#--------------------------------------------- # Exemplo constante do Material - # Índices de conversão alimentar de suínos - # Tabela de Polinômios ortognais no livro de - # Montgomery, Tabela X, página 623 - # Mudado para Inteiramente Casualizado - #--------------------------------------------- rm(list=ls()) indices = scan() 3.66 3.15 3.14 3.17 3.38 3.33 3.47 3.04 2.93 3.42 3.11 2.97 3.71 3.28 3.38 3.13 3.67 3.16 3.15 2.75 3.39 3.47 3.00 2.62 3.22 3.35 3.06 3.37 3.34 2.99 3.01 3.05 (Rações = rep(LETTERS[1:4], 8)) (Percentual = rep(c(0,10,20,30), 4)) (dados = data.frame(Rações, Percentual, resp=indices)) str(dados) attach(dados) #--------------------------- # Estatísticas descritivas - #--------------------------- (media.g = mean(resp)) (var.g = var(resp)) (desvio.g = sd(resp)) (cv.g = desvio.g / media.g * 100) (soma.ração = tapply(resp, Rações, sum)) (medias.ração = tapply(resp, Rações, mean)) (var.ração = tapply(resp, Rações, var)) (desvio.ração = tapply(resp, Rações, sd)) (cv.ração = desvio.ração / medias.ração * 100) #----------- # Gráficos - #----------- par(mai=c(1, 1, .2, .2)) #-------------------- # Gráfico de Caixas - #-------------------- boxplot(resp ~ Rações, names=c("0%", "10%", "20%", "30%"), ylab="Índices de conversão", xlab="Rações", las=1, col='LightYellow') points(medias.ração, pch="+", col=2, cex=1.5) #------------------------------------------------- # Visualização de todas as médias do experimento - # em relação à média geral - #------------------------------------------------- plot.design(dados[ , -2], xlab='', ylab="", las=1, bty='l', col='blue') mtext('Índices de conversão', side=2, line=3) mtext('Fatores', side=1, line=2) #--------------------- # Ajustando o modelo - #--------------------- mod = aov(resp ~ Rações) anova(mod) #---------------------------------------- # Teste para a normalidade dos resíduos - #---------------------------------------- shapiro.test(mod$res) #------------------------------ # Homogeneidade de variâncias - #------------------------------ bartlett.test(mod$res ~ Rações) #-------------------------- # Independência dos erros - #-------------------------- plot(mod$res, las=1, pch=20, col='red', ylab='Índices de conversão') #---------------------------------------------------------- # Como há efeito de rações e elas são quantitativas e em - # mais de dois níveis, uma análise completa deve levar em - # conta a regressão, subdividindo-se os 3 gl para rações - #---------------------------------------------------------- with(dados, plot(resp ~ Percentual, xlab = "Percentual de Soja", ylab = "Índices de Conversão", las = 1, pch=19, col='red', bty='l', xaxt='n')) axis(1, at = c(0,10,20,30)) #------------------------------------------------------------- # Para realizar a regressão linear com polinômios ortogonais - # bastam os seguintes comandos: - #------------------------------------------------------------- mod.reg = with(dados, aov(resp ~ I(Percentual) + I(Percentual^2) + I(Percentual^3))) summary(mod.reg) mod.reg.lin = with(dados, aov(resp ~ I(Percentual))) summary(mod.reg.lin) reg.lin = with(dados, lm(resp ~ I(Percentual))) summary(reg.lin) # detach(dados)