Anlisis de un diseo de apareamiento Factorial utilizando R

Contenido
1. Anexo: Modelo de Libro de Campo del diseo (Factorial Mating
Design_LTVRB1_R.xls)
2. Sentencias para bajar el Programa R
3. Procedimientos y Sentencias para analizar el diseo de apareamiento Factorial
utilizando R:
A. Instalacin del Programa R v.2.10.0
1.
2.

Bajar R de http://www.r-project.org/
Seleccionar CRAN del men Download, Packages

3.

Seleccionar un pas

4.

Seleccionar Windows (El programa funciona con Windows 95 y versiones posteriores)

5.

Seleccionar base

6.

Seleccionar Download R 2.10.0 for Windows

7.

Una ventana le preguntar si desea almacenar (save) o correr (run) el

archive R. Seleccionar Save y almacenarlo en sus Archivos de
Programas (Program Files) (Esto tomar 8 o ms minutos, dependiendo de
su computador)

8.

Una vez culminado el proceso de bajar el programa, le preguntar para

correr (RUN), abrir la carpeta (OPEN FOLDER) o cerrarlo (CLOSE). Por
favor, seleccionar Run para ejecutar el programa bajado.

9.

La consola del R se abrir para Usted.

Deber cerrar el programa hacienda click con el mouse en la opcin File
del men y seleccionando Exit

B. Instalacin de paquetes en el programa R.

Usted necesitar el paquete RODBC para realizar la lectura de sus datos de
cualquier programa, tal como Excel. Bien hagmoslo(Ud no requiere instalar
este paquete si anteriormente ya lo baj a su computador )

1. Haciendo doble click con el mouse en el cono de R R 2.10.0.lnk abrir el

programa.
2. Del menu, hacer click en Packages (Paquetes, en espaol) y seleccionar la
opcin Install package (s).. (Instalar Paquete (s) , en espaol)

3. Una ventana aparecer para que Usted seleccione un pas depositario. Seleccionar
un pas del cual Usted desea bajar el paquete. Ejemplo: Argentina. Usted preferir
seleccionar uno cercano a su pas.

4. Enseguida, luego de seleccionar el pas, una ventana aparecer en su consola de R

mostrndole la lista de paquetes. Seleccione ROBDC y haga click en OK

5. En su consola de R aparecer un mensaje notificndole que el paquete fue instalado

satisfactoriamente

> utils: : :menuInstallPkgs()

trying URL 'http://cran.patan.com.ar/bin/windows/contrib/2.10/RODBC_1.31.zip'
Content type 'application/zip' length 664454 bytes (648 Kb)
opened URL
downloaded 648 Kb
package 'ROBDC' successfully unpacked and MD5 sums checked
The downloaded packages are in
C:\Documents and Settings\emihovilovich\Local
Settings\Temp\RtmpXDrKnl\downloaded_packages

Usted tiene ahora el paquete ROBDC disponible en Ren su computador . Usted

no requerir instalarlo ms sino simplemente llamarlo, como se le explicar ms
adelante . Ahora, tiene que cerrar el programa R seleccionando File y la opcin
Exit dentro del menu File.

C. Preparacin de sus datos en Excel para que puedan ser cargados en R

1.

Prepare sus datos en un archivo de Excel. A Usted se le proporcionar

un archivo de excel con nombre Factorial Mating
Design_LTVRB1_R.xls como Demo que contendr 120 observaciones
con las siguientes 3 fuentes de variacin: REPLICATION (3
repeticiones) , FEMALE (8 hembras) , MALE (5 machos) y las siguientes
variables a analizar: TUBNUM (nmero de tubrculos), TUBYIELD
(rendimiento/planta) TUBWEIGHT (peso promedio de tubrculo).

Figura 1. Datos en excel Factorial Mating Design_LTVRB1_R.xls

2.

Grabe el archivo en su computador antes de abrirlo, y recuerde la ruta y el

directorio donde lo ha almacenado. Abra el archivo y con el mouse
seleccione todos los datos y asgneles el nombre DATA a la seleccin en el
casillero que se muestra en la ventana a continuacin

3.Salve o grabe el archivo nuevamente. Recuerde la ruta y directorio donde grab

el archivo en su computador

D. Analizando el diseo de apareamiento factorial utilizando el R

1.

A Usted se le proporcionar un archivo con extensin .R que es el script

(guin) con las sentencias preparadas de antemano para analizar cualquier
diseo de apareamiento factorial que conste de cualquier nmero de
machos y hembras. Recuerde que en un experimento factorial un grupo de
hembras son cruzadas con un mismo grupo de machos, y no deben faltar
datos en alguna cruza. Es decir si se cruzaron 8 hembras con 5 machos
deben existir datos para las 40 cruzas. El archivo se llama
Script_Factorial Mating Design.R bjelo a su computador y grbelo en
el mismo directorio donde grab su archivo de datos de Excel Factorial
Mating Design_LTVRB1_R.xls

2.

Haciendo doble click con el mouse en el cono del R

programa

3.

Seleccione el directorio donde trabajar. (Este deber ser el directorio

donde se encuentran sus datos en el archivo excel, y ser el mismo lugar
donde almacenar sus resultados).

R 2.10.0.lnk

abra el

Pasos a seguir:
1) Seleccione Change dir del menu File

2) Busque y seleccione el directorio donde almacen su archivo de

datos y haga click en OK . (Usted habr cambiado el directorio
al lugar donde se encuentran sus datos )
3) Para confirmar este procedimiento, tipee o escriba: dir() en la
consola del R y presione la tecla enter. Usted ver el nombre
de su archivo de datos en la lista. El ejemplo muestra resaltado
el archivo de datos Factorial Mating Design_LTVRB1_R.xls.

En ese mismo directorio estar el archivo con las sentencias para

el anlisis del diseo factorial con nombre Script_Factorial
Mating Design.R (ver fila 11 en la ventana)

4) Para correr su script, en el men seleccione File y escoja la

opcin Open script. (Seleccione su script, en nuestro caso
es Script-Factorial Mating Design. El script se abrir en el
editor del R).
5) Usted desear correr todos los comandos para ver los resultados
de los Anlisis de Variancia , estimados de GCA (Habilidad
combinatoria general o HCG) de FEMALE (hembras) y MALE
(machos), y efectos de SCA (habilidad combinatoria especfica o
HCE) de las cruzas, y los errores estndares (S.E.) de estos
estimados. Por lo tanto, seleccione con el mouse todas las lneas
del script, como se muestra a continuacin:

10

6) Luego vaya al men Edit de la Consola del R y seleccione la

opcin Run line or selection.

7) Para observar sus resultados, deber regresar a la consola del R

ya que sus comandos han sido ejecutados en ese lugar. Esto se
realiza dirigindose a Windows del men, y seleccionando la
opcin R console
8) Una vez que haya terminado de observar sus resultados en la
consola de R, Usted desear almacenar o salvar los resultados.
Para ello, haga click en el menu File, y seleccione la opcin Save
to File.... Una ventana se le abrir inmediatamente preguntndole
por un nombre para el archivo. Colquele un nombre Factorialoutput.txt y luego haga click en save. Usted podr acceder a este
archivo texto en su directorio de trabajo.
9) Una vez grabado el anlisis, cierre el archivo del script,
seleccionando la x en la barra del men (como se indica en la
figura de abajo) Tambin puede cerrarlo desde la consola del R

11

desde la opcin del men File y eligiendo la opcin Close

script .

10) Finalmente, tipee en la consola del R las siguiente sentencia

para cerrar el programa (solo lo de color azul)

> quit() (para cerrar el programa). Usted no requiere almacenar o

guardar el espacio de trabajo, por lo tanto responda no, en la
ventana en la que se le hace esta consulta).
NOTA: El script proporcionado corre para un diseo factorial con cualquier
nmero de machos y hembras, siempre y cuando todas las hembras se hayan
cruzado con los mismos machos y no falten valores en alguna celda para la
variable analizada. Para que sus datos en Excel corran perfectamente deber
siempre identificar la columna de las repeticiones con la palabra REPLICATION,
las hembras con la palabra FEMALE y los machos con la palabra MALE, como
se indica, todas las letras en mayscula.
Sin embargo, sus variables medidas pueden ser otras a las proporcionadas en el
archivo Excel del demo Factorial Mating Design_LTVRB1_R.xls. Si usted usa
otras variables, nmbrelas como desee, pero tendr que corregir el archivo del
script Script_Factorial Mating Design.R que contiene las sentencias para el R .
Abra este archivo en cualquier programa de texto, puede ser el Notepad y corrija
la sentencia que indica el Modelo del anlisis Factorial que se encuentra en las
ltimas lneas del archivo. Este aparece as:
model<- FACTORIAL(REPLICATION,FEMALE,MALE,TUBYIELD)

12

Si su nueva variable es por ejemplo : Altura de Planta, identifquela con una

abreviatura, ejemplo ALTPL en su archivo Excel, y en el archivo del script corrija la
sentencia del modelo as

Model<- FACTORIAL(REPLICATION,FEMALE,MALE,ALTPL)
Grabe el archivo con el cambio realizado y ya puede Ud. correr su anlisis con la
variable altura de planta sin ningn problema
Por ltimo, si Ud est usando un archivo Excel con extensin .xlsx (Windows 2007)
deber modificar la siguiente sentencia del script del archivo Script_Factorial
Mating Design.R :
canal<-odbcConnectExcel("Factorial Mating Design_LTVRB1_R.xls")
Esta se encuentra tambin casi al final del archivo. Modifquela de la siguiente
manera para que corra con el Excel del Windows 2007:
canal <- odbcConnectExcel2007("Factorial Mating Design_LTVRB1_R.xlsx")
En esta sentencia Ud tambin podr cambiar el nombre del archivo Excel
Ejemplo
canal <- odbcConnectExcel2007("Factorial Mating Design_LTVRB1_R.xlsx")
por el nombre de su propio archive de datos:
canal <- odbcConnectExcel2007("Mi Archivo de Datos.xlsx")

E. Interpretacin de Resultados
Los resultados en la Figura 1 muestran para el anlisis de variancia de peso
promedio de tubrculo, diferencias altamente significativas para los tratamientos
(cruzas)..
Habiendo resultado las cruzas (Treatments) altamente significativas, stas se
descomponen en Female (Hembras con 7 grados de libertad del total de 8 que se
usaron en el diseo), Male (Machos con 4 grados de libertad del total de 5 que se
usaron en el diseo) y en Female x Male (interaccin de cada hembra con un
macho o en otras palabras la desviacin del valor de una cruza del promedio de
sus dos progenitores, lo que se conoce como habilidad combinatoria especfica)

En el anlisis de variancia de descomponer los tratamientos (cruzas) en

Female (Hembras), Male (Machos) y la interaccin Female x Male (Hembras
por Machos) encontramos diferencias altamente significativas solo para los
machos (Male) ms no para las hembras (Female), ni para la interaccin
hembras por machos (Female x Male), indicando en este ltimo caso que no
13

hay una desviacin estadsticamente significativa del comportamiento de las

cruzas con respecto al promedio de sus progenitores, es decir ninguna cruza
presentar significacin en su efecto de habilidad combinatoria especfica a
pesar que el programa estimar stas.

Figura 1 Anlisis de Variancia del Diseo Factorial 8x5 (8 hembras y 5 machos)

ANALYSIS Factorial Mating Design:

TUBWEIGHT

ANOVA General
=============
Df
Sum Sq Mean Sq F value Pr(>F)
Replications
2
967.8894 483.9447
2.487 0.0897
Treatments
39 18303.1580 469.3117
2.412 0.0005
Error
78 15177.2256 194.5798
Total
119 34448.2729
Altamente

significativo

ANOVA for female X male analysis

================================
Df
Sum Sq
Mean Sq F value Pr(>F)
Female
7 1901.362 271.6232
1.068 0.4092
Male
4 9281.697 2320.4242
9.125 0.0001
Female X Male 28 7120.099 254.2893
1.307 0.1785
Error
78 15177.226 194.5798

Altamente
significativo

NO significativo

ANOVA general for female X male analysis

========================================
Df
Sum Sq
Mean Sq F
Replications
2
967.8894 483.9447
Treatments
39 18303.1580 469.3117
Female
7 1901.3622 271.6232
Male
4 9281.6967 2320.4242
Female X Male 28 7120.0991 254.2893
Error
78 15177.2256 194.5798
Total
119 34448.2729
Grados de libertad
del error

value
2.487
2.412
1.068
9.125
1.307

Pr(>F)
0.0897
0.0005
0.4092
0.0001
0.1785

En la figura 2 se muestran los efectos de Habilidad Combinatoria General (HCG, GCA en

ingls) de las hembras (Female), de los Machos (Male), y la habilidad combinatoria
especfica de las cruzas (HCE, SCA en ingls) y los errores estndar para determinar la
significacin de estos valores y de las comparaciones. Recuerde que debido a que el anlisis
de variancia indic no significacin para hembras y tampoco para la interaccin Hembras
por Machos, a pesar que el programa haya estimado los efectos de habilidad combinatoria
general de hembras y especfica de las cruzas, estos valores no deben tomarse en cuenta.
14

Figura 2 Efectos de Habilidad Combinatoria General (GCA) de Hembras (Female) y Machos

(Male) y Habilidad Combinatoria Especfica (SCA ) de las cruzas
GCA Effects:
===========
Female Effects:
B1C5004.11
5.312

B1C5004.7
3.532

B1C5005.16
-4.859

B1C5009.12 B1C5019.22 B1C5026.23 B1C5027.7

-0.964
-1.951
0.549
-6.106

B1C5029.22
4.487
Male Effects:
141.28 C93.154 C95.276 C99.551 NT91.002
-1.188
-4.170
16.024 -10.543
-0.122
SCA Effects:
===========
male
female
141.28 C93.154 C95.276 C99.551 NT91.002
B1C5004.11
7.097 10.781 -2.894 -9.413
-5.571
B1C5004.7
-6.997 17.025 -11.168
5.423
-4.283
B1C5005.16
1.338 -6.580 -8.643 14.502
-0.617
B1C5009.12 -0.387 -9.668 12.415 -8.926
6.565
B1C5019.22
1.488 -1.614
1.657
4.949
-6.480
B1C5026.23
0.562 -3.463
0.335 -0.953
3.519
B1C5027.7
5.259 -8.683 -7.256
8.442
2.238
B1C5029.22 -8.360
2.201 15.554 -14.024
4.629
Standard Errors for Combining Ability Effects:
=============================================
S.E. (gca for female): 3.601665 (Error estndar para HCG de hembras)
S.E. (gca for male) : 2.847366(Error estndar (E.S.)para HCG de
machos)
S.E. (sca effect)
: 8.053567 (E.S. para HCE de cruzas)
S.E. (gi - gj)female : 5.093523 (E.S. para comparar HCG entre dos
hembras)
S.E. (gi - gj)male
: 4.026783(E.S. para comparar HCG entre dos
machos)
S.E. (sij - skl) : 11.38946 (E.S.para comparar HCE entre dos cruzas

15

En la figura 2 , se puede ver que las hembras con ms altos valores de HCG (GCA) para
rendimiento comercial son B1C5004.11 y B1C5029.22 con efectos de 5.312 y 4.487,
respectivamente.
Al error estndar de HCG (GCA) de hembras que es igual a 3.60 hay que multiplicarlo por el
valor de t-student, buscado en una tabla t-student para 76 grados de libertad del error y un
valor de significacin () de 0.025 (porque es una prueba de dos colas) . Este para 80 gl que
es lo que conseguimos en la tabla es igual a 1.99 . Por lo tanto 1.99 x 3.6= 7.16. Si al valor
de HCG de B1C5004.11 le restamos o sumamos el valor 7.16 , es decir 5.312 7.16 , el
intervalo de confianza de este valor sera 12.472 y -1.848. Debido a que en el intervalo
construido se encuentra el valor 0 se puede concluir que la HCG de esta hembra no es
significativamente diferente de cero, y por lo tanto no presenta HCG para el carcter peso
promedio de tubrculo. Lo mismo pasar con la HCG de la otra hembra. En el caso de la
hembra B1C5027.7 cuyo valor de HCG es negativo e igual a -6.106, el intervalo de
confianza sera -6.1067.16 es decir estara en el rango de 1.054 y -13.266 como este rango
incluye tambin al valor 0 , esta hembra a pesar de su valor de HCG negativo , no
contribuye estadsticamente a un efecto negativo sobre el peso promedio de tubrculo. Estos
resultados eran de esperarse considerando que el Anlisis de Variancia indic que no existan
diferencias significativas entre las HCG de las hembras
Utilizando el error estndar de HCG de los machos (ES=2.85), puede Ud construir los
intervalos de confianza para los machos, multiplicando previamente el ES(2.85) x
1.99=5.67 , y ver si stos incluyen o no el valor 0, y de esta manera concluir sobre la
significancia de los valores de HCG de stos. Por ejemplo, en la figura 2, se puede ver que el
macho con ms alta HCG (GCA) y positiva para peso promedio de tubrculo es C95.276
con un efecto igual a 16.024 y aquel con mayor HCG pero negativa es C99.551 con un valor
de -10.543. El intervalo de confianza para el primero sera 16.024 5.67 , es decir de 21.694
a 10.354 . Al no estar el valor 0 en este rango podemos decir que el clon C95.276 tiene una
HCG significativa contribuyendo positivamente al incremento del peso promedio de
tubrculo en cruzas con progenitores de la poblacin B1 (todas las hembras en el diseo son
una muestra al azar de la Poblacin de Mejoramiento B1 desarrollada para resistencia al tizn
tardo) . El intervalo de confianza para el segundo sera de -10.543 5.67 , es decir de -16.213
a -4.873. Este rango no incluye el valor 0 entonces podemos decir que el clon C99.551
contribuye significativamente pero de manera negativa al peso promedio de tubrculo en
cruzas con progenitores de la Poblacin B1.
Bien, a pesar que las HCG de las hembras no contribuyen significativamente al carcter peso
promedio de tubrculo, podramos comparar a manera de prctica las HCG de cualquiera de
dos hembras para usar el error estndar para la comparacin de las HCG entre dos hembras,
aunque est dems hacer este anlisis, y no debe reportarse en los resultados, porque al no
contribuir ninguna hembra significativamente al peso promedio de tubrculo, stas
comparaciones no vienen al caso, pero hagamos una. Comparemos la HCG de la hembra
B1C5004.11 (HCG= 5.312) con la de la hembra B1C5027.7 (HCG= -6.106). La diferencia
entre las dos HCG = 5.312 (-6.106) = 11.418. Utilizando el error estndar de la diferencia
entre dos hembras (Figura 2, S.E. (gi - gj) female : 5.093523) lo multiplicamos previamente
por el valor tabular de t =0.025, 80 gl =1.99 , el valor resultante es 10.129. Ahora calculamos el
intervalo de confianza de la diferencia entre las HCG de las dos hembras, 11.418 10.129
sera 21.547 y 1.289. Como el intervalo no incluye al valor cero, concluimos que las dos

16

hembras se diferencian significativamente en su HCG para peso promedio de tubrculo, sin

embargo, dado que ambas hembras tienen una HCG estadsticamente no diferente de 0, no
tiene sentido haber hecho esta comparacin.
Si a manera de prctica queremos probar la significacin de la habilidad combinatoria
especfica (SCE) de la cruza con mayor SCE procederemos de la siguiente manera:
NOTA Debido a que el Anlisis de Variancia no mostr diferencias significativa para
Female x Male (interaccin de hembras con machos) , no debe realizarse este anlisis.
Escogeremos la cruza con mayor efecto de SCE, sta corresponde al cruce de B1C5004.7 con
C93.154 que alcanz un valor de 17.025. Al error estndar de HCE (ver figura 2) S.E. (sca
effect) : 8.054, le multiplicamos el valor de t-student, que ya lo tenamos y era de 1.99 .
Por lo tanto 1.99 x 8.054= 16.027. Si al valor de HCE de la cruza elegida le restamos o
sumamos el valor 16.027, es decir 17.025 16.027, el intervalo de confianza de este valor
sera 0.998 y 33.052. Como el rango no incluye al valor 0 podemos decir que esta cruza
tiene una SCA significativamente diferente de cero y que su rendimiento comercial va a ser
ligeramente mejor que el promedio de sus dos progenitores. Viendo que para construir los
intervalos de confianza para cada valor de SCA de las cruzas deber sumrsele y restrsele
16.027 y observando que los valores de SCA de todas las dems cruzas con valores positivos
estn por debajo de 16.027 y aquellas con valores negativos por encima de -16.027 podemos
concluir que fuera de la cruza B1C5004.7 x C93.154, las dems no sern significativamente
diferentes de cero, pues su intervalo de confianza incluir este valor. Por lo tanto comparar la
diferencia entre las HCE de la cruza B1C5004.7 x C93.154 con las dems no viene al caso.
El hecho que no se encontrara diferencia significativa para la interaccin hembras x machos
en el anlisis de variancia , pero s se encontrara una cruza con HCE significativa, se debera
al hecho que el valor estadstico de HCE si bien fue diferente de cero , el valor inferior de su
intervalo de confianza indic que el valor de HCE de la cruza estaba cercano a cero (0.998)
y por ello no fue detectado en el anlisis de variancia.
A manera de prctica se comparar la diferencia entre las HCE (SCA) de dos cruzas.
Tomemos las cruzas con los valores ms distantes y stas corresponde a la cruza B1C5004.7
X C93.154 (SCA=17.025) y a la cruza B1C5029.22 X C99.551 (-14.024). La diferencia
entre los dos valores de SCA= 17.025- (-14.024)= 31.049. Utilizando el error estndar de la
diferencia entre las SCA de dos cruzas (Figura 2, S.E. (sij - skl) : 11.38946) lo multiplicamos
previamente por el valor tabular de t =0.025, 80 gl =1.99 , el valor resultante es 22.664.Ahora
calculamos el intervalo de confianza de la diferencia entre las SCA de las dos cruzas, 31.049
22.664 sera 53.713 y 8.385. Como el intervalo no incluye al valor cero, concluimos que
las dos cruzas se diferencian significativamente en su HCE para peso promedio de tubrculo.
Esto es cierto dado que la primera si presenta una HCE significativa aunque pequea y la otra
una HCE no significativamente diferente de cero. Sin embargo este resultado no debe
reportarse porque solo deben compararse dos valores que son estadsticamente significativos,
para comparar quien tiene un mejor efecto.

17