U3A5

setwd("~/veranoPyE")
library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2")

semillas * El siguiente cuadro muestra los datos de un experimento de comparación de los kilogramos de semillas de Pinus pseudostrobes obtenidos de 10 árboles en el año 2010 (antes) y en el año 2013

semillas <- read_csv("semilla.csv")

## Parsed with column specification:
## cols(
##   Kilogramos = col_double(),
##   tiempo = col_character()
## )

datos del experimento:

El siguiente cuadro muestra los datos de un experimento de comparación de los kilogramos de semillas de Pinus pseudostrobes obtenidos de 10 árboles en el año 2010 (antes) y en el año 2013

datatable(semillas)

# pruebas de normalidad

T2010 <- subset(semillas, tiempo == "T2010")
T2013 <- subset(semillas, tiempo == "T2013")

asignacion

1. grafico de caja y bigote para los subconjuntos de 2010 y 2013

boxplot(T2010$Kilogramos ~ T2013$Kilogramos, col="blue")

2. 5 numero de tukey

fivenum(T2010$Kilogramos)

## [1] 3.0 5.0 6.0 7.5 9.0

fivenum(T2013$Kilogramos)

## [1] 3.0 4.0 5.0 7.5 9.0

3.histogramas

hist(T2010$Kilogramos)

hist(T2013$Kilogramos, col = "red")

4. caja y bigotes comparando las desviaciones con grafico de barra

op <- par(mfrow =c(1,2), cex.axis=.7, cex.lab=.9 )

boxplot(T2010$Kilogramos ~ T2013$Kilogramos, col="blue", main= "A") 

barplot(tapply(T2010$Kilogramos, list(T2013$Kilogramos), mean ), beside = T, main="B")    

5. pruebas de normalidad (las 2)

prueba de Shapiro-Wilk

shapiro.test(T2010$Kilogramos)

## 
##  Shapiro-Wilk normality test
## 
## data:  T2010$Kilogramos
## W = 0.92998, p-value = 0.2436

shapiro.test(T2013$Kilogramos)

## 
##  Shapiro-Wilk normality test
## 
## data:  T2013$Kilogramos
## W = 0.9158, p-value = 0.1444

pruebas de Kolmogorov-Smirnov

ks.test(T2010$Kilogramos, "pnorm", mean= mean(T2010$Kilogramos), sd=sd(T2010$Kilogramos))

## Warning in ks.test(T2010$Kilogramos, "pnorm", mean = mean(T2010$Kilogramos), :
## ties should not be present for the Kolmogorov-Smirnov test

## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  T2010$Kilogramos
## D = 0.16135, p-value = 0.7991
## alternative hypothesis: two-sided

ks.test(T2013$Kilogramos, "pnorm", mean= mean(T2013$Kilogramos), sd=sd(T2013$Kilogramos))

## Warning in ks.test(T2013$Kilogramos, "pnorm", mean = mean(T2013$Kilogramos), :
## ties should not be present for the Kolmogorov-Smirnov test

## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  T2013$Kilogramos
## D = 0.17708, p-value = 0.6973
## alternative hypothesis: two-sided

6. pruebas de t

t.test(T2010$Kilogramos, T2013$Kilogramos, var.equal = T)

## 
##  Two Sample t-test
## 
## data:  T2010$Kilogramos and T2013$Kilogramos
## t = 0.83205, df = 30, p-value = 0.412
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -0.8181596  1.9431596
## sample estimates:
## mean of x mean of y 
##    6.1250    5.5625

7. pruebas de F

var.test(T2010$Kilogramos, T2013$Kilogramos)

## 
##  F test to compare two variances
## 
## data:  T2010$Kilogramos and T2013$Kilogramos
## F = 0.96089, num df = 15, denom df = 15, p-value = 0.9394
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.3357312 2.7501671
## sample estimates:
## ratio of variances 
##          0.9608939