########## Propabilidad de que la suma de dos dados sea igual a 7##########
n.caras=6;n.lz=seq(0,5000,100) #Se definen el número de caras y el numero de simulaciones
Cara1 <- Cara2 <- Suma <- sum7 <- A <- PA <- c() #Se generan los distintos vectores vacios que serán usados en la siulación
for (i in 1:length(n.lz)) { # Se crea un promer bucle que se encarga de recorrer las posiciones los distintos elementos de n.lz
for (j in 1:n.lz[i]) { #se crea un segundo bucle que se encarga de hacer el numero de simulaciones segun el numero en la posición i en el vector n.lz
Cara1[j] <- sample(1:n.caras,1,replace=T) #Se toma una muestra del 1 al 6 y se almacena en la posicion j
Cara2[j] <- sample(1:n.caras,1,replace=T) #Se toma una muestra del 1 al 6 y se almacena en la posicion j
Suma[j] <- Cara1[j]+Cara2[j] #se realiza la suma de las anteriores muestras y se almacenan en otro vector en la posición j
sum7[j] <- Suma[j]==7 #Se realiza una operacion logica en la que se los valores de las sumas sea igual a 7 alamcenandolos como 1=True y 0=False
A[i] <- sum(sum7) #Se suman el numero de 1 obetenidos con la operacion anterior y son alamacenados en un vector en la posicion i
PA[i] <- A[i]/n.lz[i] # se calcula la frecuencia relativa de las sumas que dan como resultado 7, y son almacenados en un vector en la posicion i
}
}
Tabla <- data.frame("No de lanzamientos"=n.lz,A,"probabilidad de que sumen 7"=PA); Tabla #se crea un data frame donde se relaciona la frecuencia absoluta y relativa de que la suma de los dados se igual a 7 Segun el numero de lanzamientos
## No.de.lanzamientos A probabilidad.de.que.sumen.7
## 1 0 0 NaN
## 2 100 20 0.2000000
## 3 200 31 0.1550000
## 4 300 52 0.1733333
## 5 400 76 0.1900000
## 6 500 79 0.1580000
## 7 600 100 0.1666667
## 8 700 125 0.1785714
## 9 800 150 0.1875000
## 10 900 134 0.1488889
## 11 1000 176 0.1760000
## 12 1100 185 0.1681818
## 13 1200 196 0.1633333
## 14 1300 203 0.1561538
## 15 1400 206 0.1471429
## 16 1500 284 0.1893333
## 17 1600 270 0.1687500
## 18 1700 275 0.1617647
## 19 1800 326 0.1811111
## 20 1900 316 0.1663158
## 21 2000 350 0.1750000
## 22 2100 327 0.1557143
## 23 2200 334 0.1518182
## 24 2300 401 0.1743478
## 25 2400 408 0.1700000
## 26 2500 448 0.1792000
## 27 2600 449 0.1726923
## 28 2700 425 0.1574074
## 29 2800 466 0.1664286
## 30 2900 515 0.1775862
## 31 3000 495 0.1650000
## 32 3100 551 0.1777419
## 33 3200 539 0.1684375
## 34 3300 552 0.1672727
## 35 3400 604 0.1776471
## 36 3500 562 0.1605714
## 37 3600 573 0.1591667
## 38 3700 626 0.1691892
## 39 3800 660 0.1736842
## 40 3900 630 0.1615385
## 41 4000 652 0.1630000
## 42 4100 698 0.1702439
## 43 4200 670 0.1595238
## 44 4300 730 0.1697674
## 45 4400 698 0.1586364
## 46 4500 733 0.1628889
## 47 4600 771 0.1676087
## 48 4700 752 0.1600000
## 49 4800 810 0.1687500
## 50 4900 832 0.1697959
## 51 5000 850 0.1700000
plot(n.lz,PA,ylim = c(0.13,0.21), # se crea un grafico donde se relaciona la frecuencia relativa en funcion del numero de lanzamientos
main ="Frecuencia de que dos dados sumen \n 7 según el numero de lanzamientos", #Se estavblece el titulo del grafico
pch=5, cex=0.5, col="Blue", # se seleciona el tipo, tamaño y color de los puntos
xlab = "Número de lanzamientos",ylab = "Freq relativa de que la suma sea 7") #Se establecen los nombres de los ejes y los limites del eje y
abline(h=c(1/6,5/36,7/36), col=c("darkorange", "lightblue","lightblue")) #se utiliza la funcion abline para trazar las lineas que muestran la probabilidad de que la suma de dos dados sea igual a 7 y un rango de 1/36
grid(12) # se define una grilla en la grafica
########## Aleatorización fichas de scrabble de 2 a 4 jugadores ###########
Fichas <- function(Jugadores=2){ #Se define la función y la variable, dejandola con el valor por defecto igual a 2
A <- rep("A",12); E <- rep("E",12); O <- rep("O",9) #Se genera el número de repeticiones por letra
I <- rep("I",6); S <- rep("S",6); N <- rep("N",5)
L <- rep("L",4); R <- rep("R",5); U <- rep("U",5)
T <- rep("T",4); D <- rep("D",5); G <- rep("G",2)
C <- rep("C",4); B <- rep("B",2); M <- rep("M",2)
P <- rep("P",2); H <- rep("H",2); F <- c("F")
V <- c("V"); Y <- c("Y"); CH <- c("CH"); Q <- c("Q")
J <- c("J"); LL <- c("LL"); Ñ <- c("Ñ"); RR <- c("RR")
X <- c("X"); Z <- c("Z"); bl <- c("Comodin","Comodin") #Se generan dos comodines
Bolsa <- c(A, E, O, I, S, N, L, R, U, T, D, G, C, B, M , P, H, F, V, Y, #Se juntan todas las letras dentro de un vector "bolsa"
CH, Q, J, LL, Ñ, RR, X, Z,bl)
if(Jugadores==2){ #Se establece una condición donde se define el número de jugadores cuando es igual a 2
N1 = sample(1:100,7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 100 (Número total de fichas)
J1 = Bolsa[N1] #Se extraen las letras correspondientes a las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa2 = Bolsa[-N1] #Se eliminan las letras de las posiciones ya seleccionadas correspondientess al jugador 1
N2 = sample(1:length(Bolsa2),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 93 (Número resultante de fichas luego de la primera extracción)
J2 = Bolsa2[N2] #Se extraen las letras de las posiciones de las muestra aleatoria anteriormente seleccionadas
BolsaFinal <<- Bolsa2[-N2] #Se almacenan en una variable global las letras sobrantes luego de la estracción del segundo Jugador.
return(list("Jugador 1" = J1,"Jugador 2" = J2)) #Se define la salida de la función donde se muestran las fichas correspondientess a cada jugador.
} else{ #Si no se cumple con la condición anterior se define la siguiente condición
if(Jugadores==3){ #Se establece la siguiente condición donde se define el número de jugadores cuando es igual a 3
N1 = sample(1:100,7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 100 (Número total de fichas)
J1 = Bolsa[N1] #Se extraen las letras correspondientes a las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa2 = Bolsa[-N1] #Se eliminan las letras correspondientess a las posiciones ya seleccionadas correspondientess al jugador 1
N2 = sample(1:length(Bolsa2),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 93 (Número resultante de fichas luego de la primera extracción)
J2 = Bolsa2[N2] #Se extraen las letras de las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa3 = Bolsa2[-N2] #Se eliminan las letras correspondientess a las posiciones ya seleccionadas correspondiente al jugador 2
N3 = sample(1:length(Bolsa3),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 86 (Número resultante de fichas luego de la segunda extracción)
J3 = Bolsa3[N3] #Se extraen las letras de las posiciones de las muestra aleatoria anteriormente seleccionadas
BolsaFinal <<- Bolsa3[-N3] #Se almacenan en una variable global las letras sobrantes luego de la estracción del tercer Jugador.
return(list("Jugador 1" = J1,"Jugador 2" = J2,"Jugador 3" = J3)) #Se define la salida de la función donde se muestran las fichas correspondientes a cada jugador.
} else{ #Si no se cumple con la condición anterior se define la siguiente condición
if (Jugadores==4){ #Se establece la siguiente condición donde se define el número de jugadores cuando es igual a 4
N1 = sample(1:100,7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 100 (Número total de fichas)
J1 = Bolsa[N1] #Se extraen las letras correspondientes a las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa2 = Bolsa[-N1] #Se eliminan las letras de las posiciones ya seleccionadas correspondientes al jugador 1
N2 = sample(1:length(Bolsa2),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 93 (Número resultante de fichas luego de la primera extracción)
J2 = Bolsa2[N2] #Se extraen las letras correspondientes a las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa3 = Bolsa2[-N2] #Se eliminan las letras de las posiciones ya seleccionadas correspondiente al jugador 2
N3 = sample(1:length(Bolsa3),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 86 (Número resultante de fichas luego de la segunda extracción)
J3 = Bolsa3[N3] #Se extraen las letras de las posiciones de las muestra aleatoria anteriormente seleccionadas
Bolsa4 = Bolsa3[-N3] #Se eliminan las letras de las posiciones ya seleccionadas correspondiente al jugador 3
N4 = sample(1:length(Bolsa4),7) #Se realiza la extracción de una muestra aleatoria de 7 números del 1 al 79 (Número resultante de fichas luego de la tercera extracción)
J4 = Bolsa4[N4] #Se extraen las letras de las posiciones de las muestra aleatoria anteriormente seleccionadas
BolsaFinal <<- Bolsa4[-N4] #Se almacenan en una variable global las letras sobrantes luego de la estracción del cuarto Jugador.
return(list("Jugador 1" = J1,"Jugador 2" = J2,"Jugador 3" = J3,"Jugador 4" = J4)) #Se define la salida de la función donde se muestran las fichas correspondientes a cada jugador.
} else{
return("número invalido de jugadores") #Si no se cumple con ninguna de las condiciones anteriores se define una salida que diga que no es posible realizar la repartición de las fichas.
}
}
}
}
Fichas(1)
## [1] "número invalido de jugadores"
Fichas(2)
## $`Jugador 1`
## [1] "N" "I" "M" "A" "S" "E" "N"
##
## $`Jugador 2`
## [1] "F" "A" "Y" "E" "O" "E" "R"
Fichas(3)
## $`Jugador 1`
## [1] "C" "F" "E" "I" "R" "U" "L"
##
## $`Jugador 2`
## [1] "O" "A" "U" "E" "T" "U" "D"
##
## $`Jugador 3`
## [1] "S" "E" "A" "E" "R" "O" "L"
Fichas(4)
## $`Jugador 1`
## [1] "D" "A" "N" "S" "U" "Q" "U"
##
## $`Jugador 2`
## [1] "N" "D" "T" "C" "A" "Comodin" "O"
##
## $`Jugador 3`
## [1] "D" "E" "O" "B" "I" "CH" "S"
##
## $`Jugador 4`
## [1] "I" "A" "S" "L" "C" "C" "A"
Fichas(5)
## [1] "número invalido de jugadores"
###### cálculo del volumen de una esfera por aproximación motecarlo #######
library( rgl ) #Se realiza la llamada de libreria que permite la graficación en tercera dimensión con la función plot3d() y play3d()
library(scatterplot3d) #Se llama la libreria que se encarga de de la función scatterplot3d
n <- 200000 #Se define el número de veces que se realiza la aleatorizacion de los puntos
x <- runif(n) #se almacenan datos de forma aleatoria en x
y <- runif(n) #se almacenan datos de forma aleatoria en y
z <- runif(n) #se almacenan datos de forma aleatoria en z
D <- (x**2+y**2+z**2<1) #se almacenan los puntos que cumplan la condición en función de la ecuación de la esfera
X <- x[D==T];Y <- y[D==T];Z <- z[D==T] #Se seleccionan los datos que cumplen la condicion D
##Nota: estas funciones ejecuta un grafico 3D que permite interactuar con él (ejecutar en R).
plot3d(X,Y,Z, col = "green", type = "s", radius = .008) #Se grafican en un plot 3D los puntos aleatorios con una condicion que cumple con la condicion en D y el tamaño de los puntos, en este caso se esta graficando un octavo de esfera
play3d( spin3d(), duration = 10 ) #Esta función permite que que el grafico anterior gire.
##Nota: esta función ejecuta un grafico 3D
#las siguientes graficas permiten ver los puntos que cumplen la condición D, desde distintos puntos de vista
scatterplot3d(X,Y,Z,color = "darkgreen", pch = 20,grid = T,main = "Octavo de esfera No.1",cex.symbols = 0.5)
scatterplot3d(X,Y,Z,color = "darkgreen", pch = 20,grid = T,main = "Octavo de esfera No.2",cex.symbols = 0.5,angle = 10)
scatterplot3d(X,Y,Z,color = "darkgreen", pch = 20,grid = T,main = "Octavo de esfera No.3",cex.symbols = 0.5, angle = 120)
scatterplot3d(X,Y,Z,color = "darkgreen", pch = 20,grid = T,main = "Octavo de esfera No.4",cex.symbols = 0.5,angle = 300)
V.sec.esf <- sum(D);V.sec.esf #suma el número de puntos que cumplen con la condición dada en D
## [1] 104660
V.cuart.esf <- pi*4/3/8;V.cuart.esf #Se calcula el volumen de un octavo de esfera de radio 1
## [1] 0.5235988
V.cuart.esf <- V.sec.esf/n;V.cuart.esf #Se calcula la fracción de puntos que estan dentro de la efera con repecto a un cubo de lado 1
## [1] 0.5233
###### cálculo del AUDPS para tres daños #######
library(lattice) #Se llama la libreria necesaria para realizar los graficos de dispersión con xyplot
dia <- seq(0,120, by = 15) # Se generan los dias correspondientes a la toma de muestra del daño causado en los cultivos
Dias <- rep(dia, each = 3) # Se generan la secuencia de dias para ser asignados a las repeticiones de la toma de las muestras
area.afectada1 <- sort(runif(length(Dias),0,.95)) #se generan los datos de los daños del cultivo 1 aleatoriamente con el numero de onservaciones tomadas especificando el minimo y su maximo, Los cuales son organizados con la función sort de menor a mayor
area.afectada2 <- sort(runif(length(Dias),0,.90)) #se generan los datos de los daños del cultivo 2 aleatoriamente con el numero de onservaciones tomadas especificando el minimo y su maximo, Los cuales son organizados con la función sort de menor a mayor
area.afectada3 <- sort(runif(length(Dias),0,.65)) #se generan los datos de los daños del cultivo 3 aleatoriamente con el numero de onservaciones tomadas especificando el minimo y su maximo, Los cuales son organizados con la función sort de menor a mayor
Cult <- c(rep("Cultivo 1",length(area.afectada1)),rep("Cultivo 2",length(area.afectada2)),rep("Cultivo 3",length(area.afectada3))) #Se generan las marcas correspondientes a los cultivos medidos, para especificar el origen de los datos tomados
Daño <- c(area.afectada1,area.afectada2,area.afectada3) # se almacenan los datos de daños anteriormente generados en un vector
dft <- data.frame(Dias,Daño,Cult) ; dft #se crea y almacena un data frame donde se organizan los datos
## Dias Daño Cult
## 1 0 0.012079481 Cultivo 1
## 2 0 0.057293701 Cultivo 1
## 3 0 0.086887723 Cultivo 1
## 4 15 0.155663438 Cultivo 1
## 5 15 0.176094240 Cultivo 1
## 6 15 0.183315233 Cultivo 1
## 7 30 0.201104153 Cultivo 1
## 8 30 0.256626279 Cultivo 1
## 9 30 0.277459476 Cultivo 1
## 10 45 0.278101449 Cultivo 1
## 11 45 0.304800776 Cultivo 1
## 12 45 0.323782655 Cultivo 1
## 13 60 0.361608161 Cultivo 1
## 14 60 0.391584204 Cultivo 1
## 15 60 0.561431489 Cultivo 1
## 16 75 0.602540474 Cultivo 1
## 17 75 0.616521082 Cultivo 1
## 18 75 0.722557612 Cultivo 1
## 19 90 0.770763447 Cultivo 1
## 20 90 0.781962154 Cultivo 1
## 21 90 0.788553112 Cultivo 1
## 22 105 0.821095635 Cultivo 1
## 23 105 0.846116746 Cultivo 1
## 24 105 0.856888414 Cultivo 1
## 25 120 0.859192028 Cultivo 1
## 26 120 0.870512276 Cultivo 1
## 27 120 0.878249814 Cultivo 1
## 28 0 0.026171911 Cultivo 2
## 29 0 0.066008047 Cultivo 2
## 30 0 0.093785777 Cultivo 2
## 31 15 0.160543359 Cultivo 2
## 32 15 0.183095845 Cultivo 2
## 33 15 0.226700998 Cultivo 2
## 34 30 0.243158821 Cultivo 2
## 35 30 0.246897490 Cultivo 2
## 36 30 0.271758184 Cultivo 2
## 37 45 0.273170264 Cultivo 2
## 38 45 0.313559169 Cultivo 2
## 39 45 0.378720946 Cultivo 2
## 40 60 0.421760067 Cultivo 2
## 41 60 0.434269265 Cultivo 2
## 42 60 0.454753312 Cultivo 2
## 43 75 0.575031590 Cultivo 2
## 44 75 0.588697894 Cultivo 2
## 45 75 0.725237133 Cultivo 2
## 46 90 0.734667657 Cultivo 2
## 47 90 0.740073388 Cultivo 2
## 48 90 0.748957724 Cultivo 2
## 49 105 0.758340387 Cultivo 2
## 50 105 0.776699004 Cultivo 2
## 51 105 0.790708332 Cultivo 2
## 52 120 0.800747016 Cultivo 2
## 53 120 0.849995398 Cultivo 2
## 54 120 0.860001798 Cultivo 2
## 55 0 0.001444042 Cultivo 3
## 56 0 0.021552671 Cultivo 3
## 57 0 0.023312789 Cultivo 3
## 58 15 0.074508856 Cultivo 3
## 59 15 0.080113572 Cultivo 3
## 60 15 0.090793431 Cultivo 3
## 61 30 0.119568731 Cultivo 3
## 62 30 0.130556245 Cultivo 3
## 63 30 0.209934738 Cultivo 3
## 64 45 0.213853611 Cultivo 3
## 65 45 0.228220277 Cultivo 3
## 66 45 0.260268814 Cultivo 3
## 67 60 0.262061754 Cultivo 3
## 68 60 0.300823157 Cultivo 3
## 69 60 0.344663234 Cultivo 3
## 70 75 0.372420164 Cultivo 3
## 71 75 0.414076620 Cultivo 3
## 72 75 0.424522766 Cultivo 3
## 73 90 0.445448497 Cultivo 3
## 74 90 0.476802154 Cultivo 3
## 75 90 0.539319589 Cultivo 3
## 76 105 0.612116629 Cultivo 3
## 77 105 0.615675676 Cultivo 3
## 78 105 0.625034304 Cultivo 3
## 79 120 0.632487216 Cultivo 3
## 80 120 0.633235669 Cultivo 3
## 81 120 0.637034319 Cultivo 3
media1 <- tapply(area.afectada1,Dias,mean) #Se cacula la media de las 3 mediciones de daño tomadas en el cultivo 1 en un dia determinado
media2 <- tapply(area.afectada2,Dias,mean) #Se cacula la media de las 3 mediciones de daño tomadas en el cultivo 2 en un dia determinado
media3 <- tapply(area.afectada3,Dias,mean) #Se cacula la media de las 3 mediciones de daño tomadas en el cultivo 3 en un dia determinado
AUDPS1 <- { #Se realiza el cálculo del AUDPS absoluto del cultivo 1 por medio de la suma de las areas de trapecios bajo la curva
BM1 <- media1[2:length(media1)];Bm1 <- media1[1:length(media1)-1] # se definen y almacenan los datos correspondientes a las bases de los trapecios
A <- (Bm1+BM1)*15/2 #Se cacula el area correspondiente a cada intervalo de tiempo en los que se ralizó la toma de muestra
At <- round(sum(A),2) #Se realiza la suma de las areas bajo la curva calculada anteriormente
}
AUDPS2 <- { #Se realiza el cálculo del AUDPS absoluto del cultivo 1 por medio de la suma de las areas de trapecios bajo la curva
BM2 <- media2[2:length(media2)];Bm2<- media2[1:length(media2)-1] # se definen y almacenan los datos correspondientes a las bases de los trapecios
A <- (Bm2+BM2)*15/2 #Se cacula el area correspondiente a cada intervalo de tiempo en los que se ralizó la toma de muestra
At <- round(sum(A),3) #Se realiza la suma de las areas bajo la curva calculada anteriormente
}
AUDPS3 <- { #Se realiza el cálculo del AUDPS absoluto del cultivo 1 por medio de la suma de las areas de trapecios bajo la curva
BM3 <- media3[2:length(media3)];Bm3<- media3[1:length(media3)-1] # se definen y almacenan los datos correspondientes a las bases de los trapecios
A <- (Bm3+BM3)*15/2 #Se cacula el area correspondiente a cada intervalo de tiempo en los que se ralizó la toma de muestra
At <- round(sum(A),3) #Se realiza la suma de las areas bajo la curva calculada anteriormente
}
AUDPS1;AUDPS2;AUDPS3 #Se visualiza en la consola los resultados de los AUDPS absolutos calculados anteriormente
## [1] 58.3
## [1] 56.976
## [1] 39.077
AUDPSR1 <- round(AUDPS1/120,2);AUDPSR2 <- round(AUDPS2/120,2);AUDPSR3 <- round(AUDPS3/120,2) #Se obtienen y almacenan los AUDPS relativos al calcular la proporcion del area bajo la curva con respeto al area total (120)
##Se realiza un grafico donde se muestran los daños de los tres cultivos dentro de un mismo plano cartesiano
xyplot(Daño~Dias,dft,grid=T,group=Cult, col=c("Red","Blue","darkgreen"), #se realiza el gráfico usando la función xyplot definiendo que los datos de daños deben ser graficados en funcion del dia de la toma de muestras y que estos datos se encuentran en dft, tambien se define que estos datos sean agrupado segun el cultivo, el color que le corresponde a cada uno.
type=c("p","smooth"), main="Daño cuasado por una enfermedad en \n 3 cultivos distintos", #Se define la forma en la que los datos deben ser graficados, en este caso se grafican los puntos y la linea que une las medias de los datos según el dia y el cultivo. Se estavlece el titulo del grafico. Nota: el comando \n permite escribir un texto en otra linea
key=list(space="right", lines=list(col=c("red","blue","darkgreen")),text=list(c("Cultivo 1","Cultivo 2","Cultivo 3")),cex=0.8), #Se establece la posicion de la leyenda y se definen las convenciones del gráfico
xlab= list("Tiempo (dias)",cex=0.85), xlim=c(-5,125), # Se establece el nombre y tamaño del del eje x
ylab= list("Daño",cex=0.85),ylim=c(-0.05,1.05),# Se establece el nombre y tamaño del del eje y
sub=list(paste("ADUPS Cultivo 1: Absoluto= ",AUDPS1," Relativo= ",AUDPSR1, #se genera un texto donde se muestre cuales son los valores de los AUDPS absoluto y relativo de cada cultivo. En este caso se unen los textos por medio de la función paste
"\nAUDPS Cultivo 2: Absoluto= ",AUDPS2," Relativo= ",AUDPSR2,
"\nAUDPS Cultivo 3: Absoluto= ", AUDPS3," Relativo= ",AUDPSR3,sep=""),cex=0.8))
##Se realiza un grafico donde se muestran los daños de los tres cultivos en distintos planos cartesianos
xyplot(Daño~Dias|Cult, dft, grid=T,group=Cult,col=c("Red","Blue","darkgreen"),#se realiza el gráfico usando la función xyplot definiendo que los datos de daños deben ser graficados en funcion del dia de la toma de muestras y que estos datos se encuentran en dft, tambien se define que estos datos sean agrupado segun el cultivo y el color que le corresponde a cada uno.
type=c("p","smooth"), main="Daño cuasado por una enfermedad en \n 3 cultivos distintos",#Se define la forma en la que los datos deben ser graficados, en este caso se grafican los puntos y la linea que une las medias de los datos según el dia y el cultivo. Se estavlece el titulo del grafico. Nota: el comando \n permite escribir un texto en otra linea
xlab= list("Tiempo (dias)",cex=0.85), xlim=c(-5,125),# Se establece el nombre y tamaño del del eje x
ylab= list("Daño",cex=0.85),ylim=c(-0.05,1.05),# Se establece el nombre y tamaño del del eje y
sub=list(paste("ADUPS Cultivo 1: Absoluto= ",AUDPS1," Relativo= ",AUDPSR1, #se genera un texto donde se muestre cuales son los valores de los AUDPS absoluto y relativo de cada cultivo. En este caso se unen los textos por medio de la función paste
"\nAUDPS Cultivo 2: Absoluto= ",AUDPS2," Relativo= ",AUDPSR2,
"\nAUDPS Cultivo 3: Absoluto= ", AUDPS3," Relativo= ",AUDPSR3,sep=""),cex=0.8))
