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 contara con el paquete ya instalado, omitir este paso.

install.packages("data.table")

Invocar ahora la biblioteca data.table

library(data.table)

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

SubS<- fread("https://archive.org/download/Amaranto_201810/Amaranto.txt",header=T, sep="\t", dec=",")

Para visualizar el contenido de los primeros seis registros del archivo “SubS” ejecute lo siguiente:

print(head(SubS))

Definición del modelo y análisis de la varianza

Se crea un objeto tipo factor Cultiv con la columna Cult

Cultiv<- factor(SubS$Cult)

Se crea un objeto tipo factor De con la columna Dens

De<- factor(SubS$Dens)

Se crea un objeto tipo factor Nit con la columna Nitro

Nit<- factor(SubS$Nitro)

Se crea un objeto tipo factor BLOQ con la columna Blo

BLOQ<-factor(SubS$Blo)

Se crea un vector de datos Pro con a columna Prot

Pro<-as.vector(SubS$Prot)

Luego el vector Pro se convierte a un vector Pro1 de tipo numérico

Pro1<-as.numeric(Pro)

Se invoca para su uso el paquete “agricolae”

library(agricolae)

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

modelo1<-ssp.plot(BLOQ,Cultiv,De,Nit,Pro1)

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

modelo2 <- aov(Pro1~BLOQ+Cultiv*De*Nit+Error(BLOQ/Cultiv/De))
summary(modelo2)

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

model.tables(modelo2, type="means")

Análisis de varianza para calcular un único residuo

Realiza la verificación de los supuestos del modelo

res1<-aov(Pro1~BLOQ+Cultiv*De*Nit+BLOQ/Cultiv/De)
summary(res1)

Gráfica de predichos contra residuos

plot(res1,1)

Gráfico de QQ plot

plot(res1,2)

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 de Shapiro-wilk para los residuos

shapiro.test(res1$res)

Se crea objetos que contienen el número de grados de libertad de los errores asociado a la parcela grande (Ea), parcela mediana (Eb) y parcela pequeña (EC)

gla<-modelo1$gl.a; glb<-modelo1$gl.b; glc<-modelo1$gl.c

Se crea objetos que contienen el cuadrado medio del error asociado a la parcela grande (Ea), parcela mediana (Eb) y parcela pequeña (EC)

Ea<-modelo1$Ea; Eb<-modelo1$Eb; Ec<-modelo1$Ec

Pruebas de comparación múltiple de medias

Método de la diferencia mínima significativa, Least Significant Difference (LSD)

Prueba de LSD para Cultivares

LSD.test(Pro1,Cultiv,gla,Ea,console=TRUE)

Prueba de LSD para Densidades de siembra

LSD.test(Pro1,De,glb,Eb,console=TRUE)

Prueba de LSD para Dosis de Nitrógeno

LSD.test(Pro1,Nit,glc,Ec,console=TRUE)

Prueba de LSD para triple interacción

LSD.test(Pro1,Cultiv:De:Nit,glc,Ec,console=TRUE)

Para borrar todos los objetos del Script, ejecute lo siguiente:

rm(list=ls())

Regresar a la página principal de Scripts