################################# # Paquetes que se usarn: ################################# library(PASWR) library(car) library(lawstat) library(asbio) library(laercio) library(multcompView)

# Ver tambin "multcomp" y "multcompView" # Datos para usar como Ejemplo 1 Tire # en [package="PASWR"] ################################# # Aleatorizacin ################################# # Factor tratamiento con 4 niveles 6-replicados y con etiquetas A, B, C y D population <- gl(4, 6, labels = LETTERS[1:4]) # Muestra sin reemplazamiento de igual tamao, i.e. permutacin al azar # de las etiquetas del factor tratamiento Treatment <- sample(population) # Creacin de un data frame con el factor tratamiento aleatorizado y # el orden de recogida de los datos datf <- data.frame(Run=1:24,Treatment) head(datf) ################################# # Algn grficos ################################# attach(Tire) boxplot(StopDist~tire) x11() dotchart(StopDist) x11() dotchart(StopDist,groups=tire) x11() plot.design(StopDist~tire) x11() # Conjuntamente (PASWR) oneway.plots(StopDist, tire)

################################# # ANOVA ################################# # Anlisis de la Varianza

adeva <- aov(StopDist~tire) adeva$coeff adeva$res adeva$fitted adeva$df summary(adeva) # Tabla de medias (con error estndar) model.tables(adeva, type="means", se=T) # Tabla de efectos (con error estndar) model.tables(adeva, type="effects", se=T) # Formato modelo lineal de regresin (con var. dummy) summary.lm(adeva)

################################# # Anlisis Residuos ################################# # Grficos de residuos (PASWR) checking.plots(adeva) # Residuos estandarizados r <- stdres(adeva) # Test de normalidad de Shapiro shapiro.test(r) # Test de homoscedasticidad de Levene levene.test(StopDist,tire) # (package: "car", ver tambin package: "lawstat") # Test de aleatoriedad basado en rachas runs.test(r,plot=T) # (package: "lawstat") # Test de aleatoriedad de Ljung-Box (bajo hiptesis de normalidad) Box.test(r, lag = 5, type = "Ljung-Box")

# ver tambin "plot(adeva)"

################################# # Potencia ANOVA ################################# MEANS <- tapply(StopDist,tire,mean) # Clculo de potencia power.anova.test(groups=4, n=6, between.var=var(MEANS),within.var=350, sig.level=0.05) # Clculo de tamao muestral power.anova.test(groups=4, between.var=var(MEANS),within.var=350, sig.level=0.05, power=0.8)

#################################

# CONTRASTES ################################# # Datos para usar como Ejemplo 2 Drosophila attach(Drosophila) # Anlisis de la varianza adeva2 <- aov(Fecundity~Line) # Tabla de medias model.tables(adeva2, type="means", se=T)

# Contraste 1: # "Non-selected" contra "1/2(Resistant+Susceptible)" c1 <- c(-1,0.5,0.5) # Contraste 2: # "Resistant" contra "Susceptible" c2 <- c(0,1,-1) # Se asocian los contrastes c1 y c2 al factor tratamiento "Line" contrasts(Line) <- cbind(c1,c2) CONT <- contrasts(Line) # Anlisis de la varianza respecto a los contrastes adeva3 <- aov(Fecundity~C(Line,CONT,1)+C(Line,CONT,2)) summary(adeva3)

# Otros contrastes habitualmente de inters: # Matriz de Contrastes sobre Tratamientos contrasts(Line) <- contr.treatment(levels(Line)) contrasts(Line) contrasts(Line) <- contr.treatment(levels(Line),base=2) contrasts(Line)

# Matriz de contrastes de Helmert contrasts(Line) <- contr.helmert(levels(Line)) contrasts(Line) CO <- contrasts(Line) colnames(CO) <- c("Contrast 1","Contrast 2") CO summary(aov(Fecundity~C(Line,CO,1)+C(Line,CO,2))) # Matriz de contrastes de Helmert inversos contrasts(Line) <- contr.helmert(levels(Line))[3:1,2:1] contrasts(Line) # Matriz de contrates de tendencia polinmica contrasts(Line) <- contr.poly(levels(Line), contrasts = TRUE) CO <- contrasts(Line) colnames(CO) <- c("Contrast 1","Contrast 2")

CO summary(aov(Fecundity~C(Line,CO,1)+C(Line,CO,2)))

################################# # CONTRASTES DE RANGO MLTIPLE ################################# attach(Tire) # Test de Tukey CI <- TukeyHSD(aov(StopDist~tire),which="tire",ordered=T,conf.level=0.95) CI plot(CI) multcompBoxplot(StopDist~tire,data=Tire,horizontal=T) [package="multcompView"] # Comparaciones dos a dos (Pairwise comparisons) #

[package="asbio"]

# Pairw.test(x=tratamientos, y=respuesta, conf.level = 0.95, method= c("LSD", "Bonf", "Tukey", "Sheffe"), MSE = NULL, df.err = NULL) # En diseos multifactoriales es necesario proporcionar # valores para el error cuadrtico medio ("MSE") y sus # grados de libertad ("df.err"), obtenidos a partir del ANOVA. Pairw.test(x=tire,y=StopDist,method="LSD") Pairw.test(x=tire,y=StopDist,method="Bonf") Pairw.test(x=tire,y=StopDist,method="Tukey") Pairw.test(x=tire,y=StopDist,method="Scheffe") # # # # LSD method Bonferroni method Tukey HSD Scheffe

# Otros: # Test de Duncan y Test de Tukey en [package="laercio"] # Ejemplo: adeva <- aov(StopDist~tire) LDuncan(adeva) LTukey(adeva)

################################# # TEST DE KRUSKAL-WALLIS ################################# kruskal.test(StopDist~tire) # Caso de Kruskal-Wallis significativo, ejecutar # comparaciones mltiples con la funcin: # KW.multi.comp(Y=respuesta, X=tratamientos, conf) [package="asbio"]: KW.multi.comp(X=tire, Y=StopDist, conf=.95)

en

################################# # TEST CHI^2 DE HOMOGENEIDAD ################################# # Fichero con ejemplo: tratamientos <rep(c("Trat.1","Trat.2","Trat.3","Trat.4"),c(150,120,130,160)) r1 <- rep(c("Peor","Igual","Mejor"),c(7,28,115)) r2 <- rep(c("Peor","Igual","Mejor"),c(15,20,85)) r3 <- rep(c("Peor","Igual","Mejor"),c(10,30,90)) r4 <- rep(c("Peor","Igual","Mejor"),c(5,40,115)) respuesta <- c(r1,r2,r3,r4) EfectoTratamiento <- cbind(respuesta,tratamientos) # Aplicacin del test: prueba <- chisq.test(respuesta,tratamientos) prueba prueba$observed prueba$expected