Академический Документы
Профессиональный Документы
Культура Документы
vale
22 de noviembre de 2017
Solución
Se tiene un diseño factorial general con 3 factores, así el modelo lineal general esta dado
por:
𝑦𝑖𝑗𝑘𝑙 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝜆𝑘 + (𝛼𝛽)𝑖𝑗 + (𝛼𝜆)𝑖𝑘 + (𝛽𝜆)𝑗𝑘 + (𝛼𝛽𝜆)𝑖𝑗𝑘 + 𝜖𝑖𝑗𝑘𝑙
Luego de llamar la base datos , se pasa a realizar una tabla de totales y promedios de la
electroconductividad con su respectiva gráfica.
1. Para el factor Tipo de suelo
TablaA = data.frame(
Total = tapply(electroconductividad, Tipo_Suelo, sum),
Media = tapply(electroconductividad, Tipo_Suelo, mean))
TablaA
## Total Media
## Arena arcillosa 12.91 0.7172222
## Arcilla 23.17 1.2872222
## Barro 33.93 1.8850000
## Total Media
## 2 51.08 2.8377778
## 8 9.16 0.5088889
## 16 9.77 0.5427778
## Total Media
## 0 9.05 0.5027778
## 5 21.61 1.2005556
## 15 39.35 2.1861111
## Total Media
## Arena arcillosa:2 11.55 1.9250000
## Arena arcillosa:8 0.62 0.1033333
## Arena arcillosa:16 0.74 0.1233333
## Arcilla:2 19.39 3.2316667
## Arcilla:8 2.14 0.3566667
## Arcilla:16 1.64 0.2733333
## Barro:2 20.14 3.3566667
## Barro:8 6.40 1.0666667
## Barro:16 7.39 1.2316667
Ahora
TipoSuelo=factor(rep(1:3, each=3), labels = c("Arena arcillosa", "Arcilla",
"Barro"))
SalinidadAgua=rep(c(2,8,16), 3)
Prom = as.vector(TablaAB$Media)
AB=data.frame(TipoSuelo, SalinidadAgua, Prom)
str(AB)
suppressWarnings(library(ggplot2))
ggplot(AB, aes(x=SalinidadAgua, y=Prom, colour=TipoSuelo)) +
geom_line(linetype="dashed") + geom_point(shape=22, size=3, fill="white")
5. Para la interacción Tipo de suelo - Contenido de agua
TablaAC = data.frame(
Total = tapply(electroconductividad, Tipo_Suelo:Contenido_agua, sum),
Media = tapply(electroconductividad, Tipo_Suelo:Contenido_agua, mean))
TablaAC
## Total Media
## Arena arcillosa:0 1.38 0.2300000
## Arena arcillosa:5 4.12 0.6866667
## Arena arcillosa:15 7.41 1.2350000
## Arcilla:0 2.60 0.4333333
## Arcilla:5 7.85 1.3083333
## Arcilla:15 12.72 2.1200000
## Barro:0 5.07 0.8450000
## Barro:5 9.64 1.6066667
## Barro:15 19.22 3.2033333
Ahora
TipoSuelo=factor(rep(1:3, each=3), labels = c("Arena arcillosa", "Arcilla",
"Barro"))
ContenidoA=rep(c(0,5,15), 3)
Prom = as.vector(TablaAC$Media)
AC=data.frame(TipoSuelo, ContenidoA, Prom)
str(AC)
## 'data.frame': 9 obs. of 3 variables:
## $ TipoSuelo : Factor w/ 3 levels "Arena arcillosa",..: 1 1 1 2 2 2 3 3 3
## $ ContenidoA: num 0 5 15 0 5 15 0 5 15
## $ Prom : num 0.23 0.687 1.235 0.433 1.308 ...
suppressWarnings(library(ggplot2))
ggplot(AB, aes(x=ContenidoA, y=Prom, colour=TipoSuelo)) +
geom_line(linetype="dashed") + geom_point(shape=22, size=3, fill="white")
## Total Media
## 0:2 5.86 0.9766667
## 0:8 1.81 0.3016667
## 0:16 1.38 0.2300000
## 5:2 16.54 2.7566667
## 5:8 2.67 0.4450000
## 5:16 2.40 0.4000000
## 15:2 28.68 4.7800000
## 15:8 4.68 0.7800000
## 15:16 5.99 0.9983333
Ahora
ContenidoAg=factor(rep(1:3, each=3), labels = c("0", "5", "15"))
SalinidadAgua=rep(c(2,8,16), 3)
Prom = as.vector(TablaAB$Media)
CB=data.frame(TipoSuelo, SalinidadAgua, Prom)
str(CB)
suppressWarnings(library(ggplot2))
ggplot(AB, aes(x=SalinidadAgua, y=Prom, colour=ContenidoAg)) +
geom_line(linetype="dashed") + geom_point(shape=22, size=3, fill="white")
Entonces,
Mod_Lin = aov(electroconductividad ~ Tipo_Suelo + Salinidad + Contenido_agua
+ Tipo_Suelo:Salinidad + Tipo_Suelo:Contenido_agua + Salinidad:Contenido_agua
+ Tipo_Suelo:Salinidad:Contenido_agua)
##
## Shapiro-Wilk normality test
##
## data: Residuales
## W = 0.79041, p-value = 2.424e-07
Como el p-valor de la prueba es menor que el nivel de significancia 𝛼 = 0.05 se rechaza la
hipótesis nula, es decir, Los errores no se distribuyen normal.
2. Prueba de homogeneidad de varianzas
Se plantea el siguiente juego de hipótesis
Se graficaran la variable respuesta vs. los residuales y los Valores ajustados vs. los
residuales, para verificara que no se presentan ningún patrón especifico en la nueve de
puntos. Esto nos indicará nos dará sospechas de si hay independencia en los errores y
homogeneidad de varianzas respectivamente.
par(mfrow=c(1,2))
plot(electroconductividad , Residuales)
abline(h=0)
valores.ajustados = fitted(Mod_Lin)
plot(valores.ajustados, Residuales)
abline(h=0)
##
## Bartlett test of homogeneity of variances
##
## data: electroconductividad and Tipo_Suelo:Salinidad:Contenido_agua
## Bartlett's K-squared = 48.761, df = 26, p-value = 0.004406
Como el p-valor de la prueba es menor que el nivel de significancia 𝛼 = 0.05, se rechaza la
hipótesis nula, es decir, las varianzas no homogéneas
En este ultimo paso paso se realizará el análisis de varianza, para probar si hay o efecto
significativo de la salinidad del agua en el suelo con diferentes cantidades de agua sobre la
electroconductividad medida. Para ello se debe plantear el siguiente juego de hipótesis
Para esto se utilizara el siguiente comando, el cual mostrara la siguinete salida
ANAVA.Resist = Mod_Lin
summary(ANAVA.Resist)