Dataframe de los datos:

datos <- data.frame(
  Tipo = c(rep("ST", 9), rep("P", 9)),
  Humedal = c(rep(1, 3), rep(2, 3), rep(3, 3), rep(4, 3), rep(5, 3), rep(6, 3)),
  Muestra = rep(1:3, 6),
  Metano = c(6.63, 6.77, 5.64, 12.40, 13.50, 11.90, 7.64, 6.18, 5.42,
             1.74, 2.55, 2.09, 0.59, 0.32, 0.80, 1.98, 4.56, 3.67)
)

Convertir Humedal a factor: (es importante para el ANOVA)

datos$Humedal <- as.factor(datos$Humedal)
datos$Tipo <- as.factor(datos$Tipo)
cat("Primeras filas de los datos:\n")
## Primeras filas de los datos:
print(head(datos))
##   Tipo Humedal Muestra Metano
## 1   ST       1       1   6.63
## 2   ST       1       2   6.77
## 3   ST       1       3   5.64
## 4   ST       2       1  12.40
## 5   ST       2       2  13.50
## 6   ST       2       3  11.90
cat("\n")
cat("Resumen estadístico:\n")
## Resumen estadístico:
print(summary(datos))
##  Tipo   Humedal    Muestra      Metano      
##  P :9   1:3     Min.   :1   Min.   : 0.320  
##  ST:9   2:3     1st Qu.:1   1st Qu.: 2.007  
##         3:3     Median :2   Median : 4.990  
##         4:3     Mean   :2   Mean   : 5.243  
##         5:3     3rd Qu.:3   3rd Qu.: 6.735  
##         6:3     Max.   :3   Max.   :13.500
cat("\n")

Medias por tipo de humedal:

library(dplyr)
## 
## 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
cat("Medias por tipo de humedal:\n")
## Medias por tipo de humedal:
medias_tipo <- datos %>%
  group_by(Tipo) %>%
  summarise(
    Media = mean(Metano, na.rm = TRUE),
    SD = sd(Metano, na.rm = TRUE)
  )

print(medias_tipo)
## # A tibble: 2 × 3
##   Tipo  Media    SD
##   <fct> <dbl> <dbl>
## 1 P      2.03  1.41
## 2 ST     8.45  3.20
cat("\n")

Boxplot simple sin caracteres especiales:

boxplot(Metano ~ Tipo, data = datos,
        main = "Produccion de Metano por Tipo de Humedal",
        xlab = "Tipo de Humedal", 
        ylab = "Metano (m mol/l/hr)")

ANOVA de dos vías con efecto anidado

cat("Resultados del ANOVA anidado:\n")
## Resultados del ANOVA anidado:
modelo <- aov(Metano ~ Tipo + Error(Humedal/Tipo), data = datos)
## Warning in aov(Metano ~ Tipo + Error(Humedal/Tipo), data = datos): Error()
## model is singular
print(summary(modelo))
## 
## Error: Humedal
##           Df Sum Sq Mean Sq F value Pr(>F)  
## Tipo       1 185.47  185.47   8.293  0.045 *
## Residuals  4  89.46   22.37                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Error: Within
##           Df Sum Sq Mean Sq F value Pr(>F)
## Residuals 12  8.525  0.7105
cat("\n")

Prueba t para comparar los dos tipos: (usando medias por humedal)

cat("Medias por humedal:\n")
## Medias por humedal:
medias_humedal <- aggregate(Metano ~ Tipo + Humedal, data = datos, mean)
print(medias_humedal)
##   Tipo Humedal    Metano
## 1   ST       1  6.346667
## 2   ST       2 12.600000
## 3   ST       3  6.413333
## 4    P       4  2.126667
## 5    P       5  0.570000
## 6    P       6  3.403333
cat("\n")
cat("Prueba t de Student:\n")
## Prueba t de Student:
t_test <- t.test(Metano ~ Tipo, data = medias_humedal)
print(t_test)
## 
##  Welch Two Sample t-test
## 
## data:  Metano by Tipo
## t = -2.8797, df = 2.6096, p-value = 0.07504
## alternative hypothesis: true difference in means between group P and group ST is not equal to 0
## 95 percent confidence interval:
##  -14.154891   1.314891
## sample estimates:
##  mean in group P mean in group ST 
##         2.033333         8.453333
cat("\n")

Prueba no paramétrica alternativa (Mann-Whitney):

cat("Prueba de Mann-Whitney:\n")
## Prueba de Mann-Whitney:
wilcox_test <- wilcox.test(Metano ~ Tipo, data = medias_humedal)
print(wilcox_test)
## 
##  Wilcoxon rank sum exact test
## 
## data:  Metano by Tipo
## W = 0, p-value = 0.1
## alternative hypothesis: true location shift is not equal to 0

Análisis de resultados

Estadísticas Descriptivas:

•⁠ ⁠Media general: 5.243 m mol/l/hr

•⁠ ⁠Humedales ST (agua subterránea): Media = 8.453

•⁠ ⁠Humedales P (precipitación): Media = 2.033

•⁠ ⁠Diferencia: Los humedales ST producen ≈4 veces más metano ANOVA Anidado: El resultado SIGNIFICATIVO es:

•⁠ ⁠F = 8.293, p-value = 0.045* ⁠Esto indica que existe una diferencia estadísticamente significativa entre los tipos de humedal (p < 0.05)

Prueba t de Student:

•⁠ ⁠t = -2.88, p-value = 0.075 Aunque muestra una tendencia, no alcanza significancia al nivel tradicional de 0.05

Prueba de Mann-Whitney:

•⁠ ⁠W = 0, p-value = 0.10 Confirma la tendencia pero sin significancia estadística Conlusión Existe evidencia estadística de que el tipo de humedal influye en la producción de metano (p = 0.045).

Resultados clave

•⁠ ⁠Los humedales de agua subterránea (ST) producen significativamente más metano (8.45 vs 2.03 m mol/l/hr)

•⁠ ⁠La diferencia es de aproximadamente 4 veces mayor producción

•⁠ ⁠El ANOVA anidado (el análisis más apropiado) confirma la significancia estadística