Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Greco latino
library(agricolae)
trt1<- c("A","B","C")
trt2<- c("a","b","c")
greco<-design.graeco(trt1,trt2,seed=19)
trt <- paste(greco[,4],greco[,5])
dim(trt) <-c(3,3)
> trt
library(agricolae)
trt1<- c("A","B","C","D")
trt2<- c("a","b","c","d")
greco<-design.graeco(trt1,trt2,seed=29)
> greco
plots row col trt1 trt2
1 1 1 1 A c
2 2 1 2 B d
3 3 1 3 C b
4 4 1 4 D a
5 5 2 1 B a
6 6 2 2 A b
7 7 2 3 D d
8 8 2 4 C c
9 9 3 1 C d
10 10 3 2 D c
11 11 3 3 A a
12 12 3 4 B b
13 13 4 1 D b
14 14 4 2 C a
15 15 4 3 B c
16 16 4 4 A d
F. de Mendiburu
2
Esto significa que los tratamientos tipo 1 están ubicados por fila y columna una vez, los
tratamientos tipo 2 están ubicados por fila y columna una vez y a su vez, los tratamientos
de un tipo están una sola vez combinados con el otro tipo de tratamientos.
Este triple arreglo es complejo poder formar en la cual se pueda cumplir simultáneamente
estos requerimientos.
Todos los autores que hablan del tema, indican que es imposible forma un diseño de seis
tratamientos.
El programa agricolae permite hallar para un numero de tratamientos impares (3, 5, 7,..,
etc.) y para números pares (4, 8 y 12). Para 3 tratamientos no es posible aplicar porque se
tendría 0 grados de libertad para el error.
El modelo estadístico.
Variable respuesta: Y
Factores: fila + columna + trt1 + trt2
Variable no controlada: Error
Constante: Parámetro aditivo del modelo.
F. de Mendiburu
3
Para el análisis de estas fuentes, es necesario satisfacer los supuestos del ANVA como es
la independencia de los errores y la normalidad de los errores.
Análisis estadístico.
Se construye el análisis de la variancia para las 4 fuentes controladas más la fuente del
error.
Fuentes Gl
Fila n-1
Columna n-1
Trt 1 n-1
Trt 2 n-1
Error (n-1)(n-3)
Total nxn - 1
Las sumas de cuadrados para las fuentes de variación son determinados en la misma
forma del cuadrado latino.
La fuente del error será utilizado para probar cada una de las fuentes de estudio. En este
caso será el tratamiento o los dos tratamientos que es de interés para el investigador.
Ejercicio. Utilizar los datos de Mongomery para practicar los cálculos en este análisis.
Para las comparaciones múltiples de los niveles de cada tratamiento, construir los
promedios, ordenarlos, encontrar la diferencia mínima de comparación utilizando el valor
tabular con los grados de libertad del error y la desviación estándar de la diferencia o del
promedio al igual que se utilizo para el cuadrado latino.
F. de Mendiburu
4
Datos:
> library(agricolae)
> datos <- read.table("montgomery.txt",header=TRUE)
> estudio <- aov(carga ~ lotes + operador + formulacion + montajes,
datos)
> anova(estudio)
Response: carga
Df Sum Sq Mean Sq F value Pr(>F)
lotes 4 68.00 17.00 2.0606 0.178311
operador 4 150.00 37.50 4.5455 0.032930 *
formulacion 4 330.00 82.50 10.0000 0.003344 **
montajes 4 62.00 15.50 1.8788 0.207641
Residuals 8 66.00 8.25
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
> attach(datos)
> compara<- LSD.test(carga,formulacion,8,8.25)
F. de Mendiburu
5
Study:
Treatment Means
formulacion carga std.err replication
1 a 3.6 2.088061 5
2 b -4.8 0.969536 5
3 c -2.6 1.964688 5
4 d 4.8 2.416609 5
5 e 1.0 1.516575 5
Study:
Treatment Means
montajes carga std.err replication
1 A 2.0 1.923538 5
2 B -1.2 2.154066 5
3 C -0.6 2.379075 5
4 D -0.8 1.200000 5
5 E 2.6 3.906405 5
F. de Mendiburu
6
- Realizar el ANVA
- Hallar el coeficiente de variacion
- Realizar las comparación con Tukey para el tratamiento
Pentagastrin.
- Realizar un grafico de barras con las desviaciones estándar, con
el error estándar y con los grupos de significación. Usar las
funciones bar.err() y bar.group()
- Completar el análisis para el tratamiento Reticular.
F. de Mendiburu