In omarbenites/cpreport: Make statistcal reports in spanish based on pepa package

r i = {{i}}

{{i+1}}. Analisis de la variable 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

{{i+1}}.1. Analisis de varianza

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%."}

{{i+1}}.2. Supuestos

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.

{{i+1}}.3. Media de los tratamientos

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)))

Diagrama de cajas

p <- ggplot(data, aes_string(x = geno, y = traits[i]))
p + geom_boxplot() + coord_flip()

omarbenites/cpreport documentation built on May 25, 2019, 10:45 p.m.