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 salcomún (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:

df=read.csv("Cap,3.Prob12.csv")
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
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)
boxplot(Tiempo~Tratamiento,data=df,main="comparar los tiempos de coccion 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
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)

qqnorm(modelo$residuals)
qqline(modelo$residuals)

shapiro.test(modelo$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  modelo$residuals
## W = 0.95991, p-value = 0.3469
library(car)
## Loading required package: carData
leveneTest(df$Tiempo~df$Tratamiento)
## Levene's Test for Homogeneity of Variance (center = median)
##       Df F value Pr(>F)
## group  3  0.1631 0.9201
##       24
plot(modelo$residuals)
abline(h=0)

plot(df$Tratamiento,modelo$residuals)
abline(h=0)

plot(modelo$fitted.values,modelo$residuals)
abline(h=0)