Para qué se usa el comando rep(“15”,5):

La funcion rep crea un vector con elementos idénticos

Para qué se usa el comando factor(Algodón):

La función factor como su nombre lo dice crea un factor, un factor incluye no solo los valores
correspondientes a una variable categórica, pero también los diferentes niveles posibles de esta
variable

Saque un resumen de los datos, por ejemplo la media por cada nivel del factor: tapply
(Resistencia, Algodon, mean)

Realice un boxplot de la resistencia a tracción por los niveles de algodón (interprételo):

boxplot(Resistencia~Algodon)

Podemos ver como para 15% y 35% de algodón la resistencia es bastante baja, para 20% y 25% la
resistencia aumenta, mientras para 30% se tiene la resistencia más alta. También se puede ver
como en 20% los datos varían bastante, mientras en 25% y 35% la variación es mínima.

Realice un modelo de análisis de varianza simple. Para esto, cree un objeto con el nombre que
prefiera y asígnele el resultado del análisis de varianza. Luego muestre el resumen. En general, el
código para un análisis de varianza simple es: Modelo <- aov (respuesta~factor);
summary(Modelo). (Nota: ajuste el código a su caso)
Con base en la prueba de Análisis de varianza, ¿hay evidencia para decir que el porcentaje de
algodón afecta la resistencia a la tracción? Explique

Al ser Fo mayor a Fc, se tiene suficiente evidencia estadística para rechazar la hipótesis nula, que
menciona que no existe diferencia significativa en la tracción al variar el porcentaje de algodón,
por ello se puede afirmar que el porcentaje de algodón si afecta la resistencia a la tracción.

Para chequear los supuestos, se puede hacer un gráfico de diagnósticos del modelo en R:

#Este comando es para que el gráfico lo divida en 2 columnas y 2 filas:

layout(matrix(c(1,2,3,4),2,2)); plot(Modelo)

Prueba de Tukey – comparación de medias

Calcule la media de los tratamientos usando tapply(chocolate$Sabor, chocolate$Tipo, mean) y
concluya brevemente (menos de 3 renglones):
Poder ver claramente como el chocolate C no es muy diferente al de muestra, mientras el A y el B
son bastante diferentes obteniendo resultados similares.

Realice una prueba ANOVA para ver si la media de los tratamientos del tipo de chocolate tiene el
mismo efecto en la prueba de sabor. Concluya brevemente:

En este caso Fc es menor que Fo por ello se puede rechazar la hipotesis nula, que menciona que
no existe diferencia significativa entre el tipo de chocolate y la prueba de sabor.

Realice una prueba de Tukey al 95% de confianza: TukeyHSD(x=anova,'chocolate$Tipo',

conf.level=0.95). (Nota: cambie “anova” por el nombre que le dio al análisis de varianza realizado
en el punto anterior). Explique los resultados y concluya brevemente:

TukeyHSD(x=Modelo,'Sabor ~Tipo', conf.level=0.95)

Para graficar los intervalos de confianza de la diferencia de medias se usa:

plot(TukeyHSD(x=anova,'chocolate$Tipo', conf.level=0.95)). Explique los resultados y concluya
brevemente
Este método nos sirve para probar todas las diferencias entre medias, al ser las medias entre A y B
similares este valor tiende a 0, mientras que la diferencia entre A-C Y B-C son similares pero muy
diferentes a la de entre A y B.