Clase 19 de mayo

PARCELAS DIVIDIDAS * FACTORIAL SIMPLE COMPLETAMENTE AL AZAR * FACTORIAL COMPLETO EN ARREGLO COMPLETAMENTE AL AZAR * FACTORIAL COMPLETO EN BLOQUES COMPLETAMENTE AL AZAR * FACTORIAL COMPLETO EN PARCELAS DIVIDIDAS * FACTORIAL INCOMPLETO COMPLETAMENTE AL AZAR

NOTA: TRABAJO

• FACTORIAL INCOMPLETO EN BLOQUES CON COVARIABLES
• SCRIPT PLOT DESING (buscar para el trabajo)

TRABAJO FINAL (quiz)

• MODELOS EFECTOS ALTEATORIO Y MIXTO
• DISEÑOS EN MEDIAS REPETIDAS
• DISEÑO LAICE
• ANALISIS DE PERFILES

##PARCELAS DIVIDIDAS##

Requiere por lo menos 2 factores:

• “Dos veces el experimento” (2 aleatorizaciones)

• Sirve para riego, fertilidad, densidad de siembra, maquinaria

• Podria necesitar bloqueo

FACTOR 1: variedad (V1, v2, v3, v4) FACTOR 2: riego (r1, r2, r3)

library(dplyr)

## 
## 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", 1:3))
xy$rep = gl (2 , 1, 24, paste0 ("r", 1:2))
xy$name = paste0 (xy$f1 , xy$f2 , xy$rep)
xy

##    x y f1 f2 rep   name
## 1  4 1 V1 R1  r1 V1R1r1
## 2  6 4 V1 R1  r2 V1R1r2
## 3  1 4 V1 R2  r1 V1R2r1
## 4  6 1 V1 R2  r2 V1R2r2
## 5  1 2 V1 R3  r1 V1R3r1
## 6  3 4 V1 R3  r2 V1R3r2
## 7  6 2 V2 R1  r1 V2R1r1
## 8  2 2 V2 R1  r2 V2R1r2
## 9  3 2 V2 R2  r1 V2R2r1
## 10 5 2 V2 R2  r2 V2R2r2
## 11 4 3 V2 R3  r1 V2R3r1
## 12 2 1 V2 R3  r2 V2R3r2
## 13 5 3 V3 R1  r1 V3R1r1
## 14 3 1 V3 R1  r2 V3R1r2
## 15 4 2 V3 R2  r1 V3R2r1
## 16 1 3 V3 R2  r2 V3R2r2
## 17 2 3 V3 R3  r1 V3R3r1
## 18 5 4 V3 R3  r2 V3R3r2
## 19 6 3 V4 R1  r1 V4R1r1
## 20 2 4 V4 R1  r2 V4R1r2
## 21 4 4 V4 R2  r1 V4R2r1
## 22 5 1 V4 R2  r2 V4R2r2
## 23 1 1 V4 R3  r1 V4R3r1
## 24 3 3 V4 R3  r2 V4R3r2

library(ggplot2)
ggplot(xy)+
      aes(x,y, label = name, fill = f2)+
      geom_tile(colourl ='white')+
      geom_label(fill = 'white')+
      labs(title = 'completamente al azar')

## Warning in geom_tile(colourl = "white"): Ignoring unknown parameters: `colourl`

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())

• El anova debe tener 2 errores
• los p- valor se calculan dependiendo de la cntidad de errores que hallan

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()

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   8.83   2.942   0.706  0.572
## f2:f1      6  22.48   3.746   0.899  0.534
## Residuals  9  37.48   4.165

Riego no tuvo diferencia en la biomasa porque el p- valor es mayor al 5%