rm(list=ls(all=TRUE)) # Entrada dos dados (dados=read.csv2("fat1.csv")) summary(dados) dados$Trat=as.factor(dados$Trat) dados$I=as.factor(dados$I) dados$C=as.factor(dados$C) summary(dados) attach(dados) # Tabela de médias model.tables(aov(MS ~ I + C + I:C), "means") # 1) Gráficos library(lattice) xyplot(MS ~ I:C, data=dados, type = "p", xlab="Tratamento(Irrigação:Calagem)", ylab="Matéria seca, em g") xyplot(MS ~ I, data=dados, type = "a", lwd=2, xlab="Irrigaçao",ylab="Matéria seca, em g") xyplot(MS ~ C, data=dados, type = "a", lwd=2, xlab="Calagem",ylab="Matéria seca, em g") xyplot(MS ~ I, groups = C, type = "a", lwd=2, xlab="Irrigação",ylab="Matéria seca, em g", data=dados, auto.key = list(space = "right", points = FALSE, lines = TRUE)) xyplot(MS ~ C, groups = I, type = "a", lwd=2,xlab="Calagem",ylab="Matéria seca, em g", data=dados,auto.key = list(space = "right", points = FALSE, lines = TRUE)) # 2) Ajuste do modelo e verificação das pressuposições modelo=lm(MS ~ I + C + I:C) res_stud = rstandard(modelo) (sort(res_stud)) # a) Gráficos boxplot(res_stud,ylab="Resíduo Studentizado") qqnorm(res_stud,xlab="Quantis teóricos", ylab="Quantis amostrais",main="") abline(0,1,col=2) xyplot(res_stud ~ I, data=dados, xlab="Irrigação",ylab="Resíduo Studentizado") xyplot(res_stud ~ C, data=dados, xlab="Calagem",ylab="Resíduo Studentizado") xyplot(res_stud ~ I:C, data=dados, xlab="Tratamento(Irrigação:Calagem)",ylab="Resíduo Studentizado") xyplot(res_stud ~ fitted(modelo),xlab="Valores preditos",ylab="Resíduo Studentizado") # b) Testes library(lmtest) bptest(modelo) shapiro.test(res_stud) library(MASS) boxcox(MS ~ I + C + I:C) # 3) Análise de variância anova(modelo) # 4) Desdobramentos e 5) Teste de Tukey library(ExpDes.pt) fat2.dic(I, C, MS , quali=c(TRUE,TRUE), mcomp="tukey", fac.names=c("Irrigação","Calagem"), sigT = 0.05, sigF=0.05) # Nota: Análise sem discriminar os fatores e Comparações das médias # de tratamentos duas a duas trat=I:C trat modelo2=aov(MS ~ trat) anova(modelo2) dic(trat, MS)