# DISE�O DE BLOQUES

# soluciones para lavar envases # Aleatorizaci�n de los tratamientos

# instalar librer�as
# agricolae
library(agricolae)
# nombres de los tratamientos y el n�mero de bloques
str(design.rcbd)

# r : n�mero de bloques
# seed : semilla
# kinds : m�todo de aleatorizaci�n
# caso de 3 tratamientos y 4 bloques
tratamientos <- c("A", "B", "C")
salidaDB <- design.rcbd(tratamientos,r=4, seed=513, serie=2)
print(salidaDB$sketch)

# imprimir el arreglo de datos

print(salidaDB$book)

# Asignando los datos a R

crecim<-c(13,22,18,39,16,24,17,44,5,4,1,22)
trat<-gl(3,4)
bloque <-factor(rep(1:4,3))
xtabs(crecim~bloque + trat)

# Generando resumen de los datos en tratamientos

tapply(crecim, trat, summary)

# Generando resumen de los datos en bloques

tapply(crecim, bloque, summary)

modelo<-lm(crecim~bloque+trat)
anova(modelo)

# comportamiento de los promedios

par(mfrow=c(1,2))
boxplot(crecim~trat,col="yellow",xlab="Soluci�n")
boxplot(crecim~bloque,col="blue",xlab="D�as")

# comparaciones m�ltiples LSD entre soluciones

cmLSD<-LSD.test(modelo, "trat", console = T)

# comparaciones m�ltiples LSD entre bloques

cmLSD<-LSD.test(modelo, "bloque", console = T)

# comparaciones m�ltiples tukey entre soluciones

cmT <- HSD.test(modelo, "trat", console=TRUE)

# comparaciones m�ltiples tukey entre bloques

cmT <- HSD.test(modelo, "bloque", console=TRUE)

# grafico de barras
bar.group(cmT$groups,ylim=c(0,50),density=4,border="blue")
title(main = "Grupos - Soluciones")

# Variaci�n del error en cada soluci�n en el retardo

graf<-bar.err(cmT$means,variation="range",ylim=c(0,50),
bar=FALSE,col=0,las=1)
points(graf$index,graf$means,pch=18,cex=1.5,col="blue")
axis(1,graf$index,labels=FALSE)
title(main = "Promedio y Rango - Soluciones")

# verificaci�n de supuestos
# normalidad
par(mfrow=c(1,2))
hist(modelo$residuals)
qqnorm(modelo$residuals)
qqline(modelo$residuals)

# Test de normalidad de Shapiro

shapiro.test(modelo$residuals)

# Test de homogeneidad de varianzas

par(mfrow=c(1,2))
plot(modelo$fitted.values,modelo$residuals,main="Estimado vs Residual")
abline(h=0,lty=2)
# Convierte de class a numeric
Tratamiento<-unclass(trat)
plot(modelo$residuals~Tratamiento,main="Tratamiento vs Residual")

# test de Bartlett
bartlett.test(crecim~trat)

# Independencia:
library(lmtest)
# Durwin Watson
dwtest(modelo)

# interacciones
interaction.plot(bloque, trat, crecim, legend = T, xlab="D�as")
interaction.plot(trat, bloque, crecim, legend = T, xlab= "Soluci�n")

# Prueba de Friedman DISE�OS DE BLOQUES

#
concentracion <- c(3.88, 30.58, 25.24, 4.44, 29.41, 38.87, 5.64, 30.14, 33.52,
7.94, 30.72, 33.12, 5.76, 16.92, 25.45, 4.04, 32.92, 39.15, 4.25, 23.19, 18.85,
4.40, 28.23, 28.06, 5.91, 26.74, 20.45, 4.23, 23.35, 38.23, 4.33, 10.91, 26.67,
4.36, 12.00, 26.65)
bloq<- factor( rep( 1:6, each = 6 ))
grupo <- factor(rep(c("A","B","C","D","E","F"),6))

data <- data.frame(concentracion,grupo,bloq)

data

dat= friedman.test(cbind(concentracion,grupo,bloq))
# prueba de significancia
#instalar librer�a PMCMR
require(PMCMR)
## Loading required package: PMCMR
posthoc.friedman.nemenyi.test(concentracion,grupo,bloq)

posthoc.kruskal.conover.test(concentracion,grupo,bloq, p.adjust.method="none")

# test quade
quade.test(concentracion,grupo,bloq)
posthoc.quade.test(concentracion,grupo,bloq, dist="TDist", p.adj="none")