#Asignación

#Desarrollar el componente descriptivo asociado al siguiente experimento: #Fije una semilla con su cc

#Variable respuesta: Clorofila (genere 192 datos)

#Factor 1: Genotipo (3 genotipos)

#Factor 2: Tercio del arbol (bajo, medio)

#Factor 3: Horario (Diurno, Nocturno)

#Factor 4: Sensor (2 sensores)

#¿Cuantas repeticiones hay en este estudio?

#¿Cuantos tratamientos hay en este estudio?

#Dibuje el diagrama de arbol con conteos por nodo

#Obtenga estadisticas descriptivas simultaneas para todos los tratamientos (tapply)

#Use la libreria lattice para hacer representaciones de los diagramas de caja e intente que aparezcan los promedios además de las medianas, cambie los colores por defecto que vienen en los paneles

#Obtenga los coeficientes de variación y use esta medida para decidir cual es el mejor tratamiento, si lo que se desea es un máximo valor de clorofila

set.seed(1617)
Ctc_clorofila<-rnorm(192,2.3,0.17)
Genotipo<-gl(3,64,192,c("Gen1","Gen2","Gen3"))
Ter_Arbol<-gl(2,32,192,c("bajo","Med"))
Horario<-gl(2,16,192,c("Dia","Noche"))
Sensor<-gl(2,8,192,labels=c("SPAD502","CM 1000"))
Respuesta<-data.frame(Ctc_clorofila,Genotipo,Ter_Arbol,Horario,Sensor)
Respuesta$Repeticion=seq(1,8,1)

library(collapsibleTree)

collapsibleTreeSummary(Respuesta,hierarchy=c("Genotipo","Ter_Arbol","Horario","Sensor","Repeticion"),tooltip = T)
# Estadisticas por grupo

medias=tapply(Respuesta$Ctc_clorofila,list(Respuesta$Genotipo,Respuesta$Ter_Arbol,Respuesta$Horario,Respuesta$Sensor),mean);medias
## , , Dia, SPAD502
## 
##          bajo      Med
## Gen1 2.314399 2.263730
## Gen2 2.343999 2.313158
## Gen3 2.309507 2.186061
## 
## , , Noche, SPAD502
## 
##          bajo      Med
## Gen1 2.331773 2.225229
## Gen2 2.301590 2.348204
## Gen3 2.368454 2.305767
## 
## , , Dia, CM 1000
## 
##          bajo      Med
## Gen1 2.201173 2.180345
## Gen2 2.275771 2.363552
## Gen3 2.313149 2.205528
## 
## , , Noche, CM 1000
## 
##          bajo      Med
## Gen1 2.311565 2.297251
## Gen2 2.298488 2.232966
## Gen3 2.343767 2.298681
desviaciones=tapply(Respuesta$Ctc_clorofila,list(Respuesta$Genotipo,Respuesta$Ter_Arbol,Respuesta$Horario,Respuesta$Sensor), sd);desviaciones
## , , Dia, SPAD502
## 
##           bajo       Med
## Gen1 0.1831684 0.2364241
## Gen2 0.1567061 0.1489063
## Gen3 0.2124249 0.2599788
## 
## , , Noche, SPAD502
## 
##           bajo       Med
## Gen1 0.1620570 0.2080313
## Gen2 0.1936208 0.2028370
## Gen3 0.2096511 0.2006915
## 
## , , Dia, CM 1000
## 
##           bajo        Med
## Gen1 0.1723800 0.08390312
## Gen2 0.2252103 0.20269519
## Gen3 0.1042022 0.09452755
## 
## , , Noche, CM 1000
## 
##           bajo       Med
## Gen1 0.1725649 0.2227904
## Gen2 0.2108053 0.1632945
## Gen3 0.2145646 0.1783465
cv = 100*desviaciones/medias
cv
## , , Dia, SPAD502
## 
##          bajo       Med
## Gen1 7.914296 10.444007
## Gen2 6.685420  6.437358
## Gen3 9.197847 11.892566
## 
## , , Noche, SPAD502
## 
##          bajo      Med
## Gen1 6.949948 9.348761
## Gen2 8.412480 8.637963
## Gen3 8.851815 8.703892
## 
## , , Dia, CM 1000
## 
##          bajo      Med
## Gen1 7.831281 3.848158
## Gen2 9.896000 8.575870
## Gen3 4.504778 4.285937
## 
## , , Noche, CM 1000
## 
##          bajo      Med
## Gen1 7.465286 9.698129
## Gen2 9.171475 7.312899
## Gen3 9.154689 7.758645
Respuesta$tratamiento=interaction(Respuesta$Genotipo,Respuesta$Ter_Arbol,Respuesta$Horario,Respuesta$Sensor)

mediatrt<-tapply(Respuesta$Ctc_clorofila,Respuesta$tratamiento,mean)

boxplot(Respuesta$Ctc_clorofila~Respuesta$tratamiento,las=2,xlab="",col=c(rep("green",12),rep("orange",12)))
points(c(1:24),mediatrt,col="blue",pch=16)

library(lattice)

bwplot (Respuesta$Ctc_clorofila~Respuesta$tratamiento,,col=c(rep("green",12),rep("orange",12)), horizontal = FALSE, aspect = "fill", abbreviate=FALSE)

bwplot(Respuesta$Ctc_clorofila~Respuesta$Genotipo|Respuesta$Ter_Arbol*Respuesta$Horario,col=c(rep("blue",12), pch='|'))

#Conclusiones: El mejor tratamiento teniendo en cuenta la media, desviacion standard y el coeficiente de variación es el Genotipo 1, con tercio de arbol Medio, horario Diurno, Sensor (CM 1000), ya que este presenta un cv=3.848158 % y una sd=0.08390312, lo cual lo hace el mas estable entre todos los tratamientos, aunque ninguno de los cv son mayores al 20%,lo cual hace que todos los tratamientos sean homogeneos.