Importe el archivo “muestreo3.txt” desde una ubicación en Internet y cree el objeto “Mues_DC” de la siguiente manera:

Mues_DC<- fread("https://archive.org/download/muestreo3/muestreo3.txt",header=T, sep="\t", dec=",")

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

print(head(Mues_DC))

Definición del modelo y análisis de la varianza

Se crea un objeto tipo factor tdc con la columna trat

tdc<- factor(Mues_DC$trat)

Se crea un objeto tipo factor fdc con la columna fila

fdc<- factor(Mues_DC$fila)

Se crea un objeto tipo factor cdc con la columna col

cdc<- factor(Mues_DC$col)

Se crea un vector de datos vdc con la columna rend (variable de respuesta)

vdc<-as.vector(Mues_DC$rend)

Luego el vector vdc se convierte a un vector vdc1 de tipo numérico

vdc1<-as.numeric(vdc)

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

Incluyendo error de muestreo y error experimental

mods.dcl <- aov(vdc1~tdc+fdc+cdc+tdc*(fdc*cdc))
summary(mods.dcl)

En este caso no es significativo el error de muestreo y se utiliza el siguiente modelo:

mods1.dcl <- aov(vdc1~tdc+fdc+cdc)
summary(mods1.dcl)

Se invoca para su uso el paquete “agricolae”

library(agricolae)

Comparación múltiple de medias

Prueba de Tukey

Tukey_sc<-HSD.test(vdc1, tdc, DFerror = 22, MSerror = 3.74); Tukey_sc

Para el caso donde el error de muestreo sea significativo se utiliza el siguiente modelo:

mods2.dcl <- aov(vdc1~tdc+fdc+cdc+Error(fdc*cdc))
summary(mods2.dcl)

Para borrar todos los objetos del Script, ejecute:

rm(list=ls())

Regresar a la página principal de Scripts