Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos de Suelo
Tipos de Suelo
(DCA)=================================
#-------------------------------------Autor: Edras
Banegas---------------------------------------
now = Sys.time()
print(format(now, format="Fecha:%A, %B %e, %Y"))
print(format(now, format="Hora:%H:%M"))
Tipos_de_suelos <- read.csv("C:/Users/pc/OneDrive - Universidad Nacional Autónoma
de Honduras/Desktop/Edras/Seminario de Investigacion/Parcial-III/-0-.csv",
header=TRUE, sep=",", na.strings=".", dec=".")
Tipos_de_suelos2 <- na.omit(Tipos_de_suelos)
attach(Tipos_de_suelos2)
object.size(Tipos_de_suelos2)
noquote(names(Tipos_de_suelos2))
#===========================ESTADÍSTICAS DESCRIPTIVAS O
EXPLORATORIAS===============================
#--------------------------------------Medidas de Tendencia
Central---------------------------------
str(Tipos_de_suelos2) # Estructura de la base de datos.
summary(Tipos_de_suelos2)
# Cálculo de la Moda.
library(modeest)
mfv(Humedad)
# Cálculo de la Moda.
Moda <- table(Humedad)
Moda[Moda == max(Moda)]
#------------------------------------Medidas de Variabilidad o
Dispersión---------------------------
# Cálculo del Rango.
range(Humedad)
# Cálculo de los Cuartillos.
quantile(Humedad)
# Cálculo del Rango Inter-Cuartillo.
IQR(Humedad)
# Cálculo de la Varianza y la Desviación Estándar.
var(Humedad)
sd(Humedad)
#====================================DIAGRAMAS DE
CAJA==============================================
require(plyr, quietly=TRUE)
nuevo_orden <- mutate(Producción_de_grano2, Híbridos.ordered = reorder(Híbridos,
Respuesta, mean, na.rm=T))
#jpeg('Barras-con-EEM.jpeg', units="in", width=4000, height=2800, res=400)
par(oma=c(1,13,1,1), bg="white", family="mono", cex.axis=1, col.axis="darkblue",
cex.lab=1.5, cex.main=1.5, cex.sub=1.5)
# Márgenes inferior, izquierdo, superior & derecho.
b <- boxplot(Respuesta ~ Híbridos.ordered, data=nuevo_orden, horizontal=TRUE,
notch=FALSE, frame.plot=FALSE, col=rainbow(4), outline=TRUE, outpch=21,
outcol="red", outbg="red", yaxt="na",
xlab="Rendimientos Totales (kg/ha)", col.lab="black", font.lab=2,
font.axis=2, ylab="",
main=expression(paste(bold("Evaluación de Híbridos de Sorgo
"),"("*bolditalic("Sorghum bicolor")*")")))
# RECONSTRUIR EL EJE Y.
axis(side=2, at=1:length(b$names), las=1, font.axis=2, labels=paste(b$names," (n =
",b$n,")", sep=""))
# AGREGAR LAS MEDIAS.
Medias <- tapply(Respuesta,Híbridos,mean)
Medias2 <- sort(Medias, decreasing=FALSE)
points(x=Medias2, y=1:33, pch=21, col="red", bg="white") # bg = relleno del pch
# AGREGAR LAS OBSERVACIONES.
stripchart(Respuesta ~ Híbridos.ordered, vertical=FALSE, data=nuevo_orden,
add=TRUE, pch=21, col="black", bg=NULL)
# AGREGAR TICKMARKS
library(Hmisc, quietly=TRUE)
minor.tick(nx=3, ny=0, tick.ratio=0.5)
grid()
dev.off()
identify(Respuesta,Híbridos)
#=======================================GRÁFICAS TIPO
VIOLÍN========================================
nuevo_orden <- mutate(Producción_de_grano2, Híbridos.ordered = reorder(Híbridos,
Respuesta, mean, na.rm=T))
library("vioplot")
#jpeg('Barras-con-EEM.jpeg', units="in", width=4000, height=2800, res=400)
par(oma=c(1,6,1,1), bg="white", family="serif", cex.axis=1, col.axis="darkblue",
cex.lab=1.5, cex.main=1.5, cex.sub=1.5)
# Márgenes inferior, izquierdo, superior & derecho
w <- vioplot(Respuesta ~ Híbridos.ordered, data=nuevo_orden, horizontal=TRUE,
las=1, drawRect=TRUE, rectCol="blue", lineCol="blue", lty=1, lwd=1, colMed="black",
plotCentre="line", border="black", frame.plot=FALSE, font.axis=2,
xlab="Rendimientos Totales (kg/ha)", ylab ="", col=heat.colors(33),
main=expression(paste(bold("Evaluación de Híbridos de Sorgo
"),"("*bolditalic("Sorghum bicolor")*")")))
# AGREGAR LAS MEDIAS.
Medias <- tapply(Respuesta,Híbridos,mean)
Medias2 <- sort(Medias, decreasing=FALSE)
points(x=Medias2, y=1:33, pch=21, col="red", bg="white") # bg = relleno del pch
# AGREGAR LAS OBSERVACIONES.
stripchart(Respuesta ~ Híbridos.ordered, data=nuevo_orden, method="overplot",
col="black", vertical=FALSE, pch=20, add=TRUE)
# AGREGAR LA MEDIA GENERAL
abline(v=mean(Respuesta), col="black", lwd=2, lty=3)
# AGREGAR TICKMARKS.
require(Hmisc, quietly=TRUE)
minor.tick(nx=3, ny=0, tick.ratio=0.5)
grid()
dev.off()
#=====================================GRÁFICAS TIPO
VIOLÍN==========================================
require(plyr, quietly=TRUE)
nuevo_orden <- mutate(Producción_de_grano2, Híbridos.ordered = reorder(Híbridos,
Respuesta, mean, na.rm=T))
library(ggplot2)
B <- theme(plot.title=element_text(face="bold", size="14", color="black",
family="serif", hjust=0.5),
axis.title=element_text(face="bold", size="12", color="black",
family="serif"),
axis.text=element_text(face="bold", size="9", color="darkblue",
family="serif"),
axis.ticks=element_line(color="black", size=0.5),
panel.background=element_rect(fill="white", color="black"),
panel.grid.major.y=element_line(color="gray", linetype="dotted",
size=0.4),
panel.grid.minor.y=element_line(color="gray", linetype="dotted",
size=0.4),
panel.grid.major.x=element_line(color="gray", linetype="dotted",
size=0.4),
panel.grid.minor.x=element_line(color="gray", linetype="dotted",
size=0.4),
axis.ticks.length = unit(0.25, "cm"), legend.position="none")
Violines <- ggplot(nuevo_orden, aes(x=Respuesta, y=Híbridos.ordered,
fill=Híbridos.ordered)) + B +
geom_violin() + geom_boxplot(color="black", width=0.20) +
geom_point(color="black", alpha=0.5, size=1.5) +
stat_summary(geom="point", fun="mean", color="red", size=1.5, shape=15) +
geom_vline(xintercept=mean(Respuesta), linetype="dotted", size=0.5, color="red")
+
labs(title="Evaluación de Híbridos de Sorgo", x="Rendimientos Totales (kg/ha)",
y="")
ggsave(filename="Diagrama-de-violines.jpeg", plot=Violines, units="in", width=8,
height=6, dpi=300)
# linetype= solid, dashed, dotted
#=====================================ANÁLISIS DE
VARIANZA==========================================
# Hipótesis (Híbridos):
# Ho: µ1 = µ2 = µ3 = µ4 = µ5 = µ6 = ... = µ33
# Ha: al menos una µ es diferente.
# Modelo: yᵢ = µ + αᵢ + εᵢ
require(car, quietly=TRUE)
options(contrasts=c("contr.sum", "contr.poly"))
options(digits=5, show.signif.stars=TRUE) # Para que los asteriscos de
significancia aparezcan o no.
Modelo1 <- lm(Respuesta ~ Híbridos, data=Tipos_de_suelos2)
Anova(Modelo1, type="III") # El tipo III es un diseño carente de ortogonalidad, es
decir, no es balanceado (No hay el mismo No. de repeticiones/tratamiento).
summary(Modelo1, multivariate=TRUE) # Recupera el R-Squared (Cantidad de variación
explicada a través del modelo).
attributes(Modelo1)
# Cálculo del Coeficiente de Variación.
library(agricolae)
cv.model(Modelo1)
#===============================VISUALIZACIÓN DE ERRORES
EXPERIMENTALES=============================
par(oma=c(0,0,0,0), bg="white", family="mono", cex.axis=1, col.axis="darkblue",
cex.lab=1.5, cex.main=1.5, cex.sub=1.5)
# Márgenes inferior, izquierdo, superior & derecho.) # Márgenes inferior,
izquierdo, superior & derecho.
plot(1:99, Respuesta, ylim=c(0,6500), pch=21, col="black", bg="red", las=1,
ylab="", col.lab="darkblue", font.lab=2,
main="Gráfica de Errores Experimentales", col.main="black", frame.plot=FALSE)
abline(h=mean(Respuesta), col="blue")
for(i in 1:99) lines(c(i,i), c(mean(Respuesta), Respuesta[i]), col="green")
grid()
library(nortest)
shapiro.test(rstandard(Modelo1))
library(nortest)
lillie.test(rstandard(Modelo1))
library(nortest)
ad.test(rstandard(Modelo1))
library(nortest)
cvm.test(rstandard(Modelo1))
require(lmtest, quietly=TRUE)
dwtest(Modelo1) # La prueba de Durbin-Watson para errores experimentales
independientes.
#============================HOMOGENEIDAD DE VARIANZAS
(Homocedasticidad)===========================
#---------------------------------------La Prueba de
Levene-----------------------------------------
# Hipótesis:
# Ho: σ²1 = σ²2 = σ²3 = σ²4 = ... = σ²33
# Ha: al menos una σ² es diferente.
library(car)
leveneTest(Respuesta ~ Híbridos, center=mean)
fligner.test(Respuesta ~ Híbridos)
bartlett.test(Respuesta ~ Híbridos)
#----------------------------------------------------------------------------------
-----------------
# Hipótesis:
# Ho: σ²1 = σ²2 = σ²3 = σ²4 = ... = σ²33
# Ha: al menos una σ² es diferente.
library(car)
ncvTest(Modelo1) # Non constant variance test
#===================================PRUEBAS DE SEPARACIÓN DE
MEDIAS=================================
#------------------------------DIFERENCIA SIGNIFICATIVA HONESTA DE
TUKEY----------------------------
library(agricolae)
Medias.Híbridos.Tukey <- HSD.test(Modelo1, "Híbridos", main="Comparacion de Cuatro
Tipos de Suelo", group=TRUE, console=TRUE, alpha=0.05)
Medias.Híbridos.Tukey$statistics # Permite recuperar la media poblacional, el
coeficiente de variación.
#--------------------------------COMPARACIONES MÚLTIPLES DE
DUNCAN----------------------------------
Medias.Híbridos.Duncan <- duncan.test(y=Modelo1, trt="Híbridos", main="Comparacion
de Cuatro Tipos de Suelo", group=TRUE, console=TRUE, alpha=0.05)
Medias.Híbridos.Duncan$statistics # Recupera la media poblacional & el coeficiente
de variación.
#-----------------------------------PRUEBA DE STUDENT-NEWMAN-
KEULS----------------------------------
require(agricolae)
Medias.Híbridos.SNK <- SNK.test(Modelo1, "Híbridos", main="Comparacion de Cuatro
Tipos de Suelo", group=TRUE, console=TRUE, alpha=0.05)
Medias.Híbridos.SNK$statistics
detach(Producción_de_grano2)