BASE DE DATOS DE PINUS oaxacana DE AMBAS LOCALIDADES DE INVESTIGACIÓN.

ANOVAS POR VARIABLES

ANOVA EN ALTURA

PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$H14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
tapply(POH$H14, POH$Localidad, mean)
##       MZ       TP 
## 10.27394 10.02473
tapply(POH$H14, POH$Localidad, sd)
##       MZ       TP 
## 1.291551 1.965697
tapply(POH$H14, POH$procedencia, mean)
##       IJO      LMCO       MZO       RNC      SMAO      SMPO       TPO 
## 10.021739 10.836957  9.978261  9.729167  9.706522 10.614583 10.022727 
##        XO 
## 10.293478
tapply(POH$H14, POH$procedencia, sd)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 1.791573 1.233087 1.867657 1.708223 2.088459 1.291652 1.202451 1.738031
modelo <- aov(PO$H14~PO$Localidad+PO$bloque*PO$Localidad+PO$procedencia+PO$Localidad%in%PO$procedencia+PO$bloque%in%PO$Localidad%in%PO$procedencia)
summary(modelo)
##                                        Df Sum Sq Mean Sq F value Pr(>F)
## PO$Localidad                            1    2.9   2.872   1.024  0.313
## PO$bloque                               1    0.9   0.882   0.315  0.576
## PO$procedencia                          7   26.6   3.794   1.353  0.229
## PO$Localidad:PO$bloque                  1    1.6   1.605   0.572  0.450
## PO$Localidad:PO$procedencia             7    7.9   1.135   0.405  0.898
## PO$Localidad:PO$bloque:PO$procedencia  14   37.0   2.639   0.941  0.516
## Residuals                             153  428.9   2.804               
## 7 observations deleted due to missingness
library(agricolae)
## Warning: package 'agricolae' was built under R version 3.1.3
tukey<-HSD.test(modelo,"PO$procedencia")
head(tukey)
## $statistics
##       Mean       CV  MSerror      HSD r.harmonic
##   10.15135 16.49423 2.803573 1.513863   23.10942
## 
## $parameters
##    Df ntr StudentizedRange
##   153   8         4.346355
## 
## $means
##         PO$H14      std  r Min   Max
## IJO  10.021739 1.791573 23 6.0 12.25
## LMCO 10.836957 1.233087 23 8.0 13.00
## MZO   9.978261 1.867657 23 5.0 12.50
## RNC   9.729167 1.708223 24 5.0 12.00
## SMAO  9.706522 2.088459 23 3.0 12.50
## SMPO 10.614583 1.291652 24 6.5 13.00
## TPO  10.022727 1.202451 22 7.5 11.75
## XO   10.293478 1.738031 23 3.5 12.00
## 
## $comparison
## NULL
## 
## $groups
##    trt     means M
## 1 LMCO 10.836957 a
## 2 SMPO 10.614583 a
## 3 XO   10.293478 a
## 4 TPO  10.022727 a
## 5 IJO  10.021739 a
## 6 MZO   9.978261 a
## 7 RNC   9.729167 a
## 8 SMAO  9.706522 a
residual<-df.residual(modelo)
head(residual)
## [1] 153
bar.err(tukey$means,variation="SD",horiz=TRUE,xlim=c(0,14),bar=FALSE,col=colors()[25],space=2, main="Desviación Estandar",xlab="Procedencias",ylab="Área de Copa(cm)",las=1)

bar.err(tukey$means,variation="SE",horiz=FALSE,ylim=c(0,12),bar=FALSE,col=colors()[15],space=2,main="Error",xlab="Procedencias",ylab="Área de Copa (cm)",las=1)

bar.err(tukey$means,variation="range",ylim=c(0,14),bar=FALSE,col="green", space=3,main="Rango de valores = Max - Min",xlab="Procedencias",ylab="Área de Copa (cm)",las=1)

boxplot(POH$H14 ~ POH$Localidad, xlab = "Localidad", ylab = "Altura (m)")

ANOVA EN DIAMETRO BASAL

PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$DB14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
tapply(POH$DB14, POH$Localidad, mean)
##       MZ       TP 
## 19.43617 21.07956
tapply(POH$DB14, POH$Localidad, sd)
##       MZ       TP 
## 3.558734 4.755056
tapply(POH$DB14, POH$procedencia, mean)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 20.54739 20.80304 20.57826 18.31792 19.56783 21.09667 19.79909 21.27348
tapply(POH$DB14, POH$procedencia, sd)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 5.006974 4.552218 3.793344 3.965295 4.810836 4.127216 3.703580 3.725736
modelo <- aov(PO$DB14~PO$Localidad+PO$bloque*PO$Localidad+PO$procedencia+PO$Localidad%in%PO$procedencia+PO$bloque%in%PO$Localidad%in%PO$procedencia)
summary(modelo)
##                                        Df Sum Sq Mean Sq F value  Pr(>F)
## PO$Localidad                            1  124.9  124.88   7.238 0.00793
## PO$bloque                               1   80.6   80.64   4.674 0.03218
## PO$procedencia                          7  155.1   22.16   1.284 0.26162
## PO$Localidad:PO$bloque                  1    1.4    1.40   0.081 0.77639
## PO$Localidad:PO$procedencia             7   69.4    9.91   0.575 0.77582
## PO$Localidad:PO$bloque:PO$procedencia  14  266.6   19.04   1.104 0.35876
## Residuals                             153 2639.7   17.25                
##                                         
## PO$Localidad                          **
## PO$bloque                             * 
## PO$procedencia                          
## PO$Localidad:PO$bloque                  
## PO$Localidad:PO$procedencia             
## PO$Localidad:PO$bloque:PO$procedencia   
## Residuals                               
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 7 observations deleted due to missingness
library(agricolae)
tukey<-HSD.test(modelo,"PO$procedencia")
head(tukey)
## $statistics
##       Mean      CV  MSerror      HSD r.harmonic
##   20.24454 20.5173 17.25266 3.755422   23.10942
## 
## $parameters
##    Df ntr StudentizedRange
##   153   8         4.346355
## 
## $means
##       PO$DB14      std  r   Min   Max
## IJO  20.54739 5.006974 23 11.46 28.97
## LMCO 20.80304 4.552218 23 10.99 28.97
## MZO  20.57826 3.793344 23 12.41 26.11
## RNC  18.31792 3.965295 24 10.83 26.26
## SMAO 19.56783 4.810836 23  6.78 26.42
## SMPO 21.09667 4.127216 24 13.85 28.49
## TPO  19.79909 3.703580 22 10.19 26.10
## XO   21.27348 3.725736 23  8.91 26.26
## 
## $comparison
## NULL
## 
## $groups
##    trt    means M
## 1 XO   21.27348 a
## 2 SMPO 21.09667 a
## 3 LMCO 20.80304 a
## 4 MZO  20.57826 a
## 5 IJO  20.54739 a
## 6 TPO  19.79909 a
## 7 SMAO 19.56783 a
## 8 RNC  18.31792 a
residual<-df.residual(modelo)
head(residual)
## [1] 153
bar.err(tukey$means,variation="SD",horiz=TRUE,xlim=c(0,30),bar=FALSE,col=colors()[25],space=2, main="Desviaci?n Estandar",xlab="Procedencias",ylab="Di?metro Basal (cm)",las=1)

bar.err(tukey$means,variation="SE",horiz=FALSE,ylim=c(0,25),bar=FALSE,col=colors()[15],space=2,main="Error",xlab="Procedencias",ylab="Di?metro Basal (cm)",las=1)

bar.err(tukey$means,variation="range",ylim=c(0,30),bar=FALSE,col="green", space=3,main="Rango de valores = Max - Min",xlab="Procedencias",ylab="Di?metro Basal (cm)",las=1)

boxplot(POH$DB14 ~ POH$Localidad, xlab = "Localidad", ylab = "Altura (m)")

ANOVA EN DIAMETRO NORMAL

PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$DAP14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
tapply(POH$DAP14, POH$Localidad, mean)
##       MZ       TP 
## 15.83287 17.10385
tapply(POH$DAP14, POH$Localidad, sd)
##       MZ       TP 
## 3.493126 4.404948
tapply(POH$DAP14, POH$procedencia, mean)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 16.76783 16.97652 16.57435 14.93000 15.72783 17.33875 16.26864 17.10043
tapply(POH$DAP14, POH$procedencia, sd)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 4.306168 4.080758 3.744930 3.931427 4.656203 3.928284 3.737582 3.607507
modelo <- aov(PO$DAP14~PO$Localidad+PO$bloque*PO$Localidad+PO$procedencia+PO$Localidad%in%PO$procedencia+PO$bloque%in%PO$Localidad%in%PO$procedencia)
summary(modelo)
##                                        Df Sum Sq Mean Sq F value Pr(>F)  
## PO$Localidad                            1   74.7   74.69   4.760 0.0307 *
## PO$bloque                               1   67.1   67.08   4.275 0.0404 *
## PO$procedencia                          7  105.3   15.05   0.959 0.4633  
## PO$Localidad:PO$bloque                  1    0.0    0.02   0.001 0.9697  
## PO$Localidad:PO$procedencia             7   42.1    6.02   0.383 0.9110  
## PO$Localidad:PO$bloque:PO$procedencia  14  265.5   18.96   1.208 0.2744  
## Residuals                             153 2401.0   15.69                 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 7 observations deleted due to missingness
library(agricolae)
tukey<-HSD.test(modelo,"PO$procedencia")
head(tukey)
## $statistics
##       Mean       CV  MSerror      HSD r.harmonic
##   16.45805 24.06991 15.69299 3.581654   23.10942
## 
## $parameters
##    Df ntr StudentizedRange
##   153   8         4.346355
## 
## $means
##      PO$DAP14      std  r  Min   Max
## IJO  16.76783 4.306168 23 8.28 25.78
## LMCO 16.97652 4.080758 23 7.48 23.24
## MZO  16.57435 3.744930 23 7.32 22.44
## RNC  14.93000 3.931427 24 5.89 21.96
## SMAO 15.72783 4.656203 23 2.93 21.97
## SMPO 17.33875 3.928284 24 9.39 23.55
## TPO  16.26864 3.737582 22 7.96 23.56
## XO   17.10043 3.607507 23 5.41 21.33
## 
## $comparison
## NULL
## 
## $groups
##    trt    means M
## 1 SMPO 17.33875 a
## 2 XO   17.10043 a
## 3 LMCO 16.97652 a
## 4 IJO  16.76783 a
## 5 MZO  16.57435 a
## 6 TPO  16.26864 a
## 7 SMAO 15.72783 a
## 8 RNC  14.93000 a
residual<-df.residual(modelo)
head(residual)
## [1] 153
bar.err(tukey$means,variation="SD",horiz=TRUE,xlim=c(0,25),bar=FALSE,col=colors()[25],space=2, main="Desviaci?n Estandar",xlab="Procedencias",ylab="Di?metro Normal (cm)",las=1)

bar.err(tukey$means,variation="SE",horiz=FALSE,ylim=c(0,20),bar=FALSE,col=colors()[15],space=2,main="Error",xlab="Procedencias",ylab="Di?metro Normal (cm)",las=1)

bar.err(tukey$means,variation="range",ylim=c(0,30),bar=FALSE,col="green", space=3,main="Rango de valores = Max - Min",xlab="Procedencias",ylab="Di?metro Normal (cm)",las=1)

boxplot(POH$DAP14 ~ POH$Localidad, xlab = "Localidad", ylab = "Altura (m)")

ANOVA EN DIAMETRO DE COPA

PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$DC14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
tapply(POH$DC14, POH$Localidad, mean)
##       MZ       TP 
## 4.245638 5.077582
tapply(POH$DC14, POH$Localidad, sd)
##        MZ        TP 
## 0.9027241 1.1696308
tapply(POH$DC14, POH$procedencia, mean)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 4.850870 4.938261 4.542609 4.219167 4.388261 4.971250 4.439545 4.884783
tapply(POH$DC14, POH$procedencia, sd)
##       IJO      LMCO       MZO       RNC      SMAO      SMPO       TPO 
## 1.3009015 1.5614581 0.9030615 0.9082181 1.2071855 1.0781841 0.9067917 
##        XO 
## 0.7749948
modelo <- aov(PO$DC14~PO$Localidad+PO$bloque*PO$Localidad+PO$procedencia+PO$Localidad%in%PO$procedencia+PO$bloque%in%PO$Localidad%in%PO$procedencia)
summary(modelo)
##                                        Df Sum Sq Mean Sq F value   Pr(>F)
## PO$Localidad                            1  32.00   32.00  29.576 2.09e-07
## PO$bloque                               1   0.16    0.16   0.152   0.6974
## PO$procedencia                          7  13.86    1.98   1.830   0.0853
## PO$Localidad:PO$bloque                  1   0.22    0.22   0.204   0.6519
## PO$Localidad:PO$procedencia             7   8.22    1.17   1.085   0.3755
## PO$Localidad:PO$bloque:PO$procedencia  14  10.89    0.78   0.719   0.7528
## Residuals                             153 165.55    1.08                 
##                                          
## PO$Localidad                          ***
## PO$bloque                                
## PO$procedencia                        .  
## PO$Localidad:PO$bloque                   
## PO$Localidad:PO$procedencia              
## PO$Localidad:PO$bloque:PO$procedencia    
## Residuals                                
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 7 observations deleted due to missingness
library(agricolae)
tukey<-HSD.test(modelo,"PO$procedencia")
head(tukey)
## $statistics
##       Mean       CV  MSerror       HSD r.harmonic
##   4.654865 22.34685 1.082048 0.9404896   23.10942
## 
## $parameters
##    Df ntr StudentizedRange
##   153   8         4.346355
## 
## $means
##       PO$DC14       std  r  Min  Max
## IJO  4.850870 1.3009015 23 2.73 8.03
## LMCO 4.938261 1.5614581 23 1.63 9.45
## MZO  4.542609 0.9030615 23 2.70 6.15
## RNC  4.219167 0.9082181 24 2.50 6.03
## SMAO 4.388261 1.2071855 23 2.20 6.60
## SMPO 4.971250 1.0781841 24 2.88 7.10
## TPO  4.439545 0.9067917 22 2.73 6.30
## XO   4.884783 0.7749948 23 3.15 6.15
## 
## $comparison
## NULL
## 
## $groups
##    trt    means M
## 1 SMPO 4.971250 a
## 2 LMCO 4.938261 a
## 3 XO   4.884783 a
## 4 IJO  4.850870 a
## 5 MZO  4.542609 a
## 6 TPO  4.439545 a
## 7 SMAO 4.388261 a
## 8 RNC  4.219167 a
residual<-df.residual(modelo)
head(residual)
## [1] 153
bar.err(tukey$means,variation="SD",horiz=TRUE,xlim=c(0,7),bar=FALSE,col=colors()[25],space=2, main="Desviaci?n Estandar",xlab="Procedencias",ylab="Di?metro de Copa(cm)",las=1)

bar.err(tukey$means,variation="SE",horiz=FALSE,ylim=c(0,6),bar=FALSE,col=colors()[15],space=2,main="Error",xlab="Procedencias",ylab="Di?metro de Copa (cm)",las=1)

bar.err(tukey$means,variation="range",ylim=c(0,10),bar=FALSE,col="green", space=3,main="Rango de valores = Max - Min",xlab="Procedencias",ylab="Di?metro de Copa (cm)",las=1)

boxplot(POH$DC14 ~ POH$Localidad, xlab = "Localidad", ylab = "Altura (m)")

ANOVA DE AREA DE COPA

PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$AC14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
tapply(POH$AC14, POH$Localidad, mean)
##       MZ       TP 
## 15.20723 21.66846
tapply(POH$AC14, POH$Localidad, sd)
##       MZ       TP 
## 6.075167 9.993846
tapply(POH$AC14, POH$procedencia, mean)
##      IJO     LMCO      MZO      RNC     SMAO     SMPO      TPO       XO 
## 20.07087 21.61000 17.24739 14.94917 16.55174 20.58417 16.50182 19.54043
tapply(POH$AC14, POH$procedencia, sd)
##       IJO      LMCO       MZO       RNC      SMAO      SMPO       TPO 
## 10.811736 14.039683  6.310937  6.150166  8.312821  8.611323  6.319713 
##        XO 
##  5.692995
modelo <- aov(PO$AC14~PO$Localidad+PO$bloque*PO$Localidad+PO$procedencia+PO$Localidad%in%PO$procedencia+PO$bloque%in%PO$Localidad%in%PO$procedencia)
summary(modelo)
##                                        Df Sum Sq Mean Sq F value   Pr(>F)
## PO$Localidad                            1   1930  1930.3  28.939 2.75e-07
## PO$bloque                               1      0     0.1   0.001   0.9778
## PO$procedencia                          7    928   132.5   1.987   0.0602
## PO$Localidad:PO$bloque                  1      9     9.4   0.141   0.7077
## PO$Localidad:PO$procedencia             7    649    92.7   1.389   0.2135
## PO$Localidad:PO$bloque:PO$procedencia  14    630    45.0   0.674   0.7966
## Residuals                             153  10206    66.7                 
##                                          
## PO$Localidad                          ***
## PO$bloque                                
## PO$procedencia                        .  
## PO$Localidad:PO$bloque                   
## PO$Localidad:PO$procedencia              
## PO$Localidad:PO$bloque:PO$procedencia    
## Residuals                                
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 7 observations deleted due to missingness
library(agricolae)
tukey<-HSD.test(modelo,"PO$procedencia")
head(tukey)
## $statistics
##       Mean      CV  MSerror     HSD r.harmonic
##   18.38546 44.4219 66.70266 7.38418   23.10942
## 
## $parameters
##    Df ntr StudentizedRange
##   153   8         4.346355
## 
## $means
##       PO$AC14       std  r  Min   Max
## IJO  20.07087 10.811736 23 6.05 51.41
## LMCO 21.61000 14.039683 23 2.38 70.14
## MZO  17.24739  6.310937 23 5.73 29.78
## RNC  14.94917  6.150166 24 4.91 28.69
## SMAO 16.55174  8.312821 23 3.80 34.21
## SMPO 20.58417  8.611323 24 7.16 39.59
## TPO  16.50182  6.319713 22 5.87 31.24
## XO   19.54043  5.692995 23 7.79 29.71
## 
## $comparison
## NULL
## 
## $groups
##    trt    means M
## 1 LMCO 21.61000 a
## 2 SMPO 20.58417 a
## 3 IJO  20.07087 a
## 4 XO   19.54043 a
## 5 MZO  17.24739 a
## 6 SMAO 16.55174 a
## 7 TPO  16.50182 a
## 8 RNC  14.94917 a
residual<-df.residual(modelo)
head(residual)
## [1] 153
bar.err(tukey$means,variation="SD",horiz=TRUE,xlim=c(0,40),bar=FALSE,col=colors()[25],space=2, main="Desviación Estandar",xlab="Procedencias",ylab="Área de Copa(cm)",las=1)

bar.err(tukey$means,variation="SE",horiz=FALSE,ylim=c(0,30),bar=FALSE,col=colors()[15],space=2,main="Error",xlab="Procedencias",ylab="?rea de Copa (cm)",las=1)

bar.err(tukey$means,variation="range",ylim=c(0,70),bar=FALSE,col="green", space=3,main="Rango de valores = Max - Min",xlab="Procedencias",ylab="Área de Copa (m2)",las=1)

boxplot(POH$AC14 ~ POH$Localidad, xlab = "Localidad", ylab = "Altura (m)")

CORRELACION

library(agricolae)
PO<-read.csv("C:/TESIS/ANOVA/OAX.csv",header=TRUE) 
POH<- PO[which(!is.na(PO$AC14)),] 
head(POH)
##   Localidad bloque procedencia  H14  DB14 DAP14 DC14  AC14 SUP
## 1        MZ      1         TPO 10.5 21.80 18.30 4.80 18.14 1.0
## 2        MZ      1        SMPO  6.5 16.08  9.39 3.49 10.59 1.0
## 3        MZ      1        SMAO  8.0 15.12 10.35 3.00  8.40 1.0
## 4        MZ      1         MZO  9.0 14.96 11.78 3.85 11.64 0.5
## 5        MZ      1        LMCO  8.0 10.99  7.48 1.63  2.38 1.0
## 6        MZ      1         IJO  8.0 17.83 14.32 4.55 16.26 0.5
correlation(POH[,4:8],method="pearson")
## 
## Correlation Analysis
## 
## Method     : pearson
## Alternative: two.sided
## $correlation
##        H14 DB14 DAP14 DC14 AC14
## H14   1.00 0.64  0.70 0.44 0.40
## DB14  0.64 1.00  0.96 0.76 0.71
## DAP14 0.70 0.96  1.00 0.76 0.70
## DC14  0.44 0.76  0.76 1.00 0.98
## AC14  0.40 0.71  0.70 0.98 1.00
## 
## $pvalue
##                H14 DB14 DAP14        DC14         AC14
## H14   1.000000e+00    0     0 3.27655e-10 1.309322e-08
## DB14  0.000000e+00    1     0 0.00000e+00 0.000000e+00
## DAP14 0.000000e+00    0     1 0.00000e+00 0.000000e+00
## DC14  3.276550e-10    0     0 1.00000e+00 0.000000e+00
## AC14  1.309322e-08    0     0 0.00000e+00 1.000000e+00
## 
## $n.obs
## [1] 185
pairs(~POH$H14+POH$DB14+POH$DAP14+POH$DC14+POH$AC14)

library(psych)
## Warning: package 'psych' was built under R version 3.1.3
pairs.panels(POH[c(4,5,6,7,8)])