ANOVA R

setwd("C:/Users/cliente/Dropbox/UFMT/Disciplinas/Veterinaria/experimental/dados")
setwd("D:/experimental/dados") require(xlsx) dados=read.xlsx("insulina.xls",1)
attach(dados) ####Gerar a análise de variância model=aov(VR~trat) anova(model)
###Gerar os erros do modelo e=resid(model) ##Obter os erros padronizados
QME=deviance(model)/df.residual(model) d=e/sqrt(QME)
#######################################################################
### #####################Verificar suposição de
normalidade###################
#######################################################################
### ###Gráfico Q-Qplot d1=sort(d) n=length(VR) i=seq(1,12,1) p=(i-0.375)/(12+0.25)
z=qnorm(p) plot(z,d1,ylim=c(-2,2)) lines(z,z) ###Obter o envelope simulado###
X=model.matrix(model) XX=t(X)%*%X XX1=solve(XX) H=X%*%XX1%*%t(X) n=nrow(X)
I=diag(n) #Simulação de monte carlo B=1000 #numer de simulações e1=matrix(0,n,B)
for(i in 1:B){ z1=rnorm(12) d1=(I-H)%*%z1 d1=d1/sqrt(1-diag(H)) d1=sort(d1) e1[,i]=d1 }
li=rep(0,12) ls=rep(0,12) for(i in 1:12){ e2=e1[i,] n=length(e2) e2=sort(e2)
li[i]=e2[0.025*n] ls[i]=e2[0.975*n] } lines(z,li) lines(z,ls) require(PerformanceAnalytics)
chart.QQPlot(d,ylim=c(-2.5,2.5),envelope=0.95,distribution = "norm") #Teste de
Shapiro-Wilk shapiro.test(d) #Teste de Kolmogorov-Smirnov m=mean(d) dp=sd(d)
ks.test(e,"pnorm",sd=dp)
#######################################################################
### ############Verificar suposição de Homogeneidade de Variância#############
#######################################################################
### tapply(e,trat,var) ###Gráfico Q-Qplot m=predict(model) plot(m,d,ylim=c(-
2,2),xlab="Média dos Tratamentos",ylab="Erros Padronizados") abline(h=0) ##TEste de
Cochran require(outliers) cochran.test(VR~trat,dados) #teste de Bartlett
bartlett.test(VR~trat) #Teste de Levene require(car) leveneTest(model)
#######################################################################
### ##################Verificar suposição de
Independencia####################
#######################################################################
### #Grafico plot(d,xlab="Observações",ylab="Residuos Padronizados") abline(h=0)
##Teste de Durbin-Watson require(car) durbinWatsonTest(model)
#######################################################################
## ########################Transformação de
dados###########################
#######################################################################
## require(xlsx) dados=read.xlsx("transformar.xls",1) attach(dados) attach(dados)
summary(dados) ###Transformação Raiz quadrada model=aov(VR1~TRAT)
anova(model) e=resid(model) require(bstats) durbinWatsonTest(model) shapiro.test(e)
bartlett.test(VR1~TRAT) Y1=sqrt(VR1) model=aov(Y1~TRAT) anova(model)
e=resid(model) durbinWatsonTest(model) shapiro.test(e) bartlett.test(Y1~TRAT)
###Transformação Arco Seno model=aov(VR2~TRAT) anova(model) e=resid(model)
durbinWatsonTest(model) shapiro.test(e) bartlett.test(VR2~TRAT) Y1=asin(VR2/100)
model=aov(Y1~TRAT) anova(model) e=resid(model) durbinWatsonTest(model)
shapiro.test(e) bartlett.test(Y1~TRAT) ###Transformação Logaritmica
model=aov(VR3~TRAT) anova(model) e=resid(model) durbinWatsonTest(model)
shapiro.test(e) bartlett.test(VR3~TRAT) Y1=log(VR3) model=aov(Y1~TRAT)
anova(model) e=resid(model) durbinWatsonTest(model) shapiro.test(e)
bartlett.test(Y1~TRAT) ###Transformação de boxcox model=aov(VR4~TRAT)
anova(model) e=resid(model) shapiro.test(e) durbinWatsonTest(model) shapiro.test(e)
bartlett.test(VR4~TRAT) require(car) boxCox(VR4~ TRAT,lambda = seq(-5 ,2, len = 100),)
p=powerTransform(VR4 ~ TRAT) summary(p) Y1=(VR4^-1) model=aov(Y1~TRAT)
anova(model) e=resid(model) durbinWatsonTest(model) shapiro.test(e)
bartlett.test(Y1~TRAT) cv.model(model)