Resumen cosas que se han visto

Diseños para el segundo parcial

    1. Factorial completo en arreglo completamente al azar
    1. Factorial completo en bloques
    1. Factorial completo en parcelas divididas (Clase 19/05)
    1. Factorial incompleto al azar

DISEÑOS PARA EL TRABAJO

  • Factorial incompleto en bloque con covariables
  • Diseño en franjas (STRIP PLOT DESIGN) investigar ambos para el trabajo

Último parcial (es un trabajo, con un quiz)

CLASE

Requerimientos diseño: que tenga como mínimos dos factores

En esencia es hacer dos veces el mismo experimento, pues hay que hacer dos aleatorizaciones.

Es común en problemas de riego por goteo, fertilización, densidad de siembra, investigaciones con el uso de maquinaria.

Es frecuente en agricultura

Este diseño podría necesitar bloques

#Completamente al azar, solo hay una aleatorización.
#Y es díficil establecerlo, ¿cómo meter varios riegos en 
#una parcela, muy complicado
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.2.2
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
xy = expand.grid(x = seq(6), y = seq (4))
xy = sample_frac (xy)
xy$f1 = gl(4, 6, 24, paste0('v', 1:4))
xy$f2 = gl(3, 2, 24, paste0('R', 1:4))
xy$rep = gl(2, 1, 24, paste0('r', 1:4))
xy$name = paste0(xy$f1, xy$f2, xy$rep)
xy
##    x y f1 f2 rep   name
## 1  4 4 v1 R1  r1 v1R1r1
## 2  5 2 v1 R1  r2 v1R1r2
## 3  2 3 v1 R2  r1 v1R2r1
## 4  4 2 v1 R2  r2 v1R2r2
## 5  1 4 v1 R3  r1 v1R3r1
## 6  3 1 v1 R3  r2 v1R3r2
## 7  1 1 v2 R1  r1 v2R1r1
## 8  4 3 v2 R1  r2 v2R1r2
## 9  4 1 v2 R2  r1 v2R2r1
## 10 5 4 v2 R2  r2 v2R2r2
## 11 6 2 v2 R3  r1 v2R3r1
## 12 2 1 v2 R3  r2 v2R3r2
## 13 6 3 v3 R1  r1 v3R1r1
## 14 3 4 v3 R1  r2 v3R1r2
## 15 2 2 v3 R2  r1 v3R2r1
## 16 1 2 v3 R2  r2 v3R2r2
## 17 5 1 v3 R3  r1 v3R3r1
## 18 3 2 v3 R3  r2 v3R3r2
## 19 6 1 v4 R1  r1 v4R1r1
## 20 2 4 v4 R1  r2 v4R1r2
## 21 1 3 v4 R2  r1 v4R2r1
## 22 5 3 v4 R2  r2 v4R2r2
## 23 6 4 v4 R3  r1 v4R3r1
## 24 3 3 v4 R3  r2 v4R3r2
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.2.2
ggplot(xy)+
  aes (x, y, label = name, fill = f2)+
  geom_tile(color = 'white')+
  geom_text(fill = 'white')
## Warning in geom_text(fill = "white"): Ignoring unknown parameters: `fill`

labs (title = 'Completamente al azar')
## $title
## [1] "Completamente al azar"
## 
## attr(,"class")
## [1] "labels"

Ya es diseño en parcelas Doble aleatorización, una para riego, y otra para variedad.

Se escogen 4 parcelas para el riego, siendo cada una para un riego diferente, y luego dentro de cada parcela se aleatorizan las variedades, hay dos aleatorizaciones, una para riegos al estar en diferentes parcelas y dentro de cada una se aleatorizan las variedades.

Modelo estadístico

Tienes dos errores, uno para la parcela principal, y otro para las subparcelas

library(dplyr)
xy = expand.grid(y = seq(4), x = seq(6))
f2 = gl(3, 8, 24, paste0('R',1:3))
lf1 = paste0('V',1:4)
f1 = c(sample(lf1),sample(lf1),
       sample(lf1),sample(lf1),
       sample(lf1),sample(lf1))
rep = rep(rep(paste0('r',1:2), each=4), 3)

data = data.frame(xy, f1, f2, rep)
data$name = with(data, paste0(f1, rep))
library(ggplot2)
ggplot(data)+
  aes(x,y,label=name, fill=f1)+
  geom_tile(color='white')+
  geom_text()+
  facet_wrap(~f2, scales = 'free')+
  theme(axis.text = element_blank())

## Análisis descriptivo

set.seed(123)
data$biom = rnorm(24,8,2)
## Analisis descriptivo

ggplot(data)+aes(f2,biom)+geom_boxplot()

ggplot(data)+aes(f1,biom)+geom_boxplot()

ggplot(data)+aes(f2,biom, fill=f1)+geom_boxplot()

Análisis inferencial

library(lme4)
## Warning: package 'lme4' was built under R version 4.2.3
## Loading required package: Matrix
mod1 = aov (biom ~ f2*f1 + Error(f2:rep), data)
## Warning in aov(biom ~ f2 * f1 + Error(f2:rep), data): Error() model is singular
summary(mod1) 
## 
## Error: f2:rep
##           Df Sum Sq Mean Sq F value Pr(>F)  
## f2         2 13.327   6.664   8.078  0.062 .
## Residuals  3  2.475   0.825                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Error: Within
##           Df Sum Sq Mean Sq F value  Pr(>F)   
## f1         3   3.71   1.237   1.286 0.33710   
## f2:f1      6  56.41   9.402   9.775 0.00162 **
## Residuals  9   8.66   0.962                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se observan dos errores. Primero ver la interacción,

La hipotesis es que no hay interacción, p-valor >5%, no se rechaza la hipotesis, no hay interacción.

Si no hay interacción se pueden interpretar los valores de arriba del anova

En el riego p-valor >5%, no rechazo, es decir que la biomasa no cambió por las variedades

En la variedad p-valor >5%, no rechazo, es decir que la biomasa no cambió por las variedades

Riego = f1, variedad = f2