Publications by Maria Jose Duarte
Taller 1. Punto 1
PUNTO 1 Los datos que se presentan se asocian a la respuesta a la fractura (tiempo hasta la fractura) de bloques de madera a) ¿Afecta el nivel de presión hasta la fractura del bloque de madera? Importamos los datos #Instalar readxl para importar datos de excel y cargarlo. library(readxl) #usamos la función file.choose para encontrar el arch...
1955 sym R (3857 sym/30 pcs) 3 img
Taller 1. Punto 2
PUNTO 2 Se investigan cuatro catalizadores que pueden afectar al rendimiento de un proceso químico. Se sigue un diseño completamente aleatorizado para un solo factor en el que cada proceso que utiliza un catalizador específico se repite 6 veces. ¿Tienen los cuatro catalizadores el mismo efecto sobre el rendimiento? Utilice α = 0,05. librar...
1770 sym R (3665 sym/27 pcs) 3 img
Clase 15
DISEÑO FACTORIAL COMPLETO EN ARREGLO COMPLETAMENTE AL AZAR Respuesta: conductancia estomática Creamos lo datos #Tienen un distribución normal set.seed(123) 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: Iluminaci...
1532 sym R (3409 sym/26 pcs) 9 img
Clase 14. María José Duarte H
DISEÑO FACTORIAL COMPLETO EN ARREGLO COMPLETAMENTE AL AZAR Utiliza dos factores Modelo \[y_{ijk} = \mu + \tau_i + \delta_j +(\tau\delta)_{ij} + \epsilon_{ijk}\] \(i: 1,2,3\) \(j: 1,2\) \(k: 1,2\) #Cultivo tomate set.seed(123) #Factor1 aporque <- gl(2,60, 120,c("Con_A", "Sin_A")) #Factor2 variedad <- gl(3, 20, 120, c('v1', 'v2', 'v3')) ...
2089 sym R (11977 sym/26 pcs) 3 img
Clase 13. Maria Jose Duarte H
Esta es la continuación de la clase anterior Teniendo los datos anteriores Que se muestran acá 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) set.seed(123) data = expand.grid(x=1:10,...
1234 sym R (2546 sym/18 pcs) 1 img
Clase 12
Ejercicio: Mapeamos rendimiento Mapeamos materia orgánica Mapa de puntos de la relación La set.sed la utiliza para crear datos de forma aleatoria 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,...
2718 sym R (4420 sym/38 pcs) 9 img
Clase 8. María José Duarte
#Diseño 1: Factorial simple en arreglo completamemte al azar. #Único factor #Sin razón para bloquear #Imaginado del experimento en el campo: Creamos un dataframe a partir de todas las combinaciones posibles de la variable FACTOR xy = expand.grid(x = seq(0,5), y = seq(0,5)) plot(xy, pch = 15, cex = 3, asp = 1) #FACTOR genotipo = gl(n = ...
2377 sym R (24609 sym/55 pcs) 11 img
Clase 9. María José Duarte H
#DISEÑO FACTORIAL SIMPLE EN BLOQUES AL AZAR 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 ('l_', 1:4)) data = data.frame(gen, procedencia, diam_geom) head(data) ## gen procedencia...
863 sym R (2909 sym/21 pcs) 3 img
Clase 3. María José Duarte
#Problema 2: Prueba de hipótesis para dos muestras pareadas. #La CRA es la capacidad de retención de agua y se expresa en forma de porcentaje, esta vairable puede representarse por la dist norm. 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(r...
1396 sym R (875 sym/13 pcs) 3 img
Clase 2. María José Duarte
Pruebas de hipótesis ##Problema 1 Se desea comparar dos genótipos de papa con base al rendimiento (biomasa de tuberculos). Un ensayo utilizo dos variedades (criolla y pastusa) involucrando 180 plantas de la primera variedad y 200 de la segunda. Los datos de rendimiento y la cosecha se presentan en los siguientes vectores: criolla = rnorm(n= 1...
1200 sym R (7075 sym/34 pcs) 2 img