Documentos de Académico
Documentos de Profesional
Documentos de Cultura
funcion de la cantidad de oro que introduzcamos en ella. Solo tendriamos un factor (cantidad
de oro), con 3 niveles (nooro, ciengramos y quinientosgramos) con un total de 30
observaciones, como hay 3 tratamientos se ha seguido un diseño balanceado (10 replicas por
cada nivel del factor)
library(RcmdrMisc)
#analisis basicorro
summary(tiempo~oro, data=basededatos)
colores<-c("green","blue","orange")
plotMeans(basededatos$tiempo, basededatos$oro)
t.test(basededatos$tiempo[basededatos$oro=="ciengramos"])$conf.int
t.test(basededatos$tiempo[basededatos$oro=="nooro"])$conf.int
t.test(basededatos$tiempo[basededatos$oro=="quinientosg"])$conf.int
#Test ANOVA, Ho-> El tiempo es el mismo cndo no se usa oro que con 100g o 500g.
mimodelo<-aov(tiempo~oro, data=basededatos)
summary(mimodelo)
normalityTest(tiempo~oro,test="shapiro.test", data=basededatos)
#HOMOCEDASTICIDAD
plot(mimodelo, which=1)
plot(mimodelo, which=2)
plot(mimodelo, which=3)
plot(mimodelo, which=4)
plot(mimodelo, which=5)
# no veo nada raro, pero no se satisface DN en los errores, por tanto realizo KRUSKAL WALIS
QUE TIENE MISMA Ho que ANOVA
######################################## EJERCICIO2
summary(tiempo~oro, data=datitos)
colores<-c("green","blue","orange","black")
plotMeans(datitos$tiempo, datitos$oro)
t.test(datitos$tiempo[datitos$oro=="ciengramos"])$conf.int
t.test(datitos$tiempo[datitos$oro=="nooro"])$conf.int
t.test(datitos$tiempo[datitos$oro=="quinientosg"])$conf.int
t.test(datitos$tiempo[datitos$oro=="unkilo"])$conf.int
#Test ANOVA, Ho-> El tiempo es el mismo cndo no se usa oro que con 100g o 500g.
mimodelo2<-aov(tiempo~oro, data=datitos)
summary(mimodelo2)
#Pvalor muy pequeño-> RECHAZO Ho, AL MENOS 2 cantidades de oro producen menores
tiempos significativamente
library(agricolae)
normalityTest(tiempo~oro,test="shapiro.test", data=datitos)
#HOMOCEDASTICIDAD
plot(mimodelo2, which=1)
plot(mimodelo2, which=2)
plot(mimodelo2, which=3)
plot(mimodelo2, which=4)
plot(mimodelo2, which=5)
#TODO GENIAL
##########EJ 3
#dependiendo de la marca:
numSummary(datos$tiempo, groups=datos$marca)
numSummary(datos$tiempo, groups=datos$oro)
modelo<-aov(tiempo~oro*marca, data=datos)
summary(modelo)
mejoranova<-aov(tiempo~oro+marca, data=datos)
summary(mejoranova)
mean(datos$tiempo)
model.tables(mejoranova)
model.tables(mejoranova, type="means")
shapiro.test(mejoranova$residuals) #bien
bartlett.test(datos$tiempo~datos$marca)
library(agricolae)
library(PMCMRplus)
#Concluimos que no hay diferencias significativas entre 1kg y 100g de oro, ni entre 500g o 0g
de oro. Asi mismo, tampoco hay dif. signif. entre las marcas A-D ni entre C-B
summary(lm(tiempo~marca+oro,datos))
#R^2=73,87% y R^2ajustado=72,11%
#EJERCICIO 4
#Idealmente se ha seguido un diseño factorial con 3 factores (marca, oro y posicion) y n=7
replicas.
xtabs(~marca+oro+posicion, data=datazos)
#Creo ANOVA
modelazo<-aov(tiempo~marca*posicion*oro, data=datazos)
model.tables(modelazo)
model.tables(modelazo, type="means")
summary(modelazo)
#De la tabla ANOVA del modelo completo (con todos los posibles términos) concluimos que
el factor marca es significativo, así como el factor oro y una interacción posición-oro
#Obtenemos el mejoranova
mejormodelazo<-aov(tiempo~marca+oro+oro:posicion, data=datazos)
summary(mejormodelazo)
#Validez del modelo
shapiro.test(mejormodelazo$residuals)
qqPlot(mejormodelazo$residuals)
bartlett.test(tiempo~marca, data=datazos)
bartlett.test(tiempo~oro, data=datazos)
bartlett.test(tiempo~interaction(oro,posicion), data=datazos)
# TukeyHSD
library(agricolae)
library(PMCMRplus)
TukeyHSD(mejormodelazo)
#No hay diferencias entre escoger la marca A o B, da igual la cantidad de oro (asique no
cogemos nada) y la posicion da igual tambien (la que mejor convenga)
model.tables(mejormodelazo,type="means")
#El tiempo medio global es 86,9h, si escogemos la Marca A aumenta 12h, con la marca B
aumenta 6 y con la marca C se disminuye 18h
#Como hay interaccion entre oro y posicion los estudiamos conjuntamente, siendo la mejor
opcion 100g y arriba.