Publications by Jose Gerardo Bermúdez Díaz
Modelos lineales mixtos.
Setup. El modelo lineal mixto se utiliza para hacer que las medias, varianzas y covarianzas sean más “flexibles”. Librerias necesarias. #install.packages library(tidyverse) ## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ── ## ✔ dplyr 1.1.2 �...
2840 sym R (3572 sym/28 pcs) 8 img
Medidas repetidas: una, dos y tres vías.
Recordatorio de lo que es una vía. Una vía: Solo el tiempo Dos vías: El tiempo y un factor. Tres vías: El tiempo, un factor y bloques o dos factores. Factores intresujetos. Tiempo. Factores entresujetos. Factorial Simple Completamente al Azar. Factorial Simple en Bloques al Azar. Factorial Completa Completamente al Azar. Factorial completa...
4519 sym R (6524 sym/66 pcs) 12 img
Diseño en medidas repetidas.
Factor intrasujetos. Tiempo. Factores entresujetos. Función simple completamente al azar. Función simple en bloques al azar. Función compleja completamente al azar. Función compleja en bloques al azar. Hipótesis. \[H_0 = \mu_{t1} = \mu_{t2} = \mu_{t3}\] #install.packages("datarium") library(datarium) data("selfesteem", package = "datari...
1776 sym R (2882 sym/32 pcs) 6 img
Diseño desbalanceado.
En este cuaderno se explicará cómo se haría un análisis de resultados de un diseño experimental, dado el caso de que estuvieran ausentes algunos datos que sean necesarios. A lo anterior se le conoce como un diseño desbalanceado. Primero, generamos los datos. set.seed(123) porc_germ = c( rnorm(40,60,6), rnorm(40,70,7), rnorm(40,...
4106 sym R (3463 sym/32 pcs) 1 img
Diseño de viernes 11 de mayo
set.seed(123) # Variable respuesta: CONDUCTANCIA ESTOMÁTICA ce = c( rnorm(n = 15, mean = 100, sd = 10), rnorm(n = 15, mean = 120, sd = 12) ) # Factor 1: HORA DE EVALUACIÓN hora = gl(2, 15, 30, labels = c(6, 12)) # Factor 2: ILUMNACIÓN ilum = gl(3, 5, 30, c('IB','IM','IA')) # Bloqueo: PARCELA parc = gl(5, 1, 30, paste0('B', 1:5)) ...
157 sym R (3705 sym/29 pcs) 9 img
Repaso
Punto 1. FACTOR: Presión. VARIABLE RESPUESTA: Tiempo de fractura (tf) presion <- c("0.05", "0.05", "0.05", "0.10", "0.10", "0.10", "0.20", "0.20", "0.20", "0.25", "0.25", "0.25") presion ## [1] "0.05" "0.05" "0.05" "0.10" "0.10" "0.10" "0.20" "0.20" "0.20" "0.25" ## [11] "0.25" "0.25" repeticiones <- c(rep...
3614 sym R (6315 sym/58 pcs) 3 img
Diseño factorial completo en arreglo completamente al azar
Primer tema del segundo parcial. # Cultivo tomate. set.seed(123) # Fator1. aporque <- gl(2, 60, 120,c("Con_A", "Sin_A")) # Factor2. 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) library(collapsibleTree) collapsibleTreeSummary(df = d...
977 sym R (3206 sym/22 pcs) 4 img
Análisis de regresión lineal simple - parte 2
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() gridExt...
776 sym R (4736 sym/34 pcs) 10 img
Diseño cuadrado latino.
Factor Simple en Bloques al Azar (FSBA) Un solo factor. Dos razones de bloqueo. lote <- c( rep("L1", 1), rep("L2", 1), rep("L3", 1), rep("L4", 1), rep("L5", 1) ) genotipo <- c( rep("gA", 5), rep("gB", 5), rep("gC", 5), rep("gD", 5), rep("gE", 5) ) prov <- c("A", "E", "C", "B", "D", ...
362 sym R (1900 sym/16 pcs) 4 img
Diseño factorial simple en arreglo completamente al azar
# Primer tema para parcial. # Único factor. # Sin razón de bloquear. # Imaginando el arreglo en campo de experimento xy = expand.grid(x=seq(0,5), y=seq(0,5)) plot(xy, pch=15, cex=3, asp=1) # Estudio de 6 genotipos y 36 parcelas, es decir, va a haber 6 repeticiones para cada genotipo para un total de 36 observaciones. # UNICO FACTOR - S...
2681 sym R (11238 sym/69 pcs) 10 img