r i = {{i}}
r traits[i]
nt <- nlevels(as.factor(data[, geno])) model <- aov(data[, traits[i]] ~ data[, geno]) model$terms[[2]] <- traits[i] at <- anova(model) rownames(at)[1] <- geno
Usted ha ajutado un modelo lineal para un Diseño Completo al Azar (DCA). La tabla de ANVA para tu modelo es:
library(knitr) knitr::kable(at)
El coeficiente de variación para este experimento es r format(agricolae::cv.model(model), digits = 4)
%.
El p-valor para los tratamiento es r format(at[1, 5], digits = 4)
r if(at[1, 5] < 0.05) {"que es significativo a un 5%."} else {"que no resulta significativo a un 5%."}
Es importante verificar los supuestos para el modelo. Es supuesto que los errores son independientes con distribucion normal y la misma varianza para todos los tratamientos. El siguiente grafico de residuales nos ayuda visualizar esto:
par(mfrow = c(1, 2)) plot(model, which = 1) plot(model, which = 2)
Si existe alguna tendencia en el grafico de los residuales, entonces probablemente este violando la independencia y normalidad del error.
r if(at[1, 5] < 0.05) {"Abajo las medias ordeanadas para cada tratamiento con una respectiva letra indicando si existe diferencias significativas usando el metodo de comparacion multiple de Tukey a un nivel del 5%."} else {"La media de los tratamientos son:"}
if (at[1, 5] < 0.05) knitr::kable(agricolae::HSD.test(data[, traits[i]], data[, geno], at[2, 1], at[2, 3])$groups) else knitr::kable(data.frame(`Tabla de Medias`=tapply(data[, traits[i]], data[, geno], mean, na.rm = TRUE)))
p <- ggplot(data, aes_string(x = geno, y = traits[i])) p + geom_boxplot() + coord_flip()
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.