Corrimos el análisis del Diseño Aumentado, agregando solo datos de los testigos; luego, los unimos a las 30 nuevas selecciones de trigo. (leer Capítulo 9).
 |
Los puntos
sobre la línea representan el rendimiento de cada selección de trigo.
|
En la
primera parte incluimos los ANOVAs de testigos. Para correr la segunda parte, con los datos de las líneas adheridos, empleamos los ejemplos que ofrecen este
y este otro sitio, adaptando códigos.
PRIMERA PARTE (Análisis de varianza para testigos)
Códigos de R
#***********************************************************
# EXPERIMENTACIÓN EN AGRICULTURA
# Fernández Escobar, R.; Trapero, A.; Domínguez, J. 2010
# CAPÍTULO 9 - DISEÑO AUMENTADO
#************************************************************
# Importando datos de Table 9.2 en formato ".CSV"
trigo_testigo <- read.csv("C:\\Users\\Administrator\\Desktop\\tabla 9.2.csv", header=TRUE)
attach(trigo_testigo); trigo_testigo## bloque testigo rendimiento
## 1 1 1 2972
## 2 2 1 3122
## 3 3 1 2260
## 4 4 1 3348
## 5 5 1 1315
## 6 6 1 3538
## 7 1 2 2592
## 8 2 2 3023
## 9 3 2 2918
## 10 4 2 2940
## 11 5 2 1398
## 12 6 2 3483
## 13 1 3 2608
## 14 2 3 2477
## 15 3 3 3107
## 16 4 3 2850
## 17 5 3 1625
## 18 6 3 3400# Análisis de la varianza de los testigos
modelo <- aov(rendimiento ~ factor(bloque) + factor(testigo))
anova(modelo)## Analysis of Variance Table
##
## Response: rendimiento
## Df Sum Sq Mean Sq F value Pr(>F)
## factor(bloque) 5 6968486 1393697 15.298 0.0002082 ***
## factor(testigo) 2 20051 10025 0.110 0.8968636
## Residuals 10 911027 91103
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Códigos de SAS
/***********************************************************
EXPERIMENTACIÓN EN AGRICULTURA
Fernández
Escobar, R.; Trapero, A.; Domínguez, J. 2010
CAPÍTULO 9:
DISEÑO AUMENTADO
************************************************************/
DATA augmentado;
INPUT bloque testigo rendimiento;
datalines;
1 1 2972
2 1 3122
3 1 2260
4 1 3348
5 1 1315
6 1 3538
1 2 2592
2 2 3023
3 2 2918
4 2 2940
5 2 1398
6 2 3483
1 3 2608
2 3 2477
3 3 3107
4 3 2850
5 3 1625
6 3 3400
;
ODS HTML;
PROC PRINT;
RUN;
PROC GLM;
CLASS bloque testigo;
MODEL rendimiento = bloque testigo;
OUTPUT OUT =
diag PREDICTED = yhat;
RUN;
QUIT;
QUIT;
* Test de Tukey para no aditividad;
* Nueva variable, itentificada como Tukey;
DATA
Tukey;
SET
diag;
noaditividad = yhat*yhat;
RUN;
PROC GLM;
CLASS bloque testigo;
MODEL rendimiento = bloque testigo noaditividad;
RUN;
QUIT;
ODS HTML CLOSE;
SEGUNDA PARTE (ANOVA de nuevas selecciones y testigos)
Códigos de R
#***********************************************************
# EXPERIMENTACIÓN EN AGRICULTURA
# Fernández Escobar, R.; Trapero, A.; Domínguez, J. 2010
# CAPÍTULO 9 - DISEÑO AUMENTADO
#************************************************************
# Installar paquete "plantbreeding"
install.packages("plantbreeding", repos="http://R-Forge.R-project.org")library(plantbreeding)# Importando datos de Tabla 9.2 y 9.4 en formato ".CSV"
trigo <- read.csv("C:\\Users\\Administrator\\Desktop\\tabla 9.2-9.4.csv", header=TRUE)
attach(trigo); trigo## variedad bloque rendimiento
## 1 1 6 3013
## 2 2 5 1055
## 3 3 2 3055
## 4 4 2 3018
## 5 5 3 2065
## 6 6 4 2148
## 7 7 6 3265
## 8 8 5 1253
## 9 9 4 2268
## 10 10 5 1293
## 11 11 4 3380
## 12 12 6 2385
## 13 13 1 2391
## 14 14 1 2405
## 15 15 2 2477
## 16 16 5 1495
## 17 17 1 2572
## 18 18 6 2603
## 19 19 3 3643
## 20 20 4 2670
## 21 21 5 1688
## 22 22 1 2705
## 23 23 4 2770
## 24 24 2 2783
## 25 25 3 2825
## 26 26 1 2855
## 27 27 3 2857
## 28 28 3 1903
## 29 29 6 2915
## 30 30 2 2915
## 31 31 1 2972
## 32 31 2 3122
## 33 31 3 2260
## 34 31 4 3348
## 35 31 5 1315
## 36 31 6 3538
## 37 32 1 2592
## 38 32 2 3023
## 39 32 3 2918
## 40 32 4 2940
## 41 32 5 1398
## 42 32 6 3483
## 43 33 1 2608
## 44 33 2 2477
## 45 33 3 3107
## 46 33 4 2850
## 47 33 5 1625
## 48 33 6 3400# ANOVA y cálculo de valores ajustados
modelo <- aug.rcb(dataframe = trigo, genotypes = "variedad", block = "bloque", yvar = "rendimiento")## Phenotypes and adjusted values :
##
## variedad bloque rendimiento yvar.adj
## 1 1 6 3013 2260.222
## 2 2 5 1055 2329.889
## 3 3 2 3055 2901.889
## 4 4 2 3018 2864.889
## 5 5 3 2065 2024.222
## 6 6 4 2148 1822.889
## 7 7 6 3265 2512.222
## 8 8 5 1253 2527.889
## 9 9 4 2268 1942.889
## 10 10 5 1293 2567.889
## 11 11 4 3380 3054.889
## 12 12 6 2385 1632.222
## 13 13 1 2391 2387.889
## 14 14 1 2405 2401.889
## 15 15 2 2477 2323.889
## 16 16 5 1495 2769.889
## 17 17 1 2572 2568.889
## 18 18 6 2603 1850.222
## 19 19 3 3643 3602.222
## 20 20 4 2670 2344.889
## 21 21 5 1688 2962.889
## 22 22 1 2705 2701.889
## 23 23 4 2770 2444.889
## 24 24 2 2783 2629.889
## 25 25 3 2825 2784.222
## 26 26 1 2855 2851.889
## 27 27 3 2857 2816.222
## 28 28 3 1903 1862.222
## 29 29 6 2915 2162.222
## 30 30 2 2915 2761.889modelo$anova # analysis de varianza## Df Sum Sq Mean Sq F value Pr(>F)
## Genotypes 2 20051 10025 0.110 0.8968636
## Block 5 6968486 1393697 15.298 0.0002082 ***
## Residual 10 911027 91103
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1modelo$adjusted_values # tabla de valores observados y valores ajustados ## variedad bloque rendimiento yvar.adj
## 1 1 6 3013 2260.222
## 2 2 5 1055 2329.889
## 3 3 2 3055 2901.889
## 4 4 2 3018 2864.889
## 5 5 3 2065 2024.222
## 6 6 4 2148 1822.889
## 7 7 6 3265 2512.222
## 8 8 5 1253 2527.889
## 9 9 4 2268 1942.889
## 10 10 5 1293 2567.889
## 11 11 4 3380 3054.889
## 12 12 6 2385 1632.222
## 13 13 1 2391 2387.889
## 14 14 1 2405 2401.889
## 15 15 2 2477 2323.889
## 16 16 5 1495 2769.889
## 17 17 1 2572 2568.889
## 18 18 6 2603 1850.222
## 19 19 3 3643 3602.222
## 20 20 4 2670 2344.889
## 21 21 5 1688 2962.889
## 22 22 1 2705 2701.889
## 23 23 4 2770 2444.889
## 24 24 2 2783 2629.889
## 25 25 3 2825 2784.222
## 26 26 1 2855 2851.889
## 27 27 3 2857 2816.222
## 28 28 3 1903 1862.222
## 29 29 6 2915 2162.222
## 30 30 2 2915 2761.889# Exportar resultados
library(xlsx) # install.packages("xlsx")write.xlsx(modelo$adjusted_values, "C:/Users/Administrator/Desktop/resultados.xlsx")
# Histograma
stab <- aggregate( rendimiento ~ variedad, data=trigo, FUN= mean) # cálculo de medias
hist(stab$rendimiento, col = "cadetblue", xlab = "Rendimiento",
main = "Medias de Rendimiento del Diseño Augmentado")Códigos de SAS
/***********************************************************
EXPERIMENTACIÓN EN AGRICULTURA
Fernández
Escobar, R.; Trapero, A.; Domínguez, J. 2010
CAPÍTULO 9:
DISEÑO AUMENTADO
************************************************************/
DATA trigo;
INPUT variedad bloque rendimiento;
datalines;
1 6 3013
2 5 1055
3 2 3055
4 2 3018
5 3 2065
6 4 2148
7 6 3265
8 5 1253
9 4 2268
10 5 1293
11 4 3380
12 6 2385
13 1 2391
14 1 2405
15 2 2477
16 5 1495
17 1 2572
18 6 2603
19 3 3643
20 4 2670
21 5 1688
22 1 2705
23 4 2770
24 2 2783
25 3 2825
26 1 2855
27 3 2857
28 3 1903
29 6 2915
30 2 2915
31 1 2972
31 2 3122
31 3 2260
31 4 3348
31 5 1315
31 6 3538
32 1 2592
32 2 3023
32 3 2918
32 4 2940
32 5 1398
32 6 3483
33 1 2608
33 2 2477
33 3 3107
33 4 2850
33 5 1625
33 6 3400
;
ODS HTML;
PROC PRINT; RUN;
PROC MIXED;
TITLE 'Aumented
Design using PROC MIXED - entries fixed';
CLASS variedad bloque;
MODEL rendimiento = variedad;
RANDOM bloque;
/*comparando todas las medias
empleando la prueba de Tukey*/
LSMEANS
variedad/pdiff adjust = tukey;
/*prueba para entradas que superen el trigo ST
(31) */
LSMEANS
variedad/pdiff = CONTROLU('31') adjust =
dunnett;
ods output
lsmeans = TSWadj diffs = TSWpdifferencia;
RUN;
* exportando resultados a formato Excel;
PROC EXPORT DATA =
TSWpdifferencia
OUTFILE = "C:\Users\Administrator\Desktop\TSWpdifferencia.xls"
DBMS =
EXCEL REPLACE;
SHEET="TSWpdifferencia";
RUN;
ODS HTML CLOSE;
------------------------------------------------------------------
Códigos
completos adjuntos: capítulo 9a.R; capítulo 9b.R; capítulo 9a.sas; capítulo 9b.sas; datos:
tabla 9.2; tabla 9.2 & 9.4.
No hay comentarios:
Publicar un comentario