Trabajo Final - Situación 2
Vanesa Aybar - Graciela Contrera
2025-11-15
Instalamos y cargamos paquetes
options(repos = c(CRAN = "https://cloud.r-project.org"))# Instalamos los paquetes que vamos a usar en el análisis estadístico
# install.packages("tidyverse")
# install.packages("readxl")
install.packages("car")## package 'car' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\vanes\AppData\Local\Temp\RtmpKqeQo8\downloaded_packagesinstall.packages("agricolae")## package 'agricolae' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\vanes\AppData\Local\Temp\RtmpKqeQo8\downloaded_packagesinstall.packages("emmeans")## package 'emmeans' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\vanes\AppData\Local\Temp\RtmpKqeQo8\downloaded_packagesinstall.packages("summarytools")## package 'summarytools' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\vanes\AppData\Local\Temp\RtmpKqeQo8\downloaded_packageslibrary(tidyverse)
library(readxl)
library(car)
library(agricolae)
library(emmeans)
library(summarytools)A. Exploración de datos
1- Carga de la base de datos “poroto”
POROTO <- read_excel("E:/Para D/diplo R/modulo 7 TF/poroto.xlsx")POROTO## # A tibble: 24 × 5
## Variedad Insecticida Tratamiento Repeticion Rendimiento
## <chr> <chr> <chr> <chr> <chr>
## 1 V1 D0 V1_D0 r1 0.89
## 2 V1 D0 V1_D0 r2 0.94
## 3 V1 D0 V1_D0 r3 0.85
## 4 V1 D0 V1_D0 r4 1.12
## 5 V1 D0 V1_D0 r5 1.35
## 6 V1 D0 V1_D0 r6 1.05
## 7 V1 D1 V1_D1 r1 1.78
## 8 V1 D1 V1_D1 r2 2.0
## 9 V1 D1 V1_D1 r3 1.86
## 10 V1 D1 V1_D1 r4 2.3
## # ℹ 14 more rowsTransformación de variables
str(POROTO)## tibble [24 × 5] (S3: tbl_df/tbl/data.frame)
## $ Variedad : chr [1:24] "V1" "V1" "V1" "V1" ...
## $ Insecticida: chr [1:24] "D0" "D0" "D0" "D0" ...
## $ Tratamiento: chr [1:24] "V1_D0" "V1_D0" "V1_D0" "V1_D0" ...
## $ Repeticion : chr [1:24] "r1" "r2" "r3" "r4" ...
## $ Rendimiento: chr [1:24] "0.89" "0.94" "0.85" "1.12" ...# Cambiar las variables a factores
POROTO <- POROTO %>%
mutate(
Variedad = factor(Variedad),
Insecticida = factor(Insecticida),
Tratamiento = factor(Tratamiento),
Rendimiento = as.numeric(Rendimiento))str(POROTO)## tibble [24 × 5] (S3: tbl_df/tbl/data.frame)
## $ Variedad : Factor w/ 2 levels "V1","V2": 1 1 1 1 1 1 1 1 1 1 ...
## $ Insecticida: Factor w/ 2 levels "D0","D1": 1 1 1 1 1 1 2 2 2 2 ...
## $ Tratamiento: Factor w/ 4 levels "V1_D0","V1_D1",..: 1 1 1 1 1 1 2 2 2 2 ...
## $ Repeticion : chr [1:24] "r1" "r2" "r3" "r4" ...
## $ Rendimiento: num [1:24] 0.89 0.94 0.85 1.12 1.35 1.05 1.78 2 1.86 2.3 ...POROTO## # A tibble: 24 × 5
## Variedad Insecticida Tratamiento Repeticion Rendimiento
## <fct> <fct> <fct> <chr> <dbl>
## 1 V1 D0 V1_D0 r1 0.89
## 2 V1 D0 V1_D0 r2 0.94
## 3 V1 D0 V1_D0 r3 0.85
## 4 V1 D0 V1_D0 r4 1.12
## 5 V1 D0 V1_D0 r5 1.35
## 6 V1 D0 V1_D0 r6 1.05
## 7 V1 D1 V1_D1 r1 1.78
## 8 V1 D1 V1_D1 r2 2
## 9 V1 D1 V1_D1 r3 1.86
## 10 V1 D1 V1_D1 r4 2.3
## # ℹ 14 more rows2. Exploración de los datos
ggplot(POROTO, aes(Tratamiento, Rendimiento, fill = Rendimiento)) +
geom_boxplot() +
theme_minimal() +
theme(legend.position = "none")
Medidas resumen
descr(POROTO)## Descriptive Statistics
## POROTO
## N: 24
##
## Rendimiento
## ----------------- -------------
## Mean 1.86
## Std.Dev 0.63
## Min 0.85
## Q1 1.34
## Median 1.90
## Q3 2.45
## Max 2.80
## MAD 0.83
## IQR 1.08
## CV 0.34
## Skewness -0.16
## SE.Skewness 0.47
## Kurtosis -1.35
## N.Valid 24.00
## N 24.00
## Pct.Valid 100.003. Medidas descriptivas por tratamiento
POROTO %>%
group_by(Tratamiento) %>%
descr(Rendimiento)## Descriptive Statistics
## Rendimiento by Tratamiento
## Data Frame: POROTO
## N: 24
##
## V1_D0 V1_D1 V2_D0 V2_D1
## ----------------- -------- -------- -------- --------
## Mean 1.03 2.04 1.74 2.63
## Std.Dev 0.18 0.25 0.32 0.12
## Min 0.85 1.78 1.33 2.50
## Q1 0.89 1.86 1.40 2.50
## Median 1.00 1.96 1.81 2.65
## Q3 1.12 2.30 2.00 2.70
## Max 1.35 2.40 2.10 2.80
## MAD 0.17 0.21 0.35 0.15
## IQR 0.20 0.35 0.48 0.18
## CV 0.18 0.12 0.18 0.05
## Skewness 0.59 0.37 -0.25 0.04
## SE.Skewness 0.85 0.85 0.85 0.85
## Kurtosis -1.33 -1.86 -1.93 -1.88
## N.Valid 6.00 6.00 6.00 6.00
## N 6.00 6.00 6.00 6.00
## Pct.Valid 100.00 100.00 100.00 100.004.Gráfico de interacción
ggplot(POROTO, aes(x = Insecticida, y = Rendimiento, color = Variedad, group = Variedad)) +
stat_summary(fun = mean, geom = "line") +
stat_summary(fun = mean, geom = "point")
###Descripción del gráfico: Según el análisis gráfico no existe interacción entre el factor “Insecticida” y “Variedad”. Para ambas variedades, el rendimiento incrementa con la dosis D1.
B. Análisis de Varianza Factorial (ANOVA)
5. Planteo de Hipótesis
- Interacción Factores “Variedad” x “Insecticida”
H0: (⍺𝜷) = 0 (No hay interacción: el efecto de un factor es independiente del otro)
H1: (⍺𝜷) ≠ 0 (Existe interacción entre ambos factores)
- Efecto del factor Variedad
H0 ⍺ = 0 (La variedad no tiene efecto sobre la media de rendimiento de poroto)
H1 ⍺ ≠ 0 (Al menos una variedad tiene efecto sobre la media de rendimiento de poroto)
- Efecto del factor Insecticida
H0 ⍺ = 0 (La dosis de insecticida no tiene efecto sobre la media de rendimiento de poroto)
H1 ⍺ ≠ 0 (Al menos una dosis de insecticida tiene efecto sobre la media de rendimiento de poroto)
6. Ajuste del modelo factorial
modelo_factorial_poroto <- aov( Rendimiento ~ Variedad + Insecticida + Variedad:Insecticida, data = POROTO)
summary(modelo_factorial_poroto)## Df Sum Sq Mean Sq F value Pr(>F)
## Variedad 1 2.529 2.529 48.018 9.95e-07 ***
## Insecticida 1 5.425 5.425 103.015 2.46e-09 ***
## Variedad:Insecticida 1 0.022 0.022 0.422 0.523
## Residuals 20 1.053 0.053
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 17. Interpretación de la Tabla de ANOVA
Se corrobora lo visto a nivel gráfico: La interacción Variedad × Insecticida no es significativa (p = 0.523), lo que indica que el efecto de la INsecticida sobre el rendimiento de poroto promedio es similar en ambas variedades, y viceversa. En cuanto a los efectos principales, tanto la Variedad (p = 9.95e-07) como el Insecticida (p = 2.46e-09) tienen un efecto significativo sobre del rendimiento de poroto.
C.Verificación de Supuestos del modelo
8, 9 y 10. Normalidad y Homocedasticidad
# Gráfico de diagnóstico
plot(modelo_factorial_poroto, which = 1:2) 
# Prueba de normalidad de Shapiro-Wilk
shapiro.test(modelo_factorial_poroto$residuals)##
## Shapiro-Wilk normality test
##
## data: modelo_factorial_poroto$residuals
## W = 0.97151, p-value = 0.7043# Histograma para residuos
hist(modelo_factorial_poroto$residuals)
#Test de Levene (car)
leveneTest(Rendimiento ~ Variedad * Insecticida, data = POROTO)## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 3 1.2728 0.3107
## 20De acuerdo a los Test de Shapiro- Wilk y Levene, no se rechaza la normalidad de los errores ni la homogeneidad de las varianzas, por lo cual se cumplen ambos supuestos del modelo.
D.Comparación de medias
11. Test de Tukey (HSD)
# Factor "Variedad"
Tukey_var_poroto <- HSD.test(modelo_factorial_poroto, "Variedad")
Tukey_var_poroto## $statistics
## MSerror Df Mean CV MSD
## 0.0526575 20 1.86375 12.31239 0.1954165
##
## $parameters
## test name.t ntr StudentizedRange alpha
## Tukey Variedad 2 2.949998 0.05
##
## $means
## Rendimiento std r se Min Max Q25 Q50 Q75
## V1 1.539167 0.5682582 12 0.06624292 0.85 2.4 1.0225 1.565 1.9475
## V2 2.188333 0.5176667 12 0.06624292 1.33 2.8 1.8425 2.300 2.6250
##
## $comparison
## NULL
##
## $groups
## Rendimiento groups
## V2 2.188333 a
## V1 1.539167 b
##
## attr(,"class")
## [1] "group"plot(Tukey_var_poroto)
# Factor "Insecticida"
Tukey_insec_poroto <- HSD.test(modelo_factorial_poroto, "Insecticida")
Tukey_insec_poroto## $statistics
## MSerror Df Mean CV MSD
## 0.0526575 20 1.86375 12.31239 0.1954165
##
## $parameters
## test name.t ntr StudentizedRange alpha
## Tukey Insecticida 2 2.949998 0.05
##
## $means
## Rendimiento std r se Min Max Q25 Q50 Q75
## D0 1.388333 0.4453157 12 0.06624292 0.85 2.1 1.0225 1.34 1.7875
## D1 2.339167 0.3596073 12 0.06624292 1.78 2.8 1.9825 2.45 2.6250
##
## $comparison
## NULL
##
## $groups
## Rendimiento groups
## D1 2.339167 a
## D0 1.388333 b
##
## attr(,"class")
## [1] "group"plot(Tukey_insec_poroto)
Conclusiones de comparación de medias: resulta significativa la diferencia entre medias, tanto para el factor Variedad como el factor Insecticida.
12.Visualización de medias de tratamientos
ggplot(POROTO, aes(x = Variedad, y = Rendimiento, fill = Insecticida)) +
stat_summary(fun = mean, # calcula la media para cada tratamiento
geom = "bar", # usa barras para mostrar la media de cada
position = position_dodge(width = 0.9)) + # evita que las barras se superpongan
labs(x = "Variedad",
y = "Rendimiento") +
theme_minimal()
E. Conclusiones
Los resultados de análisis gráficos y test estadísticos realizados indican que no hay interacción entre las dosis de insecticida y las variedades en el rendimiento en kg/Ha de poroto. Son significativas las diferencias en rendimiento tanto para el factor Variedad, como el factor Insecticida, por separado.Al respecto, la variedad V2 (Mung) presenta mayores rendimientos promedio que la variedad V1 (Alubia). EN el caso de las dosis de insecticida, D0 (sin insectida) presenta menor rendimiento promedio que D1 (con insecticida en dosis según marbete).