Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NH3
FACTOR 1: Tratamiento
FACTOR 2: Inoculacin
Response: datos2$valores
Sum Sq Df F value Pr(>F)
(Intercept) 436451 1 7827.1804 < 2.2e-16 ***
datos2$F1 1933 1 34.6722 3.263e-07 ***
datos2$F2 94 1 1.6898 0.1996
datos2$F1:datos2$F2 152 1 2.7237 0.1051
Residuals 2788 50
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Factor 1, tiene efectos significativos, de este modo hay diferencia entre los dos
tratamientos y estas diferencias se dan en gran proporcin.
Residuals:
Min 1Q Median 3Q Max
-18.467 -4.121 0.500 5.821 15.200
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 90.463 1.023 88.471 < 2e-16 ***
datos2$F11 -6.021 1.023 -5.888 3.26e-07 ***
datos2$F21 1.329 1.023 1.300 0.200
datos2$F11:datos2$F21 -1.687 1.023 -1.650 0.105
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
TEST
Lilliefors (Kolmogorov-Smirnov) normality test
data: residuos
D = 0.1277, p-value = 0.02818
data: residuos
W = 0.96861, p-value = 0.1674
Pero nos damos cuenta que por este test la normalidad si se cumple, por lo tanto si en
alguno de estos dos se cumple es porque efectivamente son normales.
"Factor1"
modified robust Brown-Forsythe Levene-type test based on the absolute
deviations from the median
data: datos3$residuos
Test Statistic = 2.5937, p-value = 0.1133
"Factor2"
data: datos3$residuos
Test Statistic = 13.744, p-value = 0.0005093
En el factor 2 no se cumple
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Factor1: 3 - 2 == 0 12.042 2.045 5.888 6.53e-07 ***
Factor2: 3 - 2 == 0 -2.658 2.045 -1.300 0.357
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- single-step method)
- El factor 1 del nivel 3 y 2 son diferentes, es decir existen diferencias estadsticas significativas
CH4
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 9.625 2.274 4.233 9.84e-05 ***
datos2$F11 -3.933 2.274 -1.730 0.089798 .
datos2$F21 9.292 2.274 4.087 0.000158 ***
datos2$F11:datos2$F21 -6.733 2.274 -2.962 0.004673 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
TEST
Lilliefors (Kolmogorov-Smirnov) normality test
data: residuos
D = 0.15142, p-value = 0.003451
data: residuos
W = 0.89437, p-value = 0.0001824
Estos tets demuestran que el valor de P es inferior en los dos, que no muestran la
normalidad es decir no hay normalidad en los residuales.
"Factor1"
data: datos3$residuos
Test Statistic = 1.0803, p-value = 0.3034
"Factor2"
data: datos3$residuos
Test Statistic = 9.0771, p-value = 0.003992
Linear Hypotheses:
Estimate Std. Error t value Pr(>|t|)
Factor1: 3 - 2 == 0 7.867 4.547 1.730 0.170485
Factor2: 3 - 2 == 0 -18.583 4.547 -4.087 0.000317 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Adjusted p values reported -- single-step method)
N2O
Co2
ANOVA (NH3)
Anova Table (Type III tests)
Response: datos2$valores
Sum Sq Df F value Pr(>F)
(Intercept) 85579 1 71.1540 2.177e-06 ***
datos2$F1 1095 2 0.4552 0.6448
Residuals 14433 12
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
ANOVA (CH4)
Response: datos2$valores
Sum Sq Df F value Pr(>F)
(Intercept) 1306.7 1 0.6711 0.4286
datos2$F1 81.7 2 0.0210 0.9793
Residuals 23365.6 12
[[3]]
Call:
lm(formula = datos2$valores ~ datos2$F1)