correlacion_lineal_dendrocincla

cargar mediciones dendrocincla

En mi caso

setwd("C:/Users/chris/Downloads/")
data <- read.csv('mediciones_ensayo_dendrocincla.xlsx - 2Ensayo.csv')
datos <- data.frame(data)

crear matrices a partir de tabla de datos

3 repeticiones de la misma medida para 1 individuo, columnas cada rasgo medido extraer cada rasgo medido y hacer la correlacion entre la repeticion de las mediciones

matriz1 <- matrix(datos$pico_ap, ncol = 3, byrow = TRUE)
matriz2 <- matrix(datos$pico_culment, ncol = 3, byrow = TRUE)
matriz3 <- matrix(datos$pata_tarso, ncol = 3, byrow = TRUE)
matriz4 <- matrix(datos$cola_longt, ncol = 3, byrow = TRUE)
matriz5 <- matrix(datos$ala_longplana, ncol = 3, byrow = TRUE)

ver matrices

en este caso cada fila es un individuo y cada columna es la repeticion de la misma medida

Matriz de pico_ap

6.84	6.77	6.67
6.73	6.69	6.67
6.32	6.39	6.47
6.38	6.40	6.17
6.47	6.47	6.28
6.06	5.83	6.15
6.32	6.56	6.36
6.56	6.73	6.39
6.72	6.65	6.87
6.50	6.48	6.72

Matriz de pico_culment

25.81	29.08	28.50
28.68	28.70	28.50
29.35	28.90	29.79
29.63	29.83	28.93
29.17	29.25	29.64
25.24	27.12	26.91
27.26	28.37	27.64
27.31	27.10	27.45
25.87	25.92	25.92
28.76	28.77	28.95

Matriz de pata_tarso

24.63	22.88	22.11
22.68	22.66	22.11
22.27	22.11	22.67
22.78	22.46	22.08
23.40	22.86	22.78
20.65	21.29	21.09
20.28	21.22	20.68
20.85	20.78	20.43
21.16	20.22	20.38
20.85	21.30	20.92

Matriz de cola_longt

107	106	107
97	99	102
112	105	112
108	106	107
96	95	97
94	96	96
94	94	94
97	98	96
93	95	94
88	88	89

Matriz de ala_longplana

109	107	109
110	111	111
109	108	109
111	112	112
103	101	104
99	99	98
104	103	104
108	104	107
100	100	100
103	104	104

correlacionar rep 1 con 2 > 2 con 3 > 1 con 3

el valor de correlacion debe ser mayor entre las ultimas repeticiones 2 y 3 que entre las primeras 1 y 2 debido a la reduccion del error de medicion al tener mas pericia en la toma de datos (supuesto)

funcion cor() spearman default

cor(matriz1[,1],matriz1[,2])

## [1] 0.8739504

cor(matriz1[,2],matriz1[,3])

## [1] 0.618171

cor(matriz1[,1],matriz1[,3])

## [1] 0.7685346

#existio mayor correlacion entre las medidas pico_ap 1 y 2 que 2 y 3, volver a medir?

cor(matriz2[,1],matriz2[,2])

## [1] 0.7021829

cor(matriz2[,2],matriz2[,3])

## [1] 0.8954331

cor(matriz2[,1],matriz2[,3])

## [1] 0.8051056

#existio mayor correlacion entre las medidas pico_culment 2 y 3 que 1 y 2, cumplio el supuesto

cor(matriz3[,1],matriz3[,2])

## [1] 0.8550362

cor(matriz3[,2],matriz3[,3])

## [1] 0.9139944

cor(matriz3[,1],matriz3[,3])

## [1] 0.7971185

#existio mayor correlacion entre las medidas pata_tarso 2 y 3 que 1 y 2, cumplio el supuesto

cor(matriz4[,1],matriz4[,2])

## [1] 0.9546817

cor(matriz4[,2],matriz4[,3])

## [1] 0.9495753

cor(matriz4[,1],matriz4[,3])

## [1] 0.9744603

#existio mayor correlacion entre las medidas cola_longt 1 y 2 que 2 y 3, volver a medir?

cor(matriz5[,1],matriz5[,2])

## [1] 0.9316016

cor(matriz5[,2],matriz5[,3])

## [1] 0.955025

cor(matriz5[,1],matriz5[,3])

## [1] 0.9864951

#existio mayor correlacion entre las medidas ala_longplana 2 y 3 que 1 y 2, cumplio el supuesto