-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathPlot CM DIC-DBC.R
240 lines (182 loc) · 8.09 KB
/
Plot CM DIC-DBC.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
library(agricolae)
library(ggplot2)
library(lmtest)
library(dplyr)
#-----------------------------------------------------------------------------
analise_dicc <- function(data, resposta, tratamento,
cor = "green",
titulo_grafico = "Teste de Tukey",
eixo_x = "Tratamento",
eixo_y = "Variável resposta") {
# Ajusta o modelo de ANOVA
formula_modelo <- as.formula(paste(resposta, "~", tratamento))
modelo <- aov(formula_modelo, data = data)
# Resultados da ANOVA
print(anova(modelo))
# Teste de Normalidade (Shapiro-Wilk)
print(shapiro.test(modelo$residuals))
# Teste de Homogeneidade de variâncias (Bartlett)
print(bartlett.test(as.formula(paste(resposta, "~", tratamento)), data = data))
# Teste de Independência (Durbin-Watson)
print(dwtest(modelo))
# Teste de Tukey para comparação de médias
tukey_result <- HSD.test(modelo, tratamento, group = TRUE)
# Prepara dados para o gráfico
new_data <- data.frame(Trat = rownames(tukey_result$groups), tukey_result$groups)
# Gera o gráfico com ggplot2
ggplot(new_data, aes(x = reorder(Trat, -get(resposta)), y = get(resposta))) +
geom_bar(stat = "identity", fill = cor) +
geom_text(aes(label = groups), vjust = -0.5) +
labs(x = eixo_x, y = eixo_y) +
ggtitle(titulo_grafico) +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5))
}
# Exemplo de uso:
dic <- data.frame(
TRAT = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4),
PROD = c(90, 98, 95, 93, 56, 59, 63, 51, 75, 73, 71, 89, 64, 68, 65, 63)
)
dic$TRAT<-as.factor(dic$TRAT)
analise_dicc(dic, "PROD", "TRAT",
cor = "red",
titulo_grafico = "Teste de Tukey para Produtividade",
eixo_x = "Tratamento",
eixo_y = "Produtividade (kg/ha)")
#-------------------------------------------------------------------------------
analise_dbcc <- function(data, resposta, tratamento, bloco,
cor = "green",
titulo_grafico = "Teste de Tukey",
eixo_x = "Tratamento",
eixo_y = "Variável resposta") {
# Ajusta o modelo de ANOVA para DBC
formula_modelo <- as.formula(paste(resposta, "~", tratamento, "+", bloco))
modelo <- aov(formula_modelo, data = data)
# Resultados da ANOVA
print(anova(modelo))
# Teste de Normalidade (Shapiro-Wilk)
print(shapiro.test(modelo$residuals))
# Teste de Homogeneidade de variâncias (Bartlett)
print(bartlett.test(as.formula(paste(resposta, "~", tratamento)), data = data))
# Teste de Independência (Durbin-Watson)
print(dwtest(modelo))
# Teste de Tukey para comparação de médias
tukey_result <- HSD.test(modelo, tratamento, group = TRUE)
# Prepara dados para o gráfico
new_data <- data.frame(Trat = rownames(tukey_result$groups), tukey_result$groups)
# Gera o gráfico com ggplot2
ggplot(new_data, aes(x = reorder(Trat, -get(resposta)), y = get(resposta))) +
geom_bar(stat = "identity", fill = cor) +
geom_text(aes(label = groups), vjust = -0.5) +
labs(x = eixo_x, y = eixo_y) +
ggtitle(titulo_grafico) +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5))
}
# Exemplo de uso
dbc <- data.frame(
TRAT = c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5),
BLOCO = c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3),
NUTRI = c(83, 63, 55, 86, 69, 61, 103, 79, 79, 116, 81, 79, 132, 98, 91)
)
dbc$TRAT <- as.factor(dbc$TRAT)
dbc$BLOCO <- as.factor(dbc$BLOCO)
analise_dbcc(dbc, "NUTRI", "TRAT", "BLOCO",
cor = 'purple',
titulo_grafico = "Teste de Tukey para Nutrição",
eixo_x = "Tratamento",
eixo_y = "Nutrição")
#-------------------------------------------------------------------------------
analise_dicm <- function(data, resposta, tratamento,
titulo_grafico = "Teste de Tukey",
eixo_x = "Tratamento",
eixo_y = "Variável resposta") {
# Ajusta o modelo de ANOVA para DIC
formula_modelo <- as.formula(paste(resposta, "~", tratamento))
modelo <- aov(formula_modelo, data = data)
# Resultados da ANOVA
print(anova(modelo))
# Teste de Normalidade (Shapiro-Wilk)
print(shapiro.test(modelo$residuals))
# Teste de Homogeneidade de variâncias (Bartlett)
print(bartlett.test(as.formula(paste(resposta, "~", tratamento)), data = data))
# Teste de Independência (Durbin-Watson)
print(dwtest(modelo))
# Teste de Tukey para comparação de médias
tukey_result <- HSD.test(modelo, tratamento, group = TRUE)
# Prepara dados para o gráfico
new_data <- data.frame(Trat = rownames(tukey_result$groups), tukey_result$groups)
# Define uma paleta de cores para as letras
num_grupos <- length(unique(new_data$groups))
cores_letras <- scales::hue_pal()(num_grupos)
# Adiciona uma coluna de cores baseada nos grupos de letras
new_data <- new_data %>%
mutate(cor = cores_letras[as.numeric(as.factor(groups))])
# Gera o gráfico com ggplot2
ggplot(new_data, aes(x = reorder(Trat, -get(resposta)), y = get(resposta), fill = cor)) +
geom_bar(stat = "identity") +
geom_text(aes(label = groups), vjust = -0.5, size = 5) +
scale_fill_identity() +
labs(x = eixo_x, y = eixo_y) +
ggtitle(titulo_grafico) +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5), legend.position = "none")
}
# Exemplo de uso:
dic <- data.frame(
TRAT = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4),
PROD = c(90, 98, 95, 93, 56, 59, 63, 51, 75, 73, 71, 89, 64, 68, 65, 63)
)
dic$TRAT<-as.factor(dic$TRAT)
analise_dicm(dic, "PROD", "TRAT",
titulo_grafico = "Teste de Tukey para Produtividade",
eixo_x = "Tratamento",
eixo_y = "Produtividade (kg/ha)")
#-------------------------------------------------------------------------------
analise_dbcm <- function(data, resposta, tratamento, bloco,
titulo_grafico = "Teste de Tukey",
eixo_x = "Tratamento",
eixo_y = "Variável resposta") {
# Ajusta o modelo de ANOVA para DBC
formula_modelo <- as.formula(paste(resposta, "~", tratamento, "+", bloco))
modelo <- aov(formula_modelo, data = data)
# Resultados da ANOVA
print(anova(modelo))
# Teste de Normalidade (Shapiro-Wilk)
print(shapiro.test(modelo$residuals))
# Teste de Homogeneidade de variâncias (Bartlett)
print(bartlett.test(as.formula(paste(resposta, "~", tratamento)), data = data))
# Teste de Independência (Durbin-Watson)
print(dwtest(modelo))
# Teste de Tukey para comparação de médias
tukey_result <- HSD.test(modelo, tratamento, group = TRUE)
# Prepara dados para o gráfico
new_data <- data.frame(Trat = rownames(tukey_result$groups), tukey_result$groups)
# Define uma paleta de cores para as letras
num_grupos <- length(unique(new_data$groups))
cores_letras <- scales::hue_pal()(num_grupos)
# Adiciona uma coluna de cores ao dataframe baseado nos grupos de letras
new_data <- new_data %>%
mutate(cor = cores_letras[as.numeric(as.factor(groups))])
# Gera o gráfico com ggplot2
ggplot(new_data, aes(x = reorder(Trat, -get(resposta)), y = get(resposta), fill = cor)) +
geom_bar(stat = "identity") +
geom_text(aes(label = groups), vjust = -0.5, size = 5) +
scale_fill_identity() +
labs(x = eixo_x, y = eixo_y) +
ggtitle(titulo_grafico) +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5), legend.position = "none")
}
# Exemplo de uso
dbc <- data.frame(
TRAT = c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5),
BLOCO = c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3),
NUTRI = c(83, 63, 55, 86, 69, 61, 103, 79, 79, 116, 81, 79, 132, 98, 91)
)
dbc$TRAT <- as.factor(dbc$TRAT)
dbc$BLOCO <- as.factor(dbc$BLOCO)
analise_dbcm(dbc, "NUTRI", "TRAT", "BLOCO",
titulo_grafico = "Teste de Tukey para Nutrição",
eixo_x = "Tratamento",
eixo_y = "Nutrição")