slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Modelo: Unifactorial de efectos fijos completamente al azar Variable Independiente: PowerPoint Presentation
Download Presentation
Modelo: Unifactorial de efectos fijos completamente al azar Variable Independiente:

Loading in 2 Seconds...

  share
play fullscreen
1 / 15
Download Presentation

Modelo: Unifactorial de efectos fijos completamente al azar Variable Independiente: - PowerPoint PPT Presentation

hilde
186 Views
Download Presentation

Modelo: Unifactorial de efectos fijos completamente al azar Variable Independiente:

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. de_pinzones.r library(abd) En un proyecto de investigación, se tienen datos respecto a una muestra de pinzones, y se desea conocer si el tamaño del pico es una característica particular en cada una de las 3 subespecies que se encuentran en la muestra: Crimson-rumped waxbill (CRU.WAXB), Cutthroat finch (CUTTHROA), y White-browed sparrow weaver (WB.SPARW). Para verificar esto, se determina plantear un modelo de diseño de experimentos que nos permita verificar si la subespecie es un factor de influencia en el tamaño del pico de los pinzones. Modelo: Unifactorialde efectos fijos completamente al azar Variable Independiente: Subespecie del pinzón Variable Respuesta: Longitud del pico Repeticiones: 15 Unidad experimental: Pinzón Schluter, D. 1988. The evolution of finch communities on islands and continents: Kenya vs. Galapagos. Ecological Monographs 58: 229-249

  2. Analysis of Variance Table Response: beak.length Df Sum Sq Mean Sq F value Pr(>F) species 2 100.528 50.264 303.2 < 2.2e-16 *** Residuals 42 6.963 0.166 Total 44 107.491 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 R2=0.93522446604492 Tukeymultiplecomparisons of means 95% family-wiseconfidencelevelFit: aov(formula = beak.length ~ species) speciesdifflwrupr p adj CUTTHROA-CRU.WAXB 0.5205882 0.1476243 0.8935522 0.0042683 WB.SPARW-CRU.WAXB 3.3080882 2.9635357 3.6526408 0.0000000 WB.SPARW-CUTTHROA 2.7875000 2.4097440 3.1652560 0.0000000

  3. bartlett.test(res2,species) Bartlett test of homogeneity of variances data: res2 and species Bartlett's K-squared = 33.4714, df = 2, p-value = 5.392e-08

  4. datos_dis_exp.xlsx de1_lodos.r El lodo de desagüe es el residuo seco que resulta de procesar las aguas negras; como contiene nutrientes benéficos para el crecimiento de plantas, se puede usar como fertilizante en la agricultura, siempre que no contenga niveles tóxicos de ciertos elementos como metales pesados. Por regla general, los niveles de metales en los lodos se prueba según el crecimiento de plantas en ambientes que contienen distintas dosis de lodo. Un científico de suelos planteó la hipótesis de que la concentración de ciertos metales en los lodos difiere según las áreas metropolitanas de las que se obtuvo el lodo, la variación puede ser el resultado de una gran cantidad de causas, como las distintas bases industriales que rodean el área. Si esto fuera cierto, entonces las recomendaciones de aplicación en cultivos tendrán que ser precedidas por la ubicación de la fuente de material. Se planeó una prueba para determinar si había una variación significativa en las concentraciones de metales pesados entre las diversas áreas metropolitanas. Se cultivaron plantas de cebada en un medio de arena al que se agregó el lodo como fertilizante, en tres cantidades diferentes: 0.5, 1.0, 1.5 toneladas métricas / ha. El arreglo factorial para el diseño de tratamientos consistió en un “cantidad” con tres niveles. Cada uno de los tratamientos se asignó a en un diseño totalmente aleatorizado. En cierta etapa de crecimiento se determinó el contenido de zinc, en partes por millón (ppm), para las plantas de cebada cultivadas en cada contenedor. Los datos se muestran a continuación: Formule el modelo correspondiente y de sus conclusiones.

  5. Modelo: Unifactorialde efectos fijos completamente al azar Variable Independiente: Lodo en 3 niveles Variable Respuesta: Zinc Repeticiones: 12 Unidad experimental: Planta de Cebada Analysis of Variance Table Response: zinc Df Sum SqMean SqF value Pr(>F) lodo 2 1945.4 972.723.98860.02809 * Residuals 33 8047.9 243.88 Total 35 9993.38 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 R2= 0.194673373773438

  6. Tukey multiple comparisons of means 95% family-wiseconfidencelevel Fit: aov(formula = zinc ~ lodo)  lododifflwruprp adj 1-0.58.575 -7.069001 24.219 0.3810272 1.5-0.518.0002.355999 33.644 0.0212468 1.5-19.425 -6.219001 25.069 0.3141251 Bartlett test of homogeneity of variances  data: res by lodo Bartlett's K-squared = 19.1527, df = 2, p-value = 6.935e-05

  7. de2_imeca.r datos_dis_exp.xlsx Se tienen los valores máximos mensuales (correspondientes al año 1998) del índice IMECA para cuatro zonas metropolitanas (Cd. de México, Guadalajara, Monterrey y Valle de Toluca). Elabore el modelo correspondiente para analizar si las zonas metropolitanas presentan valores IMECA similares y de sus conclusiones. Ciudades Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic ZMCM 218 220 244 224 251 251 221 236 225 243 240 262 ZMGDL 194 227 226 201 269 162 137 127 137 177 167 157 ZMMTY 72 92 122 112 121 116 85 95 110 107 91 88 ZMVT 113 122 109 92 128 128 100 121 91 112 115 104 Modelo: Unifactorial de efectos fijos completamente al azar Variable Independiente: Zona Metropolitana con 4 niveles Variable Respuesta: índice IMECA Repeticiones: 12 Unidad experimental: Valor máximo mensual del índice IMECA

  8. Analysis of Variance Table  Response: imeca Df Sum SqMean SqF value Pr(>F) ciudad3 145564 4852178.347 < 2.2e-16 *** Residuals 44 27250 619 Total47 172813.9 ---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Tukeymultiple comparisons of means 95% family-wiseconfidencelevel Fit: aov(formula = imeca ~ ciudad)  $ciudad difflwruprp adj MEX-GDL54.50000 27.37368 81.62632 0.0000167 MTY-GDL -80.83333 -107.95965 -53.707020.0000000 VT-GDL -70.50000 -97.62632 -43.37368 0.0000001 MTY-MEX -135.33333 -162.45965 -108.20702 0.0000000 VT-ME -125.00000 -152.12632 -97.87368 0.0000000 VT-MTY 10.33333 -16.79298 37.45965 0.7403691 R2=0.842317868883052

  9. Bartlett test of homogeneity of variances  data: res and ciudad Bartlett's K-squared = 23.6332, df = 3, p-value = 2.98e-05

  10. de_ozono.r datos_ozono.xlsx Los agentes destructores del ozono atmosférico se clasifican en 3 categorías (CFC,HCFC y TC), la producción anual de estos para los años 1989 a 1996 se muestra a continuación: Se desea conocer cuál es el tipo de agentes que más se produce. Elabore el modelo de diseño de experimentos correspondiente y de sus conclusiones. Modelo: Unifactorial de efectos fijos bloques al azar Variable Independiente: Agentes destructores de ozono con 3 niveles Variable Respuesta: Cantidad de contaminantes producida Variable de bloqueo: Anio Repeticiones: 8 Unidad experimental: Valor observado de contaminantes

  11. Analysis of VarianceTable Response: produccion Df Sum SqMean SqF value Pr(>F) tipo2 300810916 150405458 22.623 7.324e-06 *** anio 1 67216386721638 1.011 0.3267 Residuals 20 132965174 6648259 Total23440497728.5 ---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 R2=0.698147877343672 Tukeymultiple comparisons of means 95% family-wiseconfidencelevel Fit: aov(formula = produccion ~ tipo + anio)  $tipo difflwrupr p adj HCFC-CFC -8664.5 -11926.18 -5402.8199 0.0000045 TC-CFC -4021.0 -7282.68 -759.3199 0.0143043 TC-HCFC 4643.5 1381.82 7905.1801 0.0048439

  12. bartlett.test(res,tipo)  Bartlett test of homogeneity of variances  data: res and tipo Bartlett's K-squared = 6.5294, df = 2, p-value = 0.03821

  13. de_pasto.r library(datasets) En un estudio, para medir la tolerancia al frio de la especie de pasto Echinochloacrus-gallise utiliza el consumo de dióxido de carbono como un indicador de la tolerancia al frio. Se cuenta con una muestra de 84 lotes de pasto y se utilizan dos factores para la elaboración del modelo Type que denota el origen la planta (Quebec ó Mississipi) y Treatment que denota si la planta fue refrigerada ó no. Modelo: Bifactorialde efectos fijos completamente al azar Variables Independientes: Type (2 niveles) y Treatment(2 niveles) Variable Respuesta: Consumo de CO2 (umol/m2sec) Repeticiones: 21 por tratamiento Unidad experimental: Lote de pasto

  14. Analysis of Variance Table Response: uptake Df Sum Sq Mean Sq F value Pr(>F) Type 1 3365.5 3365.5 52.5086 2.378e-10 *** Treatment 1 988.1 988.1 15.4164 0.0001817 *** Type:Treatment 1 225.7 225.7 3.5218 0.0642128 . Residuals 80 5127.6 64.1 Total 83 9706.97 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 R2=0.471761611786418 Tukeymultiplecomparisons of means 95% family-wiseconfidencelevel Fit: aov(formula = uptake ~ Type * Treatment) $Typedifflwrupr p adj Mississippi-Quebec -12.65952 -16.13624 -9.182808 0 $Treatmentdifflwrupr p adj chilled-nonchilled -6.859524 -10.33624 -3.382808 0.0001817 $Type:Treatmentdifflwrupr p adj Mississippi:nonchilled-Quebec:nonchilled -9.3809 -15.86369 -2.8982 0.0015893 Quebec:chilled-Quebec:nonchilled -3.5809 -10.06369 2.901787 0.4727714 Mississippi:chilled-Quebec:nonchilled -19.5190 -26.0017 -13.0363 0.0000000 Quebec:chilled-Mississippi:nonchilled 5.8000 -0.6827 12.2827 0.0959830 Mississippi:chilled-Mississippi:nonchilled -10.1380 -16.6208 -3.6553 0.0005553 Mississippi:chilled-Quebec:chilled -15.9380 -22.4208 -9.4553 0.0000000