Documentos de Académico
Documentos de Profesional
Documentos de Cultura
i) Variables
Variable Dependiente: Incremento celular
Variable Independiente: Nivel de Presión
ii) Hipótesis
H0: El crecimiento no se ve afectado
Ha: El crecimiento se ve afectado
> aggregate(data=tabla.datos.ANOVA,
+ Incremento.celular~nivel.Presión,FUN=mean)
nivel.Presión Incremento.celular
1 0.0 59.14
2 0.083 46.04
3 0.29 36.45
4 0.50 25.47
5 0.86 16.44
> aggregate(data=tabla.datos.ANOVA,
+ Incremento.celular~nivel.Presión,FUN=sd)
nivel.Presión Incremento.celular
1 0.0 4.804674
2 0.083 5.052656
3 0.29 5.933942
4 0.50 4.483315
5 0.86 5.894480
Grafico:
> library(ggplot2)
> ggplot(tabla.datos.ANOVA,aes(x=nivel.Presión,
+ y=Incremento.celular,color=nivel.Presión))+
+ geom_boxplot()+theme_bw()
Se puede observar claramente que la
posición de la presión atmosférica que
tiene mayor incremento celular es 0.0 y
la diferencia que tiene con otras
posiciones es grande, pero realizaremos
un ANOVA para validar el
comportamiento.
> lillie.test(X[F=="0.0"])
Lilliefors (Kolmogorov-Smirnov) normality test
data: X[F == "0.0"]
D = 0.16428, p-value = 0.6225
> lillie.test(X[F=="0.083"])
Lilliefors (Kolmogorov-Smirnov) normality test
data: X[F == "0.083"]
D = 0.21369, p-value = 0.219
> lillie.test(X[F=="0.29"])
Lilliefors (Kolmogorov-Smirnov) normality test
data: X[F == "0.29"]
D = 0.22239, p-value = 0.1733
> lillie.test(X[F=="0.50"])
Lilliefors (Kolmogorov-Smirnov) normality test
data: X[F == "0.50"]
D = 0.19729, p-value = 0.329
> lillie.test(X[F=="0.86"])
Lilliefors (Kolmogorov-Smirnov) normality test
data: X[F == "0.86"]
D = 0.1635, p-value = 0.6299
Se observa que, al hacer la prueba de normalidad a las 5 muestras, en todos los casos el p valor
es mayor que el nivel de significancia de 0.05, concluyendo que las muestras tienen
comportamiento normal y se puede realizar el ANOVA.
Homogeneidad de varianzas:
H0: Las varianzas de las muestras son homogéneas
Ha: Las varianzas de las muestras no son homogéneas
> bartlett.test(X ~ F)
Bartlett test of homogeneity of variances
data: X by F
Bartlett's K-squared = 1.0701, df = 4, p-value = 0.899
Como el p valor es 0.899 mayor que 0.05, existe evidencia estadística para no rechazar la
hipótesis nula y se concluye que las varianzas de las muestras son homogéneas, entonces
podemos proceder con el ANOVA.
v) ANOVA
> summary(aov(X~F))
Df Sum Sq Mean Sq F value Pr(>F)
F 4 11274 2818.6 101.6 <2e-16
Residuals 45 1248 27.7
Como el p valor es 0, y es menor que 0.05 existe evidencia estadística para rechazar la
hipótesis nula, y se concluye que las medias no son iguales a nivel poblacional. Por lo
tanto, se concluye que todas las posiciones no tienen el mismo impacto, además podemos
decir que la posición de la presión atmosférica influye en el crecimiento celular.
Gráfico Tukey: