longitud_flor <- data.frame( Iris_setosa = c(5.1, 4.9, 4.7, 4.6, 5, 5.4, 4.6, 5, 4.4, 4.9, 5.4, 4.8, 4.8, 4.3, 5.8), Iris_versicolor = c(7, 6.4, 6.9, 5.5, 6.5, 5.7, 6.3, 4.9, 6.6, 5.2, 5, 5.9, 6, 6.1, 5.6), Iris_virginica = c(6.3, 5.8, 7.1, 6.3, 6.5, 7.6, 4.9, 7.3, 6.7, 7.2, 6.5, 6.4, 6.8, 5.7, 5.8) )
library(tidyr) longitud_flor_long <- pivot_longer(longitud_flor, cols = everything(), names_to = “Especie”, values_to = “Longitud”)
anova_resultado <- aov(Longitud ~ Especie, data = longitud_flor_long)
summary(anova_resultado)
install.packages(“agricolae”) library(agricolae)
lsd_resultado <- LSD.test(anova_resultado, “Especie”, console = TRUE) lsd_resultado
duncan_resultado <- duncan.test(anova_resultado, “Especie”, console = TRUE) duncan_resultado
grupos_duncan <- duncan_resultado$groups library(ggplot2) ggplot(longitud_flor_long, aes(x = Especie, y = Longitud, fill = Especie)) + stat_summary(fun = mean, geom = “bar”, position = “dodge”) + geom_errorbar(aes(ymin = ..y.. - sd(Longitud), ymax = ..y.. + sd(Longitud)), width = 0.2, position = position_dodge(0.9)) + labs(title = “Gráfico de Barras por Especie”, x = “Especie”, y = “Longitud de la flor (cm)”) + theme_minimal()
library(ggplot2)
ggplot(longitud_flor_long, aes(x = Especie, y = Longitud, fill = Especie)) + stat_summary(fun = mean, geom = “bar”, position = “dodge”) + geom_errorbar(aes(ymin = after_stat(y) - sd(Longitud), ymax = after_stat(y) + sd(Longitud)), width = 0.2, position = position_dodge(0.9)) + labs(title = “Gráfico de Barras por Especie”, x = “Especie”, y = “Longitud de la flor (cm)”) + theme_minimal()
resumen <- longitud_flor_long %>% group_by(Especie) %>% summarise( media = mean(Longitud), sd = sd(Longitud) )
install.packages(“dplyr”)
library(dplyr)
resumen <- longitud_flor_long %>% group_by(Especie) %>% summarise( media = mean(Longitud), sd = sd(Longitud) )
ggplot(resumen, aes(x = Especie, y = media, fill = Especie)) + geom_bar(stat = “identity”, position = “dodge”) + # Usar “identity” porque ya tenemos los valores geom_errorbar(aes(ymin = media - sd, ymax = media + sd), width = 0.2) + # Añadir barras de error labs(title = “Gráfico de Barras por Especie”, x = “Especie”, y = “Longitud de la flor (cm)”) + theme_minimal()
install.packages(“ggplot2”)
library(ggplot2)
ggplot(resumen, aes(x = Especie, y = media, fill = Especie)) + geom_bar(stat = “identity”, position = “dodge”) + # Usar “identity” porque ya tenemos los valores geom_errorbar(aes(ymin = media - sd, ymax = media + sd), width = 0.2) + # Añadir barras de error labs(title = “Gráfico de Barras por Especie”, x = “Especie”, y = “Longitud de la flor (cm)”) + theme_minimal()
tiempo_coccion <- data.frame( Control = c(213, 214, 204, 208, 212, 200, 207), T2 = c(76, 85, 74, 78, 82, 75, 82), T3 = c(57, 67, 55, 64, 61, 63, 63), T4 = c(84, 82, 85, 92, 87, 79, 90) )
library(tidyr) tiempo_coccion_long <- tiempo_coccion %>% pivot_longer(cols = everything(), names_to = “Tratamiento”, values_to = “Tiempo”)
head(tiempo_coccion_long)
Variación en la calidad del agua
Variación en el tamaño o tipo de frijoles
Condiciones ambientales como la temperatura o humedad
Equipos de cocina diferentes o mal calibrados
Se debe controlar que el uso de frijoles sea del mismo lote y tamaño. Además, utilizar un solo tipo de olla y equipo de cocina calibrado, garantizando que el experimento se realice en condiciones ambientales controladas
set.seed(123) # Para reproducibilidad tratamientos <- c(“Control”, “T2”, “T3”, “T4”) asignacion_aleatoria <- sample(tratamientos, size = nrow(tiempo_coccion), replace = TRUE)
anova_resultado <- aov(Tiempo ~ Tratamiento, data = tiempo_coccion_long)
summary(anova_resultado)
tukey_resultado <- TukeyHSD(anova_resultado)
summary(tukey_resultado)
datos <- data.frame( Bloque = rep(1:5, each = 4), Sistema = rep(c(“A”, “B”, “C”, “D”), times = 5), Rendimiento = c(5.5, 5.5, 6.9, 7.2, 5.8, 5.3, 5.6, 4.1, 6.9, 5.3, 6.6, 4.5, 5.0, 7.2, 6.1, 7.0, 6.2, 5.7, 4.8, 5.8) )
head(datos)
anova_resultado <- aov(Rendimiento ~ Sistema + Error(Bloque/Sistema), data = datos)
summary(anova_resultado)
Se concluye: todos los sistemas de cultivo tienen el mismo efecto en el rendimiento de la col crespa