CLASE 02 DE JUNIO DEL 2023
Paula Andrea Sanchez Camargo
2023-06-02
DISEÑO EN MEDIDAS REPETIDAS
13 O 16 DE JUNIO TRABAJO QUE CUESTA EL 50%, SE ACABA EL CURSO (1 via, 2 vias, 3 vias)
FACTOR intrasujetos: tiempo factres entre sujetos - FSCA - FSBA - FCCA - FCBA
library(datarium)## Warning: package 'datarium' was built under R version 4.2.3data("selfesteem", package = "datarium")
datos = selfesteem
head(datos)## id t1 t2 t3
## 1 1 4.005027 5.182286 7.107831
## 2 2 2.558124 6.912915 6.308434
## 3 3 3.244241 4.443434 9.778410
## 4 4 3.419538 4.711696 8.347124
## 5 5 2.871243 3.908429 6.457287
## 6 6 2.045868 5.340549 6.6532241 via: El unico factor es el tiempo El: Aceite (limonaria)
cortes: t1 30 dias t2 60 dias t3 90 dias
library(dplyr)## Warning: package 'dplyr' was built under R version 4.2.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyr)## Warning: package 'tidyr' was built under R version 4.2.3# install.packages("datarium")
data("selfesteem", package = "datarium")
datos = selfesteem
## de formatolargo a ancho
datos = datos %>%
gather(key = "tiempo",
value = "rto",
t1, t2, t3) %>%
mutate_at(vars(id, tiempo), as.factor)
View(datos)
### resumen estadistico##
datos%>%
group_by(tiempo) %>%
summarise(media = mean(rto),
desv = sd(rto),
n = n(),
cv = 100*desv/media)## # A tibble: 3 × 5
## tiempo media desv n cv
## <fct> <dbl> <dbl> <int> <dbl>
## 1 t1 3.14 0.552 10 17.6
## 2 t2 4.93 0.863 10 17.5
## 3 t3 7.64 1.14 10 15.0todos los coefienctes de variacion sopn menores del 20% hay poca variabilidad, lo cual es bueno
##Diagrama de cajas#
boxplot(datos$rto ~ datos$tiempo)
## deteccion de outliers## (atipicos)
library(rstatix)## Warning: package 'rstatix' was built under R version 4.2.3##
## Attaching package: 'rstatix'## The following object is masked from 'package:stats':
##
## filter##Atipicos
library(rstatix)
datos %>%
group_by(tiempo) %>%
identify_outliers(rto)## # A tibble: 2 × 5
## tiempo id rto is.outlier is.extreme
## <fct> <fct> <dbl> <lgl> <lgl>
## 1 t1 6 2.05 TRUE FALSE
## 2 t2 2 6.91 TRUE FALSE##Normalidad
datos %>%
group_by(tiempo) %>%
shapiro_test(rto)## # A tibble: 3 × 4
## tiempo variable statistic p
## <fct> <chr> <dbl> <dbl>
## 1 t1 rto 0.967 0.859
## 2 t2 rto 0.876 0.117
## 3 t3 rto 0.923 0.380supuesto de esfericidad
solo de usa par medidas repetidas y se relaciona con la varianza
La varianza de tiempos sucecivos es mas o manos la misma
datos %>%
pairwise_t_test(
rto ~ tiempo, paired = TRUE,
p.adjust.method = "bonferroni")## # A tibble: 3 × 10
## .y. group1 group2 n1 n2 statistic df p p.adj p.adj.signif
## * <chr> <chr> <chr> <int> <int> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 rto t1 t2 10 10 -4.97 9 0.000772 2e-3 **
## 2 rto t1 t3 10 10 -13.2 9 0.000000334 1e-6 ****
## 3 rto t2 t3 10 10 -4.87 9 0.000886 3e-3 **res.aov <- anova_test(data = datos,
dv = rto,
wid = id,
within = tiempo)
# Esfericidad
res.aov$`Mauchly's Test for Sphericity`## Effect W p p<.05
## 1 tiempo 0.551 0.092get_anova_table(res.aov)## ANOVA Table (type III tests)
##
## Effect DFn DFd F p p<.05 ges
## 1 tiempo 2 18 55.469 2.01e-08 * 0.8299,2% > 5% se asumen varianzas iguales
se rechaza la hipotesis nula, el rendimiento no es el mismop, el corte 3 aparenta ser el mejor, las supuestos de nomalida y … s cumplen, todo parece ser bien
## se usa el p-valor ajustado
datos %>%
pairwise_t_test(
rto ~ tiempo, paired = TRUE,
p.adjust.method = "bonferroni")## # A tibble: 3 × 10
## .y. group1 group2 n1 n2 statistic df p p.adj p.adj.signif
## * <chr> <chr> <chr> <int> <int> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 rto t1 t2 10 10 -4.97 9 0.000772 2e-3 **
## 2 rto t1 t3 10 10 -13.2 9 0.000000334 1e-6 ****
## 3 rto t2 t3 10 10 -4.87 9 0.000886 3e-3 **El p valor ajustado es el que se usa, todos son menores del 5%, todos los tiempos son diferentes, el mejor es e tiempo tres
El tiempo 1 y 2 si hubieran sido iguales se concluiria que el aceite comienza a darse a partir del dia 60
#Medidas repetidas en 2 vias F1: Tiempo F2: fertilizacion
data("selfesteem2", package = "datarium")
datos2 = selfesteem2
datos2$treatment = gl(2,12,24, c('con fert',
'sin fert'))
View(datos2)datos2 = datos2 %>%
gather(key='tiempo', value = 'rto',
t1,t2,t3)datos2 %>%
group_by(treatment, tiempo) %>%
summarise(media = mean(rto),
desv = sd(rto),
n = n(),
cv = 100*desv/media)## `summarise()` has grouped output by 'treatment'. You can override using the
## `.groups` argument.## # A tibble: 6 × 6
## # Groups: treatment [2]
## treatment tiempo media desv n cv
## <fct> <chr> <dbl> <dbl> <int> <dbl>
## 1 con fert t1 88 8.08 12 9.18
## 2 con fert t2 83.8 10.2 12 12.2
## 3 con fert t3 78.7 10.5 12 13.4
## 4 sin fert t1 87.6 7.62 12 8.70
## 5 sin fert t2 87.8 7.42 12 8.45
## 6 sin fert t3 87.7 8.14 12 9.28library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.2.3ggplot(datos2)+
aes(tiempo, rto, fill=treatment)+
geom_boxplot()
Cuano da igual fertilizar o no es por condiciones del suelo o de clima o de que el fertilizante ya no funcione
#Atipicos
datos2 %>%
group_by(treatment, tiempo) %>%
identify_outliers(rto)## [1] treatment tiempo id rto is.outlier is.extreme
## <0 rows> (or 0-length row.names)##Normalidad
datos2 %>%
group_by(treatment, tiempo) %>%
shapiro_test(rto)## # A tibble: 6 × 5
## treatment tiempo variable statistic p
## <fct> <chr> <chr> <dbl> <dbl>
## 1 con fert t1 rto 0.828 0.0200
## 2 con fert t2 rto 0.868 0.0618
## 3 con fert t3 rto 0.887 0.107
## 4 sin fert t1 rto 0.919 0.279
## 5 sin fert t2 rto 0.923 0.316
## 6 sin fert t3 rto 0.886 0.104res.aov <- anova_test(data =datos2,
dv = rto,
wid = id,
within = c(treatment,
tiempo)
)
get_anova_table(res.aov)## ANOVA Table (type III tests)
##
## Effect DFn DFd F p p<.05 ges
## 1 treatment 1.00 11.00 15.541 2.00e-03 * 0.059
## 2 tiempo 1.31 14.37 27.369 5.03e-05 * 0.049
## 3 treatment:tiempo 2.00 22.00 30.424 4.63e-07 * 0.050No se rechaza la hipotesis nula porque hay interaccion
Cuando hay interacciones no se hacen comparaciones
#grafico de interaccion
interaction.plot(datos2$tiempo,
datos2$treatment,
datos2$rto)
interaction.plot(datos2$tiempo,
datos2$treatment,
datos2$rto)
datos2 %>%
group_by(tiempo, treatment) %>%
summarise(mean_rto = mean(rto)) %>%
ggplot()+
aes(tiempo, mean_rto,
color=treatment,
group=treatment)+
geom_point(size=5)+
geom_line(linewidth=3)## `summarise()` has grouped output by 'tiempo'. You can override using the
## `.groups` argument.
interaccion: en un momento uno gana y en otro tiempo otro gana, en el t1
no hay diferencias y en el t3 hay grandes diferencias, para el t1 esta
bien fertilizar pero para el t3 no es nada recomendable
#esfericidad
res.aov$`Mauchly's Test for Sphericity`## Effect W p p<.05
## 1 tiempo 0.469 0.023 *
## 2 treatment:tiempo 0.616 0.089se presentan varianzas en el tiempo, perono en la interaccion