Experimento en franjas con 4 bloques y 3 factores (sistema, yeso, fertilización). La aleatorización de los tratamientos fue en franjas, siendo los 2*2=4 niveles de sistema;yeso en el sentido vertical y los 5 niveles de fertilización en el sentido horizontal, en el cultivo del maíz.

sis: plantación convencional; plantación directa

yes: sin yeso; con 2 ton/ha de yeso

dos: dosis de npk (30, 60, 90, 120 e 150 kg/ha)

prod: productividad

cem: peso de 100 semillas

alt: altura de plantas.

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

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

Para visualizar de manera compacta la estructura del archivo “fai” ejecute:

str(fai)

Para visualizar los nombres de las columnas el archivo “fai” ejecute:

names(fai) <- tolower(names(fai));names(fai)

Gráficas de interacción

Para realizar los gráficos, se invoca el paquete “lattice”

library(lattice)

Gráfica de Productividad y Dosis NKP en dos Sistemas de Plantación

xyplot(prod~dos|sis, groups=yes, data=fai, type=c("p","a"))

Gráfica de Peso de Semilla y Dosis NKP en dos Sistemas de Plantación

xyplot(cem~dos|sis, groups=yes, data=fai, type=c("p","a"))

Gráfica de Altura de plantas y Dosis NKP en dos Sistemas de Plantación

xyplot(alt~dos|sis, groups=yes, data=fai, type=c("p","a"))

Se convierte en factor que combina sis y yes (Franja Vertical)

fai <- transform(fai, rep=factor(rep), sis=factor(sis), yes=factor(yes), dos=ordered(dos));fai

Se convierte en factor para la interacción

fai <- transform(fai, sisyes=interaction(sis, yes));fai
levels(fai$sis) <- c("PD","PC")
levels(fai$yes) <- c("0t","2t")

Se visualiza de manera compacta la estructura del archivo “fai”

str(fai)

Definición del modelo y análisis de la varianza

Se crea un vector de datos pr con la columna prod

pr<-as.vector(fai$prod)

Luego el vector prod se convierte a un vector prod1 de tipo numérico

prod1<-as.numeric(pr)

Se crea un vector de datos ce con la columna cem

ce<-as.vector(fai$cem)

Luego el vector cem se convierte a un vector cem1 de tipo numérico

cem1<-as.numeric(ce)

Se crea un vector de datos al con la columna alt

al<-as.vector(fai$alt)

Luego el vector al se convierte a un vector alt1 de tipo numérico

alt1<-as.numeric(al)

Análisis de varianza usando la función modelo lineal (lm) Linear mode

Análisis de la productividad, se ajusta el modelo con un error para revisar los residuos

m0 <- lm(prod1~rep/(sisyes+dos)+sis*yes*dos, data=fai)
par(mfrow=c(2,2)); plot(m0); layout(1)

Ajuste del modelo de experimentos en franjas

m1<-aov(prod1~rep+sis*yes*dos+Error(rep:(sisyes+dos)), data=fai)
summary(m1)

Descomposición de la suma de cuadrados

m2 <- aov(prod1~rep+(sis/yes)*dos+Error(rep:(sisyes+dos)), data=fai)
coef(m2)
summary(m2, expand.split=FALSE,split=list("sis:yes"=list(PD=1,PC=2), dos=list(L=1,Q=2,C=3,QQ=4)))

Obtención de las medias, porque es balanceado

with(fai, tapply(prod1, list(sis, yes), mean))

Tablas de efectos y de medias (muestrales)

tabla de los efectos

model.tables(m1)

Tabla de las medias (son muestrales, solo en el caso balanceado)

model.tables(m1, type="means")

Para borrar todos los objetos del Script, ejecute:

rm(list=ls())

Regresar a la página principal de Scripts