Casambara
Andres Felipe Cortes Caucali
1/9/2021
#COntexto : Se busca saber el rendimiento en un cultivo de manzanos con 2 fertilziantes 60N y 90N en 5 tiempo 10 dias, 20 dias, 30 dias ,40 dias y 45 dias
library(readxl)
Casambara <- read_excel("C:\\Users\\57321\\Documents\\R\\Excel rstudio\\Caramba.xlsx",
col_types = c("numeric", "text", "text",
"numeric"))
df_1 <- data.frame(Casambara)library(collapsibleTree)
collapsibleTreeSummary(
df_1,
hierarchy = c('tratamiento', 'tiempo', 'rendimiento'))#Estadisticos
library(rstatix)## Warning: package 'rstatix' was built under R version 4.1.1df_1 %>%
group_by(tratamiento, tiempo) %>%
get_summary_stats(rendimiento, type = "mean_sd")## # A tibble: 15 x 6
## tratamiento tiempo variable n mean sd
## <chr> <chr> <chr> <dbl> <dbl> <dbl>
## 1 60N 10 rendimiento 5 2.29 1.42
## 2 60N 20 rendimiento 5 2.67 0.867
## 3 60N 30 rendimiento 5 3.77 1.40
## 4 60N 40 rendimiento 5 2.61 1.17
## 5 60N 45 rendimiento 5 2.79 0.858
## 6 90N 10 rendimiento 5 3.48 1.04
## 7 90N 20 rendimiento 5 3.27 1.83
## 8 90N 30 rendimiento 5 2.47 1.48
## 9 90N 40 rendimiento 5 2.74 1.54
## 10 90N 45 rendimiento 5 2.90 1.20
## 11 Control 10 rendimiento 5 2.43 0.751
## 12 Control 20 rendimiento 5 3.40 1.59
## 13 Control 30 rendimiento 5 3.50 1.34
## 14 Control 40 rendimiento 5 3.09 1.72
## 15 Control 45 rendimiento 5 2.93 0.96#Graficos
library(ggpubr)## Warning: package 'ggpubr' was built under R version 4.1.1ggqqplot(df_1, "rendimiento", facet.by = "tiempo")
#Datos atipicos(En la variable respuesta)
library(rstatix)
df_1 %>%
group_by(tratamiento, tiempo) %>%
identify_outliers(rendimiento)## # A tibble: 7 x 6
## tratamiento tiempo id rendimiento is.outlier is.extreme
## <chr> <chr> <dbl> <dbl> <lgl> <lgl>
## 1 60N 10 1 4.66 TRUE FALSE
## 2 60N 20 4 1.18 TRUE TRUE
## 3 60N 20 5 3.42 TRUE FALSE
## 4 60N 45 1 3.66 TRUE FALSE
## 5 60N 45 2 1.36 TRUE TRUE
## 6 90N 30 1 4.97 TRUE FALSE
## 7 Control 10 2 1.24 TRUE FALSE#Prueba de normalidad(metodo casambara, a todo tratamiento ,control)
library(rstatix)
df_1 %>%
group_by(tratamiento, tiempo) %>%
shapiro_test(rendimiento)## # A tibble: 15 x 5
## tratamiento tiempo variable statistic p
## <chr> <chr> <chr> <dbl> <dbl>
## 1 60N 10 rendimiento 0.849 0.192
## 2 60N 20 rendimiento 0.787 0.0637
## 3 60N 30 rendimiento 0.828 0.135
## 4 60N 40 rendimiento 0.955 0.772
## 5 60N 45 rendimiento 0.859 0.223
## 6 90N 10 rendimiento 0.878 0.301
## 7 90N 20 rendimiento 0.764 0.0395
## 8 90N 30 rendimiento 0.823 0.122
## 9 90N 40 rendimiento 0.930 0.593
## 10 90N 45 rendimiento 0.868 0.258
## 11 Control 10 rendimiento 0.929 0.591
## 12 Control 20 rendimiento 0.905 0.437
## 13 Control 30 rendimiento 0.949 0.730
## 14 Control 40 rendimiento 0.827 0.133
## 15 Control 45 rendimiento 0.979 0.929#Prueba normalidad a residuales (Metodo profesor)
anc <- aov(rendimiento ~ tiempo + tratamiento,data = df_1)
summary(anc)## Df Sum Sq Mean Sq F value Pr(>F)
## tiempo 4 2.85 0.7120 0.423 0.791
## tratamiento 2 0.76 0.3795 0.226 0.799
## Residuals 68 114.36 1.6818norm_resi = shapiro.test(anc$residuals)
ifelse(norm_resi$p.value<0.05,"No son normales","Son normales")## [1] "No son normales"#Atipicos de los residuales
Res_1<-anc$residuals
#Normalidad de los residuales
shapiro.test(Res_1)##
## Shapiro-Wilk normality test
##
## data: Res_1
## W = 0.94394, p-value = 0.002352#Igualdad de varianzas
bartlett.test(Res_1~df_1$tratamiento)##
## Bartlett test of homogeneity of variances
##
## data: Res_1 by df_1$tratamiento
## Bartlett's K-squared = 1.2085, df = 2, p-value = 0.5465#Analisis de varianza
library(rstatix)
res.aov <- anova_test(data = df_1, dv = rendimiento, wid = id,within = c(tratamiento, tiempo))
get_anova_table(res.aov)## ANOVA Table (type III tests)
##
## Effect DFn DFd F p p<.05 ges
## 1 tratamiento 2 8 0.223 0.805 0.007
## 2 tiempo 4 16 0.357 0.836 0.027
## 3 tratamiento:tiempo 8 32 1.479 0.204 0.090#Bonferroni
one.way <- df_1 %>%
group_by(tiempo) %>%
anova_test(dv = rendimiento, wid = id, within = tratamiento) %>%
get_anova_table() %>%
adjust_pvalue(method = "bonferroni")
one.way## # A tibble: 5 x 9
## tiempo Effect DFn DFd F p `p<.05` ges p.adj
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <chr> <dbl> <dbl>
## 1 10 tratamiento 2 8 2.59 0.136 "" 0.222 0.68
## 2 20 tratamiento 2 8 0.468 0.642 "" 0.054 1
## 3 30 tratamiento 2 8 2.36 0.157 "" 0.165 0.785
## 4 40 tratamiento 2 8 0.52 0.613 "" 0.022 1
## 5 45 tratamiento 2 8 0.025 0.975 "" 0.005 1#Variabilidad de varianzas casambara
##Prueba de Levene
library(car)## Warning: package 'car' was built under R version 4.1.1leveneTest(rendimiento ~ tiempo, data = df_1)## Warning in leveneTest.default(y = y, group = group, ...): group coerced to
## factor.## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 4 1.5931 0.1858
## 70##Prueba de Fligner-Killeen
fligner.test(rendimiento ~ tiempo, data = df_1)##
## Fligner-Killeen test of homogeneity of variances
##
## data: rendimiento by tiempo
## Fligner-Killeen:med chi-squared = 6.8897, df = 4, p-value = 0.1418##Prueba de Bartlett
bartlett.test(rendimiento ~ interaction(tratamiento,tiempo), data=df_1)##
## Bartlett test of homogeneity of variances
##
## data: rendimiento by interaction(tratamiento, tiempo)
## Bartlett's K-squared = 7.0703, df = 14, p-value = 0.932#Cual es el mejor tratamiento
medr=tapply(df_1$rendimiento,df_1$tratamiento,mean);medr## 60N 90N Control
## 2.826350 2.972829 3.071206tapply(df_1$rendimiento, list(df_1$tratamiento, df_1$tiempo), mean)## 10 20 30 40 45
## 60N 2.288028 2.673147 3.772619 2.608863 2.789093
## 90N 3.474953 3.272994 2.474044 2.736772 2.905380
## Control 2.430293 3.401733 3.502762 3.087857 2.933384#El mejor tratamiento es el de 60N a los 30 dias ya que presento la mayor media entre todos los tratamiento y los demas tiempo