Publications by Ismael Trujillo
Clase 2
##Librerias usadas library(collapsibleTree) library(ggplot2) #definiendo semilla set.seed(7234) #generando variable respuesta ptj_germinacion = sort(rbeta(n = 60, shape1 = 10, shape2 = 1), decreasing = T) #factores esclarificacion = gl( n=2, k = 30, length = 60, labels = c('esclarificada','no esclarificada')) bandeja = gl(n=2, k=15, leng...
431 sym R (2395 sym/17 pcs) 4 img
Clase 6 y 7
Comparacion de tres densidades de siembra para papa criolla \[H_o: \mu_{rto1}=\mu_{rto2}=\mu_{rto3}\] \[H_a= H_o~es~falsa\] set.seed(7234) rto30= rnorm(80,3,0.3) rto35= rnorm(80,3.2,0.29) rto40= rnorm(80,3.5,0.32) rtot= c(rto30,rto35,rto40) densidad<-gl(3,80,240, labels = c('d30','d35','d40')) df1=data.frame(rtot,densidad) Analisis descript...
720 sym R (3656 sym/50 pcs) 2 img
Clase 4
##Comparacion de la media de dos tratamientos independientes## set.seed(7234) rto_tomate= c(sort(rnorm(120,2.0, 0.3), decreasing = T)) aporq<-gl(2,60,120, labels = c('aporque','sin aporque')) df2=data.frame(rto_tomate,aporq) Diagrama de arbol library(collapsibleTree) collapsibleTree(df2, hierarchy = c("rto_tomate","aporq"), root = 'rto_tomate...
1245 sym R (3763 sym/50 pcs) 4 img
Clase 5
Pruebas estadísticas estudiadas en clase Prueba T-Student para dos muestras independientes Prueba para igualdad de varianzas Prueba T-Student para dos muestras pareadas o dependientes Prueba para igualdad de dos proporciones Prueba de la correlacion nula de Pearson Prueba de Wilcoxon para dos muestras independientes (Mediana) Prueba de Wilcoxon...
1319 sym R (5050 sym/34 pcs) 1 img
Tarea Clase 2
set.seed(7234) rendimiento = c(rnorm(250, 3, 0.5), runif(150, 2.5, 2.8)) genotipo = gl(4, 100, 400, c('Criolla', 'Pastusa', 'Tuquerreña', 'Suprema')) fertilizacion = gl(2, 50, 400, c('Fertilizacion', 'Control')) df=data.frame(rendimiento, genotipo, fertilizacion) Librerias usadas library(collapsibleTree) library(ggplot2) Histogrma hist(rend...
434 sym R (2229 sym/17 pcs) 4 img
Clase 9
Diseño factorial simple en arreglo completamente al azar. Un solo factor Sin bloqueo ##1 modelo \[y_{ij}=\mu+\tau_i+\epsilon[ij]\\i= numero~de~tratamientos\\j=numero~de~repeticiones\] ## Hipotesisi \[H_o: \tau_i=0\] ##Codigo set.seed(7234) omg_9= rnorm(48,300,20) #respuesta temp9=gl(4,12,48, labels = c('40','50','60','70'))#Factor aleat= sa...
833 sym R (3303 sym/35 pcs) 7 img
Clase 8
###Diseño factorial simple completamente al azar aov:Analisis de varianza balanceado anova: Analisis de varianza desvalanceado #Modelo de diseño \[y_{ij}= \mu + \tau_i + \epsilon_{ij}\] \(y_{ij}\) : Respuesta \(\mu\) : Media global \(\tau_i\) : Efectos del i-esimo tratamiento \(\epsilon_{ij}\) : Error residual \(i=1~2~3\) set.seed(7234) y_ij8=...
1816 sym R (1570 sym/3 pcs)
Taller Diseño de experimentos
##Ejericio 1## library(readxl) tablas_a <- read_excel("Clases Diseño E ( R studio)/tablas de ejercicios taller.xlsx") mean(tablas_a$Colombia); mean(na.omit(tablas_a$Ocarina)) ## [1] 0.4521429 ## [1] 0.3569231 ocarina_a= na.omit(tablas_a$Ocarina) #Pruebas T \[H_o: \mu_{colombia}=\mu_{ocarina}\] pb11= t.test(tablas_a$Colombia, ocarina_a, alternat...
3780 sym R (9290 sym/97 pcs) 6 img
Términos Estadísticos
DISEÑO DE EXPERIMENTOS CLASE 1 • Población: Conjunto de unidades en observación, seres humanos, establecimientos u otro tipo de objetos que se van ha estudiar en una ubicación, tiempo y espacio.1 • Superpoblación: Exceso de personas u objetos que pueden estar en una determinada área, espacio o tiempo. 2 • Muestra: Elementos de la pobl...
15129 sym
Trabajo Clase 3
set.seed(7234) clorofila= c(rnorm(100, 30, 0.5), rnorm(92,25, 0.75)) genotipo<-gl(3,64,192, labels = c('gen1','gen2','gen3')) tercio_arbol<-gl(2,32,192, labels = c('bajo', 'medio')) horario<-gl(2,16,192, labels = c('diurno','nocturno')) sens<-gl(2,8,192, labels = c('sen1','sen2')) datos=data.frame(clorofila,genotipo,tercio_arbol,horario,sen...
367 sym R (18012 sym/12 pcs) 2 img