Práctico 2 Análisis exploratorio y el primer anova

EducacionChileResumen <- group_by(EducacionChile, Administration) %>% summarise(PromedioPSU = mean(Average.PSU), SD.PSU = sd(Average.PSU), N = n())

¿Qué podemos decir de estos datos?

• Primero usamos la función ggplot para determinar la base de datos y variables, las variables siempre van dentro de la función aes

ggplot(MiBaseDeDatos, aes(x = VariableX, y = VariableY)) 

• Luego agregamos el tipo de gráfico que queremos para nuestra figura usando el + como pipeline

ggplot(MiBaseDeDatos, aes(x = VariableX, y = VariableY)) + geom_boxplot()

Co2 <- read_csv("Co2.csv") %>% group_by(Treatment) %>% summarise(PromedioCO2 = mean(uptake), SD.CO2 = sd(uptake), N = n())

Co2Real <- read_csv("Co2.csv") %>% group_by(Plant, Type, Treatment, ) %>% summarise(PromedioCO2 = mean(uptake))

Co2Resumen <- Co2Real %>% group_by(Treatment) %>% summarise(SD.CO2 = sd(PromedioCO2), PromedioCO2 = mean(PromedioCO2), N = n())

Co2Resumen <- Co2Real %>% group_by(Treatment, Type) %>% summarise(SD.CO2 = sd(PromedioCO2), PromedioCO2 = mean(PromedioCO2), N = n())

• Funcion aov(y ~ x, data = MisDatos)
• Esto se debe leer como y explicado por x. (seimpre leer ~ explicado por)

Primer.Anova <- aov(PromedioCO2 ~ Treatment, data = Co2Real)
summary(Primer.Anova)

            Df Sum Sq Mean Sq F value Pr(>F)
Treatment    1  141.2  141.16   2.551  0.141
Residuals   10  553.4   55.34               

Primer.Anova <- aov(PromedioCO2 ~ Treatment + Type, data = Co2Real)
summary(Primer.Anova)

            Df Sum Sq Mean Sq F value   Pr(>F)    
Treatment    1  141.2   141.2   17.49  0.00237 ** 
Type         1  480.8   480.8   59.56 2.95e-05 ***
Residuals    9   72.7     8.1                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1