#-------------------------------------------------------------------------------------------------------- # Delineamento Inteiramente Casualizado - #-------------------------------------------------------------------------------------------------------- # Avaliação de peso corporal de ratos wistar obesos com a utilização de Ácido Linoléico Conjugado (CLA) - # Foram utilizados 20 ratos machos wistar obesos (400g de 8 semanas) - # Os ratos foram divididos em 4 grupos de dieta, sendo: - # Normocalórica, Hipocalórica, Normocalórica + CLA, Hipocalórica + CLA - # Com oito semanas, os ratos foram introduzidos às dietas específicas para cada grupo, sendo: - # Grupo NORMO - trat normocalórica - # Grupo HIPO - trat hipocalórica (-30%) - # Grupo NORMOCLA - trat normocalórica + CLA (3%) - # Grupo HIPOCLA - trat hipocalórica + CLA (3%) - #-------------------------------------------------------------------------------------------------------- # A variável resposta foi o peso (g) dos ratos. - #-------------------------------------------------------------------------------------------------------- rm(list=ls()) (croqui = expand.grid(rep=1:5, trat=c('Normocalórica','Normocalórica+CLA', 'Hipocalórica', 'Hipocalórica+CLA'))) (peso = c(487, 479, 482, 491, 485, 383, 377, 381, 388, 385, 331, 341, 334, 339, 337, 303, 295, 304, 297, 301)) (dados = data.frame(croqui, resp=peso)) levels(dados$trat) #--------------------------- # Estatísticas descritivas - #--------------------------- #' # Geral (Média = with(dados, mean(resp))) (Variância = with(dados, var(resp))) (Desvio = with(dados, sd(resp))) (CV = Desvio / Média * 100) # Por tratamento (n = with(dados, tapply(resp, trat, length))) (médias = with(dados, tapply(resp, trat, mean))) (variâncias = with(dados, tapply(resp, trat, var))) (desvios = with(dados, tapply(resp, trat, sd))) (cv = desvios/médias * 100) #-------------------- # Gráfico de Caixas - #-------------------- require(car) par(mai=c(1.1, 1.3, .5, .5)) with(dados, Boxplot(resp ~ trat, las=1, col='lightyellow', xlab='Tipos de Cânceres', ylab='Pesos (g)')) points(médias, pch='+', col='red', cex=1.5) #----------------------- # Análise de variância - #----------------------- mod = with(dados, aov(resp ~ trat)) summary(mod) #--------------- # Pressupostos - #--------------- #' # Normalidade dos erros shapiro.test(mod$res) # Homogeneidade de variâncias with(dados, bartlett.test(resp ~ trat)) with(dados, bartlett.test(mod$res ~ trat)) # Independência dos erros with(dados, plot(mod$res, las=1, pch=19, col='red', ylab='Resíduos')) #--------------------------------- # Teste de comparações múltiplas - #--------------------------------- #' # Teste de Tukey require(agricolae) tukey = HSD.test(mod, 'trat', group=T, console=T) names(tukey) bar.group(tukey$groups, las=1, ylim=c(0, 600), density=10, space=.7, xlab='Tipos de Dieta', ylab='Peso médio dos ratos (g)', border="blue") abline(h=0) # Teste de Dunnett require(multcomp) tdunnett= glht(mod, linfct = mcp(trat = "Dunnett")) summary(tdunnett) confint(tdunnett, level= 0.95) # Criando e usando contrastes Cont = rbind("Hipo - Normo" = c(-1, 0, 1, 0), "Hipo+CLA - Normo" = c(-1, 0, 0, 1), "Normo+CLA - Normo" = c(-1, 1, 0, 0)) test.comp = glht(mod, linfct=mcp(trat = Cont)) summary(test.comp) # De forma direta, usando o pacote asbio require(asbio) with(dados, pairw.anova(y=resp, x=trat, control="Normocalórica", method="dunnett"))