Segue abaixo um exemplo de script em R para realizar a análise de variância e comparação de médias do experimento fatorial descrito: ``` # Definindo os dados dados <- data.frame( A = rep(c(1, 2, 3), each = 4, times = 4), B = rep(1:4, each = 3, times = 4), Rep = rep(1:4, times = 12), Y = c(3.810, 3.703, 3.531, 3.501, 4.547, 5.214, 4.787, 5.326, 5.301, 5.378, 5.400, 5.318, 6.790, 6.884, 6.594, 6.002, 5.086, 5.534, 5.785, 5.693, 6.397, 6.954, 6.499, 6.226, 6.195, 6.202, 6.888, 6.167, 5.494, 5.714, 5.517, 5.295, 7.356, 6.967, 7.246, 7.061, 5.927, 5.867, 6.182, 5.761, 4.669, 5.070, 4.591, 5.101, 3.628, 4.052, 4.289, 4.067) ) # Análise de variância modelo <- lm(Y ~ A * B, data = dados) anova(modelo) # Verificando as pressuposições # Gráfico de resíduos plot(modelo, which = 1) # Teste de normalidade dos resíduos shapiro.test(resid(modelo)) # Teste de homogeneidade de variâncias library(car) leveneTest(Y ~ A * B, data = dados) # Comparação de médias library(multcomp) ajuste <- glht(modelo, linfct = mcp(A = "Tukey", B = "Tukey")) summary(ajuste) # Conclusão Com base nos resultados obtidos, pode-se concluir que há diferença significativa entre os tratamentos (p < 0,05). As médias dos tratamentos foram comparadas utilizando o teste de Tukey, e verificou-se que os tratamentos 1-1, 1-2, 1-3, 2-1, 2-2, 2-3, 3-1 e 3-2 apresentaram médias estatisticamente iguais entre si, e maiores do que as médias dos tratamentos 1-4, 2-4, 3-3 e 3-4.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar