Estabilidade
Session set
pkg <- c("MASS", "Rmisc", "ggplot2", "knitr","reshape2", "dplyr", "grid","gridExtra", "ExpDes.pt")
sapply(pkg, library, character.only=TRUE, logical.return=TRUE)## MASS Rmisc ggplot2 knitr reshape2 dplyr grid
## TRUE TRUE TRUE TRUE TRUE TRUE TRUE
## gridExtra ExpDes.pt
## TRUE TRUE#setwd("/home/epi/Dropbox/MyR/Análise otros/ISA/tese") # lab
setwd("/media/DATA/Dropbox/MyR/Análise otros/ISA/tese")# DELLDatasets
# Taxa de crescimento micelial
dat = read.csv("est_taxa.csv", dec=",", header=T, sep="\t", check.names=FALSE)
dat = dat[complete.cases(dat),]
# Restantes variaveis
dat_ged = read.csv("aval_estab.csv", dec=",", header=T, sep="\t", check.names=FALSE, na.strings=".")
head(dat_ged)## iso rep exp aval transf germ espor fung4
## 1 PR09638 1 1 1 0 57.00000 2.63 0
## 2 PR09638 2 1 1 0 60.52941 NA 0
## 3 PR09638 3 1 1 0 68.00000 NA 0
## 4 PR09638 4 1 1 0 53.50000 2.50 0
## 5 PR09638 5 1 1 0 65.50000 NA 0
## 6 PR09638 6 1 1 0 72.66667 1.56 0TAXA DE CRESCIMENTO MICELIAL
dat = arrange(dat, iso)
head(dat)## iso transf exp ca
## 1 PR09638 0 1 0.900000
## 2 PR09638 1 1 1.113929
## 3 PR09638 2 1 1.102500
## 4 PR09638 3 1 1.049821
## 5 PR09638 4 1 1.036964
## 6 PR09638 5 1 1.121607Exploração
boxplot(ca ~ transf * iso, data=dat)
Análise da variância
Foi ajustado um modelo fatorial duplo, com Isolados (“PR09638”, “SP08345”, “SP09839”) e Transferencias (0 a 10) como fatores. Os Experimentos (1 e 2) foram considerados blocos.
mod_ca = lm(ca ~ exp + iso * transf, data=dat)
par(mfrow=c(2,2)); plot(mod_ca, which=1:3)
boxcox(mod_ca)
with(dat,
fat2.dbc(iso, transf, exp, ca, quali=c(TRUE,TRUE), mcomp="tukey",
fac.names=c("Isolados","Transferências"), sigT = 0.05, sigF = 0.05)
)## ------------------------------------------------------------------------
## Legenda:
## FATOR 1: Isolados
## FATOR 2: Transferências
## ------------------------------------------------------------------------
##
##
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr>Fc
## Bloco 1 0.0000 0.00000 0.00 0.96199
## Isolados 2 4.3079 2.15393 1593.30 0.00000
## Transferências 10 0.0994 0.00994 7.36 0.00001
## Isolados*Transferências 20 0.1187 0.00593 4.39 0.00010
## Residuo 32 0.0433 0.00135
## Total 65 4.5692
## ------------------------------------------------------------------------
## CV = 5.29 %
##
## ------------------------------------------------------------------------
## Teste de normalidade dos residuos (Shapiro-Wilk)
## p-valor: 0.03424671
## ATENCAO: a 5% de significancia, os residuos nao podem ser considerados normais!
## ------------------------------------------------------------------------
##
##
##
## Interacao significativa: desdobrando a interacao
## ------------------------------------------------------------------------
##
## Desdobrando Isolados dentro de cada nivel de Transferências
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.00000 0.00000 0.0023 0.962
## Transferências 10 0.09944 0.00994 7.3558 0
## Transferências:Isolados 0 2 0.20988 0.10494 77.6278 0
## Transferências:Isolados 1 2 0.58517 0.29258 216.4303 0
## Transferências:Isolados 2 2 0.52663 0.26332 194.7805 0
## Transferências:Isolados 3 2 0.48543 0.24271 179.5408 0
## Transferências:Isolados 4 2 0.33913 0.16957 125.4316 0
## Transferências:Isolados 5 2 0.49084 0.24542 181.5403 0
## Transferências:Isolados 6 2 0.33205 0.16602 122.8115 0
## Transferências:Isolados 7 2 0.31670 0.15835 117.1358 0
## Transferências:Isolados 8 2 0.31360 0.15680 115.987 0
## Transferências:Isolados 9 2 0.51454 0.25727 190.3064 0
## Transferências:Isolados 10 2 0.31257 0.15628 115.607 0
## Residuo 32 0.04326 0.00135
## Total 65 4.56924 0.07030
## ------------------------------------------------------------------------
##
##
##
## Isolados dentro do nivel 0 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 0.925
## b 3 0.6145714
## c 2 0.478
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 1 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.133839
## b 3 0.5367857
## c 2 0.4211607
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 2 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.118304
## b 3 0.5290179
## b 2 0.456875
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 3 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.064464
## b 3 0.5047768
## b 2 0.4252679
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 4 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 0.9692857
## b 3 0.5625
## c 2 0.405
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 5 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.132589
## b 3 0.6002679
## c 2 0.4719643
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 6 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.091161
## b 3 0.6533929
## c 2 0.5477679
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 7 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.005
## b 3 0.5319643
## b 2 0.5044643
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 8 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.080357
## b 3 0.6320536
## b 2 0.5655754
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 9 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.067143
## b 3 0.51625
## c 2 0.3938393
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 10 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 0.992
## b 3 0.5129464
## b 2 0.5028571
## ------------------------------------------------------------------------
##
##
##
## Desdobrando Transferências dentro de cada nivel de Isolados
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.00000 0.00000 0.0023 0.962
## Isolados 2 4.30786 2.15393 1593.3037 0
## Isolados:Transferências PR09638 10 0.09817 0.00982 7.262 0
## Isolados:Transferências SP08345 10 0.06420 0.00642 4.7491 3e-04
## Isolados:Transferências SP09839 10 0.05575 0.00557 4.1238 0.001
## Residuo 32 0.04326 0.00135
## Total 65 4.56924 0.07030
## ------------------------------------------------------------------------
##
##
##
## Transferências dentro do nivel PR09638 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 1 1.133839
## a 5 1.132589
## ab 2 1.118304
## abc 6 1.091161
## abc 8 1.080357
## abc 9 1.067143
## abc 3 1.064464
## bcd 7 1.005
## bcd 10 0.992
## cd 4 0.9692857
## d 0 0.925
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP08345 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 8 0.5655754
## ab 6 0.5477679
## abc 7 0.5044643
## abc 10 0.5028571
## abc 0 0.478
## abc 5 0.4719643
## abc 2 0.456875
## bc 3 0.4252679
## bc 1 0.4211607
## c 4 0.405
## c 9 0.3938393
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP09839 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 6 0.6533929
## ab 8 0.6320536
## abc 0 0.6145714
## abc 5 0.6002679
## abc 4 0.5625
## abc 1 0.5367857
## abc 7 0.5319643
## abc 2 0.5290179
## bc 9 0.51625
## bc 10 0.5129464
## c 3 0.5047768
## ------------------------------------------------------------------------De acordo com o teste de Shapiro-Wilk a 5% de significancia, os residuos podem ser considerados normais.
A interação Iso * Transf foi significativa (P < 0.00008).
Desdobrando o fator Isolados dentro de cada nivel de Transferências observou-se que o Isolado PR09638 teve uma taxa de crescimento miceliar in vitro superior em todas as transferências. (tabela x) ## colocar tabela com letras do Tukey ##
Do desdobramento de Transferências dentro de cada nivel de Isolados observou-se que a taxa de crescimento micelial nao se modificou a través das transferencias, podendo ser encontrar mesmas letras do teste de Tukey entre a T0 e T10 nos tres isolados.
Tabela medias (variável original)
(sum_ca <- summarySEwithin(dat, measurevar="ca", withinvars=c("iso","transf"),na.rm=FALSE, conf.interval=.95))## Automatically converting the following non-factors to factors: transf## iso transf N ca sd se ci
## 1 PR09638 0 2 0.9250000 0.035903517 0.025387620 0.32258030
## 2 PR09638 1 2 1.1338393 0.028594586 0.020219426 0.25691217
## 3 PR09638 2 2 1.1183036 0.022696152 0.016048603 0.20391683
## 4 PR09638 3 2 1.0644643 0.021029203 0.014869892 0.18893989
## 5 PR09638 4 2 0.9692857 0.097195948 0.068727914 0.87327095
## 6 PR09638 5 2 1.1325893 0.015771902 0.011152419 0.14170492
## 7 PR09638 6 2 1.0911607 0.021926790 0.015504582 0.19700440
## 8 PR09638 7 2 1.0050000 0.009745240 0.006890925 0.08755751
## 9 PR09638 8 2 1.0803571 0.003333898 0.002357422 0.02995388
## 10 PR09638 9 2 1.0671429 0.016669490 0.011787109 0.14976942
## 11 PR09638 10 2 0.9920000 0.017233688 0.012186058 0.15483854
## 12 SP08345 0 2 0.4780000 0.028517650 0.020165024 0.25622092
## 13 SP08345 1 2 0.4211607 0.011925097 0.008432317 0.10714274
## 14 SP08345 2 2 0.4568750 0.030389762 0.021488807 0.27304118
## 15 SP08345 3 2 0.4252679 0.018849346 0.013328501 0.16935466
## 16 SP08345 4 2 0.4050000 0.023850193 0.016864633 0.21428548
## 17 SP08345 5 2 0.4719643 0.027696998 0.019584735 0.24884766
## 18 SP08345 6 2 0.5477679 0.016284809 0.011515099 0.14631321
## 19 SP08345 7 2 0.5044643 0.012566231 0.008885667 0.11290310
## 20 SP08345 8 2 0.5655754 0.092522792 0.065423494 0.83128431
## 21 SP08345 9 2 0.3938393 0.020644522 0.014597882 0.18548367
## 22 SP08345 10 2 0.5028571 0.033851887 0.023936899 0.30414714
## 23 SP09839 0 2 0.6145714 0.081244529 0.057448557 0.72995313
## 24 SP09839 1 2 0.5367857 0.051803645 0.036630709 0.46543729
## 25 SP09839 2 2 0.5290179 0.004231486 0.002992112 0.03801839
## 26 SP09839 3 2 0.5047768 0.023401399 0.016547288 0.21025323
## 27 SP09839 4 2 0.5625000 0.037442239 0.026475661 0.33640517
## 28 SP09839 5 2 0.6002679 0.033980114 0.024027569 0.30529921
## 29 SP09839 6 2 0.6533929 0.016669490 0.011787109 0.14976942
## 30 SP09839 7 2 0.5319643 0.037185785 0.026294321 0.33410102
## 31 SP09839 8 2 0.6320536 0.040135002 0.028379732 0.36059869
## 32 SP09839 9 2 0.5162500 0.013079138 0.009248347 0.11751139
## 33 SP09839 10 2 0.5129464 0.026799411 0.018950045 0.24078315Gráfico final
medias = aggregate(ca ~ iso, data = dat, mean)
(plotca = ggplot (dat, aes(x=transf, y=ca))
+ geom_point(aes(shape=factor(exp)), size=3)
+ scale_shape_manual(values = c(1, 19), name = "Experimento")
+ facet_grid(~iso)
+ scale_x_continuous(breaks= 0:10, "Transferências")
+ scale_y_continuous(limits= c(0.3,1.2),"Taxa de crescimento micelial (cm.dia⁻¹)")
+ geom_smooth(method=lm, se=TRUE,fullrange=T, colour="gray83")
+ geom_hline(data = medias, aes(yintercept = ca), lty=2)
+ theme_bw(base_size = 12, base_family = "Helvetica")
+ theme(legend.position = 'none',
legend.key = element_blank(),
strip.background = element_rect(colour = "black", size = 0.8),
strip.text.x = element_text(size = 12),
#axis.ticks = element_blank(),
#axis.text.x = element_blank(),
axis.text.y = element_text(size=10),
#axis.title.x = element_blank(),
axis.text.y = element_text(size=12, lineheight = 0.8, hjust = 1),
#panel.grid = element_blank()
#panel.background = element_rect(fill = "white"),
panel.border = element_rect(fill = NA, colour="gray20"),
plot.margin = unit(c(1, 1, 1, 0), "lines"), legend.position = 'none'
)
)
#ggsave("plotca.png", width=8, height=6, dpi=150)GERMINAÇÃO
germi = select(dat_ged, iso, rep, exp, transf, germ)
germi = germi[complete.cases(germi),]
germi$germ = (germi$germ/100) + 0.005
germi$logit= log((germi$germ))- log(1-(germi$germ)) Exploração
boxplot(germi$germ ~ germi$transf*germi$iso)
Análise da variância
Foi ajustado um modelo fatorial duplo, com Isolados (“PR09638”, “SP08345”, “SP09839”) e Transferencias (0,3,6,10) como fatores. Os Experimentos foram considerados blocos.
Foi aplicada a transformação logit para a variável germinação (proporção 0:1)
\[Logit (p) = log (p/1-p) = log(germinação) - log(1-(germinação))\]
fat2.dbc(germi$iso, germi$transf, germi$exp, germi$logit, quali=c(TRUE,TRUE), mcomp="tukey",
fac.names=c("Isolados","Transferências"), sigT = 0.05, sigF = 0.05)## ------------------------------------------------------------------------
## Legenda:
## FATOR 1: Isolados
## FATOR 2: Transferências
## ------------------------------------------------------------------------
##
##
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr>Fc
## Bloco 1 0.236 0.2364 0.614 0.43432
## Isolados 2 4.908 2.4538 6.374 0.00210
## Transferências 3 38.208 12.7359 33.080 0.00000
## Isolados*Transferências 6 5.979 0.9966 2.589 0.01968
## Residuo 186 71.610 0.3850
## Total 198 120.941
## ------------------------------------------------------------------------
## CV = 71.25 %
##
## ------------------------------------------------------------------------
## Teste de normalidade dos residuos (Shapiro-Wilk)
## p-valor: 0.1253403
## De acordo com o teste de Shapiro-Wilk a 5% de significancia, os residuos podem ser considerados normais.
## ------------------------------------------------------------------------
##
##
##
## Interacao significativa: desdobrando a interacao
## ------------------------------------------------------------------------
##
## Desdobrando Isolados dentro de cada nivel de Transferências
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.23635 0.23635 0.6139 0.4343
## Transferências 3 38.20763 12.73588 33.0804 0
## Transferências:Isolados 0 2 7.50285 3.75143 9.744 1e-04
## Transferências:Isolados 3 2 0.56247 0.28124 0.7305 0.4831
## Transferências:Isolados 6 2 0.56443 0.28221 0.733 0.4818
## Transferências:Isolados 10 2 0.92096 0.46048 1.1961 0.3047
## Residuo 186 71.60952 0.38500
## Total 198 120.94054 0.61081
## ------------------------------------------------------------------------
##
##
##
## Isolados dentro do nivel 0 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 2 1.610029
## b 3 0.9916461
## b 1 0.731837
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 3 de Transferências
##
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 1 1.0343347
## 2 2 0.8341345
## 3 3 1.0801916
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 6 de Transferências
##
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 1 1.055337
## 2 2 1.319744
## 3 3 1.308392
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 10 de Transferências
##
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 1 0.03703357
## 2 2 0.31155513
## 3 3 0.04372572
## ------------------------------------------------------------------------
##
##
##
## Desdobrando Transferências dentro de cada nivel de Isolados
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.23635 0.23635 0.6139 0.4343
## Isolados 2 4.90762 2.45381 6.3736 0.0021
## Isolados:Transferências PR09638 3 9.09874 3.03291 7.8777 1e-04
## Isolados:Transferências SP08345 3 18.48196 6.16065 16.0018 0
## Isolados:Transferências SP09839 3 16.60636 5.53545 14.3779 0
## Residuo 186 71.60952 0.38500
## Total 198 120.94054 0.61081
## ------------------------------------------------------------------------
##
##
##
## Transferências dentro do nivel PR09638 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 6 1.055337
## a 3 1.034335
## a 0 0.731837
## b 10 0.03703357
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP08345 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 0 1.610029
## ab 6 1.319744
## bc 3 0.8341345
## c 10 0.3115551
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP09839 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 6 1.308392
## a 3 1.080192
## a 0 0.9916461
## b 10 0.04372572
## ------------------------------------------------------------------------De acordo com o teste de Shapiro-Wilk a 5% de significancia, os residuos podem ser considerados normais.
A interação Iso * Transf foi significativa (P < 0.01968).
Desdobrando o fator Isolados dentro de cada nivel de Transferências se observou que o Isolado SP08345 apresentou maior número de conidios germinados no inicio das transferências (T0). Nas posteriores transferencias (T3, T6 e T10) os tres isolados não diferiram entre eles.
Do desdobramento de Transferências dentro de cada nivel de Isolados observou-se que ate a T6 a germinação foi igual apresentando uma queda significativa na T10 para os tres isolados.
Tabela medias (variável original)
(sum_ger <- summarySEwithin(germi, measurevar="germ", withinvars=c("iso","transf"),na.rm=FALSE, conf.interval=.95))## Automatically converting the following non-factors to factors: transf## iso transf N germ sd se ci
## 1 PR09638 0 17 0.6635467 0.10967277 0.02659955 0.05638854
## 2 PR09638 3 13 0.7171937 0.18289632 0.05072631 0.11052314
## 3 PR09638 6 8 0.7257545 0.13620887 0.04815711 0.11387347
## 4 PR09638 10 16 0.5141604 0.21915992 0.05478998 0.11678208
## 5 SP08345 0 19 0.8116707 0.09480863 0.02175059 0.04569630
## 6 SP08345 3 16 0.6796451 0.14517331 0.03629333 0.07735740
## 7 SP08345 6 20 0.7778807 0.09322386 0.02084549 0.04363011
## 8 SP08345 10 19 0.5739649 0.09992043 0.02292332 0.04816011
## 9 SP09839 0 17 0.7156803 0.11911769 0.02889028 0.06124467
## 10 SP09839 3 17 0.7372316 0.09026830 0.02189328 0.04641168
## 11 SP09839 6 20 0.7776043 0.09644398 0.02156553 0.04513717
## 12 SP09839 10 17 0.5101759 0.09286845 0.02252391 0.04774855Grafico final
medgermi = aggregate(germ ~ iso, data = germi, mean)
(plotger = ggplot (germi, aes(x=as.numeric(transf), y=germ))
+ geom_point(aes(shape=factor(exp)), size=3)
+ scale_shape_manual(values = c(1, 19))
+ facet_grid(~iso)
+ scale_x_continuous(breaks= 0:10,"")
+ scale_y_continuous("Proporção de conídios germinados")
+ geom_smooth(method=lm, se=TRUE, fullrange=T, colour="gray83")
+ geom_hline(data = medgermi, aes(yintercept = germ), lty=2)
+ theme_bw(base_size = 12, base_family = "Helvetica")
+ theme(legend.position = 'none',
legend.key = element_blank(),
strip.background = element_rect(colour = "black", size = 0.8),
strip.text.x = element_text(size = 12),
#panel.background = ,
#axis.ticks = element_blank(),
axis.text.x = element_blank(),
axis.text.y = element_text(size=10),
#axis.title.x = element_blank(),
axis.text.y = element_text(size=12, lineheight = 0.8, hjust = 1),
#panel.grid = element_blank()
panel.background = element_rect(fill = "white"),
panel.border = element_rect(fill = NA, colour="gray20"),
plot.margin = unit(c(1, 1, 0, 0), "lines"), legend.position = 'none'
)
)
#ggsave("plotger.png", width=8, height=6, dpi=150)ESPORULAÇÃO
Exploração
date = select(dat_ged, iso, exp, transf, espor); date = date[complete.cases(date),]
boxplot(espor ~ transf * iso, data=date) # Dados brutos
date = filter(date, espor<5)Análise da variância
modesp0 = lm(espor ~ exp + iso * transf, data=date)
anova(modesp0)## Analysis of Variance Table
##
## Response: espor
## Df Sum Sq Mean Sq F value Pr(>F)
## exp 1 1.009 1.0091 0.8456 0.35885
## iso 2 3.062 1.5311 1.2831 0.27933
## transf 1 6.302 6.3016 5.2809 0.02255 *
## iso:transf 2 1.464 0.7320 0.6134 0.54247
## Residuals 210 250.591 1.1933
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1par(mfrow=c(2,2)); plot(modesp0, which=1:3)
boxcox(espor ~ exp + iso * transf, data=date) ; layout(1)
# sem outliers e com a transformacao sugerida por Box-Cox
# plot(density(date$espor^(1/3))); rug((date$espor^(1/3)))
boxplot(espor ~ transf * iso, data=date)
modesp1 = lm(espor^(1/3) ~ exp + iso * transf, data=date)
anova(modesp1)## Analysis of Variance Table
##
## Response: espor^(1/3)
## Df Sum Sq Mean Sq F value Pr(>F)
## exp 1 0.1537 0.15368 2.0277 0.15594
## iso 2 0.1605 0.08026 1.0590 0.34866
## transf 1 0.4357 0.43567 5.7486 0.01738 *
## iso:transf 2 0.1197 0.05983 0.7895 0.45542
## Residuals 210 15.9155 0.07579
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1par(mfrow=c(2,2)); plot(modesp1, which=1:3)
boxcox(espor^(1/3) ~ exp + iso * transf, data=date) ; layout(1)
with(date,
fat2.dbc(date$iso, transf, exp, espor^(1/3), quali=c(TRUE,TRUE), mcomp="tukey",
fac.names=c("Isolados","Transferências"), sigT = 0.05, sigF = 0.05)
)## ------------------------------------------------------------------------
## Legenda:
## FATOR 1: Isolados
## FATOR 2: Transferências
## ------------------------------------------------------------------------
##
##
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr>Fc
## Bloco 1 0.1537 0.15368 2.9634 0.086684
## Isolados 2 0.1605 0.08026 1.5476 0.215241
## Transferências 3 4.8624 1.62080 31.2547 0.000000
## Isolados*Transferências 6 1.0294 0.17157 3.3085 0.003954
## Residuo 204 10.5790 0.05186
## Total 216 16.7850
## ------------------------------------------------------------------------
## CV = 20.25 %
##
## ------------------------------------------------------------------------
## Teste de normalidade dos residuos (Shapiro-Wilk)
## p-valor: 0.5193497
## De acordo com o teste de Shapiro-Wilk a 5% de significancia, os residuos podem ser considerados normais.
## ------------------------------------------------------------------------
##
##
##
## Interacao significativa: desdobrando a interacao
## ------------------------------------------------------------------------
##
## Desdobrando Isolados dentro de cada nivel de Transferências
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.15368 0.15368 2.9634 0.0867
## Transferências 3 4.86240 1.62080 31.2547 0
## Transferências:Isolados 0 2 0.13798 0.06899 1.3304 0.2667
## Transferências:Isolados 3 2 0.41774 0.20887 4.0277 0.0193
## Transferências:Isolados 6 2 0.50362 0.25181 4.8558 0.0087
## Transferências:Isolados 10 2 0.10442 0.05221 1.0068 0.3672
## Residuo 204 10.57899 0.05186
## Total 216 16.78501 0.07771
## ------------------------------------------------------------------------
##
##
##
## Isolados dentro do nivel 0 de Transferências
##
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 1 1.399160
## 2 2 1.283119
## 3 3 1.280909
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 3 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 2 1.167356
## ab 1 1.149323
## b 3 0.9809244
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 6 de Transferências
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 3 1.000407
## ab 2 0.9585147
## b 1 0.7885288
## ------------------------------------------------------------------------
##
##
## Isolados dentro do nivel 10 de Transferências
##
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 1 1.258843
## 2 2 1.248876
## 3 3 1.154839
## ------------------------------------------------------------------------
##
##
##
## Desdobrando Transferências dentro de cada nivel de Isolados
## ------------------------------------------------------------------------
## ------------------------------------------------------------------------
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr.Fc
## Bloco 1 0.15368 0.15368 2.9634 0.0867
## Isolados 2 0.16051 0.08026 1.5476 0.2152
## Isolados:Transferências PR09638 3 3.47781 1.15927 22.3548 0
## Isolados:Transferências SP08345 3 1.24614 0.41538 8.01 0
## Isolados:Transferências SP09839 3 1.16788 0.38929 7.507 1e-04
## Residuo 204 10.57899 0.05186
## Total 216 16.78501 0.07771
## ------------------------------------------------------------------------
##
##
##
## Transferências dentro do nivel PR09638 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 0 1.39916
## ab 10 1.258843
## b 3 1.149323
## c 6 0.7885288
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP08345 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 0 1.283119
## a 10 1.248876
## a 3 1.167356
## b 6 0.9585147
## ------------------------------------------------------------------------
##
##
## Transferências dentro do nivel SP09839 de Isolados
## ------------------------------------------------------------------------
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 0 1.280909
## ab 10 1.154839
## b 6 1.000407
## b 3 0.9809244
## ------------------------------------------------------------------------Tabela medias (variável original)
(sum_esp <- summarySEwithin(date, measurevar="espor", withinvars=c("iso","transf"),na.rm=FALSE, conf.interval=.95))## Automatically converting the following non-factors to factors: transf## iso transf N espor sd se ci
## 1 PR09638 0 13 2.860000 1.0733211 0.2976857 0.6486014
## 2 PR09638 3 18 1.610000 0.7401806 0.1744622 0.3680832
## 3 PR09638 6 20 0.632500 0.6565755 0.1468147 0.3072868
## 4 PR09638 10 13 2.189231 1.0351325 0.2870941 0.6255243
## 5 SP08345 0 19 2.294737 1.1689538 0.2681764 0.5634177
## 6 SP08345 3 20 1.843000 1.2276906 0.2745200 0.5745769
## 7 SP08345 6 20 1.029500 0.7138290 0.1596170 0.3340823
## 8 SP08345 10 18 2.175000 1.2480963 0.2941791 0.6206637
## 9 SP09839 0 19 2.259474 1.0701655 0.2455128 0.5158033
## 10 SP09839 3 20 1.072500 0.6807725 0.1522254 0.3186113
## 11 SP09839 6 20 1.133000 0.7546685 0.1687490 0.3531957
## 12 SP09839 10 17 1.751176 1.1431767 0.2772611 0.5877672** Grafico final**
medesp = aggregate(espor ~ iso, data = date, mean)
(plotesp = ggplot (date, aes(x=transf, y=espor))
+ geom_point(aes(shape=factor(exp)), size=3)
+ geom_smooth(method=lm, se=TRUE, fullrange=T, colour="gray83")
+ scale_shape_manual(values = c(1, 19), name = "Experimento")
+ facet_grid(~iso)
+ scale_x_continuous(breaks= 0:10,"")
+ scale_y_continuous(breaks= 0:6, "Número de conídios (x10⁴).ml⁻¹")
+ geom_hline(data = medesp, aes(yintercept = espor), lty=2)
+ theme_bw(base_size = 12, base_family = "Helvetica")
+ theme(legend.position = 'none',
legend.key = element_blank(),
strip.background = element_blank(),
strip.text.x = element_blank(),
#panel.background = ,
#axis.ticks = element_blank(),
axis.text.x = element_blank(),
axis.text.y = element_text(size=10),
axis.title.x = element_blank(),
axis.text.y = element_text(size=12, lineheight = 0.8, hjust = 1),
#panel.grid = element_blank()
panel.background = element_rect(fill = "white"),
panel.border = element_rect(fill = NA, colour="gray20"),
plot.margin = unit(c(0, 1, 0, 0), "lines"), legend.position = 'none'
)
)
#ggsave("plotesp.png", width=8, height=6, dpi=150)DIAMETRO EM MEIO COM FUNGICDA
Exploração
datf = select(dat_ged, iso, exp, transf, fung4); datf = datf[complete.cases(datf),]
boxplot(fung4 ~ transf * iso, data=datf)
datf1 = subset(datf, !iso =="PR09638") # desconsiderando o isolado sensivelAnálise da variância
modf0 = lm(fung4 ~ exp + iso * transf, data=datf1)
anova(modf0)## Analysis of Variance Table
##
## Response: fung4
## Df Sum Sq Mean Sq F value Pr(>F)
## exp 1 0.0056 0.005641 0.1633 0.68665
## iso 1 0.0150 0.015016 0.4348 0.51061
## transf 1 0.1931 0.193067 5.5909 0.01929 *
## iso:transf 1 0.0411 0.041102 1.1902 0.27698
## Residuals 155 5.3525 0.034532
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1par(mfrow=c(2,2)); plot(modf0, which=1:3)
boxcox(fung4 ~ exp + iso * transf, data=datf1); layout(1)
modf1 = lm(log(fung4+0.5)~ exp + iso * transf, data=datf1)
anova(modf1)## Analysis of Variance Table
##
## Response: log(fung4 + 0.5)
## Df Sum Sq Mean Sq F value Pr(>F)
## exp 1 0.0026 0.002567 0.1065 0.74459
## iso 1 0.0125 0.012479 0.5177 0.47289
## transf 1 0.1281 0.128130 5.3157 0.02246 *
## iso:transf 1 0.0309 0.030882 1.2812 0.25942
## Residuals 155 3.7361 0.024104
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1par(mfrow=c(2,2)); plot(modf1, which=1:3)
#boxcox(log(fung4+0.5)~ exp + iso * transf, data=datf1); layout(1)
with(datf1,
fat2.dbc(iso, transf, exp, log(fung4+0.5), quali=c(TRUE,TRUE), mcomp="tukey",
fac.names=c("Isolados","Transferências"), sigT = 0.05, sigF = 0.05)
)## ------------------------------------------------------------------------
## Legenda:
## FATOR 1: Isolados
## FATOR 2: Transferências
## ------------------------------------------------------------------------
##
##
## Quadro da analise de variancia
## ------------------------------------------------------------------------
## GL SQ QM Fc Pr>Fc
## Bloco 1 0.0026 0.002567 0.1246 0.72460
## Isolados 1 0.0125 0.012479 0.6056 0.43766
## Transferências 3 0.7444 0.248133 12.0415 0.00000
## Isolados*Transferências 3 0.0392 0.013059 0.6337 0.59435
## Residuo 151 3.1116 0.020606
## Total 159 3.9102
## ------------------------------------------------------------------------
## CV = 94.18 %
##
## ------------------------------------------------------------------------
## Teste de normalidade dos residuos (Shapiro-Wilk)
## p-valor: 0.1764755
## De acordo com o teste de Shapiro-Wilk a 5% de significancia, os residuos podem ser considerados normais.
## ------------------------------------------------------------------------
##
## Interacao nao significativa: analisando os efeitos simples
## ------------------------------------------------------------------------
## Isolados
## De acordo com o teste F, as medias desse fator sao estatisticamente iguais.
## Niveis Medias
## 1 SP08345 0.1435850
## 2 SP09839 0.1612481
## ------------------------------------------------------------------------
## Transferências
## Teste de Tukey
## ------------------------------------------------------------------------
## Grupos Tratamentos Medias
## a 6 0.2672118
## b 10 0.1404266
## b 3 0.1023864
## b 0 0.0996414
## ------------------------------------------------------------------------
Tabela medias (variável original)
(sum_f4 <- summarySEwithin(datf, measurevar="fung4", withinvars=c("iso","transf"),na.rm=FALSE, conf.interval=.95))## Automatically converting the following non-factors to factors: transf## iso transf N fung4 sd se ci
## 1 PR09638 0 20 0.0000 0.0000000 0.00000000 0.00000000
## 2 PR09638 3 20 0.0000 0.0000000 0.00000000 0.00000000
## 3 PR09638 6 20 0.0000 0.0000000 0.00000000 0.00000000
## 4 PR09638 10 20 0.0000 0.0000000 0.00000000 0.00000000
## 5 SP08345 0 20 0.6350 0.1678174 0.03752511 0.07854096
## 6 SP08345 3 20 0.6000 0.1136603 0.02541521 0.05319465
## 7 SP08345 6 20 0.8075 0.2559951 0.05724225 0.11980940
## 8 SP08345 10 20 0.6350 0.1686706 0.03771589 0.07894026
## 9 SP09839 0 20 0.5950 0.1533361 0.03428700 0.07176351
## 10 SP09839 3 20 0.6275 0.1273300 0.02847184 0.05959226
## 11 SP09839 6 20 0.8425 0.1999581 0.04471200 0.09358329
## 12 SP09839 10 20 0.6900 0.1860699 0.04160650 0.08708340Grafico final
medf = aggregate(fung4 ~ iso, data = datf, mean)
(plotf4 = ggplot (datf, aes(x=transf, y=fung4))
+ geom_point(aes(shape=factor(exp)), size=3)
+ scale_shape_manual(values = c(1, 19), name = "Experimento")
+ facet_grid(~iso)
+ scale_x_continuous(breaks= 0:10,"Transferências")
+ scale_y_continuous("Diâmetro da colônia (cm)")
+ geom_smooth(method=lm, se=TRUE, fullrange=T, colour="gray83")
+ geom_hline(data = medf, aes(yintercept = fung4), lty=2)
+ theme_bw(base_size = 12, base_family = "Helvetica")
+ theme(legend.position = 'none',
legend.key = element_blank(),
strip.background = element_blank(),
strip.text.x = element_blank(),
#panel.background = ,
#axis.ticks = element_blank(),
#axis.text.x = element_blank(),
axis.text.y = element_text(size=10),
#axis.title.x = element_blank(),
axis.text.y = element_text(size=12, lineheight = 0.8, hjust = 1),
#panel.grid = element_blank()
panel.background = element_rect(fill = "white"),
panel.border = element_rect(fill = NA, colour="gray20"),
plot.margin = unit(c(0, 1, 0, 0), "lines"), legend.position = 'none'
)
)
#ggsave("plotf4.png", width=8, height=6, dpi=150)Arranjar plots
gp2<- ggplot_gtable(ggplot_build(plotger))
gp3<- ggplot_gtable(ggplot_build(plotesp))
gp4<- ggplot_gtable(ggplot_build(plotf4))
maxWidth = unit.pmax(gp2$widths[2:3], gp3$widths[2:3], gp4$widths[2:3])
gp2$widths[2:3] <- maxWidth
gp3$widths[2:3] <- maxWidth
gp4$widths[2:3] <- maxWidth
(plot1 = grid.arrange(gp2,gp3,gp4))
## NULL#ggsave("plot1e4.png", width=8, height=6, dpi=150)