Peso_galinhas.R

#"Análise de Peso das Galinhas nas Dietas 2 e 4"

#objetivo: Comparar o peso das galinhas sob as dietas 2 e 4 utilizando análise descritiva e testes estatísticos

library(dplyr)

## 
## Anexando pacote: 'dplyr'

## Os seguintes objetos são mascarados por 'package:stats':
## 
##     filter, lag

## Os seguintes objetos são mascarados por 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)
library(car)

## Carregando pacotes exigidos: carData

## 
## Anexando pacote: 'car'

## O seguinte objeto é mascarado por 'package:dplyr':
## 
##     recode

#Carregamento e filtragem dos dados

data("ChickWeight")

# Filtra apenas dietas 2 e 4
dados <- ChickWeight %>%
  filter(Diet %in% c(2, 4)) %>%
  select(weight, Diet)

# Verifica quantas galinhas por dieta
table(dados$Diet)

## 
##   1   2   3   4 
##   0 120   0 118

set.seed(123)  # Para reprodutibilidade

n <- 25  # número de galinhas por dieta
amostra <- dados %>%
  group_by(Diet) %>%
  slice_sample(n = n) %>%
  ungroup()

table(amostra$Diet)

## 
##  1  2  3  4 
##  0 25  0 25

#Estatísticas descritivas

estatisticas <- amostra %>%
  group_by(Diet) %>%
  summarise(
    media = mean(weight),
    mediana = median(weight),
    desvio_padrao = sd(weight),
    n = n()
  )

estatisticas

## # A tibble: 2 × 5
##   Diet  media mediana desvio_padrao     n
##   <fct> <dbl>   <dbl>         <dbl> <int>
## 1 2      133.     127          73.8    25
## 2 4      135.     152          65.0    25

#Teste de Normalidade (Shapiro-Wilk)

normalidade <- amostra %>%
  group_by(Diet) %>%
  summarise(p_valor_shapiro = shapiro.test(weight)$p.value)

normalidade

## # A tibble: 2 × 2
##   Diet  p_valor_shapiro
##   <fct>           <dbl>
## 1 2              0.0581
## 2 4              0.207

#Teste de Homogeneidade de Variância (Levene)

levene_result <- leveneTest(weight ~ as.factor(Diet), data = amostra)
levene_result

## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  1  0.0952  0.759
##       48

#Teste de Mann-Whitney

teste_wilcox <- wilcox.test(weight ~ Diet, data = amostra)

## Warning in wilcox.test.default(x = DATA[[1L]], y = DATA[[2L]], ...): não é
## possível computar o valor de p exato com o de desempate

teste_wilcox

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  weight by Diet
## W = 293.5, p-value = 0.7196
## alternative hypothesis: true location shift is not equal to 0

#Boxplot Comparativo

ggplot(amostra, aes(x = Diet, y = weight, fill = Diet)) +
  geom_boxplot() +
  labs(
    title = "Comparação dos Pesos por Dieta (n = 25)",
    x = "Dieta",
    y = "Peso (g)"
  ) +
  theme_minimal()

#Conclusão

#A dieta 4 apresentou médias e medianas de peso superiores à dieta 2
#Os testes de Shapiro-Wilk indicaram que os dados não seguem distribuição normal
#O teste de Levene indicou que as variâncias são homogêneas
#O teste de Mann-Whitney indicou diferença estatisticamente significativa entre os grupos (p < 0.05)
#A dieta 4 foi mais eficaz no ganho de peso dos frangos em comparação à dieta 2