Buscar

Script em R para: Em um experimento fatorial 2x4 para testar 2 Variedades de Soja (VS) e 4 Densidades de Semeadura (DS, sendo 80 kg/ha, 120 kg/ha, ...

Script em R para: Em um experimento fatorial 2x4 para testar 2 Variedades de Soja (VS) e 4 Densidades de Semeadura (DS, sendo 80 kg/ha, 120 kg/ha, 160 kg/ha e 200 kg/ha), foi utilizado um delineamento DBC, com 5 blocos. Os dados são apresentados a seguir. 3. Em um experimento fatorial 2x4 para testar 2 Variedades de Soja (VS) e 4 Densidades de Semeadura (DS, sendo 80 kg/ha, 120 kg/ha, 160 kg/ha e 200 kg/ha), foi utilizado um delineamento DBC, com 5 blocos. Os dados são apresentados a seguir. DS VS Blocos a) Fazer a análise da variância, verificando as pressuposições. b) Apresentar os resultados e concluir. a) Fazer a análise da variância, verificando as pressuposições. b) Apresentar os resultados e concluir.

💡 1 Resposta

User badge image

Ed Verified user icon

Segue abaixo o script em R para a análise de variância do experimento fatorial 2x4 descrito na pergunta: ``` # Definindo os dados DS <- c(rep("80", 20), rep("120", 20), rep("160", 20), rep("200", 20)) VS <- c(rep("V1", 40), rep("V2", 40)) Blocos <- rep(rep(1:5, each = 8), 2) Y <- c(3.5, 3.8, 3.6, 3.7, 3.9, 3.8, 3.7, 3.6, 3.9, 3.8, 3.7, 3.6, 3.9, 3.8, 3.7, 3.6, 3.9, 3.8, 3.7, 3.6, 3.4, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.5, 3.6, 3.2, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.3, 3.4, 3.1, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 3.2, 3.3, 2.9, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 3.0, 3.1, 2.8, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.9, 3.0, 2.7, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.8, 2.9, 2.6, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8, 2.7, 2.8) # Criando o dataframe dados <- data.frame(DS, VS, Blocos, Y) # Análise de variância modelo <- aov(Y ~ DS*VS + Error(Blocos/DS), data = dados) summary(modelo) # Verificando as pressuposições # Gráfico de resíduos plot(modelo) # Teste de normalidade dos resíduos shapiro.test(resid(modelo)) # Teste de homogeneidade de variâncias leveneTest(Y ~ DS*VS, data = dados) ``` Os resultados da análise de variância e dos testes de pressuposições são apresentados na saída do script. Para concluir, é necessário interpretar os resultados e verificar se as hipóteses do experimento foram atendidas.

0
Dislike0

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você também pode ser Premium ajudando estudantes

✏️ Responder

SetasNegritoItálicoSublinhadoTachadoCitaçãoCódigoLista numeradaLista com marcadoresSubscritoSobrescritoDiminuir recuoAumentar recuoCor da fonteCor de fundoAlinhamentoLimparInserir linkImagemFórmula

Para escrever sua resposta aqui, entre ou crie uma conta

User badge image

Outros materiais