Ejercicio Grupal ANOVA 2 FACTORES
Enviado por zhey123 • 16 de Abril de 2021 • Tesina • 3.916 Palabras (16 Páginas) • 64 Visitas
Ejercicio Grupal ANOVA 2 FACTORES
INTEGRANTES:
- FLAVIO BONILLA SUASNABAR - ESTADISTICA INFERENCIAL
- ZAMUDO QUISPE ZHEYLA – ESTADISTICA INFERENCIAL
- LIMACHE ALANYA JUAN CARLOS – ESTADISTICA APLICADA A LA GESTION
[pic 1]
> registro <- as.factor(c(1:36))
> registro
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
[23] 23 24 25 26 27 28 29 30 31 32 33 34 35 36
36 Levels: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 ... 36
> marca <- c("A1","A1","A1","A1","A1","A1",
+ "A1","A1","A1","A1","A1","A1",
+ "A2","A2","A2","A2","A2","A2",
+ "A2","A2","A2","A2","A2","A2",
+ "A3","A3","A3","A3","A3","A3",
+ "A3","A3","A3","A3","A3","A3")
> tiempo <- c("T0","T0","T3","T3","T7","T7",
+ "T0","T0","T3","T3","T7","T7",
+ "T0","T0","T3","T3","T7","T7",
+ "T0","T0","T3","T3","T7","T7",
+ "T0","T0","T3","T3","T7","T7",
+ "T0","T0","T3","T3","T7","T7")
> acido <- c(52.2,54.2,49.2,49.4,42.7,48.8,
+ 49.8,46.5,42.8,53.2,40.4,47.6,
+ 56.0,48.0,48.8,44.0,49.2,44.0,
+ 49.6,48.4,44.0,42.4,42.0,43.2,
+ 52.5,52.0,48.0,47.0,48.5,43.4,
+ 51.8,53.6,48.2,49.6,45.2,47.6)
> datos <- data.frame(registro, marca, tiempo, acido)
> head(datos)
registro marca tiempo acido
1 1 A1 T0 52.2
2 2 A1 T0 54.2
3 3 A1 T3 49.2
4 4 A1 T3 49.4
5 5 A1 T7 42.7
6 6 A1 T7 48.8
> library(ggplot2)
> p1 <- ggplot(data = datos, mapping = aes(x=tiempo, y=acido))+
+ geom_boxplot()+theme_bw()
> p1
p2 <- ggplot(data = datos, mapping = aes(x=marca, y=acido)) +
+ geom_boxplot()+theme_bw()
> p2
> p3 <- ggplot(data = datos,mapping = aes(x =tiempo,y =acido,colour=marca))+
+ geom_boxplot()+theme_bw()
> p3
> library(gridExtra)
> grid.arrange(p1, p2, ncol = 2)
[pic 2]
[pic 3]
Calcularemos también la media y desviación estándar para cada nivel de los factores:
> with(data = datos,expr = tapply(acido, marca, mean))
A1 A2 A3
48.06667 46.63333 48.95000
> with(data = datos,expr = tapply(acido, marca, sd))
A1 A2 A3
4.323789 4.098632 3.078223
> with(data = datos,expr = tapply(acido, tiempo, mean))
T0 T3 T7
51.21667 47.21667 45.21667
> with(data = datos,expr = tapply(acido, tiempo, sd))
T0 T3 T7
2.798972 3.271317 3.008725
> with(data = datos,expr = tapply(acido, list(marca,tiempo), mean))
T0 T3 T7
A1 50.675 48.65 44.875
A2 50.500 44.80 44.600
A3 52.475 48.20 46.175
> with(data = datos,expr = tapply(acido, list(marca,tiempo), sd))
T0 T3 T7
A1 3.3139855 4.312385 3.982775
A2 3.7291643 2.771281 3.174902
A3 0.8057088 1.070825 2.315707
Obtención de gráficos de interacción. Para el factor tiempo:
> ggplot(data = datos, aes(x = tiempo, y = acido, colour = marca, group = marca)) +
+ stat_summary(fun = mean, geom = "point") +
+ stat_summary(fun = mean, geom = "line") +
+ labs(y = 'mean (result)') +
+ theme_bw()
[pic 4]
Para el factor marca :
> ggplot(data = datos, aes(x = marca, y = acido, colour = tiempo, group = tiempo)) +
+ stat_summary(fun = mean, geom = "point") +
+ stat_summary(fun = mean, geom = "line") +
+ labs(y = 'mean (result)') +
+ theme_bw()
[pic 5]
El ANOVA permitirá saber si las diferencias observadas son significativas.
> anova_2vias <- aov(formula = acido ~ marca*tiempo, data = datos)
> summary(anova_2vias)
Df Sum Sq Mean Sq F value Pr(>F)
marca 2 32.81 16.40 1.752 0.192583
tiempo 2 224.00 112.00 11.962 0.000191 ***
marca:tiempo 4 17.86 4.47 0.477 0.752280
Residuals 27 252.80 9.36
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Es importante también analizar el tamaño del efecto, para ello utilizaremos la librería effectisize
> library(effectsize)
> effectsize(anova_2vias)
Parameter | Eta2 (partial) | 90% CI
--------------------------------------------
marca | 0.11 | [0.00, 0.29]
tiempo | 0.47 | [0.22, 0.63]
marca:tiempo | 0.07 | [0.00, 0.14]
Validación de las condiciones del ANOVA:
[pic 6][pic 7]
[pic 8][pic 9]
# ejercicio 2
[pic 10]
> registro<-as.factor(c(1:45))
...