FORMULARIO 2DO PARCIAL

COMANDOS EN R
ANOVA de 1 factor con k tratamientos y método de Tukey

#Definimos variables.
muestra1<-c(73,83,76,68,80)
muestra2<-c(54,74,71,NA,NA)
muestra3<-c(79,95,87,NA,NA)
#Para ignorar el NA de ser necesario.
na.omit(muestra3)
valores<-c(muestra1,muestra2,muestra3)
#Creamos la matriz de nuestros datos
muestras<-rep(1:3,each=5)
muestras<-factor(muestras,labels=c("muestra1","muestra2","muestra3"))
split(valores,muestras)
#Se aplica la funcion summary a los valores y muestras
#Aqui se despliega la media, mediana y cuartiles
tapply(valores,muestras,summary)
#Grafica boxplot
plot(valores ~ muestras)
#Generacion tabla ANOVA y resumen
p.aov <- aov(valores ~ muestras)
summary(p.aov)
TukeyHSD(p.aov)

ANOVA de 2 factores (tratamientos y bloques) con método de Tukey

#Limpiar variables anteriores

closeAllConnections()
rm(list=ls())
#Datos leidos de arriba hacia abajo
#y luego de izquierda a derecha
produci <- c(16,16,17,20,26,20,14,29,22,23,22,36)
T<-gl(3,4)
B<-factor(rep(1:4,3))
#tapply para calcular medias y sumas de T
#Suma de T
tapply(produci,T,sum)
#Media de T
tapply(produci,T,mean)
#tapply para calcular medias y sumas de B
#Suma de B
tapply(produci,B,sum)
#Media de B
tapply(produci,B,mean)
#Suma de todos los datos
sum(produci)
#Media de todos los datos
mean(produci)
#Valor de F con alfa,glnum y glden
qf(0.95,2,6)
#Generacion tabla ANOVA
xtabs(produci ~ B+T)
g.lm<-lm(produci ~ B+T)
anova(g.lm)

Regresion lineal simple (3 verificaciones de relacion lineal X y Y)

Información respecto a coeficiente  (Pendiente)
x=c(39,43,21,64,57,47,28,75,34,52)
y=c(65,78,52,82,92,89,73,98,56,75)
n=length(x)
#Regresion lineal
regresion<-lm(y~x)
plot(x,y)
abline(lsfit(x,y))
#----------Primer analisis -----------
#Con summary, ver el valor t de la x
summary(regresion)
#Aqui se calcula el valor t crítico al 95% confiabilidad a dos colas
#Con esto se compara con la t obtenida en el ajuste visto en summ
ary
qt(0.975,n-2)
#----------Segundo analisis -----------
#En este renglon se calcula el intervalo de 95 de confiabilidad
confint(regresion,'x',level=0.95)
#Si el intervalo no incluye a 0, H0 se rechaza
#----------Tercer analisis -----------
#Aqui se calcula la ANOVA
#En la tabla de ANOVA vemos el valor F calculado
anova(regresion)
#Calculamos el valor F critico en el sig comando
qf(0.95,1,n-2)
#Se compara si F calculada es mayor a Fcritico
#Si es mayor la calculada, H0 se rechaza
Regresión lineal simple (intervalos confianza y predicción con valor X dado)
#Definimos variables
x<-c(2.34,2.46,1.87,3.09,5.59,4.05,6.21,2.34)
y<-c(29.5,40.7,5.3,23.3,-45.1,-35.3,-44.6,29.5)
n=length(x)
#Valor sumatorias (No necesarias en el código)
#Esta parte se puede eliminar
Sxy<-sum(x*y)-sum(x)*sum(y)/n
Sxy
Sxx<-sum(x**2)-((sum(x))**2)/n
Sxx
Syy<-sum(y**2)-((sum(y))**2)/n
Syy
#Regresion lineal, gráfica con línea de ajuste
#y tabla ANOVA
regresion<-lm(y~x)
plot(x,y)
abline(lsfit(x,y))
summary(regresion)
anova(regresion)

#En este renglón se organiza aquí el resultado del ajuste

#para calcular intervalos confianza y predicción
#Donde x es el valor dado por el problema
newdata = data.frame(x=4.16)
#Intervalo confianza con X dada
predict(regresion, newdata, interval="confidence")
#Prediccion de datos con X dada
predict(regresion, newdata, interval="predict")

Regresión lineal múltiple (con intervalos confianza y predicción)

#Lectura datos tabla (si se tiene un archivo .txt)

#importar datos. Si no se tiene archivo txt definen
#variables X1, X2, Y
dat<-read.table(file.choose(), header=TRUE)
attach(dat)
#Regresion lineal en variable reg y análisis ANOVA
reg<-lm(Y ~ X1 + X2)
summary(reg)
anova(reg)
#Obtener dato x para predicción. Comando similar a la
#regresion simple, solo se añaden X1 y X2
newdata = data.frame(X1=10,X2=5)
#Intervalo confianza con X dada
predict(reg, newdata, interval="confidence")
#Prediccion de datos con X dada
predict(reg, newdata, interval="predict")