VARIEDACESPED
zoilomaximo
10/11/2020
library(readxl)
golf <- read_excel("C:/Users/win10/Desktop/lab4 DBCA/golf.xlsx")
View(golf)attach(golf) ### no se necesita usar el $ para llamar variables
golf## # A tibble: 20 x 3
## cesped terreno distancia
## <chr> <chr> <dbl>
## 1 AgrTenuis(1) B1 1.3
## 2 AgrCanina(2) B2 2.2
## 3 Pasnotatum(3) B3 1.8
## 4 Vaginatum(4) B4 3.9
## 5 AgrTenuis(1) B1 1.6
## 6 AgrCanina(2) B2 2.4
## 7 Pasnotatum(3) B3 1.7
## 8 Vaginatum(4) B4 4.4
## 9 AgrTenuis(1) B1 0.5
## 10 AgrCanina(2) B2 0.4
## 11 Pasnotatum(3) B3 0.6
## 12 Vaginatum(4) B4 2
## 13 AgrTenuis(1) B1 1.2
## 14 AgrCanina(2) B2 2
## 15 Pasnotatum(3) B3 1.5
## 16 Vaginatum(4) B4 4.1
## 17 AgrTenuis(1) B1 1.1
## 18 AgrCanina(2) B2 1.8
## 19 Pasnotatum(3) B3 1.3
## 20 Vaginatum(4) B4 3.4En base al grafico se aprecia diferencias entre los tratamientos
destacandose la varieda
Vaginatum( como la que tiene mayor distancia de recorrido para la pelota de golf
GRAFICO BOXPLOT TRATAMIENTOS
library("ggplot2")
ggplot(golf, aes(x = cesped, y = distancia)) +
geom_boxplot(fill = "grey80", colour = "blue") +
scale_x_discrete() + xlab("Cesped") +
ylab("Distancias")
BLOQUES
library("ggplot2")
ggplot(golf, aes(x = terreno, y = distancia)) +
geom_boxplot(fill = "grey80", colour = "blue") +
scale_x_discrete() + xlab("Terrenos") +
ylab("Distancias")
Se aprecia en el grafico que hay diferencias en los bloques
ANOVA
anova.golf = aov(distancia ~ cesped+terreno, data=golf)
e<-anova.golf$residuals ##### residualesNORMALIDAD
t.test(e,mu=0) ### Se verifica si la suma de residuales es igual a cero##
## One Sample t-test
##
## data: e
## t = 1.1996e-16, df = 19, p-value = 1
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
## -0.2968539 0.2968539
## sample estimates:
## mean of x
## 1.701384e-17Prueba de normalidad con Shapiro_wilk ,Si p_valor es mayor a 0,05 s cumple
supuesto
shapiro.test(e) ##
## Shapiro-Wilk normality test
##
## data: e
## W = 0.87137, p-value = 0.01242hist(e, freq=FALSE)
curve(dnorm(x,mean(e), sd(e)), xlim=c(-3,3), add=TRUE, col=2)
HOMOGENEIDAD DE VARIANZAS , Si p_valor es mayor a 0,05 se cumple supuesto
library(carData)
library(car)
leveneTest(e ~ as.factor(cesped), data =golf, center = "median") #####homogeneidad## Levene's Test for Homogeneity of Variance (center = "median")
## Df F value Pr(>F)
## group 3 0.4517 0.7197
## 16INDEPENDENCIA prueba de Rachas ,si p_valor es mayor a 0,05se cumple supuesto.
library(randtests)
runs.test(e)##
## Runs Test
##
## data: e
## statistic = -2.2973, runs = 6, n1 = 10, n2 = 10, n = 20, p-value =
## 0.0216
## alternative hypothesis: nonrandomnessEn base a los resultados de la prueba de Shapiro_Wilk, no se cumple
el supuesto de normalidad por que p_valor es menor a 0,05
Por lo tanto se hace un ANOVA NO PARAMETRICO
kruskal.test(e ~ as.factor(cesped), data =golf)##
## Kruskal-Wallis rank sum test
##
## data: e by as.factor(cesped)
## Kruskal-Wallis chi-squared = 0.57714, df = 3, p-value = 0.9016los resultados del anova indican que no existe diferencias significativas entre
los tratamientos.
Analísis post anova con prueba LSD
library(agricolae)
LSD.test(anova.golf,"cesped",console=TRUE)##
## Study: anova.golf ~ "cesped"
##
## LSD t Test for distancia
##
## Mean Square Error: 0.47775
##
## cesped, means and individual ( 95 %) CI
##
## distancia std r LCL UCL Min Max
## AgrCanina(2) 1.76 0.7924645 5 1.1047126 2.415287 0.4 2.4
## AgrTenuis(1) 1.14 0.4037326 5 0.4847126 1.795287 0.5 1.6
## Pasnotatum(3) 1.38 0.4764452 5 0.7247126 2.035287 0.6 1.8
## Vaginatum(4) 3.56 0.9449868 5 2.9047126 4.215287 2.0 4.4
##
## Alpha: 0.05 ; DF Error: 16
## Critical Value of t: 2.119905
##
## least Significant Difference: 0.9267163
##
## Treatments with the same letter are not significantly different.
##
## distancia groups
## Vaginatum(4) 3.56 a
## AgrCanina(2) 1.76 b
## Pasnotatum(3) 1.38 b
## AgrTenuis(1) 1.14 b