Skip to content
Snippets Groups Projects
Commit 19996b02 authored by Walmes Marques Zeviani's avatar Walmes Marques Zeviani
Browse files

Adds a dataset and a preliminary analysis.

parent ff4dffd4
No related branches found
No related tags found
No related merge requests found
Hide whitespace changes
Inline Side-by-side
50-parcela-subdividida.Rmd
+ 230
− 0
View file @ 19996b02
......@@ -14,3 +14,233 @@ knitr::include_graphics("./img/delineamento-parcela-subdividida-plantio.png")
str(PimentelTb9.3.1)
help(PimentelTb9.3.1, h = "html")
```
<!------------------------------------------- -->
```{r}
# Dados fornecidos pelo Eng. Agronômo Jenilton Gomes da Cunha, ex-aluno
# de Mestrado em Produção Vegetal da Universidade Federal do Vale do São
# Francisco em Petrolina.
txt <- "
DOSES DATAS BLOCO CST Amido
0 0 1 187,46 6,144
0 0 2 230,43 3,137
0 0 3 125,67 4,095
0 0 4 198,65 4,459
0,7 0 1 161,99 7,191
0,7 0 2 163,13 1,738
0,7 0 3 137,34 1,226
0,7 0 4 200,59 3,385
1 0 1 188,92 4,287
1 0 2 194,75 4,543
1 0 3 220,86 2,654
1 0 4 203,19 4,945
1,3 0 1 170,10 3,905
1,3 0 2 160,86 1,978
1,3 0 3 166,86 5,570
1,3 0 4 236,86 1,403
PBZ_AD 0 1 182,75 3,589
PBZ_AD 0 2 190,21 3,179
PBZ_AD 0 3 220,97 4,702
PBZ_AD 0 4 277,46 5,369
0 30 1 229,86 4,817
0 30 2 219,83 2,244
0 30 3 219,64 3,699
0 30 4 113,88 3,992
0,7 30 1 228,53 3,165
0,7 30 2 316,97 4,238
0,7 30 3 224,94 2,111
0,7 30 4 272,24 3,559
1 30 1 118,80 2,897
1 30 2 211,51 2,837
1 30 3 274,70 3,983
1 30 4 149,26 3,528
1,3 30 1 185,40 3,197
1,3 30 2 197,51 2,505
1,3 30 3 189,94 2,870
1,3 30 4 197,13 2,138
PBZ_AD 30 1 139,04 2,963
PBZ_AD 30 2 221,91 2,745
PBZ_AD 30 3 285,11 2,065
PBZ_AD 30 4 224,37 4,488
0 60 1 120,36 3,514
0 60 2 170,17 2,816
0 60 3 198,48 2,668
0 60 4 177,38 1,976
0,7 60 1 180,75 3,320
0,7 60 2 267,32 2,289
0,7 60 3 193,80 4,884
0,7 60 4 262,94 2,625
1 60 1 140,49 3,779
1 60 2 231,89 4,618
1 60 3 220,99 3,763
1 60 4 246,86 2,956
1,3 60 1 283,37 1,895
1,3 60 2 200,89 3,500
1,3 60 3 315,89 5,350
1,3 60 4 253,31 3,064
PBZ_AD 60 1 245,54 9,155
PBZ_AD 60 2 231,58 1,769
PBZ_AD 60 3 357,19 3,310
PBZ_AD 60 4 191,34 2,280
0 90 1 228,53 4,711
0 90 2 189,17 4,420
0 90 3 131,14 5,843
0 90 4 211,95 3,870
0,7 90 1 195,90 4,830
0,7 90 2 166,70 3,396
0,7 90 3 121,64 5,933
0,7 90 4 164,91 4,404
1 90 1 157,74 6,220
1 90 2 160,38 3,436
1 90 3 196,67 4,400
1 90 4 181,36 4,018
1,3 90 1 143,96 3,474
1,3 90 2 172,00 4,819
1,3 90 3 196,72 2,852
1,3 90 4 79,47 2,844
PBZ_AD 90 1 190,74 4,803
PBZ_AD 90 2 154,68 4,488
PBZ_AD 90 3 148,95 2,914
PBZ_AD 90 4 174,88 2,817"
da <- read.table(textConnection(txt),
header = TRUE,
sep = "\t",
dec = ",",
stringsAsFactors = FALSE)
names(da) <- str_to_lower(names(da))
da <- da %>%
mutate(bloco = factor(bloco),
trat = str_replace(doses, ",", "."),
testem = as.integer(doses == "PBZ_AD"),
doses = ifelse(as.logical(testem), "0", doses),
doses = parse_double(doses, locale = locale(decimal_mark = ","))) %>%
select(bloco, trat, datas, cst, amido, testem, doses)
str(da)
```
```{r}
# Análise exploratória.
ggplot(data = da,
mapping = aes(x = datas, y = cst)) +
facet_wrap(facets = ~ testem + doses, nrow = 1) +
geom_point(alpha = 0.5) +
stat_summary(mapping = aes(group = 1), geom = "line", fun.y = "mean")
ggplot(data = da,
mapping = aes(x = doses, y = cst)) +
facet_grid(facets = datas ~ testem, scale = "free_x", space = "free") +
geom_point(alpha = 0.5) +
stat_summary(mapping = aes(group = 1), geom = "line", fun.y = "mean")
```
```{r}
# Pacotes para a análise dos dados.
library(lme4)
library(lmerTest)
library(emmeans)
# Converte e cria variáveis para usar no modelo.
da <- da %>%
mutate(Datas = factor(datas),
Trat = factor(trat),
Test = factor(testem),
ue = interaction(trat, bloco, sep = "_", drop = TRUE))
#-----------------------------------------------------------------------
# Modelo de parcela subdividida. Todos os fatores são qualitativos.
m0 <- lmer(cst ~ bloco + Trat * Datas + (1 | ue), data = da)
# par(mfrow = c(2, 2)); plot(m0); layout(1)
VarCorr(m0)
anova(m0)
# Comparações múltiplas entre datas.
cld(emmeans(m0, ~Datas))
#-----------------------------------------------------------------------
# Usando efeito de segundo grau para as doses.
m1 <- update(m0, . ~ bloco +
(Test + poly(doses, degree = 2)) *
Datas +
(1 | ue))
anova(m1, m0)
anova(m1)
# ATTENTION: O modelo mostra que apenas o efeito de datas é relevante.
# Grid de valores para fazer a predição e gráfico.
grid <- with(da,
crossing(doses_u = c(-0.25, seq(0, 1.5, length.out = 13)),
Datas = unique(Datas))) %>%
mutate(Test = factor(as.integer(doses_u < 0)),
doses = ifelse(doses_u < 0, 0, doses_u),
bloco = unique(da$bloco)[1])
str(grid)
# ftable(xtabs(~Test + doses + Datas, data = grid))
# Matrix do modelo para a parte fixa.
X <- model.matrix(nobars(formula(m1))[-2],
data = grid)
dim(X)
# Nivela o efeito de blocos.
X[, attr(X, "assign") == 1] <- 1/nlevels(da$bloco)
X[1:5, 1:5]
# Faz a predição.
grid$y <- c(X %*% fixef(m1))
# Exibe os resultados.
ggplot(data = grid,
mapping = aes(x = doses_u, y = y, color = Test)) +
facet_grid(facets = . ~ Datas) +
geom_point() +
geom_line() +
geom_point(data = da,
mapping = aes(x = doses - 0.25 * (Test == "1"),
y = cst),
pch = 1)
#-----------------------------------------------------------------------
# Modelo com efeitos aditivos.
m2 <- update(m0, . ~ bloco +
Test + poly(doses, degree = 2) +
Datas +
(1 | ue))
anova(m2, m1)
anova(m2)
# ATTENTION: novamente apenas há o efeito de datas.
# Matrix do modelo para a parte fixa.
X <- model.matrix(nobars(formula(m2))[-2],
data = grid)
colnames(X)
# Nivela o efeito de blocos.
X[, attr(X, "assign") == 1] <- 1/nlevels(da$bloco)
X[1:5, 1:5]
# Faz a predição.
grid$y <- c(X %*% fixef(m2))
# Exibe os resultados.
ggplot(data = grid,
mapping = aes(x = doses_u, y = y, color = Test)) +
facet_grid(facets = . ~ Datas) +
geom_point() +
geom_line() +
geom_point(data = da,
mapping = aes(x = doses - 0.25 * (Test == "1"),
y = cst),
pch = 1)
# Comparação múltiplas entre as datas.
cld(emmeans(m2, specs = ~Datas))
```
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment