Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
library(coin)
library(faraway)
library(ggplot2)
library(MASS)
library(gmodels)
library(dplyr)
#############################CONJUNTO DE DATOS##################
biomasa<-
data.frame(bio=c(0.178,0.195,0.225,0.294,0.315,0.341,0.36,0.366,0.371,0.398,0.407,0.409,
0.432,0.494,0.719,0.11,
0.11,0.204,0.416,0.417,0.441,0.492,0.965,1.113,1.19,1.233,1.505,1.897,0.106,0.114,0.143,
0.435,0.448,
0.51,0.576,0.588,0.608,0.64,0.658,0.788,0.958),
tratamientos=as.factor(rep(c("A","B","C"),c(15,13,13))))
head(biomasa)
boxplot(bio~tratamientos,data = biomasa,xlab="tratamientos",ylab="biomasa")
hist(biomasa$bio)
#######################CREAR EL MODELO##########################
####Yij=U+Eij#########
mbiomasa<-lm(bio~tratamientos,data=biomasa)
plot(mbiomasa)
############################SUPUESTOS############################
#######################NORMALIDAD#################################
######GRAFICOS DE NORMALIDAD####
qqnorm(mbiomasa$residuals)
qqPlot(mbiomasa)
hist(mbiomasa$residuals)
shapiro.test(mbiomasa$residuals)
#######################HOMOCEASTICIDAD###############################
##
######H0=VARIANZA IGUALES################
bartlett.test(bio~tratamientos,data=biomasa)
leveneTest(bio~tratamientos,data=biomasa)
fligner.test(bio~tratamientos,data=biomasa)
#######################INDEPENDENCIA#################################
#######ALEATORIEDAD################
########La ausencia de aleatoriedad entre las observaciones puede invalidar por completo
mbiomasa<-lm(bio~tratamientos,data=biomasa)
anova(mbiomasa)
summary(biomasa.fit)
biomasa.fit1<-oneway.test(bio~tratamientos,data=biomasa,var.equal=FALSE)
biomasa.fit1
##################PRUEBA POST-HOC#####################################
####Una vez que se ha determinado que existen diferencias entre las medias,
####las pruebas de rango post hoc permiten determinar qué medias difieren.
TukeyHSD(biomasa.fit)
plot(TukeyHSD(biomasa.fit))
###########MATRIZ DE EXCEL###########
head(plantacion)
names(plantacion)
hist(plantacion$cobertura)
mplantacion<-lm(cobertura~Muestreo,data=plantacion)
plot(mbiomasa)
qqplot(mplantacion$residuals)
qqnorm(mplantacion$residuals)
qqPlot(mplantacion)
hist(mplantacion$residuals)
shapiro.test(mplantacion$residuals)
fligner.test(cobertura~Muestreo,data=plantacion)
mplantacion<-lm(cobertura~Muestreo,data=plantacion)
anova(mplantacion)
summary(plantacion.fit)
##################TRANSFORMACION DE DATOS######################
plant<-plantacion%>% group_by(Muestreo)%>% summarize(desvEst=sd(cobertura),
medias=mean(cobertura))
plot(plant$medias,plant$desvEst)
summary(estDes.fit)
(1 - estDes.fit$coefficients[2])
boxcox(mplantacion)
boxcox(cobertura~Muestreo,data=plantacion)
#####TRANFORMACION LOGARÍTMICA###########
plantacion$lcobertura<-log(plantacion$cobertura)
head(plantacion)
boxplot(lcobertura~Muestreo,data=plantacion)
mplant<-lm(lcobertura ~ Muestreo,data=plantacion)
shapiro.test(mbiomasa$residuals)
leveneTest(lcobertura ~ Muestreo,data=plantacion)
anova(mplant)
#####TRANFORMACION CUADRATICA###########
plantacion$Ccobertura<-sqrt(plantacion$cobertura)
head(plantacion)
boxplot(Ccobertura~Muestreo,data=plantacion)
mplant1<-lm(Ccobertura~Muestreo,data=plantacion)
shapiro.test(mplant1$residuals)
fligner.test(Ccobertura ~ Muestreo,data=plantacion)
anova(mplant1)
################PRUEBA NO PARAMETRICA##################
##################KRUSKAL-WALLIS###############
kruskal.test(cobertura~Muestreo,data=plantacion)
##################PRUEBA POST-HOC#####################################