¡Novedades!

• Publicadas encuestas docentes USM.

• (26/12/2022) No hay novedades.

# Crear vectores con los datos de cada marca

marca1 <- c(3.41, 1.83, 2.69, 2.04, 2.83, 2.46, 1.84, 2.34)

marca2 <- c(3.58, 3.83, 2.64, 3.00, 3.19, 3.57, 3.04, 3.09)

marca3 <- c(3.32, 2.62, 3.92, 3.88, 2.50, 3.30, 2.28, 3.57)

marca4 <- c(3.22, 2.61, 2.07, 2.58, 2.80, 2.98, 2.30, 1.66)

# Crear el data frame "largo" con dos columnas: puntaje y marca

datos <- data.frame(

  puntaje = c(marca1, marca2, marca3, marca4),

  marca = factor(rep(c("Marca 1", "Marca 2", "Marca 3", "Marca 4"), each = 8))

)

modelo = aov(datos$puntaje~datos$marca)

summary(modelo)

medias <- tapply(datos$puntaje, datos$marca, mean)

medias

varian <- tapply(datos$puntaje, datos$marca, var)

varian

# Definir contraste C = (1, -1, -1, 1)

C <- c(1, -1, -1, 1)

# Calcular el valor del contraste L = C' * medias

L <- sum(C * medias)

# Verificar que el contraste sea ortogonal (suma ponderada = 0)

sum(C)

# Varianza residual (del ANOVA)

MSE <- summary(modelo)[[1]]["Residuals", "Mean Sq"]

# Tamaño de muestra por grupo (iguales)

n <- 8

# Varianza del contraste

var_L <- MSE * sum(C^2 / n)

# Estadístico t y F del contraste

t_contraste <- L / sqrt(var_L)

F_contraste <- t_contraste^2

# Valor-p

p_valor <- 1 - pf(F_contraste, df1 = 1, df2 = modelo$df.residual)

# Mostrar resultados ------------------------------------------

cat("Medias por marca:\n")

print(medias)

cat("\nContraste C = (1, -1, -1, 1)\n")

cat("L =", L, "\n")

cat("Var(L) =", var_L, "\n")

cat("F =", F_contraste, "\n")

cat("p-valor =", p_valor, "\n")

# También se puede usar built-in con contr.sum si se quiere automatizar# Definir contraste C = (1, -1, -1, 1)

C <- c(1, -1, -1, 1)

# Calcular el valor del contraste L = C' * medias

L <- sum(C * medias)

# Verificar que el contraste sea ortogonal (suma ponderada = 0)

sum(C)

# Varianza residual (del ANOVA)

MSE <- summary(modelo)[[1]]["Residuals", "Mean Sq"]

# Tamaño de muestra por grupo (iguales)

n <- 8

# Varianza del contraste

var_L <- MSE * sum(C^2 / n)

# Estadístico t y F del contraste

t_contraste <- L / sqrt(var_L)

F_contraste <- t_contraste^2

# Valor-p

p_valor <- 1 - pf(F_contraste, df1 = 1, df2 = modelo$df.residual)

# Mostrar resultados ------------------------------------------

cat("Medias por marca:\n")

print(medias)

cat("\nContraste C = (1, -1, -1, 1)\n")

cat("L =", L, "\n")

cat("Var(L) =", var_L, "\n")

cat("F =", F_contraste, "\n")

cat("p-valor =", p_valor, "\n")

# -------------------------------------------------------------

# Datos

# -------------------------------------------------------------

marca1 <- c(3.41, 1.83, 2.69, 2.04, 2.83, 2.46, 1.84, 2.34)

marca2 <- c(3.58, 3.83, 2.64, 3.00, 3.19, 3.57, 3.04, 3.09)

marca3 <- c(3.32, 2.62, 3.92, 3.88, 2.50, 3.30, 2.28, 3.57)

marca4 <- c(3.22, 2.61, 2.07, 2.58, 2.80, 2.98, 2.30, 1.66)

datos <- data.frame(

  puntaje = c(marca1, marca2, marca3, marca4),

  marca = factor(rep(c("Marca 1", "Marca 2", "Marca 3", "Marca 4"), each = 8))

)

# -------------------------------------------------------------

# ANOVA

# -------------------------------------------------------------

modelo <- aov(puntaje ~ marca, data = datos)

summary(modelo)

# -------------------------------------------------------------

# Scheffé (todas las comparaciones)

# -------------------------------------------------------------

if (!require(agricolae)) install.packages("agricolae", dependencies = TRUE)

library(agricolae)

scheffe_result <- scheffe.test(modelo, "marca", group = FALSE)

# Mostrar tabla completa de comparaciones y p-valores

scheffe_result$comparison

lsd_result <- LSD.test(modelo, "marca", group = FALSE)

# Mostrar tabla de comparaciones con p-valores

lsd_result$comparison

bonf_result <- LSD.test(modelo, "marca", p.adj = "bonferroni", group = FALSE)

# Mostrar tabla de comparaciones con p-valores

bonf_result$comparison

tukey_result <- TukeyHSD(modelo, "marca", conf.level = 0.95)

# Mostrar la tabla completa de comparaciones y p-valores

tukey_result$marca