Publications by Diana Lorena Barajas Pedroza
Clase 14 - Diseño de Experimentos
Primer Diseño Parcial 2 #DISEÑO FACTORIAL COMPLETO EN ARREGLO COMPLETAMENTE AL AZAR # Cultivo tomate set.seed(123) #Factor 1 aporque <- gl(2, 60, 120, c("con_A", "sin_A")) #Factor 2 variedad <- gl(3, 20, 120, c('v1', 'v2', 'v3')) #rta peso_fresco <- rnorm(n = 120, mean = 3, sd = 0.3) df = data.frame(aporque, variedad, peso_fresco) df...
1942 sym R (3022 sym/23 pcs) 3 img
Clase 13 - Diseño de Experimentos
set.seed(123) data = expand.grid(x=1:10, y=1:10) data$rto = rnorm(100, 3, 0.3) data$rto = sort(data$rto) + runif(100, 0, 0.1) data$mo = rnorm(100, 2.5, 0.1) data$mo = sort(data$mo) + runif(100, 0, 0.1) library(ggplot2) ## Warning: package 'ggplot2' was built under R version 4.2.2 g1 = ggplot(data) + aes(x, y, fill = rto) + geom_tile() ...
1644 sym R (8613 sym/39 pcs) 9 img
Clase 12 - Diseño de Experimentos
set.seed(123) data = expand.grid(x=1:10, y=1:10) data$rto = rnorm(100, 3, 0.3) data$rto = sort(data$rto) + runif(100, 0, 0.1) data$mo = rnorm(100, 2.5, 0.1) data$mo = sort(data$mo) + runif(100, 0, 0.1) library(ggplot2) g1 = ggplot(data) + aes(x, y, fill = rto) + geom_tile() g2 = ggplot(data) + aes(x, y, fill = mo) + geom_tile()...
1771 sym R (8074 sym/35 pcs) 9 img
Clase 11 - Cuadrado Latino
Diseño Cuadrado Latino GUIA Factorial Simple en Bloques al Azar (FSBA) lote <- c(rep("lote1", 1), rep("lote2", 1), rep("lote3", 1), rep("lote4", 1), rep("lote5", 1) ) genotipo <- c(rep("genotA",5), rep("genotB",5), rep("genotC",5), rep("genotD",5), ...
808 sym R (2757 sym/21 pcs) 6 img
Clase 8 - Diseño de Experimentos
###Diseño 1 - Factorial Simple en arreglo completamente al azar # Único factor # Sin razon de bloquear # IMAGINANDO EL ARREGLO EN CAMPO DEL EXPERIMENTO xy = expand.grid(x = seq(5), y = seq(5)) plot(xy, pch=15, cex = 3, asp = 1) # FACTOR genotipo = gl(n = 6, k = 6, length = 36, labels = paste0('gen', 1:6)) # VARIABLE RESPUE...
2418 sym R (24502 sym/56 pcs) 10 img
Clase 9 - Diseño de Experimentos
set.seed(123) # Respuesta diam_geom = c( rnorm(4, 1.8, 0.1), rnorm(4, 2.0, 0.12), rnorm(4, 1.9, 0.09) ) # Factor gen = gl(3, 4, 12, paste0('g_', 1:3)) # Bloqueo procedencia = gl (4, 1, 12, paste0('1_', 1:4)) data = data.frame(gen, procedencia, diam_geom) head(data) ## gen procedencia diam_geom ## 1 g_1 1_1 1.743952...
1079 sym R (2825 sym/20 pcs) 3 img
Clase 7: Diseño de Experimentos
set.seed(123) datos = data.frame( gen = gl(3,4,12, c('g1','g2','g3')), rep = gl(4,1,12, c('r1','r2','r3','r4')), rto = c(3.5, 3.8, 3.6, 3.5, 3.6, 3.9, 4.1, 3.8, 4.2, 3.9, 4.3, 4.3) ) ### TABLA ANÁLISIS DE VARIANZA boxplot(rto ~ gen, data = datos) boxplot(rto ~ rep, data = datos) ### TABLA ANÁLISIS DE VARIANZA...
13 sym 3 img
Clase 4: Diseño de Experimentos
{r setup, include=FALSE} knitr::opts_chunk$set(echo = TRUE) # 3. Prueba de hipotesis para comparar 2 opciones independientes Se mide una variable en el suelo como: OM (Materia Orgánica) esta variable se mide en porcentaje Problema Se realiza una encuesta a una cooperativa de productores de café. Pregunta piloto: ¿Esta usted de acuerdo con la...
926 sym
Clase 3: Diseño de experimentos
#Caso 2: Prueba para comparar dos muestras pareadas set.seed(123) cra = rnorm(n = 80, mean = 2.8, sd = 0.2) hist(cra, xlim = c(2.2, 3.4), ylim = c(0, 20)) abline(v = mean(cra), col='red', lwd=3) library(readxl) ## Warning: package 'readxl' was built under R version 4.2.2 cra_DLBP <- read_excel("C:/Users/FCECURSOS/Desktop/cra_DLBP.xlsx") View(c...
1911 sym R (780 sym/10 pcs) 3 img
DE-Clase 2
problema 1: se desea comparar genotipos de papa con base al redimiento (biomasa de tuberculos). Un ensayo utilizó dos variedades (criolla y pastusa) involucrando 180 plantas de la primera variedad y 200 de las segunda. Los datos de rendimineto en la cosecha se presenta en los siguientes vectores options (digits = 3) criolla = rnorm(n = 180, m...
1308 sym R (3861 sym/33 pcs) 2 img