Diseño Fatorial completo enarreglo completamente al azar

#cultivo tomate
set.seed(123)

#Factor1
aporque <- gl(2,60, 120,c("Con_A", "Sin_A"))

#Factor2
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 4.2.2
collapsibleTreeSummary(df = df, hierarchy = c('variedad', 'aporque', 'peso_fresco'), collapsed = F, fontSize = 16)
library(lattice)
bwplot(peso_fresco ~ variedad, df, 
       panel =function(...)
{panel.bwplot(...,groups=df$variedad, fill=c('red','blue','green'))})

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

bwplot(peso_fresco ~ aporque|variedad, df)

tb = tapply(df$peso_fresco, list(df$aporque, df$variedad), mean)
tb
##             v1       v2       v3
## Con_A 3.075894 2.984623 3.031946
## Sin_A 2.964025 3.087442 2.892186
tapply(df$peso_fresco,
       list(df$aporque, df$variedad), mean)
##             v1       v2       v3
## Con_A 3.075894 2.984623 3.031946
## Sin_A 2.964025 3.087442 2.892186
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)

#Inferencial \[H_0: \mu_1 = \mu_2 = \mu_3\] \[H_2: \mu_{aporque} = \mu_{\text{no aporque}}\] \[H_3:\text{No hay interacción entre aporque y variedad}\] # Modelo \[y_{ijk} = \mu + \tau_i + \delta_j +(\tau\delta)_{ij}+ \epsilon_{ijk}\] $i: 1,2, $ \(j: 1,2\) \(k: 1,2\)

\[H_{0_1}: \tau_{v1} = \tau_{v2} = \tau_{v3} = 0\] \[H_{0_2}:\sigma_A = \delta_{\bar{A}}\] \[H_{0_3}:(\tau\sigma)_{ij}) = 0; \forall_{i,j}\] #FCCA

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

como no se rechaza la hipotesis de interaccion nula, podemos interpretar las hipotesis de variedad y de aporque

#hipotesis de aporque p = 0.3216, <5%, no se rechaza la hipotesis, efecto de aporque nulo. No existe diferencia estadistica en los pesos frescos promedio entre aporcar y no aporcar.

Hipotesis de variedad

#hipotesis de aporque p = 0.4461, <5%, no se rechaza la hipotesis, efecto de variedad nulo. No existe diferencia estadistica en los pesos frescos promedio entre las 3 variedades.

#Cultivo tomate
set.seed(123)
#Factor1
aporque <- gl(2,60, 120,c("Con_A", "Sin_A"))

#Factor2
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(data = df,
       aes(aporque, peso_fresco, colour=variedad, group=
      variedad))+
  stat_summary(fun = mean, geom = "point")+
  stat_summary(fun = mean, geom = "line")+
  labs( y = "mean(peso)")+
  theme_bw()