TALLER I

Lili Bautista, Manuel Hernandez, Katy Pacheco

13 de febrero de 2018

Los siguientes datos corresponden a los niveles de excreción urinaria de salsolinol (mmol) para dos grupos de
sujetos admitidos en una unidad de tratamiento de alcoholismo (Hand y Taylor, 1987, p 125). El grupo 1
consistió en seis sujetos considerados moderadamente dependientes del alcohol y el grupo 2 consistió en ocho
sujetos considerados severamente dependientes del alcohol.

Sujeto Grupo Dia Nivel Sujeto Grupo Dia Nivel

1 1 01 0.33 8 2 01 0.73
1 1 02 0.70 8 2 02 1.85
1 1 03 2.33 8 2 03 3.60
1 1 04 3.20 8 2 04 2.60
2 1 01 5.30 9 2 01 0.70
2 1 02 0.90 9 2 02 4.20
2 1 03 1.80 9 2 03 7.30
2 1 04 0.70 9 2 04 5.40
3 1 01 2.50 10 2 01 0.40
3 1 02 2.10 10 2 02 1.60
3 1 03 1.12 10 2 03 1.40
3 1 04 1.01 10 2 04 7.10
4 1 01 0.98 11 2 01 2.60
4 1 02 0.32 11 2 02 1.30
4 1 03 3.91 11 2 03 0.70
4 1 04 0.66 11 2 04 0.70
5 1 01 0.39 12 2 01 7.80
5 1 02 0.69 12 2 02 1.20
5 1 03 0.73 12 2 03 2.60
5 1 04 2.45 12 2 04 1.80
6 1 01 0.31 13 2 01 1.90
6 1 02 6.34 13 2 02 1.30
6 1 03 0.63 13 2 03 4.40
6 1 04 3.86 13 2 04 2.80
7 2 01 0.64 14 2 01 0.50
7 2 02 0.70 14 2 02 0.40
7 2 03 1.00 14 2 03 1.10
7 2 04 1.40 14 2 04 8.10

Uno de los objetivos del estudio era determinar si existe un cambio sistemático en los niveles de registro
(salsolinol) durante los cuatro días de observación. Para ello tenga en cuenta los 14 sujetos como un solo
grupo y responda las siguientes preguntas.

1
 1. Realice el diagrama de cajas y el análisis de perfiles que permita comparar el nivel excreción urinaria
de salsolinol de los distintos pacientes. ¿ Cuáles pacientes tienen un nivel medio similar? ¿Cuáles
tienen niveles diferentes? ¿Hay indicio de que los niveles de excreción urinaria de salsolinol del grupo
severamente dependientes es diferente de aquellos en el grupo moderadamente dependientes? ¿Cuáles
pacientes tienen un patrón distinto? Explique en qué consiste dichos patrones. Justifique sus respuestas.
library(ggplot2)
line1 <- ggplot(base, aes(Dia, Nivel, colour = Sujeto, group = Sujeto))
line1 + stat_summary(fun.y = mean, geom = "point") +
stat_summary(fun.y = mean,geom = "line") +
labs(x = "Dia", y = "NIVEL")+theme_minimal()

Sujeto
8
1
2
3

6 4
5
6
NIVEL

7
4
8
9
10
2 11
12
13
14
0
01 02 03 04
Dia

Figure 1: Análisis de perfiles de los niveles de excreción urinaria de salsolinol de los distintos pacientes

qplot( x=Sujeto , y=Nivel , data=base , geom="boxplot" , fill=Sujeto)+

geom_boxplot(alpha=0.4) +
stat_summary(fun.y=mean, geom="point", shape=20, size=5, color="red", fill="red")+
theme_minimal()

• Del diagrama de cajas (Figura 2) los pacientes que tienen nivel medio similar son 4,5,7,11 y 14, por otro
lado los pacientes 1,2,3 y 10, finalmente los pacientes 6,7,12 y 13, donde el primer grupo de pacientes
tiene los niveles medio más bajos, el segundo grupo los niveles medios y el último grupo los valores
niveles medios más altos.
• Solo el paciente 9 tiene un nivel medio diferente al resto de pacientes, además este paciente presenta el
mayor valor medio de excreción urinaria de salsolinol (mmol) este comportamiento se evidencia tanto
en el análisis de perfiles (Figura 1) como en el diagrama de cajas (Figura 2), también cabe resaltar que
los grupos mencionados en el inciso anterior son diferentes entre sí.

2
 Sujeto
8 1
2
3

6 4
5
6
Nivel

7
4
8
9
10
2 11
12
13

0 14
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Sujeto

Figure 2: Diagrama de Cajas de los niveles de excreción urinaria de salsolinol de los distintos pacientes

line1 <- ggplot(base, aes(Dia, Nivel, colour = Grupo, group = Sujeto))

line1 + stat_summary(fun.y = mean, geom = "point") +
stat_summary(fun.y = mean,geom = "line") +
labs(x = "Dia", y = "NIVEL")+theme_minimal()

qplot( x=Sujeto , y=Nivel , data=base , geom="boxplot" , fill=Grupo)+

geom_boxplot(alpha=0.4) +
stat_summary(fun.y=mean, geom="point", shape=20, size=5, color="red", fill="red")+
theme_minimal()

• A partir de las Figuras 3 y 4 en las cuales se representa mediante el color los grupos, los niveles de
excreción urinaria de salsolinol de los pacientes del grupo severamente dependientes no parecen diferente
de aquellos en el grupo moderadamente dependientes, pues los perfiles de pacientes en diferentes grupos
se parecen entre sí, igualemente los diagramas de cajas se intercentan entre diferentes grupos.
• Los pacientes que tienen un patrón distinto son:
– 9: Este paciente muestra un patran diferente al resto, se nota tanto en la Figura 2, como en la
Figura 1, en la cual se refleja que presenta un patron creciente y solo disminuye un poco en el dia
numero 4.
– 6: En este paciente se refleja un perfil diferente al resto el cual se puede ver en la Figura 1, su
perfil refleja un patron volátil, es decir crece y decrece de manerera continua.
– El resto de pacientes presentan perfiles similares entre ellos mismos esto se refleja en la figura 1,
donde al menos dos de estos tienen perfiles similares.

3
 8

Grupo
NIVEL

1
4
2

0
01 02 03 04
Dia

Figure 3: Diagrmas por grupos

Grupo
Nivel

1
4
2

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Sujeto

Figure 4: Diagrmas por grupos

4
 2. Realice el diagrama de cajas y obtenga las estadísticas necesarias, para comparar los niveles de excreción
urinaria de salsolinol obtenidos durante los 4 dás de observación. ¿Existe una diferencia significativa
entre los niveles medios obtenidos en los 4 dias? ¿ Hay días con mediciones heterogéneas? Justifique
sus respuestas.
qplot(x=Dia , y=Nivel , data=base , geom="boxplot" , fill=Dia)+
geom_boxplot(alpha=0.4) +
stat_summary(fun.y=mean, geom="point", shape=20, size=5, color="red", fill="red")+
theme_minimal()

6
Dia
01
Nivel

02
4
03
04

0
01 02 03 04
Dia

Figure 5: Diagrama de cajas de niveles de excreción urinaria de salsolinol obtenidos durante los 4 dás de
observación.

Dia CV(%) Media IC Para µ al 95%

1 123.64 1.791 (0.513,3.073)
2 974.35 1.686 (0.728,2.644)
3 81.75 2.330 (1.230,3.430)
4 79.87 2.984 (1.610,4.361)

Table 2: Coeficente de variación por día e intervalo de confianza para µ al 95%

• Utilizando la libreria pastecs y mediante la función: tapply(base$Nivel, base$Dia, stat.desc,

norm = T) construimos la tabla 2, por tanto a partir de la tabla 2 y del diagrama de cajas (Figura
5), durante los 4 días de observación tenemos que no hay diferencias significativas entre los niveles
medios obtenidos en los 4 días, ya que los diagramas de cajas se interceptan y además se interceptan
los intervalos de confianzas para las medias por
• De la tabla 2 todos los días tienen mediciones heterogéneas, pues para todos los días observamos que el
CV(%) es mayor al 33%, por tanto las mediciones de días en general son heterogéneas.

5
#5 Forma 3 función aov de la libreria car
library(car)
m2=aov(log(Nivel)~Sujeto+Dia, data=base)
summary(m2)

## Df Sum Sq Mean Sq F value Pr(>F)

## Sujeto 13 8.828 0.6791 0.841 0.617
## Dia 3 5.097 1.6989 2.103 0.115
## Residuals 39 31.501 0.8077
library(car)
shapiro.test(m2$residuals)

##
## Shapiro-Wilk normality test
##
## data: m2$residuals
## W = 0.96292, p-value = 0.08281
var <- leveneTest(m2$residuals ~ factor(Dia))
var

## Levene's Test for Homogeneity of Variance (center = median)

## Df F value Pr(>F)
## group 3 1.9965 0.1259
## 52
#4 esfericidad Forma 1 función ezANOVA de la libreria ez
library(ez)
m3=ezANOVA(data=base, dv=log(Nivel), wid=Sujeto,within=Dia,detailed = TRUE)
m3

## $ANOVA
## Effect DFn DFd SSn SSd F p p<.05
## 1 (Intercept) 1 13 270.51226 46.89439 74.991041 9.294400e-07 *
## 2 Dia 3 39 14.88769 173.72126 1.114083 3.550703e-01
## ges
## 1 0.55079797
## 2 0.06321645
##
## $`Mauchly's Test for Sphericity`
## Effect W p p<.05
## 2 Dia 0.688746 0.4986536
##
## $`Sphericity Corrections`
## Effect GGe p[GG] p[GG]<.05 HFe p[HF] p[HF]<.05
## 2 Dia 0.7882105 0.3489053 0.9748867 0.3545055
#6
par(mfrow=c(1,2))
plot(m2)

6
 Residuals vs Fitted Normal Q−Q

5 22 225
1.5

56 56

Standardized residuals

2
Residuals

1
0.5

0
−0.5

−1
−1.5

−0.5 0.5 1.0 1.5 −2 −1 0 1 2

Fitted values Theoretical Quantiles

Constant Leverage:
Scale−Location Residuals vs Factor Levels
1.5

5 22
56
22
Standardized residuals

5 56
Standardized residuals

2
1.0

1
0
0.5

−1
0.0

−2

Sujeto :
−0.5 0.5 1.0 1.5 1 3 5 7 9 12

Fitted values Factor Level Combinations

par(mfrow=c(1,1))