R Notebook

UNA VÍA (solo factor tiempo)

library(cli)

Warning: package ‘cli’ was built under R version 4.2.3

library(rlang)

Warning: package ‘rlang’ was built under R version 4.2.3

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, union

library(tidyr)

Warning: package ‘tidyr’ was built under R version 4.2.3

# install.packages("datarium")
# cargar los datos
data("selfesteem", package = "datarium")
datos = selfesteem

boxplot(datos[,-1])

#CONVERTIR FORMATO ANCHO DE TRES COLUMNAS EN LARGO DE UNA SOLA COLUMNA
datos = datos  %>%
  gather(key = "tiempo",
         value = "rto",
         t1, t2, t3) %>%
  mutate_at(vars(id, tiempo), as.factor)
head(datos)

#RESUMEN ESTADISTICO Numérico
datos %>%
  group_by(tiempo) %>%
  summarise(media = mean(rto),
            desv = sd(rto),
            n = n(),
            cv = 100*desv/media)

#RESUMEN ESTADISTICO Gráfico
boxplot(datos$rto ~ datos$tiempo)

#BUSQUEDA DE DATOS ATÍPICOS
library(outliers)
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

datos %>%
  group_by(tiempo) %>%
  identify_outliers(rto)

#SUPUESTOS DE NORMALIDAD
datos %>%
  group_by(tiempo) %>%
 shapiro_test(rto)

NA

determinar si existe la varianza entre los datos de los tiempos sucesivos

#ANALISIS DE VARIANZA

res.aov <- anova_test(data = datos, 
                      dv = rto, 
                      wid = id, 
                      within = tiempo)
get_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     * 0.829

#SUPUESTO DE ESFERICIDAD (igualdad de varianzas)
res.aov$`Mauchly's Test for Sphericity`

get_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     * 0.829

p valoes es 2.01e-08 <5% se rechaza la hipótesis nula, el rendimiento no es el mismo en todos los cortes, aparentemente el tercer corte tiene mejores resultados.

#COMPARANDO ENTRE TIEMPOS BONFERRONI (pruebas de comparación)

datos %>%
pairwise_t_test( 
  rto ~ tiempo,
  paired = TRUE,
  p.adjust.method = "bonferroni")

NA

Los valores que se usan para las conslusiones son los que están en la columna de p.adj

Dos vías (un factor nuevo adicional al tiempo)

data("selfesteem2", package = "datarium")
datos2 = selfesteem2
datos2$treatment = gl(2,12,24, c('con fert', 'sin fert'))
head(datos2)

El factor adicional es el uso de fertilizante, control sin fertilizante otras medidas con la aplicación de fertilizante.

#CONVERTIR FORMATO ANCHO DE TRES COLUMNAS EN LARGO DE UNA SOLA COLUMNA
datos2 = datos2 %>%
  gather(key = 'tiempo' , value = 'rto',
         t1, t2, t3)
head(datos2)

#RESUMEN ESTADISTICO Numérico
datos2 %>%
  group_by(treatment, tiempo) %>%
  summarise(media = mean(rto),
            mediana = median(rto),
            desv = sd(rto),
            n = n(),
            cv = 100*desv/media)

`summarise()` has grouped output by 'treatment'. You can override using the `.groups` argument.

#RESUMEN ESTADISTICO Gráfico
library(ggplot2)
ggplot(datos2)+
  aes(tiempo, rto, fill=treatment)+
  geom_boxplot()

NA

#BUSQUEDA DE DATOS ATÍPICOS

datos2 %>%
  group_by(treatment, tiempo) %>%
  identify_outliers(rto)

datos2 %>%
  group_by(treatment, tiempo) %>%
  shapiro_test(rto)

res.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     * 0.050

Primer valor a interpretar es la interacción 4.63e-07 < 5% se rechaza la hipótesis nula, hay interacción.

Las comparaciones POST_HOC se hacen únicamente cuando no hay interacción.

#GRÁFICO DE INTERACIÓN

interaction.plot(datos2$tiempo,
                 datos2$treatment,
                 datos2$rto)

# LO MISMO CON GGPLOT
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.Warning: Ignoring unknown parameters: linewidth

Interacción porque la lineas se cruzan

#SUPUESTO DE ESFERICIDAD (igualdad de varianzas)
res.aov$`Mauchly's Test for Sphericity`

NA

3 vías