library(readxl)## Warning: package 'readxl' was built under R version 4.4.2concentracion_agua <- read_excel("C:/Users/sebas/OneDrive - PUJ Cali/Universidad/bioestadistica/concentracion agua.xlsx",
col_types = c("numeric", "text", "text",
"numeric"))
require(table1)## Cargando paquete requerido: table1## Warning: package 'table1' was built under R version 4.4.2##
## Adjuntando el paquete: 'table1'## The following objects are masked from 'package:base':
##
## units, units<-require(ggplot2)## Cargando paquete requerido: ggplot2## Warning: package 'ggplot2' was built under R version 4.4.2require(plotly)## Cargando paquete requerido: plotly## Warning: package 'plotly' was built under R version 4.4.2##
## Adjuntando el paquete: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layoutconcentracion_agua$agua_mar=factor(concentracion_agua$agua_mar,levels = c(50,75,100))
table1(~oxigeno|agua_mar,data = concentracion_agua)| 50 (N=16) |
75 (N=16) |
100 (N=16) |
Overall (N=48) |
|
|---|---|---|---|---|
| oxigeno | ||||
| Mean (SD) | 12.3 (3.20) | 6.99 (2.80) | 8.67 (3.00) | 9.30 (3.68) |
| Median [Min, Max] | 11.5 [6.38, 18.8] | 6.43 [1.80, 13.2] | 8.60 [3.68, 14.0] | 9.70 [1.80, 18.8] |
table1(~oxigeno|molusco,data = concentracion_agua)| A (N=24) |
B (N=24) |
Overall (N=48) |
|
|---|---|---|---|
| oxigeno | |||
| Mean (SD) | 10.0 (3.27) | 8.61 (4.00) | 9.30 (3.68) |
| Median [Min, Max] | 9.74 [5.20, 18.8] | 8.06 [1.80, 17.7] | 9.70 [1.80, 18.8] |
g1=ggplot(concentracion_agua,aes(y=oxigeno,x=agua_mar,fill = agua_mar))+geom_boxplot()+theme_classic()+facet_grid(~molusco)
ggplotly(g1)En la primera tabla se compara el consumo de oxígeno contra la concentración de agua de mar en moluscos se puede observar que el mayor gasto de oxígeno se produce cuando la concentración del agua del mar es del 50% con un promedio de 12.3 mientras que el menor gasto de oxígeno se presenta cuando la concentración de agua de mar es del 75% con un valor de 6.99.
La segunda tabla muestra una comparación entre el gasto de oxígeno y los dos diferentes tipos de moluscos (A, B) se puede observar que el promedio más alto de gasto de oxígeno es para los moluscos de tipo A con un valor de 10 y los que menos son los moluscos de tipo B con un valor de 8.61.
En el boxplot se observa en el eje y las concentraciones de oxígeno, en el eje x el porcentaje de agua de mar y se divide por los dos tipos de moluscos evaluados (A, B), se puede ver que por lo general con la concentración de agua de mar al 50% es cuando más gasto de oxígeno hay en los dos tipos de moluscos y que el que menos gasto de oxígeno hay es cuando la concentración del agua de mar es del 75%.
library(readxl)
pesos <- read_excel("C:/Users/sebas/OneDrive - PUJ Cali/Universidad/bioestadistica/pesos.xlsx")
require(table1)
require(plotly)
table1(~peso|Dieta,data = pesos)| A (N=5) |
B (N=5) |
C (N=5) |
D (N=5) |
Overall (N=20) |
|
|---|---|---|---|---|---|
| peso | |||||
| Mean (SD) | 64.6 (3.35) | 71.3 (3.07) | 73.5 (2.99) | 63.2 (2.42) | 68.2 (5.23) |
| Median [Min, Max] | 65.0 [60.8, 68.6] | 71.8 [67.7, 75.0] | 74.3 [69.6, 77.1] | 63.1 [60.3, 66.7] | 68.2 [60.3, 77.1] |
g1=ggplot(pesos,aes(y=peso,x=Dieta,fill = Dieta))+geom_boxplot()+theme_classic()
ggplotly(g1)En la tabla podemos observar una comparación entre el peso de los cerdos y las cuatro dietas evaluadas, se puede ver que la dieta con mayor peso promedio es la dieta C con un valor de 73.5 y la dieta con menor promedio es la D con un valor de 63.2. Esto mismo se ve representado en el boxplot. Por lo que se puede concluir que si lo que se busca es tener una mayor media de peso en los cerdos se recomendaría usar la dieta C.
library(readxl)
numero_de_especies <- read_excel("C:/Users/sebas/OneDrive - PUJ Cali/Universidad/bioestadistica/numero de especies.xlsx",
col_types = c("text", "text", "numeric"))
require(table1)
require(plotly)
table1(~numeroespecies|S,data = numero_de_especies)| 1 (N=16) |
2 (N=16) |
3 (N=16) |
4 (N=16) |
Overall (N=64) |
|
|---|---|---|---|---|---|
| numeroespecies | |||||
| Mean (SD) | 7.31 (1.92) | 5.56 (3.14) | 3.38 (2.28) | 2.31 (1.40) | 4.64 (2.96) |
| Median [Min, Max] | 7.00 [4.00, 11.0] | 5.00 [0, 11.0] | 3.00 [0, 9.00] | 2.00 [0, 5.00] | 4.00 [0, 11.0] |
g1=ggplot(numero_de_especies,aes(y=numeroespecies,x=S,fill = S))+geom_boxplot()+theme_classic()
ggplotly(g1)table1(~numeroespecies|T,data = numero_de_especies)| 1 (N=16) |
2 (N=16) |
3 (N=16) |
4 (N=16) |
Overall (N=64) |
|
|---|---|---|---|---|---|
| numeroespecies | |||||
| Mean (SD) | 4.56 (2.90) | 5.00 (2.48) | 4.94 (3.80) | 4.06 (2.67) | 4.64 (2.96) |
| Median [Min, Max] | 3.00 [1.00, 11.0] | 4.50 [1.00, 9.00] | 6.00 [0, 11.0] | 4.00 [1.00, 11.0] | 4.00 [0, 11.0] |
g2=ggplot(numero_de_especies,aes(y=numeroespecies,x=T,fill = T))+geom_boxplot()+theme_classic()
ggplotly(g2)En la primera tabla vemos una comparación entre la riqueza (número especies) y el canto intermareal (S) vemos que el canto con mayor promedio es el 1 con un promedio de 7.31 y el que menos es el 4 con un promedio de 2.31. En el boxplot podemos observar una disminución de la riqueza de especies conforme vamos avanzando en el canto por lo que se puede decir que estas variables son inversamente proporcionales.
En la segunda tabla se compara la riqueza (número especies) y la temporada del año (T) donde podemos ver que la temporada con mayor promedio es la 2 con un valor de 5 y la temporada con menos promedio en la riqueza es la 4 con un valor de 4.06. En el boxplot se puede ver una uniformidad en las diferentes temporadas del año con respecto a la riqueza de especies por lo que podemos determinar de que no es un valor tan relevante. También se determinó de que no hay una relación entre el canto intermareal y la temporada del año al menos con los datos proporcionados para este análisis.
library(readxl)
temperatura <- read_excel("C:/Users/sebas/OneDrive - PUJ Cali/Universidad/bioestadistica/temperatura.xlsx",
col_types = c("text", "text", "numeric"))
require(table1)
require(plotly)
temperatura$Temperatura=factor(temperatura$Temperatura,levels = c("Baja","Media","Alta"))
table1(~oxigeno|Temperatura,data = temperatura)| Baja (N=8) |
Media (N=8) |
Alta (N=8) |
Overall (N=24) |
|
|---|---|---|---|---|
| oxigeno | ||||
| Mean (SD) | 1.64 (0.192) | 2.39 (0.247) | 3.01 (0.223) | 2.35 (0.612) |
| Median [Min, Max] | 1.65 [1.40, 1.90] | 2.40 [2.00, 2.70] | 3.00 [2.70, 3.40] | 2.40 [1.40, 3.40] |
g1=ggplot(temperatura,aes(y=oxigeno,x=Temperatura,fill = Temperatura))+geom_boxplot()+theme_classic()+ facet_wrap(~ Sexo)
ggplotly(g1)En la tabla se muestra una comparación entre el consumo de oxígeno y la temperatura, se observa que la temperatura con mayor promedio es la Alta con un valor de 3.01 y el menor promedio es en la temperatura Baja con un valor de 1.64. En el boxplot se ve en y el gasto de oxígeno en x la temperatura y se divide en hembras y machos. Se puede observar que hay un aumento del gasto de oxígeno con respecto al aumento de temperatura por lo que se puede concluir que las variables son directamente proporcionales, a mayor temperatura mayor gasto de oxígeno en los dos sexos.