Carga de datos

datos_xp <- read_excel("C:/Users/admin/Downloads/Dataset Sancarlos (1).xlsx")
#View(datos_xp)
data<-data.frame(datos_xp$Fecha, datos_xp$Variedad, datos_xp$`Severidad RN`, datos_xp$`Reaccion RN`, datos_xp$Cluster, datos_xp$Hacienda)

datos1 <- data%>% 
  na.omit() %>% 
group_by(datos_xp.Fecha, datos_xp.Variedad, datos_xp.Hacienda) %>%            
summarise_at(vars(datos_xp..Severidad.RN.),
              list(Severidad = mean))

Transformando datos

t.ev<- datos1$datos_xp.Fecha

Variedad <- datos1$datos_xp.Variedad

Severidad <- datos1$Severidad/100

Hacienda<- datos1$datos_xp.Hacienda



sup.caf1<-data.frame(t.ev,Variedad,Severidad, Hacienda)





sup.caf<- sup.caf1 %>% 
    filter(Variedad == "CC01-1940" & Hacienda == "BALLESTEROS") %>% 
  mutate(time = 1:n())

sd(sup.caf$Severidad)
## [1] 0.05218414
f_lin <- fit_lin(
  time = sup.caf$time,  
  y = sup.caf$Severidad
)
f_lin
## Results of fitting population models 
## 
## Stats:
##                  CCC r_squared    RSE
## Monomolecular 0.4179    0.2642 0.0512
## Gompertz      0.4058    0.2545 0.2203
## Logistic      0.3874    0.2402 0.6202
## Exponential   0.3815    0.2357 0.5726
## 
##  Infection rate:
##                   Estimate   Std.error        Lower        Upper
## Monomolecular -0.003540725 0.001137248 -0.005874166 -0.005874166
## Gompertz      -0.014843730 0.004888641 -0.024874393 -0.024874393
## Logistic      -0.040216772 0.013765265 -0.068460762 -0.068460762
## Exponential   -0.036676047 0.012709016 -0.062752794 -0.062752794
## 
##  Initial inoculum:
##                Estimate Linearized     lin.SE      Lower     Upper
## Monomolecular 0.1374964  0.1479160 0.01953288 0.10222681 0.1713804
## Gompertz      0.1324240 -0.7039617 0.08396517 0.09054925 0.1823572
## Logistic      0.1295927 -1.9045644 0.23642618 0.08396374 0.1947466
## Exponential   0.1284160 -2.0524804 0.21828452 0.08205519 0.2009704
plot_lin <- plot_fit(f_lin,
  point_size = 2,
  line_size = 1, 
) 

# Default plots
plot_lin 

#ggsave("cc03154.png")