2017_panel materiales_alginato

Los paquetes para el analisis

library("tidyverse")
library("ggthemes")
library("ggplot2")
library("nortest")

Abro el df

df <- read.csv("panel_alginato3.csv", header = TRUE, sep=",")
str(df)

'data.frame':   16 obs. of  4 variables:
 $ MARCA                                   : Factor w/ 4 levels "Alginor","Jeltrate",..: 1 1 1 1 2 2 2 2 4 4 ...
 $ Control..horas.                         : Factor w/ 4 levels "C1","C2","C3",..: 1 2 3 4 1 2 3 4 1 2 ...
 $ Diametro.pilar.promedio.entre.ambos.mm  : num  4.57 4.59 4.57 4.58 4.54 ...
 $ Distancia.entre.los.pilares.por.fuera.mm: num  20 19.6 19.6 19.8 19.7 ...

Calculos promedio y sd segun marca, estadistica descriptiva

df %>% 
  group_by(MARCA) %>% 
  summarise(n = n(), 
            "Promedio(Diametro pilar)" = mean(Diametro.pilar.promedio.entre.ambos.mm), 
            "SD(Diametro pilar)" = sd(Diametro.pilar.promedio.entre.ambos.mm) ,
            "Promedio(Distancia entre pilares)" = mean(Distancia.entre.los.pilares.por.fuera.mm), 
            "SD(Distancia entre pilares)" = sd(Distancia.entre.los.pilares.por.fuera.mm))

Calculos promedio y sd segun controles, estadistica descriptiva (incluyo todas las marcas en una sola variable, no lo separo por cada una)

df %>% 
  group_by(Control..horas.) %>% 
  summarise(n = n(), 
            "Promedio(Diametro pilar)" = mean(Diametro.pilar.promedio.entre.ambos.mm), 
            "SD(Diametro pilar)" = sd(Diametro.pilar.promedio.entre.ambos.mm) ,
            "Promedio(Distancia entre pilares)" = mean(Distancia.entre.los.pilares.por.fuera.mm), 
            "SD(Distancia entre pilares)" = sd(Distancia.entre.los.pilares.por.fuera.mm))

Grafico para marca y diametro pilar

df %>% 
  ggplot(aes(x=MARCA, y=Diametro.pilar.promedio.entre.ambos.mm)) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Marca alginato") + 
  ylab("Diametro del pilar") + 
  ggtitle("Diametro del pilar segun marca de alginato") + 
  theme_economist() 

Grafico para marca y distancia entre los pilares

df %>% 
  ggplot(aes(x=MARCA, y=Distancia.entre.los.pilares.por.fuera.mm)) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Marca alginato") + 
  ylab("Distancia entre los pilares") + 
  ggtitle("Distancia entre los pilares segun marca de alginato") + 
  theme_economist() 

Grafico por controles (C1:0,5 h, C2:24h, C3:72h, C4:96h) para diametro del pilar

df %>% 
  ggplot(aes(x=Control..horas., y=Diametro.pilar.promedio.entre.ambos.mm)) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Controles (horas)") + 
  ylab("Diametro del pilar") + 
  ggtitle("Diametro de los pilares segun control (horas)") + 
  theme_economist() 

Grafico por controles (C1:0,5 h, C2:24h, C3:72h, C4:96h)

df %>% 
  ggplot(aes(x=Control..horas., y=Distancia.entre.los.pilares.por.fuera.mm)) +
  geom_boxplot() +
  geom_jitter() +
  xlab("Controles (horas)") + 
  ylab("Distancia entre los pilares") + 
  ggtitle("Distancia entre los pilares segun control (horas)") + 
  theme_economist() 

Ahora analizo mis datos segun marcas..existe diferencia significativas entre marcas y diametro del pilar???

aov1 <- aov(df$Diametro.pilar.promedio.entre.ambos.mm~df$MARCA)
summary(aov1)

            Df Sum Sq Mean Sq F value  Pr(>F)    
df$MARCA     3  0.015 0.00499      15 0.00023 ***
Residuals   12  0.004 0.00033                    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Ahora que existe diferencias significativas….entre que marcas encuentro la diferencia ???

TukeyHSD(aov1)

  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = df$Diametro.pilar.promedio.entre.ambos.mm ~ df$MARCA)

$`df$MARCA`
                              diff       lwr        upr   p adj
Jeltrate-Alginor          -0.04600 -0.084322 -0.0076776 0.01770
Modelo maestro-Alginor    -0.04900 -0.087322 -0.0106776 0.01179
Plastalgin-Alginor        -0.08625 -0.124572 -0.0479276 0.00012
Modelo maestro-Jeltrate   -0.00300 -0.041322  0.0353224 0.99533
Plastalgin-Jeltrate       -0.04025 -0.078572 -0.0019276 0.03860
Plastalgin-Modelo maestro -0.03725 -0.075572  0.0010724 0.05769

Ahora lo mismo segun marcas con distancia entre los pilares

aov2 <- aov(df$Distancia.entre.los.pilares.por.fuera.mm~df$MARCA)
summary(aov2) #No existe diferencia significativa

            Df Sum Sq Mean Sq F value Pr(>F)
df$MARCA     3  0.093  0.0311    0.88   0.48
Residuals   12  0.424  0.0353               

Ahora, hago el ANOVA segun los controles para diametro del pilar

aov3 <- aov(df$Diametro.pilar.promedio.entre.ambos.mm~df$Control..horas.)
summary(aov3) #No existe diferencia entre controles y diametro del pilar

                   Df  Sum Sq  Mean Sq F value Pr(>F)
df$Control..horas.  3 0.00067 0.000222    0.15   0.93
Residuals          12 0.01831 0.001526               

Ahora, hago el ANOVA segun los controles para distancia entre los pilares

summary(aov4) #No existe diferencia entre controles y distancia entre los pilares

                   Df Sum Sq Mean Sq F value Pr(>F)
df$Control..horas.  3  0.052  0.0175    0.45   0.72
Residuals          12  0.465  0.0387