Coccion de Frijoles.
En un centro de investigación se realiza un estudio para comparar varios tratamientos que, al aplicarse previamente a los frijoles crudos, reducen su tiempo de cocción. Estos tratamientos son a base de bicarbonato de sodio (NaHCO3) y cloruro de sodio o sal común (NaCl). El primer tratamiento es el de control, que consiste en no aplicar ningún tratamiento. El tratamiento T2 es el remojo en agua con bicarbonato de sodio, el T3 es remojar en agua con sal común y el T4 es remojar en agua con una combinación de ambos ingredientes en proporciones iguales. La variable de respuesta es el tiempo de cocción en minutos. Los datos se muestran en la siguiente tabla:
Hipótesis Nula (Ho): No hay diferencia entre los tres tratamientos aplicados a los frijoles crudos: Ho: µ1=µ2=µ3 Hipótesis alternativa (Ha): La hipótesis de investigación afirma que existen diferencias significativas entre los tres tratamientos: HA: µ1≠µ2≠µ3
df=read.csv("https://raw.githubusercontent.com/rigobertopitti/experimental/main/Cap3-P12.csv")
str(df)
## 'data.frame': 28 obs. of 2 variables:
## $ Tratamiento: chr "Control" "Control" "Control" "Control" ...
## $ Tiempo : int 213 214 204 208 212 200 207 76 85 74 ...
df$Tratamiento=factor(df$Tratamiento)
df
## Tratamiento Tiempo
## 1 Control 213
## 2 Control 214
## 3 Control 204
## 4 Control 208
## 5 Control 212
## 6 Control 200
## 7 Control 207
## 8 T2 76
## 9 T2 85
## 10 T2 74
## 11 T2 78
## 12 T2 82
## 13 T2 75
## 14 T2 82
## 15 T3 57
## 16 T3 67
## 17 T3 55
## 18 T3 64
## 19 T3 61
## 20 T3 63
## 21 T3 63
## 22 T4 84
## 23 T4 82
## 24 T4 85
## 25 T4 92
## 26 T4 87
## 27 T4 79
## 28 T4 90
boxplot(Tiempo~Tratamiento,data=df,main="Comparacion del tiempo de cocción con diferentes tratamientos")
modelo=aov(Tiempo~Tratamiento,data=df)
summary(modelo)
## Df Sum Sq Mean Sq F value Pr(>F)
## Tratamiento 3 95041 31680 1559 <2e-16 ***
## Residuals 24 488 20
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
El p_valor=2e-16<0.05 sugiere diferencias significativas entre las medias de los diferentes tratamientos.
tk=TukeyHSD(modelo)
tk
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = Tiempo ~ Tratamiento, data = df)
##
## $Tratamiento
## diff lwr upr p adj
## T2-Control -129.428571 -136.07568671 -122.78146 0.0000000
## T3-Control -146.857143 -153.50425813 -140.21003 0.0000000
## T4-Control -122.714286 -129.36140099 -116.06717 0.0000000
## T3-T2 -17.428571 -24.07568671 -10.78146 0.0000010
## T4-T2 6.714286 0.06717044 13.36140 0.0471059
## T4-T3 24.142857 17.49574187 30.78997 0.0000000
plot(tk)
Se obtiene diferentes valores p (p_valores) <0.05, por lo que existe diferencias significativas entre todos los tratamientos.
qqnorm(modelo$residuals)
qqline(modelo$residuals)
shapiro.test(modelo$residuals)
##
## Shapiro-Wilk normality test
##
## data: modelo$residuals
## W = 0.95991, p-value = 0.3469
La prueba de Shapiro-Wilks arroja un valor de p=0.3469, por lo que se acepta Ho: los datos siguen una distribución normal
plot(modelo$residuals)
abline(h=0)
plot(df$Tratamiento,modelo$residuals)
abline(h=0)
plot(modelo$fitted.values,modelo$residuals)
abline(h=0)
Se rechaza la Ho y se acepta la Ha, que indica la existencia de diferencias significativas entre los distintos tratamientos.
La conclusión que nos arrojan las pruebas es que el tratamiento T3, de la sal común aplicada a los frijoles, es el mejor, por implicar menos tiempo de cocción, produciendo eficiencia en cuanto a tiempo y dinero.