+
  stat_summary(fun= mean, geom = "point")+ 
  stat_summary(fun= mean, geom = "line", linetype = 2, size = 2)+
  labs( y = "mean (peso_fresco)")+
  theme_bw()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.