Diseño y Análisis de Experimentos usando Lenguaje R y R Studio

Para iniciar se instalará el paquete de importación “data.table”. En este caso resulta útil para importar un archivo en formato “txt”. En caso se contará con el paquete ya instalado, omitir ese paso.

install.packages("data.table")

Invocar ahora la biblioteca data.table

library(data.table)

Importe el archivo “Jengibre.txt” desde una ubicación en Internet y cree el objeto “Psub” de la siguiente manera:

PSub<- fread("https://archive.org/download/Gengibre/Gengibre.txt",header=T, sep="\t", dec=",")

Para visualizar el contenido de los primeros seis registros del archivo “PSub” ejecute:

print(head(PSub))

Definición del modelo y análisis de la varianza

Se crea un objeto tipo factor FG con la columna Gal

FG<- factor(PSub$Gal)

Se crea un objeto tipo factor FU con la columna Urea

FU<- factor(PSub$Urea)

Se crea un objeto tipo factor BLO con la columna Bloque

BLO<-factor(PSub$Bloque)

Se crea un vector de datos Pes con la columna Peso

Pes<-as.vector(PSub$Peso)

Luego el vector Pes se convierte a un vector Pes1 de tipo numérico

Pes1<-as.numeric(Pes)

Diagrama de Interacción Para visualizar la interacción entre los efectos de dos factores (Gallinaza y Urea)

interaction.plot( FG,FU,Pes1, fixed=T, xlab="Dosis de gallinaza", ylab="Rendimiento", type = c("b"), trace.label="Dosis Urea")

Análisis de varianza usando la función (aov) Analysis of Variance

mpd <- aov(Pes1~BLO+FG+FU+FG*FU+Error(BLO/FG))

summary(mpd)

Se genera una tabla de resultados de medias de la variable respuesta para cada combinación de niveles de los factores

model.tables(mpd, type="means")

Se invoca para su uso el paquete “agricolae”

library(agricolae)

Análisis de varianza usando la función (sp.plot) Split-Plot

modelo1<-sp.plot(BLO,FG,FU,Pes1)

Análisis de varianza para calcular un único residuo

Se realiza para la verificación de los supuestos del modelo

resg1<-aov(Pes1~BLO+FG*FU+BLO/FG)

summary(resg1)

Gráfica de predichos contra residuos

plot(resg1,1)

Gráfico de QQ plot

plot(resg1,2)

Evaluación de los Supuestos del modelo estadístico matemático

Prueba de normalidad Shapiro-Wilk

Hipótesis

Ho: Los residuos siguen la distribución normal

Ha: Los residuos no siguen la distribución normal

Prueba de normalidad Shapiro-wilk para los residuos

shapiro.test(resg1$res)

Prueba de homocedasticidad (homogeneidad de las varianzas)

Prueba de Bartlett

Para niveles de gallinaza, colocados en las parcelas grandes

bartlett.test(resg1$res, FG)

Dosis de Urea, colocadas en las parcelas pequeñas

bartlett.test(resg1$res, FU)

Interacción Niveles de gallinaza y Dosis de Urea

bartlett.test(resg1$res, FG:FU)

Pruebas de comparación múltiple de medias

Prueba de Tukey