library(pacman)
p_load("base64enc", "htmltools", "mime", "xfun", "prettydoc","readr", "knitr","DT","dplyr", "ggplot2","fdth")
setwd("~/APLICADA")
plantas <- read_csv("~/APLICADA/plantas.csv")
## Rows: 42 Columns: 3
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (1): Tratamiento
## dbl (2): planta, IE
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

Tabla de control

Ctrl= subset(plantas, Tratamiento=="Ctrl")
Fert= subset(plantas, Tratamiento=="Fert")
datatable(Ctrl)

Tabla de Fertilizante

datatable(Fert)

Histograma y poligonos de distribuciones de frecuencia

  tablaCtrl=fdt(Ctrl)
  tablaFert=fdt(Fert)
  tablaCtrl
## planta 
##   Class limits f   rf rf(%) cf  cf(%)
##    [0.99,4.36) 4 0.19 19.05  4  19.05
##    [4.36,7.73) 3 0.14 14.29  7  33.33
##    [7.73,11.1) 4 0.19 19.05 11  52.38
##   [11.1,14.47) 3 0.14 14.29 14  66.67
##  [14.47,17.84) 3 0.14 14.29 17  80.95
##  [17.84,21.21) 4 0.19 19.05 21 100.00
## 
## IE 
##     Class limits f   rf rf(%) cf  cf(%)
##  [0.5445,0.6137) 1 0.05  4.76  1   4.76
##  [0.6137,0.6828) 4 0.19 19.05  5  23.81
##   [0.6828,0.752) 4 0.19 19.05  9  42.86
##   [0.752,0.8212) 6 0.29 28.57 15  71.43
##  [0.8212,0.8903) 1 0.05  4.76 16  76.19
##  [0.8903,0.9595) 5 0.24 23.81 21 100.00

Histograma y poligono de frecuencia absoluta segun sturge

Tabla de frecuencia absoluta

plot(tablaCtrl,type='fh')

plot(tablaFert,type='fh')

Tabla de frecuencia poligonal

plot(tablaCtrl,type='fp')

plot(tablaFert,type='fp')

Histograma y poligono de frecuencia relativa segun Sturges

Tabla de frecuencia relativa

plot(tablaCtrl,type='rfh')

plot(tablaFert,type='rfh')

Poligonal

plot(tablaCtrl,type='rfp') 

plot(tablaFert,type='rfp')

Frecuencia acumulada segun Sturges

 plot(tablaCtrl,type = "cfh")

plot(tablaFert,type = "cfh")

Tabla poligonal

plot(tablaCtrl,type = "cfp")

plot(tablaFert,type = "cfp")

********- AIUC1_6 -********

Cuartiles

hist(Ctrl$IE)

Histograma de frecuencias absolutas segun Sturges

hist(Fert$IE)

Analisis cuantilico

summary(Ctrl$IE)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.5500  0.7000  0.7700  0.7676  0.8700  0.9500
summary(Fert$IE)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.5600  0.7800  0.9100  0.9067  1.0400  1.1600

##PRUEBAS DE NORMALIDAD #Prueba de normalidad de Shapiro-Wilk El test de Shapiro-Wilk se usa para contrastar si un conjunto de datos siguen una distribución normal o no. Este hecho es de vital importancia porque otros muchos análisis estadísticos requieren de la normalidad de los datos para poder llevarlos a cabo.

Para efectuarla se calcula la media y la varianza muestral, S2, y se ordenan las observaciones de menor a mayor. A continuación se calculan las diferencias entre: el primero y el último; el segundo y el penúltimo; el tercero y el antepenúltimo, etc. y se corrigen con unos coeficientes tabulados por Shapiro y Wilk. El estadístico de prueba es:

W= D²/nS²

Donde D es la suma de las diferencias corregidas.

Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor crítico proporcionado por la tabla elaborada por los autores para el tamaño muestral y el nivel de significación dado.

shapiro.test(Ctrl$IE)
## 
##  Shapiro-Wilk normality test
## 
## data:  Ctrl$IE
## W = 0.9532, p-value = 0.3908

#Prueba de normalidad de Smirnov-Kolmogorov

Cuando la prueba Kolmogorov-Smirnov kolmogorov se aplica para contrastar la hipótesis de normalidad de la población, el estadístico de prueba es la máxima diferencia:

D= max | Fn (x) -Fo(x)|

Siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente a la población normal especificada en la hipótesis nula.

La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución poblacional especificada en la hipótesis nula y los valores críticos de este estadístico están tabulados. Si la distribución postulada es la normal y se estiman sus parámetros, los valores críticos se obtienen aplicando la corrección de significación propuesta por Lilliefors.

ks.test(Ctrl$IE, "pnorm", mean=mean(Ctrl$IE), sd=sd(Ctrl$IE))
## Warning in ks.test(Ctrl$IE, "pnorm", mean = mean(Ctrl$IE), sd = sd(Ctrl$IE)):
## ties should not be present for the Kolmogorov-Smirnov test
## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  Ctrl$IE
## D = 0.11991, p-value = 0.9233
## alternative hypothesis: two-sided
ks.test(Fert$IE, "pnorm", mean = mean(Fert$IE), sd = sd(Fert$IE))
## Warning in ks.test(Fert$IE, "pnorm", mean = mean(Fert$IE), sd = sd(Fert$IE)):
## ties should not be present for the Kolmogorov-Smirnov test
## 
##  One-sample Kolmogorov-Smirnov test
## 
## data:  Fert$IE
## D = 0.10776, p-value = 0.9677
## alternative hypothesis: two-sided