Moluscos

  1. Dos tipos de moluscos A y B fueron sometidos a tres concentraciones distintas de agua de mar (100%, 75% y 50%) y se observó el consumo de oxígeno midiendo la proporción de O2 por unidad de peso seco del molusco.
library(ggplot2)
## Warning in as.POSIXlt.POSIXct(Sys.time()): unable to identify current timezone 'H':
## please set environment variable 'TZ'
moluscos = load("D:/Maestria/modelos estadisticos - toma de desiciones/actividad 2/moluscos.RData")
hist(BD_moluscos$cons_o)

A)

Realice un análisis exploratorio que permita conocer como es el consumo de oxígeno en las distintas concentraciones de agua de mar. y si estas conclusiones son las mismas para cada tipo de molusco.

## 
## Call:
## lm(formula = cons_o ~ c_agua + molusco, data = BD_moluscos)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -5.1750 -1.9877 -0.7019  2.1244  6.1450 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  12.9463     0.8521  15.193  < 2e-16 ***
## c_agua75     -5.2581     1.0436  -5.038 8.49e-06 ***
## c_agua100    -3.5794     1.0436  -3.430  0.00132 ** 
## moluscoB     -1.3913     0.8521  -1.633  0.10966    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.952 on 44 degrees of freedom
## Multiple R-squared:  0.3986, Adjusted R-squared:  0.3575 
## F-statistic: 9.719 on 3 and 44 DF,  p-value: 4.866e-05

B)

Estime el modelo de diseño de experimentos el cual permita evaluar el efecto de la concentración de agua de mar y los tipos de molusco sobre el consumo de oxigeno. Interprete los coeficientes del modelo, el valor p y realice un post anova de considerarlo necesario para los factores.

modelo1 = lm(cons_o~c_agua+molusco, data = BD_moluscos)
anova1 = aov(modelo1)
summary(anova1)
##             Df Sum Sq Mean Sq F value   Pr(>F)    
## c_agua       2  230.8  115.41  13.246 3.14e-05 ***
## molusco      1   23.2   23.23   2.666     0.11    
## Residuals   44  383.4    8.71                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
shapiro.test(anova1$res)
## 
##  Shapiro-Wilk normality test
## 
## data:  anova1$res
## W = 0.9509, p-value = 0.04342
TukeyHSD(anova1)
##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = modelo1)
## 
## $c_agua
##             diff        lwr       upr     p adj
## 75-50  -5.258125 -7.7893709 -2.726879 0.0000250
## 100-50 -3.579375 -6.1106209 -1.048129 0.0037144
## 100-75  1.678750 -0.8524959  4.209996 0.2527584
## 
## $molusco
##         diff       lwr       upr     p adj
## B-A -1.39125 -3.108545 0.3260451 0.1096627
anova(modelo1)
## Analysis of Variance Table
## 
## Response: cons_o
##           Df Sum Sq Mean Sq F value   Pr(>F)    
## c_agua     2 230.82 115.408 13.2457 3.14e-05 ***
## molusco    1  23.23  23.227  2.6658   0.1097    
## Residuals 44 383.37   8.713                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
interaction.plot(BD_moluscos$c_agua,BD_moluscos$molusco, BD_moluscos$cons_o,
                 main = "Interacciones",
                 xlab = "Concentración de agua",
                 ylab = "media de concentración de 02",
                 legend = TRUE,
                 trace.label = "moluscos",
                 col = c("#0198f9","#f95801"),
                 lyt = 1,
                 lwd = 4)
## Warning in plot.window(...): "lyt" is not a graphical parameter
## Warning in plot.xy(xy, type, ...): "lyt" is not a graphical parameter
## Warning in axis(side = side, at = at, labels = labels, ...): "lyt" is not a
## graphical parameter

## Warning in axis(side = side, at = at, labels = labels, ...): "lyt" is not a
## graphical parameter
## Warning in box(...): "lyt" is not a graphical parameter
## Warning in title(...): "lyt" is not a graphical parameter
## Warning in axis(1, x, ...): "lyt" is not a graphical parameter

El coeficiente de determinación representa la proporción de la variabilidad de Y que es posible explicar a travez de x. En este caso el modelo construido explica el 40% de las variaciones del consumo de o2 a partir del tipo de molusco y la concentración de agua de mar.

Y(consumoO2)=12.9463−5.2581∗cagua75−3.5794∗cagua100−1.3913∗moluscoB