El siguiente archivo permite evidenciar el efecto de cuatro tipos de dieta sobre el engorde de porcinos, en este caso se tienen 20 cerdos asignados de manera aleatoria a cuatro grupos experimentales (cuatro tipos de dieta).El objetivo es evaluar si existe diferencias entre los pesos corporales de los cerdos (en Kg) después de haber sido criados con las cuatro variables de dieta.

require(ggplot2)
## Loading required package: ggplot2
require(agricolae)
## Loading required package: agricolae
## Warning: package 'agricolae' was built under R version 4.0.3
library(readxl)
## Warning: package 'readxl' was built under R version 4.0.3
EngordePorcinos_Parcial3 <- read_excel("C:/Bioestadistica/EngordePorcinos_Parcial3.xlsx")
View(EngordePorcinos_Parcial3)
EngordePorcinos_Parcial3
## # A tibble: 20 x 2
##    Alimentacion Datos
##    <chr>        <dbl>
##  1 A             60.8
##  2 A             67  
##  3 A             65  
##  4 A             68.6
##  5 A             61.7
##  6 B             68.7
##  7 B             67.7
##  8 B             75  
##  9 B             73.3
## 10 B             71.8
## 11 C             69.6
## 12 C             77.1
## 13 C             75.2
## 14 C             71.5
## 15 C             74.3
## 16 D             61.9
## 17 D             64.2
## 18 D             63.1
## 19 D             66.7
## 20 D             60.3

Esta base de datos se compone de dos varibles: Alimentacion (A,B,C,D) y el peso en Kg de cada cerdo (Datos). #Exploracion de datos.

ggplot(EngordePorcinos_Parcial3,aes(y=Datos, x=Alimentacion, fill=Alimentacion))+geom_boxplot()+theme_bw()+ylab("Peso corporal(Kg)")+ ggtitle("Diagrama de cajas")

De acuerdo a la grafica, el grupo de porcinos que ganan mayor peso corporal, se alimentan del tipo de alimentacion C, mientras que los que son sometidos al tipo de alimentacion D presentan un menor peso corporal.

#ANOVA Posteriormente se realiza un analisis Anova para evidenciar el efecto de la variable Alimentacion con respecto al peso corporal en kilogramos.

MOD1=lm(Datos~Alimentacion, data = EngordePorcinos_Parcial3)
anova(MOD1)
## Analysis of Variance Table
## 
## Response: Datos
##              Df Sum Sq Mean Sq F value    Pr(>F)    
## Alimentacion  3 377.71 125.902  14.239 8.833e-05 ***
## Residuals    16 141.47   8.842                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

En la tabla podemos evidenciar que el valor P es un valor significativo, lo que quiere decir, que la variable Alimentacion esta relacionada con el peso corporal de los cerdos (Datos).

#PosAnova El análisis postanova nos permite conocer las relaciones de diferencia que se presentan dentro del factor (varible dependiente), en este caso la variable “Alimentacion”los cuales favoreceran o no al experimento.

Postanova1=LSD.test(MOD1, "Alimentacion")
Postanova1
## $statistics
##   MSerror Df   Mean       CV  t.value      LSD
##     8.842 16 68.175 4.361643 2.119905 3.986775
## 
## $parameters
##         test p.ajusted       name.t ntr alpha
##   Fisher-LSD      none Alimentacion   4  0.05
## 
## $means
##   Datos      std r      LCL      UCL  Min  Max  Q25  Q50  Q75
## A 64.62 3.345445 5 61.80092 67.43908 60.8 68.6 61.7 65.0 67.0
## B 71.30 3.068387 5 68.48092 74.11908 67.7 75.0 68.7 71.8 73.3
## C 73.54 2.987139 5 70.72092 76.35908 69.6 77.1 71.5 74.3 75.2
## D 63.24 2.416195 5 60.42092 66.05908 60.3 66.7 61.9 63.1 64.2
## 
## $comparison
## NULL
## 
## $groups
##   Datos groups
## C 73.54      a
## B 71.30      a
## A 64.62      b
## D 63.24      b
## 
## attr(,"class")
## [1] "group"

Los pesos medios de los Porcinos son estadisticamente diferentes para los cuatro tipos de alimentacion, devido a que los resultados del análisis postanova agrupa las dietas C y B como aquellas que presentan mayor productividad. En el caso contrario, los grupos A y D presentan menor productividad. Se recomienda utilizar la dieta C para obtener una mayor productividad, ya que la media del peso corporal en ese grupo experiemental es de 73.54.

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.