Diagrama del Proyecto

Análisis de area foliar

Se ingresan los datos y se convierte este en un data.frame para que los comandos de R lo puedan correr

library(readxl)
library(readxl)
datos_anova <- read_excel("datos anova.xlsx")
View(datos_anova)
datos_anova <- data.frame(datos_anova)

Acá se corre la ANOVA de dos vías.

anova_2v = aov(Peso.seco~Tipo.de.luz*Tipo.de.fertilizante, data = datos_anova)
summary(anova_2v)
##                                  Df Sum Sq Mean Sq F value   Pr(>F)    
## Tipo.de.luz                       2  38.14  19.071  13.416 3.12e-05 ***
## Tipo.de.fertilizante              1   7.76   7.760   5.459   0.0243 *  
## Tipo.de.luz:Tipo.de.fertilizante  2   0.12   0.058   0.041   0.9603    
## Residuals                        42  59.70   1.421                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se hace el complemento de la ANOVA, la prueba de Tukey

TukeyHSD(anova_2v)
##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = Peso.seco ~ Tipo.de.luz * Tipo.de.fertilizante, data = datos_anova)
## 
## $Tipo.de.luz
##                  diff        lwr        upr     p adj
## Natural-Azul  1.68750  0.6634106  2.7115894 0.0007152
## Rojo-Azul    -0.35625 -1.3803394  0.6678394 0.6773552
## Rojo-Natural -2.04375 -3.0678394 -1.0196606 0.0000509
## 
## $Tipo.de.fertilizante
##                       diff      lwr      upr     p adj
## Químico-Orgánico 0.8041667 0.109598 1.498735 0.0243092
## 
## $`Tipo.de.luz:Tipo.de.fertilizante`
##                                     diff         lwr        upr     p adj
## Natural:Orgánico-Azul:Orgánico    1.6125 -0.16708037  3.3920804 0.0954879
## Rojo:Orgánico-Azul:Orgánico      -0.4750 -2.25458037  1.3045804 0.9665155
## Azul:Químico-Azul:Orgánico        0.6750 -1.10458037  2.4545804 0.8650966
## Natural:Químico-Azul:Orgánico     2.4375  0.65791963  4.2170804 0.0024789
## Rojo:Químico-Azul:Orgánico        0.4375 -1.34208037  2.2170804 0.9765206
## Rojo:Orgánico-Natural:Orgánico   -2.0875 -3.86708037 -0.3079196 0.0132351
## Azul:Químico-Natural:Orgánico    -0.9375 -2.71708037  0.8420804 0.6204815
## Natural:Químico-Natural:Orgánico  0.8250 -0.95458037  2.6045804 0.7361672
## Rojo:Químico-Natural:Orgánico    -1.1750 -2.95458037  0.6045804 0.3755453
## Azul:Químico-Rojo:Orgánico        1.1500 -0.62958037  2.9295804 0.3994017
## Natural:Químico-Rojo:Orgánico     2.9125  1.13291963  4.6920804 0.0002123
## Rojo:Químico-Rojo:Orgánico        0.9125 -0.86708037  2.6920804 0.6469418
## Natural:Químico-Azul:Químico      1.7625 -0.01708037  3.5420804 0.0535603
## Rojo:Químico-Azul:Químico        -0.2375 -2.01708037  1.5420804 0.9986102
## Rojo:Químico-Natural:Químico     -2.0000 -3.77958037 -0.2204196 0.0196181

Se debe correr, posteriormente, los supuestos de la ANOVA pasa saber si se cumplen las condiciones de homocedasticidad y normalidad de los datos en cuestión, por eso se utiliza shapiro.test y bartlett.test. De no cumplirse estos supuestos, no son válidos los datos que arroje. El bartlett test hay que hacerlo con cada uno de los factores.

shapiro.test(datos_anova$Area.foliar)
## 
##  Shapiro-Wilk normality test
## 
## data:  datos_anova$Area.foliar
## W = 0.72319, p-value = 3.491e-08
resd = anova_2v$residuals
bartlett.test(resd,datos_anova$Tipo.de.luz)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  resd and datos_anova$Tipo.de.luz
## Bartlett's K-squared = 41.967, df = 2, p-value = 7.707e-10
bartlett.test(resd,datos_anova$Tipo.de.fertilizante)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  resd and datos_anova$Tipo.de.fertilizante
## Bartlett's K-squared = 0.015105, df = 1, p-value = 0.9022

En este caso no se puede validar los datos de la ANOVA porque no se cumplieron los supuestos

Análisis de peso fresco

Ingresar los datos

library(readxl)
datos_anova <- read_excel("datos anova.xlsx")
View(datos_anova)
datos_anova <- data.frame(datos_anova)

Se corre la ANOVA

anova_2vv = aov(Peso.fresco~Tipo.de.luz*Tipo.de.fertilizante, data = datos_anova)
summary(anova_2vv)
##                                  Df Sum Sq Mean Sq F value   Pr(>F)    
## Tipo.de.luz                       2   3379  1689.7  30.579 6.38e-09 ***
## Tipo.de.fertilizante              1    253   253.5   4.587   0.0381 *  
## Tipo.de.luz:Tipo.de.fertilizante  2    216   108.0   1.954   0.1544    
## Residuals                        42   2321    55.3                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se corre la prueba de Tukey

TukeyHSD(anova_2vv)
##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = Peso.fresco ~ Tipo.de.luz * Tipo.de.fertilizante, data = datos_anova)
## 
## $Tipo.de.luz
##                   diff        lwr        upr     p adj
## Natural-Azul  17.53125  11.146109  23.916391 0.0000001
## Rojo-Azul     -0.52500  -6.910141   5.860141 0.9782535
## Rojo-Natural -18.05625 -24.441391 -11.671109 0.0000001
## 
## $Tipo.de.fertilizante
##                      diff       lwr      upr     p adj
## Químico-Orgánico 4.595833 0.2652357 8.926431 0.0380644
## 
## $`Tipo.de.luz:Tipo.de.fertilizante`
##                                      diff         lwr         upr     p adj
## Natural:Orgánico-Azul:Orgánico    12.9125   1.8169138  24.0080862 0.0142679
## Rojo:Orgánico-Azul:Orgánico       -0.7750 -11.8705862  10.3205862 0.9999414
## Azul:Químico-Azul:Orgánico         1.3500  -9.7455862  12.4455862 0.9991103
## Natural:Químico-Azul:Orgánico     23.5000  12.4044138  34.5955862 0.0000020
## Rojo:Químico-Azul:Orgánico         1.0750 -10.0205862  12.1705862 0.9997066
## Rojo:Orgánico-Natural:Orgánico   -13.6875 -24.7830862  -2.5919138 0.0080285
## Azul:Químico-Natural:Orgánico    -11.5625 -22.6580862  -0.4669138 0.0367393
## Natural:Químico-Natural:Orgánico  10.5875  -0.5080862  21.6830862 0.0690559
## Rojo:Químico-Natural:Orgánico    -11.8375 -22.9330862  -0.7419138 0.0304939
## Azul:Químico-Rojo:Orgánico         2.1250  -8.9705862  13.2205862 0.9923613
## Natural:Químico-Rojo:Orgánico     24.2750  13.1794138  35.3705862 0.0000010
## Rojo:Químico-Rojo:Orgánico         1.8500  -9.2455862  12.9455862 0.9959932
## Natural:Químico-Azul:Químico      22.1500  11.0544138  33.2455862 0.0000065
## Rojo:Químico-Azul:Químico         -0.2750 -11.3705862  10.8205862 0.9999997
## Rojo:Químico-Natural:Químico     -22.4250 -33.5205862 -11.3294138 0.0000051

Se corren los supuestos

shapiro.test(datos_anova$Peso.fresco)
## 
##  Shapiro-Wilk normality test
## 
## data:  datos_anova$Peso.fresco
## W = 0.67872, p-value = 5.695e-09
res = anova_2vv$residuals
bartlett.test(res,datos_anova$Tipo.de.luz)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  res and datos_anova$Tipo.de.luz
## Bartlett's K-squared = 93.16, df = 2, p-value < 2.2e-16
bartlett.test(res,datos_anova$Tipo.de.fertilizante)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  res and datos_anova$Tipo.de.fertilizante
## Bartlett's K-squared = 1.9631, df = 1, p-value = 0.1612

Análisis peso seco

El ingreso de los datos.

library(readxl)
datos_anova <- read_excel("datos anova.xlsx")
View(datos_anova)
datos_anova <- data.frame(datos_anova)

Se corre la ANOVA.

anova_2vvv = aov(Peso.seco~Tipo.de.luz*Tipo.de.fertilizante, data = datos_anova)
summary(anova_2vvv)
##                                  Df Sum Sq Mean Sq F value   Pr(>F)    
## Tipo.de.luz                       2  38.14  19.071  13.416 3.12e-05 ***
## Tipo.de.fertilizante              1   7.76   7.760   5.459   0.0243 *  
## Tipo.de.luz:Tipo.de.fertilizante  2   0.12   0.058   0.041   0.9603    
## Residuals                        42  59.70   1.421                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Se corre la prueba de Tukey.

TukeyHSD(anova_2vvv)
##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = Peso.seco ~ Tipo.de.luz * Tipo.de.fertilizante, data = datos_anova)
## 
## $Tipo.de.luz
##                  diff        lwr        upr     p adj
## Natural-Azul  1.68750  0.6634106  2.7115894 0.0007152
## Rojo-Azul    -0.35625 -1.3803394  0.6678394 0.6773552
## Rojo-Natural -2.04375 -3.0678394 -1.0196606 0.0000509
## 
## $Tipo.de.fertilizante
##                       diff      lwr      upr     p adj
## Químico-Orgánico 0.8041667 0.109598 1.498735 0.0243092
## 
## $`Tipo.de.luz:Tipo.de.fertilizante`
##                                     diff         lwr        upr     p adj
## Natural:Orgánico-Azul:Orgánico    1.6125 -0.16708037  3.3920804 0.0954879
## Rojo:Orgánico-Azul:Orgánico      -0.4750 -2.25458037  1.3045804 0.9665155
## Azul:Químico-Azul:Orgánico        0.6750 -1.10458037  2.4545804 0.8650966
## Natural:Químico-Azul:Orgánico     2.4375  0.65791963  4.2170804 0.0024789
## Rojo:Químico-Azul:Orgánico        0.4375 -1.34208037  2.2170804 0.9765206
## Rojo:Orgánico-Natural:Orgánico   -2.0875 -3.86708037 -0.3079196 0.0132351
## Azul:Químico-Natural:Orgánico    -0.9375 -2.71708037  0.8420804 0.6204815
## Natural:Químico-Natural:Orgánico  0.8250 -0.95458037  2.6045804 0.7361672
## Rojo:Químico-Natural:Orgánico    -1.1750 -2.95458037  0.6045804 0.3755453
## Azul:Químico-Rojo:Orgánico        1.1500 -0.62958037  2.9295804 0.3994017
## Natural:Químico-Rojo:Orgánico     2.9125  1.13291963  4.6920804 0.0002123
## Rojo:Químico-Rojo:Orgánico        0.9125 -0.86708037  2.6920804 0.6469418
## Natural:Químico-Azul:Químico      1.7625 -0.01708037  3.5420804 0.0535603
## Rojo:Químico-Azul:Químico        -0.2375 -2.01708037  1.5420804 0.9986102
## Rojo:Químico-Natural:Químico     -2.0000 -3.77958037 -0.2204196 0.0196181

Se corren los supuestos.

shapiro.test(datos_anova$Peso.seco)
## 
##  Shapiro-Wilk normality test
## 
## data:  datos_anova$Peso.seco
## W = 0.82393, p-value = 4.733e-06
rest= anova_2v$residuals
bartlett.test(rest,datos_anova$Tipo.de.luz)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  rest and datos_anova$Tipo.de.luz
## Bartlett's K-squared = 41.967, df = 2, p-value = 7.707e-10
bartlett.test(rest,datos_anova$Tipo.de.fertilizante)
## 
##  Bartlett test of homogeneity of variances
## 
## data:  rest and datos_anova$Tipo.de.fertilizante
## Bartlett's K-squared = 0.015105, df = 1, p-value = 0.9022

Comparación por medio de la prueba T de student

Para comparar los tratamientos de luz natural entre ellos, se realizó una comparación por medio de la prueba T de student, ya que era una comparación entre solo dos tratamientos.

Se integran los datos.

library(readxl)
Datos_muestreos_2 <- read_excel("Datos muestreos 2.xlsx")
## New names:
## * `` -> ...6
## * `` -> ...7
## * `` -> ...8
## * `` -> ...9

Análisis de área foliar Primero se debe verificar si hay igualdad de varianzas por medio de:

var.test(x=Datos_muestreos_2$Valor[c(241:248)],
         y=Datos_muestreos_2$Valor[c(249:256)],ratio = 1,
         alternative = "t",conf.level = 0.95)
## 
##  F test to compare two variances
## 
## data:  Datos_muestreos_2$Valor[c(241:248)] and Datos_muestreos_2$Valor[c(249:256)]
## F = 0.49169, num df = 7, denom df = 7, p-value = 0.3695
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.09843737 2.45592556
## sample estimates:
## ratio of variances 
##          0.4916857

Si este P valor es mayor a 0,05%, en el argumento var.equal se puede poner TRUE, de lo contrario se pone FALSE en ese argumento, en la prueba T.

car = t.test(x=Datos_muestreos_2$Valor[c(241:248)],
             y=Datos_muestreos_2$Valor[c(249:256)],
             alternative = "t",
             var.equal = T,
             conf.level = 0.95)

ifelse(car$p.value < 0.05,"Se rezacha Ho","Se acepta Ho")
## [1] "Se acepta Ho"

Análisis de peso fresco

var.test(x=Datos_muestreos_2$Valor[c(289:296)],
         y=Datos_muestreos_2$Valor[c(297:304)],ratio = 1,
         alternative = "t",conf.level = 0.95)
## 
##  F test to compare two variances
## 
## data:  Datos_muestreos_2$Valor[c(289:296)] and Datos_muestreos_2$Valor[c(297:304)]
## F = 0.54327, num df = 7, denom df = 7, p-value = 0.4394
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.1087649 2.7135872
## sample estimates:
## ratio of variances 
##          0.5432706
carr = t.test(x=Datos_muestreos_2$Valor[c(289:296)],
             y=Datos_muestreos_2$Valor[c(297:304)],
             alternative = "t",
             var.equal = T,
             conf.level = 0.95)

ifelse(carr$p.value < 0.05,"Se rezacha Ho","Se acepta Ho")
## [1] "Se acepta Ho"

Análisis de peso seco

var.test(x=Datos_muestreos_2$Valor[c(337:344)],
         y=Datos_muestreos_2$Valor[c(345:352)],ratio = 1,
         alternative = "t",conf.level = 0.95)
## 
##  F test to compare two variances
## 
## data:  Datos_muestreos_2$Valor[c(337:344)] and Datos_muestreos_2$Valor[c(345:352)]
## F = 1.0479, num df = 7, denom df = 7, p-value = 0.9524
## alternative hypothesis: true ratio of variances is not equal to 1
## 95 percent confidence interval:
##  0.2097922 5.2341295
## sample estimates:
## ratio of variances 
##           1.047893
carrr = t.test(x=Datos_muestreos_2$Valor[c(337:344)],
             y=Datos_muestreos_2$Valor[c(345:352)],
             alternative = "t",
             var.equal = T,
             conf.level = 0.95)

ifelse(carrr$p.value < 0.05,"Se rezacha Ho","Se acepta Ho")
## [1] "Se acepta Ho"

Finalmente, las tres pruebas arrojaron que no hay diferencias estadísticas entre el tratamiento de luz natural con fertilizante químico, comparado con el tratamiento bajo luz natural y fertilizante orgánico.