Crea marcos de datos, de dos dimensiones (rectangulares) que pueden contener datos de diferentes tipos, por lo tanto, son heterogéneas
Cada columna en un marco de datos representa una variable y cada fila representa una observación.
Indicar entre paréntesis () pares de variables y valores. Por ejemplo, si queremos crear un marco de datos con dos variables llamadas “edad” y “altura”, podemos proporcionar los nombres de las variables como argumentos separados por coma, seguidos de los valores correspondientes
Para crear una base de datos que almacene información de dos variables (Departamento y pH) de las muestras de la Tabla 1: datos, se utiliza la función data.frame(). A esta nueva tabla se la denomina DATOS.
dep =c("Tumbaya","Tumbaya","Tumbaya","Tumbaya","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca","Humahuaca")PH =c(2.97,3.72,3.70,3.59,3.38,3.40,4.71,4.86,3.17,4.79,3.94,3.42,3.28,3.49,3.74,4.73,3.95)DATOS =data.frame(DEPARTAMENTO = dep, PH = PH)DATOS
Calcula la función de probabilidad puntual en una distribución Binomial
x = el valor de x para el cual se desea estimar la probabilidad puntual
size = el tamaño de la muestra
prob = la probabilidad de “éxito”
n =5p =0.13x =2dbinom(x = x,size = n,prob = p)
## [1] 0.111287
design.crd() {agricolae}
¡Atención!
Instalar el paquete agricolae para hacer uso de la función design.crd.
Para ello utilizar el siguiente código:
install.packages("agricolae")
Descripción
Argumentos
Genera un diseño completamente aleatorio con repetición igual o diferente
## plots r tratamientos
## 1 1 1 A
## 2 2 1 B
## 3 3 2 A
## 4 4 1 C
## 5 5 2 C
## 6 6 3 A
## 7 7 3 C
## 8 8 4 C
## 9 9 4 A
## 10 10 2 B
## 11 11 5 C
## 12 12 3 B
## 13 13 6 C
## 14 14 7 C
## 15 15 4 B
## 16 16 5 B
## 17 17 8 C
## 18 18 9 C
## 19 19 5 A
## 20 20 6 A
## 21 21 10 C
## 22 22 7 A
## 23 23 8 A
## 24 24 9 A
## 25 25 11 C
design.lsd() {agricolae}
¡Atención!
Instalar el paquete agricolae para hacer uso de la función design.lsd.
Para ello utilizar el siguiente código:
install.packages("agricolae")
library(agricolae)dcl =design.lsd(trt =c("A","B","C","D","E"), serie =0,seed =0,kinds ="Super-Duper",first =TRUE,randomization =TRUE)dcl$book
## plots row col c("A", "B", "C", "D", "E")
## 1 11 1 1 E
## 2 12 1 2 B
## 3 13 1 3 D
## 4 14 1 4 C
## 5 15 1 5 A
## 6 21 2 1 D
## 7 22 2 2 A
## 8 23 2 3 C
## 9 24 2 4 B
## 10 25 2 5 E
## 11 31 3 1 B
## 12 32 3 2 D
## 13 33 3 3 A
## 14 34 3 4 E
## 15 35 3 5 C
## 16 41 4 1 C
## 17 42 4 2 E
## 18 43 4 3 B
## 19 44 4 4 A
## 20 45 4 5 D
## 21 51 5 1 A
## 22 52 5 2 C
## 23 53 5 3 E
## 24 54 5 4 D
## 25 55 5 5 B
design.rcbd() {agricolae}
¡Atención!
Instalar el paquete agricolae para hacer uso de la función design.rcbd.
Para ello utilizar el siguiente código:
install.packages("agricolae")
Descripción
Argumentos
Genera un diseño de bloques completamente aleatorizado
## plots block c("A", "B", "C")
## 1 11 1 A
## 2 12 1 C
## 3 13 1 B
## 4 21 2 A
## 5 22 2 C
## 6 23 2 B
## 7 31 3 B
## 8 32 3 A
## 9 33 3 C
## 10 41 4 B
## 11 42 4 A
## 12 43 4 C
## 13 51 5 B
## 14 52 5 A
## 15 53 5 C
detach() {base}
Descripción
Permite eliminar un paquete o un conjunto de datos que se han adjuntado previamente al espacio de trabajo actual
library(splines2) # Paquete splines2detach(2)# Base de datostabla =data.frame(vble.1=c(0:4),vble.2=c(5:9))attach(tabla) # Ancladodetach(tabla) # Desanclado
diff() {base}
Descripción
Devuelve la diferencia entre los valores ingresados
diff(range(datos$pH)) #Diferencia entre el valor máximo y mínimo de pH (Tabla 1: datos) con range
## [1] 1.89
summary(datos$pH)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.970 3.400 3.700 3.814 3.950 4.860
4.86-2.97# Verificación
## [1] 1.89
dpois() {stats}
Descripción
Argumentos
Calcula la función de probabilidad puntual en una distribución de Poisson
x = el valor de x para el cual se desea estimar la probabilidad puntual
lambda = el valor del parámetro
X =6l =4dpois(x = X,lambda = l)
## [1] 0.1041956
duncan.test() {agricolae}
¡Atención!
Instalar el paquete agricolae para hacer uso de la función duncan.test.
Para ello utilizar el siguiente código:
install.packages("agricolae")
Descripción
Argumentos
Realiza la prueba de Duncan
y = modelo (aov o lm)
trt = tratamiento del modelo
alpha = nivel de significancia
group = TRUE o FALSE
console = TRUE (sí se quiere ver la salida en la consola) o FALSE